JP7423514B2 - リハビリ状態のための評価及び管理システム並びに関係する方法 - Google Patents

リハビリ状態のための評価及び管理システム並びに関係する方法 Download PDF

Info

Publication number
JP7423514B2
JP7423514B2 JP2020517303A JP2020517303A JP7423514B2 JP 7423514 B2 JP7423514 B2 JP 7423514B2 JP 2020517303 A JP2020517303 A JP 2020517303A JP 2020517303 A JP2020517303 A JP 2020517303A JP 7423514 B2 JP7423514 B2 JP 7423514B2
Authority
JP
Japan
Prior art keywords
patient
evaluation
domain
score
items
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2020517303A
Other languages
English (en)
Other versions
JP2020535526A (ja
Inventor
チャン，チー－ホン
ボディーン，アンドリュー
スリーヴァ，ジェームズ，エー．
Original Assignee
リハビリテーション インスティテュート オブ シカゴ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by リハビリテーション インスティテュート オブ シカゴ filed Critical リハビリテーション インスティテュート オブ シカゴ
Publication of JP2020535526A publication Critical patent/JP2020535526A/ja
Priority to JP2022106555A priority Critical patent/JP2022125154A/ja
Application granted granted Critical
Publication of JP7423514B2 publication Critical patent/JP7423514B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

