JP2017004419A - 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 - Google Patents

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 Download PDF

Info

Publication number
JP2017004419A
JP2017004419A JP2015120255A JP2015120255A JP2017004419A JP 2017004419 A JP2017004419 A JP 2017004419A JP 2015120255 A JP2015120255 A JP 2015120255A JP 2015120255 A JP2015120255 A JP 2015120255A JP 2017004419 A JP2017004419 A JP 2017004419A
Authority
JP
Japan
Prior art keywords
medical
area
hospital
medical data
acute
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
JP2015120255A
Other languages
English (en)
Inventor
大樹 ▲高▼瀬
大樹 ▲高▼瀬
Daiki Takase
哲弥 山田
Tetsuya Yamada
哲弥 山田
澄子 河原崎
Sumiko Kawaharazaki
澄子 河原崎
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 JP2015120255A priority Critical patent/JP2017004419A/ja
Publication of JP2017004419A publication Critical patent/JP2017004419A/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】自病院の診療機能拡充計画の策定などに有効な情報を得る医療データ分析システム及びプログラムを提供する。【解決手段】対象急性期医療病院Ｓ１０１と、対象急性期医療病院を含む所定のエリアを設定してＳ１０２、対象急性期医療病院の医療データを取得しＳ１０５、全ての急性期医療病院対象急性期医療病院も含むの医療データを取得しＳ１０６、対象医療データを、主要診断群毎に分類した分類済み対象医療データを取得しＳ１０７、全医療データを、主要診断群毎に分類した分類済み全医療データＳ１０８とを取得する。主要診断群毎の分類済み対象医療データを、主要診断群毎の分類済み全医療データで除することで、対象急性期医療病院の主要診断群毎の設定エリア内でのシェアを算出するＳ１０９。【選択図】図４

