权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

レセプトデータによる医療・介護の経済分析と将来予測：GISによる可視化とAI予測

使用收据数据进行医疗和护理的经济分析和未来预测：使用 GIS 和 AI 预测的可视化

基本信息

批准号：
22K10434
负责人：
小笠原克彦
金额：
$ 2.66万
依托单位：
Hokkaido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

【目的】Ⅱ型糖尿病を対象に、医療介入前のデータであるBMI、腹囲、特定健康診査質問票からベイジアンネットワークを用いて重要度の高いリスク因子抽出を行い、ランダムフォレスト・XG Boostなどの機械学習によりⅡ型糖尿病の発症の予測と有効な予防方法を検討した。【方法】北海道岩見沢市国保被保険者の 2013-2016年度のレセプトデータと 2011-2013年度の特定健康診査の検査データ、質問票7853人分より糖尿病罹患者195人、糖尿病でない人195人をランダムに抽出した計 390人分のデータを用いて、男女混合、男性のみ、女性のみの3種類のベイジアンネットワークによるモデル作成を行い、ベイズネットワーク図と予測変数の重要度のグラフを導出することでリスク因子の分析を行った。さらに、ランダムフォレスト、XG Boost による、正解率、AUC、重要度から糖尿病の発症予測と重要な因子の検討を行った。【結果・考察】ベイジアンネットワークモデルにおいて男女混合モデルでは体型に関わる因子の重要度が高く、モデルの正解率は67.18%、男性モデルでは運動習慣に関わる因子の重要度が高く、モデルの正解率は80.18%、女性モデルでは体型に関わる因子の重要度が高く、モデルの正解率は77.98%となった。また、機械学習による評価では、医療介入前のデータではランダムフォレストは正解率が60.53％、AUC＝0.606であり、XG Boostは正解率が 64.47％、AUC＝0.706であった。XG Boostのほうがランダムフォレストより正解率、AUCともに高く、高精度な予測が可能であることが示唆された。また、ランダムフォレスト、XG Boostともに重要度が最も高いものはBMI、2番目に高いものが腹囲だったため、肥満がⅡ型糖尿病の大きなリスク因子であることが示唆された。

[Objective] To explore the prediction and effective prevention methods of type 2 diabetes mellitus (T2DM) in the context of machine learning for T2DM. [Methods] The 2013-2016 annual survey of the National Insurance Protection of Iwamizawa City, Hokkaido, and the 2011-2013 annual survey of specific health care, questionnaire 7853 people divided into 195 diabetes patients, 195 diabetes patients, 390 people divided into two groups, mixed gender, male and female, male and female. The three types of women's clothing and clothing are used to create and analyze the importance of the estimated number of clothing and clothing items. In addition, the study of diabetes development prediction and important factors was carried out. [Results·Investigation] The importance of factors related to body type was high in male and female mixed sports, and the correct solution rate of male was 67.18%. The importance of factors related to exercise habits was high in male mixed sports, and the correct solution rate of female mixed sports was 80.18%. The importance of factors related to body type was high in female mixed sports, and the correct solution rate of male mixed sports was 77.98%. The correct solution rate of machine learning before medical intervention was 60.53%, AUC=0.606, XG Boost was 64.47%, AUC=0.706. XG Boost has a high accuracy and high accuracy in prediction. The most important factors for type 2 diabetes are BMI, BMI and BMI.