関連出願の相互参照
[001] 本願は、参照によりその全体を本明細書に援用する、２０１７年９月２７日に出願された米国仮特許出願第６２／５６３，９６０号の優先権の利益を主張する。
技術分野
[002] 本開示は一般にリハビリ技法に関し、より詳細には患者を評価するためのコンピュータ支援方法に関する。
背景
[003] 「結果評価ツール」としても知られる「結果測定」は、患者の変化する医学的状態又は機能状態を明らかにするために使用される一連の項目である。１つの結果測定は、機能状態を測定する方法を提供する機能的自立度評価法（ＦＩＭ（登録商標）：Functional Independence Measure）である。評価は運動的課題（１３項目）及び認知的課題（５項目）で構成される１８項目を含む。課題は完全介助から完全自立に及ぶ７段階の順序スケールに基づいて臨床家によって評点される。スコアは運動技能で７（最低）から９１（最高）に及び、認知技能で７から３５に及ぶ。項目は、摂食、整容、入浴、上半身更衣、下半身更衣、トイレ動作、排尿管理、排便管理、ベッドから椅子への移乗動作、トイレ移乗動作、シャワー移乗動作、移動（歩行又は車椅子レベル）、階段、理解、表出、社会的交流、問題解決、及び記憶を含む。
[004] ＦＩＭ評価法は（完全介助を反映する）１のスコアから（完全自立を反映する）７のスコアに及ぶ採点基準を使用する。７のスコアは患者が完全に自立していることを反映することを意図する。１のスコアは、患者が課題の２５％未満しか行えないこと又は２人以上の介助を必要とすることを反映することを意図する。この採点法の結果、独立型の入院リハビリ施設又は病院内の入院リハビリ科において改善が見られる多くの患者は自らのリハビリ中に自身の転帰スコアの向上を必ずしも示さない。例えば脊髄損傷患者はリハビリ中に細かい指の技能の運動技能（患者がコンピュータ又はスマートフォンを使用できるようにする）を著しく改善する場合がある。しかし、この状況でその患者のＦＩＭスコアは改善しない。
[005] 患者の医学的状態又は機能状態の評価をより正確に捕捉する結果測定が求められている。加えて、リハビリ患者等の患者が改善可能な領域をより上手く識別するのを助ける結果測定が求められている。
[006] 「項目」とは、結果測定において使用される質問又は他の種類の評価である。例えばBerg Balance Scaleとして知られている結果測定の或る項目は次のように患者に指示する：「立ち上がって下さい。支えるために手を使わないようにして下さい」。「評点」は項目の評価に応じたスコアの結果又は他の評価である。例えばBerg Balance Scaleの項目に関する評点は次の通りである：患者が手を使わずに立ち上がり、単独で安定できることを反映する４の評点、患者が自分の手を使って単独で立てることを反映する３の評点、患者が自分の手を使って数回の試行後に立てることを反映する２の評点、患者が立つ又は安定するために他者の最低限の介助を必要とすることを反映する１の評点、及び患者が立つために他者の中程度の又は最大限の介助を必要とすることを反映する０の評点。
[007] 古典的テスト理論は、項目の困難度又は受験者の能力等、教育評価及び心理検査の結果を予測する多数の関係する精神測定理論である。古典的テスト理論は、テストに関する人の観測スコア又は獲得スコアは、真のスコア（誤差のないスコア）と誤差スコアとの和であるという考えに基づくテスト理論である。古典的テスト理論は、測定に誤差がない場合に得られる真のスコアＴをそれぞれの人が有すると仮定する。人の真のスコアは、独立した無数のテストの実施にわたる期待数－正しいスコアとして定義される。不都合なことに、テストの利用者は人の真のスコアを観測することは決してなく、観測スコアＸだけを観測する。観測スコア＝真のスコア＋幾らかの誤差、つまりＸ＝Ｔ＋Ｅだと仮定され、Ｘは観測スコアであり、Ｔは真のスコアであり、Ｅは誤差である。テストの観測スコアＸの信頼性、即ち測定の全体的な整合性は、観測スコアの分散に対する真のスコアの分散の比率として定義される。観測スコアの分散は真のスコアの分散と誤差スコアの分散との和に等しく示され得るので、このことは信号対雑音比を公式化し、テストスコアの信頼性はテストスコアの誤差分散の比率が下がるとき上がり、逆の場合に下がる。信頼性は、真のスコアが分かっている場合に説明することができるテストスコアの分散の比率に等しい。信頼性の平方根は、真のスコアと観測スコアとの間の相関である。平行テスト又はクロンバックのα係数として知られている内的整合性の測定等の様々な手段によって信頼性の推定を得ることができる。クロンバックのαは信頼性の下限を提供するように示すことができ、従って或る母集団内のテストスコアの信頼性はその母集団内のクロンバックのαの値よりも常に高い。
概要
[008] 因子分析及び項目応答理論を組み込む結果評価を開発することにより、リハビリ患者の改善を正確に測定する問題を解決する。
[009] 患者に一連の質問を行い、分野固有のスコア及び／又は総合スコアを返すことにより、リハビリ患者の改善を測定する問題を解決する。
[0010] 患者の結果測定の分野固有のスコア及び／又は総合スコアを予測し、分野固有のスコア及び／又は総合スコアが予測スコアを下回る場合に臨床的介入を行うことにより、リハビリ患者のケアを改善する問題を解決する。
図面
[0011] 添付図面は本技法の特徴を詳しく記載するが、これらの技法並びにその目的及び利点は添付図面と共に解釈される以下の詳細な説明から最もよく理解することができる。
[0012]予備結果測定を準備するための特定の例示的方法の流れ図を示す。 [0013]予備結果測定における項目の評点を電子的に収集するための流れ図を示す。 [0014]従来技術で知られているＦＩＭ（登録商標）スコアと比較したＩＲＴの例示的な採点法を示す。 [0015]セルフケア分野、認知分野、及び移動度分野における患者のスコアに関する特定のデータの例示的プロットを示す。 [0016]セルフケア分野における項目／課題のそれぞれに関する患者の現在の及び期待される機能状態を更に示す。 [0017]ＦＩＭ固有の課題ごとに臨床家が目標を選択し及び／又は設定することを可能にする機能を有する「ＦＩＭエクスプローラ」セクションである。 [0017]ＦＩＭ固有の課題ごとに臨床家が目標を選択し及び／又は設定することを可能にする機能を有する「ＦＩＭエクスプローラ」セクションである。 [0018]比較チャートを示す。 [0019]患者のＦＩＭスコアと比較したセルフケア分野の様々なプロットを示す。
詳細な説明
[0020] 「双因子モデル」は、項目が特殊因子上にクラスタする一方でそれと同時に一般因子に負荷する構造モデルである。
[0021] 「カテゴリカル」という用語は、明確な又は含意的な順序又は順位付けがない応答選択肢を表すために使用する。
[0022] 「比較適合度指標」（ＣＦＩ：Comparative Fit Index）は、変数間の関係を仮定しないモデルの性能に対して構築済みの構造モデルの性能を比較する。
[0023] 「複合体構造」は、少なくとも１つの項目が複数の因子に負荷するＣＦＡ構造モデルである。
[0024] 「確証的因子分析」（ＣＦＡ：Confirmatory factor analysis）は、潜在特性及び項目をどのようにグループ化し関連付けるべきかを精神測定学者が理解している場合に利用される因子分析の一種である。構造モデルが策定され、データに適合される。このモデルの目標はデータとの優れた適合を実現することである。
[0025] 「制約」は、数学的安定性又は内容領域理論（content area theory）の適用のためにモデルに課される制限である。例えば、確証的因子分析における２つの因子がそれらの間の関係を一切有さないことが予期される場合、（０．００に等しくなることを要求する）その相関に対する制約をモデルに追加することができる。
[0026] 「連続型」変数は、時間、身長、体重等のカテゴリなしに測定される変数である。
[0027] 「共分散」は、測定上にないが幾らかの説明能力を依然として有し得るモデル内の変数である。例えばリハビリ研究では、年齢、性別、在院日数、診断グループ等に関する共分散を含めることが時として有用であり得る。
[0028] 「二分法」は、２つのカテゴリ（例えば低対高）を有する順序である応答選択肢を示す。或いは、同じく概念的に２つのカテゴリを有する順序応答である正しく得点した項目対間違って得点した項目を指し得る。
[0029] 「特異項目機能」（ＤＩＦ：Differential item functioning）は、項目応答理論では（異なるサンプル内の）グループごとに又は（或る期間にわたる）観測ごとにパラメータ推定がどのように異なるように振る舞い得るのかについての測定である。
[0030] 「困難度」は、項目応答理論では特定のやり方で応答するのに必要な潜在特性の所要の最低レベルである。二分応答による測定では、単一の困難度（例えば正しく回答する確率を５０％以上に上げる潜在特性の最低レベル）がある。多値型応答による測定では、正しい回答又は間違った回答は通常ないので、「困難度」は「厳しさ」としてより適切に表現される。多値型応答による測定では推定される困難度の数がｋ－１であり、ｋは応答選択肢の数である。これらの困難度は、次に高いカテゴリを是認するのに必要な潜在特性のレベルを表す。閾値と呼ばれることもある。
[0031] 「次元」は、測定が対処する潜在特性の数を指す。１つの特性を記録する測定は一次元だと言われる一方、複数の特性を記録する測定は多次元だと言われる。
[0032] 「識別力」は、潜在特性の高い能力を有する人と低い能力を有する人とを分けるテストの能力である。同様に、識別力は項目と潜在特性との間の関係の大きさを示す。識別力は、概念的に因子負荷と非常に似ており、数学的に因子負荷に変換することができる。
[0033] 「是認」は、応答選択肢を選択することを意味する。
[0034] 「等式制約」は、項目応答理論及び確証的因子分析では、２つの項目だけが因子に負荷するとき等しくなるように識別力又は因子負荷を制約するための数学的要件である。
[0035] 「等化」は、同じ潜在特性のレベルを記録する様々な測定のスコア間の類似性を得るために項目応答理論を使用することを指す。等化は、同じ測定の代替形式を比較するために使用することもできる。
[0036] 「誤差」は、モデルを取り巻く不確実性の大きさを表すための用語を指す。観測データに非常に近いパラメータ推定を有するモデルは少ない誤差量を有する一方、全く異なるものは大きい誤差量を有する。誤差は、特定のパラメータ推定自体を取り巻く不確実性の大きさも示し得る。
[0037] 「推定」は、データからパラメータ推定を導出する統計的プロセスを指す。これらの手続きは、当技術分野で知られている専用の精神測定ソフトウェアを使用して行うことができる。
[0038] 「探索的因子分析」は、項目をその相関に従ってクラスタ化する因子分析の一種である。探索的因子分析は、何個の因子を抽出すべきかを除き、分析者からの如何なる指示もなしにしばしば行われる。次いでグループ分けを「回転」させる。回転方法は、因子負荷が－１．００、０．００、又は１．００に向けてプッシュされることを確実にすることにより単純構造を示す因子負荷を見つけようと試みる。
[0039] 「因子」は、因子分析において潜在特性を示す。項目応答理論における潜在特性と異なり、因子は自らに関連するスコアを通常は有さない。
[0040] 「因子分析」は、因子と項目との間の関係の強さ及び方向を決定するための統計的方法である。因子分析が基づくデータは項目間の相関である。因子分析は順序データ又は連続データに対応できるが、無順序カテゴリカルには対応できない。因子分析からスコアを計算することは可能だが、ＩＲＴスコアの方が信頼できる。探索的又は確証的であり得る。
[0041] 「因子相関」は、２つの因子間の相関を指す。相関性のある因子を有するＣＦＡモデルを「斜交」と呼ぶ。
[0042] 「因子負荷」は、因子分析において項目と因子との間の関係の大きさを表す。相関と数学的に同じではないが、そのスケール及び解釈は同様である。つまり値は（通常）－１．００から１．００に及ぶ。強い負の因子負荷は項目と潜在特性との間の強い逆相関を示すのに対し、強い正の負荷は逆の解釈を有する。０．００の因子負荷は如何なる関係もないことを示す。
[0043] 「適合度統計」又は「適合度指標」は、モデルの性能がどの程度優れているのかを定量化するために使用されるメトリクを指す。人気の適合度メトリク、確証的因子分析、及び構造方程式モデリングは、平均二乗誤差平方根（ＲＭＳＥＡ）、比較適合度指標（ＣＦＩ）、Tucker-Lewis指標（ＴＬ１）、及びＷＲＭＲ／ＳＲＭＲ（weighted root mean-square residual/standardized root mean-square residual）を含む。
[0044] 「一般因子」は、双因子モデルにおいて全ての項目が負荷する因子を指す。
[0045] 「段階応答モデル」（ＧＲＭ：Graded response model）は、順序応答を可能にする２パラメータロジスティックモデルの拡張である。１つだけの困難度の代わりに、段階応答モデルはｋ－１個の困難をもたらし、ｋは応答カテゴリの数である。
[0046] 「階層モデル」は、潜在特性が他の潜在特性に負荷して階層を形成する構造モデルである。
[0047] 「高次／低次因子」は、階層モデルにおいて、高次因子は低次因子が負荷する潜在変数の一種である。
[0048] 「指標」は、適合度指標／統計（例えば比較適合度指標）を指すために又は「測定」の同義語として使用される用語である。
[0049] 「項目」は、応答者又は応答者の代理人（臨床家等）が取り組む測定に関する質問、課題、又は評点を指す。
[0050] 「項目特性曲線（ＩＣＣ：Item characteristic curve）」は、潜在特性のレベルを所与として様々な応答選択肢を選択する確率をプロットするグラフである。「トレースライン」と呼ばれることもある。
