JP2006146762A - 医療機関の患者数予測システム - Google Patents

医療機関の患者数予測システム Download PDF

Info

Publication number
JP2006146762A
JP2006146762A JP2004338566A JP2004338566A JP2006146762A JP 2006146762 A JP2006146762 A JP 2006146762A JP 2004338566 A JP2004338566 A JP 2004338566A JP 2004338566 A JP2004338566 A JP 2004338566A JP 2006146762 A JP2006146762 A JP 2006146762A
Authority
JP
Japan
Prior art keywords
prediction
medical
patients
patient
medical institution
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.)
Pending
Application number
JP2004338566A
Other languages
English (en)
Inventor
大樹 ▲高▼瀬
Daiki Takase
Tetsuya Yamada
哲弥 山田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shimizu Construction Co Ltd
Shimizu Corp
Original Assignee
Shimizu Construction Co Ltd
Shimizu Corp
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 Shimizu Construction Co Ltd, Shimizu Corp filed Critical Shimizu Construction Co Ltd
Priority to JP2004338566A priority Critical patent/JP2006146762A/ja
Publication of JP2006146762A publication Critical patent/JP2006146762A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】 競合事情などの実情に即した患者数を予測し、その際に、傷病別の患者数予測も可能とする医療機関の患者数予測システムの提供。
【解決手段】 医療機関の患者数予測システム1は、設定項目入力部2、データベース3、予測データ作成部4、出力処理部5、データベース6、患者需要予測処理部7、出力処理部8、分析値の算出処理部9、出力処理部10、出力処理部11、来院患者数予測処理部12、データベース13、出力処理部14からなる。メッシュ人口の予測データ作成部4およびデータベース6に記憶されている傷病分類別受療率に基づいて、出力処理部8は傷病分類別患者数を予測する。また、データベース13には、周辺競業医療機関の各種データが記録されており、来院患者数予測処理部12により重力モデルによる来院患者数を予測する。
【選択図】 図1

