JP2006313523A - 処方箋、院内オーダー、調剤、レセプトにおける業務処理支援システム - Google Patents

Abstract

【課題】
医療機関や調剤薬局は、処方箋、調剤実績、過去に発生した事故・過誤のケースについて膨大な量の履歴データを保管しており、その履歴データはそれぞれの傾向を内在させている。履歴データの中に内在する傾向を把握し、システム内に不適切な業務処理の出現傾向を蓄え、ユーザが現時点で対面している各種業務処理に対してチェック機能を働かせ、事故や過誤を防止していくシステムを提供することが本発明の課題である。
【解決手段】
履歴データ１０１、データ分析部１０２、分析結果格納部１０３、支援動作部１０４から構成される。データ分析部１０２は、履歴データの傾向を分析し、この傾向を数値化した基準値を設定し、分析結果格納部１０３に蓄積される。支援動作部１０４は、ユーザが直面している業務処理を基準値に従って評価し、支援の出力を行う。
【選択図】図１

Description

本発明は，医療機関もしくは調剤薬局において発生する業務処理を支援するシステムに関し、特に処方箋、院内オーダー、調剤、レセプトのいずれかに関する業務処理するに際して、その業務処理の適切さを評価し、システムのユーザ支援するシステムに関するものである。

近年、強い作用を持った薬剤が開発され使用されているが、思いがけない副作用も発生している。高齢化社会を背景とした多科受診による重複・相互作用により薬害事故も発生している。そのような背景事情から、病院などの医療機関或いは調剤薬局における調剤ミスなどの各種事故や過誤を防止するためのミス防止システムが提案されている。

しかしながら、従来のシステムは、特許文献１のように医療機関の薬剤投与情報をサーバで管理し、患者の薬剤受取情報とを比較し、比較結果に基づいて医療 機関に投薬ミス があったか否かを判定するシステムによるもの、さらには特許文献２にあるように薬剤にバーコードを貼り付け、調剤に際して読み取った情報と投薬情報を比較するものなどであり、あくまでも医療機関などの投薬情報が正しいという前提のものであり、医療機関の投薬情報にミスがあった場合、発見できない。
特開2005-056317 特開2005-034479

あるいは、特許文献３のように薬剤の禁忌パターンなど業務処理内容の点検情報を格納する点検情報データベースを備え、業務処理内容入力データと比較して点検する医療システムも提案されている。このように予め事故・過誤を判断する一般的ルール（薬剤投与情報と薬剤受取情報とのミスマッチ、薬剤の禁忌などの点検情報）を用意し、そのルールに当てはまるケースを発見した場合、警告やガイド情報を出力するシステムでは、予め用意できる限られた知識で判定できるミスの範囲内でしか、ミスの防止が出来なかった。
特開2002-183297

事故・過誤発生のケースを分析すると、特定の患者のケースや特定の（薬、医者、患者）の組み合わせパターンが関与するケースなどに偏って発生する傾向が発見される。また、それぞれの医療機関や調剤薬局に固有の事故・過誤発生の傾向がある。これらの事故・過誤を防ぐためには、それぞれの医療機関や調剤薬局に合わせた事故・過誤発見の支援システムを用意することが望ましい。

予め事故・過誤を判断する一般的ルール（薬剤投与情報と薬剤受取情報とのミスマッチ、薬剤の禁忌など）を用意し、警告やガイド情報を出力するシステムにおいては、システムの置かれた医療機関や調剤薬局に固有の傾向を利用をシステムに取り込むことは、専門家による新たなルールの設定などが必要になり、困難であった。それぞれの医療機関や調剤薬局は、処方箋、調剤実績、過去に発生した事故・過誤のケースについて膨大な量の履歴データを保管しており、その履歴データはそれぞれの傾向を内在させている。履歴データの中に内在する傾向を把握し、システム内に不適切な業務処理の出現傾向を蓄え、ユーザが現時点で対面している各種業務処理に対してチェック機能を働かせ、事故や過誤を防止していくシステムを提供することが本発明の課題である。

