機械学習を用いた急性期脳卒中患者における退院時ADLに関する因子の検討: XGBoostおよびSHAP解析

【目的】本研究は機械学習を用いて，急性期脳卒中患者の退院時日常生活動作（Activities of Daily Living：以下，ADL）に関する因子を検討することとした。【方法】246名を対象に，医学的情報や臨床的評価等の下位項目点を用いてeXtreme Gardient Boosting（XGBoost）で，退院時ADL自立の可否を予測した。そして寄与因子をSHapley Additive exPlanations（SHAP）で調査した。【結果】退院時ADLの予測精度は高く，寄与因子としてFunctional Ambulation Category, Brünnstrom Recovery Stage下肢，Ability for Basic Movement Scale II（以下，ABMS-II）寝返り，Barthel index更衣，ABMS-II立位が高寄与順であった。【結論】急性期脳卒中患者の退院時ADLは，歩行や麻痺側下肢機能，動作能力が最も寄与することが示唆された。