| A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | ||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | TXP主導の研究 (抜粋 - 共同研究者の都合などにより一部の論文はリストから除外) | ||||||||||||||||||||||||||
2 | タイトル | 雑誌 | 著者 | 研究概要 | TXPとしての研究の強み・新規性 | データソース | URL | ||||||||||||||||||||
3 | C-reactive protein clustering to clarify persistent inflammation, immunosuppression and catabolism syndrome. | Intensive Care Med. | Nakamura K, Ogura K, Nakano H, Naraba H, Takahashi Y, Sonoo T, Hashimoto H, Morimura N. | 日本の三次救急病院のICU患者5513例を対象に、PIICS（Persistent Inflammation, Immunosuppression, and Catabolism Syndrome）を発症する患者集団の同定を試みた研究で、K-means法により4つのPIICS発症クラスと3つの非PIICS発症クラスに分類し、CRPやBarthel Index、アルブミン、総リンパ球数のカットオフ値とPIICS発症の関連を同定した。 | ICU患者における構造化データを用いて、機械学習モデルを活用したクラスタリング研究を実施している。 | NEXT Stage ICU DWH | https://pubmed.ncbi.nlm.nih.gov/31919541/ | ||||||||||||||||||||
4 | Validation of chief complaints, medical history, medications, and physician diagnoses structured with an integrated emergency department information system in Japan: the Next Stage ER system. | Acute Med Surg. | Goto T, Hara K, Hashimoto K, Soeno S, Shirakawa T, Sonoo T, Nakamura K. | 日本の三次救急病院のNSERデータから500症例をランダムに抽出し、構造化された主訴、既往歴、薬歴の正確性を医師のレビューで検証した結果、NSERデータの構造化処理が9割近い精度を持つことを実証した。 | 従来フリーテキストベースで記録されていた救急外来の診療情報を、Next Stage ER system（NSER）の導入により構造化し、精度検証をしている。 | NEXT Stage ER | https://pubmed.ncbi.nlm.nih.gov/32884825/ | ||||||||||||||||||||
5 | Streamlining Data Recording through Optical Character Recognition: A Prospective Multi-Center Study in Intensive Care Units. | Crit Care. | Nitayavardhana P, Liu K, Fukaguchi K, Fujisawa M, Koike I, Tominaga A, Iwamoto Y, Goto T, Suen JY, Fraser JF, Ng PY. | 集中治療室に入室した重症人工呼吸器/ECMO患者を対象とした3カ国での国際前向き多施設観察研究で、光学文字認識（OCR）技術を活用して患者データを収集することで、高い精度(98.5%)で、手入力と比較してもデータ入力時間が大幅に短縮された(OCR 3.4分 vs. 手入力 6.0分)ことが示された。 | TXPの開発したOCRシステムをスタッフのスマートフォンデバイスに導入し、複数の国のICUで、多言語で業務フローを改善することを示した。 | TXPの開発したOCRシステム | https://pubmed.ncbi.nlm.nih.gov/40102894/ | ||||||||||||||||||||
6 | Coagulation phenotypes in sepsis and effects of recombinant human thrombomodulin: an analysis of three multicentre observational studies. | Crit Care. | Kudo D, Goto T, Uchimido R, Hayakawa M, Yamakawa K, Abe T, Shiraishi A, Kushimoto S. | JSEPTIC-DIC, Tohoku Sepsis Registry, FORECASTの3つの敗血症レジストリを使用して敗血症患者を凝固因子から4つのフェノタイプに分類した研究で、FDPおよびDダイマー値が高く、重度の臓器障害を伴い、死亡率が高いフェノタイプでのみトロンボモジュリンの効果があることを示唆した。 | 国内の複数の多施設敗血症データセットを使用し、凝固因子による敗血症患者のフェノタイプと、敗血症に対する効果がcontroversialであるトロンボモジュリンの効果のheterogenityを示した。 | JSEPTIC-DIC, Tohoku Sepsis Registry, FORECAST | https://pubmed.ncbi.nlm.nih.gov/33741010/ | ||||||||||||||||||||
