方法論記事

虚血性脳卒中患者の薬物遵守の縦断モニタリングおよび予測モデル

52 閲覧数

⸱

DOI：

10.3791/71636

⸱

2026年8月11日

 ,  ,  ,  ,  ,  , 
1Department of Neurology, West China Hospital, Sichuan University/West China School of Nursing, Sichuan University, 2Department of Respiratory Medicine, West China Hospital, Sichuan University

この記事について

サマリー

本プロトコルは、退院後30日、90日、180日における自己申告による薬物服用の構造化された電話評価と、虚血性脳卒中生存者に対する早期追跡予測モデルの内部開発を記述します。プロトコルは自己申告摂取と薬局に基づくPDCを分離し、あらかじめ定義された人口統計学的および30日目の心理社会的予測因子を使用します。

要約

虚血性脳卒中後の二次予防において薬物遵守は中心的ですが、自己申告の遵守は追跡調査中に変化することがあります。この単一施設の縦断的枠組みでは、210名の参加者が登録され、191名が180日間の評価を完了しました。薬物服用は、1〜30日目、31〜90日目、91〜180日目に構造化された電話面接を用いて評価され、曝露日加重複合遵守率が80%以上であれば良好と分類されました。中国のBMQ特有およびファミリーAPGARは30日目、90日目、180日目に実施されました。4予測ロジスティックモデルは居住、性別、30日目BMQ-NCD、30日目ファミリーAPGARを用い、1,000件のブートストラップ再サンプルで内部検証されました。191件の完全症例のうち、良好な遵守率は30日目に84.3%(95%信頼区間、78.3%–89.1%)、90日目に77.0%(95%信頼区間、70.3%–82.7%)、180日目に72.8%(95%信頼区間、65.9%–79.0%)でした。都市部の居住、男性の性別、30日目のBMQ-NCD、および30日目の家族APGARスコアが180日目の遵守と関連していました。見かけのAUCは0.879(95%信頼区間、0.821–0.928)、楽観補正AUCは0.867でした。このプロトコルは自己申告の遵守率の縦断的評価のための再現可能な枠組みと、内部検証された30日目予測モデルを提供します。臨床実施前に外部からの検証および客観的な遵守措置が必要です。

概要

脳卒中は世界的に長期的な障害と死亡率の主要な原因であり続けており、病理学的証拠と画像診断の両方を考慮した洗練された臨床定義が必要です。急性介入の進歩にもかかわらず、世界的な脳卒中の負担は増加し続けており、虚血性脳卒中が症例の大多数を占めています。この傾向は特に中国で顕著で、血管リスク因子の有病率が臨界レベルに達し、医療システムに甚大な負担をかけています。証拠は、初発の脳卒中生存者は再発性血管イベントの高いリスクに直面していることを示しており、地域ベースの研究ではこの集団の持続的な脆弱性が強調されています4。急性期の管理には大きな課題がありますが、これらの患者の長期生存率と平均寿命は主に二次予防戦略の有効性によって左右されます。

二次予防の基盤は、血圧低下や抗血小板療法を含む厳格な薬理学的管理です。アメリカ心臓協会(AHA)、欧州脳卒中機構(ESO)、カナダ脳卒中ベストプラクティス推奨の国際ガイドラインは、これらのレジメンの遵守が再発防止に不可欠であることを強調しています。しかしながら、これらの介入の臨床的有用性はしばしば低調な薬剤遵守によって損なわれています15,16。服薬遵守は、開始と継続の両方を含む多次元的な概念です(15,17)。最近の登録データは、二次予防薬の遵守率が高いことが生存率を有意に改善し再発率を減少させることを示しています(17,18)。例えば、スタチンの遵守は再発リスクの低減と独立して関連しています19。

これらの利点にもかかわらず、縦断的研究では退院後1年目に20の遵守率に有意な「時間的減少」が観察されています。性別差や社会経済的地位などの人口統計的要因が持続に影響を与える一方で、心理社会的・認知的要因が患者行動形成に果たす役割が認識されつつあります23,24。薬に関する信念質問票(BMQ)は、「必要性・懸念」フレームワークを通じて薬物の認知表象を評価するための検証済みツールとして登場しました。システマティックレビューにより、BMQスコアは中国におけるさまざまな慢性疾患における遵守の強固な予測因子であることが示されています26。同様に、社会環境、特に家族の機能も重要な役割を果たします。ファミリーAPGAR指数は、脳卒中後の複雑な生活を乗り越える患者にとって極めて重要な、信頼できる支援の指標を提供します

NIHSSおよび修正ランキンスケールは神経学的重症度と機能的アウトカムを記述していますが、薬物使用に関する信念や家族機能の認識を直接測定するものではありません。モバイルヘルスとWeChatベースのサービスは、遵守サポートとして32,33件が研究されています。したがって、本プロトコルには2つの目的があります。すなわち、30日目、90日目、180日目の薬物服用評価を一貫した用語で定義すること、そして研究中に収集されたあらかじめ定義された人口統計学的および心理社会的変数を用いて解釈可能な180日目遵守モデルを開発することです。

プロトコル

このプロトコルは四川大学華西病院生物医学研究倫理委員会によって承認されました(承認番号2021レビュー(1303)、承認日2021年11月8日)。報告されたすべての手続きは、委員会の要件および承認されたプロトコルに従って実施されました。完全な分析データセットは 補足ファイル1に提供されています。

