JP2013220226A

JP2013220226A - データ解析装置、プログラムおよびデータ解析方法

Info

Publication number: JP2013220226A
Application number: JP2012094165A
Authority: JP
Inventors: Keisuke Ogawa; 圭介小川; Masayuki Hashimoto; 真幸橋本; Kazunori Matsumoto; 一則松本
Original assignee: KDDI Corp
Current assignee: KDDI Corp
Priority date: 2012-04-17
Filing date: 2012-04-17
Publication date: 2013-10-28
Anticipated expiration: 2032-04-17
Also published as: JP5885030B2

Abstract

【課題】時系列に沿って入力された複数のデータ間の関係性を解析することにより、小型の端末で治療プランの作成を支援する。
【解決手段】時系列に沿って入力された複数のデータ間の関係性を解析するデータ解析装置であって、データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納する項目・効果時間保持部６と、前記最適時間粒度から有効な時間範囲を決定する効果時間計算部５と、前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出する値カウント部１０と、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算する関係性推定部１１と、を備える。
【選択図】図１

Description

本発明は、電子カルテ上に時系列に沿って入力された複数のデータ間の関係性を解析するデータ解析装置、プログラムおよびデータ解析方法に関する。

従来から、電子カルテシステムが知られている。例えば、特許文献１には、医療行為の相互間の関係を考慮し、効率よく医療情報を入力して電子カルテを構築する電子カルテシステムが開示されている。この電子カルテシステムは、医療行為およびその関連情報を含む医療行為情報と、この医療行為情報の適用時間情報とにより電子カルテ情報を構成する。また、その電子カルテ情報の医療行為情報を時間軸上に閲覧情報として表示する。また、編集中の電子カルテ情報における医療行為情報を時間軸上に表示させる。そして、ユーザの操作を受け付けて、電子カルテにおける医療行為情報を編集する。

図６は、電子カルテシステムの画面表示例を示す図である。図６に示すように、この電子カルテシステムは、多段階の時間軸（例えば、年単位・月単位・日単位）を有する。また、その下に診療行為（オブジェクト）が表示される。この電子カルテシステムでは、左に並ぶ項目が医療行為（病名・投薬・診断・検査等）であって、その右側に実際の行為が、一定の時間幅をもって記録される。

ユーザは、上部の時間軸を選択することで、任意の尺度での情報俯瞰が可能であり、任意の時間にジャンプすることができる。また、特定の行為項目のデータの詳細な情報を閲覧しようとする場合は、複数の行為項目をドラッグ操作で囲むことで、詳細情報を表示することが可能である。

このように、従来の電子カルテシステムでは、上記のような多段階のタイムスケールを表示し、ユーザは、任意のタイムスケールで時系列に沿って入力されたデータを俯瞰することができる。そして、任意のタイムスケール上で各行為項目の詳細情報を表示し、閲覧することができる。

このような電子カルテシステムにより、例えば、患者に対する投薬や検査の実施行為に関する医療情報のグラフ化を様々な時間粒度（データを閲覧する際の最適な時間幅）で表示することが可能となる。また、同時に複数の行為項目を表示することによって、さまざまな項目間の関係を種々の時間粒度で閲覧することが可能となる。

また、一般的に、一人の患者について行なわれる医療行為を閲覧するに際し、その視点（目的）によって、見るべき行為項目の種類は限定される。そのため、上記電子カルテシステムでは、患者に行なわれた行為項目の中からいくつかの種類を選択して、治療プランという形で保存する機能を持つ。治療プラン内では、それらの項目について実施したものを当該患者に対する治療計画として保存することができる。