Description

本発明は、急性期医療病院から提出され集計される医療データ（ＤＰＣデータ）に基づいて、急性期医療病院の分析を行う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に関する。
従来より、診療データなどの分析などに基づいて、医療機関の位置づけを把握するシステムが提案されている。
例えば、特許文献１（特開２０１１−２０９８５１号公報）には、患者の医療機関への入院元が自院であるか他院であるかを示す入院情報と、退院先が自院であるか他院であるかを示す退院情報と、を一患者一入院を単位とした診療レコードとして記憶した診療データベースを参照し、自院又は他院からの入院の割合と、自院又は他院への退院の割合と、を算出する算出手段と、 前記算出された入院の割合と退院の割合との組み合わせによっ
て前記医療機関を医療連携体制における医療機関の性質を示した医療連携体制区分に分類して出力する分類手段と、を備えることを特徴とする医療情報処理装置が開示されている。
特開２０１１−２０９８５１号公報
従来技術のものは、医療連携体制における医療機関の性質を示した位置づけを分析することは可能であるが、周辺の競合病院と間における自病院の位置づけなどを把握することができず、今後の自病院の診療機能拡充計画の策定などに有効な情報を得ることができない、という問題があった。
ところで、現在、主な急性期病院では、ＤＰＣ（Ｄｉａｇｎｏｓｉｓ Ｐｒｏｃｅｄｕｒｅ Ｃｏｍｂｉｎａｔｉｏｎ：診断群分類）に従った包括方式の診療報酬制度が採用されている。この診療報酬制度では、急性期医療を対象とした医療機関について、診療報酬を受領するためのＤＰＣデータが収集されている。このようなデータを活用することが可能であれば自病院の位置づけなどの目安となる可能性があるが、膨大なデータの分析を行ったとしても、的確な情報を得ることができなかった。
この発明は、上記課題を解決するものであって、本発明に係る医療データ分析システムは、急性期医療病院から提出され集計される医療データに基づいて、対象とする対象急性期医療病院の分析を行う医療データ分析システムであって、急性期医療病院データを記憶する急性期医療病院データベースと、急性期医療病院の医療データを記憶する医療データベースと、前記対象急性期医療病院を設定する対象急性期医療病院設定部と、前記対象急性期医療病院を含む所定のエリアを設定するエリア設定部と、前記急性期医療病院データベースと前記医療データベースから、対象急性期医療病院設定部で設定された前記対象急性期医療病院の医療データを取得する対象医療データ取得部と、
前記急性期医療病院データベースと前記医療データベースから、設定されたエリアに含まれる、任意の急性期医療病院（前記対象急性期医療病院も含む）の医療データを取得する全医療データ取得部と、前記対象医療データ取得部で取得された対象医療データを、主要診断群毎に分類した分類済み対象医療データを取得する分類済み対象医療データ取得部と、前記全医療データ取得部で取得された全医療データを、主要診断群毎に分類した分類済
み全医療データを取得する分類済み全医療データ取得部と、主要診断群毎の分類済み対象医療データを、同様の主要診断群毎の分類済み全医療データで除することで、前記対象急性期医療病院の主要診断群毎の設定エリア内でのシェアを算出するシェア算出部と、を有することを特徴とする。
また、本発明に係る医療データ分析システムは、メッシュ毎の年齢階級別の人口を記憶する人口分布データベースと、前記人口分布データベースと、前記エリア設定部で設定されたエリアとに基づいて、当該エリア内の年齢階級別の人口分布（エリア人口分布）を算出するエリア人口分布算出部と、当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）を算出するエリア予測人口分布算出部と、前記医療データベースと前記人口分布データベースから年齢階級別、主要診断群毎の年齢別患者発生率を算出する年齢別患者発生率算出部と、前記エリア人口分布算出部で算出された当該エリア内の年齢階級別の人口分布（エリア人口分布）と、前記年齢別患者発生率算出部で算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の現在需要を算出する現在需要算出部と、前記エリア予測人口分布算出部で算出された当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）と、前記年齢別患者発生率算出部で算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の予測需要を算出する予測需要算出部と、前記現在需要算出部で算出された前記対象急性期医療病院の主要診断群毎の現在需要と、前記予測需要算出部で算出された前記対象急性期医療病院の主要診断群毎の予測需要と、から需要伸び率を算出する需要伸び率算出部と、を有することを特徴とする。
また、本発明に係る医療データ分析システムは、前記シェア算出部で算出されたシェアと、前記需要伸び率算出部で算出された需要伸び率と、を表示する表示部を有することを特徴とする。
また、本発明に係る医療データ分析システムは、前記エリア設定部で設定される所定のエリアが、二次医療圏であることを特徴とする。
また、本発明に係る医療データ分析システムは、前記エリア設定部で設定される所定のエリアが、二次医療圏と当該二次医療圏に隣接するエリアであることを特徴とする。
また、本発明に係る医療データ分析プログラムは、急性期医療病院から提出され集計される医療データに基づいて、対象とする対象急性期医療病院の分析を行う医療データ分析プログラムであって、急性期医療病院データを記憶する急性期医療病院データベースと、急性期医療病院の医療データを記憶する医療データベースと、を有し、前記対象急性期医療病院を設定する対象急性期医療病院設定ステップと、前記対象急性期医療病院を含む所定のエリアを設定するエリア設定ステップと、前記急性期医療病院データベースと前記医療データベースから、対象急性期医療病院設定ステップで設定された前記対象急性期医療病院の医療データを取得する対象医療データ取得ステップと、前記急性期医療病院データベースと前記医療データベースから、設定されたエリアに含まれる、任意の急性期医療病院（前記対象急性期医療病院も含む）の医療データを取得する全医療データ取得ステップと、前記対象医療データ取得ステップで取得された対象医療データを、主要診断群毎に分類した分類済み対象医療データを取得する分類済み対象医療データ取得ステップと、前記全医療データ取得ステップで取得された全医療データを、主要診断群毎に分類した分類済み全医療データを取得する分類済み全医療データ取得ステップと、主要診断群毎の分類済み対象医療データを、同様の主要診断群毎の分類済み全医療データで除することで、前記対象急性期医療病院の主要診断群毎の設定エリア内でのシェアを算出するシェア算出ステップと、を実行することを特徴とする。