1. 患者スクリーニングとベースライン登録

  1. 神経内科の入院記録から潜在的な参加者を特定してください。磁気共鳴画像法(MRI)またはコンピュータ断層撮影(CT) によって 急性虚血性脳卒中と診断された選択患者。最初にスクリーニングされた個人の総数を記録し、参加者フローダイアグラムの基準プールを確立します。
  2. 患者を事前に定めた選考基準に基づいてスクリーニングします。画像診断で急性虚血性脳卒中と確認された成人を含め、本人または法的に認可された代理人を通じて面接を行うことができます。
  3. 除外基準を適用してください。重度の精神疾患の既往歴、臨床記録により認知機能障害がある患者、または平均余命6か月未満の患者は除外します。この段階での除外の正確な理由と対応する数値(例:平均寿命制限や同意拒否)を文書化してください。
  4. 登録前に、患者から書面によるインフォームドコンセントを取得するか、患者が同意できない場合は、委員会承認のインフォームドコンセントフォームを使って法的に認められた代理人から取得してください。署名前に縦断的な研究デザイン、電話評価、180日間のフォローアップスケジュールについて説明してください。同意者の身元と役割、同意日、同意を得た研究スタッフを記録します。
  5. 入院後48時間以内にベースラインの人口統計および臨床データを収集してください。標準化された症例報告フォームを使って、年齢、性別、居住地、学歴、月収を記録します。
  6. 退院時には、訓練を受けた脳卒中臨床医に標準の11点のスコア付き中国NIHSSを用いて実施し、合計範囲は0–4229です。総スコア、評価者の役割、研修状況、評価日、入院期間を記録します。
  7. 退院前に構造化された対面面接、30日目、90日目、180日目の25日目34日目に電話で認可された中国BMQ特有の投与を行います。
    注:この文書には5つの必要性項目と5つの懸念事項が含まれています。各項目を1(強く反対)から5(強く同意)まで採点し、各サブスケールの5項目を合計します。必要性と懸念の合計は5から25の範囲です。
  8. 必要性-懸念差(BMQ-NCD)を必要性から懸念を引いたもの(範囲、-20から20)として計算します。必要性が高く、BMQ-NCD値が高いほど、懸念に対して強いニーズを感じていることを示し、懸念値が高いほど不安が強いことを示します。
    注意:各サブスケールに対して5つの回答すべてを義務付けてください。そうでなければ、そのサブスケールとBMQ-NCDを「欠如」としてコード化してください。30日目のBMQ-NCDを連続モデル予測因子として使用してください。同時に、中国のAPGAR27を管理しています。
  9. 適応、パートナーシップ、成長、愛情、決意のスコアを0(ほとんどない)、1(時々)、または2(ほぼ常に)とし、5つの項目を合計して0から10の整数にします。スコアが高いほど、家族の機能が良好に感じられることを示します。もしファミリーのAPGARアイテムが欠けている場合は、合計を「欠損」としてコード化してください。計測器のバージョン、承認、管理者、回答者、日付、項目の反応、サブスケールの合計、総スコアを症例報告フォームに記録してください。

2. 退院準備と患者教育

  1. 退院前に標準化された薬物カウンセリングセッションを実施してください。抗血小板薬、スタチン薬、降圧薬などの処方された二次予防薬のリストを書面で提出してください。
  2. 患者とその主な介護者に対して、服薬遵守の重要性を伝えましょう。患者がピルボックスや日記を使用する意図がある場合、薬の摂取記録方法を実演してください。
  3. 患者の主要な電話番号を確認してください。今後のフォローアップ通話の望ましい時間枠を設定し、離脱率を最小限に抑え、高い応答率を確保しましょう。

3. 退院後の縦断的フォローアップ(30日目、90日目、180日目)

  1. 退院後30日目(目標期間、±3日)に最初の構造化電話面接を実施します。1日目から30日目まで処方された二次予防薬の各クラスについては、クラス名、処方された1日の投与頻度、曝露日数、および1日目から30日目までの自己申告のクラス遵守日数を記録します。
    1. 回答者(患者または主たる薬剤管理介護者)、連絡日、治療法の変更、医師指示による一時的な中断、未完了の理由を記録してください。同じ面接でBMQ固有およびファミリーAPGARを実施し、30日のスコアを記録します
  2. 2回目の面接は90日目(目標ウィンドウ、±7日間)に実施してください。クラスごとの薬物問題を31日目から90日目までの重複期間で繰り返し、BMQとファミリーAPGARを実施します。参加者に1日目から30日目までの再構築を求めないでください。その間隔のソースとして30日目記録を保持します。
  3. 最終面接は180日目(目標ウィンドウ、±7日)に実施してください。91日目から180日までの重複しない区間でクラス特有の薬剤問題を繰り返し、BMQと家族のAPGARを投与し、利用可能な場合は180日目mRSを記録します。
  4. 3回のフォローアップすべてで同じ構造化された面接フォームと回答者ルールを用いてください。認知、言語、身体障害で患者が反応できない場合は、薬剤管理を担当する介護者を利用し、その代替を記録してください。薬の回数、日記、薬局、面接者の盲検検証は、出典記録に記載されていない限り主張しないでください。
  5. 外来訪問は記述的フォローアップのみのため記録してください。30日目の評価後に使用する予測モデルには、退院後の利用率変数を含めないでください。
  6. ベースラインを入院・退院時の評価と定義し、T1、T2、T3ではなくカレンダー時点(30日目、90日目、180日目)で遵守評価をラベル付けします。これにより、T1がベースラインと30日目の両方を言及した以前の対立を防ぎます。

