MEDICINE & AI

タイトル：Identifying frailty trajectories in older patients with acute myocardial infarction using structural entropy clustering: a prospective cohort study. 雑誌名：BMC Geriatr. 2026 May 14; doi: 10.1186/s12877-026-07614-4. 概　要： この研究は、急性心筋梗塞を有する高齢者における虚弱の進行が動的かつ異質であることを踏まえ、機械学習アプローチを用いて異なる虚弱の軌跡パターンとその予測因子を特定することを目的としています。これにより、エビデンスに基づいた看護介入を支援することを目指しています。 方　法： 2023年3月から2024年3月まで入院した583人の急性心筋梗塞患者を対象にした前向きコホート研究を実施しました。1年間のフォローアップ期間中に、6回にわたり多次元の臨床、身体的、心理的、機能的データを収集しました。これらの縦断的データから患者の類似性ネットワークを構築し、構造エントロピークラスタリングアルゴリズムを用いて虚弱の軌跡群を特定しました。群間の差異はANOVAおよびTukeyの事後検定を用いて分析し、多項ロジスティック回帰を用いて軌跡メンバーシップの主要な予測因子を特定しました。 結　果： 4つの異なる虚弱の軌跡が特定されました。「急速に悪化する虚弱」（13.4%）、「安定した非虚弱」（44.7%）、「徐々に進行する虚弱」（37.4%）、および「改善する虚弱」（4.5%）です。群間で機能状態、心理スコア、栄養状態、左室駆出率、Charlson併存疾患指数に有意な差が観察されました。多変量解析により、機能状態の低下（Modified Barthel Indexの10ポイント減少ごとに）および高齢が「急速に悪化する虚弱」の強い予測因子であることが示され、心理的要因として不安や抑うつが「徐々に進行する虚弱」の有意な予測因子であることが明らかになりました。 結　論： 急性心筋梗塞後の虚弱の進行は異質であり、構造エントロピークラスタリングを用いることで異なる軌跡パターンを特定できることが示されました。これらの知見は、高リスク個人の早期特定のための差別化された看護戦略の開発を支援する可能性があり、多施設での検証が期待されます。