文献

J-GLOBAL ID：202102286017678745   整理番号：21A2522844

電子健康記録と調剤データを通した薬剤再充填アドヒアランスの予測とパターン分析【JST・京大機械翻訳】

Prediction and pattern analysis of medication refill adherence through electronic health records and dispensation data

著者 (2件)： Galozy Alexander (Center for Applied Intelligent Systems Research, 30118 Halmstad, Sweden) ,  Nowaczyk Slawomir (Center for Applied Intelligent Systems Research, 30118 Halmstad, Sweden)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 112  号： S  ページ： Null  発行年： 2020年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 慢性疾患患者における薬物療法への低い遵守は,罹患率,死亡率および医療費の増加につながる。電子処方とディスペンテーション記録の広範な採用は,投薬利用のより包括的な概観を可能にする。電子健康記録(EHR)との組み合わせで,そのようなデータは非遵守のリスクで患者を同定するための新しい機会を提供し,より標的化され効果的な介入を提供する。この論文の目的は,様々な予測シナリオの下での医療利用因子に焦点を当て,高血圧患者のコホートに対する服薬遵守の予測可能性を研究することである。さらに,指標処方を有する患者に対する日被覆パターン(PDCパターン)の共通割合を発見し,観察されたパターンを説明する可能性のある薬物摂取行動をシミュレーションした。著者らは,患者の訪問,処方情報,および人口統計学などの医療利用の因子に焦点を当てた再充填遵守を予測する。著者らは,4つの異なるデータ分割,即ち,層別ランダム,患者,指数患者の有/無での時間前方予測を用いて,機械学習アルゴリズムによるモデルを訓練した。K平均クラスタリングを用いて,頻繁で2年間の長いPDCパターンを抽出し,そのようなPDCパターンを生成することができる薬物療法の5つの簡単なモデルを検討した。モデル性能は,データ分割(AUC試験セット:0.77~0.89)間で変化した。歴史的情報を含めることは,ほとんどの場合(約1~2%絶対AUC上昇)で,性能をわずかに増加させる。モデルは,指数処方に関する低い予測性能(AUC試験セット:0.56-0.66)とPDCにおける突然の降下患者(Recall:0.58-0.63)を示した。21の異なる2年PDCパターンを見出し,1年目または2年目に良好なアドヒアランスから間欠的ギャップおよび早期中断までの範囲だった。シミュレーションは,観察されたPDCパターンが特定の薬物消費挙動によってのみ説明できることを示した。EHRを用いて開発した予測モデルは,高いヘルスケア利用の患者に対してバイアスを示した。実際の薬物療法は観察できないが,消費パターンは,投薬再充填と消費がリンクするならば,任意ではないかもしれない。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  被覆 ,  死亡率 ,  *調剤 ,  クラスタ化 ,  層別 ,  薬物療法 ,  医療費 ,  母集団 ,  ターゲティング ,  学習アルゴリズム ,  *電子カルテ ,  予測モデル
準シソーラス用語： 慢性疾患 ,  *アドヒアランス , 【Automatic Indexing@JST】

著者キーワード (5件)： 薬物再充填遵守 ,  電子健康記録 ,  シミュレーション ,  予測 ,  リフィルパターン

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (7件)： 電子健康記録 ,  調剤 ,  薬剤 ,  再充填 ,  アドヒアランス ,  予測 ,  パターン分析