4. 自己申告による服薬遵守の定量化

  1. 調剤やリフィル記録の遵守が示されている場合を除き、PDCという用語は使用しないでください。抗血栓療法(抗血小板または経口抗凝固薬、所指示)、脂質低下療法、降圧療法、降糖療法は、その参加者に処方された場合のみ、別々の二次予防クラスとして扱います。
    1. 各処方されたクラスについて、クラス遵守日とは、そのクラスのすべての予定された投与が報告された日と定義します。予定された用量を省略すると、その授業日は不遵守となります。医師指示による中止、代替、一時的な保留は、記録された発効日から数日後の予想される曝露としてカウントされません。
    2. 区間複合自己申告の遵守率を、100に指定クラス間の授業遵守日数の合計を掛け、それらのクラス全体の予想クラス曝露日数の合計で割ったもので計算します。この曝露日加重計算は異なる処方期間に対応しており、すべてのクラスが同じ日数処方された場合に限り、クラスごとの割合の平均と同等です。1日目から30日目まで、90日目に31日目から90日目、91日目から180日目までを180日目に使います。
  2. 各追跡調査で、良好な遵守率を自己申告の遵守日数のうち80%以上、遵守不良の割合を80%未満と分類します。欠落した遵守評価は欠落として扱う;彼らを不遵守カテゴリーに分類しないでください。

5. データ統合、縦断分析、予測モデリング

  1. Pythonプログラミング言語(バージョン3.13.5)を用いて再現可能解析を行い、64ビットWindowsオペレーティングシステム上でデータ操作、数値計算、統計解析、可視化用のライブラリを利用できます。ランダムシードを71636に設定し、欠損値をNAとしてコードします。最終チームが代わりにRを使用した場合は、このセクションを実行されたRバージョン、パッケージバージョン、関数、スクリプトに置き換えます。未実行のソフトウェアワークフローを報告しないでください。
  2. 30日目、90日目、180日目の良好な準拠率を両側95%クロッパー・ピアソン正確信頼区間でまとめます。コクランのQ検定で二項準拠の全体的なペア変化を検証し、その後にボンフェローニ補正を用いた正確な対対マクネマー検定を行います。
  3. フリードマン検定を用いて、完全な症例の30日目、90日目、180日目にわたるBMQ-NCDおよび家族APGAR値を解析します。オムニバス検定が有意な場合は、ボンフェローニ補正とペアウィルコクソン符号付きランク比較を行います。平均値や標準偏差に加えて、中央値と四分位範囲も報告してください。分析前に項目レベルの回答から個別のスケール合計を計算すること;補間済みまたは手動平滑化されたアンケートの値を分析しないでください。
  4. 180日の結果を「良好な遵守率=1」と定義します。「不良遵守率=0」とします。30日目に多変数ロジスティック回帰を4つのあらかじめ指定された予測変数を用いてリフィットします:居住地(都市=1;農村 = 0)、性別(男性 = 1;女性=0)、30日目BMQ-NCD(継続)、30日目家族APGARスコア(継続)。外来フォローアップは使わないでください。単変量スクリーニングや後方選択の記述は、実際に実行されコードで文書化されていない限り避けてください。
  5. 完全な適合式を指定します:logit[P(180日目の良好付着)] = -10.3811 + 1.2921(都市型)- 1.5215(男性)+ 0.5211(BMQ-NCD)+ 0.6887(APGARファミリー)。これらの丸めていない係数から直接ノモグラムを作成し、リーダー向けのラベル、参照カテゴリ、スコア範囲、方向性を用います。
  6. ROC AUCとパーセンタイル・ブートストラップ95%信頼区間を用いて識別力を評価します。Brierスコアで全体的な予測誤差を評価し、校正プロットと校正傾きで校正します。見かけのパフォーマンスは楽観補正パフォーマンスとは別に報告してください。
  7. 1,000件の成功したブートストラップ再サンプルを実施してください。各リサンプルでは、完全な4予測モデルを修正し、ブートストラップサンプルのパフォーマンスと元のサンプルのパフォーマンスを比較して楽観性を推定します。見た目の成績から平均楽観主義を差し引く。

6. 患者の機密保持とデータ安全

  1. 分析前に患者を特定できるすべての情報が削除されることを必ず確認してください。マスターリンクファイルを、許可された研究担当者のみがアクセス可能なパスワード保護・暗号化された機関システムに保存します。
  2. 登録時に各参加者に固有の英数字IDを割り当ててください。このIDは、その後のすべてのフォローアップフォームやデジタル記録に使用してください。

結果

標準化されたプロトコルとコホート階層化の実装

参加者フローログによると、216名が評価され、6名が除外され、210名が登録されました。90日目の評価前に17人が失われ、180日目までにさらに2人が死亡し、縦断的およびモデリング解析のために191件の完全症例が残りました(補足図1)。19名の不完全者は参加者フロー報告のためのスクリーニングおよびフォローアップログに記録されましたが、分析データセットには含まれず、アウトカム値も付加されませんでした。したがって、分析ファイルには事前に指定された191名の完全症例コホートが含まれています。

180日目時点で、191名中139名が良好な遵守率、52名が低品質と分類されました(表1)。単変量比較では、都市居住率と性別は従順群間で異なり、他のベースライン変数はバランス型としてまとめて記述するのではなく、正確な効果推定値と P値で報告すべきです。女性の不遵守セルは5名の参加者で構成されているため、性別関連の推定は慎重に解釈する必要があります。