また、本発明に係る医療データ分析プログラムは、メッシュ毎の年齢階級別の人口を記憶する人口分布データベースを有し、前記人口分布データベースと、前記エリア設定ステップで設定されたエリアとに基づいて、当該エリア内の年齢階級別の人口分布（エリア人口分布）を算出するエリア人口分布算出ステップと、当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）を算出するエリア予測人口分布算出ステップと、前記医療データベースと前記人口分布データベースから年齢階級別、主要診断群毎の年齢別患者発生率を算出する年齢別患者発生率算出ステップと、前記エリア人口分布算出ステップで算出された当該エリア内の年齢階級別の人口分布（エリア人口分布）と、前記年齢別患者発生率算出ステップで算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の現在需要を算出する現在需要算出ステップと、前記エリア予測人口分布算出ステップで算出された当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）と、前記年齢別患者発生率算出ステップで算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の予測需要を算出する予測需要算出ステップと、前記現在需要算出ステップで算出された前記対象急性期医療病院の主要診断群毎の現在需要と、前記予測需要算出ステップで算出された前記対象急性期医療病院の主要診断群毎の予測需要と、から需要伸び率を算出する需要伸び率算出ステップと、を有することを特徴とする。
また、本発明に係る医療データ分析プログラムは、前記シェア算出ステップで算出されたシェアと、前記需要伸び率算出ステップで算出された需要伸び率と、を表示する表示ステップを実行することを特徴とする。
また、本発明に係る医療データ分析プログラムは、前記エリア設定ステップで設定される所定のエリアが、二次医療圏であることを特徴とする。
また、本発明に係る医療データ分析プログラムは、前記エリア設定ステップで設定される所定のエリアが、二次医療圏と当該二次医療圏に隣接するエリアであることを特徴とする。
本発明に係る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によれば、周辺の競合病院との間における自病院の位置づけなどを把握することができ、今後の自病院の診療機能拡充計画の策定などに有効な情報を得ることが可能となる。
本発明の実施形態に係る医療データ分析システムを実行可能なコンピューターの一例を示す図である。 本発明の実施形態に係る医療データ分析システムで用いられる各データベースにおけるデータ構造を示す図である。 本発明の実施形態に係る医療データ分析システムで用いられるメッシュを説明する図である。 本発明に係る医療データ分析システムによる処理工程のフローチャートを示す図である。 対象急性期医療病院を含む所定のエリアを設定する際の設定パターンを説明する図である。 本発明に係る医療データ分析システムにおける各設定を説明する図である。 エリア人口分布とエリア予測人口分布の一例を示す図である。 年齢別患者発生率の一例を示す図である。 需要伸び率の算出方法を概念的に示す図である。 本発明に係る医療データ分析システムにおける結果の出力例を示す図である。 本発明の他の実施形態に係る医療データ分析システムによる処理工程のフローチャートを示す図である。 本発明の他の実施形態に係る医療データ分析システムにおける結果の出力例を示す図である。 本発明の他の実施形態に係る医療データ分析システムによる処理工程のフローチャートを示す図である。 本発明の他の実施形態に係る医療データ分析システムにおける結果の出力例を示す図である。
以下、本発明の実施の形態を図面を参照しつつ説明する。図１は本発明の実施形態に係る医療データ分析システムを構成するコンピューターの一例を示す図である。図１において、１０はシステムバス、１１はＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、１２はＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、１３はＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、１４は外部情報機器との通信を司る通信制御部、１５はキーボードコントローラなどの入力制御部、１６は出力制御部、１７は外部記憶装置制御部、１８はキーボード、ポインティングデバイス、マウスなどの入力機器からなる入力部、１９は印刷装置などの出力部、２０はＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等の外部記憶装置、２１はグラフィック制御部、２２はディスプレイ装置をそれぞれ示している。
図１において、ＣＰＵ１１は、ＲＯＭ１３内のプログラム用ＲＯＭ、或いは、大容量の外部記憶装置２０に記憶されたプログラム等に応じて、外部機器と通信することでデータを検索・取得したり、また、図形、イメージ、文字、表等が混在した出力データの処理を実行したり、更に、外部記憶装置２０に格納されているデータベースの管理を実行したり、などといった演算処理を行うものである。
また、ＣＰＵ１１は、システムバス１０に接続される各デバイスを統括的に制御する。ＲＯＭ１３内のプログラム用ＲＯＭあるいは外部記憶装置２０には、ＣＰＵ１１の制御用の基本プログラムであるオペレーティングシステムプログラム（以下ＯＳ）等が記憶されている。また、ＲＯＭ１３あるいは外部記憶装置２０には出力データ処理等を行う際に使用される各種データが記憶されている。メインメモリーであるＲＡＭ１２は、ＣＰＵ１１の主メモリ、ワークエリア等として機能する。
入力制御部１５は、キーボードや不図示のポインティングデバイスからの入力部１８を制御する。また、出力制御部１６は、プリンタなどの出力部１９の出力制御を行う。
外部記憶装置制御部１７は、ブートプログラム、各種のアプリケーション、フォントデータ、ユーザーファイル、編集ファイル、プリンタドライバ等を記憶するＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）や、或いはフロッピーディスク（ＦＤ）等の外部記憶装置２０へのアクセスを制御する。本発明の医療データ分析システムを実現するシステムプログラムは、上記のような外部記憶装置２０に記憶されている。また、グラフィック制御部２１は、ディスプレイ装置２２に表示する情報を描画処理するための構成である。
また、通信制御部１４は、ネットワークを介して、外部機器と通信を制御するものであり、これによりシステムが必要とするデータを、インターネットやイントラネット上の外部機器が保有するデータベースから取得したり、外部機器に情報を送信したりすることができるように構成される。
外部記憶装置２０には、ＣＰＵ１１の制御プログラムであるオペレーティングシステムプログラム（以下ＯＳ）以外に、本発明の医療データ分析システムをＣＰＵ１１上で動作させるシステムプログラム、及びこのシステムプログラムで用いるデータなどがインストールされ保存・記憶されている。
本発明の医療データ分析システムを実現するシステムプログラムで利用されるデータとしては、基本的には外部記憶装置２０に保存されていることが想定されているが、場合によっては、これらのデータを、通信制御部１４を介してインターネットやイントラネット上の外部機器から取得するように構成することも可能である。また、本発明の医療データ分析システムを実現するシステムプログラムで利用されるデータを、ＵＳＢメモリやＣＤ、ＤＶＤなどの各種メディアから取得するように構成することもできる。
