高齢者における不適切な多剤併用は30日以内の緊急入院の重要な予測因子である：機械学習特徴検証研究
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
タイトル：Potentially inappropriate polypharmacy is an important predictor of 30-day emergency hospitalisation in older adults: a machine learning feature validation study.
雑誌名：Age Ageing. 2025 May 31; 54(6): doi: 10.1093/ageing/afaf156.
概 要：
本研究は、機械学習（ML）モデルを用いて、30日以内の緊急入院を予測するための重要なリスク因子を検証することを目的としています。対象はUK Biobankデータベースからの65歳以上の86,870人の高齢者で、Random Forest（RF）、XGBoost（XGB）、ロジスティック回帰（LR）の3つのMLモデルを使用しました。モデルは、人口統計、老年症候群、併存疾患、薬剤負担指数（DBI）などの変数を利用し、30日以内の緊急入院を予測しました。DBIは抗コリン作用や鎮静作用を持つ薬剤への曝露を定量化します。
方 法：
この研究はコホート研究で、UK Biobankデータベースからの65歳以上の86,870人の高齢者を対象にしています。3つのMLモデル（RF、XGB、LR）を用いて、人口統計、老年症候群、併存疾患、DBIを含む全ての抽出変数を使用して30日以内の緊急入院を予測しました。主要評価指標は、受信者動作特性曲線下面積（AUC-ROC）とF1スコアです。
結 果：
RF、XGB、LRモデルのAUC-ROCはそれぞれ0.78、0.86、0.61であり、良好な識別力を示しました。DBI、移動能力、骨折、転倒、危険なアルコール摂取、喫煙が30日以内の緊急入院を予測する重要な変数として検証されました。
結 論：
本研究は、30日以内の緊急入院を予測するための重要なリスク因子を検証しました。これらのリスク因子の検証は、老年医学における今後のML研究の発展に寄与します。今後の研究では、本研究で検証されたリスク因子に対処するためのターゲットを絞った介入の開発が優先されるべきであり、最終的には患者のアウトカムを改善し、医療負担を軽減することが期待されます。