7 | Web-based application for predicting the potential target phenotype for recombinant human thrombomodulin therapy in patients with sepsis: analysis of three multicentre registries. | Crit Care. | Goto T, Kudo D, Uchimido R, Hayakawa M, Yamakawa K, Abe T, Shiraishi A, Kushimoto S. | 先行研究で示した敗血症患者のフェノタイプを予測する機械学習モデルを開発し、ウェブアプリケーションを実装した研究で、予測モデルのC統計量は0.996（95%CI 0.993-0.998）であり、また特定のフェノタイプでのトロンボモジュリンの使用が院内死亡率の低下と関連することを示した（調整リスク差 -31.3%、95%CI -53.5～-9.1%）。 | 先行研究を踏まえた実装研究であり、特定のフェノタイプを持つ敗血症患者に対するトロンボモジュリンと院内死亡率の関係を機械学習モデルにより検証した。 | JSEPTIC-DIC, Tohoku Sepsis Registry, FORECAST | https://pubmed.ncbi.nlm.nih.gov/35590381/ | ||||||||||||||||||||
8 | Medical Cost Analysis of Implantable Cardioverter Defibrillators for Primary Prevention Among Cardiac Arrest Patients | Circulation Journal | Yusuke Kondo, MD, PhD, FJCS; Toshinori Chiba, MD, PhD; Maiko Osawa, PhD; Yohei Kawasaki, PhD; Tadahiro Goto, MD, MPH, MFA, PhD; James A. Coles Jr., PhD; Sayaka Ono; Katsuhiko Imai, MD, PhD; Masahiko Takagi, MD, PhD, FJCS; Satoaki Matoba, MD, PhD, FJCS; Yoshio Kobayashi, MD, PhD, FJCS; Hiroshi Tada, MD, PhD, FJCS | 国内4施設の救急センターに搬送された心停止患者3606例のうち、心臓突然死の一次予防ICD植込みの適応があったにもかかわらず未治療だった心停止患者43例を調査した。43例のうち、17例は（39.5%）は救急外来で、4例（15.3%）が院内で死亡し、生存退院した18例の中でも10例（55.6%）は重篤な神経学的後遺症が確認された。また、43名の患者の心停止後の平均医療費総額は、11,679米ドル（約177万5千円）で、特に入院した患者に限定すると、その平均医療費総額は15,879米ドル（約241万3千円）に上った。 | NSER, DWH, DPCを活用し、救急センターに搬送された心停止患者の構造化診療情報、採血、医療費を低い解析工数で実現した。本研究は、ICD植込みに関する医療費について言及した国内初の研究である。 | 国内4施設のNEXT Stage ER, DWH, DPC EFデータ, FFデータ | https://www.jstage.jst.go.jp/article/circj/advpub/0/advpub_CJ-25-0195/_html/-char/ja | ||||||||||||||||||||
9 | Experimental Implementation of NSER Mobile App for Efficient Real-Time Sharing of Prehospital Patient Information With Emergency Departments: Interrupted Time-Series Analysis. | JMIR Form Res. | Fukaguchi K, Goto T, Yamamoto T, Yamagami H. | 従来紙ベースの運用をしていた鎌倉消防の救急搬送システムを、NSER mobileの導入によるデジタルなデータ連係により、死亡率や全搬送時間を増加させることなく、電話連絡時間を45秒（22%）短縮することを示した。 | NSER mobile導入により現場運用指標の一つである通話時間の短縮を定量的に示している。 | 消防OAデータ | https://pubmed.ncbi.nlm.nih.gov/35793142/ | ||||||||||||||||||||
10 | Development of novel optical character recognition system to reduce recording time for vital signs and prescriptions: A simulation-based study. | PLoS One. | Soeno S, Liu K, Watanabe S, Sonoo T, Goto T. | 38人の救急医療スタッフを対象に、手書きとNSER mobileに搭載されたOCRでの情報収集速度を比較したところ、薬歴情報の記録においてOCRの方が有意に速いことを示した（6薬剤の記録時間の中央値、手入力 144秒 vs OCR 18秒、p<0.001）。 | これまで定量的に示されていなかった救急外来でのOCRの運用について、従来の手書きよりも迅速かつエラーが少ないことを示している。 | シミュレーション | https://pubmed.ncbi.nlm.nih.gov/38241403/ | ||||||||||||||||||||