請求項１記載の発明は、医療機関もしくは調剤薬局において、処方箋、院内オーダー、調剤、レセプトのいずれかに関する業務処理を行うユーザを支援するシステムであって、
１）前記業務処理毎に該処理を特定する項目に所定の項目値を処方し、履歴データとして記録する記録ステップ、
２）前記履歴データを検査して、その結果を検査結果として蓄える検査ステップ、
３）前記検査結果の精査を行い、前記業務処理が適切に行われている場合を特徴づける項目と項目値もしくは項目の組み合わせと各項目がとる項目値の傾向パターン（複数）を抽出し、それぞれの傾向パターン毎に適切さを判別する値、値の範囲、あるいはその組み合わせを精査結果として蓄える精査ステップ、

４）前記精査結果を検定し、前記業務処理の適切さを判定する基準として採用する精査結果（複数）を採用し、該精査結果を評価基準として採用し蓄える基準設定ステップ、
５）前記検査ステップ、精査ステップ、そして基準設定ステップを定期的に繰り返す更新ステップ、
６）ユーザがある特定患者の薬物治療データを処方する入力ステップ、
７）前記入力ステップにおける入力データを前記評価基準を参照し、該入力ステップにおける業務処理の適切さを数値化する評価ステップ、
８）該評価ステップで数値化された評価値に応じて前記ユーザに注意メッセージの出力または入力補助の出力を行う出力ステップ、
以上のステップを構成要素として含み、前記業務処理の適切さに応じて前記ユーザを支援することを特徴とする。

請求項２記載の発明においては、請求項１の発明における前記履歴データを構成する項目が、患者（年齢、性別、生年月日を含む）、薬名、用量、用法、処方時刻、処方日時、処方医師、診療科、医療機関、薬剤師、受付時刻、受付日付、入力終了フラグ、薬局情報、監査終了フラグ、交付終了フラグ、郵送終了フラグ、処方日数、調剤日数、日数回数、薬情報、メーカー情報のいずれか、もしくは組み合わせから構成されることを特徴とする。

請求項３記載の発明は、前記ユーザが事故や過誤を発見した場合、該発見のケースをマイナスケースとして登録が行え、該マイナスケースに該当する傾向パターンの評価値に所定のマイナス操作を加えられ、さらに該マイナスケースは事故・過誤発生の履歴データとして記録され、前記更新ステップが繰り返されたとき前記精査に反映されることを特徴とする請求項１乃至請求項２記載の業務支援システムである。

請求項４記載の発明においては、請求項３記載の発明におけるマイナスケースに該当する前記傾向パターンの評価値に加えられる所定の操作が、該マイナスケースが発見される以前の該ケースの評価値に適切さを減じる（マイナス）ポイントを加える操作であることを特徴とする。

請求項５記載の発明においては、請求項１乃至請求項４記載の発明における前記検査は、判子処方、予製剤、小分け処方、厚生省コードが正しく入っていない薬、欠測値、はずれ値、少ない出現頻度のケースのいずれか、もしくはその組み合わせを除くことによって行われることを特徴とする。