次に、上記のようなシステム構成のコンピューターにより実行可能な本発明に係る医療データ分析システムについて説明する。
まず、本発明に係る医療データ分析システムで用いられるデータベースについて説明する。図２は本発明の実施形態に係る医療データ分析システムで用いられる各データベースにおけるデータ構造を示す図であり、図２（ａ）は急性期医療病院データベースのデータ構造を模式的に示す図であり、図２（ｂ）は医療データベースのデータ構造を模式的に示す図であり、図２（ｃ）は人口分布データベースのデータ構造を模式的に示す図であり、図２（ｄ）は患者年齢データベースのデータ構造を模式的に示す図である。これらの外部記憶装置２０に記憶させておくことが想定されるが、通信制御部１４を介してインターネットやイントラネット上の外部機器から取得するように構成することも可能である。
図２（ａ）に示す急性期医療病院データベースには、急性期医療病院の名称に係る「病院名データ」、当該急性期医療病院の所在地に係る「所在地データ」、当該急性期医療病院が保有する病床の数に係る「病床数データ」が記憶されている。特に、「所在地データ」により、当該急性期医療病院が後述するどのメッシュに存在するのかを把握することができる。
本発明に係る医療データ分析システムにおいては、厚生労働省が集計し、公表しているＤＰＣ（Ｄａｉｇｎｏｓｉｓ Ｐｒｏｃｅｄｕｒｅ Ｃｏｍｂｉｎａｔｉｏｎ：診断群分類）に係るデータを「医療データ」と称している。
本発明に係る医療データ分析システムは、上記のようなＤＰＣに係る医療データを用いて、着目している対象急性期医療病院と、当該対象急性期医療病院の周辺の他の競合病院との関係性を明確化し、もって、対象急性期医療病院の位置づけを把握するようにしている。
医療制度改革の一環として、大学病院をはじめとした急性期医療を担う急性期病院の診療報酬制度としてＤＰＣが導入され、平成２４年度には全国で１７７４病院が参加している（２７２の準備病院等含む）。この制度に参加する病院は、厚生労働省に対しＤＰＣデータ（診療データ）を提出することが義務づけられ、その一部が集計された上で厚生労働省のホームページ上に公開されている。
図２（ｂ）に示す医療データベースには、少なくとも、「提出元病院名データ」、「主要診断群データ」、「疾病データ」、「平均在院日数データ」、「件数データ」の項目のデータが記憶されている。
「提出元病院名データ」は、どの急性期病院が厚生労働省に提出したかに係るデータで
ある。また、「主要診断群データ」は、どの主要診断群に属する治療が行われたかを記録したデータである。なお、主要診断群は全部で１８である。また、「疾病データ」は、どの疾病に対する治療が行われたかにを記録したデータである。なお、疾病の種別は約２９００である。また、「平均在院日数データ」は、当該主要診断群の疾病の治療のために入院した平均の日数を記録したデータである。また、「件数データ」は、提出元病院が、当該主要診断群の疾病を扱った件数を示すデータである。
図２（ｃ）に示す人口分布データベースは、緯度・経度に基づいて地表面を正方形のメッシュに分割したものを基礎としたデータベースである。ここで、メッシュの概念については、従来周知のものと同様である。図３は本発明の実施形態に係る医療データ分析システムで用いられるメッシュを説明する図である。
人口分布データベースは、少なくとも、「メッシュ番号」、「年齢階級別人口データ」、「仮定値データ」の項目のデータが記憶されている。それぞれのメッシュには唯一無二の番号が付されており、「メッシュ番号」にはこの番号が記録されている。また、「年齢階級別人口データ」には、該当するメッシュに居住する年齢階級別の人口が記録されている。また、「仮定値データ」には、該当するメッシュに居住する人口の推移等に係る都道府県別の仮定値（生残率、出生率、移動率）が記録されている。
図２（ｄ）に示す患者年齢データベースおいては、図に示すように患者年齢階級が定義されている。患者年齢階級としては、「０歳〜５歳」の階級、「６歳〜１５歳」の階級、「１６歳〜２０歳」の階級、「２１歳〜４０歳」の階級、「４１歳〜６０歳」の階級、「６１歳〜８０歳」の階級、「８１歳〜」の階級、の７つの階級が定義されている。
患者年齢データベースの「疾病データ」の項目には、どの疾病であるか、対象である疾病の種別が記録されている。そして、患者年齢データベースにおいては、「疾病データ」で記録されている当該疾病に対して、前記７つの階級のそれぞれで、何件の患者がカウントされているかが階級毎にデータ化されている。
次に、本発明に係る医療データ分析システムによる処理の流れを説明する。図４は本発明に係る医療データ分析システムによる処理工程のフローチャートを示す図である。また、図６は本発明に係る医療データ分析システムにおける各設定を説明する図である。なお、図６に示す設定は、あくまで例示的なものであり、本発明がこれに限定されるものではない。
図４のフローチャートにおいて、まず、ステップＳ１０１では、本発明に係る医療データ分析システムによって分析対象とする対象急性期医療病院の設定を行う。このような設定は、医療データ分析システムのユーザーが図２（ａ）に示す急性期医療病院データベースを参照することによってなされる。
この対象急性期医療病院は、図６におけるＡに対応するものとする。すなわち、ステップＳ１０１の工程は、メッシュ上で対象急性期医療病院のＡが設定される工程である。
次に、ステップＳ１０２では、対象急性期医療病院を含む所定のエリアを設定する。このような設定は、医療データ分析システムのユーザーによってなされる。このステップで設定するエリアの広さや形状は任意であるが、日常生活圏で通常必要とされる医療の確保のため地方自治体が作成している整備計画における二次医療圏を基本とすることが好ましい。
ここで、ステップＳ１０２にいて、対象急性期医療病院を含む所定のエリアを設定する
際の設定パターンを図５により滅瞑する。図５において点線によって囲まれた部分が、ステップＳ１０２で設定されたエリアを示している。
図５（Ａ）は、例えば、所定のエリアとしてユーザーが任意にエリアを設定した場合を示している。また、図５（Ｂ）は所定のエリアとして、前記したような二次医療圏を設定した例を示している。さらに、図５（Ｃ）は二次医療圏と、当該二次医療圏に隣接するエリアを設定した例を示している。図５（Ｃ）のようなエリア設定は、隣接するエリア内に、考慮すべき急性期医療病院（例えば、図中のＦ病院）が存在する場合などに好適である。
さて、図６において、点線の囲み部がステップＳ１０２で設定されたエリア（この設定エリアは図５（Ｂ）のものと同様である）を示しているが、このようなエリアが設定されると、続くステップＳ１０３では、図２（ａ）に示す急性期医療病院データベースが参照されて、設定エリア内の他の急性期医療病院が候補として抽出される。図６の例では、このような他の急性期医療病院として、Ｂ、Ｃ、Ｄ、Ｅが抽出されたものとする。
次のステップＳ１０４では、ステップＳ１０３で抽出された急性期医療病院から、任意の急性期医療病院を選択する。ここでは、ユーザーによって、他の急性期医療病院として抽出されたＢ、Ｃ、Ｄ、Ｅの全てが選択されたものとする。
続くステップＳ１０５では、図２（ｂ）に示す医療データベースを参照し、対象急性期医療病院（Ａ）の医療データを取得する。取得した対象急性期医療病院（Ａ）の医療データを、対象医療データと称することとし、この量をＨｏで表すこととする。