11 | Acceptance, Barriers, and Facilitators to Implementing Artificial Intelligence-Based Decision Support Systems in Emergency Departments: Quantitative and Qualitative Evaluation. | JMIR Form Res. | Fujimori R, Liu K, Soeno S, Naraba H, Ogura K, Hara K, Sonoo T, Ogura T, Nakamura K, Goto T. | 国内の三次救急病院の2施設14名の医師を対象に、大動脈解離の診療予測をする臨床判断支援システムのアプリケーション使用とインタビューを実施し、受容性、障壁、導入促進要因について定量的かつ定性的に同定した。 | AIに基づく臨床判断支援システムをアプリ化し、現場の医師から定性的な評価を入手している。 | シミュレーション | https://pubmed.ncbi.nlm.nih.gov/35699995/ | ||||||||||||||||||||
12 | Development and Validation of a Novel Method for Converting the Japan Coma Scale to Glasgow Coma Scale. J Epidemiol. | J Epidemiol. | Nakajima M, Okada Y, Sonoo T, Goto T. | 救急現場での患者の意識状態を評価する指標のうち、日本のDPCでも採用されているJapan Coma Scale (JCS)と国際Gold standardであるGlascow Coma Scale (GCS)を高い精度で変換可能なことを示した。 | 意識状態指標の国際Gold standardであるGCSと日本特有のJCSが両者とも構造化して取得可能なNSERのデータだからこそ実現できた。 | NEXT Stage ER | https://pubmed.ncbi.nlm.nih.gov/35851565/ | ||||||||||||||||||||
13 | External validation of the POP score for predicting obstetric and gynecological diseases in the emergency department. | Am J Emerg Med. | Okada Y, Okada A, Ito H, Sonoo T, Goto T. | 救急外来での産婦人科疾患を予測する米国発のPOPスコアについて、日本の三次救急病院を受診した若年女性1,026人を対象に外的妥当性を検証した研究で、POPスコアに基づく産婦人科疾患の予測確率と実際の割合が概ね近いことを実証した。 | 米国で確立された臨床スコアについて、日本のデータを用いて外的妥当性を検証している。 | NEXT Stage ER | https://pubmed.ncbi.nlm.nih.gov/34808457/ | ||||||||||||||||||||
14 | Institution-Specific Machine Learning Models for Prehospital Assessment to Predict Hospital Admission: Prediction Model Development Study. | JMIR Med Inform. | Shirakawa T, Sonoo T, Ogura K, Fujimori R, Hara K, Goto T, Hashimoto H, Takahashi Y, Naraba H, Nakamura K. | 日本の三次救急病院に救急搬送された患者を対象に、病院前に入手可能な情報のみで入院確率を予測するモデルを開発し、AUROC 0.82、感度0.74、特異度0.75の性能が得られた。 | NSERから病院前情報を構造的に入手し、救急外来での診療情報と連携した研究。 | NEXT Stage ER | https://pubmed.ncbi.nlm.nih.gov/33107830/ | ||||||||||||||||||||
15 | Survey on emergency care utilization in tertiary care hospitals in Indonesia. | medRxiv | Fujisawa M, Fukaguchi K, Tokita A, Iwamoto Y, Takeda T, Condro L, Tobing M, Prabowo B, Qodri R, Battra S, Goto T. | インドネシア国内の2つの医療機関を受診した446名の患者と家族を対象に救急医療システムへの認識調査をした研究で、患者の受診経路(自家用車が36.9％）や公安センターPSCの認知度(9.4%)など、現状のシステムの課題を定量化した。 | 既存のデータがほとんどないインドネシアにおける救急外来の受診方法や滞在時間などに関する定量的な数値を示している。 | サーベイ | https://www.medrxiv.org/content/10.1101/2024.01.18.24301470v1 | ||||||||||||||||||||
16 | The Accuracy and Potential Racial and Ethnic Biases of GPT-4 in the Diagnosis and Triage of Health Conditions: Evaluation Study. | JMIR Med Educ. | Ito N, Kadomatsu S, Fujisawa M, Fukaguchi K, Ishizawa R, Kanda N, Kasugai D, Nakajima M, Goto T, Tsugawa Y. | GPT-4と救急専門医に45個の実際の救急症例を提示し、トリアージと病名診断をさせたところ、トリアージの正解率（GPT-4 66.7% vs 医師 66.7%、p=0.99）、診断の正解率（GPT-4 97.8% vs 医師 91.1%、p=0.38）と、人種や民族性を問わずほとんど差が見られないことを示した。 | LLMの臨床応用について、トリアージ、診断能力が救急専門医と同程度であることを示している。 | シミュレーション | https://pubmed.ncbi.nlm.nih.gov/37917120/ | ||||||||||||||||||||
