電子健康記録を用いた緊急入院後の医療接触の機械学習による予測
カテゴリ：災害・救急医療
公開日：2026年2月19日
タイトル：Machine learning-based predictions of healthcare contacts following emergency hospitalisation using electronic health records.
雑誌名：NPJ Digit Med. 2025 Dec 17; 8(1): 764. doi: 10.1038/s41746-025-02138-4. Epub 2025 Dec 17.
概 要：
本研究は、高齢化社会における緊急医療システムの課題に対処するため、緊急入院後の高齢患者における医療接触を特定するための機械学習アルゴリズムの可能性を検討しました。南東スコットランドの電子健康記録（EHR）データを用いて、脆弱性マーカーや看護リスク評価に基づく勾配ブースティング（XGBoost）モデルを開発し、入院から72時間以内の医療接触や専門的な支援の必要性を予測しました。98,242人の患者を対象にした結果、緊急受診時の予測接触エラー率は49%、入院72時間後は34%でした。急性老年医学サービスの必要性の予測における曲線下面積（AUC）は0.89、入院リハビリテーションでは0.83でした。圧迫潰瘍リスクとその文書化が受けた接触の予測因子となりました。
方 法：
この研究は、南東スコットランドの電子健康記録データを用いたコホート研究です。98,242人の高齢患者を対象に、脆弱性マーカーや看護リスク評価に基づくXGBoostモデルを訓練し、入院から72時間以内の医療接触や専門的支援の必要性を予測しました。主要評価指標は、急性老年医学サービスの必要性の予測におけるAUCです。
結 果：
緊急受診時の予測接触エラー率は49%、入院72時間後は34%でした。急性老年医学サービスの必要性の予測におけるAUCは0.89、入院リハビリテーションでは0.83でした。また、圧迫潰瘍リスクとその文書化が医療接触の予測因子として確認されました。
結 論：
EHRデータを用いることで、緊急受診後の入院活動の詳細な予測が可能となり、迅速な適切な緊急医療経路への割り当てを促進する可能性が示されました。