入院患者の褥瘡リスクを看護記録に基づく教師あり機械学習モデルで早期予測する研究

なぜ現代の病院でも床ずれが重要なのか

褥瘡（一般に床ずれと呼ばれる）は古い問題のように思えるかもしれませんが、依然として深刻かつ高コストな入院合併症です。重病で動けない人や自由に動けない人に短時間で発生することがあり、痛みや感染、入院期間の延長を招きます。本研究は、入院直後の数時間に看護師がすでに収集している情報を最新の計算手法と組み合わせることで、どの患者が褥瘡を発症しやすいかを早期に見抜き、損傷が生じる前に介入できるかを検証しています。

じっとしていることの潜在的危険

褥瘡は、皮膚やその下の組織がベッドや椅子と骨との間で長時間圧迫されることで生じます。入院している成人のうち10人に1人以上がこれらの創傷を経験し、特に集中治療室や救急部など自由に動けない環境の患者で多く見られます。痛みや感染のリスクに加え、経済的負担も大きく、米国だけでも年間数百億ドル単位に上ります。Bradenスケールのような従来のチェックリストは看護師のリスク評価に役立ちますが、失禁、肥満、複雑な病状など、一見して危険がわかりにくい人を見落とすことがあります。

日常の看護記録を早期警告として使う

研究者たちは、入院後最初の8時間以内に看護師が日常的に集める基本情報だけで褥瘡を予測できるかを問いました。サンティアゴ（チリ）の大規模公立病院で、救急、手術、集中治療など多様な病棟の446人の患者データを収集しました。看護師は年齢、身長、体重、入院先の病棟、介護依存度、失禁の有無、特殊マットレスの使用、体位変換の実施、拘束具の使用など簡単な項目を記録しました。到着時に既にあった創傷は後で生じたものと注意深く区別され、本研究は病院内で新たに発生した褥瘡のみを対象としました。

高リスク患者を見抜くためにコンピュータを学習させる

これらの記録から、チームは複数の「教師あり」機械学習モデル―事例からパターンを学ぶコンピュータプログラム―を構築しました。決定木、ロジスティック回帰、サポートベクターマシン、極端勾配ブースティング（XGBoost）など5つの手法を試し、Random Forestという多数の単純な決定木を組み合わせた手法も含めました。モデル学習の前に生の看護記録を整形し、欠損値は既存の統計手法で補完し、最も有益と判断された13の特徴量を選択しました。データは繰り返し学習用と評価用に分割され、それぞれのモデルが褥瘡を発症した患者と発症しなかった患者をどれだけ区別できるかを評価しました。

データが示す、誰が最も危険か

研究対象の患者の約19％が院内で褥瘡を発症しました。解析では、入院早期の観察の中でも特に重要だった項目が明らかになりました。総合的なリスクスコアが高いこと、体重や身長が大きいこと、看護ケアへの高い依存度、成人内科・外科病棟や集中治療室など特定の病棟への入院が褥瘡発生と関連していました。失禁（特に糞便性または混合性失禁）、身体的拘束、特殊な抗圧迫マットレスの使用歴も高リスクの兆候でした。試したモデルの中ではRandom Forestが最も良好に機能し、高リスクと低リスクの患者を8割以上の正解率で分け、精度（モデルが高リスクと判断したときに正しい割合）も非常に高い結果を示しました。

コンピュータのスコアを実際のベッドサイドケアへ

多忙な病棟で実用化するために、研究者たちはあえて感度（すべての可能性を拾うこと）よりも精度を優先するよう調整しました。これにより誤警報が減り、看護師が頻回な体位変換、丁寧な皮膚観察、特殊マットレスなどの予防資源を本当に必要な患者に集中できるようになります。この調整により一部のリスク患者が見逃される可能性はありますが、信頼できる警報の方が日常の臨床で受け入れられ使われやすいと著者らは主張しています。モデルは臨床判断を補助するものであり、代替する意図はないことも強調しています。

患者と病院にとっての意義

要するに、本研究は入院後の初期数時間に病院がすでに収集している情報を使って、床ずれのデジタル「早期警報システム」を作れる可能性を示しています。わずか13項目の基本的な看護観察と適切に学習させたコンピュータモデルで、褥瘡を発症する可能性が高い少数の患者を特定し、重大な損傷が生じる前に介入できます。このツールは他の病院や医療システムでも検証が必要ですが、日常のベッドサイド記録をより賢く、よりタイムリーな保護につなげる有望な手段を提供します。

引用: Barriga-Gallegos, F., Ríos-Vásquez, G., Tapia, G.M. et al. Early prediction of pressure injury risk in hospitalized patients using supervised machine learning models based on nursing records. Sci Rep 16, 6502 (2026). https://doi.org/10.1038/s41598-026-35709-w

キーワード: 褥瘡, 床ずれ予防, 看護記録, 病院における機械学習, 患者リスク予測