[0051] 「項目応答理論」（ＩＲＴ：Item response theory）は、構造モデルに従ってスコアを取得し、項目の振る舞いを決定するために使用される統計モデルの集まりである。或る使用形式において、ＩＲＴはそれらの項目及びスコアの推定を得るためにサンプル内の全ての人の応答パターンを使用する。ＩＲＴは、順序又はカテゴリカルであるデータを使用する。数学的に言えば、項目応答理論は所与の項目に関して人が特定の応答選択肢を選択する確率を予測するために項目及び人の特性を使用する。
[0052] 「ＩＲＴスコア」は、標準化スケールで与えられるＩＲＴ分析に固有のスコアである。ＩＲＴスコアはｚスコアと似ている。或るＩＲＴ採点法では、０．００のスコアは平均レベルの潜在特性を有することを含意し、大きい負のスコアは低レベルの潜在特性を含意し、大きい正の値は高レベルの潜在特性を含意する。
[0053] 「潜在特性」は、因子分析における因子と似ているが項目応答理論でより頻繁に使用される。潜在特性は、関係する項目セットが測定するとされている内容である。因子、分野、又は次元と区別なく使用することができる。
[0054] 「潜在変数」は、直接測定されない変数のための用語である。潜在変数は潜在特性を含む。
[0055] 「リンク」は、等化と似ているがスコアではなく項目パラメータ推定のためのものである。
[0056] 「負荷」は、項目が因子に対して何を行うのかを記述するために使用される動詞である。例えば：「このモデルでは項目４が局所依存因子並びに一般因子の両方に負荷する」。
[0057] 「局所依存」（ＬＤ：Local dependence）は、項目が潜在特性以外の何らかの理由で関係する局所独立仮定の違反である。局所依存がデータにあるように思われる場合、それは項目間の相関をモデリングすることによって又は局所依存因子を作成することによって対処することができる。これは同様の言い回し、ほぼ同一の内容、及び測定上の項目の位置（この最後の例は長い測定の最後の項目で頻繁に生じる）等の多数の理由が原因であり得る。
[0058] 「局所独立」は、項目の振る舞いがモデル内の潜在特性及び項目固有の誤差だけに起因すると述べる精神測定学における仮定を指す。項目がこの仮定に違反すると、それらの項目は局所依存だと言われる。
[0059] 「顕在変数」は、直接測定される変数のための一般名称であり、項目、共分散、及びそのような他の変数を含む。
[0060] 「測定（measure又はmeasurement）」は、何らかの潜在特性のレベルを測定しようと試みる項目の集まりを指す。評価、テスト、質問票、指標、又はスケールと区別なく使用することができる。
[0061] 「モデル」は、精神測定学において応答モデルと構造モデルとの組み合わせである。大まかに言えば、モデルはデータの形式及びモデルの変数内に記録されたデータがどのように関係すべきかの両方を表す。
[0062] 「モデル適合度」は、モデルがどの程度上手くデータを表すのかを示すために使用される用語である。これは、観測データをモデルによって行われる予測と比較すること又は被選択モデルをヌルモデル（どの変数も関係しないモデル）と比較すること等の様々なやり方で行うことができる。モデル適合度を評価するために使用されるメトリクは適合度統計と呼ばれる。
[0063] 「多次元」は、複数の潜在特性を記録する測定を表すために使用される用語である。
[0064] 「多群分析」は、ＩＲＴにおいて、異なるグループにサンプルを分けることができるプロセスを指し、各グループに固有のパラメータ推定を推定することができる。
[0065] 「名義モデル」は、順序ではなくカテゴリカルである応答選択肢を有する項目を別にすれば段階応答モデルと似ている。
[0066] 「斜交」は、相関する因子を表すために使用される形容詞である。
[0067] 「順序」は、項目がデータを記録するやり方を表す。例えば項目に対するあり得る応答は、低から高に又は高から低に順序付けされた一連のカテゴリである。
[0068] 「直交」は、ゼロ相関に制限される因子を表す。
[0069] 「パラメータ推定」は、精神測定ソフトウェアによって推定される統計的に導出された値である。項目識別力、因子負荷、又は因子相関等を含み得る一般名称である。
[0070] 「経路図」は、項目、潜在特性、及び共分散間の関係を示すことを意図した図である。経路図では、矩形／正方形は観測された変数（即ち明確に記録された情報がある項目、共分散、又は任意のモデル化された変数）を表し、楕円／円は明確に記録された情報がない潜在特性又は変数を表し、片矢印は（回帰にあるような）単方向の関係を反映し、両矢印はモデル化された変数間の相関／共分散を反映する。
[0071] 「多値型」は、複数の応答選択肢を有する項目のための用語であり、順序又はカテゴリカルであり得る。
[0072] 「擬似双因子モデル」は、全ての項目が特殊因子にクラスタするわけではない双因子モデルである。代わりに一部の項目は一般因子だけに負荷し得る。
[0073] 「精神測定学者」は、測定を専門とする統計学者の一種である。
[0074] 「精神測定」は、測定を作成し又は表現する際に使用される統計を表す。
[0075] 「ラッシュモデル」は、全ての項目識別力が１．００に等しいと仮定する応答モデルである。この仮定が真又はほぼ真でない限り通常は使用されない。この仮定はスコア及び困難度の解釈を容易にし、（相対的に）小さいサンプルサイズに対して項目応答理論を使用できるようにするが、全ての項目識別力が同一に振る舞うことは非常に稀である。これは項目識別力が変化することを可能にする２パラメータロジスティックモデルの単純化された事例である。そのため、ラッシュモデルは１パラメータロジスティックモデル（１ＰＬ）と呼ばれることがある。応答が二分法であるとき使用され得る。
[0076] 「応答者」は、測定の項目に回答する人物である。
[0077] 「応答」は、項目に対する応答者の回答である。
[0078] 「応答カテゴリ」は、項目に対する応答として応答者が選択することができる様々な選択肢である。項目が二分法の応答をもたらす場合、データは正（１）又は誤（０）として記録される。
[0079] 「応答モデル」は、項目応答理論において、測定モデルが応答のフォーマットを処理するやり方を指す。人気の応答モデルはラッシュモデル、２パラメータロジスティックモデル、３パラメータロジスティックモデル、段階応答モデル、及び名義モデルを含む。
[0080] 「応答パターン」は、測定の各質問に対する応答者の回答を表す一連の数である。
[0081] 平均二乗誤差平方根（ＲＭＳＥＡ）は、適用される精神測定における適合度統計である。観測データに対する期待データ（モデルが生成するデータ）の近さを測定する。ＲＭＳＥＡは０．０８未満であることが通常は望ましいが、当業者の中にはＲＭＳＥＡが０．０５未満であることを望む者もいる。
[0082] 「スコア」は、応答者が保持する潜在特性のレベル又は量を表すことを意図する数値である。古典的テスト理論は項目応答の和としてスコアを計算するのに対し、項目応答理論は応答パターン及び項目の質の両方を使用してスコアを推定する。
[0083] 「シグモイド」（文字通り「Ｓ字型」である）は形容詞である、２ＰＬ項目のＴＣＣ又はＩＣＣの形状を表すために時として使用される。
[0084] 「単純構造」は、全ての項目が一度に１つの因子に負荷する構造モデルである。
[0085] 「特殊因子」は、双因子モデルにおいて、項目セットが負荷する因子である。
[0086] 「構造方程式モデリング」（ＳＥＭ：Structural equation modeling）は、潜在特性等の潜在変数間の関係を可能にする確証的因子分析（ＣＦＡ）の拡張である。モデル内の全ての潜在変数が潜在特性である場合、構造方程式モデリング（ＳＥＭ）及びＣＦＡが区別なく使用されることが多い。
[0087] 「構造モデル」は、潜在特性と項目との関係に関する仮説の体系を表す数学的記述である。経路図として示される。
[0088] 「合計スコア」は、測定の全ての応答の数値を合計することによって計算されるスコアである。
[0089] 「合計スコア換算」（ＳＳＣ：Sum score conversion）は、合計スコアとＩＲＴスコアとの関係を示す表である。
[0090] 「テスト特性曲線」（ＴＣＣ：Test characteristic curve）は、合計スコアとＩＲＴスコアとの関係をプロットする図である。
[0091] 「テストレット」は、全体的な潜在特性の一部の成分を測定する項目の小集合である。潜在特性の定義が事前に明確に定められている場合、テストレットで構成される測定を作成することはより容易に解釈されるスコアをもたらし得る。
[0092] 「閾値」：「困難度」参照。
[0093] 「Tucker-Lewis指標」（ＴＬＩ）：変数間の関係を仮定しないモデルの性能に対して構築済みのモデルの性能を比較する適合度指標である。優良適合モデルは０．９５を上回るＴＬＩを通常有する。
[0094] 「３パラメータロジスティックモデル」（３ＰＬ）：「推測」パラメータも含む２パラメータロジスティックモデルの拡張である。例えば選択肢が４つある多肢選択項目では、無作為に推測しても正しく回答する確率が２５％はある。３ＰＬは、正しく回答するこの非ゼロの確率を認める。応答が二分法であるとき使用される。
[0095] 「トレースライン」：「項目特性曲線」参照。
[0096] 「２パラメータロジスティックモデル」（２ＰＬ）は、ラッシュモデルと似ているが項目識別力が変化することを可能にする。項目応答が二分法であるとき使用され得る。
[0097] 「一次元」は、１つだけの潜在特性を記録する測定を表すために使用される用語である。
[0098] 「変数」は、単一の事柄を測定する１組の直接記録されるデータ（顕在）又は間接的に記録されるデータ（潜在）を表すために使用される一般名称である。
[0099] ＷＲＭＲ／ＳＲＭＲ（weighted root mean-square residual/standardized root mean-square residual）は、モデルの残差の大きさを測定する適合度統計である。残差とは、観測データとモデルが予測するデータとの差である。推奨される典型的なＷＲＭＲ値は１．００未満だが、この推奨はサンプルのサイズ又はモデルの複雑度に基づいて変わり得る。ＷＲＭＲはモデル内に少なくとも１つのカテゴリカル変数がある場合に使用されるのに対し、ＳＲＭＲは全ての変数が連続的である場合に使用される。
[0100] 図１は、電子医療記録に含めるための予備結果測定１００を準備するための特定の例示的方法の流れ図を示す。
[0101] １０１で、項目セット２００を識別する。一実施形態では、臨床家が自らの訓練、教育、及び経験に基づき、項目セット２００に含めるための適切な項目に対する自らの入力を与えるように尋ねられ得る。臨床家の例は、内科医、理学療法士、作業療法士、言語聴覚士、看護師、及びＰＣＴを含み得る。項目セット２００の項目は、当技術分野で知られている様々な結果測定から生じ得る。
[0102] １０２で、治療又は臨床転帰に関連する「分野」と呼ぶ複数の領域の１つ又は複数へと項目セット２００の項目をグループ化することができる。臨床家はこれらの分野を識別することができる。一実施形態では、項目セット２００の項目を「セルフケア」、「移動度」、及び「認知」と題する３つの分野にグループ化することができる。追加の及び／又は代替的な分野の他のグループ化も可能であることを理解すべきである。
[0103] １０３で、関係する分析ステップを行うことができる。例えば、医療機関において患者を評価するために項目セット２００内の項目が従来の慣行において使用される頻度を分析することができる。或いは、その項目を行うための機器のコストを評価することができる。臨床文献を検討して、精神測定学的に許容可能であり臨床的に有用な項目セット２００内の項目を有する結果測定を識別することができる。例えば項目セット２００内の１つ又は複数の項目を有する結果測定の信頼性及び妥当性を検討してそれが精神測定学的に許容可能であることを確実にすることができる。別の例として、各結果測定及び／又は項目を検討してそれが臨床的に有用であることを確実にすることができる。例えば人のバランスをテストするために使用される文献内で入手可能な多くの項目があるが、リハビリの脈略でそれらの全てが患者にとって適切とは限らない。これらの及び同様の要因に基づき、患者、臨床家、及び他の医療従事者の負担を減らすために最初の項目セットを狭めることができる。
[0104] １０４で、改訂済みの複数の項目を収集する。それらの複数の項目に対して試験的研究を行うことができる。試験的研究は、各臨床家が改訂済みの項目の全てを使用して各患者を評価するように、標準化されたやり方で改訂済みの項目について臨床家に患者を評価させることによって行うことができる。別の実施形態では、臨床家は患者の特定の臨床的特徴に基づき、どの項目を使用して患者を評価すべきかを選択することができる。特定の項目の選択に関する決定は患者のリハビリ滞在中に、例えば入院患者の入院時の評価で得た情報に基づいて行うことができる。患者の向上を判定するために、項目は患者の入院滞在中に少なくとも２回実施することができる。試験的研究は電子医療記録システムを使用して円滑化することができ、それにより臨床家は電子医療記録内に項目のスコアを入力する。
[0105] １０５で、試験的研究の分析を行うことができる。例えば、臨床家が患者に対して行うのに時間がかかりすぎる項目は除去することができる。