特開２００８−１９２００２号公報特開２００９−１３４７１３号公報特開２００９−２８２５５７号公報

電子情報通信学会Ｖｏｌ１００，ｐ５０−ｐ６０

一般的に、患者に対して実施される項目の種類は極めて多い。慢性期患者等の場合は平均的には数百近くあり、複数の病気を持つ場合、数千になることもあり得る。そのため、行為項目から必要な項目の種類を選択することは、極めて難しい。特に、小型のモバイル端末においてこのようなシステムを実現するには、それらから項目をピックアップして計画を作成することが困難になる。このような場合、病気ごとに高頻度で使用される項目を保存しておき、それらの項目をプラン作成・編集の際の上位の項目として表示することで、それらの項目を選択しやすくするような方式が考えられる。

しかし、医療のデータをはじめとする時系列データの関連を取り扱う際には、関連する時間範囲を考慮に入れなくてはならない。例えば、投薬を行なったときにいつから変化があらわれるかについての情報が必要である。一般的には、このような情報を項目ごとに逐次入力して処理しなければならず、多大な手間となっていた。

本発明は、このような事情に鑑みてなされたものであり、時系列に沿って入力された複数のデータ間の関係性を解析することにより、小型の端末で治療プランの作成を支援することができるデータ解析装置、プログラムおよびデータ解析方法を提供することを目的とする。

（１）上記の目的を達成するために、本発明は、以下のような手段を講じた。すなわち、本発明のデータ解析装置は、時系列に沿って入力された複数のデータ間の関係性を解析するデータ解析装置であって、データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納する最適時間粒度保持部と、前記最適時間粒度から有効な時間範囲を決定する有効時間範囲決定部と、前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出する異常値検出部と、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算する関係性計算部と、を備えることを特徴とする。

（２）また、本発明のデータ解析装置は、前記計算した関係性の高い項目から順に表示する表示部を更に備えることを特徴とする。

このように、関係性の高い項目から順に表示するので、プラン作成の支援を実現することが可能となる。

（３）また、本発明のデータ解析装置において、前記関係性計算部は、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いてクロス集計表に基づく独立性検定を行なうことによって、項目間の関係性を計算することを特徴とする。

このように、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いてクロス集計表に基づく独立性検定を行なうことによって、項目間の関係性を計算するので、ユーザが選択した項目と関係性の高い項目を抽出することができるため、プラン作成の支援を実現することが可能となる。また、小型の端末で、例えば、電子カルテシステムを利用することが可能となる。

（４）また、本発明のデータ解析装置において、前記独立性検定は、２×２表分析であることを特徴とする。

このように、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて２×２表分析を行なうことによって、項目間の関係性を計算するので、ユーザが選択した項目と関係性の高い項目を抽出することができるため、プラン作成の支援を実現することが可能となる。また、小型の端末で、例えば、電子カルテシステムを利用することが可能となる。

（５）また、本発明のデータ解析装置は、入力インタフェースを介したユーザの操作に基づいて、データを入力した際の時間粒度を記録してカウントする時間粒度記録部を更に備えることを特徴とする。

このように、入力インタフェースを介したユーザの操作に基づいて、データを入力した際の時間粒度を記録してカウントするので、ユーザが選択した項目と関係性の高い項目を抽出することができ、プラン作成の支援を実現することが可能となる。

（６）また、本発明のデータ解析装置は、時系列データの時間粒度毎の概要を示すための情報量である概要情報量と、時系列データの時間粒度毎の詳細を示すための情報量である詳細情報量とを計算することにより特定の時間粒度における情報量を算出する情報量計算部と、前記算出された情報量のうち、最も高い情報量を有する時間粒度を、特定項目の最適な時間粒度であると推定する最適時間粒度推定部と、を更に備えることを特徴とする。

このように、時系列データの時間粒度毎の概要を示すための情報量である概要情報量と、時系列データの時間粒度毎の詳細を示すための情報量である詳細情報量とを計算することにより特定の時間粒度における情報量を算出し、前記算出された情報量のうち、最も高い情報量を有する時間粒度を、特定項目の最適な時間粒度であると推定するので、ユーザが選択した項目と関係性の高い項目を抽出することができ、プラン作成の支援を実現することが可能となる。

