Prognostic score model of pediatric inpatients using Diagnosis Procedure Combination database

点击翻译按钮获取中文摘要

小児の先天性心疾患リスクスコアモデル構築のため、引き続きデータセット更新及び予測に必要な変数の絞り込み、予測モデルの作製を行った。診療報酬の包括評価制度であるDPCのデータベースに記録された2010年度から2019年度の患者データをデータソースとして用いた。疾病及び関連保健問題の国際統計分類ICD-10コードやDPCコードを用いて、先天性心疾患による入院を特定した。作成したデータセットに対してモデルの性能を検証するに当たり、従来より統計モデルとして広く用いられている一般化線形方程式によるロジスティック回帰モデルの他に、Lasso回帰による変数選択モデル、XGboost、ディープニューラルネットワークによるモデルも作成した。Lasso回帰による変数選択手法に関しては、先天性心疾患手術の変数から死亡リスクの予測性能向上に関連の高いものを絞り込み、因子の探索と予測モデルの作成、予測能の検証を行った。今回作成したディープニューラルネットワークによる予測モデルは汎化性能が低く、診療報酬ベースのデータのように0の多いスパースなデータ空間に対してはパラメーターチューニングや層の設定に関する探索がさらに必要と考えられた。従来的なロジスティック回帰の方が汎化性能が高く、計算コストが非常に少なかった。本研究で培われたDPCデータベースのデータ抽出、データセット作成、解析プログラムによる知識は、小児先天性心疾患以外の分野にも積極的に応用して、外部への発表や共同研究を行なった。