米国は高齢化が進む国です。65歳以上のアメリカ人は、 2030年までに人口の20%、2022年の17%から増加2050年までに23％にまで増加すると予測されています。私たちは長生きしていますが、より良く生きるわけではありません。 私たちの寿命のうち不健康な状態で過ごす時間がますます増えている。
この人口構成の変化は、高齢者がより集中的な医療を必要とする慢性疾患や併存疾患に苦しむことが多いため、コストのかかる複雑な医療ニーズをもたらします。現在の医療制度は、人手不足、収容能力の問題、そしてすでに予算上のメディケア支出予測を上回るコスト上昇に悩まされており、高齢化社会の増大する需要に対する備えがひどく不十分です。
「グレーウェーブ」がもたらす課題に効果的に対処するには、医療機関と保険者が協力し、早期発見と介入を通じて高齢者のリスクを軽減できる新しいアプローチを採用する必要があります。利用できるテクノロジー リソースは増えていますが、これらのリソース同士の相互作用を最大化する方法、さらに重要なことに、保険者、医療提供者、患者、公衆衛生との相互作用を最大化する方法はまだ見つかっていません。
予測モデリングは健康寿命の最大のリスクの1つを軽減するのに役立ちます
高齢化に伴う最大の危険の 1 つは転倒であり、65 歳以上の患者における障害と死亡の主な原因となっています。転倒は単に身体的なつまずきを意味するだけでなく、高齢者の健康と自立に対する深刻な脅威です。また、経済的な脅威でもあります。米国疾病管理予防センター (CDC) によると、米国では高齢者の転倒に関連する医療費として毎年約 500 億ドルが費やされています。さらに、転倒は多剤服用、体力低下、サルコペニア、認知機能の変化、健康状態の悪化のパターンなど、さまざまな理由とその重なりによって発生します。
予測モデルは、検出に対する潜在的な答えを提供し、最終的には必要な予防戦略を準備します。これらのモデルは、さまざまなデータ ポイントを分析して健康イベントを予測し、健康寿命を延ばして生活の質を向上させるためのタイムリーで的を絞った介入を可能にします。膨大な量の患者データと人工知能 (AI) を活用することで、予測モデルは、数か月、さらには数年先に転倒リスクのある患者を特定するなど、正確な死亡率と罹患率の予測を生成できます。
予測モデルに利用できるデータは膨大にあり、転倒などの症状に関する正確なリスク予測につながる可能性がありますが、ケア現場でのデータ収集とデータの相互運用性は依然として一貫性がありません。臨床データは、EHR ごとに、同じ EHR の実装ごとに、プロバイダーごとに、さらには社会的および医学的差異に基づく患者ごとに、ばらつきに満ちています。データの収集、表示、品質におけるこれらの不一致は、予測モデル化だけでなく、さらに重要なケアの提供に不可欠な、まとまりのある「ストーリー」を編み出すことの難しさにつながります。これらのハードルを克服するには、相互運用性ソリューションと構造化データ フレームワークが不可欠です。
標準ベースのアプローチの実現
CDC の STEADI (高齢者の事故、死亡、傷害の防止) イニシアチブは、標準ベースのアプローチの成功例です。米国および英国老年医学会の臨床転倒予防ガイドラインを前提とする STEADI は、転倒リスクのスクリーニング、修正可能なリスク要因の評価、および対象を絞った介入の実施のための構造化されたプロセス フレームワークを医療提供者に提供します。ただし、前述のように、このようなイニシアチブの影響は、EHR での一貫性のない非標準的なデータ記録によって制限される可能性があり、その結果、効果的に使用するために最適化されたデータに依存する予測モデルやその他の新しいテクノロジーの影響が鈍ります。多くの患者と医療提供者のやり取りは、既存の語彙に添付されていないアンケートを使用して文書化され、添付されている場合でも EMR システムに統合されていないため、包括的に分析するのが難しい断片的なデータ キャプチャにつながります。医療提供者は、このようなデータ収集ツールに LOINC (Logical Observation Identifiers Names and Codes) などの語彙を採用して標準を適用することで、STEADI やその他のアンケートのデータが一貫して記録され、長期間にわたってデータとして追跡されることを保証できます。この標準化により、より優れた縦断的分析が可能になり、臨床医が患者の健康の軌跡を明確に把握できるため、患者ケアが向上します。テクノロジー パートナーは、STEADI 基準を組み込むようにモデルをカスタマイズすることで、予測分析が転倒リスク評価の確立されたガイドラインと一致することを保証できます。
高齢者の転倒問題は、私たちの寿命が延びていることを考えると、公衆衛生上の大きな懸念事項です。公衆衛生イニシアチブの効果を高めるために、対処すべき重要な健康指標や臨床状態は他にもたくさんあります。データ収集の標準方法を確立し、STEADI のようなプログラムを活用することで、虚弱性と転倒防止の取り組みを大幅に前進させ、人口の最も脆弱なメンバーに影響を与える他の状態に対する提供モデルを改善できます。標準化は、システム全体で互換性のあるデータへの道を開くだけでなく、医療提供者に情報に基づいた決定を行うための貴重な洞察を与えることにもなります。転倒防止の取り組みに高度な予測技術を取り入れることで、結果がさらに向上し、医療システムの負担が軽減され、エコシステム内のすべてのプレーヤーが価値に基づくケアを推進して高齢化社会により良いサービスを提供する機会が提供されます。
写真: ゲッティイメージズ
パウロ・ピニョ医学博士最高医療戦略責任者である 健康を見極める健康成果を向上させる予測データモデルに焦点を当てた医療技術スタートアップ。約 25 年の医療経験を持つ Pinho 博士は、内科、小児科、保険医学の専門医資格を取得しています。Pinho 博士は、以前は Availity Clinical Solutions および Prudential International Insurance で指導的役割を担い、PASE Healthcare を設立しました。彼のグローバルな臨床経験はさまざまな環境に及び、医療提供と患者のエンパワーメントに関する著名な講演者および専門家として出版されています。Pinho 博士は、ラトガース大学で健康情報学の修士号も取得しています。
この投稿は MedCityインフルエンサー プログラム。誰でも MedCity Influencers を通じて、医療におけるビジネスとイノベーションに関する自分の見解を MedCity News に掲載できます。 方法を知るにはここをクリックしてください。
1723468905
#予測分析で寿命と健康寿命のギャップを埋める
2024-08-12 13:08:31