JP6734582B2 - リスク評価方法、リスク評価装置及びリスク評価プログラム - Google Patents
リスク評価方法、リスク評価装置及びリスク評価プログラム Download PDFInfo
- Publication number
- JP6734582B2 JP6734582B2 JP2016250099A JP2016250099A JP6734582B2 JP 6734582 B2 JP6734582 B2 JP 6734582B2 JP 2016250099 A JP2016250099 A JP 2016250099A JP 2016250099 A JP2016250099 A JP 2016250099A JP 6734582 B2 JP6734582 B2 JP 6734582B2
- Authority
- JP
- Japan
- Prior art keywords
- medical
- information
- medical examination
- predetermined
- value
- 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.)
- Active
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Description
どのように、保健師、医師らによって介入された事実もなんらかの数値化をおこなってデータとして採用してもよい。具体的には、このような値を説明変数としてもよい。健診情報におけるこれらの項目は、所定の脳、心臓若しくは循環器等の疾患によって医療費が所定額以上となった対象者を抽出するために有用であることを発明者が見出した値である。
図1は、実施の形態に係るリスク分析装置の機能ブロック図である。本実施形態に係るリスク分析装置1は、健診情報記憶部11と、レセプト記憶部12と、モデル生成部13と、モデル記憶部14と、危険度評価部15と、結果記憶部16とを備える。
、胸部X線、上部消化管、メタボ判定、保健指導レベル、腹部超音波、問診、総合判定、総合評価の少なくとも一部を含むものとする。近年、検査の態様は健康診断にとどまらず多様化している。健診情報は、上述している健康診断の他、対象者が医療施設や、薬局で行う任意の血液検査や唾液による検査等の結果を反映させて、一部の検査項目について適宜更新するようにしてもよい。この場合、健診情報に代えて任意で受診した検査結果を使用してもよいし、健診情報に加えて任意に受診した検査結果を使用してもよい。健診情報に加えて、任意で受診した検査結果を使用すると、現時点での健康状態の把握とリスク評価をより精度の高い計算を元に行えるため、対応の優先度を決定しやすくなるため、好ましい。また、健康保険組合被保険者の扶養家族が対象者の場合、被保険者の扶養家族は健康診断の受診率の低さが問題視されており、十分な健診情報の利用が難しいことが想定される。健診情報が不十分であると、健康状態の把握やリスク評価の精度も不十分となる可能性があるが、任意で受診した検査結果を使用することで、現時点での健康状態の把握と
リスク評価をより精度の高い評価を行うことが可能となるため、好ましい。
図2は、コンピュータの一例を示す装置構成図である。リスク分析装置1は、図2に示すようなコンピュータである。図2に示すコンピュータ1000は、CPU(Central Processing Unit)1001、主記憶装置1002、補助記憶装置1003、通信IF(Interface)1004、入出力IF(Interface)1005、ドライブ装置1006、通信バ
ス1007を備えている。CPU1001は、プログラム(「ソフトウェア」又は「アプリケーション」とも呼ぶ)を実行することにより本実施の形態に係る処理等を行う。主記憶装置1002は、CPU1001が読み出したプログラムやデータをキャッシュしたり、CPUの作業領域を展開したりする。主記憶装置は、具体的には、RAM(Random Access Memory)やROM(Read Only Memory)等である。補助記憶装置1003は、CPU1001により実行されるプログラムや、本実施の形態で用いる設定情報などを記憶する。補助記憶装置1003は、具体的には、HDD(Hard-disk Drive)やSSD(Solid State Drive)、フラッシュメモリ等である。主記憶装置1002や補助記憶装置1003は、健診情報記憶部11、レセプト記憶部12、モデル記憶部14及び結果記憶部16として働く。なお、説明の便宜上、図1では複数の記憶部(健診情報記憶部11、レセプト記憶部12、モデル記憶部14及び結果記憶部16)を示したが、物理的には1つの記憶装置でも複数の記憶装置でもよい。通信IF1004は、他のコンピュータとの間でデータを送受信する。リスク分析装置1は、通信IF1004を介して接続された図示してい