Description

本発明は、各医療機関の対象とする地域における競合事情などの実情に即した患者数を予測し、その際に、傷病別の患者数予測も可能とする、医療機関の患者数予測システムに関する。
病院や診療所のような医療機関を設立する際に、具体的な建築の計画を行う前に、その医療機関の設立予定地にどのような疾患の患者が、どの程度の人数で当該医療機関を利用する可能性があるかという、来院可能な患者の属性を把握しておく必要がある。そこで、当該医療機関の利用者数を予測するための病院利用者数予測システムを、本出願人は特許文献1に開示している。
特開2002−269242号
特許文献1に記載の患者数予測モデルにおいては、患者数予測が診療科目別に限られ、傷病分類別の患者数予測ができないという問題があった。また、特許文献1に記載の利用者数予測モデル(重力計算)においては、次のような問題があった。(1)競合する病院の規模を総病床数としているため、病床種類(一般、療養、精神、結核等)による実質的な病院規模を反映できない。(2)標傍診療科日を考慮しないで競合病院を選定しているため、診療科目別の競合状況を正確に反映できない。(3)競合病院の選定については、別途ファイルを病院要覧等の文献を参考に作成する必要がある。(4)外来患者数の予測では、施設規模としての病床数が、施設選択に関する正しい吸引実体を表していない場合が多い。
さらに、特許文献1に記載の発明においては、次のような問題があった。(1)予測結果の出力がワークシ一ト形式だったため、ビジュアルな表現ができない。(2)分布状況のみしか分からないため、全体での予測結果数や予測結果の経年的変化を見るには別途手計算する必要がある。
本発明は、このような問題に鑑みてなされたものであり、各医療機関の対象とする地域における競合事情などの実情に即した患者数を予測し、その際に、傷病別の患者数予測も可能とする、医療機関の患者数予測システムの提供を目的とする。
このような目的を達成するために、本発明の第1の実施形態に係る医療機関の患者数予測システムは、医療機関の立地対象範囲および予測期間の設定手段と、当該対象範囲のメッシュ人口の予測手段と、傷病分類別受療率の記憶手段と、前記メッシュ人口の予測手段による予測データおよび前記記憶手段に記憶されている傷病分類別受療率に基づいて、傷病分類別患者数を予測する患者数予測手段とを具備することを特徴とする。
また、本発明の第1の医療機関の患者数予測システムは、前記患者数予測手段の処理結果を出力する第1の出力手段を有することを特徴とする。
本発明の第2の実施形態に係る医療機関の患者数予測システムは、医療機関の立地対象範囲および予測期間の設定手段と、当該対象範囲のメッシュ人口の予測手段と、診療科別受療率を記憶する第1の記憶手段と、前記メッシュ人口の予測手段による予測データおよび前記第1の記憶手段に記憶されている診療科別受療率に基づいて、診療科別患者数を算出する診療科別患者数算出手段と、周辺競業医療機関の各種データを記憶する第2の記憶手段と、前記第2の記憶手段に記憶されているデータから、対象とする医療機関の診療科と対応している周辺競業医療機関を選択し、重力モデルにより来院患者数を予測する来院患者数予測手段とを具備することを特徴とする。
また、本発明の第2の医療機関の患者数予測システムは、前記周辺競業医療機関のリストを出力する第2の出力手段を有することを特徴とする。
また、本発明の第2の医療機関の患者数予測システムは、前記第2の出力手段は、前記来院患者数予測手段の処理結果を出力することを特徴とする。
また、本発明の第1または第2の医療機関の患者数予測システムは、前記予測期間は所定期間毎に区切り、患者数の経年変化を判断することを特徴とする。
本発明においては、次のような格別な効果が得られる。(1)予測分析に要する作業時間の短縮:従来システムと比較して、データ(競合病院リスト作成)を準備する手間が削減され、結果の自動集計も可能なため、省力化による人工削減が実現された。(2)予測精度の向上:診療科目別に競合病院を選定し、且つ実態に合わせた競合病床数(一般病床、精神病床など。あるいは外来の場合の外来入院比の考慮)の設定により、予測精度が向上した。(3)現状施設の評価:現状の施設需要をシミュレーションすることにより、本来見込まれる患者数に対して満たしているのかどうか、患者の施設選択という観点から病院を評価することが出来る。
(4)診療科目別・傷病別経営状況の評価:診療科日別に予測患者数及び患者分布(診療圏)を実際の病院患者データを比較することにより、診療科目別の経営実体を患者数の観点から把握・評価することがてきる。また、病院の診療機能をより端的に示す傷病分類別でも需要予測が可能なため、予測結果に対する現状の取扱患者数を比較することにより傷病別の面からも、診療機能の強み弱みを評価することができる。(5)整備計画に関する需要予測:5年後から最高25年後までの患者数の推移を予測し、適切な施設規模を提案することが出来る。(6)移転に伴う需要変化に関する予測:施設の移転を考えるにあたり、現状値に対して、患者は増えるのかどうか。また、どこに移転すれば患者数が増えるか等の検討か出来る。
以下、本発明の実施の形態について、医療機関の中で病院を例にして説明する。図1は、本発明の実施形態に係るシステム構成図である。図1において、医療機関の患者数予測システム1は、患者需要予測に基づき、来院患者数予測を行うものである。その構成は、設定項目入力部2、データベース3、予測データ作成部4、出力処理部5、データベース6、患者需要予測処理部7、出力処理部8、分析値の算出処理部9、出力処理部10、出力処理部11、来院患者数予測処理部12、データベース13、出力処理部14からなる。
設定項目入力部2では、医療機関が立地している対象範囲(2次メッシュ番号に対応する所定の地域)と、所定の予測期間、例えば2000年〜2015年を設定する。データベース3には、「メッシュ人口(例えば平成12年国政調査に基づく)」と、「都道府県別生残率、移動率、出生率、出生比率」、「市町村行政コード」、「メッシュ内面積比データベース」を記録する。なお、対象範囲を設定する際には、付近に川が流れている場合、その川にかかる橋の位置データを入力する。
