Early detection of six-week post-discharge mortality and readmission among postpartum women and newborns in Uganda: development and temporal validation of multivariable prediction models

世界の多くの地域において、母親と新生児にとって最も危険な時期は、出産そのものではなく、その後の数週間です。病院は安全に出産を行う技術は向上してきましたが、家族が建物を出た後のケアはしばしば崩壊してしまいます。保健システムは頻繁に容量を超えており、家族は完全な検診を受ける前に退院してしまうこともあり、その結果、単純な感染症が命に関わる緊急事態へと発展してから数日あるいは数週間後に戻ってくることになります。医師にとっての課題は、どの家族が安心して帰宅できるのか、そしてどの家族が追加の注意や追加の訪問、あるいは即時の助けを必要としているのかを知ることです。リスクを早期に察知する方法がなければ、医療従事者はすべての家族を同じように扱うことになり、その戦略は、最も助けを必要としている高リスクのケースを見逃す一方で、低リスクのケースに対して乏しい資源を浪費することになります。

これを解決するために、ウガンダの研究チームは、退院の瞬間にトリアージ・システムとして機能できる実用的なツールを構築しようと試みました。彼らは、母親の心拍数、分娩の形態、あるいは赤ちゃんが呼吸の助けを必要としたかどうかといった、病院のカルテにすでに存在する基本的な情報を使用して、誰が6週間以内に再び病気になるかを予測できるかどうかを検証したいと考えました。数千人の母親と赤ちゃんのデータを分析することで、彼らは家族をリスクカテゴリーに分類できるシンプルなコンピュータ・モデルを開発しました。目的は医師に取って代わることではなく、誰にフォローアップの訪問が必要で、誰が安心感を持って帰宅できるかを判断するための、明確でエビデンスに基づいたシグナルを医師に与えることでした。

この研究は、ウガンダの南西部と東部にある、合計で約100万人の人口をカバーする2つの大規模な地域病院で行われました。1年以上の期間にわたり、研究チームは出産したばかりの数千人の女性を登録しました。彼らは、母親の血圧や体温から、赤ちゃんの体重や酸素レベルに至るまで、幅広い情報を収集しました。また、妊娠中の母親がマラリアやHIVと診断されていたか、あるいは家族が病院に到着するまでにどの程度の距離を移動しなければならなかったかなど、妊娠に関する詳細も記録しました。母親と赤ちゃんが退院した後、チームは電話または対面によって6週間後にフォローアップを行い、何が起こったかを確認しました。彼らは、母親が出産に関連する感染症で再入院したかどうか、および赤ちゃんが死亡したか、あるいは深刻な疾患で再入院したかどうかを追跡しました。

研究者たちは、ほとんどの家族は順調であったものの、かなりの数が深刻な合併症に直面したことを発見しました。研究を完了した約7,000人の母親のうち、死亡した人はいませんでしたが、3パーセント以上が再入院しており、その再入院の半分以上は手術部位感染や敗血症などの感染症によるものでした。赤ちゃんについては、状況はやや切迫しており、約3.8パーセントの新生児が再入院し、少数の悲劇的な割合で、この6週間の間に死亡しました。チームはこのデータを使用して、予測モデルの学習を行いました。彼らは、正確にリスクのある家族を特定できる最小限の変数のセットを見つけるために、数千もの異なる変数の組み合わせをテストしました。その結果、信頼できる予測を行うためには、複雑な一連の検査は必要ではなく、日常的な観察事項のわずかな集まりで十分であることが分かりました。

母親の場合、最終的なモデルは8つの主要な情報に基づいています。これには、赤ちゃんの出生様式、退院時の母親の心拍数、妊娠中の尿路感染症の有無、および出生時に赤ちゃんが蘇生措置を必要としたかどうかが含まれます。母親が妊娠中にHIVやマラリアを患っていたか、あるいは医師の指示に反して退院するかどうかも要因となりました。研究者がこのモデルをテストしたところ、将来的に感染症を発症する女性を特定することにおいて非常に効果的であることが証明されました。このモデルは、感染症による再入院が発生する女性を特定する上で0.8のAUCを達成し、健康なままの状態を維持する女性を正しく特定する上で0.7のAUCを達成しました。このバランスにより、このツールは、誤報によってシステムを圧倒することなく、適切な人々に対して追加のケアが必要であるというフラグを立てることができました。

新生児のモデルは、死亡と再入院という2つのことを予測する必要があるため、少し異なっていました。チームは、赤ちゃんのリスクの最良の予測因子には、母親のHIVステータス、母親の母乳分泌の不良、赤ちゃんの体重、および家族の通院距離が含まれることを発見しました。モデルはまた、妊娠中に診断された母親の疾患や、入院中に抗生物質が使用されたかどうかも考慮しました。新生児モデルはリスクを特定することには優れていましたが、母親のモデルほど精密ではなく、死亡または再入院する赤ちゃんを特定する上で0.8のAUCを達成したものの、誤報の発生率が高くなりました。これは、死亡者数が非常に少なかったため、その特定の転帰に対して完璧な予測器を構築することが統計的に困難であったためです。

研究の結果が特定のグループにのみ特有の偶然の幸運ではないことを確実にするため、研究者たちは、母親のモデルを、同じ病院で数年前に収集された別のデータセットを用いてテストしました。モデルは、新しいデータと同様に、この古いデータでも同様に良好なパフォーマンスを示し、モデルが学習したルールが時間経過に対して安定し、信頼できるものであることを示唆しました。これにより、患者層がわずかに変化しても、このツールが現実世界で機能することへの自信がチームに与えられました。また、本研究は、母親が病院に戻る最も一般的な理由は、マラリアのような無関係な疾患ではなく、手術部位感染や子宮感染といった出産に直接関連する感染症であることを明らかにしました。これは、特定の予防可能な合併症に焦点を当てることが、退院時ツールとしての正しい戦略であることを裏付けました。

研究者たちは、自分たちの研究の限界についても注意深く述べています。モデルはウガンダでのみ構築・テストされており、これらの病院は大規模で多様な人口を対象としていますが、その結果が他の国やより小さな農村部のクリニックにおいて全く同じように適用されるとは限りません。また、彼らのツールは産科的感染症を捉えるために特別に設計されたものであり、メンタルヘルスや怪我など、母親が病気になる他の理由については考慮していないことも指摘しています。さらに、新生児の死亡数が非常に少なかったため、新生児死亡を予測するモデルは、再入院を予測するモデルよりも不確実でした。こうした限界はあるものの、本研究は、日常的なケアですでに収集されているデータを使用して、シンプルなリスクベースのシステムを作成することが可能であることを実証しました。

この研究の究極の価値は、産後のケアがどのように提供されるべきかを変える可能性にあります。すべての家族に同じアドバイスを与える画一的なアプローチの代わりに、医療従事者はこれらのモデルを使用して、最もサポートを必要とする特定の母子（ダイアド）を特定することができます。高リスクと判定された母親は、家庭訪問の優先順位を上げたり、警告サインに関するより詳細なカウンセリングを受けたり、あるいはコミュニティ・ヘルスワーカーへの紹介を即座に行ったりすることができます。このようなターゲットを絞ったアプローチは、限られた資源を最も必要とする人々へ向けることで、負担の大きい保健システムの現実を尊重するものです。日常的な臨床観察を明確な行動シグナルに変えることで、本研究は「防げるものを防ぐ」ための道筋を提示し、母親と赤ちゃんの安全が病院の扉を越えた後も続くことを保証しようとしています。