請求項６記載の発明においては、請求項１乃至請求項５記載の発明における前記精査は、四則演算、ベクトル・行列演算と転置、固有値、ソート、テーブルのマージ、行や列の入れ替え、要素抽出と併合、条件抽出、複素演算、IEEのspecial value、グラム・シュミット分解、コレスキー分解、特異値分解、固有値解析、行列式、ノルム、条件数の推定、線型方程式の解、LAPACKパッケージに基づく行列演算、乱数発生（一様分布、正規分布、対数正規分布、ベータ分布、コーシー分布、χ2乗分布、F分布、ｔ分布、ガンマ分布、ロジスティック分布、ポアッソン分布、安定分布、幾何分布、2項分布、負の2項分布、ワイブル分布）、基本統計量（合計、平均、分散、最大、最小、メディアン、モード、上下ヒンジ、変動、度数、百分率、パーセンタイル、標準偏差、標準誤差、Z得点、はずれ値、ブートストラップ法、ジャックナイフ法、クロス集計）、回帰分析（最小2乗法回帰、非線形回帰、ステップワイズ回帰、ロバスト回帰、スプライン近似、超平滑化、核型平滑化、一般化線形モデル、一般化加法モデル、尤離度によるモデルの比較、交替条件付き期待値による回帰、加法型分散安定化変換による回帰、射影追跡回帰、残差2乗中央回帰、回帰木、交差検証など）、自己相関、自己回帰、ARIMAモデル、AICによる次数選択、ベクトルARモデル、1変量および多変量スペクトル分析、高速フーリエ変換、フィルタリング、古典的およびロバストな多数のスムージング手法、決定木分析、相関分析（積率、順位を含む）、正準相関分析、多次元尺度法、対数線形モデル、デンドログラム、最短距離木、マハラノビス距離、コレスポンデンス分析、アソシエーションルール分析、自己組織化マップ分析、オッズ比、k-NN分析、構造方程式モデリング、因子分析、クラスタ分析、ニューラルネットモデル、数量化I類、数量化II類、数量化III類、判別分析、主成分分析、対応分析、潜在クラス分析、サポートベクターマシーン、コレスポンデンス分析、分散分析（一元・二元配置分散分析、チューキー法、ラテン方格法、要因計画、一元・二元ロバスト分散分析）、混合効果モデル（線形、非線形）、Coxの比例ハザード回帰、ポアッソン回帰、Anderson-Gillによる修正Coxモデル、Kaplan-Meier法、Fleming-Harrington法による生存時間解析、多重比較（Fisher、Tukey、Dunnett、Sidak、Bonferroni、Scheff）、クロス集計、分散、多重パーセプトロン、遺伝的アルゴリズム、記憶ベース推論、テキストマイニング、パス解析、散布図、箱ひげ図、円グラフ、棒グラフ、ヒストグラム、ドットチャート、時系列散布図、各種分布に関するQ-Qプロット、対散布図、チャーノフの顔、星型図などの多変量グラフィックス、ベイズの定理、ベイジアンネットワークのいずれか、もしくはその組み合わせであることを特徴とする。

請求項７記載の発明においては、請求項１乃至６記載の発明における前記検定は、前記精査結果の出現率による判別、前記精査結果の相関値を利用した判別、前記精査結果の組み合わせの頻度による判別、前記精査結果の推定値による判別、前記精査結果のｔ検定、前記精査結果のF検定、前記精査結果のχ2乗検定、前記精査結果の尤度比検定、前記精査結果の独立性検定、前記精査結果の適合度検定、前記精査結果の赤池情報基準（AIC）、前記精査結果のWald検定、前記精査結果のLM検定のいずれか、もしくはその組み合わせであることを特徴とする。

請求項８記載の発明においては、請求項１乃至７記載の発明における前記評価は、システムが蓄積したデータを精査、検定した結果によるものであって、評価のためのルールを予め設定する必要がないことを特徴とする。

請求項９記載の発明においては、請求項１乃至８記載の発明における注意メッセージの出力は、前記入力ステップが該当する項目と項目値もしくは項目の組み合わせと各項目がとる項目値の前記傾向パターンを視覚化した表現であることを特徴とする。

請求項１０記載の発明は、前記出力ステップにおいて、さらに前記出力の評価を入力するフィードバック画面が提示されることを特徴とする請求項１乃至９記載の業務支援システムである。

請求項１１記載の発明は、前記フィードバック画面から入力された評価は集計され、該集計の結果に応じて前記注意メッセージの出力または入力補助の出力に評価結果の良くない注意メッセージが表示されなくなったり制限が加えられ、出力内容の変更が加えられたりすることを特徴とする請求項１０記載の業務支援システムである。

請求項１２記載の発明は、請求項１１記載の発明における前記所定の操作が、前記注意メッセージの出力または入力補助を出力する条件の変更、前記注意メッセージの出力または入力補助を出力の内容変更であることを特徴とする。

本発明のシステムは、履歴データの中に内在する傾向を取り出し、事故や過誤を含んでいる業務処理に現れる入力データのパターンを判定する基準を設定し、その基準と比較して現在ユーザが直面している業務処理の適切さを評価し、その評価に応じてユーザに対して支援の出力を行い、事故や過誤を防止していくことができる。

