1. Krauss MJ, Evanoff B, Hitcho E, Ngugi KE, Dunagan WC, Fischer I, Birge S,
Johnson S, Costantinou E, Fraser VJ. A case-control study of patient, medication, and
care-related risk factors for inpatient falls. Journal of General Internal Medicine. 20(2).
116-122. 2005.
2. 厚生労働省：2019 年
国民生活基礎調査の概況.
https://www.mhlw.go.jp/toukei/saikin/hw/k-tyosa/k-tyosa19/dl/06.pdf 最終アクセス
2020/12/11
3. Attenello FJ, et al. Incidence of "never events" among weekend admissions versus
weekday admissions to US hospitals: national analysis. BMJ. 350. h1460. 2015.
4. 横田慎一郎, 安延由紀子, 上内哲男. アセスメントツールの活用システムと
有効性の検証について. 認知症者の転倒予防とリスクマネジメント 第 3 版. 日
本転倒予防学会(監修). 日本医事新報社. 174-177. 2017.
5. Morse, J.M., Morse, R.M., & Tylko, S.J. Development of a scale to identify the fallprone patient. Canadian Journal on Aging. 8(4). 366-377. 1989.
6. Oliver D, Britton M, Seed P, Martin FC, Hopper AH. Development and evaluation of
evidence based risk assessment tool (STRATIFY) to predict which elderly inpatients
will fall: case-control and cohort studies. BMJ. 315(7115). 1049-53. 1997.
36
7. Hendrich A, Nyhuis A, Kippenbrock T, Soja ME. Hospital falls: Development of a
predictive model for clinical practice. Applied Nursing Research. 8(3). 129-39. 1995.
8. Hendrich AL, Bender PS, Nyhuis A. Validation of the Hendrich II Fall Risk Model: A
large concurrent case/control study of hospitalized patients. Applied Nursing Research.
16(1). 9-21. 2003.
9. 高取克彦，岡田洋平，梛野浩司，徳久謙太郎，生野公貴，鶴田佳世．日本語
版 STRATIFY および Morse Fall Scale の作成と有用性 リハビリテーション病院
における転倒の予測妥当性について． 理学療法学. 38(5). 382-389. 2011.
10. 公益社団法人日本看護協会 医療安全推進のための標準テキスト. 2013.
https://www.nurse.or.jp/nursing/practice/anzen/pdf/text.pdf 最終アクセス 2020/06/12
11. Simple screening test for risk of falls in the elderly. Okochi Jiro, Toba Kenji,
Takahashi Tai, Matsubayashi Kozo, Nishinaga Masanori, Takahashi Ryutaro, Ohrui
Takashi. Geriatrics & Gerontology International. 6(4). 223-227. 2006.
12. 鈴木みずえ，古橋玲子，鶴見智子，松下恵美，岩田浩子，内田敦子．特定
機能病院の内科・外科系病棟における転倒の実態と転倒リスクアセスメントツ
ールの開発．看護研究. 39(2). 139-151. 2006.
37
13. 宮越浩一，高橋静子，古田康之，夏目隆史．入院初期における転倒転落の
予測因子の検討 転倒予防チェックリスト作成のために．日本医療マネジメン
ト学会誌. 11(2). 114-118. 2010.
14. 征矢野あや子, 鈴木みずえ, 原田敦, 岡田真平, 上内哲男. 〈学会調査報
告〉日本転倒予防学会会員を対象とする転倒・転落リスクを把握する方法に関
する質問紙調査の報告. 日本転倒予防学会誌. 5(1). 41-49. 2018.
15. 東栄美子，地井和美，松本一美，他．石川県内 100 床以上の病院における
転倒予測アセスメントツール使用の実態．看護実践学会誌. 21(1). 60-64. 2009.
