南砺の病院家庭医が勉強記録を始めました。

富山県にある総合病院で働く病院家庭医です。勉強の記録を少しずつ書いていきます。

モバイルアプリを使用した高齢患者のフレイルの検出:プライマリケアにおける横断観察研究

Detection of frailty in older patients using a mobile app: cross-sectional observational study in primary care

British Journal of General Practice 4 November 2019; bjgp19X706577. DOI: https://doi.org/10.3399/bjgp19X706577

 

本日はBJGPより。

モバイルアプリで高齢者のフレイルを見つけようという取り組みです。

「Detection of frailty in older patients using a mobile app」の画像検索結果

要約
背景:フレイルを評価するために使用される主要な機器は、Fried phenotype of frailtyと、疲労(Fatigue)、抵抗(Resistance)、歩行(Ambulation)、病気(Illness)、および体重減少(Loss of Weight)(FRAIL)スケールです。どちらの機器にも、個人面接で取得する必要がある項目が含まれており、電子医療記録のみで使用することはできません。

目的:点数システムに基づいて、Androidのアプリケーションに統合された予測モデルを開発および内部検証し、患者の病歴から取得した変数のみを使用して虚弱を予測します。

デザイン:スペインのバレンシア州で実施された横断的な観​​察研究。

方法:2017年1月から2018年5月までに621人の高齢患者のサンプルを分析しました。主な変数は、FRAILスケールを使用して測定したフレイルでした。候補予測因子は、性別、年齢、併存疾患、または日常生活に影響を与える可能性のある臨床状況、多剤併用、1年以内の入院でした。合計3472のロジスティック回帰モデルが推定されました。AUCが最大の面積を持つモデルが選択され、点数システムに適合しました。このシステムは、ブートストラップ、判別判別(AUC)、およびキャリブレーション(スムーズキャリブレーション)によって検証されました。

結果:合計126人(20.3%)の高齢者がフレイルであると特定されました。点数システムのAUCは0.78で、予測因子として含まれていたのは、性別、年齢、多剤併用、1年以内の入院、および糖尿病です。キャリブレーションは満足のいくものでした。

結論:簡単に入手でき、病歴に記録されるパラメーターを使用して、高齢者のフレイルを予測する点数システムが開発されました。構築されたモデルを外部で検証するために、今後の調​​査を実施する必要があります。

 

はじめに

フレイルは機能的蓄えの減少と複数の生理機能の累積的な低下のシステムのためストレッサーに対する耐性が低下した生物学的症候群です。高齢者の早期死亡の予防からもその診断は重要です。フレイルの評価にはさまざまなスケールが使用されています

・Fried phenotype of frailty;
・Edmonton Frail Scale (EFS)
・ Fatigue, Resistance, Ambulation, Illnesses, and Loss of Weight (FRAIL) scale/questionnaire.

Friedのフレイルの表現型が最も研究で広く使用されているツールです。Friedは、死のような有害な結果の予測ができるフレイルの表現型を特定しました。ただし、ツールの使用には個人的な質問に答える面接を通じて取得する必要があります。EFSの公開および検証により、簡単にプライマリのフレイルの測定ができます。簡単な質問を使用してケアします。FRAILアンケートは主に身体的基準で、これらに加えて要因、患者の障害の初期徴候、機能的および社会経済的要因が考慮されます。これら患者とのインタビューを必要とし、医療記録では判断できません。スクリーニングツールを作成して患者にリスクが高いことを医師に警告する必要があります。本研究では脆弱性の予測モデルの検証をします。高齢患者(60歳以上)にモバイルアプリケーション(アプリ)Android(フレイル予測)を使用して臨床医は患者のフレイルの確率を推定します。

 

フレイルは死亡率の高いリスクと関連している老年症候群です。最も一般的な2つのフレイル測定ツールは、Fried phenotype of frailtyとFRAILスケールです。これらは日常診療でのスクリーニングには難しいです(健康状態の人が多すぎる)

 

方法:

研究デザインと参加者

この断面観察研究はバレンシアのコミュニティ患者の目的サンプルを分析しました。2017年1月から2018年5月まで、参加するように招待されました。除外基準は研究への参加を望まなかった、疎外された、中程度または重度の認知機能低下、 高齢者住宅に住んでいた、または在宅ケアを受けていた方です。

 