アシアランスの減衰と遷移の定量的特徴付け

191件の完全症例のうち、良好な遵守率は1日目から30日目で84.3%(161/191;正確な95%信頼区間、78.3%–89.1%)、31日目から90日目で77.0%(147/191;70.3%–82.7%)、91日目から180日目で72.8%(139/191%;65.9%–79.0%)でした(図2)。全体のペア差は有意でした(Cochran Q = 31.0、df = 2、 P < 0.001)。観察された30日/90日/180日のパターンは、良好/良好/良好(n=138)、良好/良好/悪い(n=8)、良好/悪い/悪い(n=15)、悪い/良好/良好(n=1)、および悪い/悪い/悪い(n=29)(図3)でした。これらを準拠状態遷移と記述的に呼びますが、新たに検証された行動構造が確立されたことを意味しません。

心理社会的指標の感度と縦断的応答性

完全な症例では、30日目の平均BMQ-NCD値は13.06(標準差2.60)、90日目に12.06(3.03)、180日目に10.88(3.84)でした。平均家族のAPGAR値はそれぞれ8.20(1.28)、7.79(1.45)、7.23(1.84)でした。フリードマン・オムニバス検定とボンフェローニ調整済みのペアウィルコクソン検定は、 P < 0.001を示しました(表2; 図4)。個々のアンケート合計は、最終分析が確定する前に、項目レベルのケースレポートフォームから直接再生成されるべきです。

パラメータの重み付けと予測ツールの統合

30日目予測モデルは、4つのあらかじめ指定された予測変数を保持しました(表3):都市居住(調整後OR、3.64;95%CI、1.54–8.62; P = 0.0033)、男性(調整後OR 0.22;95%CI 0.06–0.76; P = 0.0174)、30日目 BMQ-NCD 1ポイントあたり(調整後OR 1.68;95%信頼区間 1.39–2.05; P < 0.001)、および30日目 家族APGARスコア/ポイント(調整後OR 1.99;95% CI 1.39–2.86; P < 0.001)。取り付けられた迎撃は-10.3811でした。 図5 は 表3で使われているのと同じ符号化と1点スケールを示しており、 図6 は丸めていない係数をノモグラムにマッピングしています。

方法論的検証:精度と校正

モデルの見かけAUCは0.879(ブートストラップ95%CI、0.821–0.928)、1,000回の成功したブートストラップ再サンプル後の楽観補正AUCは0.867でした(図7)。見かけのBrierスコアは0.118、楽観補正によるキャリブレーション傾きは0.923でした。これらの値は191件の完全ケースにおける内部性能を示しており、外部検証とはみなされません。

figure-results-1
図1:脳卒中後の遵守モニタリングのための標準化された運用ロードマップ。このフローチャートは、本研究で実施された4段階のプロトコルを示しています:フェーズ1(登録およびベースライン)、フェーズ2(急性期退院)、フェーズ3(体系的な縦断モニタリング)、フェーズ4(リスク評価と分析)。このロードマップは提案された方法論の標準作業手順(SOP)として機能します。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-2
図2:縦方向の良好な付着比率。図は、30日目評価時の1日目から30日目(84.3%)、90日目評価時の31日目から90日目(77.0%)、180日目評価時の完全ケース良好遵守率(72.8%)を示しています。誤差バーは両側の95%クロッパー・ピアソン完全信頼区間です。遵守率は、曝露日加重複合自己申告遵守率が少なくとも80%であれば良好と分類されました。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-3
図3:個別のアワランス状態遷移。沖積図は、30日目、90日目、180日目における各完全症例参加者の良好または不良の遵守分類を示しています。リボン幅は参加者数を表します。「準拠状態移行」という用語は記述的なものであり、以前に検証された構成概念として提示されるものではありません。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-4
図4:家族のAPGARおよびBMQ-NCD分布の時間軸。(A)APGARファミリーと(B)BMQ-NCD分布を表すボックスは四分位数範囲を表し、中心線は中央値、ひげ値は四分位数範囲の1.5倍以内、ひげの先は個々の観測値を表します。総合比較ではフリードマン検定が用いられます。ペア比較では、ボンフェローニ補正を用いたウィルコクソン符号付き順位検定が用いられます。BMQ-NCDは必要性の合計から懸念の合計を引いたものです。この図の拡大版はこちらをクリックしてご覧ください。

figure-results-5
図5:30日予測モデルにおける調整済み関連。ポイントは調整後のORおよび水平バーで、都市部・農村部、男性対女性、ベースライン30日目BMQ-NCDおよびファミリーAPGARで1ポイント増加しています。水平軸は対数軸で、垂直基準線はOR = 1を示します。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-6
図6:180日目における良好な遵守確率の内部推定ノモグラム。ノモグラムの用途は、居住地、性別、30日目のBMQ-NCD、30日目の家族APGARスコアです。予測値は点にマッピングされます。合計点は推定確率に対応します。BMQ-NCDが高いほど、必要性の認識が懸念を上回ることを示し、家族のAPGARが高いほど家族機能の改善を示します。ノモグラムは臨床使用前に外部からの検証が必要です。 この図の拡大版はこちらをクリックしてご覧ください。

figure-results-7
図7:30日予測モデルの内部検証。(A) ROC曲線は見かけのAUCが0.879(ブートストラップ95%CI、0.821-0.928)、楽観補正AUCが0.867を示しています。(B) キャリブレーションパネルは予測確率と観測確率を比較します。理想線は完全校正を示し、見かけの曲線は適合されたサンプルを表し、バイアス補正曲線は1,000リサンプルのブートストラップ楽観補正を反映しています。陰部線や境界線が表示されている場合、95%信頼区間を示します。ラグマークは予測確率の分布を示しています。 この図の拡大版はこちらをクリックしてご覧ください。

