糖尿病患者の血糖コントロールおよび生活習慣改善指導に関する電子記録の検証

Diabetes Care June 12, 2015, doi: 10.2337/dc14-2016

http://care.diabetesjournals.org/content/early/2015/06/11/dc14-2016要約：谷口諭

個別化された療養指導が効果的である

既知： より詳細な療養指導が効果的である

個別化　をどのように測定すればよいか？

未知： 詳細さ　をどのように測定すればよいか？

医療情報システム（ EHR) からの情報で後ろ向きに上記を測定する方法を確立する

個別化・詳細さ　が糖尿病療養に効果的であることを示す

実験目的

■ 研究背景

■ 対象

ボストンの２つの病院グループの家庭医の患者 Brigham and Women’s Hospital Massachusetts General Hospital

2000 年～ 2010 年に 2 年以上診察を受けた18 歳以上の糖尿病患者　または　 HbA1c7% 以上 (10,870名 )平均年齢 59.3 歳、白人 59.3% 、平均年収 625 万円私的保険 39.9% ％・ Medicare47.5%

HbA1c が 7% 以上から 7% 未満になるまでの期間を 1 単位として数えた　（平均 32.2 か月、 HbA1c8.3% から開始）

比較的裕福な母集団

■ 手法

該当期間の EHR を抽出

個別化を表す指標としてコメントの Hetereogeneity（不均一性）を計算

詳細さを表す指標としてコメントのコメントあたりの文字数を計算

Cox 比例ハザードモデルに則りリスク分析をおこない、HbA1c の低減に対する有効性を検証

それぞれが HbA1c7% 達成に効果的であることを示す

■ 手法： Hetereogeneity （不均一性）を計算

該当期間の EHR を抽出

各コメントを　栄養指導、運動指導、体重指導　のテーマに分別

前後診察のコメントを抽出し、文章の変化の大きさ / 長い方の単語の文字数　でNormalized Levenshtein Distance を計算

該当期間のコメント × テーマごとに同処理を行い、期間の平均を算出

Hetereogeneity を算出する

全患者分繰り返す

システムで自動分析

■ 手法： Hetereogeneity （不均一性）を計算

Levenshtein Distance とは

単語と単語の違いを、文字数で測定・表現する分析手法全く同じ文章をコピペしていれば、距離は０になる

距離は５ 距離は９

Normalized Levenshtein Distance とは

Levenshtein Distance を長い単語の文字数で割ったもの０～１の値になり、距離同士を比較をしやすくする

※ 資料は supplementary data より

■ 手法：コメントあたりの文字数を計算

該当期間の EHR を抽出

各コメントの内容を　栄養指導、運動指導、体重指導　に分別

コメントの平均文字数を計算

該当期間のコメント・各内容ごとに同処理を行い、期間の平均を算出

Intensity を算出する

全患者分繰り返す

システムで自動分析

■ 結果

個別化された療養指導が効果的であることを示した

より詳細な療養指導が効果的であることを示した

より変化に富む記録の患者の方が、変化が少ない記録の患者より HbA1c7% 達成率が高い

より文字数の多い記録の患者の方が、文字数の少ない患者より HbA1c7% 達成率が高い

■ 結果

ただ、結果への影響度はカウンセリングの質より、検査する・処方調整する・指導する方が影響が大きい