쓰쿠바대학 의학의료계인 타미야 나나코 교수와 이구치 류타준 교수 등의 연구팀은 의사가 환자의 집에 가서 진찰하는 구급왕진 서비스로 사전 전화문진시에 긴급도를 낮게 판정해 버린다 언더토리어지를 피하기 위해 긴급도를 낮게 추정할 가능성이 있는 환자를 예측하는 기계 학습 모델을 만들었다.연구팀은 이 모델을 실제 구급왕진 서비스에 도입하여 언더토리어지가 줄어드는지 검증한다.
쓰쿠바대학에 따르면 연구팀은 2018년 11월부터 2021년 1월에 패스트 닥터사의 구급왕진 서비스를 이용한 16세 이상의 환자 약 4만 5,000명 중 약 1만 9,000명의 데이터를 분석 했다.
그 결과 언더토리아지 환자는 전체의 1.6%를 차지하고 평균 연령 38.4세, 57.2%가 남성으로 나타났다.주요 합병증은 고혈압과 만성 폐질환으로 감모증상과 실신을 호소하는 경우가 두드러졌다.
작성한 5개의 기계 학습 모델 중, 가장 성능이 좋은 모델로 어느 정보가 있으면 언더토리아지가 일어나기 쉬운지 조사한 결과, 고령령의 환자에게 고혈압, 당뇨병, 뇌경색, 치매의 합병증이 예를 들면, 감모 증상, 두통, 알레르기 반응을 호소했을 경우에 판정되기 쉽다는 것이 확인되었다.
패스트 닥터사는 환자로부터 전화 연락을 받으면 소방청이 정리한 기준에 따라 긴급도를 판정하고, 6시간 이내의 진찰이 필요하고 통원 곤란한 환자에게 의사를 파견하고 있지만 , 일정 수의 언더 트리어지가 발생했습니다.언더토리어지가 발생하면, 병원 진찰이 지연되어 그 후의 병상이 무거워질 가능성이 있어, 구급 왕진 서비스의 과제가 되고 있다.
논문 정보:【Annals of Medicine】Machine Learning Models Predicting Undertriage in Telephone Triage