16. Evaluation of the Morse Fall Scale: applicability in Chinese hospital populations.
Chow SK, Lai CK, Wong TK, Suen LK, Kong SK, Chan CK, Wong IY. International
Journal of Nursing Studies. 44(4). 556-565. 2007
17. Fall prediction in inpatients by bedside nurses using the St. Thomas's Risk
Assessment Tool in Falling Elderly Inpatients (STRATIFY) instrument: a multicenter
study. Milisen K, Staelens N, Schwendimann R, De Paepe L, Verhaeghe J, Braes T,
Boonen S, Pelemans W, Kressig RW, Dejaeger E. Journal of the American Geriatrics
Society. 55(5). 725-533. 2007.
18. 山田章子，山口（中上）悦子，信田佳克，平井祐範, 稲垣大悟，中川昌彦,
繁枡友一，木藤寛, 田渕彰子，元山奈美, 市村由紀乃，吉村弥須子, 多賀陽子，
38
朴勤植．病院情報システムデータを利用した看護必要度の測定．医療情報学.
32(3). 111-122. 2012.
19. 厚生労働省. 病院におけるＩＴ導入に関する評価系. 2009.
https://www.mhlw.go.jp/shingi/2009/03/dl/s0301-5a.pdf 最終アクセス 2020/06/25
20. Cameron ID, Dyer SM, Panagoda CE, Murray GR, Hill KD, Cumming RG, Kerse
N. Interventions for preventing falls in older people in care facilities and hospitals.
Cochrane database of systematic reviews. 9. CD005465. 2018.
21. Buchner DM, Hornbrook MC, Kutner NG, et al. Development of the common data
base for the FICSIT trials. Journal of the American Geriatrics Society. 41(3). 297-308.
1993.
22. Falls - World Health Organization. https://www.who.int/news-room/factsheets/detail/falls 最終アクセス 2020/06/25
23. 横田慎一郎，遠藤美代子，平松達雄，野口貴史，美代賢吾，大江和彦．電
子カルテデータを利用した後ろ向きコホートによる患者転倒リスク予測式の構
築・評価・実装手法. 医療情報学. 34(3). 119-128. 2014.
24. Yokota S, Tomotaki A, Mohri O, Endo M, Ohe K. Evaluating the Effectiveness of a
Fall Risk Screening Tool Implemented in an Electronic Medical Record System. Journal
of Nursing Care Quality. 33(4). E1-E6. 2018.
39
25. Akaike H. A new look at the statistical model identification, IEEE Transactions on
Automatic Control. 19(6). 716-723. 1974.
26. Coppedge N, Conner K, Se SF. Using a standardized fall prevention tool decreases
fall rates. Nursing. 46(3). 64-67. 2016.
27. Aranda-Gallardo M, Morales-Asencio JM, Canca-Sanchez JC, Toribio-Montero JC.
Circumstances and causes of falls by patients at a Spanish acute care hospital. Journal of
Evaluation in Clinical Practice. 20(5). 631-637. 2014.
28. Hitcho EB, Krauss MJ, Birge S, et al. Characteristics and circumstances of falls in a
hospital setting: a prospective analysis. Journal of General Internal Medicine. 19(7).
732-739. 2004.
29. 厚生労働省. 一般病棟用の重症度・看護必要度に係る評価票
評価の手引
き.
https://www.mhlw.go.jp/seisakunitsuite/bunya/kenkou_iryou/iryouhoken/iryouhoken15/
dl/5-2-2-2.pdf 最終アクセス 2020/06/12
30. Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. A simulation study of
the number of events per variable in logistic regression analysis. Journal of Clinical
Epidemiology. 49(12). 1373-1379. 1996.
40
31. 内田治. 逐次変数選択法. SPSS によるロジスティック回帰分析. オーム社.
99-108. 2011.
32. Thomas AL, Michelle S, 大橋靖男・林健一訳. わかりやすい医学統計の報告
―医学論文作成のためのガイドライン第 2 版. 中山書店. 115. 2011.
33. Haines TP, Hill K, Walsh W, Osborne R. Design-related bias in hospital fall risk
screening tool predictive accuracy evaluations: systematic review and meta-analysis.
The journals of gerontology. Series A, Biological sciences and medical sciences. 62(6).
664-672. 2007.
34. Ann LH, Patricia SB, Allen N. Validation of the Hendrich Ⅱ Fall Risk Model: A
Large Concurrent Case/Control Study of Hospitalized Patients. Applied Nursing
Research. 16(1). 9-21. 2003.
