月別アーカイブ: 6月 2020

家庭医を進路選択すると内科よりも2倍プライマリケアにとどまる

下記論文の要約です


— ORIGINAL ARTICLES —

Trends in Subspecialization: A Comparative Analysis of Rural and Urban Clinical Education

Andrea L. Wendling, MD | Andrew Short, MD | Fredrick Hetzel, MD | Julie P. Phillips, MD, MPH | William Short, MD

Fam Med. 2020;52(5):332-338.
DOI: 10.22454/FamMed.2020.182557

https://journals.stfm.org/familymedicine/2020/may/wendling-2019-0341/


僻地で研修を受けた方がプライマリケアを選ぶ

また内科に比べ家庭医療の方がプライマリケアにとどまる


ミシガン州立大学(MSU)の1974-2011の医学部卒業生約1000人の進路調査

MSUは全く同じ採用条件で採用した学生に後半の臨床実習の2年を過ごす場所の希望を入学時に僻地キャンパスか都市部キャンパスかを選択させる(原則希望が通る)


結果

*僻地キャンパスで臨床実習をした医学生(Rural campus:RC)の61.5%がプライマリケアを専門に選択(都市部キャンパス(metoropolitan campus:MC)) は51.3%)

*RCの学生はMCの学生に比べて家庭医療を選択する可能性が2倍

*家庭医を選択した93.6%はプライマリケアの実践をしているが、内科を選択した学生でプライマリケアの診療にとどまるのは48.1%、外科系もそのまま一般外科にとどまるのは33.6%(米国は外科系は全員最低1年の一般外科の研修が必要)この診療科ごとのsubspecalizationの比率はRCとMCで差がなし

この、家庭医の大半はプライマリケアに残り、内科は半分が領域別専門に、というのは自分が専門医になりたての20年前にも言われていたことで(今出典は出せませんが)何も変わっていない。


もちろん、RC vs MCは学生の自由意志なので、違う集団(選択バイアス)だが、それをいうならジェネラリスト を増やしたいなら医学部のadmission policyでそういう指向性の受験者を採用する必要がある。


参考までにこの論文では

プライマリケアdisciplineを家庭医、内科、内科/小児科コンバインド、小児科の4つ

general core disciplineとして救急、一般外科、産婦人科、精神科

と定義しています。


abstractの結論の最後の文章

FM residency match rate may be the best predictor of long-lasting impact on the primary care workforce.

家庭医へのマッチ率が、プライマリケア労働力に対する長期持続するインパクトのもっとも強い予測因子ではないか


が響きます。

これがプライマリケア最先端の研究(GISを用いたhotspotting)

これがプライマリケア最先端の研究
学術集会の教育講演で予断的に話したので、本編のネタバレではありませんから、ここで紹介。
プレプリントなので注意が必要ですが、郵便番号ごとの区域 x 地域剥奪指数(ADI: 図の色の10段会)濃淡 x COVIDの患者(黄緑の三角)で地図に表示というGIS(地図情報システム)を用いたhotspotting。
地域剥奪指数スコアの悪い(様々な意味で社会的不利な地域に住んでいる)ところに症例がクラスターを作ることが一目瞭然。結果的には3密が危ない、という感じの結果で、日本でも同じような分析を用いて3密にたどり着いたのだと思います。
高齢者や高血圧の方が重症化するといった、生物医学的リスク因子も重要ですが、我々はそれと同じか、場合によってはそれ以上に、どのような社会背景因子がリスクとなるのか、は極めて重要な情報で、生物医学的なリスクは同様なリスクの人が何処かに固まって存在しているわけではない(高血圧の人がここにいっぱいいるとかではない)、ですが、社会背景因子のよく似た人が地域ごとにまとまっているので、「ハイリスク地域=(ハイリスク集団)」の存在を地理的に同定して(hotspotting)そのエリアに資源を集中できるというのがGISを用いたhotspottingの特徴なのです。
学術集会の教育講演では、社会背景とhotspottingの論文だけでなく様々な重要論文について紹介しています。


これぞプライマリケア最先端の研究


COVID 19 Hotspots And Vulnerable Populations Identified By Area Deprivation Index MappingKhanna, Niharika MD, MBBS, DGO; Klyushnenkova, Elena PhD2020-05-11

https://deepblue.lib.umich.edu/handle/2027.42/155341

以下該当箇所を画像(fig 2と共に)引用

A second strategy was to identify vulnerable patients by plotting each patient’s 9-digit zip code on an ArcGIS map, color coded by Area Deprivation Index (ADI) to identify individuals with COVID 19 who are vulnerable during the COVID 19 pandemic as illustrated in Figure 2.1,2 Patients living in ADI 8-10 are more likely to live in multi-family homes, to have multiple chronic disease,3,4 to have low health literacy, to lack broadband connectivity and computers, and to have low capability to engage in telemedicine. Elderly patients are more likely to lack smart phones, thereby limiting engagement in telemedicine altogether. The digital divide is especially poignant when old systems breakdown during COVID 19 pandemic, and patients who are technology savvy become the beneficiaries of the re-designed primary care practice. There is disproportionate impact on the elderly, the computer illiterate, those unable to use smart phones and households with no broadband access and those living in high ADI zones.On further review of our data and the maps, it is evident that COVID 19 positive patients cluster in the zip codes with ADI 8-10. Clustering maybe due to multi-family homes, apartment buildings with higher density of population, higher susceptibility to novel Coronavirus, low health literacy, the inability to properly quarantine in smaller apartments, and the inability to isolate COVID 19 positive patients. Using the premise of clustering of COVID 19 cases by jurisdiction and ADI predictors, we analyzed our data by office location to further characterize patients in most need of outreach.