予測データ作成部4は、設定項目入力部2で設定された項目、およびデータベース3に記録されたデータに基づき、コーホート法による人口予測データを作成する。コーホート法による人口予測は、ある年に生まれた集団のある期間の人口変化を観察することで、将来人口を推計するものである。なお、図1の丸付き数字1〜6は、後述する説明図の図2、図3の丸付き数字に対応している。
出力処理部5は、予測データ作成部4の処理に基づき、予測人口データを出力する。例として、2000年〜2030年の男女別5歳階級別予測人口を出力する。データベース6には、受療率(例えば平成11年患者調査)を、診療科別、あるいはICD(国際疾病分類)傷病分類別に記録する。患者需要予測処理部7は、前記出力処理部5で出力された予測人口データと、データベース6に記録されたデータを乗算して、受療率算出による患者需要予測を行う。患者需要予測は、診療科別、あるいはICD(国際疾病分類)傷病分類別に算出される。ICD基本分類は、アルファベット大文字と数字2桁からなるコードが付与されている。各傷病は、大分類の下位に更に詳しく分類されており(ICD10)、分類コードも数字は3桁で対応させている。
患者需要予測処理部7の処理に基づいて、出力処理部8は、傷病分類別患者数データを算出して出力する。次に、分析値の算出処理部9で、出力処理部8の出力データを集計・グラフ化などにより分析する。さらに、分析値の算出処理部9の分析結果は、出力処理部10で患者発生分布、傷病別発生患者経年変化、発生患者集計表として出力される。出力処理部10は、モニタによる表示、または記録紙に出力させる構成とすることができる。
出力処理部11は、患者需要予測処理部7の処理に基づいて、診療科別患者数データを出力する。データベース13には、周辺競合病院の名称、所在地、病床種類別、病床数、診療科などのデータと、施設規模別入院/外来比のデータが記録されている。来院患者数予測処理部12は、出力処理部11で出力された診療科別患者数データと、前記設定項目入力部2で入力された対象範囲(2次メッシュ番号に対応する所定の地域)、および所定の予測期間のデータ、さらに、データベース13に記録されたデータに基づいて、重力モデルによる来院患者数予測を行う。来院患者数予測処理部12の予測結果は、出力処理部14で、診療科別来院患者数分布、診療科別患者数経年変化、来院患者数集計表として出力される。重力モデルによる来院患者数予測は、当該医療機関の吸引力の度合いにより来院患者数の予測を行うものである。
図2〜図4は、本発明の実施形態におけるモニタの表示画面の例を示す説明図である。この例では、「ハイパー患者くん」というソフトウエアを起動し、当該ソフトウエアがモニタに表示される。図2の画面において、○1の「人口予測計算」の個所をクリックすると、図1で説明した、コーホート法による人口予測の処理が実行される。また、○2の「利用者数予測」の個所をクリックすると、図1で説明した患者需要予測処理部7の処理が実行される。○3の「各種集計」の個所をクリックすると、図1で説明した分析値の算出処理部9の処理が実行される。さらに、○4の「重量計算準備」の個所をクリックすると、図1で説明した来院患者数予測処理部12の処理が実行される。
図3の画面は、図1の患者需要予測処理部7で実行された結果に基づき、出力処理部11で行う処理(○5)と、出力処理部8で行う処理(○6)の設定画面を示すものである。○5の処理では、診療科別の患者数予測計算の画面が表示されており、全ての診療科または該当の診療科をクリックする。○6の処理では、傷病分類別計算の画面が表示されており、全ての傷病分類または該当の傷病分類をクリックする。
図4の画面は、周辺の医療機関における来院者数予測の設定画面を示すものである。図4の画面は、図3で診療科をクリックしたときに、来院者数予測計算を行う具体的な医療機関名を表示する。この例では、対象とする病院と同じ診療科を持つ病院について、施設規模(病床種別に応じたベッド数)が作成されている競合病院シートから自動的に選択する。このため、診療科別の競合状況を正確に反映させることができる。
図5は、来院患者数予測処理部12により、データベース13に記録された周辺競合病院のデータから、設定した計算範囲をもとに自動的に抽出されて作成された競合病院リストの例を示す説明図である。このリストには、病院名、経営主体、所在地、許可病床数、診察科目が記載される。なお、黒丸は、当該の病院が標榜する診療科を示している。
図6は、図1の予測データ作成部4で作成されたデータの出力例を示す説明図である。図6の(a)は年齢階級別将来人口(5歳階級)を示している。すなわち、0歳から85歳までの人口を5歳刻みで予測する。また、図6の(b)は、年齢階級別将来人口(3階級)を示している。ここでは、0〜14歳、15〜64歳、65歳以上に区分している。図6(a)、(b)の例では、予測期間として2000年から2030年までの30年間を5年間隔で区分している。
図7は、図1の来院患者数予測処理部12による処理結果の出力例を示す説明図である。図7の例では、消化器科と泌尿器科について、200年から2030年までの30年間を5年間隔で患者数を予測している。予測結果は、少数点以下5桁まで算定しているが、4捨5入などにより適宜有意の数字を使用する。
ここで、本発明の図1のデータベース3で説明したメッシュの概念について図8の説明図により説明する。この例は、国勢調査に基づく基準人口データを設定するものである。図10に示すように、経度が1°、緯度が40′毎に区画した1次メッシュA内の基準人口と、1次メッシュA内を8×8(約10km四方)に区画した2次メッシュBの基準人口と、2次メッシュBを10×10(約1km四方)に区画した3次メッシュの基準人口と、3次メッシュを2×2(約0.5km四方)に区画した4次メッシュの基準人口から構成されている。本発明においては、このような2次、3次のメッシュを用いて人口の予測や患者数の予測を行っている。
