Evaluating missing-data workflows under hospital-structured missingness: a simulation-calibrated study in eICU and MIMIC-IV

現代の病院において、患者の物語は、単に書き込まれたことだけでなく、何が欠落しているかによっても語られることが多い。医師が血液検査をオーダーすると、その結果は電子記録に現れる。しかし、もしその検査がオーダーされなかったり、あるいは機械がデータを送信できなかったりした場合、記録には空白が生じる。数十年にわたり、これらの膨大なデジタルアーカイブを分析してきた研究者たちは、これらの空白を、修正されるべき、あるいは無視されるべき単純なエラーとして扱ってきた。彼らは、欠落した検査結果は単に欠落した数値に過ぎず、患者の状態や病院の習慣とは無関係であると考えてきた。しかし実際には、欠落した値はしばしば一つのメッセージである。それは、医師がその検査は不要だと判断したことを意味しているかもしれないし、あるいは特定の病院にそれを実施するための設備が不足していることを意味しているのかもしれない。これらの空白がランダムではなく、病院や患者の背景と結びついたパターンに従っている場合、それらはデータが伝えている全体像を密かに歪めてしまうことがある。

これは、クリティカルケアのデータベースにおける情報の欠落を研究者がどのように扱うかを調査した新しい研究で探求されている核心的な課題である。研究者たちは、空白を埋める標準的な方法が、重要な医学的疑問に対する答えを実際に変えてしまっていないかを調べたいと考えた。彼らは、特定の、極めて重要なシナリオに焦лоスを絞った。それは、異なる人種および民族グループ間での入院中の死亡リスクを比較することである。目的は、あるグループが生物学的に他よりも脆弱であることを証明することではなく、データのクリーニングに使用された手法によって、存在しない差異があるように見せかけたり、あるいは実際に存在する差異を隠してしまったりすることがないかを確認することであった。これらの手法をコンピュータ・シミュレーションによって作成された既知の真実に対してテストすることで、この研究は、欠落したデータをどのように扱うかの選択は単なる技術的な詳細ではなく、誰を研究対象としているのか、そしてその結果が何を意味するのかを根本的に変えてしまう決定であるということを明らかにした。

研究者たちは、米国における集中治療室の現実世界のデータから集められた2つの膨大なコレクションに目を向けた。eICUとして知られる一方のデータベースは、206の異なる病院から情報を収集しており、国内における医療提供の多様なあり方を捉えている。もう一方のMIMIC-IVは、単一の大型アカデミック病院からのものである。彼らは、白血球、腎機能、肝機能などの測定値を含む、入院初日に行われる8つの一般的な血液検査に焦点を当てた。現実の世界では、これらの検査は常に利用可能であるとは限らない。単一病院のデータベースでは、全8項目の結果が記録されていた患者は約24パーセントであった。マルチホスピタル（多施設）のデータベースでは、その数は36パーセントとわずかに高かったが、欠落は決してランダムではなかった。ほとんどすべての患者に対してデータを持っている病院もあれば、特定のテストについてはほぼ全員に対して結果が欠落している病院もあった。場合によっては、乳酸値やビリルビンなどの特定のテストについて、病院全体で記録された値が存在しないこともあり、これは欠落したデータがランダムな不具合ではなく、それら特定の医療センターの構造的な特徴であることを示唆していた。

この欠落が結果にどのように影響するかを見るために、チームは不完全な記録に対処するために科学者たちが用いる5つの異なる標準的な手法を適用した。一つの手法は、単一の検査項目でも欠落がある患者を単純に除外するというものである。別の手法は、データの中央値で空白を埋め、その値が欠落しているという注釈を付け加えた。第三の手法は、残った患者を代表するように重み付けを行った。他の二つの手法は、複雑なコンピュータ・アルゴリズムを使用して、その患者が持つ他の情報に基づいて欠落した数値を推測しようとするものであり、そのうちの一つのバージョンは、患者が治療を受けた特定の病院を考慮に入れていた。研究者たちは、これら5つの異なるバージョンのデータを用いて、人種グループ間の死亡率の差を算出した。

結果は驚くべきものであった。どの手法を用いたかによって、推定されるグループ間の死亡率の差は激しく変動した。ある事例では、単一病院のデータベースにおいてアジア系の患者と白人の患者を比較した際、不完全な記録を持つ患者を単純に除外した手法は、アジア系患者の死亡リスクが低いことを示唆した。しかし、欠落した数値を補完した別の手法は、彼らのリスクが高いことを示唆した。この変動の幅は3パーセトポイント近くに及び、これは研究の結論を完全に変えてしまうほど大きな差であった。マルチホスピタルのデータベースにおいても、変動は同様に劇的であり、ヒスパニック系の患者の推定値は、ワークフローに応じて低リスクから高リスクへと変化した。この研究は、選択された手法が単にデータにノイズを加えるだけでなく、発見の方向性そのものを変えてしまうことを示した。

