退院時の脳卒中患者の予後予測

毎年、世界中で約1500万人が脳卒中を発症してるんだ。この深刻な状態は約500万人の死につながり、さらに500万人が脳卒中に関連する障害を抱えて生きてる。リハビリサービスは、脳卒中患者が回復して自立するのを助けるためにめっちゃ重要なんだよ。

病院を退院する前に、脳卒中患者は日常生活、コミュニケーションスキル、移動能力をチェックするための正式な評価を受けるべきだ。その評価の結果は、患者のケアや退院プロセスを計画するのに役立てる必要があるんだ。患者が退院後にどこに行くかを決めるとき、医者はその人がどれだけ回復するかを重要な要素として考えるから、最初の評価に基づいて退院時の患者の状態を予測するのは、パーソナライズされたリハビリプランを作るのに大いに助けになるんだ。

#予測ツール

最近のレビューでは、脳卒中患者の独立性、腕の使い方、歩行、飲み込みなどのさまざまな結果を予測するためにいろんなツールが作られてるって。だけど、過去の研究は一度に一つの結果だけを予測することに集中してたんだ。臨床現場では、患者の全体的な状態を予測することが重要で、退院時には複数の結果が含まれるべきなんだよ。たとえば、ある患者は独立して歩けるけど、コミュニケーションや思考スキルにはまだ助けが必要な場合がある。残念ながら、以前の研究はこれらの全体的な患者特性を予測するための包括的なモデルを提供していなかったから、退院時の脳卒中患者の全体的な状況を評価できる新しい予測モデルが必要なんだ。

#潜在クラス分析の利用

この課題に対処するために、潜在クラス分析（LCA）と呼ばれる方法を使ったんだ。この方法は、直接測定するのが難しい特性に基づいて患者を異なるグループに分類するのに役立つんだ。LCAは、患者間の違いがさまざまな潜在要因に影響されているときに便利なんだ。この分析を使って、退院後の行き先や移動能力、入院期間など、全体的な患者特性のクラスを特定できるようにするんだ。それから、初期評価に基づいて、患者がどのクラスに属するかを予測するためのモデルを作れるんだよ。

#研究の背景

私たちの研究は、日本リハビリテーションデータベースのデータを見てたよ。2005年1月から2016年3月までに入院した患者の情報を取得したんだ。すべてのデータは匿名化されてたから、個別の同意を求める必要はなかったよ。この研究は神奈川人間サービス大学の倫理委員会に承認された。

脳卒中を患った患者に関する情報を集めたんだけど、年齢、脳卒中の種類、病状の重さ、入院中に受けたリハビリの種類や期間なども含まれてる。2016年には、80の病院から33,657人の患者のデータが集められたんだ。特に、急性期病院に入院した10,270人の脳卒中患者のデータに焦点を当てたよ。

#包括基準と除外基準

この研究に含めるためには、患者は以下の基準を満たしている必要があったんだ：

1. 急性脳卒中を患って、2005年から2015年の間にデータベースの病院に入院していること。
2. 18歳以上であること。
3. 入院中に何らかのリハビリを受けていること。

以下の条件を持つ患者は除外したんだ：

1. 入院時に年齢データがない人。
2. 退院先に関する情報がない人。
3. 18歳未満の人。
4. 入院中にリハビリを受けなかった患者。
5. 脳卒中が起こってから7日以上経過して入院した人。
6. 毎日9単位（または180分）以上のリハビリを受けた患者。
7. 入院期間が1日未満または179日以上の患者。
8. 入院時または退院時に特定の評価のデータがない患者。
9. 入院時と退院時のすべてのFIM項目にデータがない患者。

#退院時の結果変数

過去の研究を見直した結果、退院時に評価するために特定の結果変数を選んだんだ。これには以下が含まれる：

• 機能的能力（日常生活）
• 認知機能（思考と理解）
• 上肢機能（腕を使う能力）
• 入院期間
• 退院先（患者が病院を出た後に行くところ）

退院時の機能的能力は、18項目からなる機能的自立度（FIM）を使って評価したんだ。これには、日常生活を行うのにどれだけ助けが必要かを示すのが含まれている。

認知機能もFIMの認知サブスケールを使って評価され、理解、表現、社会的交流に焦点を当ててる。この要素は重要で、理解やコミュニケーションに困難があると、患者の回復に大きく影響することがあるんだ。

上肢機能は、患者の病状の重さを評価するために、国立衛生研究所の脳卒中スケール（NIHSS）のスコアを使って測定したんだ。入院期間は脳卒中の重さや患者のニーズによって異なった。退院先は、自宅、他の病院、リハビリ施設、死亡、またはその他の結果として定義されたんだよ。

#予測変数

研究では、退院時の患者の結果に影響を与える可能性があるいくつかの予測変数も考慮したんだ。これには以下が含まれる：

• 年齢
• 機能的能力
• 理解スキル
• 上肢機能
• 脳卒中の種類
• 入院中に受けたリハビリの量

前の研究では、初期の機能的能力が良くて年齢が低いほど、自宅退院の可能性が高くなるって示唆してた。私たちは、予測モデルをできるだけ正確にするために、過去の研究からいくつかの要素を考慮したんだ。

#統計解析

LCAを使って予測モデルを開発するために、2段階の方法を採用したんだ。最初の段階では、選択した結果変数を使ってLCAを行い、退院時の患者の状態を特定したんだ。最も効果的なモデルを選ぶために、特定の基準に基づいて最適なモデルを選んだよ。

2段階目では、最初の段階で選んだ予測因子を使って退院時の患者のクラスメンバーシップを予測したんだ。また、分析中に欠損データにも対応したよ。

#患者特性

基準を適用した結果、6,881人の患者を研究に含めたんだ。入院時の平均年齢は73.7歳で、入院期間の平均は29.5日だった。全体的に、入院時から退院時にかけて機能的スコアの改善が見られたよ。

#退院時の患者特性の潜在クラス

LCAを使って、6,881人の患者を退院時の結果に基づいて異なるクラスに分類したんだ。1クラスから12クラスのモデルを調べて、最適な適合を見つけたよ。この研究では9クラスモデルが最も解釈しやすくて臨床的に関連性が高いって分かったんだ。

各クラスは、退院時の患者の異なる状態を反映していて、クラス1は最も軽度の状態を示し、クラス2は最も重度の状態を示してる。

#クラスメンバーシップの予測因子

すべての予測因子は、退院時の結果を予測するのに重要だったよ。特定のクラスに属する可能性が最も高いのは、入院時に測定された上肢機能のスコアに関連してた。入院中のリハビリの量は、患者の状態によってさまざまな影響を持ってたんだ。

#モデルの適用

私たちの予測モデルは、急性脳卒中患者の退院時の全体的な患者特性をうまく特定したんだ。それは、各個人に最も適した介入を提供するのにヘルスケアプロバイダーを導くのに役立つよ。

たとえば、ある患者が85歳で体の片側に重度の障害があって、ある量のリハビリを受けている場合、このモデルはその患者が退院時に日常生活やコミュニケーションに助けが必要になる可能性が高いって予測できるんだ。

#結論

結論として、私たちの研究は退院時の全体的な患者状態を予測するモデルを開発したんだ。脳卒中患者の適切なリハビリの強度に焦点を当ててる。でも、この予測モデルが臨床現場で使えるようになる前には、さらなる検証が必要なんだ。今後の研究は、個々の患者特性に基づいてリハビリの結果にどのように異なる要因が影響するかの理解を深めることができるね。