MEDICINE & AI

タイトル：Performance of 4 Methods to Assess Health-Related Social Needs 雑誌名：JAMA Netw Open. 2025 Aug 01; 8(8): e2527426. 概　要： 本研究は、健康関連社会的ニーズ（HRSN）を評価するための4つの方法（スクリーニング質問票、臨床ノートの自然言語処理（NLP）、ルールベースの計算可能表現、機械学習（ML）分類モデル）の性能を比較することを目的としています。データは、インディアナ州インディアナポリスの2つの医療システムのプライマリケアクリニックで治療を受けた成人患者から収集されました。各方法はスクリーニングテストとして扱われ、5つのHRSN（食料不安、住宅不安定、経済的負担、交通障害、法的問題の履歴）を評価しました。 方　法： この横断研究では、1252人の成人患者のデータを使用し、各方法の感度、特異度、曲線下面積（AUC）、陽性的中率（PPV）を評価しました。参加者は電子健康記録（EHR）でHRSNスクリーニング質問に回答し、NLPアルゴリズムやML分類器が過去12か月のEHRデータに適用されました。 結　果： スクリーニング質問票は、食料不安（AUC 0.94）、住宅不安定（AUC 0.78）、交通障害（AUC 0.77）、法的問題（AUC 0.81）において最も優れた性能を示しましたが、経済的負担に対しては低い性能（AUC 0.62）でした。NLPとルールベースの方法は性能が低く、ML分類は他の方法よりも高い感度を示しました。すべての測定アプローチにおいて、性別、人種、年齢による不公平な性能が示されました。 結　論： HRSN測定のためのいずれの方法もすべてのニーズに対して強い性能を示さず、各アプローチには不公平な性能の兆候がありました。これらの結果は、HRSNデータ収集に単一の方法に依存することが、患者の真の社会的負担を過小評価する可能性があることを示唆しています。