続くステップＳ１０６では、図２（ｂ）に示す医療データベースを参照し、全ての急性期医療病院（Ａ、Ｂ、Ｃ、Ｄ、Ｅ）の医療データを取得する。取得した全ての急性期医療病院（Ａ、Ｂ、Ｃ、Ｄ、Ｅ）の医療データを、全医療データと称することとし、この量をＨｔで表すこととする。
続くステップＳ１０７では、対象医療データ（Ｈｏ）を、主要診断群毎に分類した分類済み対象医療データを取得する。主要診断群は全部で１８である。そこで、主要診断群の別を示すためにサフィックスとしてｎ（ｎ＝１，２，３，・・・，１８）を用いることとする。本ステップで分類された分類済み対象医療データを、Ｈｏｎ（ｎ＝１，２，３，・・・，１８）によって表す。
続くステップＳ１０８では、全医療データ（Ｈｔ）を、主要診断群毎に分類した分類済み全医療データを取得する。主要診断群は全部で１８である。そこで、主要診断群の別を示すためにサフィックスとしてｎ（ｎ＝１，２，３，・・・，１８）を用いることとする。本ステップで分類された分類済み全医療データを、Ｈｔｎ（ｎ＝１，２，３，・・・，１８）によって表す。
続くステップＳ１０９では、対象急性期医療病院の主要診断群毎の設定エリア内でのシェアを算出する。このシェアは、Ｈｏｎ／Ｈｔｎ（ｎ＝１，２，３，・・・，１８）として表すことができる。
続くステップＳ１１０では、設定エリア内の年齢階級別の人口を算出する。このような算出のために、図２（ｃ）に示す人口分布データベースが参照され、設定エリア内の全てのメッシュと、設定エリアの境界にあるメッシュとについて積分を行うことで、年齢階級別の人口を算出することができる。すなわち、図６における太線内のメッシュについて、年齢階級別の人口の積分を行う。
なお、設定エリアの境界に存在するメッシュについては、設定エリア内の面積と設定エリア外の面積との比に応じて、メッシュ内人口を算出し、算出されたメッシュ内人口のみを積分してくなどの補正を行うようにしてもよい。
ステップＳ１１０で算出された人口分布を、エリア人口分布と称する。図７（Ａ）にステップＳ１１０で算出されるエリア人口分布の一例を示す。ここで、算出する人口分布としては、患者年齢データベースに準ずることで、「０歳〜５歳」の階級、「６歳〜１５歳」の階級、「１６歳〜２０歳」の階級、「２１歳〜４０歳」の階級、「４１歳〜６０歳」の階級、「６１歳〜８０歳」の階級、「８１歳〜」の階級、の７つの階級に分けるようにしている。
続くステップＳ１１１では、エリア人口分布と、図２（ｃ）に示す人口分布データベースが参照され、エリア内の年齢階級別の将来の予測人口分布を算出する。人口分布データベースには仮定値データ（生残率、出生率、移動率）が記録されており、これをもとにコーホート法により設定エリア内の予測人口分布が算出する。ステップＳ１１１で算出された人口分布を、エリア予測人口分布と称する。図７（Ｂ）にステップＳ１１１で算出されるエリア予測人口分布の一例を示す。
続くステップＳ１１２では、図２（ｃ）に示す人口分布データベース、及び、図２（ｄ）に示す患者年齢データベース、を参照し、年齢階級別、主要診断群毎の年齢別患者発生率を算出する。（なお、ステップＳ１１１で算出される年齢別患者発生数は全国の数値なので、全国の年齢階級別人口で割ることにより、年齢別患者発生率を算出する。）
図８には、１８ある主要診断群のうちのある１つの主要診断群を例として、年齢別患者発生率を示している。従って、ステップＳ１１２においては、これと同様の年齢別患者発生率が、他に１７算出される。
続くステップＳ１１３では、エリア人口分布と、エリア予測人口分布と、年齢別患者発生率と、から対象急性期医療病院の主要診断群毎の需要伸び率を算出する。図９は需要伸び率の算出方法を概念的に示す図である。図９は、１つの主要診断群毎の需要伸び率の算出を示すものであり、これと同様の算出を他に１７の主要診断群毎で行う。
図９において、（ａ）と（ｂ）は分母を構成し、（ｃ）と（ｄ）は分子を構成することを示している。
まず、分母の算出について説明する。所定の年齢階級におけるエリア人口分布と、同様の年齢階級における年齢別患者発生率の積をとる。例えば、０〜５歳の人口は、０〜５歳の年齢別患者発生率との積をとり、６〜１５歳の人口は、６〜１５歳の年齢別患者発生率との積をとる。このような積を、全ての年齢階級でとり、全ての積の総和（Σ）をとる。これが、需要伸び率の算出の際の分母となる。この分母は、対象急性期医療病院の主要診断群毎の現在需要を算出したものである。
次に、分子の算出について説明する。分子の算出においては、所定の年齢階級におけるエリア予測人口分布と、同様の年齢階級における年齢別患者発生率の積をとる。例えば、０〜５歳の人口は、０〜５歳の年齢別患者発生率との積をとり、６〜１５歳の人口は、６〜１５歳の年齢別患者発生率との積をとる。このような積を、全ての年齢階級でとり、全ての積の総和（Σ）をとる。これが、需要伸び率の算出の際の分子となる。この分子は、対象急性期医療病院の主要診断群毎の予測需要を算出したものである。
対象急性期医療病院の主要診断群毎の需要伸び率は、図９の分子の予測需要を、図９の
分母の現在需要で除したものである。
続くステップＳ１１４では、先のステップで算出された需要伸び率の結果をディスプレイ装置２２に表示する。図１０は本発明に係る医療データ分析システムにおける結果の出力例を示す図である。
図１０においては、１８の主要診断群のうち、「01神経」、「04呼吸器」、「05循環器」、「06消化器」、「07筋骨格」、「10内分泌」、「11腎・尿路」、「16外傷」の８つの主要診断群が分析された例を示している。横軸にはシェアが、縦軸には需要伸び率がとられ、対象急性期医療病院の位置づけがプロットされる。また、円の大きさは設定エリア内における主要診断群毎の医療データの総件数に比例した大きさとされる。すなわち、円の大きさは設定エリア内の市場規模に比例した大きさとなる。
本発明に係る医療データ分析システムによる、このような分析により、対象急性期医療病院が行っている主要診断群別の診療領域のうち、どの領域のシェアが相対的に高いか低いか、すなわち対象急性期医療病院の主要な診療機能が何かが判別できる。また、その領域の将来的な市場の伸びと市場規模が同時に判断でき、今後の設備投資や資源投入の意思決定の参考となる情報が得られる。
以上、本発明に係る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によれば、周辺の競合病院と間における自病院の位置づけなどを把握することができ、今後の自病院の診療機能拡充計画の策定などに有効な情報を得ることが可能となる。
次に本発明の他の実施形態について説明する。他の実施形態は、処理工程のアルゴリズムが先の実施形態と異なるのみであるので、以下、このような相違点について説明する。図１１は本発明の他の実施形態に係る医療データ分析システムによる処理工程のフローチャートを示す図である。また、図６についても適宜参照する。
ステップＳ２０１では、分析を行いたい所定のエリアを設定する。このような設定は、医療データ分析システムのユーザーによってなされる。このステップで設定するエリアの広さや形状は任意であるが、日常生活圏で通常必要とされる医療の確保のため地方自治体が作成している整備計画における二次医療圏を基本とすることが好ましい。
