[2-G-3-01] 大規模臨床データベースにおける糖尿病性ケトアシドーシス抽出アルゴリズムの作成
e-Phenotyping, MID-NET, Diabetic ketoacidosis
データ駆動型研究の大規模基盤データベースである MID-NETより入院を要する糖尿病性ケトアシドーシス(以下DKA) 症例を特定するためのアウトカム定義（以下：DKA 定義）を作成し、解析した。
方法として① 全ての真のケースが含まれると想定される集団（All possible cases：以下 APC） を特定していると考えられる定義（APC定義）を作成、② APC定義に病名・検査・薬剤情報の項目を組み合わせてDKA定義を作成、③ 複数医療機関での統合データを用いて機械学習法で得られた重要変数をAPC定義に追加ないしは除外することにより普遍的な改良型DKA定義を作成した。
APC定義は 「DPC 傷病情報6項目にケトアシドーシス（以下 KA） またはKAに関連する病名があること、かつ SS-MIX 傷病情報に KA に関する病名があること」とした。2011年より2019年の対象期間に九州大学病院において該当する48 症例 においてAPC 定義は陽性的中率（以下PPV）47.9%、感度 100%となった。
得られたAPC定義に病名情報、医薬品情報、検査結果の条件を組み合わせることにより 11 種類の DKA 定義を作成した。「DPC傷病情報3項目（主傷病名、入院契機病名、医療資源1病名）にKAまたはKAに関連する病名がある、かつ SS-MIX 傷病情報に KA に関する病名があること」とした定義ではPPV 59.5%、感度 95.7%となり、実用化可能なDKA定義を得られた。
また3施設統合データを用いて機械学習で得られた重要変数をAPC定義に追加または除外することで、PPVの上昇に着目した定義（PPV重視型定義）とPPVが高く感度の低下が小さい定義（バランス型定義）の２種類の定義が得られた。それぞれの定義のPPV・感度はそれぞれ88.1・75.6%、80.0・81.9%となり、普遍的な改良型DKA定義を得られた。
方法として① 全ての真のケースが含まれると想定される集団（All possible cases：以下 APC） を特定していると考えられる定義（APC定義）を作成、② APC定義に病名・検査・薬剤情報の項目を組み合わせてDKA定義を作成、③ 複数医療機関での統合データを用いて機械学習法で得られた重要変数をAPC定義に追加ないしは除外することにより普遍的な改良型DKA定義を作成した。
APC定義は 「DPC 傷病情報6項目にケトアシドーシス（以下 KA） またはKAに関連する病名があること、かつ SS-MIX 傷病情報に KA に関する病名があること」とした。2011年より2019年の対象期間に九州大学病院において該当する48 症例 においてAPC 定義は陽性的中率（以下PPV）47.9%、感度 100%となった。
得られたAPC定義に病名情報、医薬品情報、検査結果の条件を組み合わせることにより 11 種類の DKA 定義を作成した。「DPC傷病情報3項目（主傷病名、入院契機病名、医療資源1病名）にKAまたはKAに関連する病名がある、かつ SS-MIX 傷病情報に KA に関する病名があること」とした定義ではPPV 59.5%、感度 95.7%となり、実用化可能なDKA定義を得られた。
また3施設統合データを用いて機械学習で得られた重要変数をAPC定義に追加または除外することで、PPVの上昇に着目した定義（PPV重視型定義）とPPVが高く感度の低下が小さい定義（バランス型定義）の２種類の定義が得られた。それぞれの定義のPPV・感度はそれぞれ88.1・75.6%、80.0・81.9%となり、普遍的な改良型DKA定義を得られた。