（７）また、本発明のデータ解析装置において、前記概要情報量は、前記時系列データの分散と視認できるデータ数との関数によって決定され、前記詳細情報量は、指定された時間範囲内に実際に存在するデータ量の関数によって決定されることを特徴とする。

この構成により、ユーザが選択した項目と関係性の高い項目を抽出することができ、プラン作成の支援を実現することが可能となる。

（８）また、本発明のプログラムは、時系列に沿って入力された複数のデータ間の関係性を解析するプログラムであって、データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納する処理と、前記最適時間粒度から有効な時間範囲を決定する処理と、前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出する処理と、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算する処理と、の一連の処理を、コンピュータに実行させることを特徴とする。

このように、データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納し、前記最適時間粒度から有効な時間範囲を決定し、前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出し、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算するので、ユーザが選択した項目と関係性の高い項目を抽出することができるため、プラン作成の支援を実現することが可能となる。ここで、記録された全ての項目の中から、いくつかの項目をピックアップして保存したものをプランと呼ぶ。このプランは医師の目的ごとに作られる。例えば、糖尿病の臨床経過やネフローゼ症候群の投薬経過等を見る目的である。このようなプラン作成の際に、診断病名に対して関連性の高い項目や、既に選択された項目に対して関連性の高い項目を、より優先的に表示することで、簡単に関連性の高い項目を抽出できる。また、小型の端末で、例えば、電子カルテシステムを利用することが可能となる。

（９）また、本発明のプログラムは、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いてクロス集計表に基づく独立性検定を行なうことによって、項目間の関係性を計算することを特徴とする。

（１０）また、本発明のプログラムにおいて、前記独立性検定は、２×２表分析であることを特徴とする。

（１１）また、本発明のデータ解析方法は、時系列に沿って入力された複数のデータ間の関係性を解析するデータ解析方法であって、データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納するステップと、前記最適時間粒度から有効な時間範囲を決定するステップと、前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出するステップと、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算するステップと、を少なくとも含むことを特徴とする。

（１２）また、本発明のデータ解析方法は、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いてクロス集計表に基づく独立性検定を行なうことによって、項目間の関係性を計算することを特徴とする。

（１３）また、本発明のデータ解析方法において、前記独立性検定は、２×２表分析であることを特徴とする。

本発明によれば、データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納し、前記最適時間粒度から有効な時間範囲を決定し、前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出し、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算するので、ユーザが選択した項目と関係性の高い項目を抽出することができるため、プラン作成の支援を実現することが可能となる。また、小型の端末で、例えば、電子カルテシステムを利用することが可能となる。

本実施形態に係るデータ解析装置の概略構成を示すブロック図である。本実施形態に係るデータ解析装置の前処理を示すフローチャートである。本実施形態に係るデータ解析装置の動作を示すフローチャートである。医師による治療プランの一例を示す図である。治療項目、タイムスケールのレベル、カウント値を示す図である。電子カルテシステムの画面表示例を示す図である。

以下、本発明の実施形態について説明する。本実施形態では、電子カルテシステムを例にとって説明するが、本発明は、これに限定されるわけではなく、オーダーエントリーシステム等、一般的な情報システムにも適用することが可能である。図１は、本実施形態に係るデータ解析装置の概略構成を示すブロックである。例えば、ユーザである医師が、医療データ入力部１から医療データを入力する。このとき、操作履歴記録部２は、入力された項目および時間粒度を記録する。ここで、「項目」とは、医師が患者に対して行なった行為を表している。例えば、グリミクロン錠（投薬名）や血糖値検査（検査名）が項目となる。その中の具体的な１つ１つの行為記録がデータである。また、時間粒度が変更された場合は、その変更履歴も記録する。最適時間粒度計算部３は、そのデータを閲覧する際の最適な時間幅である最適時間粒度を計算する。医療データ保持部４は、医療データ入力部１から入力された医療データを保持する。