図１は、実施例のシステムの概略構成図である。履歴データ格納部１０１、データ分析部１０２、分析結果格納部１０３、支援動作部１０４から構成される。これら構成部の動作は予め用意されたプログラムをモニター、キーボード、マウス等のインターフェースを備えたパーソナルコンピュータやワークステーション等のコンピュータで実行することにより実現することができる。また、これらのプログラムは、たとえばハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出され、システムのユーザが操作することによって実行される。

履歴データ格納部１０１は、本発明の支援システムを利用する医療機関が日々の業務処理で処方されたデータを記録し保管している過去処理のログである。ここで履歴データは、本支援システムの導入に先立って過去の紙で保管されていた業務処理記録から必要なデータ項目を入力して新たに電子化したデータを履歴データとしてもよい。

図２は、本実施例で利用する履歴データの一部を示したものである。処方箋データ２０１とその項目とリンクする患者情報データ２０２、医師情報データ２０３から構成される。処方箋データは、処方箋ＩＤ、患者ＩＤ、受付日、処方日、医師ＩＤ、薬名ＩＤ、用量から構成される。患者情報データは、患者ＩＤとリンクして格納され、性別、生年月日を格納している。医師情報データは、医師ＩＤとリンクし、小分け処方、診療科が格納されている。

本発明は、この実施例で採用したデータの項目、リンク先データの項目の構成に限られるのではなく、項目は、患者（年齢、性別、生年月日を含む）、薬名、用量、用法、処方時刻、処方日時、処方医師、診療科、医療機関、薬剤師、受付時刻、受付日付、入力終了フラグ、薬局情報、監査終了フラグ、交付終了フラグ、郵送終了フラグ、処方日数、調剤日数、日数回数、薬情報、メーカー情報のいずれかの項目、もしくは項目の組み合わせから構成されるパターンであってもよい。

データ分析部１０２は、履歴データの傾向を分析し、この傾向を数値化した基準値を設定し、分析結果格納部１０３に蓄積される。図３はデータ分析部１０２の動作を示した詳細図である。

検査ステップＳ３１において、履歴データから分析に利用するデータを検査する。図４はここで採用する検査のフローチャートである。Ｓ４１のステップにおいて、患者情報データとのリンクをチェックし、リンクしなければＳ４５に進み、精査対象から外れる。リンクされる場合、Ｓ４２のステップに進み、患者情報の入力がチェックされる。ここで図２に示した履歴データの場合、患者情報データ２０２における患者データ（患者ＩＤ＝７３０４８）において生年月日の記載もれがチェックされ、該当する履歴データ（処方箋ＩＤ＝２１２１８７２）が精査対象から外される。

Ｓ４３では、医師情報データとのリンクをチェックし、リンクしなければＳ４５に進み、精査対象から外れる。リンクされる場合、Ｓ４４に進み、小分け処方の有無がチェックされ、あるならばＳ４５に進み、精査対象から外される。ないならば、Ｓ３２の精査ステップに進む。ここで図２における履歴データの場合、医師情報データ２０３における医師データ（医師ＩＤ＝２７６）が小分け処方をもっているため、チェックされ精査対象から外される。

本発明の検査は、実施例で示した検査のフローに記述されたものに限られるものではなく、判子処方、予製剤、小分け処方、厚生省コードが正しく入っていない薬、欠測値、はずれ値、少ない出現頻度のケースのいずれか、もしくはその組み合わせを外す操作であればどのようなものでも採用できる。

次に精査ステップＳ３２において、Ｓ３１のステップで検査されて残ったデータに対して、精査を行い、既知の計算プログラムにより履歴データの項目間にある統計量を抽出する。
そして、Ｓ３３の検定ステップにおいて、それら統計量が検定される。

図５はＳ３２、Ｓ３３の既知の計算プログラムに従って計算した結果の一部を抜粋したものである。項目１、項目２は統計値計算の対象とする項目を表している。ここでは（性別、診療科）、（性別、薬ＩＤ）、（薬ＩＤ、用量）、（薬ＩＤ、薬ＩＤ）という項目のパターンについて、計算されているが、本発明の対象となる項目の組み合わせはこれに限られるものではない。

「項目１→２」は、項目１が起きたときの項目２の条件付き確率を示している。「項目２→１」は、項目２が起きたときの項目１の条件確率を示している。支持率は「項目１と項目２が同時に出る」のは全体（全処方）の何％かを示している。図５では後で説明するオッズ比を検定しているが、ここで計算された支持率を検定しても良い。