[0106] １０６で、予備結果測定１００のための元の紙ベースの項目を電子医療記録内に実装する。個々の項目レベルの評点を電子的に記録することができる。例えば実装すべき項目は、１０５における試験的研究の分析の結果である項目であり得る。但し、試験的研究の分析は必須ではない。或いは、予備結果測定１００内の項目は電子医療記録の外部のデータベース等の電子システム内に実装することができる。一実施形態では、外部の電子システムは、データベース接続技術等の当技術分野で知られている方法を使用して電子医療記録と通信することができる。１０７で、予備結果測定１００のための項目を既知の方法を使用してＥＭＲ内にプログラムし、臨床家が自らの評点を電子医療記録内に入力することを可能にする。一実施形態では、予備結果測定１００の特定の項目に対する特定の評点を臨床家が入力することを警告し、リマインドし、及び／又は要求するためのプロンプトをＥＭＲが提供し得る。かかるプロンプトは、ＥＭＲ内への臨床データ入力の信頼性及び完全性を改善することができる。
[0107] 図１に関する上記の解説は様々な結果測定から特定の項目を選択することに言及したが、結果測定自体の選択に関して同様の方法を行えることを理解すべきである。例えば１０４で、患者を評価する際にどの項目を使用すべきかを選択する代わりに、結果測定全体を選択し又は無視することができる。
[0108] 図２は、予備結果測定１００内の項目の評点を電子的に収集するための流れ図を示す。２０１で、臨床家が患者に対する評価を行う。一実施形態では、臨床家が予備結果測定１００内の全ての項目を使用して評価を行うことができる。別の実施形態では、臨床家は、その臨床家の診療範囲に固有の予備結果測定１００内のテスト又は項目を行うことができる。例えば理学療法士は、理学療法に固有の予備結果測定１００内のテスト又は項目を行うことができる。更に別の実施形態では、臨床家は患者に最も関連する予備結果測定１００内のテストを識別するために自らの教育、訓練、及び経験に基づく自らの臨床判断を用いることができる。患者が極めて重篤であり又は非常に限られた機能を有する場合、臨床家は特定の項目を行わないことが分かる。例えば臨床家は、新たに四肢まひになった患者に対し、歩くことを患者に要求するテストを行うことは求めない。
[0109] 評価は、患者が病院に入院した時点で又はその直後に行われる初期評価であり得る。一実施形態では、１か月間又は１年間等の或る期間の間ケアを受けている各患者を評価する。別の実施形態では、或る期間の間ケアを受けている患者の大部分を評価する。更に別の実施形態では複数の患者を評価する。他の実施形態では、入院患者だけ、外来患者だけ、又はその組み合わせを含めるように患者の母集団を洗練させることができる。
[0110] 様々な実施形態において、予備結果測定１００内の特定のテストを入院時に又は入院直後に１回行い、退院時に又は退院直前に再び行うことができる。様々な実施形態において、予備結果測定１００内の特定のテストを毎週行うことができる。様々な実施形態において、予備結果測定１００内の特定のテストを１週間に２回等、１週間に複数回行うことができる。
[0111] 一実施形態では、評価は評価を行うことに固有の集中化された位置で行われ得る。評価は、自分の具体的役割が評価を行うことである１組の臨床家によって行われ得る。患者の機能状態を客観的に評価するのに適格なスタッフ及び十分な機器がある集中化された位置は、管理された安全な環境内で標準化されたプロセスによって運営され得る。一実施形態では、臨床家が検査技師の評価のための指示を出す。例えば臨床家（理学療法士、療法士、看護師、又は心理学者）は特定のテスト（歩行及びバランスのテスト等）又はテスト群を指示する。テストの指示は評価部門（「ＡＡＬ」）に電子的に送信され、患者のためにハードコピーが印刷され得る。ＡＡＬの準備が整うと、患者は必要に応じて介助を伴ってＡＡＬに移動することができる。技師等のスタッフが指示されたテストを行う。テストの結果は記録し、電子医療記録内に入力／伝送することができる。必要に応じてケアプランを修正するために、臨床家はテストの結果を検討することができる。このプロセスは、テストをどのように行うのかを臨床家が知るのにかかる時間を短縮することができる。ＡＡＬの１つの利点は、新たなテストが導入されるたびに様々なテストをどのように行うのかを他の臨床家が学ぶ必要がないことである。臨床家は、テストをどのように行うのかではなくテストの結果をどのように読み取るのかを学ぶだけでよい。適切に訓練された適格な職員がテストを行うことができる。臨床スタッフは評価ではなく治療に集中することができる。結果を改善するために更に多くの治療セッション又は追加の時間を設けることができる。複数のユニットの需要及び保守費用を減らすために、テスト機器は集中的に保たれる。テストは、よく管理された標準化され且つ安全な環境内で行うことができる。技師は標準化された手続きを利用して評価者によって引き起こされる潜在的なバイアス（経時的な改善を示すための高い評点の傾向）を回避し、それによりデータの質を改善することができる。
[0112] 各評価の評点はＥＭＲ内に保存することができる。例えば各評価の評点は予備評点データセット１５０内に保存することができる。２０２で、予備評点データセット１５０に対してデータ分析及びクリーンアップを行ってデータの質を改善することができる。例えば予備評点データセット１５０から範囲外の評点を除去することができる。同じ臨床家からの予備評点データセット１５０内のデータパターンを検討し、当技術分野で知られている方法を使用してクリーニングすることができる。「依存」から「自立」への大幅な評点の増加を示す患者の予備評点データセット１５０内の評点も破棄することができる。特定の評価の疑わしいデータも破棄することができる。
[0113] ２０３で、照会し分析することができる形式にあるデータを得るために、当技術分野で知られている方法を使用して評点データを更に抽出し、クリーニングし、準備することができる。データを品質に関して検討することができ、予備評点データセット１５０についてデータピボット、データマージ、及びデータ辞書の作成等の様々なデータオプションを行うことができる。予備評点データセット１５０からのデータは、更なる分析のためにＥＭＲ内に又はデータウェアハウス内等の異なる形で記憶することができる。予備評点データセット１５０内のデータを分析のために構成する多くのやり方が存在することを当業者なら理解されよう。一実施形態では、期間及び患者識別情報等の複数の次元にわたる分析に項目の評点を利用することができるように、予備評点データセット１５０が構成される。
[0114] 予備評点データセット１５０が分析のために準備されると、予備評点データセット１５０に対して精神測定学的評価を行うことができる。精神測定学的評価は、結果測定が測定することを意図する内容を結果測定が実際にどの程度上手く測定するのかを評価する。精神測定学的評価は古典的テスト理論分析、因子分析、及び項目応答理論の組み合わせを含むことができ、信頼性、妥当性、応答性、次元数、項目／テスト情報、特異項目機能、及び等化（スコアクロスウォーク）を含み得る様々な側面について予備評点データセット１５０を評価する。一実施形態では、予備結果測定１００内の項目の信頼性並びに予備結果測定１００及び分野がどのように連携するのかを検討するために古典的テスト理論分析を使用することができる。
[0115] 項目削減。項目削減ステップ１５２は、期待通りに機能しない項目を予備結果測定１００から削減することを支援する。因子は信頼性、妥当性、及び応答性（変化に対する敏感さとしても知られる）を含み得る。項目削減ステップ１５２の目的は、データセットの精神測定特性を犠牲にすることなく、ＩＲＴ結果測定１８０内の最低限の項目の部分集合まで予備結果測定１００内の項目から潜在的な項目内容の冗長性をなくすことである。項目削減ステップ１５２はコンピュータ又は他の計算装置を使用して、例えばコンピュータプログラム１２５を使用して行うことができる。コンピュータプログラム１２５はＲプログラミング言語又は別の適切なプログラミング言語で書かれ得る。コンピュータプログラム１２５は、所望の項目の数を指定することを可能にするための選択肢（並びに特定の項目を含めるための選択肢）を提供し、それらのユーザ定義制約内の項目のあり得る全ての組み合わせについてクロンバックのα係数の信頼性推定値を計算する。コンピュータプログラム１２５内でクロンバックのα係数の許容範囲を定めることもできる。加えてコンピュータプログラム１２５は、項目の削減済みの各部分集合１５５に対する１因子の確証的因子分析（ＣＦＡ）モデルの適合度を決定するために、Mplus（Muthen&Muthen, Los Angeles, CA, http://www.statmodel.com）等の統計的モデリングプログラムの構文を構築し実行することができる。
[0116] コンピュータプログラム１２５は、予備結果測定１００（ＦＩＳＴ、ＢＢＳ、ＦＧＡ、ＡＲＡＴ、及びＭＡＳＡ）内に含まれ、且つクロンバックのα信頼性が０．７０から０．９５の間にある４項目から８項目の一次元部分集合に関して探索される結果測定の幾つかを分析するために使用され得る。これらの制約を使用し、多くの測定における項目数を大幅に減らすことができる。例えば、優れた精神測定特性を維持しながら測定をその元の長さの少なくとも半分に減らすことができる。結果として生じる項目の部分集合は、確証的因子分析（ＣＦＡ）の構成要素としての役割を果たす。一実施形態では、ＦＩＭ（登録商標）の項目等、特定の項目を項目削減プロセスに含めなくてもよい。一実施形態では、項目削減ステップ１５２を複数回行うことができる。例えば項目削減ステップ１５２は、予備結果測定１００内に含まれる各結果測定に対して行うことができる。
[0117] 項目削減ステップ１５２では、項目が互いに関係する程度をコンピュータプログラム１２５が決定する。コンピュータプログラム１２５は、予備結果測定１００内の結果測定の中の項目が互いに関係する程度を決定することができる。一実施形態では、項目は高度に相関する応答を有する場合は結果測定内で互いに関係する。項目の最初のコアセットを提供することによって分析を開始することができ、項目の数は項目ペア間の相関に基づいて臨床家の入力によって決定され得る。例えば、コンピュータプログラム１２５は項目Ａが項目Ｂにどのように関係するのかを決定することができ、項目Ａ及び項目Ｂはどちらも同じ結果測定内にある。高い相関がある場合、項目Ａ及び項目Ｂの両方をコアセット内に含める。次いでコンピュータプログラム１２５は、新たな項目Ｃが項目セット｛Ａ，Ｂ｝にどのように相関するのかを決定することができる。高い相関がある場合、項目Ｃをコアセット内に含める。この方法は追加の項目Ｄ、Ｅ、Ｆ等を用いて繰り返すことができる。上記のように、項目のあり得る全ての部分集合の信頼性（クロンバックのα）をプログラムが評価する。プログラムは、或る項目セットの応答を第２の項目セットの応答と相関させる。クロンバックのαは当技術分野で知られているが、簡潔な例をここで示す。クロンバックのαを計算する際に使用する情報は、項目の部分集合内のあり得る全てのsplit-half間の相関である。例えば３つの項目｛Ａ，Ｂ，Ｃ｝を使用し、クロンバックのαはＡ対ＢＣ、Ｂ対ＡＣ、及びＣ対ＡＢの相関を平均する。換言すれば、或る組の一意の部分集合の全てのペア間で相関を計算する。相関分析の目的は、項目が基礎を成す同じ構成体を測定していること、及び信頼性を改善していることを確実にするのを助けることである。
[0118] 表１は、サンプルサイズを５項目に等しく設定するBerg Balance Scale（「ＢＢＳ」）の結果測定に関する項目削減ステップ１５２の例示的出力を列挙する。「項目」列内の各セル内の数字は、ＢＢＳ上の質問の数字（１：支持なしの座位保持、２：体位変更－座位から立位、３：体位変更－立位から座位、４：移乗動作、５：支持なしの立位保持、６：閉眼立位保持、７：閉脚立位、８：タンデム立位、９：片足立ち、１０：回旋（足固定））を反映する。削減済みの各部分集合１５５を関連するクロンバックのα値と共に示す。第１の削減済みの部分集合は、削減済みの部分集合の最も高いクロンバックのαを表１内で有する。一実施形態では、以下でより詳細に説明するＣＦＡステップ１６０のための最初の削減済みの部分集合として最も高いクロンバックのαを有する削減済みの部分集合を使用する。
[0119] 確証的因子分析。因子分析は、１組の観測される変数内に含まれる基礎を成す次元の数を決定するために、及び基礎を成す次元のそれぞれに対応する変数の部分集合を識別するために使用される統計的方法である。基礎を成す次元は、連続潜在変数又は因子と呼ぶことができる。観測される変数（項目としても知られる）はインジケータと呼ばれる。確証的因子分析（ＣＦＡ）は、過去の研究により所与の母集団に関する１組の変数の次元数が既に分かっている状況で使用され得る。ＣＦＡは、確立された次元数及び因子負荷パターンが同じ母集団からの新たなサンプルに適合するかどうかを調べるために使用され得る。これが分析の「確証」の側面である。ＣＦＡは、確立された次元数及び因子負荷パターンが新たな母集団からのサンプルに適合するかどうかを調べるためにも使用され得る。加えて、因子の分散及び共分散／相関を調べることにより、因子モデルは個人の特性を研究するために使用され得る。因子の分散は因子の不均一性の程度を示す。因子の相関は因子間の関連の強さを示す。
[0120] 確証的因子分析（ＣＦＡ）は、予め指定された因子構造内の項目構成が統計的にどの程度当てはまるのかを検証するためにMplus又は他の統計ソフトウェアを使用して行うことができる。ＣＦＡは因子負荷、因子分散、及び因子共分散／相関に対する制限によって特徴付けられる。ＣＦＡは少なくともｍ＾２個の制限を必要とし、ｍは因子の数である。ＣＦＡは、変数に対する軽微な因子の影響を表すのに有用であり得る相関残差を含み得る。ＣＦＡの一部として１組の背景変数を含めることができる。
