抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
【背景】精密医学の一次目標は,標的介入を設計する目的で,患者のサブグループを同定し,それらの基礎疾患過程を推論することである。しかし,いくつかの研究は患者サブグループを同定したが,患者サブグループの同定と臨床応用のためのそれらのモデリングと解釈の間にかなりのギャップがある。【目的】3段階モデリングアプローチを用いて患者サブグループ(MIPS)をモデル化し,解釈するための新規分析フレームワークを開発し評価する。(1)患者亜群とその共存症を自動的に同定するための視覚分析モデリングと,それらの統計的有意性と臨床的解釈可能性を決定する。(2)分類モデリングは患者をサブグループに分類し,その精度を測定する。(3)有害転帰に対する患者リスクを予測する予測モデリング,および患者サブグループ情報の有無でのその精度を比較する。【方法】MIPSフレームワークを(1)二部ネットワークを用いて開発し,高頻度共起リスク共存症に基づく患者サブグループを同定した。(2)患者をサブグループに分類する多項ロジスティック回帰;(3)サブグループメンバーシップを用いて,サブグループメンバーシップを用いた有害転帰のリスクを予測する階層的ロジスティック回帰を,サブグループメンバーシップのない標準ロジスティック回帰と比較した。MIPSフレームワークを3つの病院再入院条件で評価した:慢性閉塞性肺疾患(COPD),うっ血性心不全(CHF),および全股関節/膝置換術(THA/TKA)。各条件について,退院の30日以内に再入院した患者として定義される症例を抽出し,退院時90日以内に再入院しない患者として定義し,年齢,性別,人種,および薬用適格性(n[COPD]=29,016,n[CHF]=51,550,n[THA/TKA]=16,498)でマッチした。【結果】各条件において,視覚解析モデルは,統計学的に有意だった患者サブグループを同定した(Q=0.17,0.31;P<.001,<.05),有意に複製した(RI=0.92,0.94,0.89;P<.001,<.01)。(2)各条件において,分類モデルは,患者をサブグループ(平均精度=99.60%,99.34%,99.86%)に分類する際に,高い精度を持った。(3)2つの条件(COPD,THA/TKA)において,階層的予測モデルは,正味の再分類改善(NRI=.059,0.11)によって測定されるように,読解された患者とない患者の間の識別において,小さいが統計的に有意な改善があったが,C統計または統合識別改善(IDI)によって測定されなかった。結論:視覚解析モデルは,統計学的におよび臨床的に有意な患者サブグループを同定したが,結果は,クラスタ内およびクラスタ内関連の解釈性を改善するために,異なるレベルの粒度でサブグループを分析する必要性を指摘した。分類モデルの高精度は,データセットのサイズと密度にもかかわらず,患者サブグループの強い分離を反映する。最後に,予測精度の小さい改善は,共存症単独が病院再入院に対する強い予測因子ではなく,より洗練されたサブグループモデリング法の必要性を示唆した。このような進歩は,病院再入院のリスクを減らし,それを超えて,患者サブグループモデルの解釈性と予測精度を改善することができた。【JST・京大機械翻訳】