オッズ比は、項目１と項目２に関するものであり、今回の精査の結果計算されたものである。９５％信頼区間、９９％信頼区間で検定し、検定結果は９５％信頼区間で棄却されなければ、Ａ判定。９５％で棄却され９９％で棄却されなければ、Ｂ判定。９９％で棄却された場合、Ｃ判定。該当するデータが今回見あたらない場合、Ｄ判定となる。Ｓ３４の基準設定ステップにおいて、Ａ，Ｂの判定を得た精査結果について評価の基準として採用することとする。

本実施例において採用した項目やそれらの組み合わせに本発明の精査対象が限られるものではなく、上記履歴データを構成するすべての項目のいずれか、もしくは組み合わせが対象となる。

また本実施例では支持率として表される出現率とオッズ比により精査したが、本発明で採用可能な精査は、これに限られるものではない。四則演算、ベクトル・行列演算と転置、固有値、ソート、テーブルのマージ、行や列の入れ替え、要素抽出と併合、条件抽出、複素演算、IEEのspecial value、グラム・シュミット分解、コレスキー分解、特異値分解、固有値解析、行列式、ノルム、条件数の推定、線型方程式の解、LAPACKパッケージに基づく行列演算、乱数発生（一様分布、正規分布、対数正規分布、ベータ分布、コーシー分布、χ2乗分布、F分布、ｔ分布、ガンマ分布、ロジスティック分布、ポアッソン分布、安定分布、幾何分布、2項分布、負の2項分布、ワイブル分布）、基本統計量（合計、平均、分散、最大、最小、メディアン、モード、上下ヒンジ、変動、度数、百分率、パーセンタイル、標準偏差、標準誤差、Z得点、はずれ値、ブートストラップ法、ジャックナイフ法、クロス集計）、回帰分析（最小2乗法回帰、非線形回帰、ステップワイズ回帰、ロバスト回帰、スプライン近似、超平滑化、核型平滑化、一般化線形モデル、一般化加法モデル、尤離度によるモデルの比較、交替条件付き期待値による回帰、加法型分散安定化変換による回帰、射影追跡回帰、残差2乗中央回帰、回帰木、交差検証など）、自己相関、自己回帰、ARIMAモデル、AICによる次数選択、ベクトルARモデル、1変量および多変量スペクトル分析、高速フーリエ変換、フィルタリング、古典的およびロバストな多数のスムージング手法、決定木分析、相関分析（積率、順位を含む）、正準相関分析、多次元尺度法、対数線形モデル、デンドログラム、最短距離木、マハラノビス距離、コレスポンデンス分析、アソシエーションルール分析、自己組織化マップ分析、オッズ比、k-NN分析、構造方程式モデリング、因子分析、クラスタ分析、ニューラルネットモデル、数量化I類、数量化II類、数量化III類、判別分析、主成分分析、対応分析、潜在クラス分析、サポートベクターマシーン、コレスポンデンス分析、分散分析（一元・二元配置分散分析、チューキー法、ラテン方格法、要因計画、一元・二元ロバスト分散分析）、混合効果モデル（線形、非線形）、Coxの比例ハザード回帰、ポアッソン回帰、Anderson-Gillによる修正Coxモデル、Kaplan-Meier法、Fleming-Harrington法による生存時間解析、多重比較（Fisher、Tukey、Dunnett、Sidak、Bonferroni、Scheff）、クロス集計、分散、多重パーセプトロン、遺伝的アルゴリズム、記憶ベース推論、テキストマイニング、パス解析、散布図、箱ひげ図、円グラフ、棒グラフ、ヒストグラム、ドットチャート、時系列散布図、各種分布に関するQ-Qプロット、対散布図、チャーノフの顔、星型図などの多変量グラフィックス、ベイズの定理、ベイジアンネットワークのいずれか、もしくはその組み合わせも本発明の精査として採用することが出来る。

また本発明の基準設定は、実施例のように（薬ＩＤ、用量）に限られるものではなく、先に履歴データの項目としてあげた項目のいずれか、もしくはその組み合わせを採用することが可能である。