[0121] Mplusは、単一のグループ又は複数のグループについてＣＦＡモデル及び背景変数を有するＣＦＡモデルを推定することができる。ＣＦＡモデルの因子インジケータは連続的、打ち切り、二値、順序カテゴリカル（順序）、カウント、又はそれらの変数の種類の組み合わせとすることができる。因子インジケータが全て連続的である場合、Mplusには推定法の７個の選択肢、つまり最大尤度（ＭＬ）、ロバスト標準誤差及びカイ二乗を有する最大尤度（ＭＬＲ、ＭＬＦ、ＭＬＭ、ＭＬＭＶ）、一般化最小二乗法（ＧＬＳ）、及びＡＤＦとも呼ばれる重み付き最小二乗法（ＷＬＳ）がある。少なくとも１つの因子インジケータが二値又は順序カテゴリカルである場合、Mplusには推定法の７個の選択肢、つまり重み付き最小二乗法（ＷＬＳ）、ロバスト重み付き最小二乗法（ＷＬＳＭ、ＷＬＳＭＶ）、最大尤度（ＭＬ）、ロバスト標準誤差及びカイ二乗を有する最大尤度（ＭＬＲ、ＭＬＦ）、及び重みなし最小二乗法（ＵＬＳ）がある。少なくとも１つの因子インジケータが打ち切り、無順序カテゴリカル、又はカウントである場合、Mplusには推定法の６個の選択肢、つまり重み付き最小二乗法（ＷＬＳ）、ロバスト重み付き最小二乗法（ＷＬＳＭ、ＷＬＳＭＶ）、最大尤度（ＭＬ）、並びにロバスト標準誤差及びカイ二乗を有する最大尤度（ＭＬＲ、ＭＬＦ）がある。
[0122] 測定削減ステップからの項目の高信頼の部分集合を使用し、分野内の全ての項目が互いに関係すると仮定するモデルをMplus等の統計ソフトウェア内で定めることができる。モデルは特定の構成体をその分野のプレビューの下で測定することもできる。例えばセルフケア測定から取られる全ての項目の部分集合は、セルフケアを測定するが、それと同時にバランス、上肢機能、及び嚥下のうちの１つも測定するように仮定され得る。このやり方でモデルを構築することは、分野全体（例えばセルフケア）並びにその分野を構成する１組の互いに関係する構成体（例えばセルフケアを構成する構成体であるバランス、ＵＥ機能、及び嚥下）の両方を測定できるようにする。データを所与とし、モデルの構造は各項目ペア間の１組の期待される相関を含意する。しかし、それらの（多分）相関はデータから直接計算することができる。それらの相関は、観測される相関である。統計学において「モデル適合度」と呼ばれる構築済みのモデルの妥当性は、観測される相関と期待される相関との差の測定である平均二乗誤差平方根（ＲＭＳＥＡ）を使用して決定することができる。好ましい実施形態では、かかる差の値が小さい（例えば０．０８未満である）場合はモデルが許容可能な適合度を有する。
[0123] 削減済みの部分集合１５５に対してＣＦＡステップ１６０を適用した後、ＣＦＡステップ１６０の出力は一般因子負荷を含む因子負荷を含み得る。一般因子負荷は－１から１とすることができ、０．２～０．７の一般因子負荷の値は関連する項目を因子が上手く評価するのかどうかを示す。ＣＦＡステップ１６０の出力は項目ごとに追加の因子負荷を与え得る。一実施形態では、各項目が下位分野ごとに因子負荷を有し得る。例えば各項目は、バランスの因子負荷値、上肢の因子負荷値、嚥下の因子負荷値、及び他の各下位分野の因子負荷値を有し得る。一実施形態では、項目が下位分野に関連する場合は因子負荷値が非ゼロになる。
[0124] 特定の例では、削減済みの部分集合１５５にＣＦＡステップ１６０を適用することが、新たな削減済みの部分集合１５５の選択を必要とする問題を引き起こし得る。例えば０．７を上回る一般因子負荷値、又は特に１．０に近い値は冗長性を示す。例えばアクションリサーチアームテスト（ＡＲＡＴ）の結果測定に基づいて項目が採点されるやり方は、高過ぎる信頼性を必然的に要求する。最初の（最も困難な）項目で最高スコアを達成した患者は、そのスケール上のその後の全ての項目で３のスコアを得ることが認められる。最初の項目で患者が３未満のスコアを得る場合、第２の項目を評価する。これは最も簡単な項目であり、患者のスコアが０である場合、その患者は残りの項目で０よりも高いスコアを得る可能性は低く、他の項目について０が与えられる。この採点方法は高過ぎる信頼性を要求する。他の例では、因子負荷値が１を上回る場合、かかる値は項目ペアが（あり得ない）負の分散を有することを反映し、そのためＣＦＡステップ１６０を新たな削減済みの部分集合１５５に対して実行する必要がある。新たな削減済みの部分集合１５５は、項目削減ステップ１５２によって生成される削減済みの部分集合のグループから選択することができる。例えば、次に高いクロンバックのαを有する新たな削減済みの部分集合を選択し、その新たな削減済みの部分集合にＣＦＡステップ１６０を適用することができる。
[0125] 加えて、ＣＦＡステップ１６０を実行するプロセスの間、ＩＲＴ結果測定１８０を生成するために使用されるモデルの適合度を改善するために、或る下位分野に含まれるものとして臨床家が指定した項目を異なる下位分野に移動すべきであることが明らかであり得る（以下で更に論じる）。例えば本明細書に記載の実施形態の策定中、「強さ」に関係するものとして臨床家が識別した項目がセルフケア分野に最初は配置されていた。しかしＣＦＡステップ１６０を実行する際、それらの項目がモデルに適合しないと判定された。それらの項目を「上肢機能」の下位分野に移動することでモデルの適合度が改善された。
[0126] 以下の表２は、表１に示したグループ１～１０を含む１因子ＣＦＡの適合度統計を示す。ＣＦＡステップ１６０では、表Ｂに列挙する適合度統計が通常の「優良適合」基準を満たすかどうかに関する評価を行うことができる。一実施形態では、それらの基準がＲＭＳＥＡ＜０．０８、ＣＦＩ＞０．９５、ＴＬＩ＞０．９５、及びＷＲＭＲ＜１．００である。他の優良適合基準も使用できることを当業者なら理解されよう。
上記の例は１つの結果測定であるBerg Balance Scaleに関してのみ示すが、ＣＦＡステップ１６０は予備結果測定１００内の各結果測定に適用されることを理解すべきである。
[0127] 項目応答理論。一実施形態では、複数の高レベル分野を含むようにＩＲＴ結果測定１８０を構成することができる。例えばＩＲＴ結果測定１８０は、（セルフケアを行う患者の能力を反映するように決定される項目を含む）「セルフケア」分野、（移動できる患者の能力を反映するように決定される項目を含む）「移動度」分野、及び（患者の認知能力を反映するように決定される項目を含む）「認知」分野を含むように構成され得る。各高レベル分野の中で、「因子」又は「クラスタ」とも呼ばれる特定の評価領域を識別することができる。表３は各高レベル分野に関連する例示的な評価領域を反映する。
[0128] ＩＲＴ結果測定１８０の測定目標は、全般的な分野（即ちセルフケア、移動度、及び認知）並びにそれらの分野内の特定の評価領域を測定することを含むので、分野のそれぞれに関する双因子構造を標的にすることができる（一般因子及び分野固有因子）。特殊因子の構成は各項目セットの内容によって決定され得る。例えばセルフケア分野内の「バランス」評価領域を形成するために、ＦＩＳＴ、ＢＢＳ、及びＦＧＡからの項目を組み合わせることができる。ＲＭＳＥＡ＜０．０８の基準を使用してデータに対する双因子モデルの許容可能な適合度を評価し（Browne&Cudeck, 1992）、追加の交差負荷（換言すれば項目が幾つかの因子に寄与すること）等、局所項目依存及びモデルに対する潜在的な改善を調べるために修正指標も計算した。
[0129] 項目応答理論は、人の能力と項目特性（困難度等）との間の関係を記述する数学モデルを反映する。例えば、より能力が高い人はより難しい課題を行える可能性が高く、一連の質問に基づいてより適応された介入を可能にし得る。高レベル又は低レベルの特性を有する人を区分する能力である項目の「識別力」等、他の項目特性も関連し得る。
[0130] 分野のそれぞれについてＣＦＡモデルを構築した後、flexMIRT（Vector Psychometric Group, Chapel Hill, North Carolina, US）等の項目応答理論ソフトウェアパッケージ内で実行するために最終構造をコード化することができる。flexMIRTは、項目の分析及びテストの採点用のマルチレベル、多次元、及び多群項目応答理論（ＩＲＴ）ソフトウェアパッケージである。臨床家によって評点される達成度評定からの項目応答の順序カテゴリカルな性質に対処するために、多次元段階応答モデル（Ｍ－ＧＲＭ）を選択することができる。例えば次元は「セルフケア」、「移動度」、及び「認知」とすることができる。「セルフケア」の下位分野は「バランス」、「上肢機能」、「強さ」、「体位変更」、及び「嚥下」とすることができる。「移動度」の下位分野はバランス、車椅子（「Ｗ／Ｃ」）のスキル、体位変更、ベッド移動度、及び移動度とすることができる。「認知」の下位分野は「意識」、「興奮」、「記憶」、「発話」、及び「意思伝達」とすることができる。
[0131] しかし好ましい実施形態では、能力の重要な下位分野に集中するために下位分野を削減することができる。例えば「セルフケア」では、削減する下位分野はバランス、ＵＥ機能、及び嚥下であり得る。「認知」では、削減する下位分野は認知、記憶、及び意思伝達であり得る。「移動度」では下位分野がない可能性があり、換言すれば下位分野を全てまとめてクラスタ化することができる。
[0132] 分析も性質上多群であり得る。例えばセルフケア及び移動度のサンプルは、バランス（座位、立位、又は歩行）のレベルによって決定されるグループに分けることができる。別の例として、認知のサンプルは広範な診断カテゴリ（脳卒中、脳損傷、神経性、又は無関連）に分けることができる。一実施形態では、モデルの複雑さに対処するために、メトロポリスヘイスティングス－ロビンモンロー（ＭＨ－ＲＭ）アルゴリズム（Cai,2010）をより効率的なパラメータ推定のために使用することができる。ＭＨ－ＲＭは、連続した２つのサイクル間の差が選択された基準を下回るまで以下の３つのステップを何度も繰り返す。ステップ１（補完）で、前のサイクルから取られる項目パラメータ推定によって暗示される分布から潜在特性のランダムサンプルを補完する。最初のサイクルである場合、アルゴリズムの開始値によって暗示される分布を使用する。この補完はＭＨサンプラを使用して行うことができる。ステップ２（近似）で、補完したデータの対数尤度を評価する。ステップ３（ロビンモンローアップデート）で、ステップ２の対数尤度に対してロビンモンローフィルタを使用することにより次のサイクルの新たなパラメータ推定を計算する。次いで、ステップ３の情報を使用してステップ１を繰り返す。傾きは項目識別力を反映することができ、切片は項目の困難度を反映することができる。
[0133] 項目の傾き及び切片に加えて、患者の能力レベルを反映する最大事後（ＭＡＰ）潜在特性スコアを患者ごとに計算することができる。
[0134] ＩＲＴのためのプリンシパルコーディング（principal coding）は、ＣＦＡ後に選択される数学的構造をＩＲＴを使用して評価可能な構造へと変換することに集中する。分析に使用されるデータは、例えば単純に患者を評価した全ての項目に対する患者の評点であり得る。一貫性を得るために、出された各項目に対する各患者の直近に入手可能なデータを使用することができる。このように一貫性を保つことには患者のスコアを特定の基準系、つまり典型的な退院レベルに置く利便性がある。ＭＡＰ（最大事後）採点法を使用できるが、代わりに使用することができるＭＬ（最大尤度）、ＥＡＰ（期待事後）、又はＭＩ（多重補完）等の他の採点方法が知られている。加えて、使用することができる様々な推定方法がある。例えば、期待値最大化アルゴリズムを用いた周辺最大尤度（ＭＭＬ－ＥＭ）を使用することができる。しかしこの方法は、少なからぬ数の次元を扱うとき不利を招き得る。好ましい実施形態では、メトロポリスヘイスティングス－ロビンモンロー（ＭＨ－ＲＭ）推定を使用する。
[0135] 最大事後（ＭＡＰ）採点は２つの入力、つまり母集団の得点密度（通常は各次元の標準正規と見なされる）、及び患者を評点した各項目のＩＲＴパラメータを必要とする。項目に関して知られていること及び項目のそれぞれについて患者がどのように評点されたのかを所与とし、各項目について母集団密度をＩＲＴ関数と掛けることは尤度として知られているもの、つまり様々なスコアの確率の数学的表現をもたらす。その関数の最大値の位置が患者のＭＡＰスコアである。
[0136] 時として、或る項目に関する応答選択肢が非常に稀にしか選択されず、その項目のＩＲＴパラメータを推定することに関連する問題を引き起こし得る（その応答選択肢が不要であり得ることも含意する）。そのような場合、それらの応答を隣接するカテゴリ内に折り畳むことができる。例えば或る項目に｛１，２，３，４｝の応答があり、２の応答がデータ内で非常に稀にしか認められない場合、データ｛１，２，２，３｝を再コード化することができる。ＩＲＴ分析では数字の実数は重要ではなく、代わりに順序性が大事であることを理解すべきである。
[0137] グループ構成：より的を絞った評価を可能にするために、ここで使用するＩＲＴ分析は性質上多群とすることができる。セルフケア及び移動度では、患者をバランスレベル（なし、座位、立位、及び歩行）に従ってグループ化することができる。同様に、グループは認知的診断（脳卒中、脳損傷、神経性、又はなし）に従って認知分野内でも形成することができる。この方法は、各患者に適した項目だけを含む複数のテストフォームをもたらし得る。例えばかかるテストフォームは、「セルフケア」及び「移動度」ではバランスなし、座位バランス、立位（までの）バランス、及びバランス制約なし、「認知」では脳卒中、脳損傷、神経性、又は不調なしのようなテストフォームを含み得る。フォームは評価領域ではなくグループの帰属に応じて適応させることができる。例えば、患者のバランスレベルはセルフケア分野及び移動度分野上でどのバランス測定項目が現れるのかに影響し得る一方、患者の認知的診断（もしある場合）はどの測定がフォーム上で現れ得るのかに影響し得る。例えばＡＢＳは認知測定の脳損傷フォーム上でしか使用されず、ＫＦＮＡＰは脳卒中の測定でしか使用されない。）