特徴総合(N = 191)準着不良(N = 52)良好な準拠率(N = 139)P値
年齢、年齢59.2 +/- 13.159.6 +/- 14.259.1 +/- 12.70.797
年齢層、n(%)0.822
<65年120 (62.8%)32 (61.5%)88 (63.3%)
>=65年71 (37.2%)20 (38.5%)51 (36.7%)
性別、n(%)0.015
女性41 (21.5%)5 (9.6%)36 (25.9%)
男性150 (78.5%)47 (90.4%)103 (74.1%)
居住地、n(%)<0.001
農村部92 (48.2%)36 (69.2%)56 (40.3%)
都市部99 (51.8%)16 (30.8%)83 (59.7%)
学歴、n(%)0.224
小学校以下59 (30.9%)21 (40.4%)38 (27.3%)
中学校50 (26.2%)13 (25.0%)37 (26.6%)
高校/技術学校36 (18.8%)10 (19.2%)26 (18.7%)
大学の学位以上46 (24.1%)8 (15.4%)38 (27.3%)
婚姻状況、n(%)0.905
結婚175 (91.6%)47 (90.4%)128 (92.1%)
未婚9 (4.7%)3 (5.8%)6 (4.3%)
離婚/未亡人7 (3.7%)2 (3.8%)5 (3.6%)
職業番号 (%)0.138
雇用/専門職36 (18.8%)9 (17.3%)27 (19.4%)
労働者25 (13.1%)7 (13.5%)18 (12.9%)
農夫39 (20.4%)16 (30.8%)23 (16.5%)
引退45 (23.6%)7 (13.5%)38 (27.3%)
自営業/その他46 (24.1%)13 (25.0%)33 (23.7%)
月収入、CNY、n(%)0.208
<300039 (20.4%)14 (26.9%)25 (18.0%)
3000-499956 (29.3%)17 (32.7%)39 (28.1%)
>=500096 (50.3%)21 (40.4%)75 (54.0%)
退院時のNIHSSスコア2.0 [0.0-4.5]2.0 [0.8-5.0]2.0 [0.0-4.0]0.603
入院期間、日数8.0 [6.0-10.0]7.0 [5.0-9.0]8.0 [7.0-10.0]0.021

表1:方法論的検証のための研究対象集団の特徴(N=191)。 この表は、参加者の人口統計学的および臨床的プロフィールを、180日間の自己申告服薬遵守状況(良好/不良)によって階層化したものです。カテゴリ変数は頻度(n)とパーセンテージ(%)で表されます。 P値はグループ間の記述的比較用に提供されており、予測因子の選択には使用されませんでした。この表をダウンロードするには、こちらをクリックしてください。

測定30日目、平均+/- SD90日目、平均+/- SD180日目、平均+/- 標準偏差変化(180日目から30日目)、平均+/- 標準偏差フリードマンカイ二乗(df = 2)グローバルP値
BMQ-NCD合計得点13.06 +/- 2.6012.06 +/- 3.0310.88 +/- 3.84-2.18 +/- 1.90382.0<0.001
ファミリーAPGARスコア8.20 +/- 1.287.79 +/- 1.457.23 +/- 1.84-0.97 +/- 0.91357.5<0.001

表2:縦断的なBMQ-NCDおよび家族のAPGARスコア。この表は、30日目、90日目、180日目の各スケールを平均(SD)と中央値(IQR)として報告しています。全体のP値はフリードマン検定から得られます。ペアの事後P値は、ボンフェローニ補正を用いたウィルコクソン符号付きランク検定から得られます。BMQ-NCDはBMQ特異的必要性の合計から懸念の合計を差し引いたもの(範囲、-20から20)です。

予測変数β係数標準誤差Wald zP値調整後手術室(95% CI)コーディング / ユニット
迎撃-10.38112.0697-5.016<0.001—モデルインターセプト
都市居住1.29210.43962.940.00333.64 (1.54–8.62)都市部と農村部(参考文献)
男性の性別-1.52150.6395-2.3790.01740.22 (0.06–0.76)男性対女性(参考文献)
ベースラインBMQ-NCD0.52110.09955.238<0.0011.68 (1.39–2.05)1ポイント増加ごとに
基準族 APGAR0.68870.18473.728<0.0011.99 (1.39–2.86)1ポイント増加ごとに

表3:180日目(N=191)における良好な遵守に関する完全な多変数ロジスティック回帰仕様。この表は、最終的な多変数ロジスティック回帰モデルの切片および回帰係数、標準誤差、Wald統計量、 P値、調整後OR、95%信頼区間を報告しています。良好な遵守は1、低い遵守は0とコード化されます。居住地は都市=1、農村=0です。性別は男性=1対女性=0です。30日目のBMQ-NCDと30日目のファミリーAPGARは、1ポイント増加ごとにモデル化されます。

補足図1:縦断薬物遵守研究における参加者フローおよびコホート選択。このファイルをダウンロードするには、こちらをクリックしてください。

補足ファイル1:完全な分析データセット。このファイルをダウンロードするには、こちらをクリックしてください。

ディスカッション

本研究は標準化された縦断電話プロトコルを示し、虚血性脳卒中後の自己申告180日の服薬遵守率の30日予測モデルを内部で開発します。その中には三つの重要な発見があります。まず、良好な遵守率は30日目の84.3%から90日目に77.0%、180日目に72.8%に減少しました。次に、BMQ-NCDおよび家族のAPGARスコアも予定された評価全体で減少しました。第三に、都市居住、性別、30日目のBMQ-NCD、30日目の家族APGARが、事前に指定された30日予測モデルにおける180日目の遵守率と関連していました。これらの発見は、因果関係ではなく記述的かつ内部予測的な評価を保ちつつ、繰り返しの退院後評価を支持しています。