以上のデータ分析は、２ヶ月毎に定期的行われ、分析の合間に貯まった業務処理のログを加えた分析結果の更新が行われる。ここでは２ヶ月毎に更新する方法を採用したが、本発明の主旨に合う期間であれば、毎月でも１年ごとでもよく、実施例の期間に限られるものではない。

次に支援動作部１０４の動作を説明する。
処方ステップＳ１において、ある特定患者の薬物治療データがモニターに表示された入力画面から入力される。図６はその入力画面である。ここでは、年月日、患者ＩＤ、医師ＩＤ、薬ＩＤ、用量しか表示されていないが、本発明のシステムは、これに限らず上記履歴データを構成するすべての項目を採用することが可能である。

評価ステップＳ２において、上記Ｓ１で入力されたデータを分析結果格納部に蓄えられた分析結果を参照して、評価する。ここでは図７に示すとおり（薬ＩＤ，用量）＝（Ａ，４錠）のパターンが入力されている。

図８は、薬ＩＤ＝Ａ、（薬ＩＤ、用量）の分析結果を用量に関する百分率分布で示したものである。図９は分析結果を参照し、業務の適切さを数値化した表である。９０１は評価値とその意味づけ、９０２はその意味づけと分析結果を参照して用量毎の評価値を与えた結果の表である。

図５の（項目１＝薬Ａ）に示された統計量を見ると、用量０．００４２という低い条件付き確率、０．１３７という１から離れたオッズ比、このオッズ比に対する検定結果のＡ判定から、「薬Ａが４錠の用量をとることは希である」ということが確かに読みとれる。従って、９０２の表にあるとおり、評価値は２である。

これを基準に出力ステップＳ４において、ポップアップ画面が開き、注意のメッセージが表示される。図１０は入力画面に注意のメッセージが表示された様子を示している。１００１はポップアップ画面である。

ここで１００２に示す「Ｅnter」キーを押すことで、この処方が該当する項目の傾向パターンを視覚可したメッセージを閲覧することが出来る。図１１は薬Ａと用量との関係を視覚可したグラフであり、用量＝４錠というのがこのパターンでは希なケースであることが理解しやすい表示となっている。

１００３に示す「はい（ｙ）いいえ（n）」に答えることで、ユーザからのフィードバックとすることが出来る。ここでのｙ、ｎは集計され、その集計数に応じて、この注意メッセージの表示を制限される。ここでは注意メッセージの表示制限というフィードバックの反映を採用したが、本発明のフィードバック機構はこれに限られるものではなく、表示画面の変更、修正などの操作であっても良い。

ここでは注意のメッセージであったが、このパターンで高い出現率を持つ入力値をガイドすることで、入力を補助するものでもよい。図１２は入力画面に入力補助が出力された様子を示している。１２０１はその入力ガイドの選択肢であり、このケースで期待される入力をクリックで選択可能に示している。

ここで事故発見ステップＳ５において、事故・過誤などが発見されなければ、通常の記録ステップＳ７において、ログが履歴データに格納される。

Ｓ５において、事故・過誤が発見された場合、事故登録ステップＳ６において、マイナスケースの登録が行われる。図１３はそのときのマイナス登録画面である。分析結果格納部１０３に蓄えられているケースであれば、該当するパターンの評価値にマイナス１ポイントを加える。図１４は、Ｓ１において、入力されたケースに事故が発見された場合に、マイナス操作を加えられた評価値表である。先のケースで用量＝４錠で評価値２（希にしか起こらない）と評価されていたケースが１ポイント下がって評価値１（今まで起こったことがない）と適切さを低く評価される。図１５はマイナス登録された後に、薬Ａ、用量４錠のケースが入力された場合の評価を下げた注意メッセージである。マイナスケースは、履歴データにも記録され、次回更新における分析に反映される。このようにして、事故のケースを以後の注意メッセージや分析にフィードバックさせて、事故や過誤に対して強い予防効果が実現される。

本発明のシステムは、処方箋、院内オーダー、調剤、レセプトのいずれかの業務処理において事故や過誤の防止に効果があり、安全・安心が強く求めれる医療関係機関や調剤薬局において利用の可能性が大きい。