効果時間計算部５は、最適時間粒度に基づいて、有効な時間範囲を計算する。項目・効果時間保持部６は、計算された効果時間とその項目を保持する。特定値抽出部７は、項目・効果時間保持部６で保持されている値から特定値を抽出する。値比較部８は、特定値抽出部７で抽出された特定値と、平均値計算部９で計算された各項目における効果時間の平均値とを比較し、値カウント部１０は、比較した値のカウントを行なう。関係性推定部１１は、特定の項目と他の項目との関係性を出力する。なお、２項目目選択部１２は、ユーザが選択した２項目目の入力を受け付け、基準時間計算部１３は、入力された医療データに基づいて、選択された２項目目の基準時間を計算する。

本実施形態では、データを特定する項目間の関連する時間範囲を、以下に示す２通りの手法で推定する。

［第１の手法］
医師が、システムに、項目の数値を入力した際の時間粒度を記録し、その際に項目と時間粒度を同時に保存することで、これらを関連付ける。この関連付けられた時間粒度から、関連する時間範囲（以下有効時間範囲と呼称する。）を機械的に計算する。第１の手法の基本ステップは、以下の通りである。

（１）医師による項目のデータ入力の際の時間粒度すなわち、表示する際の拡大率を項目と同時に保存する。
（２）上記を全てのデータについて行なえば、各々の項目の時間粒度との関係がわかる。
（３）一般的に人体をシステムとしてとらえると、投薬が入力であり、検査が出力である。またこれはフィードバックシステムとなっており、検査の値から投薬が再度決定される。ある時間粒度との関連性の強い投薬を入力した際に、その時間粒度に応じて決定される時間幅内に特定の検査の値が変化している場合、それらの投薬を表す項目と検査を表す項目との間には関係性がある。さらに検査の項目値が変化している場合、時間粒度から決定される時間幅内に投薬がなされていれば、それらの項目は関係がある。これらが連続しておこっている場合、投薬⇒検査⇒投薬といった形になり、最初と最後の投薬も関連性があると考える（これも時間粒度によって決定される時間幅内にこのイベントが発生している場合に限る）。これを任意のn回まで繰り返せば良い。
（４）各々の項目同士について、以下に示す2×2表を用いた項目同士の関連性判断手法を用いる。
（５）医師が項目を選んだ際に上記で決定された関連性の高い項目を上位に表示する。

なお、時間粒度を測定するタイミングは、上記に限らず、その他の操作履歴（例えば、閲覧したときの時間粒度の全ての記録等）でも良い。

［第２の手法］
データの性質に応じて、時間粒度ごとの情報量を算出する。高い情報量を持った時間粒度が当該項目における最適な時間粒度である。特定の拡大率のグラフの情報量を概要情報量と詳細情報量の和に分けて考える。

ここで概要情報量とは、時系列グラフの推移などの概要を見るための情報量であり、データの値の分散が大きく、存在する潜在的なデータの数に関連すると考えられる。分散をｓとして、潜在的なデータ数をｘとすると、ｆ（ｓ，ｘ）として表すことが可能である。単純比例とした場合、任意定数ａを用いてａｓｘとなる。

詳細情報量とは、データを細かい時間単位で詳細に見る際の情報量であり、表示する際のＤＢ上の実際のデータ量ｙに関連すると考えられるためｇ（ｙ）として表すことが可能である。これも単純比例とした場合、任意定数ｂと実際のＤＢ上のデータ量ｙを用いて、ｂｙと表される。

従ってグラフの情報量は上記の和として、ｆ（ｓ，ｘ）＋ｇ（ｙ）となる。１画像に含まれるこの情報量を計算するためには、上記のレベルごとに必要な画像枚数で除算すれば良い。それぞれのレベルにおける時間データ密度（msec/dot）をｃとして、１画像ドット数をｄとすると、当該レベルにおける画像枚数は、ｃｄとなる。従って、当該拡大率の１画像あたりの平均的な情報量は（ｆ（ｓ，ｘ）＋ｇ（ｙ））／ｃｄと計算できる。この情報量をそれぞれのレベルについて計算し重要度を判定すれば良い。上記のように単純比例とした場合は（ａｓｘ＋ｂｙ）／ｃｄとなる。

