保健師の記録を用いた神経発達障害のリスク要因の研究-機械学習の手法によるモデル化

使用公共卫生护士的记录研究神经发育障碍的危险因素 - 使用机器学习技术建模

• 批准号: 20K11101
• 负责人: 畠中 雄平
• 金额: $ 2.75万
• 依托单位: University of the Ryukyus
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11101/
• 关键词: 神経発達障害; 運動発達の問題; ベイジアンネットワークモデル; 神経発達障害の早期発見; 「子どもの発達の記録」; 初期の運動発達; リスク要因; 保健師; 乳幼児健診; 機械学習

4ヶ月、10ヶ月、1歳6ヶ月健診の運動発達の問題が将来の神経発達障害（NDD）の診断を予測するか、について、ベイジアンネットワークモデル（BN）を用いて検討した。具体的には以下の手順の通りに実施した。健診結果をエビデンスとして項目ノードに与えた時のNDD診断陽性の事後確率をBNにより求め、ある事後確率をカットオフ値とした時の感度と特異度を求めてROC曲線を描き、曲線下面積から診断予測精度を評価した。また、Youden Index（感度＋特異度－１）が最大になる事後確率（最適カットオフ値）を求め、そこにおける感度、特異度、陽性的中率（PPV）、陰性的中率（NPV）、及びUtility Index（UI）を求めた。加えて、事後確率が最適カットオフ値を超えるような運動発達の問題の組み合わせについて検討した。AUCは0.735 (95%CI:0.648-0.821)であった。最適カットオフ値は0.138であり、その値における感度は0.619(0.472-0.766)、特異度は0.761(0.715-0.808)、PPVは0.250(0.167-0.333)、NPVは0.940(0.911-0.968)、UI+は0.155(0.015-0.294)、UI-は0.715(0.679-0.752)であった。事後確率がこのカットオフ値を超えるような組み合わせも複数確認された。AUCの値から、運動発達の問題によるNDDのスクリーニングは許容可能な精度を示した。一方、感度やUI-は、十分に高いとは言えなかった。この結果から、健診で運動発達の項目に異常がある場合には、NDDのリスクであるかもしれないと考えて慎重に経過を見ていく必要があるが、運動発達の項目に異常がないからといってNDDのリスクがないとは言えず、その他の発達の領域についても検討をする必要があるということが示唆された。

我们使用贝叶斯网络模型 (BN) 来检查 4 个月、10 个月、1 年和 6 个月检查时的运动发育问题是否可以预测未来的神经发育障碍 (NDD) 诊断。具体而言，按照以下步骤进行。由BN确定体检结果作为项目节点证据时NDD诊断阳性的后验概率，并以一定的后验概率为截止值确定敏感性和特异性，绘制ROC曲线，并计算曲线下面积来评估诊断预测准确性。此外，我们计算了约登指数（敏感性+特异性-1）最大化的后验概率（最佳截断值），并计算了敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）和效用指数（用户界面）。此外，我们还考虑了后验概率超过最佳截止值的运动发育问题的组合。 AUC 为 0.735（95% CI：0.648-0.821）。最佳截断值为 0.138，该值的敏感性为 0.619 (0.472-0.766)，特异性为 0.761 (0.715-0.808)，PPV 为 0.250 (0.1) 67-0.333)，NPV 为 0.940 (0.911-0.968)，UI+ 为 0.155 (0.015-0.294)，UI- 为 0.715 (0.679-0.752)。还确定了后验概率超过该截止值的多种组合。根据 AUC 值，由于运动发育问题而筛查 NDD 的准确性可以接受。另一方面，灵敏度和UI还不能说足够高。根据这些结果，如果在健康检查期间运动发育项目出现异常，则需要将该情况视为NDD风险并仔细监测进展情况，但运动发育项目没有异常则不然。意味着不存在NDD风险，建议还需要考虑其他领域的发展。

项目成果

ヨーテボリ大学ギルバーグ神経精神医学センター(スウェーデン)

哥德堡大学吉尔伯格神经精神中心（瑞典）