[0138] 項目応答理論は分野ごとに別個のスコアをもたらす。例えば患者は「セルフケア」分野の得点が１．２であり、「移動度」分野の得点が１．４であり、「認知」分野の得点が３であり得る。一実施形態では、これらのスコアが臨床家、患者、及び他者に別々に報告され得る。他の実施形態では、これらのスコアが単一のスコアへと結合され得る。一実施形態では、＋１のスコアは患者が平均よりも１ロジット上であることを意味する。－１のスコアは患者が平均よりも１ロジット下であることを意味する。－３を下回る値及び３を上回る値は非常にあり得ず、それはＩＲＴの基礎を成す数学的仮定はスコアが平均分布をたどるというものだからである。標準偏差及びロジットを反映する他の数字が代わりに使用され得ることが当業者によって理解されるべきである。例えば３のスコアは患者が平均的であることを意味することができ、そのためスコアは０から６に及ぶ。別の例として、５０のスコアは患者が平均的であることを意味することができ、＋１０のスコアは患者が平均よりも１ロジット上であることを意味することができ、そのためスコアは２０から８０に及ぶ。
[0139] セルフケア分野に関してＩＲＴステップ１７０を実行する一例を次に示す。セルフケア因子、バランス因子、ＵＥ機能因子、嚥下因子、ＡＲＡＴの隠れ因子、ＦＩＳＴ及びＦＧＡ結果測定間の負相関を克服するための隠れ因子、及びＦＩＳＴが結果内で重視され過ぎないようにＦＩＳＴに固有の隠れ因子という７個の因子がＩＲＴステップ１７０に与えられる。（例えばＭＨ－ＲＭ推定を使用する）ＩＲＴステップ１７０は、識別力行列１７２及び困難度行列１７４を返す。例えばこれらの行列は傾き／切片の公式化によって示すことができ、傾きは項目識別力を反映し切片は項目困難度を反映する。
[0140] 表４は、例示的なＩＲＴ結果測定１８０のセルフケア分野に関する例示的な識別力行列１７２を示す。表４内の列ヘッダａ１～ａ７は次の内容、つまり：（ａ１：セルフケア、ａ２：（ＡＲＡＴ局所依存）、ａ３：上肢機能、ａ４：嚥下、ａ５：バランス、ａ６：（ＦＩＳＴの影響の低下）、ａ７：（ＢＢＳ及びＦＧＡの逆相関））を示し、「隠れ」因子は括弧内に示している。表４は、各因子ａ１～ａ７の項目ごとに傾きの値を列挙する。表４内の項目名は、例示的なＩＲＴ結果測定１８０内の項目を列挙する付録１の表６にも反映されている。
表５は、ＩＲＴ結果測定１８０の例示的な困難度行列１７４を示す。表５は、各因子ｄ１～ｄ６の項目ごとに切片の値を列挙する。表５内の列ヘッダｄ１～ｄ６は次の内容、つまり：（ｄ１：セルフケア、ｄ２：（ＡＲＡＴ局所依存）、ｄ３：上肢機能、ｄ４：嚥下、ｄ５：バランス、ｄ６：（ＦＩＳＴの影響の低下））を示し、「隠れ」因子は括弧内に示している。
ＩＲＴ結果測定１８０内の分野ごとに識別力行列１７２及び困難度行列１７４を準備できることを理解すべきである。
[0141] 例示的なスコア／確率応答をプロットすることができ、Ｘ軸はスコアを反映しＹ軸は応答の確率を反映する。曲線のプロダクト（product）は、幾らか釣鐘曲線のように見える尤度曲線をもたらす。患者のスコアとして曲線のピークを使用することができる。
[0142] 臨床的関連を確実にするための療法士からの入力。各項目は、ＩＲＴ結果測定１８０内でのその役割を最も適切に表すクラスタを用いてラベル付けされ得る。このラベル付けは、自らの教育、訓練、及び経験に基づいて臨床家によって行われ得る。例えば表１の「移動度」分野及び「バランス」因子に含まれる座位における機能をテストする項目等、臨床家はバランスを測定する項目をラベル付けすることができる。
[0143] 分析の項目削減ステップにおける項目の選択（保持又は除去）は精神測定学上の及び統計的な評価に基づいて予測されるので、一実施形態では、臨床専門家が更なるフィードバックのために削減済みの項目セット内で取り上げられている項目の内容を検討することができる。例えば完全な結果測定のそれぞれから取られる部分集合に項目を追加すべきか又はそこから項目を除去すべきかに関する入力について、臨床家の集まりを調査することができる。保持される項目が精神測定学的に正当であり且つ臨床的に関連することを確実にするのを助けるために、それらの臨床家の入力を使用して各分野の最終モデルを構築することができる。
[0144] 最終項目セットを導出するためのリモデリング。精神測定学的評価及び臨床判断の両方を考慮した取り決め済みの項目セットの準備が整った後、ＣＦＡ及びＩＲＴステップを実行することができる。臨床的な支持が高い選外の項目を再びモデルに追加することができる一方、含まれている支持が低い項目は除去することができる。次いで、ＣＦＡ中に計算される平均二乗誤差平方根（ＲＭＳＥＡ）を使用してデータに対するモデルの適合度を評価することができ、新たな項目パラメータ推定及び潜在特性スコアがＩＲＴ分析中に計算された。本明細書の付録１の表６は、好ましい例示的なＩＲＴ結果測定１８０内の項目を列挙する。
[0145] 表示
[0146] 個人患者のスコアに関するデータの様々な側面を臨床家及び／又は患者のために表示することができる。
[0147] 図３は、従来技術で知られているＦＩＭ（登録商標）スコアと比較したＩＲＴの例示的な採点法を示す。ＩＲＴスコアは患者等の人が有する能力の量を反映する。ＩＲＴスコアは、全ての機能カテゴリにわたって連続してスケーリングされるスコアであり得る。厳密に０のスコアは、その人がdischare時に平均的な能力を有することを意味する。０を上回るスコアは、その人が平均を超える能力を有することを意味する。０未満のスコアは、その人が平均を下回る能力を有することを意味する。図３は、ＦＩＭ上の更衣項目に関するＦＩＭの採点及び到達可能なセルフケアＩＲＴスコアの連続体を示す。ＦＩＭスコアはパターン化された各セクションの長さによって反映される。例えば「１」とラベル付けされているパターン化されたセクションは１のＦＩＭスコアを反映し、「２」とラベル付けされているセクションは２のＦＩＭスコアを反映し、その後も同様に続く。スコア及び困難度は同じメトリク上で提示され、つまり或る人のＩＲＴスコアが１．５０である場合、その人は項目の６番目のカテゴリ内で得点することが予期される。
[0148] ＩＲＴスコアの値は図３を分析することによって明らかになる。患者が入院リハビリ施設に入院し、その患者のＩＲＴスコアが－１．００から０．００に改善すると仮定する。ＦＩＭレベルにおける同等の変化は＋３である。その結果、患者が機能的利得を示したのでこれは患者にとって良い結果だと考えられる。
[0149] しかし、ＦＩＭレベルの範囲内で向上する場合、ＦＩＭスコアは利得を示すのに不十分である。別の患者が－２．００のスコアで入院し、－１．００まで向上すると仮定されたい。この患者は先の患者と同程度（＋１．００）向上したにもかかわらず、この項目のＦＩＭの変化が０なので、この患者は上半身更衣の機能レベルが依然として改善していないように見える。その結果、ＩＲＴスコアの１つの利点はＦＩＭが検出できない改善を検出できることである。本発明者らの経験では、非外傷性脊髄損傷及び神経損傷を有する個人のセルフケアにおいて予期される変化はＩＲＴを使用する場合かなり劇的である。
[0150] 図４は、セルフケア分野、認知分野、及び移動度分野における患者のスコアに関する特定のデータの例示的プロットを示す。パーセント値２５％、５０％、７５％、及び１００％は各分野上のスコアのパーセンテージを反映する。例えばセルフケア分野の１００％のスコアは、その分野の最高可能得点を獲得した患者を反映する。実線の三角形は患者の初期スコアを反映し、初期スコアは入院時又は入院直後の評価に基づいて表にすることができる。黒い三角形は患者の現在のスコアを反映する。破線の三角形は患者の期待スコアを反映する。このようにスコアを検討することにより、臨床家は患者が改善した分野を容易に明らかにし、追加の治療又は他のケアが有用であり得る分野も容易に明らかにすることができる。例えば図４のプロットを検討した後、セルフケア及び移動度のスコアがそれらの分野の期待スコアを下回っているので、臨床家はセルフケア及び移動度の領域において更なるケアを集中させるべきだと判定することができる。
[0151] 予測推定は様々なやり方で導出することができる。一実施形態では、過去の患者の診断、それらの診断の重症度（診断内の患者の状態の重症度の測定である「case mix group」）、患者を測定した日にち、及びそれらの日にちのスコアに関する情報を組み込む階層線形モデリング（ＨＬＭ）を使用することができる。このモデリングは５０日間の入院滞在まで全ての診断内の全ての重症度について予測曲線を出力することができる。情報をプロットするとき、ｘ軸は入院からの日数とすることができ、ｙ軸はＩＲＴ（ＭＡＰ）スコアであり得る。
[0152] ニューラルネットワーク及びランダムフォレストモデル等のデータサイエンス法を含む他の予測方法も使用することができる。更に、予測プロセスに追加の患者情報を組み込むことができる。
[0153] 一実施形態では、複数日にわたるＩＲＴ結果測定１８０を使用して患者を評価することができる。例えば患者は、初日にＩＲＴ結果測定１８０からの質問の第１の部分集合に基づいて、次いで２日目に質問の第２の部分集合に基づいて評価することができる。直近の項目値を集めるようにデータフィードがセットアップされ得る。
[0154] 既に評価されている項目のスコアに応じてＩＲＴ結果測定１８０内の項目が評価のために選択されるように適応型テストを使用することができる。例えば臨床家は、ＦＩＳＴテストからのＩＲＴ結果測定１８０内の項目を用いて患者を評価し、その結果に基づいて初期ＩＲＴスコアを計算し、初期ＩＲＴスコアに基づいて最適な次の項目（又は複数の次の項目）を選択することができる。所定の不確実性レベルの範囲内で正確だと患者のスコアを判定できるまで、このプロセスを繰り返し適用することができる。例えば不確実性が０．３以下であれば、この適応型テスト方法は評価のための追加の項目の提供をやめ、患者、臨床家、又は他者が検討するための最終的なＩＲＴスコアを提供することができる。
[0155] 図５は、セルフケア分野における患者のスコアに関する特定のデータの例示的チャートを示す。チャートの各行は単一の項目に関する。例えば、一番上の行は木のブロックを掴むテストに関係する。図３に関して説明したように、このチャートの各行は異なる陰影付けへと分割されている。各セクションの長さは、その項目のスコアがＡＱスコアにどのように関係するのかを反映する。例えばセクションｂ１は、掴む項目の１のスコアがＡＱスコアにどのように関係するのかを反映する。
[0156] 図５は、セルフケア分野における項目／課題のそれぞれに関する患者の現在の及び期待される機能状態を更に示す。このチャートは移動度、認知、又は他の分野からのデータを表示できることを理解すべきである。「在院日数の選択」スクロールバーは、様々な在院日数について、全ての項目の各能力レベル（例えば現在対期待）を臨床家が比較することを可能にする。かかる比較は、更なる入院滞在日が患者のためになる可能性があるかどうか、及び患者のためになる場合はどの程度かを臨床家が判定できるようにし得る。
[0157] 追加の介入が適切かどうかを判定するために、臨床家は特定のＦＩＭ項目に関する患者のスコアと共にＩＲＴスコアを検討することができる。例えば患者のＡＱスコアが１である場合、ＦＩＭのトイレ動作測定の４のスコアが期待される。しかしＦＩＭのトイレ動作測定がそれよりも低い場合、臨床家はとりわけトイレ動作の改善を目標とするように治療を調節するための指示としてかかる測定を使用することができる。
[0158] 図６Ａ及び図６Ｂは、ＦＩＭ固有の課題ごとに臨床家が目標を選択し及び／又は設定することを可能にする機能を有する「ＦＩＭエクスプローラ」セクションである。例えば図６Ａでは、摂食課題の治療目標として「４－最低限の介助」が選択されている。課題固有の目標が選択されると、図７に示す比較チャートが表示され得る。このチャートは、チャート上の垂直線と比較した場合に目標が高く設定され過ぎているのかどうか又は低く設定され過ぎているのかどうかを療法士又は他の臨床家が比較することを可能にし得る。垂直線は選択される目標の評点から導出され、ＩＲＴスコアに変換される。
[0159] 図８は、患者のＦＩＭスコアと比較したセルフケア分野の様々なプロットを示す。図８に示すように、セルフケア分野内の評価領域はバランス、上肢機能、及び嚥下を含む。一実施形態では、スコアが低いのか単に不完全なのかの混乱を回避するために、不完全なＦＩＭの執行はプロットから省くことができる。
[0160] 予測
[0161] ＡＱスコアの予測は、医療サービスグループ、case mix group（ＣＭＧ）、及び／又は在院日数等の様々な因子に基づき得る。ＣＭＧ内で、年齢は予測を支援するために使用される因子であり得る。
[0162] 予測モデルによって生成されるデータは様々なやり方で使用することができる。例えば患者の在院日数は、その患者の医学的状態、損傷レベル、並びに他の人口学的特性及び臨床的特性によって予測することができる。別の例として、患者が所与の分野でその患者の予測を下回る場合、臨床家はより集中した治療のためにその領域に的を絞ることができる。別の例として、或る分野での患者の向上が徐々に減り始めている場合、臨床家はそのことに気付き、その分野においてバランスの取れた治療を優先することができる。別の例として、幾らかの金銭的情報を所与とし、或る期間にわたって期待される改善のドル価値を評価し、それを同じ時間枠にわたる入院患者ケアコストと比較することが可能になる。ケアコストに対するケア価値の比率を使用して退院の判断を下すことができる。加えて、他の治療機関における成功を予測することが可能である。他の治療レベル及び治療場所での同様の評価（例えば外来患者、ＳＮＦ等）を所与とし、それらの機関における改善過程の予想される様子を明らかにすることができる。場合によっては、それらの機関におけるケアに関するより優れた決定を行うことができる。