なぜこのようなことが起こるのかを理解するために、研究者たちは「正確な真実」を知っているコンピュータ・シミュレーションを構築した。彼らは60の病院と数千人の患者からなる仮想の世界を作り上げ、現実世界を模倣するように特定のパターンで欠落データが現れるようプログラミングした。このシミュレーションにおいて正確な答えを知っていたため、彼らは各手法がいかに間違っているかを正確に測定することができた。彼らは、欠落データが病院の構造に関連している場合、最も洗лоsophisticated（精緻）な手法であっても苦戦することを突き止めた。病院の文脈を考慮しようとした手法は、他の手法よりは優れていたが、完璧ではなかった。それは依然としてエラーを生じさせ、信頼するには狭すぎる信頼区間をもたらした。また、シミュレーションは、欠落データがコンピュータには見えない方法で患者の未記録の重症度に関連している場合、いかなる手法も問題を完全に解決することはできないことも明らかにした。欠落がモデルの知らない要因によって引き起こされている場合、すべての手法においてバイアスが生じ、推定値は数パーセントのずれを生じた。

研究はまた、研究者の結果に対する確信がどのように影響を受けるかについても調査した。科学において、結果には通常、我々がどの程度確信しているかを示す不確実性の範囲、すなわち誤差範囲が伴う。研究者たちは、一部の手法が非常に狭すぎる範囲を生成し、誤った精密感を与えていることを発見した。シミュレーションにおいて、欠失データが大量かつ構造化されている場合、いくつかの手法における信頼区間は、本来95パーセントカバーすべきところを、真の答えを30パーセント未満しかカバーしていなかった。これは、もし研究者がこれらの欠陥のある手法を使用した場合、実際にはかなり不安定な結果に対して、非常に確信を持っていると主張することになることを意味している。研究は、欠落データの扱い方をチェックせずに単に数値を報告することは、温度によって伸び縮みする定規で部屋を測っているようなものであると強調した。

最も重要な発見の一つは、手法の選択が研究対象となる集団を変えてしまうことである。研究者が欠落のある患者を単純に切り捨てたとき、彼らが残された集団は、元の集団とは異なる姿をしていた。現実世界のデータでは、すべての検査結果を持っている患者は、そうでない患者よりも高齢であったり、異なる特性を持っていたりすることが多かった。平均値や複雑な推測によって空白を埋めることで、研究者たちは、現実の世界には存在しないかもしれない、新しい合成的な集団を事実上作り出していたのである。研究は、彼らが算出した「標準化された」リスク差は、疾患に関する普遍的な真理ではなく、データのクリーニングに使用された手法によって定義された、特定のグループに対する特定の問いへの特定の答えであることを示した。

研究者たちは、病院の記録における欠落データに対して、単一の魔法のような解決策は存在しないと結論づけた。より複雑な数学的モデルを用いれば自動的に問題が解決するという考えは、彼らのシミュレーションによって否定された。病院間の違いを明示的に考慮しようとするモデルであっても、正確な結果を保証するものではなかった。本研究は、研究者が欠落データを単なる技術的なクリーンアップ工程として扱うのではなく、自らが投げかけている問いの根本的な一部として扱うべきであると主張している。結論を出す前に、彼らはどこでデータが欠落しているのか、そしてなぜなのかを正確にマッピングする必要がある。彼らは、自分たちの結果が実際にどのグループの人々を表しているのかについて、誠実でなければならない。そして、欠落が隠れた要因によって引き起こされている場合、結果が間違っている可能性があることを認めつつ、データの欠落に関する異なる仮定に対して、自分たちの発見をテストしなければならない。

結局のところ、この研究は、電子記録を用いた医学研究の未来に対する警告であり、ガイドでもある。それは、データの欠落をどのように扱うかが、手元にあるデータと同じくらい重要であることを示している。もし欠落のパターンを無視すれば、我々は手法の変化によって揺れ動く土台の上に医学的知識を築いてしまうリスクを負うことになる。この研究は、問題を解決するための完璧な新しいツールを提示するものではないが、どこに落とし穴があるのかを示す明確な地図を提供している。それは、進むべき道には透明性、厳格なテスト、そして、データの欠落がなぜ起こっているのかをより良く理解できるまで、健康に関する問いの一部は不確実なままであることを受け入れる姿勢が必要であることを示唆している。目標は完璧な数値を見つけることではなく、我々のデータが何を語ることができるのか、その限界を理解することである。