35. 森田恵美子，飯島佐知子，平井さよ子，賀沢弥貴，安西由美子．転倒アセ
スメントスコアシートの改訂と看護師の評定者間一致性の検討．日本看護管理
学会誌. 14(1). 51-58. 2010.
36. 泉キヨ子，尾坐麻理佳，宮腰美希．転倒リスクとリスクアセスメントツー
ルに関する看護研究の動向と今後の課題．看護研究. 42(3). 173-188. 2009.
41
37. Strupeit S, Buss A, Wolf-Ostermann K. Assessing risk of falling in older adults—a
comparison of three methods. Worldviews on Evidence-Based Nursing. 13(5). 349-355.
2016.
38. Palumbo P, Klenk J, Cattelani L, et al. Predictive performance of a fall risk
assessment tool for communitydwelling older people (FRAT-up) in 4 European
cohorts. Journal of the American Medical Directors Association. 17(12). 1106-1113.
2016.
39. Klinkenberg WD, Potter P. Validity of the Johns Hopkins Fall Risk Assessment Tool
for predicting falls on inpatient medicine services. Journal of Nursing Care Quality.
32(2). 108-113. 2017.
40. Myers H, Nikoletti S. Fall risk assessment: a prospective investigation of nurses'
clinical judgement and risk assessment tools in predicting patient falls. International
Journal of Nursing Practice. 9(3). 158-165. 2003.
41. Hamdan M, Saleem AA. Assessment of patient safety culture in Palestinian public
hospitals. International Journal for Quality in Health Care. 25(2). 167-175. 2013.
42
9. 図表
表1
リスク評価ツール構築のためのデータセットの内訳
全体
患者数(全体に対する 11,075 人(100%)
転倒あり群
転倒なし群
291 人(2.6%)
10,784 人(97.4%)
67.7 歳(16.1)
57.4 歳(20.0)
168 人(57.7%)
5,364 人(49.7%)
割合)
平均年齢(SD)
57.7 歳(20.0)
男性(以下、各患者数に 5,532 人(50.0%)
対する割合)
転倒既往あり
1,677 人(15.1%)
110 人(37.8%)
1,567 人(14.5%)
疾患関連リスクあり
4,548 人(41.1%)
217 人(74.6%)
4,331 人(40.2%)
運動関連リスクあり
3,006 人(27.1%)
181 人(62.2%)
2,825 人(26.2%)
認知関連リスクあり
1,299 人(11.7%)
101 人(34.7%)
1,198 人(11.1%)
治療薬関連リスクあり 1,183 人(10.7%)
82 人(28.2%)
1,101 人(10.2%)
リスクありの平均個数 0.91 個(1.12)
2.00 個(1.29)
0.88 個(1.10)
(SD)
43
表2
リスク評価ツール構築のためのロジスティック回帰分析の結果
オッズ比 の 95% 信頼区間
変数
p値
オッズ比
下限
上限
年齢
X1
<0.001
1.025
1.014
1.037
性別
X2
0.182
0.794
0.566
1.114
転倒既往
X3
0.004
1.737
1.190
2.535
疾患関連リスク
X4
0.004
1.906
1.224
2.970
運動関連リスク
X5
0.093
1.466
0.939
2.291
認知関連リスク
X6
0.091
1.434
0.944
2.177
治療薬関連リスク
X7
0.001
1.927
1.291
2.878
<0.001
0.003
定数
44
表3
テストデータによる転倒リスク判別モデルの検証結果
真の結果
予測
転倒あり
転倒なし
転倒する
106
1684
1790
転倒しない
38
3710
3748
144
5394
5538
感度 106/144=0.736、特異度 3710/5394=0.688、
陽性的中率 106/1790=0.059、陰性的中率 3710/3748=0.990
45
表4
学習データにおいて AIC が低値となった変数の組み合わせ上位 10 組
順位
変数の組み合わせ
X1
X1
X1
X1
X1
X1
X1
X1
X1
10
X1
X2
X2
X2
X2
X2
AIC
X3
X4
X5
X6
X7
1229.5
X3
X4
X5
X6
X7
1229.7
X3
X4
X6
X7
1230.2
X3
X4
X5
X7
1230.5
X3
X4
X5
X7
1230.5
X3
X4
X7
1230.5
X3
X4
X7
1233.2
X3
X4
X7
1233.4
X6
X4
X5
X6
X7
1235.0
X4
X5
X6
X7
1235.6
* 電子カルテシステムへの実装段階で SPSS での解析に基づき選択した組み合
わせ
46
表 5. 解析 1 と解析 2 におけるデータ件数.