良好な遵守率の低下は、退院後に二次予防薬の継続が減少する可能性があることを示す過去の脳卒中研究と一致しています(17,18,19,20)。ほとんどの参加者は良好な遵守カテゴリーにとどまりましたが、最も大きく変化したグループは良好から低い遵守へと変化しました。この傾向は、満足のいく早期面接を持続的な薬物服用の証拠として扱うべきではないことを示唆しています。臨床的には、90日目の再評価で即時の回復期間後に行動が変わった患者を特定することができ、180日目の面接は後のレジメンの複雑さ、副作用、アクセス障壁、介護者の関与を確認する機会を提供します。

重要な方法論的貢献として、重複しない3つのリコールウィンドウ、すなわち1日目から30日目、31日目から90日目、91日目から180日目を分離した点があります。このアプローチは、退院後の全期間を繰り返し再構築するよう求めることを避け、各推定値を定義された区間に結びつけます。曝露日加重複合は、異なる処方期間の薬物クラスにも対応しています。それでも、薬局由来のPDCではなく、自己申告の割合としてクラス遵守日数のままです。したがって、想起誤差や社会的望ましさバイアスは摂取量を過大評価する可能性があります。観察された割合は、薬が調剤されたり服用されたことの客観的な確認ではなく、構造化された面接推定値として解釈されるべきです。

縦断的なBMQ-NCDの所見は、遵守パターンの心理社会的背景の可能性があります。BMQ-NCDは必要性スコアから懸念スコアを差し引いたものであり、したがって認識されたニーズと不安の相対的なバランスを表しており、グローバルなBMQの合計25、26、34ではありません。値が低い場合は、必要性の信念が弱い場合や懸念が強い場合、あるいはその両方を反映している場合があります。繰り返し投与することで、どの構成要素が変わったかを特定し、カウンセリングを適切に調整することができますが、本分析では信念の変化が従順さの変化に先行したかどうかを特定できません。アンケート回答は健康状態や治療経験にも影響されることがあります。機械的な結論を導く前に、品目レベルの記録と正確な中国の楽器を検証する必要があります。

家族のAPGARも同様に、客観的に観察された介護の量ではなく、家族の機能の認識を測定しています 27,28。脳卒中回復中、障害の変化、日常生活の活動、心理的苦痛、介護者の負担、家庭の役割、文化的に形成された期待が支援の体験方法に影響を与える可能性があります。35,36,37,38,39,40。したがって、家族APGARの低下は、家族の支援が必然的に悪化したり不遵守を引き起こす証拠ではなく、このコホート内の関連性として説明すべきです。それでもなお、この結果は介護者のフォローアップへの関与と実践的支援・治療役割の繰り返し評価を支援しています。

改訂予測モデルは、30日目の追跡調査後に使用されることを意図しており、その評価で2つの心理社会的予測因子が収集されたためです。時間的な曖昧さを減らすため、30日目以降の退院後の外来診察は除外しました。30日目のBMQ-NCDおよびファミリーAPGARスコアが高いほど、180日目における良好な遵守オッズが高まり、早期の心理社会的再評価の潜在的価値を支持しました。退院後の外来診察は、アウトカムウィンドウと同時期であり、時間的な曖昧さを生じる可能性があるため除外されました。都市居住はアクセス、薬の入手可能性、またはケアの継続性を示すかもしれませんが、これらのメカニズムは測定されておらず、居住は因果的に解釈すべきではありません。高いベースラインBMQ-NCDおよび家族APGARスコアは、良好な遵守オッズと関連しており、退院時の心理社会的評価の潜在的な価値を支持しました。男性はオッズが低いと関連していましたが、この係数は統計的に脆弱で、遵守率が低いグループに属していた女性はわずか5人でした。残存交絡、データ不足効果、センターごとのケアパターンは依然として妥当です。

見かけのAUCが0.879、楽観修正AUCが0.867で、191件の完全なケースにおいて良好な識別力を示しています。見かけのBrierスコア0.118と楽観補正校正傾き0.923は、予測誤差と校正に関する補完的な情報を提供します。ブートストラップ補正は、モデル性能を開発サンプルで評価する際の楽観主義を下げますが、移植可能性を確立するものではありません。これらの推定値は他のモデルよりも優れていること、資源配分の準備状況、臨床判断の検証済み確率閾値を示していません。ノモグラムはフィット方程式の表現です。患者ケアの指示に使用する前に、独立した時間的または多中心的検証を行い、必要に応じて再校正が必要です。

最近の計算研究では、元のレビューに欠けていた手法が追加されています:高次元がんデータにおける不均衡認識特徴選択41、認知症患者および介護者のためのmHealth支援42、大規模医療データベースにおける特徴選択戦略43、脳卒中発生予測のためのADASYN支援ディープラーニング44、そしてより広範な機械学習健康モニタリングフレームワーク45.これらは有用な比較対象ですが、診断的、高次元的、またはセンサー指向の目的は、191名の4人予測因子準拠モデルとは異なります。今後の外部データセットでは、事前に指定されたロジスティック回帰とペナルティ化および機械学習手法を比較しつつ、校正や臨床用性を報告すべきです。

