Temporally non-local harmonisation and cardiovascular model transport between England and China: a measurement-methods study

公衆衛生の世界において、研究者たちはしばしば、多くの場所で医師を導くことができる単一のリスクマップを構築しようと試みます。彼らは、心疾患を発症した人とそうでない人を長年にわたって追跡し、大規模な集団からデータを収集します。その目的は、年齢、喫煙習慣、病歴に基づいて、ある国の医師が患者の心臓発作の可能性をどのように判断すべきかを示す、どこでも通用する予測ツールを作成することです。しかし、これらのツールは、人々が自身の過去の健康状態について語る「物語」に依存しています。大きな課題は、研究者が異なる国や異なる時期のデータを組み合わせようとする際に発生します。時には、ある人の病歴がインタビューの間に変化することがあります。数年後のインタビューで報告された診断名が、研究開始時の健康状態に関する既知の情報を書き換えるために使われることがあるのです。これは問題を引き起こします。もし物語の出発点が変わってしまうと、予測ツールの軌跡全体がずれ込み、結果として、誰がリスクにさらされているのか、そしてそのツールがどの程度うまく機能しているのかについての結論が変わりかねないからです。

イギリスの高齢者を追跡した研究と、中国の同様のグループを追跡したもう一つの大規模な研究は、これらの「変化する履歴」が医療予測にどのように影響するかをテストするためのユニークな機会を提供しました。ユニバーシティ・カレッジ・ロンドンと中国の病院の研究者たちは、履歴の記録方法が、モデルを別の国に移用した際の信頼性に影響を与えるかどうかを調査することに決めました。彼らは、特定の論点に焦のでした。それは、「解放された（released）」履歴（分析時に利用可能なすべての情報を含むもの）と、「タイムアンカー（時間固定された）」履歴（後の修正を無視し、インタビューのまさにその瞬間に患者と研究者に何が分かっていたかを再構成したもの）の違いです。これら2つのバージョンを比較することで、彼らは、タイムラインを修正することが予測の精度を向上させるのか、それとも単に研究対象となっている人々の構成を変えるだけなのかを知りたいと考えました。

研究者たちは両国のデータを取り、すべての参加者に対して2つのバージョンの健康履歴を作成しました。最初のバージョンでは、標準的なデータファイルを使用しました。これらは、以前の記録を更新するために、後のインタビューで報告された診断を組み込むことがよくあります。2番目のバージョンでは、それらの後の更新を取り除き、各インタビューの時点で判明していた事項に履歴を固定しました。その後、彼らは中国で構築されたモデルがイギリスでの心疾患をどの程度予測できるか、またその逆の場合についても、履歴のどちらのバージョンを用いてテストしました。結果は、データのタイムラインを変更することが、実質的かつ測定可能な影響を与えたことを示しました。中国の研究では、タイムラインを修正した際に、参加者の約9％で心疾患の状態が変化しました。イギリスの研究では、その数は約4.5％でした。より重要なことに、「健康」グループに加わる、あるいはそこから外れる人の総数ははるかに多く、中国のグループでは10％以上、イギリスのグループでは6％近くがステータスを移動しました。これは、参加者の総数は似通っているものの、研究されている人々の構成が両方のバージョンで異なっていたことを意味します。

予測モデルをテストした際、研究者たちは、タイムラインを修正してもモデルが普遍的に改善されるわけではないことを発見しました。中国からイギリスへの方向では、モデルの「順位付け（ランキング）」の能力はわずかに向上しました。つまり、誰が病気になる可能性が高いか、あるいは低いかを識別する能力は向上したということです。しかし、モデルは、実際に病気になる「確率」を予測する能力については向上しませんでした。逆の方向、つまりイギリスから中国への方向では、順位付けは向上しましたが、実際のリスクを予測する際の誤差は大幅に増加しました。モデルは、タイムラインを修正したとしても、イギリスから中国のグループに対してリスクを過小評価し続けました。研究者たちは、順位付けの向上が、モデルがリスク因子の仕組みに関するより優れたルールを学習したためではないことを突き止めました。むしろ、その向上は、タイムラインの修正によって「誰が研究に参加できるか」が変わったことによるものでした。履歴が修正された人々を取り除くことで、研究対象となるグループの構成が変わり、それが結果を変化させたのです。

この研究はまた、これらの変化が男女で異なって影響するのか、あるいは心臓発作に対してより強く作用するのかについても調査しました。データによれば、タイムラインの修正による影響が性別によって異なるという証拠は見つかりませんでした。中国の研究では女性の方が男性よりも履歴の修正を受ける傾向にありましたが、予測モデルへの影響は両方のグループで同様でした。同様に、心疾患の履歴は脳卒中の履歴よりも頻繁に修正されましたが、この違いがモデルのパフォーマンスにおける結果の違いにつながることはありませんでした。核心となる発見は一貫していました。すなわち、タイムラインを修正するという行為が分析対象となるグループを変更し、このグループの変化こそがモデルの性能の変化を引き起こしたということです。

最終的に、この研究は、医療履歴のタイムラインを整理するだけでは、国をまたぐ予測ツールのための「魔法の解決策」にはならないことを示唆しています。インタビューの時点で何が分かっていたのかを正確に把握することは重要ですが、そうしたからといって、ある国で開発されたモデルが別の国で完璧に機能するようになるとは限りません。この研究は、研究に参加する「人々」が、将来を予測するための「ルール」と同じくらい重要であることを強調しています。タイムラインが調整されると、人々の構成が変わり、この変化が予測ルール自体の改善よりも結果を左右することになります。医師や研究者にとって、ある国の予測モデルを別の国で使用する前に、患者の医学的履歴だけでなく、データがどのように収集され、どのように集団が選ばれたのかを理解しなければならないということを、この研究は教えてくれます。結論として、タイムラインの固定（タイムアンカリング）は出来事の順序を明確にするのには役立ちますが、異なる集団間でリスク予測を転用するというより深い問題の解決にはならず、これらのツールを真に信頼できるものにするためには、さらなる研究が必要であるとしています。