包括的なコーディングで健康の不平等に取り組む

健康の不平等は、人々が生まれ、成長し、生活し、働き、年齢を重ねる社会的条件から生じる不公平な健康の違いを指すんだ。この違いは回避可能で、社会にとって大きな問題を引き起こしてる。イギリスでは、健康の不平等に取り組むことが政府や医療システムの優先課題になってるよ。

#CORE20Plus5 フレームワーク

この問題に対処するために、イングランドのNHSはCORE20Plus5フレームワークを作ったんだ。このフレームワークは、改善が必要な特定の人々や地域を特定してる。「Core20」は、イングランドで最も不利な20％の地域に焦点を当てていて、「Plus」は、エスニックマイノリティ、学習障害や自閉症のある人、複数の健康問題を抱える人、社会的排除に直面している人など、特別な配慮が必要な特定のグループを強調してる。

「5」は、緊急改善が必要な5つの主要な健康分野、つまり母子ケア、重度の精神疾患、慢性呼吸器疾患、早期がん診断、高血圧管理を指してる。

#不利益なグループを特定する課題

CORE20Plus5フレームワークが健康改善の指針を提供しているけど、まだ多くの課題があるんだ。大きな課題の一つは、電子健康記録（EHR）を使ってCORE20Plusグループを特定して分類する方法だよ。EHRには、患者に関する重要な情報が保存されていて、人口統計、医療歴、薬剤などが含まれてる。多くの情報を理解するために、研究者はさまざまな健康状態や社会グループを分類するための特定のコードを使う必要があるんだ。

既存のコードを作成する方法はたくさんあるけど、特に周縁化されたグループを見つけるための体系的なアプローチが不足してるみたい。

#周縁化グループのためのコーディングリストの開発

健康の不平等に焦点を当てた研究を改善するために、チームはエスニックマイノリティ、学習障害のある人、重度の精神疾患を抱える人、トランスジェンダーの人の4つの特定のグループのための包括的なコードリストを作成することを目指したんだ。このプロジェクトは、乳がんの診断と治療における不平等を研究するより広い研究に関連している。チームはこれらのグループを選んだのは、乳がんの結果においてしばしば不均衡に直面しているから。限られたリソースのため、CORE20Plus5フレームワークで特定されたすべてのグループのリストを作ることはできなかった。

チームは、特にUKのEHRに適したコーディングリストの開発方法について既存のアプローチを調べたんだ。

#コーディングリスト作成のステップバイステッププロセス

#ステップ1: 臨床的特徴の定義

プロセスの最初のステップは、興味のあるグループを明確に定義することだよ。政府の健康ガイドラインのような信頼できるリソースを使って、これらの定義を設定するんだ。

たとえば、民族性はさまざまな方法で定義できるけど、この研究では、色、国籍、民族的起源のようにUKの法律で認識された特定の特徴に基づいている。2021年のUK国勢調査からのカテゴリを使って、民族コードのリストを作成した。

学習障害は、新しい情報を理解し学ぶ能力が減少していることを示すガイドラインに基づいて定義された。この定義は具体的で、学習障害が個々の間で大きく異なることを認めているよ。

重度の精神疾患は、統合失調症や重度のうつ病などの疾患を含む、確立された医療基準に基づいて定義されたグループだ。

トランスジェンダーの人々は、自己認識する性別と出生時に割り当てられた性別が一致しないことによって定義されているんだ。

#ステップ2: コードリストの収集

2つ目のステップでは、定義された特徴に関連するコードのリストを集めるんだ。オンラインの類義語辞典を使って、各グループに関連する同義語を見つける手助けをするよ。

チームは、これらの条件に関する公開されたコードリストを探して、研究者が医療データに関連する研究を発表する主要なデータベースを利用した。これらの研究からコードをダウンロードして整理したんだ。

その後、正確性をチェックするために、医療記録での説明や元の使用に簡単にアクセスできるツールを使った。誤りがあれば訂正したり削除したりしたよ。

#ステップ3: コードのレビュー

最後のステップは、一般開業医（GP）の助けを借りてコードリストをレビューすることだ。GPは各コードを評価し、それを保持するべきか、もっと考慮が必要か、除外すべきかを判断するんだ。

不明瞭だったり適切でなかったりするコードは、別のGPによって再評価される。このレビューはリストを洗練させ、関連するコードだけが残るようにすることを目的としているよ。

#コードリストの有効性の確認

作成したコードリストの有効性を確認するために、チームは使用したデータベースで各カテゴリーに記録されている人の数を調べたんだ。2019年初頭から登録されて、データ収集時に医療システムを離れなかった人々を見てみたよ。

学習障害、重度の精神疾患、トランスジェンダーと分類された個人が見つかり、以前のリストと比較して特定されたケースの数が大幅に増加していることがわかった。

#民族性に関する発見

チームはまた、大規模なグループの民族性データも調査したんだ。人口を白人、アジア人、黒人、混血、その他のカテゴリに分けて、配分が国勢調査データと非常に近いことがわかったよ。

#研究の強みと限界

この研究にはいくつかの強みがあったんだ。まず、チームは幅広いコードを考慮するために複数のソースに相談した。コードをそのまま受け取るのではなく、含める内容を洗練させるための徹底したレビュー過程を実施した。

でも、この研究には限界もあった。特定のデータベースからのコードしか含まれていなかったから、いくつかの関連コードを見逃す可能性があったんだ。また、他のリストと比較するのも、グループの定義の違いにより、必ずしも簡単ではなかった。

#既存研究の上に構築する

この研究は、周縁化されたグループのためのコードリストを作成しようとした以前の努力を基にしている。進展はあったけど、特定を改善するための包括的なリストをまとめるためには、さらに作業が必要なんだ。

#研究と実践への影響

この研究の結果は、今後の研究に大きな影響を与えるよ。研究者が健康の不平等に関する研究を加速するために、コードリストをもっとオープンに共有する必要があることを強調している。

この研究は、データにおいて特定のグループが過小評価されていることも指摘していて、なぜこうなっているのかを調べる必要があるってことだ。

さらに、まだ注意が必要な健康の不平等に直面している他の多くのグループもいるよ。研究者が同様の方法を使って追加のコーディングリストを開発することが、より広い理解と支援のために重要なんだ。

#結論

まとめると、包括的なコードリストを作成するこの試みは、健康研究における周縁化グループの特定を改善するための重要な一歩を表しているよ。得られた結果は、医療提供者や研究者が、必要としている人々に対してより適切に健康サービスをターゲティングできるようにするために使える。これらのツールの提供が、監査、サービス改善、そして最終的には健康の不平等との戦いに役立つんだ。