17 | Dose reduction of olaparib in older patients: Insights from an analysis of a National Database in Japan. | J Obstet Gynaecol Res. | Sato M, Goto T. | 日本のNational Data Base (NDB)から女性外来患者におけるオラパリブの全処方を抽出し、オラパリブ全体の45.1%が65歳以上の女性患者に処方されていること、年齢が高くなるほど150mg 1日4錠処方よりも100mg 1日4錠処方の割合が有意に増加していたことを示した（p<0.0001）。 | NDBデータを使用し、oncology領域での薬剤処方に関する研究。 | NDB Open data | https://pubmed.ncbi.nlm.nih.gov/37786354/ | ||||||||||||||||||||
18 | Challenges hindering emergency physicians; involvement in multicenter collaborative studies in Japan: A nationwide survey analysis. | Acute Med Surg. | Yasuda M, Saito A, Goto T, Yamamoto R, Liu K, Kuriyama A, Kondo Y, Kasugai D | 日本の救急領域における多施設共同研究の実態を調査するためのウェブアンケートを実施した研究（回答者387人)であり、過剰なデータ入力（72％）、時間的制約（59％）、各施設での倫理審査（50％）といった研究障壁と、研究者間ネットワーク作り（70％）、データセットの再利用（65％）などのインセンティブへの認識などを示した。 | 日本全国の救急医にアプローチした研究であり、多施設共同研究の実態を浮き彫りにした。 | サーベイ | https://pubmed.ncbi.nlm.nih.gov/38020489/ | ||||||||||||||||||||
19 | Clinical implications of urine output-based sepsis-associated acute kidney injury. | Intensive Care Med. | Kasugai D, Nakashima T, Goto T. | 敗血症関連急性腎障害（SA-AKI）に関するIntensive Care Med. のoriginal researchに対し、MIMIC-IVのデータで検証したCommentary paper. | 米国の集中治療データベースMIMIC-IVを用いたAKI領域での専門性の高い研究。 | MIMIC-IV | https://pubmed.ncbi.nlm.nih.gov/37604956/ | ||||||||||||||||||||
20 | The Contribution of Chest X-Ray to Predict Extubation Failure in Mechanically Ventilated Patients Using Machine Learning-Based Algorithms. | Crit Care Explor. | Fukuchi K, Osawa I, Satake S, Ito H, Shibata J, Dohi E, Kasugai D, Miyamoto Y, Ohbe H, Tamoto M, Yamada N, Yoshikawa K, Goto T. | ICU入室して人工呼吸器管理となった患者を対象に、一般的に抜管時にルーチンで実施される胸部Xpの所見が、再挿管リスクを予測する機械学習モデルの性能にほとんど寄与しないことを示した。 | 集中治療領域において、患者情報や採血などの検査値データに加え、画像所見も組み込んだ研究である。 | MIMIC-III, MIMIC-IV | https://pubmed.ncbi.nlm.nih.gov/35702351/ | ||||||||||||||||||||
21 | The Association Between Time From Emergency Department Visit to ICU Admission and Mortality in Patients With Sepsis. | Crit Care Explor. | Shibata J, Osawa I, Fukuchi K, Goto T. | 敗血症国際ガイドライン(SSCG)2021でも議論の対象となっている、敗血症患者の救急外来受診からICU受診までの時間と28日死亡率の関係について、米国MIMIC-IVのデータを用いて3.3時間以内のICU入室が死亡率を低下させることを示した。 | 米国の救急外来データベースMIMIC-IV-EDと集中治療データベースであるMIMIC-IVを連携し、敗血症の国際ガイドラインについて言及している。 | MIMIC-IV, MIMIC-IV-ED | https://pubmed.ncbi.nlm.nih.gov/37181540/ | ||||||||||||||||||||
22 | Trauma mechanisms and patterns of blunt cervical vascular injury: A descriptive study using a nationwide trauma registry. | Am J Emerg Med. | Shibata J, Okada Y, Osawa I, Shiraishi A, Goto T. | 日本国内の鈍的頸部血管損傷患者の情報をもとに、受傷機転や併存損傷の関係をネットワーク解析により視覚的に表現し、臨床現場での外傷見逃し予防に寄与することを示唆した。 | 日本外傷データバンクを用いた研究事例。 | Japan Trauma Data Bank | https://pubmed.ncbi.nlm.nih.gov/37379619/ | ||||||||||||||||||||