変数と測定

主な研究変数はフレイルの存在です。これはFRAILスケールで疲労、抵抗、歩行、病気(高血圧、糖尿病、がん、慢性肺疾患、心臓発作、うっ血心不全、狭心症、喘息、関節炎、脳卒中、腎疾患)および体重損失の5つのうち3つ以上の患者が特定されました。患者に5分かけて質問されました。FRAILスケールのアプリはスペインの省によって推奨されているスクリーニングツールです。

 

さらに、チャールソン併存症インデックスが使用されました。これは以下の併存疾患を評価します

 

• 脳血管疾患

• 糖尿病

• 慢性閉塞性肺疾患(COPD)

• 冠動脈性心疾患(CHD)

• うっ血性心不全

• 認知症

• 末梢血管疾患

• 慢性腎疾患

• がん

 

これらの併存疾患の有無によって、このインデックスは6か月以内の患者の死亡リスクを測定します。この研究では、それぞれの併存疾患は独立して使用されました。さらに、以下の変数が記録されました

 

•パーキンソン病

• 関節症または進行した筋骨格疾患

• 主要な聴覚障害または視覚障害

• 多剤併用(少なくとも3つの薬)

• 昨年の入院

これらの臨床変数は、バレンシア州の高齢者フレイルの定義に存在しませんでした。

 

以下患者の電子医療記録を使用して得られました。

• 性別

• 年齢

• 心房細動(AF)の以前の診断

• 虚弱に関連する要因

 

予測候補として、性別と年齢患者が選択されました。併存疾患または日常生活に配慮の効果がある臨床症状のある高齢者であり、その結果、虚弱のリスクが増加します

AF、脳卒中、CHD、パーキンソン病、COPD、関節症または進行した筋骨格疾患、難聴または視覚障害、多剤併用、昨年の入院、糖尿病、認知症、および末梢血管疾患。

透析と癌は考慮されませんでした。

 

 

Android向けモバイルアプリケーションはすべてGoogle Playで無料でダウンロードできます。

 

結果

合計621人の高齢患者のうち、126人がフレイルでした(20.3%、95%CI = 17.1から23.5)

サンプルの記述特性(表1に概説)

平均年齢は73.1歳、41.2%が男性であり、併存疾患の割合は1.1%から49.4%でした。大半は複数の薬物を使用(72.8%)6分の1が昨年入院していた(16.7%)。

考えられるロジスティック回帰の数モデルは3472でした。合計で、14の予測変数(表1)でした。

f:id:MOura:20191205235421p:plain

 

 

すべての3472モデルを分析した後、最高のAUC(0.78)には以下の予測子としての変数が示されました。

• 女性の性別

• 年齢

• 多剤併用

• 昨年の入院

• 糖尿病

このモデルは点数システムに適合し(図1)特定の患者のこれらの特性、フレイルのリスクを判断できます。

f:id:MOura:20191205235915p:plain

平均AUCは0.80に近く(図2)

f:id:MOura:20191206000015p:plain

滑らかな曲線になった(観測値=期待値)(図3)

f:id:MOura:20191206000035p:plain

 

討論

要約:この研究を通じて、臨床変数を使用してフレイルを予測できる点数ベースのスクリーニングを確立しました。患者に聞くことでリスクを迅速に計算されます。さらに、システムはAndroid向けモバイルアプリケーションに統合され、医療従事者に高齢者の意思決定を改善するツールを提供します。

 

点数システムは良い識別(AUC = 0.78)として含まれ、予測因子は性別、年齢、ポリファーマシー、昨年の入院、および糖尿病でした。さらに、キャリブレーションは満足のいくものでした。

 

長所と制限:

この研究の主な強みはわずか数秒でフレイルのリスクを評価できる内的蓄積があることでした。

制限は、有害事象のリスクが高い集団でサンプリングはランダムではなかったことで、結果を一般化するためには、層化、ランダム化を実行する方が良い。

 

まとめ

フレイルの予測因子をアプリでしようという取り組みも興味深いですが

多変量解析で

性別(女性)、年齢、ポリファーマシー(3剤以上)、昨年の入院歴、および糖尿病

がフレイルの予後予測因子になりうるというシンプルな結果になったのも興味深いです。

問診で簡単に評価できるようになると、フレイル対策が進みますね。

大変勉強になりました。