図9は、本発明における医療機関の患者シェア分析システムに適用される制御部を示す概略のブロック図である。図9において、コンピュータで構成される制御部20は、CPU21、ROM22、RAM23、インターフェイス回路24、入力装置25、モニタやプリンタのような出力装置26を有している。CPU21は、データ解析やグラフ作成を行う演算処理手段として機能する。ROM22には、システムの処理プログラムが格納されている。
RAM23には、各種のデータやテーブルなどが格納されている。入力装置25、出力装置26は、インターフェイス回路24を介して前記CPU21、ROM22、RAM23に接続されている。入力装置25は、キーボードやマウスなどが用いられる。出力装置26は、分析結果の特性図やグラフなどをモニタ(表示手段)に表示し、必要な場合にはプリンタ(出力手段)で記録紙にプリントする。
次に、患者数予測システムの処理について、図9と図1との対応関係を具体的に説明する。図1において、図示番号2の処理は、図9の入力装置25からの入力処理、図示番号3、6、13の処理は、ROM22、RAM23に格納されたデータの読み出し、図示番号4、7、9、12の処理は、CPU21による予測、集計処理、図示番号5、8、11の処理は、前記CPU21による出力処理、図示番号10、14の処理は、前記CPU21による算出処理結果を出力装置26で出力する処理である。
本発明においては、図1で説明したように、データベース3、6、13に記録されているデータを用いて、対象となる地域のメッシュ人口データと計算対象範囲(対象となる範囲の2次メッシュ番号)・診療科目・位置データ、対象地域を川が流れている場合、その川にかかる橋の位置データを入力する。このような入力設定を行うことにより、対象病院が標傍する診療科別に、競合病院を考慮した将来利用者数(患者数)を1kmメッシュ、あるいは500mメッシュ単位で予測する。
前記のように、対象地域を流れる川にかかる橋の位置データを入力することにより、患者が対象医療機関にアクセスする際の実情に合わせた予測を行うことができる。すなわち、患者が医療機関を利用する場合に、自宅と医療機関を結ぶ直線距離を移動するのではなく、川がある場合には必ず当該橋を経由して移動するという実情を考慮するものである。
また、本発明の実施形態においては、図4の設定画面に示されているように、患者数を予測する際に診療科と傷病名を設定することができる。このため、従来のように診療科を設定することに代えて、傷病名(ICD10:国際疾病分類による大分類レベル)を設定することにより、傷病別の患者需要を予測する事ができる。したがって、診療科別および傷病別いずれについても患者数を予測することができる。
本発明の患者数予測システムには、「人口予測システム」、「患者数予測システム」、「利用者数予測モデル」のサブシステム3つが含まれている。これらのサブシステムは、汎用の表計算ソフトをベースとする統一したインターフェースを採用しているため、個別のサブシステムを意識することなく利用できる。計算結果は、GISソフトを利用することにより自動的にビジュアル出力される。
また、本発明の患者数予測モデルは、厚生労働省が行っている患者調査のデータ(図1のデータベース6)をもとに、前記のように都道府県別、性別、10歳階級年齢の受療率(人口10万人に対する患者数)を診療科日別あるいは傷病大分類別に求め、予測されたメッシュ人口にその受療率を乗算することにより、メッシュ毎の患者数を予測する。計算結果はメッシュ毎の分布結果を基本とし、その総数、男女別総数、年齢階級別等指定に合わせた集計結果も得られる。必要な場合には、これらの集計結果をグラフ表示することもできる。
本発明の実施形態における利用者数予測モデル(ハフモデル)において、病院吸引力を計算するための競合病院の選定は、システムに格納されている病院データベースから、設定した計算範囲をもとに自動的に抽出され、図5で説明したような競合病院シートを作成する。吸引力を求める重力計算に当たっては、計画病院の持つ診療科目に応じて、同じ診療科を持つ病院について施設規模(病床種別に応じたベッド数)が作成された競合病院シートから自動的に選択する。その上で、各メッシュからの距離(最短距離)から、計画病院の吸引力(重力)を診療科目別に求める。外来患者予測の重力計算の場合、施設規模として総病床数に応じた入院外来比(患者調査による)を乗算した値を用いることにより、より実体にあった予測が可能になる。
前記のような処理による結果出力は、メッシュ単位の分布状況の他、分析に直接使えるような集計表やグラフでの出力も可能になった。また、別途GISソフト(例として、Arc Viewなど)と、計算結果をリンクさせることができ、得られた分布結果をGIS上にビジュアルに表現できる。
以上説明したように、本発明によれば、各医療機関の対象とする地域における競合事情などの実情に即した患者数を予測し、その際に、傷病別の患者数予測も可能とする、医療機関の患者数予測システムを提供することができる。
本発明の実施形態に係るシステム構成図である。 本発明の実施形態に係る説明図である。 本発明の実施形態に係る説明図である。 本発明の実施形態に係る説明図である。 本発明の実施形態に係る説明図である。 本発明の実施形態に係る説明図である。 本発明の実施形態に係る説明図である。 本発明に適用されるメッシュの説明図である。 本発明の実施形態に係るブロック図である。
符号の説明
1・・・医療機関の患者数予測システム、2・・・設定項目入力部、3、6、13・・・データベース、4・・・予測データ作成部、5、8、10、11、14・・・出力処理部、7・・・患者需要予測処理部、8・・・出力処理部、9・・・分析値の算出処理部、12・・・来院患者数予測処理部、20・・・制御部21・・・CPU、22・・・ROM、23・・・RAM、24・・・インターフェイス回路、25・・・入力装置、26・・・出力装置