23 | Association between comorbid mental illness and preceding emergency department visits in unplanned admissions. | Acute Med Surg. | Okuma A, Nakajima M, Sonoo T, Nakamura K, Goto T. | 日本の三次救急病院における精神疾患の有無と救急外来の再受診率の関連を調査した研究であり、精神疾患の既往がある患者は、そうでない患者と比べて有意に再受診率が高いことを示した（調整オッズ比 2.40、95%CI 1.97-2.94）。 | NSERの患者IDを用いて同一患者の同定を可能にした精神科救急領域での研究。 | NEXT Stage ER | https://pubmed.ncbi.nlm.nih.gov/36698917/ | ||||||||||||||||||||
24 | Characteristics of patients with hip fractures and comorbid fall-related injuries in the emergency department. | Acute Med Surg. | Ishizawa R, Nakanishi N, Keibun L, Sonoo T, Nakamura K, Goto T. | 日本の三次救急病院における救急外来を受診した患者のうち、整形領域で頻度の高い大腿骨頸部骨折を対象として、橈骨遠位端骨折（6%）や硬膜下血腫（4%）などの併存外傷を定量的に示した。 | NSER特有の構造化された病名収集により、救急外来の併存損傷についても定量的に評価している。 | NEXT Stage ER | https://pubmed.ncbi.nlm.nih.gov/36311177/ | ||||||||||||||||||||
25 | The prognostic utility of prehospital qSOFA in addition to emergency department qSOFA for sepsis in patients with suspected infection: A retrospective cohort study. | PLoS One. | Saito A, Osawa I, Shibata J, Sonoo T, Nakamura K, Goto T. | 感染症が疑われた患者について、救急隊接触時と来院時の敗血症スクリーニングスコアqSOFAの推移を追跡し、来院時単体のqSOFAよりも精度が向上することを示した。 | 従来では入手が困難であった救急隊接触時の構造化情報を研究に使用している。 | NEXT Stage ER, NEXT Stage ICU, DWH | https://pubmed.ncbi.nlm.nih.gov/36827234/ | ||||||||||||||||||||
26 | Risk factors of sepsis among patients with qSOFA<2 in the emergency department. | Am J Emerg Med. | Shibata J, Osawa I, Ito H, Soeno S, Hara K, Sonoo T, Nakamura K, Goto T. | 救急外来での敗血症スクリーニングスコアであるqSOFAが陰性（<2点）であった患者が、入院後に敗血症を発症するリスク因子をロジスティックス回帰で検証し、高齢患者、意識変容や頻呼吸、糖尿病の既往などと敗血症発症の有意な相関があることを示した。 | 救急外来からICU、院内のDWHデータまでを統合し、敗血症患者の救急外来から院内までの情報を総合的に活用している。 | NEXT Stage ER, NEXT Stage ICU, DWH | https://pubmed.ncbi.nlm.nih.gov/34879489/ | ||||||||||||||||||||
27 | Clinical performance of early warning scoring systems for identifying sepsis among anti-hypertensive agent users. | Am J Emerg Med. | Osawa I, Sonoo T, Soeno S, Hara K, Nakamura K, Goto T. | 救急外来における敗血症スクリーニングスコアであるqSOFAとNEWSは、いずれも血圧低値が敗血症発症の要因となることを前提したスコアであるが、降圧薬を内服している患者ではこれらのスコアの精度が有意に低下することを示した。 | NSERから薬剤辞書に基づく構造から構造化された内服情報を取得しており、内服の有無に基づく研究展開を可能としている。 | NEXT Stage ER, NEXT Stage ICU, DWH | https://pubmed.ncbi.nlm.nih.gov/33878566/ | ||||||||||||||||||||
28 | Association of Initial Potassium Levels with the Type of Stroke in the Emergency Department. | J Stroke Cerebrovasc Dis. | Fukaguchi K, Yamagami H, Soeno S, Hara K, Shirakawa T, Sonoo T, Nakamura K, Goto T. | 日本の三次救急病院におけるくも膜下出血を含む出血性脳卒中患者と虚血性脳卒中患者を対象にした研究で、血清K値が低いほど出血性脳卒中のリスクが高いことを示した（1mEq/L低下あたりの調整オッズ比 3.31, 95%CI 2.24-5.04）。 | 構造化したNSERの病名とDWHからの採血データを紐付けることで実施した。 | NEXT Stage ER, DWH | https://pubmed.ncbi.nlm.nih.gov/34062311/ | ||||||||||||||||||||