図６において、点線の囲み部がステップＳ１０２で設定されたエリア（この設定エリアは図５（Ｂ）のものと同様である）を示している。このようなエリアが設定されると、続くステップＳ２０２では、図２（ａ）に示す急性期医療病院データベースが参照されて設定エリア内の全ての急性期医療病院が候補として抽出される。図６の例では、このような他の急性期医療病院として、Ａ、Ｂ、Ｃ、Ｄ、Ｅが抽出されたものとする。
次のステップＳ２０３では、ステップＳ２０２で抽出された急性期医療病院から、任意の急性期医療病院を選択する。ここでは、ユーザーによって、急性期医療病院として抽出されたＡ、Ｂ、Ｃ、Ｄ、Ｅの全てが選択されたものとする。
続くステップＳ２０４では、図２（ｂ）に示す医療データベースを参照し、選択された全ての急性期医療病院（Ａ、Ｂ、Ｃ、Ｄ、Ｅ）の医療データを取得する。取得した全ての急性期医療病院（Ａ、Ｂ、Ｃ、Ｄ、Ｅ）の医療データを、全医療データと称することとし、この量をＨｔで表すこととする。
続くステップＳ２０５では、医療データを、主要診断群毎に分類した分類済み全医療データを取得する。主要診断群は全部で１８である。そこで、主要診断群の別を示すために
サフィックスとしてｎ（ｎ＝１，２，３，・・・，１８）を用いることとする。本ステップで分類された分類済み全医療データを、Ｈｔｎ（ｎ＝１，２，３，・・・，１８）によって表す。
続くステップＳ２０６では、着目する急性期医療病院（ここでは病院Ａに着目する）の主要診断群毎の設定エリア内でのシェアを算出する。このシェアは、ＨAｎ／Ｈｔｎ（ｎ
＝１，２，３，・・・，１８）として表すことができる。ここでは、ＨAｎは、Ａ病院の
医療データの件数を示している。
続くステップＳ２０７では、設定するエリア内の全ての急性期医療病院の主要診断群毎の設定エリア内でのシェアを算出する。すなわち、Ａ病院以外のＢ、Ｃ、Ｄ、Ｅ病院についても、ＨBｎ／Ｈｔｎ、ＨCｎ／Ｈｔｎ、ＨDｎ／Ｈｔｎ、ＨEｎ／Ｈｔｎ（ｎ＝１，２，３，・・・，１８）を求める。ＨBｎ乃至ＨEｎは、Ｂ病院乃至Ｅ病院の医療データの件数を示している。
続くステップＳ２０８では、先のステップで算出されたシェアをディスプレイ装置２２に表示する。図１２は本発明の他の実施形態に係る医療データ分析システムにおける結果の出力例を示す図である。
図１２においては、１８の主要診断群のうち、「01神経」、「04呼吸器」、「05循環器」、「06消化器」、「07筋骨格」、「16外傷」の６つの主要診断群が分析された例を示している。横軸にはシェアが、縦軸には主要診断群がとられ、設定されたエリア内の急性期医療病院の位置づけがプロットされる。
本発明に係る医療データ分析システムによる、このような分析により、設定されたエリア内の急性期医療病院が行っている主要診断群別の診療領域のうち、どの病院のどの領域のシェアが相対的に高いか低いか、すなわちエリア内の急性期医療病院の主要な診療機能が何かが判別できる。
以上、本発明に係る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によれば、周辺の競合病院と間における自病院の位置づけなどを把握することができ、今後の自病院の診療機能拡充計画の策定などに有効な情報を得ることが可能となる。
次に本発明の他の実施形態について説明する。他の実施形態は、処理工程のアルゴリズムが先の実施形態と異なるのみであるので、以下、このような相違点について説明する。図１３は本発明の他の実施形態に係る医療データ分析システムによる処理工程のフローチャートを示す図である。また、図６についても適宜参照する。
ステップＳ３０１では、分析を行いたい所定のエリアを設定する。このような設定は、医療データ分析システムのユーザーによってなされる。このステップで設定するエリアの広さや形状は任意であるが、日常生活圏で通常必要とされる医療の確保のため地方自治体が作成している整備計画における二次医療圏を基本とすることが好ましい。
図６において、点線の囲み部がステップＳ１０２で設定されたエリア（この設定エリアは図５（Ｂ）のものと同様である）を示している。このようなエリアが設定されると、続くステップＳ３０２では、図２（ａ）に示す急性期医療病院データベースが参照されて、設定エリア内の全ての急性期医療病院が候補として抽出される。図６の例では、このような急性期医療病院として、Ａ、Ｂ、Ｃ、Ｄ、Ｅが抽出されたものとする。
次のステップＳ３０３では、ステップＳ３０２で抽出された急性期医療病院から、任意
の急性期医療病院を選択する。ここでは、ユーザーによって、急性期医療病院として抽出されたＡ、Ｂ、Ｃ、Ｄ、Ｅの全てが選択されたものとする。
続くステップＳ３０４では、図２（ｂ）に示す医療データベースを参照し、選択された全ての急性期医療病院（Ａ、Ｂ、Ｃ、Ｄ、Ｅ）の医療データを取得する。
続くステップＳ３０５では、取得された医療データに基づいて、着目する急性期医療病院（例えば、病院Ａとする）の１ヶ月間で１病床あたり何件の入院を取り扱ったかを算出する。
続くステップＳ３０６では、Ａ病院以外のＢ、Ｃ、Ｄ、Ｅ病院についても、取得された医療データに基づいて、１ヶ月間で１病床あたり何件の入院を取り扱ったかを算出する。
続くステップＳ３０７では、着目する急性期医療病院（例えば、病院Ａとする）において、疾病割合を算出する。ここで、本例では、疾病を「がん」、「脳卒中」、「心筋梗塞」、「糖尿病」、「その他」に分類し、それらの割合を算出する。
続くステップＳ３０８では、Ａ病院以外のＢ、Ｃ、Ｄ、Ｅ病院についても、疾病割合を算出する。このステップでも、先のステップ同様の分類を行い、それぞれの割合を算出する。
続くステップＳ３０９では、先のステップで算出された１ヶ月間で１病床あたりの入院の取り扱い数、及び、疾病割合をディスプレイ装置２２に表示する。図１４は本発明の他の実施形態に係る医療データ分析システムにおける結果の出力例を示す図である。
図１４は、Ａ病院乃至Ｅ病院の１ヶ月間で１病床あたりの入院の取り扱い数が、棒グラフ化されたものである。ある病院において、１ヶ月間で１病床あたりの入院の取り扱い数が１である場合、当該病院においては、約３０日間で入院患者が入れ替わることを示している。また、図１４の棒グラフにおいては、当該病院の入院患者が、どのような疾病で入院したかを目安として示している。
本発明に係る医療データ分析システムによる、このような分析により、各病院における病床が効率的に運用されているか否かを評価することができる。
以上、本発明に係る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によれば、周辺の競合病院と間における自病院の位置づけなどを把握することができ、今後の自病院の診療機能拡充計画の策定などに有効な情報を得ることが可能となる。
１０・・・システムバス
１１・・・ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
１２・・・ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）
１３・・・ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）
１４・・・通信制御部
１５・・・入力制御部
１６・・・出力制御部
１７・・・外部記憶装置制御部
１８・・・入力部
１９・・・出力部
２０・・・外部記憶装置
２１・・・インターフェイス部
２１・・・グラフィック制御部
２２・・・ディスプレイ装置

