電子カルテデータ活用による30日以内再入院予測モデル、その現状と課題

【背景】

30日以内の病院再入院は医療費増大や患者負担増につながるため、そのリスクを予測し予防することは重要です。本研究は、電子カルテ（EMR）データを用いた再入院予測モデルの現状と課題をシステマティックレビューで評価しました。

【結果】

41の研究が対象となり、17のモデルが全患者、24が特定患者集団を対象としていました。C統計量は平均0.71（回帰モデル）と0.74（機械学習モデル）で、両者に統計的有意差はありませんでした（差0.03、95%CI -0.0〜0.07）。EMRデータ活用により検査値やバイタルサインは利用されたものの、社会経済的要因や機能状態の利用は稀でした。

【臨床へのインパクト】

EMRデータを用いた再入院予測モデルは、従来の行政データを用いたモデルよりも予測性能が向上するものの、その改善は限定的です。多くの研究で社会経済的要因の欠如、モデルのキャリブレーション不足、厳密な診断的テストの欠如、臨床的影響の議論不足が指摘されており、日本の臨床現場で実用化するには、これらの課題克服と更なる検証が必要です。

本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。