SPARRAスコアの効果を評価する
SPARRAの異なる集団における予測価値に関する研究。
― 1 分で読む
目次
イギリスの医療システムは大きな挑戦に直面してる。患者数が増えて、病院の需要が高まってるのに、リソースは限られてるから、システムはストレスがかかってる。コロナのパンデミックでこれらの問題が悪化して、特にプライマリケアで影響が出てる。これらの問題に対処するためには、問題が深刻になる前に健康問題を予防するための積極的なステップを踏む必要がある。緊急入院が重要な焦点の一つで、緊急のケアが必要な患者がいるけど、適切なケアと計画があれば、多くの入院を避けられる可能性がある。
緊急入院を予測することの重要性
プライマリケアのリソースが限られてるから、利用できるものを賢く使うことが大事。誰が緊急入院のリスクがあるか予測できれば、医療提供者は必要なところに力を集中させることができる。早期介入が最も効果的な患者を特定できれば、全体の健康結果を改善し、病院への負担を減らせる。
SPARRAスコアについて
スコットランドで使われている「再入院および入院リスクのあるスコットランド患者(SPARRA)」っていうツールは、翌年に緊急入院が必要になるリスクを推定するためのもの。パブリックヘルススコットランドは、全国の健康記録からデータを使ってこのスコアを計算してる。SPARRAの最初のバージョンは2006年に導入されて、最新のバージョンSPARRAv3は2012年から使われてる。新しいバージョンのSPARRAv4は2024年に導入される予定。SPARRAスコアは、医者が患者に適切なケアを計画するのに役立つし、将来の病院ニーズを広い視野で推定するのにも使える。
異なるグループにおけるSPARRAのパフォーマンスを理解する
私たちは、SPARRAスコアが都市部に住む人と田舎に住む人、そしてさまざまな社会経済的背景を持つ人々の間でどう機能するかを理解しようとした。年齢、性別、医療サービスへのアクセスの違いによって、スコアの効果が異なるかもしれないと思ってる。医者がこれらの違いを認識せずにSPARRAスコアに頼りすぎると、この貴重なツールを使わなくなって、スコットランドの健康格差が悪化する可能性がある。
SPARRAのパフォーマンスを評価する
私たちの研究では、異なる人々のグループ間でのSPARRAのパフォーマンスを詳しく見た。年齢、性別、社会経済的地位、民族、都市部または田舎に住んでいるかどうかなど、さまざまなデモグラフィックのデータを分析した。私たちの発見と方法は、誰でもアクセスできるようにオンラインで公開してる。
主要な分析は2012年から広く使われているSPARRAv3に焦点を当てた。過去の特定の日付を使って、さまざまな健康記録を集めて、SPARRAスコアが緊急入院をどれくらい予測できるかを見た。長期的な健康状態、外来訪問、処方された情報も含めた。
SPARRAを評価するためのグループ定義
私たちは、デモグラフィック特性に基づいて個人を異なるグループに分けた。例えば、65歳以上の人と25歳以下の人を比較したり、最も恵まれない社会経済的グループと最も恵まれたグループを見たりした。また、民族、都市と田舎の生活、そして本土に住んでいるか島に住んでいるかも調べた。各グループでは、データが欠けているケースを除外して、分析を正確に保った。
SPARRAを評価するために使用した方法
SPARRAスコアがどれくらい効果的に機能するかを評価するために、機械学習研究で一般的な統計的手法をいくつか使った。これは、緊急ケアが必要な人とそうでない人をスコアがどれくらいうまく区別できるか、また、スコアが結果をどれくらい正確に予測できるかを測定するものだった。
さまざまなグループでのスコア分布も計算して、重要な違いがないか比較した。また、各グループでの偽陽性(実際よりもリスクが低いと誤認されたケース)や偽陰性(リスクを過小評価されたケース)がどれくらいあったかも見た。
スコア分布に関する重要な発見
私たちの結果では、さまざまなグループ間でSPARRAスコアの分布に違いがあることが示された。例えば、年齢の高い人は若い人に比べてスコアが高くなる傾向があった。性別はスコア計算に影響を与えたけど、スコア分布に大きな違いは見られなかった。
興味深いことに、最も恵まれない地域の人々はスコアが高かったけど、これらの違いは最初に見えるほど単純じゃなかった。これは、年齢や医療サービスへのアクセスなど、他の要因も影響を与えていることを示唆してる。
予測パフォーマンスの検討
私たちは、SPARRAスコアが人々をリスクによってどれくらい正確にランク付けしているか、そして予測された結果と実際の出来事がどれくらいマッチしているかを評価した。SPARRAスコアは全体的にうまく調整されていたけど、いくつかのグループでは予測精度が良いことがわかった。
例えば、年齢の高い人は緊急ケアが必要な人を予測するのが得意だった。異なる民族の人々では、予測性能が異なることもわかり、スコアを使用する際にデモグラフィック要因を考慮する重要性が強調された。
偽陰性と偽陽性
私たちの分析では、グループ間での偽陽性と偽陰性の率に顕著な違いがあることが見えてきた。一般的に、若い人や恵まれない地域の人々は偽陽性が高く、実際よりもリスクが低いと誤認されていた。一方で、年齢の高い人や都市部に住む人々は偽陰性が高く、実際にケアが必要な人を見逃す傾向があった。
特に、偽陰性は脆弱な人々がリスクを過小評価されて必要なケアを受けられない可能性があるのが心配。
偽陰性の間の入院タイプの理解
低いSPARRAスコアを持ちながらも緊急入院や死亡に至った個人がいる理由を理解するために、これらの偽陰性の間での入院タイプを調べた。多くのグループでは、外的要因(事故や怪我など)が入院の一般的な理由として挙げられ、予測が難しい場合がある。
対照的に、呼吸器系の問題など特定の健康状態は、SPARRAで低リスクと見なされた人々の間での頻度が低いことが示され、ツールがこれらの状態を正確に特定するのが難しいかもしれない。
結論と実践への影響
私たちの発見は、SPARRAスコアを臨床実践で使用する際にさまざまなデモグラフィック要因を考慮することの重要性を強調してる。一般的にうまく調整されているとはいえ、私たちの分析で明らかになった違いは、医療提供者がスコアの異なるグループでのパフォーマンスを意識する必要があることを示してる。
私たちは、SPARRAの使用に際してその限界と強みを理解することが不可欠だと思ってる。スコアを修正しようとするのではなく、これらの違いを認識し、それを意思決定に活かす方が有益かもしれない。最終的には、私たちの研究が医療における予測スコアの複雑さを明らかにし、格差問題に効果的に対処するための健康サービスの継続的な評価と改善の必要性を強調してる。
タイトル: Differential behaviour of a risk score for emergency hospital admission by demographics in Scotland --- a retrospective study