Claims (16)

  1. 患者を評価するためのコンピュータ支援方法であって、
    ａ．項目応答理論（ＩＲＴ）を用いて、複数の領域における前記患者の複数の評価についての評価項目を選択すること、
    ｂ．前記複数の評価の第１の評価の入力を受け付けることであって、前記第１の評価は、セルフケア分野内で前記患者を評価するためのものであり、かつ、バランス、上肢機能、及び嚥下の領域内の第１の複数の評価項目を含む、こと、
    ｃ．前記複数の評価の第２の評価の入力を受け付けることであって、前記第２の評価は、移動度分野内で前記患者を評価するためのものであり、かつ、バランス、車椅子スキル、体位変更、ベッド移動度、及び移動度の領域内の第２の複数の評価項目を含む、こと、
    ｄ．前記複数の評価の第３の評価の入力を受け付けることであって、前記第３の評価は、認知分野内で前記患者を評価するためのものであり、かつ、認知、記憶、及び意思伝達の領域内の第３の複数の評価項目を含む、こと、
    ｅ．前記セルフケア分野、前記移動度分野、及び前記認知分野のそれぞれについて構築された統計モデルに基づいて実行されるそれぞれの項目応答理論（ＩＲＴ）分析に基づいて、受け付けた評価のそれぞれについてのそれぞれの複数の評価項目についての患者の性能に基づく、それぞれの分野固有のＩＲＴスコアを生成することであって、ｉ）前記第１の評価における前記第１の複数の評価項目についての患者の性能に基づくセルフケアＩＲＴスコア、ｉｉ）前記第２の評価における前記第２の複数の評価項目についての患者の性能に基づく移動度ＩＲＴスコア、及びｉｉｉ）前記第３の評価における前記第３の複数の評価項目についての患者の性能に基づく認知ＩＲＴスコアを生成することを含む、こと、及び
    ｆ．前記生成された分野固有のＩＲＴスコアを電子医療記録内に記憶すること、
    を含む動作を実行する計算装置を含む、方法。
  2. 前記分野固有のＩＲＴスコアに対応するデータのプロットを生成することを更に含む、請求項１に記載の方法。
  3. 前記評価項目は、因子分析を用いて、更に選択される、請求項１に記載の方法。
  4. 前記評価項目は、古典的テスト理論分析を用いて、更に選択される、請求項１に記載の方法。
  5. リハビリ患者の改善を測定する方法であって、
    ａ．複数の評価領域について構築された統計モデルに基づいて実行される項目応答理論（ＩＲＴ）分析に基づいて、前記複数の評価領域のそれぞれにおいてリハビリ患者を評価するための評価項目を選択すること、
    ｂ．前記リハビリ患者の第１の評価の入力を受け付けることであって、前記第１の評価は、セルフケア分野において前記患者を評価するための第１の複数の前記選択された評価項目を含む、こと、
    ｃ．前記リハビリ患者の第２の評価の入力を受け付けることであって、前記第２の評価は、移動度分野において前記患者を評価するための第２の複数の前記選択された評価項目を含む、こと、
    ｄ．前記リハビリ患者の第３の評価の入力を受け付けることであって、前記第３の評価は、認知分野において前記患者を評価するための第３の複数の前記選択された評価項目を含む、こと、
    ｅ．前記受け付けた入力を電子医療記録内に記憶すること、
    ｆ．対応する評価領域において前記リハビリ患者の改善を測定するために、前記第１、第２、及び第３の評価の少なくとも一つに関する前記リハビリ患者による性能に基づいて、少なくとも一つの分野固有のスコアを決定すること、及び
    ｇ．前記少なくとも一つの分野固有のスコアを、前記対応する評価領域における前記リハビリ患者についての予測スコアと比較することであって、前記予測スコアは、前記対応する評価領域における前記リハビリ患者に関連付けられる診断の重症度に少なくとも部分的に基づいており、前記比較は、前記対応する評価領域において治療を改善するために使用される、こと、
    を含む動作を実行する計算装置を含む、方法。
  6. 前記評価項目は、因子分析に基づいて更に選択される、請求項５に記載の方法。
  7. 前記評価項目は、古典的テスト理論分析に基づいて更に選択される、請求項６に記載の方法。
  8. 前記第１、第２、及び第３の評価のそれぞれが因子に分けられる、請求項５に記載の方法。
  9. 前記第１の評価の因子は、バランス、上肢機能、及び嚥下である、請求項８に記載の方法。
  10. 表示画面に前記少なくとも一つの分野固有のスコアを表示する計算装置を更に備える、請求項５に記載の方法。
  11. 前記比較は、ｉ）治療必要性の領域を識別し、ｉｉ）前記治療必要性の領域への治療に的を絞るために使用される、請求項５に記載の方法。
  12. 患者を評価するためのコンピュータ支援方法であって、
    ａ．複数の評価領域について構築された統計モデルに基づいて実行される項目応答理論（ＩＲＴ）分析に基づいて、前記複数の評価領域のそれぞれにおいて患者を評価するための複数の評価についての評価項目を選択することであって、前記統計モデルの少なくとも一つは、前記患者のサンプルに基づいて構築され、前記患者のサンプルは、前記複数の評価領域のうち特定の評価領域における前記患者の能力を示すカテゴリに従ってグループ分けされた前記患者の複数のグループを含む、こと、
    ｂ．前記複数の評価のうち第１の評価の入力を受け付けることであって、前記第１の評価は、前記患者をセルフケア分野で評価するためのものであり、かつ、バランス、上肢機能、及び嚥下の領域内の複数の評価項目を含む、こと、
    ｃ．前記複数の評価のうち第２の評価の入力を受け付けることであって、前記第２の評価は、移動度分野内で前記患者を評価するためのものであり、かつ、バランス、車椅子スキル、体位変更、ベッド移動度、及び移動度の領域内の複数の評価項目を含む、こと、
    ｄ．前記複数の評価のうち第３の評価の入力を受け付けることであって、前記第３の評価は、認知分野内で前記患者を評価するためのものであり、かつ、認知、記憶、及び意思伝達の領域内の複数の評価項目を含む、こと、
    ｅ．統計モデルのそれぞれを、受け付けた評価の対応する評価に少なくとも適用することにより、受け付けた評価のそれぞれにおける複数の評価項目のそれぞれについての患者の性能に基づいてそれぞれの分野固有のＩＲＴスコアを生成することであって、ｉ）前記第１の評価における前記複数の評価項目についての前記患者の性能に基づくセルフケアＩＲＴスコア、ｉｉ）前記第２の評価における前記複数の評価項目についての前記患者の性能に基づく移動度ＩＲＴスコア、及びｉｉｉ）前記第３の評価における前記複数の評価項目についての前記患者の性能に基づく認知ＩＲＴスコアを生成することを含む、こと、及び
    ｆ．前記生成された分野固有のＩＲＴスコアを電子医療記録内に記憶すること、
    を含む動作を実行する計算装置を含む、方法。
  13. 前記患者のサンプルに基づいて構築された前記統計モデルの少なくとも一つは、ｉ）前記セルフケア分野及び前記移動度の領域の一つにおいて前記患者を評価するためのものであり、ｉｉ）前記患者のバランスのレベルを示すカテゴリに従ってグループ分けされた前記患者の複数のグループに基づいている、請求項１２に記載の方法。
  14. 前記患者のバランスのレベルは、ｉ）バランスなし、ｉｉ）座位バランス、ｉｉｉ）立位バランス、及びｉｖ）歩行バランスのうち二つ以上を含む、請求項１３に記載の方法。
  15. 前記患者のサンプルに基づいて構築された前記統計モデルの少なくとも一つは、ｉ）前記認知分野内において前記患者を評価するためのものであり、ｉｉ）前記患者の認知的診断に従ってグループ分けされた前記患者の複数のグループに基づいている、請求項１２に記載の方法。
  16. 前記患者の認知的診断は、ｉ）通常認知、ｉｉ）脳卒中、ｉｉｉ）脳損傷、及びｉｖ）神経性異常のうち二つ以上を含む、請求項１５に記載の方法。
JP2020517303A 2017-09-27 2018-09-26 リハビリ状態のための評価及び管理システム並びに関係する方法 Active JP7423514B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022106555A JP2022125154A (ja) 2017-09-27 2022-06-30 リハビリ状態のための評価及び管理システム並びに関係する方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201762563960P 2017-09-27 2017-09-27
US62/563,960 2017-09-27
PCT/US2018/052875 WO2019067554A1 (en) 2017-09-27 2018-09-26 EVALUATION AND MANAGEMENT SYSTEM FOR REHABILITATION CONDITIONS AND ASSOCIATED METHODS