29 | Initial assessment in emergency departments by chief complaint and respiratory rate. | J Gen Fam Med. | Soeno S, Hara K, Fujimori R, Hashimoto K, Shirakawa T, Sonoo T, Nakamura K, Goto T. | 救急外来を受診した患者の主訴別の呼吸数に着目し、発熱、呼吸苦、意識障害などにおいて、呼吸数が少ない（12回未満）、または多い（24回以上）患者で入院率が高いというU字型の関係性を示した。 | NSERから内部辞書に紐付いて構造化された主訴を取得し、主訴別のバイタルサインと転帰の関連を示すことができている。 | NEXT Stage ER | https://pubmed.ncbi.nlm.nih.gov/34221794/ | ||||||||||||||||||||
30 | Time in blood glucose range 70 to 180 mg/dL and survival rate in critically ill patients: A retrospective cohort study. | PLoS One. | Naraba H, Goto T, Shirakawa T, Sonoo T, Kanda N, Nakano H, Takahashi Y, Hashimoto H, Nakamura K. | 日本の三次救急病院でICU入室した患者を対象に、目標血糖値(70-180 mg/dL)と28日死亡率の関係を検証した研究で、HbA1cが6.5%未満の患者において、目標血糖値を達成した期間が80%未満の場合は28日死亡率が有意に高いことを示した。 | ICU患者における構造化された時系列データを研究活用している。 | NEXT Stage ICU DWH | https://pubmed.ncbi.nlm.nih.gov/34043681/ | ||||||||||||||||||||
31 | Accuracy and Stability of a Subcutaneous Flash Glucose Monitoring System in Critically Ill Patients. | J Diabetes Sci Technol. | Naraba H, Goto T, Tokuda M, Sonoo T, Nakano H, Takahashi Y, Hashimoto H, Nakamura K. | 日本の三次救急病院のICUに入室した116人の重症患者を対象に、動脈血ガスの血糖値とFlash glucose monitoringにより皮下測定された血糖値の誤差を検証し、測定平均値の99.4%が臨床的に許容できる精度範囲内にあることを示した。 | ICU患者における構造化された時系列データを研究活用している。 | NEXT Stage ICU | https://pubmed.ncbi.nlm.nih.gov/34116614/ | ||||||||||||||||||||
32 | Disseminated Intravascular Coagulopathy Is Associated with the Outcome of Persistent Inflammation, Immunosuppression and Catabolism Syndrome. | J Clin Med. | Nakamura K, Ogura K, Nakano H, Naraba H, Takahashi Y, Sonoo T, Hashimoto H, Goto T. | 日本の三次救急病院のICU患者を対象に、ICU入室患者で頻度の高いDisseminated intravascular coagulation (DIC)とPIICS（Persistent Inflammation, Immunosuppression, and Catabolism Syndrome）の関係を調べた研究で、多変量回帰分析と一般化構造方程式モデルにより、入院時のDICの有病がPIICS発症のリスク因子であることが同定された。 | ICU患者における構造化データを用いて、複数のスコアリングを横断的に検証している。 | NEXT Stage ICU DWHH | https://pubmed.ncbi.nlm.nih.gov/32824569/ | ||||||||||||||||||||
33 | Explorative Clustering of the Nitrogen Balance Trajectory in Critically Ill Patients: A Preliminary post hoc Analysis of a Single-Center Prospective Observational Study. | Ann Nutr Metab. | Nakamura K, Ogura K, Nakano H, Ikechi D, Mochizuki M, Takahashi Y, Goto T. | 日本の三次救急病院のICU患者76例を対象に窒素バランスを評価した研究で、K-means法で患者を4つのクラスに分類し、クラスごとの窒素バランスのin-outの評価や、各群での入院時病名、入院期間、大腿筋容積などについて評価した。 | ICU患者における構造化データを用いて、機械学習モデルを活用したクラスタリング研究を実施している。 | NEXT Stage ICU | https://pubmed.ncbi.nlm.nih.gov/37812913/ | ||||||||||||||||||||
