保健師の記録を用いた神経発達障害のリスク要因の研究-機械学習の手法によるモデル化

点击翻译按钮获取中文摘要

4ヶ月、10ヶ月、1歳6ヶ月健診の運動発達の問題が将来の神経発達障害（NDD）の診断を予測するか、について、ベイジアンネットワークモデル（BN）を用いて検討した。具体的には以下の手順の通りに実施した。健診結果をエビデンスとして項目ノードに与えた時のNDD診断陽性の事後確率をBNにより求め、ある事後確率をカットオフ値とした時の感度と特異度を求めてROC曲線を描き、曲線下面積から診断予測精度を評価した。また、Youden Index（感度＋特異度－１）が最大になる事後確率（最適カットオフ値）を求め、そこにおける感度、特異度、陽性的中率（PPV）、陰性的中率（NPV）、及びUtility Index（UI）を求めた。加えて、事後確率が最適カットオフ値を超えるような運動発達の問題の組み合わせについて検討した。AUCは0.735 (95%CI:0.648-0.821)であった。最適カットオフ値は0.138であり、その値における感度は0.619(0.472-0.766)、特異度は0.761(0.715-0.808)、PPVは0.250(0.167-0.333)、NPVは0.940(0.911-0.968)、UI+は0.155(0.015-0.294)、UI-は0.715(0.679-0.752)であった。事後確率がこのカットオフ値を超えるような組み合わせも複数確認された。AUCの値から、運動発達の問題によるNDDのスクリーニングは許容可能な精度を示した。一方、感度やUI-は、十分に高いとは言えなかった。この結果から、健診で運動発達の項目に異常がある場合には、NDDのリスクであるかもしれないと考えて慎重に経過を見ていく必要があるが、運動発達の項目に異常がないからといってNDDのリスクがないとは言えず、その他の発達の領域についても検討をする必要があるということが示唆された。