# Michigan Medicine による Epic Sepsis Model の外部検証では AUC が0.63で、敗血症の患者の67%を見落とす一方、入院患者全体の18%に警報を出していた

ページ: https://flyvolo.ai/ja/changes/ev-20210621-registered-nurse-4
日付: 2021-06-21 · 段階: 制限または撤回
この記録は業務の判断を動かせますか? できる
職業: https://flyvolo.ai/ja/careers/registered-nurse

## 適用範囲

米国の大学附属の医療システム一つにおける、2018年12月6日から2019年10月20日までの27,697人・38,455件の入院。入院の6.6%で敗血症が生じている。実装された閾値では、臨床の現場が見落としていた敗血症患者2,552人のうち183人(7%)をこのモデルが見つけた。提供元自身が報告していた AUC は0.76-0.83である。広く導入されている独自モデル一つを、一施設で見た結果であり、あらゆる早期警告の道具についての結果ではない。Epic はその後モデルを改訂している。

## 出典

- JAMA Internal Medicine — Wong et al. 181(8) (open-access copy, PMC8218233) — https://pmc.ncbi.nlm.nih.gov/articles/PMC8218233/ (一次資料)

## これが意味すること

このモデルは実際の病院で稼働しており、その数字自身が「患者を見ていること」を自動化する費用を示している——実際に使われた閾値では、入院のおよそ五件に一件で警報を出しながら、敗血症の事例の三分の二を見逃していた。希少なのは検知ではなく較正である——それでもなお信じてもらえる程度に、めったに鳴らないベッドサイドの判断である。

## まだ示していないこと

予測による監視が行き止まりだと示すものではない。この研究は一つの施設での十一か月にわたる、一つの非公開モデルについてのものであり、Epic はその後これを作り直した。看護師の時間が守られることを示すものでもない——誰も信じない警報も、評価して記録しなければならないので、較正の悪い道具は、何も取り除かないまま仕事を増やしうる。

## 自分で確かめる方法

早期警戒のスコアがある病棟で働いているなら、数字の付いた問いを二つ立てること——一勤務あたり何件の警報が鳴るか、そしてそのうち何件が誰かの行動を変えたか。自分のところの閾値での警報の頻度を伴わずに引かれるベンダーのAUCは、半分の数字である。


詳しくは: https://flyvolo.ai/llms.txt