34 | Prognostic value of initial serum sodium level in predicting disease severity in patients with COVID-19: A multicenter retrospective study. | J Infect Chemother. | Hata T, Goto T, Yamanaka S, Matsumoto T, Yamamura O, Hayashi H. | 福井市内の10病院にてCOVID-19と診断された非重症患者1055人を対象にした研究で、初期採血での低Na血症は入院後に酸素療法が必要となるリスクの上昇（1mEq/L低下あたりの調整オッズ比 1.12, 95％CI 1.05-1.19）と院内死亡含む重症化リスクの上昇（1mmol/L低下あたりの調整オッズ比1.09, 95％CI 0.99-1.20）と関連することを示した。 | 多施設研究(10施設)のデータを使用した福井大学との共同研究であり、疾患の重症度と採血データ、転帰までのデータを利用している。 | 福井大学含む10施設データ | https://pubmed.ncbi.nlm.nih.gov/37802152/ | ||||||||||||||||||||
35 | Non-Linear Association of P0.1 and Patient Survival. | Am J Respir Crit Care Med. | Kadomatsu S, Shinozaki T, Nakajima M, Goto T. | 気道閉塞圧（P0.1）と人工呼吸器装着時間の関連を調べた先行研究（PMID: 38319128）へのcorrespondence paperであり、従来の線形モデルの限界を指摘すると共に非線形なスプラインモデルの使用を提唱した。 | インターンの医学生が執筆した手法論に関する研究。 | レター | https://pubmed.ncbi.nlm.nih.gov/38843534/ | ||||||||||||||||||||
36 | Key challenges in prehospital and emergency care in Indonesia and Malaysia: a survey of frontline clinicians | BMC Res notes | Tokita A, Nunokawa H, Liu K, Iwamoto Y, Sonoo T, Hara K, Nakajima M, Fukaguchi K, Takeda T, Sanip A, Juzar DA, Gurjeet Singh AHS, Condro L, Tobing M, Abu Hasan MAB, Nik Abdul Rahman NH, Mahisa O, Aviesena Zairinal R, Ramli MKB, Mohd Nor MA, Goto T, Zakaria MIB. | インドネシアとマレーシアにおける救急搬送や救急医療の現場医師を対象としたアンケート調査を行った研究で、両国における救急医療体制の課題を定量的に明らかにした。 | 海外の施設と共同で行った研究。 | サーベイ | https://pubmed.ncbi.nlm.nih.gov/39363219/ | ||||||||||||||||||||
37 | Streamlining data recording through optical character recognition: a prospective multi-center study in intensive care units | Crit Care. | Nitayavardhana P, Liu K, Fukaguchi K, Fujisawa M, Koike I, Tominaga A, Iwamoto Y, Goto T, Suen JY, Fraser JF, Ng PY. | ICUの患者モニターデータをOCR（光学文字認識）を用いて直接EDC（Electronic Data Capture）に登録するシステムを開発し、多施設前向き観察研究によりその運用を検証した。 | TXPが開発したICU用のOCRシステムを用いた研究。 | 多施設前向き観察研究 | https://pubmed.ncbi.nlm.nih.gov/40102894/ | ||||||||||||||||||||
38 | Development and validation of a bedside-available machine learning model to predict discrepancies between SaO₂ and SpO₂: Exploring factors related to the discrepancies | PLOS One. | Sato R, Ito N, Kadomatsu S, Hanioka N, Nakajima M, Goto T. | ICU患者におけるSpO2とSaO2の乖離をベッドサイドで予測する機械学習モデルを開発し、その妥当性を検証した研究で、乖離に関連する因子も併せて探索した。 | インターンの医学生が中心となった研究。 | MIMIC-IV | https://pubmed.ncbi.nlm.nih.gov/41118380/ | ||||||||||||||||||||
39 | Simple risk score (MV-SoLdHARP) for intensive care unit readmission or in-hospital death among surgical intensive care unit patients: Derivation and internal validation using a Japanese nationwide inpatient database | Surgery | Shizawa Y, Goto T, Nakajima M, Unoki T, Nakamura K, Yokota I. | MDVデータを用いて、外科系ICU患者のICU再入室および院内死亡を予測するシンプルなリスクスコア（MV-SoLdHARP）を開発し、内部検証を行った研究。 | MDVデータを用いたTXPメンバーによる研究。 | MDV | https://pubmed.ncbi.nlm.nih.gov/41875618/ | ||||||||||||||||||||