データ
解析 1
解析 2
期間
全期間
実装後期間
件数（患者日)
573,216
285,943
転倒発生件数
874
401
実装前か実装後か
ツールを使用したか使用していないか
主たる説明変数
説明変数
調整に用いた変数
年齢、性別、看護必要度 12 項目
変量効果
患者・病棟
47
表 6. 転倒発生に関する記述統計量
実装後期間
実装前期間
両期間合計
総件数
ツール
ツール使用
287,273
285,943
142,252
不使用
143,691
573,216
転倒発生件数
473
401
182
219
874
患者 1000 人日当たりの転倒発生件数
1.65
1.40
1.28
1.52
1.52
正味患者人数
14,430
14,183
13,705
14,183
25,039
患者平均年齢
62.40
62.53
62.05
63.02
62.47
患者年齢標準偏差
16.71
16.81
16.38
17.22
16.76
男性割合(%)
54.2
54.4
55.4
53.4
54.3
女性割合(%)
45.8
45.6
44.6
46.6
45.7
データ件数（人日）
48
図 1
Technique for Construction of a Fall risk Prediction formula（TCFP）の 3
ステップ
49
図2
学習データにおける ROC 曲線（AUC = 0.777）
50
図3
実際の電子カルテシステム実装画面
図中の「計算」ボタンを押下すると内部で転倒予測確率を計算し、警告を表示
する。
51
図 4. 分析データ組み入れのダイヤグラム
52
10. 付録
電子カルテシステムのスクリプト実行機能上に実装した JavaScript によるスク
リプト
// ------------------------------------------------------// 総合転倒リスク判定
//
年齢、性別、リスク項目入力内容から総合リスクを算出
// -------------------------------------------------------
// 変数準備
// 生年月日
var birthday = "";
// 今日
var today = "";
// 年齢
var var01 = 0;
// 性別判定用
var sex = "";
// 性別
53
var var02 = "";
// 転倒既往の有無
var var03 = 0;
// 疾患・症状に関連した転倒のリスク
var var04 = 0;
// 運動能力に関連した転倒のリスク
var var05 = 0;
// 認知能力に関連した転倒のリスク
var var06 = 0;
// 治療薬に関連した転倒のリスク
var var07 = 0;
// 目的変数：転倒発生の予測確率
var probability = 0;
// 未入力部分があった際のコメント
var blank = new String();
// 今日と生年月日の差から年齢を計算。
today = now();
54
today= getYears(today)*10000 + getMonths(today) *100 + getDays(today)*1;
birthday = get('ID_11308');
if (birthday == null) {
warn("生年月日を取得できなかったため判定できません")
return;
} else {
birthday = getYears(birthday)*10000 + getMonths(birthday)*100 +
getDays(birthday)*1;
var01 = Math.floor((today-birthday)/10000);
// 性別は、 "男性"、"女性" で格納されている。
sex = (get('ID_11309'));
if (sex == "男性") {
var02 = 0;
} else if (sex == "女性") {
var02 = 1;
55
} else {
warn("性別を取得できなかったため判定できません。")
return;
if (get('ID_08693') == null) {
blank += '[転倒の既往]¥n';
} else {
var03 = get('ID_08693');
if (get('ID_08694') == null) {
blank += '[疾患・症状関連した転倒のリスク]¥n';
} else {
var04 = get('ID_08694');