Claims (6)

  1. 医療機関の立地対象範囲および予測期間の設定手段と、当該対象範囲のメッシュ人口の予測手段と、傷病分類別受療率の記憶手段と、前記メッシュ人口の予測手段による予測データおよび前記記憶手段に記憶されている傷病分類別受療率に基づいて、傷病分類別患者数を予測する患者数予測手段とを具備することを特徴とする、医療機関の患者数予測システム。
  2. 前記患者数予測手段の処理結果を出力する第1の出力手段を有することを特徴とする、請求項1に記載の医療機関の患者数予測システム。
  3. 医療機関の立地対象範囲および予測期間の設定手段と、当該対象範囲のメッシュ人口の予測手段と、診療科別受療率を記憶する第1の記憶手段と、前記メッシュ人口の予測手段による予測データおよび前記第1の記憶手段に記憶されている診療科別受療率に基づいて、診療科別患者数を算出する診療科別患者数算出手段と、周辺競業医療機関の各種データを記憶する第2の記憶手段と、前記第2の記憶手段に記憶されているデータから、対象とする医療機関の診療科と対応している周辺競業医療機関を選択し、重力モデルにより来院患者数を予測する来院患者数予測手段とを具備することを特徴とする、医療機関の患者数予測システム。
  4. 前記周辺競業医療機関のリストを出力する第2の出力手段を有することを特徴とする、請求項3に記載の医療機関の患者数予測システム。
  5. 前記第2の出力手段は、前記来院患者数予測手段の処理結果を出力することを特徴とする、請求項4に記載の医療機関の患者数予測システム。
  6. 前記予測期間は所定期間毎に区切り、患者数の経年変化を判断することを特徴とする、請求項1ないし請求項5のいずれかに記載の医療機関の患者数予測システム。