本発明のシステムの概略構成図 履歴データ データ分析部１０２の動作を示す詳細図 検査のフローチャート 精査、検定の結果 入力画面 入力の一例 用量に関する百分率分布 業務の適切さを数値化した表 注意のメッセージ 薬Ａと用量との関係を視覚可したグラフ 入力画面に出力された入力補助 マイナス登録画面 マイナス操作が加えられた評価値表

符号の説明

１０１ 履歴データ
１０２ データ分析部
１０３ 分析結果格納部
１０４ 支援動作部

Claims (12)

1. 医療機関もしくは調剤薬局において、処方箋、院内オーダー、調剤、レセプトのいずれかに関する業務処理を行うユーザを支援するシステムであって、
   １）前記業務処理毎に該処理を特定する項目に所定の項目値を処方し、履歴データとして記録する記録ステップ、
   ２）前記履歴データを検査して、その結果を検査結果として蓄える検査ステップ、
   ３）前記検査結果の精査を行い、前記業務処理が適切に行われている場合を特徴づける項目と項目値もしくは項目の組み合わせと各項目がとる項目値の傾向パターン（複数）を抽出し、それぞれの傾向パターン毎に適切さを判別する値、値の範囲、あるいはその組み合わせを精査結果として蓄える精査ステップ、
   