ここで、全データ数ｘを簡易的に求める場合、平均的には、（特定のレベルで表現できる時間幅／あるデータの全体の時間幅）＊全データ数で表すことが可能である。

関連度を抽出する際には、例えば、２×２表を用いる手法を使用する。この２×２表を用いる手法は、例えば、下記のＵＲＬで開示されている。

http://ja.wikipedia.org/wiki/%E5%88%86%E5%89%B2%E8%A1%A8

また、上記時間粒度の概念としては、例えば、２０段階の拡大率の概念等を導入することができる。時間粒度は１ドットあたりの表現時間：ｔｉｍｅ／ｄｏｔであらわす。例えば、レベル２０に相当する箇所の時間粒度が最も高いとすることができる。

上記のような形で、項目間の関連性をカウントし、診断された病名等の項目・あるいはユーザが検索した行為項目と関連性の高い項目を計算し、項目をピックアップする際の上位の項目として表示することで、このような操作の負担を軽減する。

図３は、本実施形態に係るデータ解析装置の動作を示すフローチャートである。また、図４は、医師による治療プランの一例を示す図であり、図５は、治療項目、タイムスケールのレベル、カウント値を示す図である。ここでは例として、「タイムスケールの倍率」として、２０段階の拡大率（時間粒度）が定義されているシステムを例として想定する。また、例えば、図４に示すように、投薬Ａを入力し、Ｂの検査結果が得られ、さらにＣの投薬を行なったものとする。この際の、時間粒度は、例えば、レベル１８であるとする。このときに項目Ａを表すＩＤあるいは単語名とともに、レベル１８の時間粒度を記録する。（Ａ，１８）のようにペアで記録する。上記のような処理を行なうと、図５に示すようなテーブルができる。この処理によれば、カウントが最も多いため、項目Ａに最適なスケールはレベル１８である。そのため、レベル１８における有効時間範囲を決定する。

一般的には、時間粒度をλとして、任意定数αを用いてα・λでよい。λは、例えばｍｓｅｃ／ｄｏｔのような数値なので、αとしては、例えば１画面あたりのドット数を用いれば良い。すなわち、１画面内に数値の変化が読み取れることになる。まず、全プランを探して、ＡとＢが同時に存在するプランを探す。探してきた当該項目の全データについて、もしＡの入力に対して、Ｂの検査の変化や異常値検出がα・λ以内に発生していればカウントを行なう。

次に、Ａが投薬されているデータとそうでないデータ、Ｂの検査値の変化のある・なしを用いて別紙参照の２×２表を適用する。次に、任意の項目について、上記を行ない、項目同士の関連付けを行なう。またＡは投薬である必要はなく、病名でも良い。この場合は病名の診断時期を記録する。

図３において、まず、ユーザとしての医師が、任意の２項目を選択する（ステップＴ１）。次に、任意の２項目を同時に含む患者データと、１項目のみ存在する患者データを抽出する（ステップＴ２）。任意２項目を同時に含む患者データについては、実施時間を基準時間とし、１項目目のみ存在するデータについては、治療開始時間を基準時間とする（ステップＴ３）。次に、当該２項目目の効果時間をデータベースから抽出する（ステップＴ４）。次に、基準時間に効果時間を加算し、当該時間付近における残り１項目目のデータの値を抽出する（ステップＴ５）。この抽出した値を特定値とする。

次に、残り１項目の当該時間付近以前のデータを抽出し、平均化する（ステップＴ６）。この抽出した値を平均値とする。次に、特定値と平均値とを比較し、特定値の平均値からのずれが一定値以上であるかどうかを判断する（ステップＴ７）。このずれが一定以上でない場合は、ステップＴ９へ遷移し、当該項目の変化なしのカウントを１増加させる。一方、ステップＴ７において、ずれが一定値以上である場合は、当該項目の変化カウントを１増加させる（ステップＴ８）。