JP2004338566A 2004-11-24 2004-11-24 医療機関の患者数予測システム Pending JP2006146762A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2004338566A JP2006146762A (ja) 2004-11-24 2004-11-24 医療機関の患者数予測システム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2004338566A JP2006146762A (ja) 2004-11-24 2004-11-24 医療機関の患者数予測システム

Publications (1)

Publication Number Publication Date
JP2006146762A true JP2006146762A (ja) 2006-06-08

Family

ID=36626344

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004338566A Pending JP2006146762A (ja) 2004-11-24 2004-11-24 医療機関の患者数予測システム

Country Status (1)

Country Link
JP (1) JP2006146762A (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009087000A (ja) * 2007-09-28 2009-04-23 Mazda Motor Corp 市場分析支援方法
JP2009086998A (ja) * 2007-09-28 2009-04-23 Mazda Motor Corp 市場分析支援方法
JP2009087002A (ja) * 2007-09-28 2009-04-23 Mazda Motor Corp 市場分析支援方法
WO2011006196A1 (en) * 2009-07-16 2011-01-20 Commonwealth Scientific And Industrial Research Organisation System and method for prediction of patient admission rates
JP2016167149A (ja) * 2015-03-09 2016-09-15 Kddi株式会社 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法
JP2017004419A (ja) * 2015-06-15 2017-01-05 清水建設株式会社 医療データ分析システム及び医療データ分析プログラム
CN110046757A (zh) * 2019-04-08 2019-07-23 中国人民解放军第四军医大学 基于LightGBM算法的门诊量预测系统及预测方法
CN113284589A (zh) * 2021-05-12 2021-08-20 徐献 一种基于区域区块链的大数据统计系统及统计方法
JP7336879B2 (ja) 2018-05-30 2023-09-01 孝英 永井 来院管理装置、来院管理システム、及び来院管理プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63247862A (ja) * 1987-04-03 1988-10-14 Toshiba Corp 需要予測支援装置
JP2001236411A (ja) * 2000-02-24 2001-08-31 Words:Kk データベースを利用した立地診断方法
JP2002269242A (ja) * 2001-03-09 2002-09-20 Shimizu Corp 病院利用者数予測システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63247862A (ja) * 1987-04-03 1988-10-14 Toshiba Corp 需要予測支援装置
JP2001236411A (ja) * 2000-02-24 2001-08-31 Words:Kk データベースを利用した立地診断方法
JP2002269242A (ja) * 2001-03-09 2002-09-20 Shimizu Corp 病院利用者数予測システム

