日別アーカイブ: 6月 1, 2020

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.