40 | Healthcare Utilization and Costs After Appropriate or Inappropriate Implantable Defibrillator Shocks: A Retrospective Real-World Data Study in Japan | Clinicoecon Outcomes Res | Noda T, Matsumoto T, Tanaka Y, Goto T. | TXPデータを用いて、埋め込み型除細動器の適切作動および不適切作動の後の医療資源使用と医療費を分析した研究。 | TXPデータを用いたメドトロニックとの共同研究。 | TXP Data | https://pubmed.ncbi.nlm.nih.gov/41940376/ | ||||||||||||||||||||
41 | Hypoglycemic Events Focusing on Situational Factors, Bystander Identification, and Prehospital Management | J Clin Med | Okada A, Watanabe S, Koyama Y, Nomura R, Goto T. | TXPデータと消防データを用いて、低血糖による救急搬送の状況的要因、目撃者による発見、および病院前管理について実態を調査した研究。 | TXPデータを用いた研究（イーライリリー社スポンサード）。 | TXP Data | https://pubmed.ncbi.nlm.nih.gov/41977049/ | ||||||||||||||||||||
42 | |||||||||||||||||||||||||||
43 | |||||||||||||||||||||||||||
44 | |||||||||||||||||||||||||||
45 | |||||||||||||||||||||||||||
46 | |||||||||||||||||||||||||||
47 | |||||||||||||||||||||||||||
48 | |||||||||||||||||||||||||||
49 | |||||||||||||||||||||||||||
50 | |||||||||||||||||||||||||||
51 | |||||||||||||||||||||||||||
52 | |||||||||||||||||||||||||||
53 | |||||||||||||||||||||||||||
54 | |||||||||||||||||||||||||||
55 | |||||||||||||||||||||||||||
56 | |||||||||||||||||||||||||||
57 | |||||||||||||||||||||||||||
58 | |||||||||||||||||||||||||||
59 | |||||||||||||||||||||||||||
60 | |||||||||||||||||||||||||||
61 | |||||||||||||||||||||||||||
62 | |||||||||||||||||||||||||||
63 | |||||||||||||||||||||||||||
64 | |||||||||||||||||||||||||||
65 | |||||||||||||||||||||||||||
66 | |||||||||||||||||||||||||||
67 | |||||||||||||||||||||||||||
68 | |||||||||||||||||||||||||||
69 | |||||||||||||||||||||||||||
70 | |||||||||||||||||||||||||||
71 | |||||||||||||||||||||||||||
72 | |||||||||||||||||||||||||||
73 | |||||||||||||||||||||||||||
74 | |||||||||||||||||||||||||||
75 | |||||||||||||||||||||||||||
76 | |||||||||||||||||||||||||||
77 | |||||||||||||||||||||||||||
78 | |||||||||||||||||||||||||||
79 | |||||||||||||||||||||||||||
80 | |||||||||||||||||||||||||||
81 | |||||||||||||||||||||||||||
82 | |||||||||||||||||||||||||||
83 | |||||||||||||||||||||||||||
84 | |||||||||||||||||||||||||||
85 | |||||||||||||||||||||||||||
86 | |||||||||||||||||||||||||||
87 | |||||||||||||||||||||||||||
88 | |||||||||||||||||||||||||||
89 | |||||||||||||||||||||||||||
90 | |||||||||||||||||||||||||||
91 | |||||||||||||||||||||||||||
92 | |||||||||||||||||||||||||||
93 | |||||||||||||||||||||||||||
94 | |||||||||||||||||||||||||||
95 | |||||||||||||||||||||||||||
96 | |||||||||||||||||||||||||||
97 | |||||||||||||||||||||||||||
98 | |||||||||||||||||||||||||||
99 | |||||||||||||||||||||||||||
100 |