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009087000A (ja) * 2007-09-28 2009-04-23 Mazda Motor Corp 市場分析支援方法
JP2009086998A (ja) * 2007-09-28 2009-04-23 Mazda Motor Corp 市場分析支援方法
JP2009087002A (ja) * 2007-09-28 2009-04-23 Mazda Motor Corp 市場分析支援方法
WO2011006196A1 (en) * 2009-07-16 2011-01-20 Commonwealth Scientific And Industrial Research Organisation System and method for prediction of patient admission rates
AU2009202874B2 (en) * 2009-07-16 2012-08-16 Commonwealth Scientific And Industrial Research Organisation System and Method for Prediction of Patient Admission Rates
JP2016167149A (ja) * 2015-03-09 2016-09-15 Kddi株式会社 商圏に応じて店舗の期待成約人数を推定するプログラム、装置及び方法
JP2017004419A (ja) * 2015-06-15 2017-01-05 清水建設株式会社 医療データ分析システム及び医療データ分析プログラム
JP7336879B2 (ja) 2018-05-30 2023-09-01 孝英 永井 来院管理装置、来院管理システム、及び来院管理プログラム
CN110046757A (zh) * 2019-04-08 2019-07-23 中国人民解放军第四军医大学 基于LightGBM算法的门诊量预测系统及预测方法
CN113284589A (zh) * 2021-05-12 2021-08-20 徐献 一种基于区域区块链的大数据统计系统及统计方法

Similar Documents

Publication Publication Date Title
Afifi et al. Practical multivariate analysis
McHugh et al. Hospitals with higher nurse staffing had lower odds of readmissions penalties than hospitals with lower staffing
World Health Organization Service availability and readiness assessment (SARA): an annual monitoring system for service delivery: reference manual
US20170199979A1 (en) Method and system of radiation profiling
Aronsky et al. Assessing the quality of clinical data in a computer-based record for calculating the pneumonia severity index
JP5366644B2 (ja) 事業活動分析評価システム
Naimoli et al. Effect of the Integrated Management of Childhood Illness strategy on health care quality in Morocco
Petersen et al. An emotional functioning item bank of 24 items for computerized adaptive testing (CAT) was established
Jahn et al. On the role of data, statistics and decisions in a pandemic
Qureshi et al. Development of a methodology for healthcare system simulations to quantify nurse workload and quality of care
Lewis et al. Etiology intervention link predicts resolution of nutrition diagnosis: a nutrition care process outcomes study from a veterans’ health care facility
JP2006146762A (ja) 医療機関の患者数予測システム
JP2006252092A (ja) 医療機関の急性期医療需要予測システム
JP2006301760A (ja) 医療情報提供装置及び医療情報提供方法
Langård et al. Methods to recognize work-related cancer in workplaces, the general population, and by experts in the clinic, a Norwegian experience
JP2006146763A (ja) 介護認定者数予測システム
Bundhamcharoen et al. Contributions of national and global health estimates to monitoring health-related sustainable development goals in Thailand
Onder et al. Using categorical data analyses in determination of dust-related occupational diseases in mining
JP2003323501A (ja) 介護予防支援システム、介護予防支援方法、介護予防支援プログラム、要介護認定支援システム、要介護認定支援方法、要介護認定支援プログラム
Weyer et al. Features of medical records in community practices and their association with preventive service delivery
Zhang et al. Evaluating the need for routine COVID-19 testing of emergency department staff: quantitative analysis
JP2009075852A (ja) 特定健診・保健指導総合管理システム
Piatkowski Exploring support for and solutions to family CABs (Chauffeur-Associated Burdens)
Afolabi et al. Regional differences in the utilisation of antenatal care and skilled birth attendant services during the COVID-19 pandemic in Nigeria: an interrupted time series analysis
Richmond Socioeconomic predictors of 30-day hospital readmission of elderly patients with initial discharge destination of home health care

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070607

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20091118

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100105

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20100707