医学教育つれづれ

医学教育に関する論文のPOINTを書き出した備忘録的なブログです。

医師国家試験合格率予測による不合格リスク学生の特定はいつ可能か？

When can we identify the students at risk of failure in the national medical licensure examination in Japan using the predictive pass rate?
Toshiki Shioiri, Michiyo Nakashima & Koji Tsunekawa 
BMC Medical Education volume 24, Article number: 930 (2024) 

bmcmededuc.biomedcentral.com

背景
医師国家試験の不合格は、日本の大学や医療制度にとって大きな問題である。 本研究では、入学後できるだけ早い時期に医師国家試験不合格のリスクを有する学生を支援するために、医師国家試験不合格のリスクを有する学生を特定するために予測合格率（PPR）を使用できる時点（入学から卒業まで）について調査した。

方法
岐阜大学大学院医学系研究科の2012年から2018年までの連続する7つの医学生コホート（n = 637）を調査した。 医学部入学前の7変数と入学後の10変数を用い、入学時と1・2・4・6年生終了時の5時点において、ロジスティック回帰分析を用いてNMLEのPPRを求める予測モデルを作成した。 全生徒を5つの時点でそれぞれNMLE不合格リスクの高いグループ（PPR < 95%）と低いグループ（PPR≥95%）に分け、在学6年間のグループ間の移動をシミュレーションした。

結果:

  1. 予測モデルの開発:
    • 5つの時点（入学時、1年次末、2年次末、4年次末、6年次末）でロジスティック回帰分析を用いて予測モデルを開発しました。
    • 各時点で2〜6個の有意な予測因子が特定されました。
  2. 予測合格率(PPR)の算出:
    • 各時点でのPPRを算出し、学生をリスク高群(PPR<95%)とリスク低群(PPR≥95%)に分類しました。
  3. リスク群の推移:
    • 入学時にリスク高群だった約30%（193/637人）の学生のうち、6年次末までにその数は104人（46.1%減少）に減少しました。
    • 6年次末のリスク高群の実際のNMLE合格率は64.4%（67/104人）、リスク低群は99.2%（529/533人）でした。
  4. PPRの信頼性:
    • 学年が上がるにつれて、感度、特異度、尤度比が上昇しました。
    • 偽陰性率は非常に低く、陰性的中率は非常に高く維持されました。

有意な予測因子:

入学時:

  • 入学時の年齢 (若いほど有利)
  • 出身高校の地域 (近隣地域出身者が有利)

1年次末:

  • 入学時の年齢
  • 出身高校の地域
  • 基礎科学の成績

2年次末:

  • 入学時の年齢
  • 基礎医学の成績
  • 出身高校の地域

4年次末:

  • CBT-IRT (共用試験CBT)の成績
  • 入学時の年齢
  • 出身高校の地域
  • 臨床前医学の成績

6年次末:

  • 卒業試験の成績
  • CBT-IRTの成績
  • 臨床前医学の成績
  • 入学時の年齢
  • 臨床実習の成績
  • 出身高校の地域

考察:

  1. 予測因子の一貫性:
    • 入学時の年齢と出身高校の地域が全時点で一貫して有意な予測因子となりました。
    • 特に年齢は強い影響力を持っており、高齢の学生ほどNMLE不合格のリスクが高いことが示唆されました。
  2. 学業成績の重要性:
    • 低学年では基礎科学や基礎医学の成績が正の予測因子となり、高学年では臨床医学の成績や卒業試験の成績が重要な予測因子となりました。
    • CBT-IRTの成績は、アメリカのUSMLE Step 1に似た予測力を持つことが示されました。
  3. 入学前の成績の影響:
    • 入学前の成績（NCTUA得点やGPA）は多変量解析では有意ではありませんでした。
    • これは日本の医学部入試の高い競争率により、入学者の成績がすでに高水準で均一化されているためかもしれません。
  4. 性別の影響:
    • 単変量解析では女性の方が成績が良い傾向が見られましたが、多変量解析では有意ではありませんでした。
    • 性別の影響については、さらなる研究が必要とされています。
  5. 早期介入の可能性:
    • 入学時点からNMLE不合格リスクの高い学生を特定できる可能性が示唆されました。
    • これにより、早期からの targeted な支援や介入が可能になると考えられます。
  6. PPRの有用性:
    • PPRを用いたリスク分析は、単一の変数（例：模擬試験の成績）による評価よりも効果的な介入につながる可能性があります。
    • 2018年のコホートでの予備的な介入結果は、PPRの有用性を支持しています。
  7. 研究の限界:
    • 単一の大学での研究であるため、他の日本の医学部への適用可能性は不明確です。
    • 予測モデルの過剰適合（overfitting）の可能性があります。
  8. 今後の課題:
    • より長期的な前向き研究によりPPRの信頼性を高める必要があります。
    • リスクの高い学生への一貫した支援プログラムの開発が求められます。

結論
PPRのような複数の変数に基づくリスク分析は、模擬試験の成績のような単一の変数と比較して、より効果的な介入を知らせることができる。 PPRの妥当性を確認するためには、より長期の前向き研究が必要である。