調査範囲にはいくつかの制限があります。単一施設の利便性サンプルは一般化可能性を制限し、完全症例分析では追跡調査を完了しなかった210名の登録参加者のうち19名を除外しました。フローは記録されていますが、喪失バイアスは依然として可能であり、結果値は帰帰属されていません。3つの評価ポイントでは短期的な変動を捉えられず、180日間の期間は長期的な持続や再発性血管結果を特徴づけません。自己申告は、調剤データ、薬剤数、電子モニタリングと照合されませんでした。サンプルは詳細なサブグループ解析を制限し、スパースカテゴリーでは不安定な係数をもたらすことがあります。強みには、重複しない間隔、明示的な複数薬物ルール、あらかじめ定義された人口統計学的および30日目の心理社会的予測因子の使用、そしてブートストラップの内部検証が含まれます。今後の研究では、インタビューとリフィルや電子測定を関連付け、回答者タイプを記録し、追跡期間を12か月に延長し、独立したコホートでモデルを評価する必要があります。

結論

結論として、本プロトコルは自己申告による薬剤服用に関する3つの退院後評価と、4つのあらかじめ定義された臨床および心理社会的予測因子に限定された解釈可能な180日モデルを定義します。モデルは完全症例コホートで有望な内部性能を示しましたが、臨床実装前に独立した外部検証が必要です。

開示事項

すべての著者は利益相反を開示していません。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
Analysis ScriptStudy AuthorsJoVE_Analysis_Script.py (Uploaded as supplementary material)
Chinese Beliefs about Medicines Questionnaire-Specific (BMQ-Specific)Original: Prof. Robert Horne.
Chinese validation: Jiang S. et al. / Nie B. et al. (as cited in text)		Authorized Chinese Version. Administered via structured interview. Permission obtained from the original developer/copyright holder.
Chinese Family APGAR IndexOriginal: Dr. Gabriel Smilkstein.
Chinese application: Smilkstein G. et al. (as cited in text)		Validated Chinese translation. Version: 5-item scale. Open access/Public domain for clinical research.
Chinese National Institutes of Health Stroke Scale (NIHSS)Original: National Institutes of Health (NIH).
Chinese validation: Lyden P.D. et al. (as cited in text)		Validated Chinese version. 11-item clinical scale (0-42). Open access.
MatplotlibThe Matplotlib development teamVersion 3.10.6. Open source (https://matplotlib.org/)
NumPyThe NumPy communityVersion 2.3.3. Open source (https://numpy.org/)
PythonPython Software FoundationVersion 3.13.5 (64-bit Windows environment). Open source (https://www.python.org/)
pandasThe pandas development team (NumFOCUS)Version 2.3.3. Open source (https://pandas.pydata.org/)
SciPyThe SciPy communityVersion 1.16.2. Open source (https://scipy.org/)