Claims (10)

  1. 急性期医療病院から提出され集計される医療データに基づいて、対象とする対象急性期医療病院の分析を行う医療データ分析システムであって、
    急性期医療病院データを記憶する急性期医療病院データベースと、
    急性期医療病院の医療データを記憶する医療データベースと、
    前記対象急性期医療病院を設定する対象急性期医療病院設定部と、
    前記対象急性期医療病院を含む所定のエリアを設定するエリア設定部と、
    前記急性期医療病院データベースと前記医療データベースから、対象急性期医療病院設定部で設定された前記対象急性期医療病院の医療データを取得する対象医療データ取得部と、
    前記急性期医療病院データベースと前記医療データベースから、設定されたエリアに含まれる、任意の急性期医療病院（前記対象急性期医療病院も含む）の医療データを取得する全医療データ取得部と、
    前記対象医療データ取得部で取得された対象医療データを、主要診断群毎に分類した分類済み対象医療データを取得する分類済み対象医療データ取得部と、
    前記全医療データ取得部で取得された全医療データを、主要診断群毎に分類した分類済み全医療データを取得する分類済み全医療データ取得部と、
    主要診断群毎の分類済み対象医療データを、同様の主要診断群毎の分類済み全医療データで除することで、前記対象急性期医療病院の主要診断群毎の設定エリア内でのシェアを算出するシェア算出部と、
    を有することを特徴とする医療データ分析システム。
  2. メッシュ毎の年齢階級別の人口を記憶する人口分布データベースと、
    前記人口分布データベースと、前記エリア設定部で設定されたエリアとに基づいて、当該エリア内の年齢階級別の人口分布（エリア人口分布）を算出するエリア人口分布算出部と、
    当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）を算出するエリア予測人口分布算出部と、
    前記医療データベースと前記人口分布データベースから年齢階級別、主要診断群毎の年齢別患者発生率を算出する年齢別患者発生率算出部と、
    前記エリア人口分布算出部で算出された当該エリア内の年齢階級別の人口分布（エリア人口分布）と、前記年齢別患者発生率算出部で算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の現在需要を算出する現在需要算出部と、
    前記エリア予測人口分布算出部で算出された当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）と、前記年齢別患者発生率算出部で算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の予測需要を算出する予測需要算出部と、
    前記現在需要算出部で算出された前記対象急性期医療病院の主要診断群毎の現在需要と、前記予測需要算出部で算出された前記対象急性期医療病院の主要診断群毎の予測需要と、から需要伸び率を算出する需要伸び率算出部と、を有することを特徴とする請求項１に記載の医療データ分析システム。
  3. 前記シェア算出部で算出されたシェアと、前記需要伸び率算出部で算出された需要伸び率と、を表示する表示部を有することを特徴とする請求項２に記載の医療データ分析システム。
  4. 前記エリア設定部で設定される所定のエリアが、二次医療圏であることを特徴とする請求項１乃至請求項３のいずれか１項に記載の医療データ分析システム。
  5. 前記エリア設定部で設定される所定のエリアが、二次医療圏と当該二次医療圏に隣接するエリアであることを特徴とする請求項１乃至請求項３のいずれか１項に記載の医療データ分析システム。
  6. 急性期医療病院から提出され集計される医療データに基づいて、対象とする対象急性期医療病院の分析を行う医療データ分析プログラムであって、
    急性期医療病院データを記憶する急性期医療病院データベースと、
    急性期医療病院の医療データを記憶する医療データベースと、を有し、
    前記対象急性期医療病院を設定する対象急性期医療病院設定ステップと、
    前記対象急性期医療病院を含む所定のエリアを設定するエリア設定ステップと、
    前記急性期医療病院データベースと前記医療データベースから、対象急性期医療病院設定ステップで設定された前記対象急性期医療病院の医療データを取得する対象医療データ取得ステップと、
    前記急性期医療病院データベースと前記医療データベースから、設定されたエリアに含まれる、任意の急性期医療病院（前記対象急性期医療病院も含む）の医療データを取得する全医療データ取得ステップと、
    前記対象医療データ取得ステップで取得された対象医療データを、主要診断群毎に分類した分類済み対象医療データを取得する分類済み対象医療データ取得ステップと、
    前記全医療データ取得ステップで取得された全医療データを、主要診断群毎に分類した分類済み全医療データを取得する分類済み全医療データ取得ステップと、
    主要診断群毎の分類済み対象医療データを、同様の主要診断群毎の分類済み全医療データで除することで、前記対象急性期医療病院の主要診断群毎の設定エリア内でのシェアを算出するシェア算出ステップと、
    を実行することを特徴とする医療データ分析プログラム。
  7. メッシュ毎の年齢階級別の人口を記憶する人口分布データベースを有し、
    前記人口分布データベースと、前記エリア設定ステップで設定されたエリアとに基づいて、当該エリア内の年齢階級別の人口分布（エリア人口分布）を算出するエリア人口分布算出ステップと、
    当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）を算出するエリア予測人口分布算出ステップと、
    前記医療データベースと前記人口分布データベースから年齢階級別、主要診断群毎の年齢別患者発生率を算出する年齢別患者発生率算出ステップと、
    前記エリア人口分布算出ステップで算出された当該エリア内の年齢階級別の人口分布（エリア人口分布）と、前記年齢別患者発生率算出ステップで算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の現在需要を算出する現在需要算出ステップと、
    前記エリア予測人口分布算出ステップで算出された当該エリア内の年齢階級別の将来予測人口分布（エリア予測人口分布）と、前記年齢別患者発生率算出ステップで算出された年齢別患者発生率と、から前記対象急性期医療病院の主要診断群毎の予測需要を算出する予測需要算出ステップと、
    前記現在需要算出ステップで算出された前記対象急性期医療病院の主要診断群毎の現在需要と、前記予測需要算出ステップで算出された前記対象急性期医療病院の主要診断群毎の予測需要と、から需要伸び率を算出する需要伸び率算出ステップと、を有することを特徴とする請求項６に記載の医療データ分析プログラム。
  8. 前記シェア算出ステップで算出されたシェアと、前記需要伸び率算出ステップで算出された需要伸び率と、を表示する表示ステップを実行することを特徴とする請求項７に記載の医療データ分析プログラム。
  9. 前記エリア設定ステップで設定される所定のエリアが、二次医療圏であることを特徴とする請求項６乃至請求項８のいずれか１項に記載の医療データ分析プログラム。
  10. 前記エリア設定ステップで設定される所定のエリアが、二次医療圏と当該二次医療圏に隣接するエリアであることを特徴とする請求項１乃至請求項８のいずれか１項に記載の医療データ分析プログラム。
JP2015120255A 2015-06-15 2015-06-15 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 Pending JP2017004419A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015120255A JP2017004419A (ja) 2015-06-15 2015-06-15 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015120255A JP2017004419A (ja) 2015-06-15 2015-06-15 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