ステップＴ１０において、任意の１項目が、残り１項目に影響を与えたかどうかを計算する（ステップＴ１０）。この計算は、例えば、２×２表を用いて行なうことができる。最後に、結果を出力して（ステップＴ１１）、終了する。

以上説明したように、本実施形態によれば、データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納し、前記最適時間粒度から有効な時間範囲を決定し、前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出し、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算するので、ユーザが選択した項目と関係性の高い項目を抽出することができるため、プラン作成の支援を実現することが可能となる。また、小型の端末で電子カルテシステムを利用することが可能となる。

１医療データ入力部
２操作履歴記録部
３最適時間粒度計算部
４医療データ保持部
５効果時間計算部
６項目・効果時間保持部
７特定値抽出部
８値比較部
９平均値計算部
１０値カウント部
１１関係性推定部
１２２項目選択部
１３基準時間計算部

Claims

時系列に沿って入力された複数のデータ間の関係性を解析するデータ解析装置であって、
データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納する最適時間粒度保持部と、
前記最適時間粒度から有効な時間範囲を決定する有効時間範囲決定部と、
前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出する異常値検出部と、
前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算する関係性計算部と、を備えることを特徴とするデータ解析装置。
前記計算した関係性の高い項目から順に表示する表示部を更に備えることを特徴とする請求項１記載のデータ解析装置。
前記関係性計算部は、前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いてクロス集計表に基づく独立性検定を行なうことによって、項目間の関係性を計算することを特徴とする請求項１記載のデータ解析装置。
前記独立性検定は、２×２表分析であることを特徴とする請求項３記載のデータ解析装置。
入力インタフェースを介したユーザの操作に基づいて、データを入力した際の時間粒度を記録してカウントする時間粒度記録部を更に備えることを特徴とする請求項１から請求項４のいずれかに記載のデータ解析装置。
時系列データの時間粒度毎の概要を示すための情報量である概要情報量と、時系列データの時間粒度毎の詳細を示すための情報量である詳細情報量とを計算することにより特定の時間粒度における情報量を算出する情報量計算部と、
前記算出された情報量のうち、最も高い情報量を有する時間粒度を、特定項目の最適な時間粒度であると推定する最適時間粒度推定部と、を更に備えることを特徴とする請求項１記載のデータ解析装置。
前記概要情報量は、前記時系列データの分散と視認できるデータ数との関数によって決定され、
前記詳細情報量は、指定された時間範囲内に実際に存在するデータ量の関数によって決定されることを特徴とする請求項６記載のデータ解析装置。
時系列に沿って入力された複数のデータ間の関係性を解析するプログラムであって、
データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納する処理と、
前記最適時間粒度から有効な時間範囲を決定する処理と、
前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出する処理と、
前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算する処理と、の一連の処理を、コンピュータに実行させることを特徴とするプログラム。
前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いてクロス集計表に基づく独立性検定を行なうことによって、項目間の関係性を計算することを特徴とする請求項８記載のプログラム。
前記独立性検定は、２×２表分析であることを特徴とする請求項９記載のプログラム。
時系列に沿って入力された複数のデータ間の関係性を解析するデータ解析方法であって、
データを特定する項目およびそのデータを閲覧する際の最適な時間幅である最適時間粒度を関連付けて格納するステップと、
前記最適時間粒度から有効な時間範囲を決定するステップと、
前記項目および前記項目とは異なる別項目のうち、前記決定された有効時間範囲内に存在する異常値を検出するステップと、
前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いて前記項目および前記他の項目の関係性を示す値を計算するステップと、を少なくとも含むことを特徴とするデータ解析方法。
前記異常値が検出された項目数と前記異常値が検出されなかった項目数とを用いてクロス集計表に基づく独立性検定を行なうことによって、項目間の関係性を計算することを特徴とする請求項１１記載のデータ解析方法。
前記独立性検定は、２×２表分析であることを特徴とする請求項１２記載のデータ解析方法。