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2022106555A Division JP2022125154A (ja) 2017-09-27 2022-06-30 リハビリ状態のための評価及び管理システム並びに関係する方法

Publications (2)

Publication Number Publication Date
JP2020535526A JP2020535526A (ja) 2020-12-03
JP7423514B2 true JP7423514B2 (ja) 2024-01-29

Family

ID=65809081

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2020517303A Active JP7423514B2 (ja) 2017-09-27 2018-09-26 リハビリ状態のための評価及び管理システム並びに関係する方法
JP2022106555A Pending JP2022125154A (ja) 2017-09-27 2022-06-30 リハビリ状態のための評価及び管理システム並びに関係する方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2022106555A Pending JP2022125154A (ja) 2017-09-27 2022-06-30 リハビリ状態のための評価及び管理システム並びに関係する方法

Country Status (8)

Country Link
US (2) US11380425B2 (ja)
EP (1) EP3688764A4 (ja)
JP (2) JP7423514B2 (ja)
CN (1) CN111418024A (ja)
AU (3) AU2018342443A1 (ja)
CA (1) CA3076219A1 (ja)
MX (1) MX2020003572A (ja)
WO (1) WO2019067554A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113784664B (zh) * 2019-04-10 2024-05-28 云顶道卫思诊断中心有限公司 适应性神经学测试方法
JP7449476B2 (ja) * 2019-10-04 2024-03-14 日本電気株式会社 リハビリ業務支援装置、リハビリ業務支援方法、及びプログラム
CN112200025B (zh) * 2020-09-25 2022-08-19 北京师范大学 操控工效分析方法、设备及系统
EP4191596A1 (en) * 2021-12-06 2023-06-07 Empis & Sensum Mobile Sp. z o.. Sp.k. System of generating a user's rehabilitation plan and a way of assigning profile parameters of sensory processing disorders

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005228305A (ja) 2004-01-15 2005-08-25 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 老年症候群の危険性の判定方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU6815601A (en) 2000-06-02 2001-12-17 Quality Metric Method and system for health assessment and monitoring
US7818185B2 (en) * 2000-06-02 2010-10-19 Qualitymetric Incorporated Method, system and medium for assessing the impact of various ailments on health related quality of life
CA2544324A1 (en) * 2005-06-10 2006-12-10 Unicru, Inc. Employee selection via adaptive assessment
US20090075246A1 (en) 2007-09-18 2009-03-19 The Learning Chameleon, Inc. System and method for quantifying student's scientific problem solving efficiency and effectiveness
US20090202969A1 (en) 2008-01-09 2009-08-13 Beauchamp Scott E Customized learning and assessment of student based on psychometric models
US20100191100A1 (en) * 2009-01-23 2010-07-29 Warsaw Orthopedic, Inc. Methods and systems for diagnosing, treating, or tracking spinal disorders
US8126736B2 (en) 2009-01-23 2012-02-28 Warsaw Orthopedic, Inc. Methods and systems for diagnosing, treating, or tracking spinal disorders
US8967809B2 (en) * 2010-03-01 2015-03-03 Alcon Research, Ltd. Methods and systems for intelligent visual function assessments
US20120108909A1 (en) 2010-11-03 2012-05-03 HeadRehab, LLC Assessment and Rehabilitation of Cognitive and Motor Functions Using Virtual Reality
JP2015501027A (ja) * 2011-10-14 2015-01-08 ザ トラスティーズ オブ ザ ユニバーシティ オブ ペンシルバニア 急性期後ケアの委託先紹介のための退院決定支援システム
US20140081658A1 (en) 2012-03-07 2014-03-20 Henry S. Irving Computer-Based Analysis and Storage System for a Brain Rehabilitation Procedure
US9460264B2 (en) * 2012-05-04 2016-10-04 Elwha Llc Devices, systems, and methods for automated data collection
WO2014080081A1 (en) * 2012-11-23 2014-05-30 Carespace Oy A medical self-service unit and related system and method
US9704102B2 (en) 2013-03-15 2017-07-11 William Marsh Rice University Sparse factor analysis for analysis of user content preferences
CN103440605A (zh) * 2013-09-09 2013-12-11 丁玉兰 一种基于无线手持终端的电子病历系统
CN107851398A (zh) * 2015-04-03 2018-03-27 卡普兰股份有限公司 用于自适应评估和训练的系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005228305A (ja) 2004-01-15 2005-08-25 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 老年症候群の危険性の判定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Ｓｔｅｐｈｅｎ Ｍ． Ｈａｌｅｙ ｅｔ ａｌ．，Ａｃｔｉｖｉｔｙ Ｏｕｔｃｏｍｅ Ｍｅａｓｕｒｅｍｅｎｔ ｆｏｒ Ｐｏｓｔａｃｕｔｅ Ｃａｒｅ，Ｍｅｄｉｃａｌ Ｃａｒｅ，米国，２００４年１月１日，Ｖｏｌ．４２，Ｎｏ．１，ｐ．Ｉ－４９～Ｉ－６１

Also Published As

Publication number Publication date
CA3076219A1 (en) 2019-04-04
US20190096513A1 (en) 2019-03-28
EP3688764A4 (en) 2021-06-23
AU2024202389A1 (en) 2024-05-02
US11380425B2 (en) 2022-07-05
MX2020003572A (es) 2020-10-07
JP2022125154A (ja) 2022-08-26
AU2022200808A1 (en) 2022-02-24
AU2018342443A1 (en) 2020-04-16
CN111418024A (zh) 2020-07-14
JP2020535526A (ja) 2020-12-03
EP3688764A1 (en) 2020-08-05
US20220336069A1 (en) 2022-10-20
WO2019067554A1 (en) 2019-04-04

Similar Documents

Publication Publication Date Title
JP7423514B2 (ja) リハビリ状態のための評価及び管理システム並びに関係する方法
Swisher et al. Factor analysis as a tool for survey analysis using a professional role orientation inventory as an example
Moeyaert et al. Three-level analysis of single-case experimental data: Empirical validation
O’Malley et al. Domain-level covariance analysis for multilevel survey data with structured nonresponse
Spengler et al. A comprehensive meta-reanalysis of the robustness of the experience-accuracy effect in clinical judgment.
Thomas Rewards of bridging the divide between measurement and clinical theory: demonstration of a bifactor model for the Brief Symptom Inventory.
Kuo et al. Integration of fuzzy set theory and TOPSIS into HFMEA to improve outpatient service for elderly patients in Taiwan
Guilleux et al. RespOnse Shift ALgorithm in Item response theory (ROSALI) for response shift detection with missing data in longitudinal patient-reported outcome studies
Terwee et al. Validation of two PROMIS item banks for measuring social participation in the Dutch general population
Burgerhof et al. The Southampton Hand Assessment Procedure revisited: A transparent linear scoring system, applied to data of experienced prosthetic users
Dickens et al. Factor validation and Rasch analysis of the individual recovery outcomes counter
Heritage et al. Examination of the Connor-Davidson Resilience Scale 10 (CD-RISC-10) using the polytomous Rasch model.
Manolov et al. Further developments in summarising and meta-analysing single-case data: An illustration with neurobehavioural interventions in acquired brain injury
Wilk et al. Supporting triage of children with abdominal pain in the emergency room
Colledani et al. Rasch models in the analysis of repgrid data
Stamp How nurse practitioners make decisions regarding coronary heart disease risk: a social judgment analysis
Lindeboom et al. Scaling the sickness impact profile using item response theory: an exploration of linearity, adaptive use, and patient driven item weights
Addisu et al. Case-based reasoning framework for malaria diagnosis
Tolga Taner et al. An assessment of diagnostic efficiency by Taguchi/DEA methods
Laurikkala Knowledge discovery for female urinary incontinence expert system
Sayilir Bayesian Modeling of Single Case Research Design Data in the Presence of Autocorrelation
Parr An Application of Finite Mixture Modeling to Characterize Sources of Between-study Variation in Meta-analyses of Prevention Program Effects
Guo Advanced statistical analysis
O’Connor et al. Evaluating human service programs: Psychosocial methods
Golubski Reassessing assessment: using Bayesian methods to examine the efficacy of multiple-select multiple-choice items

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200520

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210315

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210330

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20210614

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210929

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20220302

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220630

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20220630

C11 Written invitation by the commissioner to file amendments

Free format text: JAPANESE INTERMEDIATE CODE: C11

Effective date: 20220708

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20220804

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20220824

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20220825

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20221028

C211 Notice of termination of reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C211

Effective date: 20221101

C22 Notice of designation (change) of administrative judge

Free format text: JAPANESE INTERMEDIATE CODE: C22

Effective date: 20221130

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231006

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240117

R150 Certificate of patent or registration of utility model

Ref document number: 7423514

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150