   ４）前記精査結果を検定し、前記業務処理の適切さを判定する基準として採用する精査結果（複数）を採用し、該精査結果を評価基準として採用し蓄える基準設定ステップ、
   ５）前記検査ステップ、精査ステップ、そして基準設定ステップを定期的に繰り返す更新ステップ、
   ６）ユーザがある特定患者の薬物治療データを処方する入力ステップ、
   ７）前記入力ステップにおける入力データを前記評価基準を参照し、該入力ステップにおける業務処理の適切さを数値化する評価ステップ、
   ８）該評価ステップで数値化された評価値に応じて前記ユーザに注意メッセージの出力または入力補助の出力を行う出力ステップ、
   以上のステップを構成要素として含み、前記業務処理の適切さに応じて前記ユーザを支援することを特徴とする支援システム。
2. 前記履歴データを構成する項目は、
   患者（年齢、性別、生年月日を含む）、薬名、用量、用法、処方時刻、処方日時、処方医師、診療科、医療機関、薬剤師、受付時刻、受付日付、入力終了フラグ、薬局情報、監査終了フラグ、交付終了フラグ、郵送終了フラグ、処方日数、調剤日数、日数回数、薬情報、メーカー情報のいずれか、もしくは組み合わせから構成されることを特徴とする請求項１記載の支援システム。
3. 前記ユーザが事故や過誤を発見した場合、該発見のケースを事故・過誤ケース（以下、マイナスケースと呼ぶ）として登録が行え、該マイナスケースに該当する傾向パターンの評価値に所定のマイナス操作を加えられ、さらに該マイナスケースは事故・過誤発生の履歴データとして記録され、前記更新ステップが繰り返されたとき前記精査に反映されることを特徴とする請求項１乃至２記載の支援システム。
4. 前記マイナスケースに該当する前記傾向パターンの評価値に加えられる所定の操作とは、該マイナスケースが発見される以前の該ケースの評価値に適切さを減じる（マイナス）ポイントを加える操作であることを特徴とする請求項３記載の支援システム。
5. 前記検査は、
   判子処方、予製剤、小分け処方、厚生省コードが正しく入っていない薬、欠測値、はずれ値、少ない出現頻度のケースのいずれか、もしくはその組み合わせを除くことによって行われることを特徴とする請求項１乃至４記載の支援システム。
6. 前記精査は、
   四則演算、ベクトル・行列演算と転置、固有値、ソート、テーブルのマージ、行や列の入れ替え、要素抽出と併合、条件抽出、複素演算、IEEのspecial value、グラム・シュミット分解、コレスキー分解、特異値分解、固有値解析、行列式、ノルム、条件数の推定、線型方程式の解、LAPACKパッケージに基づく行列演算、乱数発生（一様分布、正規分布、対数正規分布、ベータ分布、コーシー分布、χ2乗分布、F分布、ｔ分布、ガンマ分布、ロジスティック分布、ポアッソン分布、安定分布、幾何分布、2項分布、負の2項分布、ワイブル分布）、基本統計量（合計、平均、分散、最大、最小、メディアン、モード、上下ヒンジ、変動、度数、百分率、パーセンタイル、標準偏差、標準誤差、Z得点、はずれ値、ブートストラップ法、ジャックナイフ法、クロス集計）、回帰分析（最小2乗法回帰、非線形回帰、ステップワイズ回帰、ロバスト回帰、スプライン近似、超平滑化、核型平滑化、一般化線形モデル、一般化加法モデル、尤離度によるモデルの比較、交替条件付き期待値による回帰、加法型分散安定化変換による回帰、射影追跡回帰、残差2乗中央回帰、回帰木、交差検証など）、自己相関、自己回帰、ARIMAモデル、AICによる次数選択、ベクトルARモデル、1変量および多変量スペクトル分析、高速フーリエ変換、フィルタリング、古典的およびロバストな多数のスムージング手法、決定木分析、相関分析（積率、順位を含む）、正準相関分析、多次元尺度法、対数線形モデル、デンドログラム、最短距離木、マハラノビス距離、コレスポンデンス分析、アソシエーションルール分析、自己組織化マップ分析、オッズ比、k-NN分析、構造方程式モデリング、因子分析、クラスタ分析、ニューラルネットモデル、数量化I類、数量化II類、数量化III類、判別分析、主成分分析、対応分析、潜在クラス分析、サポートベクターマシーン、コレスポンデンス分析、分散分析（一元・二元配置分散分析、チューキー法、ラテン方格法、要因計画、一元・二元ロバスト分散分析）、混合効果モデル（線形、非線形）、Coxの比例ハザード回帰、ポアッソン回帰、Anderson-Gillによる修正Coxモデル、Kaplan-Meier法、Fleming-Harrington法による生存時間解析、多重比較（Fisher、Tukey、Dunnett、Sidak、Bonferroni、Scheff）、クロス集計、分散、多重パーセプトロン、遺伝的アルゴリズム、記憶ベース推論、テキストマイニング、パス解析、散布図、箱ひげ図、円グラフ、棒グラフ、ヒストグラム、ドットチャート、時系列散布図、各種分布に関するQ-Qプロット、対散布図、チャーノフの顔、星型図などの多変量グラフィックス、ベイズの定理、ベイジアンネットワークのいずれか、もしくはその組み合わせであることを特徴とする請求項１乃至５記載の支援システム。
7. 前記検定は、
   前記精査結果の出現率による判別、前記精査結果の相関値を利用した判別、前記精査結果の組み合わせの頻度による判別、前記精査結果の推定値による判別、前記精査結果のｔ検定、前記精査結果のF検定、前記精査結果のχ2乗検定、前記精査結果の尤度比検定、前記精査結果の独立性検定、前記精査結果の適合度検定、前記精査結果の赤池情報基準（AIC）、前記精査結果のWald検定、前記精査結果のLM検定のいずれか、もしくはその組み合わせであることを特徴とする請求項１乃至６記載の支援システム。
8. 前記評価は、システムが蓄積したデータを精査、検定した結果によるものであって、評価のためのルールを予め設定する必要がないことを特徴とする請求項１乃至７記載の支援システム。
9. 前記注意メッセージの出力は、前記入力ステップが該当する項目と項目値もしくは項目の組み合わせと各項目がとる項目値の前記傾向パターンを視覚化した表現を含むことを特徴とする請求項１乃至８記載の支援システム。
10. 前記出力ステップにおいて、さらに前記出力の評価を入力するフィードバック画面が提示されることを特徴とする請求項１乃至９記載の支援システム。
11. 前記フィードバック画面から入力された評価は集計され、該集計の結果に応じて前記注意メッセージの出力または入力補助の出力に所定の操作が加えられることを特徴とする請求項１０記載の支援システム。
12. 前記所定の操作とは、前記注意メッセージの出力または入力補助を出力する条件の変更、前記注意メッセージの出力または入力補助を出力の内容変更であることを特徴とする請求項１１記載の支援システム。
    

Images