[論文レビュー] Forecasts of Cancer and Chronic Patients: Big Data Metrics of Population Health

Jacob Kuriyan, Nathaniel Cobb|arXiv (Cornell University)|Jul 12, 2013

Nutritional Studies and Diet参考文献 11被引用数 5

ひとこと要約

本論文は、大規模データを用いた動的システムモデルを提案し、がんおよび慢性疾患の発症を12か月間で3–6%の誤差で予測可能であり、予防ケアプログラムのリアルタイム評価を可能にする。短期間の健康改善とコスト削減を測定するための新規指標を導入し、糖尿病と同様に、全慢性疾患ががんリスクを顕著に上昇させることを明らかにした。

ABSTRACT

Chronic diseases and cancer account for over 75 percent of healthcare costs in the US. Increased prevention services and improved primary care are thought to decrease costs. Current models for detecting changes in the health of populations are cumbersome and expensive, and are not sensitive in the short term. In this paper we model population health as a dynamical system to predict the time evolution of the new diagnosis of chronic diseases and cancer. This provides a reliable forecasting tool and a means of measuring short-term changes in the health status of the population resulting from preventive care programs. Twelve month forecasts of cancer and chronic populations were accurate with errors lying between 3 percent and 6 percent. We confirmed what other studies have demonstrated that diabetes patients are at increased cancer risk but, interestingly, we also discovered that all of the studied chronic conditions increased cancer risk just as diabetes did, and by a similar amount. The model(i)yields a new metric for measuring performance of preventive and clinical care programs that can provide timely feedback for quality improvement programs;(ii)helps understand "savings" in the context of preventive care programs and explains how they can be calculated in the short term, even though they materialize only in the long term and(iii)provides an analytic tool and metrics to infer correlations and derive insights on the effect of changes in socio-economic factors affecting population health on improving health and lowering costs of populations.

研究の動機と目的

• 集団レベルの健康指標を用いて、慢性疾患およびがん発症のデータドリブンな予測モデルを開発すること。
• 現在の集団健康モニタリングツールに見られる遅延、高コスト、短期的変化への感受性不足という限界を是正すること。
• 予防的・臨床的ケアプログラムのパフォーマンスを測定するための新規指標を創出することにより、品質改善に向けた即時のフィードバックを提供すること。
• 長期的なコスト削減が時間をかけて実現する中でさえ、予防ケアによる短期的「節約」を定量的に評価すること。
• 社会経済的要因が、予測モデリングを通じて集団の健康と医療コストに与える影響を分析すること。

提案手法

• 診断済みの慢性疾患およびがんに関する縦断的ビッグデータを用いて、集団の健康を動的システムとしてモデル化する。
• 歴史的発症傾向を用いて、12か月先の新規発症を予測するための時系列予測技術を適用する。
• 統計的妥当性評価を実施し、発がんおよび慢性疾患集団の予測誤差が3%～6%の間であると報告する。
• 多変量解析を用いて、既存の慢性疾患とその後のがんリスクとの関連を評価する。
• 予測発症傾向からの逸脱に基づいて、予防ケアプログラムの新規パフォーマンス指標を導出する。
• 社会経済的変数をモデルに統合し、集団の健康トレンドおよびコスト結果に与える影響を推定する。

実験結果

リサーチクエスチョン

• RQ1 ビッグデータを用いた動的システムモデルは、12か月間のがんおよび慢性疾患新規発症を正確に予測できるか？
• RQ2 糖尿病などのさまざまな慢性疾患が、その後のがん発症リスクにどの程度影響を与えるか？
• RQ3 予測に基づくパフォーマンス指標を用いて、予防ケアプログラムをリアルタイムでどのように評価できるか？
• RQ4 コスト削減が長期的であるにもかかわらず、予防的介入による短期的健康改善をどのように定量化できるか？
• RQ5 社会経済的要因は、集団の健康と関連する医療コストの推移にどのように影響を与えるか？

主な発見

• 12か月先のがんおよび慢性疾患発症予測の誤差は3%～6%の間であり、高い正確性を示した。
• 糖尿病を含む全研究対象慢性疾患が、その後のがん発症リスクを同程度に上昇させ、広範な生物学的または行動的関連性を示唆した。
• 本モデルは、即時のフィードバックを提供する新規で実行可能な指標を提供し、迅速な品質改善サイクルを可能にした。
• 本モデルは、予測発症傾向からの早期逸脱を検出することで、予防ケアによる短期的「節約」を定量化可能にした。
• 本フレームワークは、予測分析を用いて、社会経済的変化が長期的な集団の健康と医療コストに与える影響を推定可能にした。
• 本研究は、糖尿病とがんリスクの関連を確認したが、そのリスク上昇が糖尿病に特異的ではなく、複数の慢性疾患に共通するものであることを新たに示した。