概要: The Scottish Patients at Risk of Re-Admission and Admission (SPARRA) score predicts individual risk of emergency hospital admission for approximately 80% of the Scottish population. It was developed using routinely collected electronic health records, and is used by primary care practitioners to inform anticipatory care, particularly for individuals with high healthcare needs. We comprehensively assess the SPARRA score across population subgroups defined by age, sex, ethnicity, socioeconomic deprivation, and geographic location. For these subgroups, we consider differences in overall performance, score distribution, and false positive and negative rates, using causal methods to identify effects mediated through age, sex, and deprivation. We show that the score is well-calibrated across subgroups, but that rates of false positives and negatives vary widely, mediated by a range of causes. Our work assists practitioners in the application and interpretation of the SPARRA score in population subgroups. Research in contextO_ST_ABSEvidence before this studyC_ST_ABSThere is considerable literature on the general topic of differential performance of risk scores across population subgroups and its implications. A shared theme is the importance of identifying and quantifying such differential performance. We performed a MedLine and Google Scholar search with the single term SPARRA, and consulted colleagues at Public Health Scotland about any previous internal analyses. Several articles assessed the accuracy of SPARRA and discussed its role in the Scottish healthcare system since its introduction in 2006, but none looked in detail at differential performance between specific demographic groups. Added value of this studyWe provide a comprehensive assessment of the performance of the SPARRA score across a range of population subgroups in several ways. We systematically examined differences in performance using a range of metrics. We identify notable areas of differential performance associated with age, sex, socioeconomic deprivation, ethnicity and residence location (mainland versus island; urban versus rural). We also examined the pattern of errors in prediction across medical causes of emergency admission, finding that, to variable degrees across groups, cardiac and respiratory admissions are more likely to be correctly predicted from electronic health records. Overall, our work provides an atlas of performance measures for SPARRA and partly explains how between-group performance differences arise. Implications of all the available evidenceThe precision by which the SPARRA score can predict emergency hospital admissions differs between population subgroups. These differences are largely driven by variation in performance across age and sex, as well as the predictability of different causes of admission. Awareness of these differences is important when making decisions based on the SPARRA score.
著者: James Liley, I. Thoma, S. Rogers, J. Ireland, R. Porteous, K. Borland, C. Vallejos, L. Aslett
最終更新: 2024-02-14 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2024.02.13.24302753
ソースPDF: https://www.medrxiv.org/content/10.1101/2024.02.13.24302753.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。