Publications (1)

Publication Number Publication Date
JP2017004419A true JP2017004419A (ja) 2017-01-05

Family

ID=57751820

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015120255A Pending JP2017004419A (ja) 2015-06-15 2015-06-15 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

Country Status (1)

Country Link
JP (1) JP2017004419A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018197929A (ja) * 2017-05-23 2018-12-13 株式会社東芝 地域包括ケア事業システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP2006119865A (ja) * 2004-10-21 2006-05-11 Shimizu Corp 医療機関の患者シェア分析システム
JP2006146762A (ja) * 2004-11-24 2006-06-08 Shimizu Corp 医療機関の患者数予測システム
JP2006252092A (ja) * 2005-03-10 2006-09-21 Shimizu Corp 医療機関の急性期医療需要予測システム
JP2012032920A (ja) * 2010-07-29 2012-02-16 Cyber Laboratory Inc 医療機関評価装置及び医療機関評価プログラム
JP2013164721A (ja) * 2012-02-10 2013-08-22 Shimizu Corp 急性期医療需要予測システム及び急性期医療需要予測プログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP2006119865A (ja) * 2004-10-21 2006-05-11 Shimizu Corp 医療機関の患者シェア分析システム
JP2006146762A (ja) * 2004-11-24 2006-06-08 Shimizu Corp 医療機関の患者数予測システム
JP2006252092A (ja) * 2005-03-10 2006-09-21 Shimizu Corp 医療機関の急性期医療需要予測システム
JP2012032920A (ja) * 2010-07-29 2012-02-16 Cyber Laboratory Inc 医療機関評価装置及び医療機関評価プログラム
JP2013164721A (ja) * 2012-02-10 2013-08-22 Shimizu Corp 急性期医療需要予測システム及び急性期医療需要予測プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
服部 万里子, 介護ビジネス実践ガイド, vol. 第1版, JPN6019008070, 8 May 2013 (2013-05-08), pages 168 - 171, ISSN: 0003992855 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018197929A (ja) * 2017-05-23 2018-12-13 株式会社東芝 地域包括ケア事業システム
JP7002861B2 (ja) 2017-05-23 2022-01-20 株式会社東芝 地域包括ケア事業システム

Similar Documents

Publication Publication Date Title
Frank et al. Genome sequencing: a systematic review of health economic evidence
Christensen et al. Assessing the costs and cost-effectiveness of genomic sequencing
Allareddy et al. Orthodontics in the era of big data analytics
JP6066825B2 (ja) データ分析装置及び保健事業支援方法
Kapoor et al. Workflow applications of artificial intelligence in radiology and an overview of available tools
Auconi et al. Prediction of Class III treatment outcomes through orthodontic data mining
JP2015090689A (ja) 医療データ分析システム、及び医療データを分析する方法
Mallow et al. Intelligence-based spine care model: a new era of research and clinical decision-making
Yagi et al. Revolutionizing spinal care: Current applications and future directions of artificial intelligence and machine learning
Cano et al. Perspectives on big data applications of health information
El-Bouri et al. Machine learning in patient flow: a review
Ribeiro et al. Literature review of machine-learning algorithms for pressure ulcer prevention: Challenges and opportunities
Krauss et al. Patient-reported expectations, outcome and satisfaction in thoracic and lumbar spine stabilization surgery: a prospective study
Long et al. Treatment outcomes and costs of providing antiretroviral therapy at a primary health clinic versus a hospital-based HIV clinic in South Africa
JP2009205464A (ja) 医療情報処理装置、医療情報処理方法、及び医療情報処理プログラム
Shan et al. Evaluation of intracranial hypertension in traumatic brain injury patient: a noninvasive approach based on cranial computed tomography features
Pavelić et al. Personalized medicine: The path to new medicine
Li et al. Predicting all-cause 90-day hospital readmission for dental patients using machine learning methods
Vets et al. Assessing upper limb function in breast cancer survivors using Wearable sensors and machine learning in a free-living environment
Silva-Aravena et al. Dynamic surgical waiting list methodology: A networking approach
Lahijanian et al. Care strategies for reducing hospital readmissions using stochastic programming
JP2017004419A (ja) 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
JP6493753B2 (ja) 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
JP6493752B2 (ja) 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
Chen et al. Costs of Newly Funded Proton Therapy Using Time-Driven Activity-Based Costing in The Netherlands

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20171206

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20181119

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181128

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190128

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190313