if (get('ID_08695') == null) {
56
blank += '[運動能力に関連した転倒のリスク]¥n';
} else {
var05 = get('ID_08695');
if (get('ID_08696') == null) {
blank += '[認知能力に関連した転倒のリスク]¥n';
} else {
var06 = get('ID_08696');
if (get('ID_08697') == null) {
blank += '[治療薬に関連した転倒のリスク]¥n';
} else {
var07 = get('ID_08697');
// 未入力項目ならば計算せずに警告
57
if (blank != "") {
message(blank + '
が未入力です');
} else if (blank == "") {
// 回帰式を計算
probability = 1 / (1 + Math.pow(Math.E,(-((-5.942) + 0.025 * var01 + (-0.231) *
var02 + 0.552 * var03
+ 0.645 * var04 + 0.383 * var05 + 0.36 * var06 + 0.656 * var07))));
// 判定表示と値の埋め込み
if (probability >= 0.0253) {
warn("判定結果","2012 年 3 月～2013 年 4 月の入院患者のデータ分析結果に
照らすと、¥n 総合的な転倒リスクが高い患者です。対策を周知してくださ
い。¥n¥n");
set('ID_11315',"リスクが高い");
} else {
warn("判定結果","2012 年 3 月～2013 年 4 月の入院患者のデータ分析結果に
照らすと、¥n 総合的な転倒リスクが高いとは言えませんが、アセスメントし
てください。¥n¥n");
set('ID_11315',"リスクが高いとは言えない");
58
set('ID_11317',probability);
set('ID_11320',var01);
set('ID_11537',now());
59
11. 謝辞
本研究を遂行するにあたって、非常に多くの皆様に大変お世話になりまし
た。この場をお借りして感謝の意を述べさせていただきます。
まず始めに、私が看護部の情報担当として着任した 2008 年より、業務にお
いても研究においても長年に渡ってご指導くださっている、大江和彦教授に心
より感謝申し上げます。いつも暖かくそして時に厳しい姿に接し、東京大学の
教員としての研究や教育においてあるべき姿、また東京大学医学部附属病院の
医療情報基盤の管理業務を担うにあたってのあるべき姿を学び続けておりま
す。また、医療情報に関わる非常に多岐に渡る活動を自ら率先し実践して社会
を牽引する姿を間近で拝見でき、私は大変な幸せ者です。ご存じのように私は
大変不出来な者ではございますが、今後益々、研究と実務の両面におきまして
励む所存です。これからも何卒よろしくお願い申し上げます。
次に、私が所属する企画情報運営部や関わりの深い部署のご所属として、実
務と研究の両面において数多くのご助言やご支援を頂戴している皆様方に御礼
申し上げます。脇嘉代准教授、今井健准教授、河添悦昌特任准教授、新秀直講
師、井田有亮特任講師、土井俊祐特任講師（病院）、毛利王海助教、山田恵子
助教、長江裕吾助教、関倫久助教、いつもご支援ありがとうございます。看護
部の小見山智恵子看護部長と遠藤美代子看護師長、元副看護部長で現経営戦略
60
課所属の山本千恵美経営戦略実現室長におかれましては、その日頃からのご厚
意に対しひとかたならぬ感謝の思いです。また大江教授室堀内貴子様におかれ
ましては、私が企画情報運営部に異動してからの 10 年間に渡り、日常的な病
院内での事務手続きから競争的研究資金にかかる種々の複雑な手続きについて
も様々にご教授ご支援いただき、ありがとうございました。
続いて、かつて企画情報運営部 医療情報管理部門にご所属で、他所属へと
ご異動なさった、美代賢吾先生、山口泉先生、渡邊宏樹先生、野口貴史先生、
田中勝弥先生、私が右も左も分からない頃から医療情報のイロハを手ほどきい
ただき、ありがとうございました。その他にも、この場に書き切れない程の多
くの皆様に支えられて私はこの仕事に付いております。改めて皆様に御礼申し
上げます。
最後に、長年に渡って私のわがままにつきあってくれている最愛の妻由佳
と、眞子、圭祐、悠伍の 3 人の子ども達に、心からの感謝を込めてお礼を言い
ます。ありがとうございました。
61
...
論文の公開元へ
