2）決定木(decision tree analysis)

はじめに

　決定木(けっていぎ，decision tree)は分類や予測を行う場合によく使用される手法であり，あるターゲットとなる項目(目的変数)を説明する重要な要因(説明変数)を，ある“基準”に基づき分類し自動抽出する手法で，決定木生成アルゴリズムとしては，CHAID，CART，C5.0などを用いるデータマイニングの中心的手法の1つである．

　現在，医療施設では臨床検査データ，診療記録データ，インシデントデータなどの大量データが蓄積されている．決定木は，このような医療分野の事例データの中から特徴や規則を抽出する手法として幅広く利用されている^1～3)．

　また，感染症制御分野においても，MRSA感染，熱傷感染症，菌交代，耐性菌感染などのリスク因子解析のため，決定木，相関ルールなどにより感染症制御データベースの中から，感染症制御に役立つリスク因子を抽出することができる^4～6,9)．

　近年，データベースの大容量化・高速化に伴い，リレーショナルデータベース(RDB)とデータマイニングを統合し，決定木をRDBで表現することで，SQLクエリによる多角的探索や，臨床検査医学領域の知識発見支援システムへの応用が可能となり，大規模なデータマイニングを実施できるようになった^7,8)．

　本稿では感染症制御データベースからのサンプルデータを基に，決定木について解析例などを交えてわかりやすく説明する．