参考文献

  1. Sacco RL, Kasner SE, Broderick JP, et al. An updated definition of stroke for the 21st century: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2013;44(7):2064-2089.
  2. GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet Neurol. 2021;20(10):795-820.
  3. Zhao Y, et al. Increasing burden of stroke in China: a systematic review and meta-analysis of prevalence, incidence, mortality, and case fatality. Int J Stroke. 2022;17(10):1083-1092.
  4. Chen Y, et al. Mortality and recurrent vascular events after first incident stroke: a 9-year community-based study of 0.5 million Chinese adults. Lancet Glob Health. 2020;8(4):e580-e590.
  5. Robba C, van Dijk EJ, van der Jagt M. Acute ischaemic stroke and its challenges for the intensivist. Eur Heart J Acute Cardiovasc Care. 2022;11(3):258-268.
  6. Peng Y, et al. Long-term survival, stroke recurrence, and life expectancy after an acute stroke in Australia and New Zealand from 2008-2017: a population-wide cohort study. Stroke. 2022;53(8):2538-2548.
  7. Flach C, et al. Risk and secondary prevention of stroke recurrence: a population-based cohort study. Stroke. 2020;51(8):2435-2444.
  8. Law MR, Morris JK, Wald NJ. Use of blood pressure lowering drugs in the prevention of cardiovascular disease: meta-analysis of 147 randomised trials. BMJ. 2009;338:b1665.
  9. Chen W, et al. Recurrent stroke in minor ischemic stroke or transient ischemic attack with metabolic syndrome and/or diabetes mellitus. J Am Heart Assoc. 2017;6(6):e005446.
  10. Li Q, et al. Prevalence of stroke and vascular risk factors in China: a nationwide community-based study. Sci Rep. 2017;7(1):6402.
  11. Kernan WN, et al. Guidelines for the prevention of stroke in patients with stroke and transient ischemic attack: a guideline for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2014;45(7):2160-2236.
  12. Dawson J, et al. European Stroke Organisation (ESO) guideline on pharmacological interventions for long-term secondary prevention after ischaemic stroke or TIA. Eur Stroke J. 2022;7(3):I-II.
  13. Gladstone DJ, et al. Canadian Stroke Best Practice Recommendations: secondary prevention of stroke update 2020. Can J Neurol Sci. 2022;49(3):315-337.
  14. Xie W, et al. Long-term antiplatelet mono- and dual therapies after ischemic stroke or transient ischemic attack: network meta-analysis. J Am Heart Assoc. 2015;4(8):e002259.
  15. Cramer JA, et al. Medication adherence and persistence: terminology and definitions. Value Health. 2008;11(1):44-47.
  16. Hill MN, Miller NH, De Geest S, et al. ASH position paper: adherence and persistence with taking medication to control high blood pressure. J Clin Hypertens (Greenwich). 2010;12(10):757-764.
  17. Dalli LL, et al. Greater adherence to secondary prevention medications improves survival after stroke or transient ischemic attack: a linked registry study. Stroke. 2021;52(11):3569-3577.
  18. Yeo SH, et al. Impact of medication nonadherence on stroke recurrence and mortality in patients after first-ever ischemic stroke: insights from registry data in Singapore. Pharmacoepidemiol Drug Saf. 2020;29(5):538-549.
  19. Flint AC, et al. Statin adherence is associated with reduced recurrent stroke risk in patients with or without atrial fibrillation. Stroke. 2017;48(7):1788-1794.
  20. Bushnell CD, et al. Secondary preventive medication persistence and adherence 1 year after stroke. Neurology. 2011;77(12):1182-1190.
  21. Mansoor H, et al. Sex differences in prescription patterns and medication adherence to guideline-directed medical therapy among patients with ischemic stroke. Stroke. 2025;56(2):318-325.
  22. Ullberg T, et al. Associations between ischemic stroke follow-up, socioeconomic status, and adherence to secondary preventive drugs in southern Sweden. Neuroepidemiology. 2017;48(1-2):32-38.
  23. Hodson T, Gustafsson L, Cornwell P. Unveiling the complexities of mild stroke: an interpretative phenomenological analysis of the mild stroke experience. Aust Occup Ther J. 2019;66(5):656-664.
  24. Horne R, Weinman J. Predicting treatment adherence: an overview of theoretical models. In: The Handbook of Health Behavior Change. 5th ed. 2020. DOI:10.1201/9781003072348-4.
  25. Horne R, Weinman J, Hankins M. The Beliefs about Medicines Questionnaire: the development and evaluation of a new method for assessing the cognitive representation of medication. Psychol Health. 1999;14(1):1-24.
  26. Nie B, et al. Utilization of the Beliefs about Medicines Questionnaire and prediction of medication adherence in China: a systematic review and meta-analysis. J Psychosom Res. 2019;122:54-68.
  27. Smilkstein G, Ashworth C, Montano D. Validity and reliability of the Family APGAR as a test of family function. J Fam Pract. 1982;15(2):303-311.
  28. Zhang Y. Family functioning in the context of an adult family member with illness: a concept analysis. J Clin Nurs. 2018;27(15-16):3205-3224.
  29. Lyden PD, et al. A modified National Institutes of Health Stroke Scale for use in stroke clinical trials: preliminary reliability and validity. Stroke. 2001;32(6):1310-1317.
  30. Banks JL, Marotta CA. Outcomes validity and reliability of the modified Rankin Scale: implications for stroke clinical trials: a literature review and synthesis. Stroke. 2007;38(3):1091-1096.
  31. Mayberry LS, Osborn CY. Family support, medication adherence, and glycemic control among adults with type 2 diabetes. Diabetes Care. 2012;35(6):1239-1245.
  32. Al-Arkee S, et al. Mobile apps to improve medication adherence in cardiovascular disease: systematic review and meta-analysis. J Med Internet Res. 2021;23(5):e24190.
  33. Zhang Y, et al. Treatment adherence and secondary prevention of ischemic stroke among discharged patients using mobile phone- and WeChat-based improvement services: cohort study. JMIR Mhealth Uhealth. 2020;8(6):e16496.
  34. Jiang S, et al. Relationship between medication literacy and beliefs among persons with type 2 diabetes mellitus in Guangdong, China. Patient Prefer Adherence. 2023;17:2039-2050.
  35. Liu KF, et al. Time-varying risk factors associated with the progress of functional recovery and psychological distress in first-ever stroke patients. J Neurosci Nurs. 2022;54(2):80-85.
  36. Ytterberg C, et al. Perceived impact of stroke six years after onset, and changes in impact between one and six years. J Rehabil Med. 2017;49(8):637-643.
  37. Pai HC, et al. Change in activities of daily living in the year following a stroke: a latent growth curve analysis. Nurs Res. 2018;67(4):286-293.
  38. Cao JX, Chen XP. Research progress of the living conditions for family caregivers of stroke survivors. J Nurs. 2010;17:9-11.
  39. Pan Y, Jones PS, Winslow BW. The relationship between mutuality, filial piety and depression in family caregivers in China. J Transcult Nurs. 2017;28(5):455-463.
  40. Chung ML, et al. Depressive symptom trajectories in family caregivers of stroke survivors during first year of caregiving. J Cardiovasc Nurs. 2021;36(3):254-262.
  41. Aliyu BS, et al. Enhanced feature selection for imbalanced microarray cancer gene classification using chaotic salp swarm algorithm. Int J Theor Appl Comput Intell. 2025;2025:258-283.
  42. Yousaf K, et al. Mobile-health applications for the efficient delivery of health care facility to people with dementia (PwD) and support to their carers: a survey. Biomed Res Int. 2019;2019:7151475.
  43. Karimi M, et al. Feature selection methods in big medical databases: a comprehensive survey. Int J Theor Appl Comput Intell. 2025;2025:181-209.
  44. Rehman A. Brain stroke prediction through deep learning techniques with ADASYN strategy. In: 2023 16th International Conference on Developments in eSystems Engineering (DeSE); 2023. p. 679-684.
  45. Kurdi SZ. Machine learning-based classification framework for human health care monitoring. Int J Theor Appl Comput Intell. 2026;2026:1-15.

再版と許可

タグ

APGAR BMQ Specific
お問い合わせ
図書館への推薦

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。