認知症の入院患者の安全性を最適化するための人工知能アプローチ

科学分野:

• 医療情報学
• 患者の安全
• 機械学習アプリケーション

背景:

• 認知症に関連した安全事件は,病院環境で重大なリスクをもたらす.
• これらの事象の根本的な原因を特定することは,患者のケアと安全性の改善に不可欠です.
• 安全事故の報告を分析する既存の方法は,高度な分析技術で強化できます.

研究 の 目的:

• 認知症に関連する安全性要因を特定するための機械学習 (ML) モデルを開発する.
• これらのイベントのパターンとドライバーを明らかにするために患者の安全イベントレポートデータを活用する.
• 認知症のケアにおける状況要因と 積極的な失敗の理解を深めること

主な方法:

• 認知症関連の安全事件の報告を1387件利用した. アメリカに拠点を置く医療システムから.
• フリーテキストのレポートデータをコードするためにヨークシャーの貢献因子フレームワークを使用しました.
• 2つの eXtreme Gradient Boosting (XGBoost) MLモデルを開発し,患者の状況要因とアクティブ障害を分類しました.

主要な成果:

• 状況要因に関するMLモデルは,F1スコア0.834とROC AUC0.833で高い性能を達成しました.
• 活性障害のモデルは高い特異性 (0. 992) とROC AUCの0. 817を示したが,精度とリコールが低い.
• 報告の有意な割合 (71.3%) は状況要因に関連しており,積極的な失敗は8.6%を占めていた.

結論:

• 機械学習モデルは,認知症の安全性イベントに関連した状況要因とアクティブな障害を効果的に特定します.
• これらの発見は,行動症状管理のためのスタッフの訓練を含む,標的の介入を支持します.
• 薬剤師主導の薬剤の最適化は,認知症の入院患者の安全性を高めるために推奨されます.