ないコンピュータから健診情報やレセプト情報を受信するようにしてもよい。通信IF1004は、具体的には、有線又は無線のネットワークカード等である。入出力IF1005は、入出力装置と接続され、ユーザから入力を受け付けたり、ユーザへ情報を出力したりする。入出力装置は、具体的には、キーボード、マウス、ディスプレイ、タッチパネル等である。ドライブ装置1006は、磁気ディスク、光磁気ディスク、光ディスク等の記憶媒体に記録されたデータを読み出したり、記憶媒体にデータを書き込んだりする。そして、以上のような構成要素が、通信バス1007で接続されている。なお、これらの構成要素はそれぞれ複数設けられていてもよいし、一部の構成要素(例えば、ドライブ装置1006)を設けないようにしてもよい。また、入出力装置がコンピュータと一体に構成されていてもよい。また、ドライブ装置1006で読み取り可能な可搬性の記憶媒体や、フラッシュメモリのような可搬性の補助記憶装置1003、通信IF1004などを介して、本実施の形態で実行されるプログラムが提供されるようにしてもよい。そして、CPU1001がプログラムを実行することにより、上記のようなコンピュータを図1に示したリスク分析装置1として働かせる。
図3は、リスク分析処理の一例を示す処理フロー図である。なお、健診情報記憶部11及びレセプト記憶部12には、例えば所定の健康保険組合に属する対象者の健康診断の結果及び医療費の明細情報がそれぞれ保持されているものとする。リスク分析処理では、まず、リスク分析装置1のモデル生成部13が、所定の発症確率を算出するための関数として表されるモデルを生成する(図3:S1)。便宜上、「発症確率」と呼ぶが、本ステップでは、所定期間に、所定の傷病名で医療費が所定金額以上かかる確率を算出するためのモデルを生成する。
が含まれるもの、また、国際疾病分類(International Classification of Diesease、以下ICDと称する)等によって分類された同義の傷病名であってもよく、これらの傷病名を含むレセプトをいうものとする。高脂血症に関する受診は、病名に「高脂」または「脂質」または「コレステロール」という文字が含まれるもの、また、ICD等によって分類された同義の傷病名であってもよく、これらの傷病名を含むレセプトをいうものとする。また、糖尿病に関する受診は、病名に「糖」という文字が含まれるもの、また、ICD等によって分類された同義の傷病名であってもよく、これらの傷病名を含むレセプトをいうものとする。そして、所定の脳、心臓若しくは循環器等の疾患に関する受診とは、病名に「脳卒中」、「くも膜下出血」、「脳内出血」、「脳動脈硬化」、「脳塞栓」、「脳血管障害」、「脳出血」、「脳内出血」、「脳血栓」、「脳血管障害」、「脳幹部出血」、「脳室内出血」、「脳皮質下出血」、「脳動脈循環」、「脳循環不全」、「硬膜下血腫」、「脳皮質下出血」、「頭蓋内出血」、「心筋症」、「狭心症」、「動脈瘤」、「動脈解離」、「動脈狭窄」、「動脈閉塞」、「動脈閉鎖」、「動脈血栓」、「動静脈瘻」、「静脈塞栓」、「静脈瘤」、「静脈瘻」、「虚血」、「梗塞」(ただし、外傷性のものは除く)が含まれるもの、また、ICD等によって分類された同義の傷病名、その他腎疾患、肝疾患であってもよく、これらの傷病名を含むレセプトをいうものとする。例えば、後述する所定の脳、心臓若しくは循環器等の疾患が主傷病名で支払った医療費を集計する。
は、高血圧に関するスコア(0〜2点)であり、血圧(収縮時及び拡張時)の測定値及び当該傷病名での受診履歴に基づいて決定される。S13において、モデル生成部13は、「条件」欄のフィールドに登録された条件を満たす場合、当該条件に対応付けられているスコアを適用する。また、複数の条件を満たす場合、値の大きいスコアを適用する。
アは0とする。また、高血圧に関する受診回数が1〜4回であるか、100≦血圧(拡張)<110又は160≦血圧(収縮)<180という条件を満たす場合、X1のスコアは
1とする。そして、高血圧に関する受診回数が5回以上であるか、110≦血圧(拡張)<120又は180≦血圧(収縮)<200という条件を満たす場合、X1のスコアは2
とする。なお、複数の条件に合致する場合、高い方のスコアが優先して適用される。
の測定値及び当該傷病名での受診履歴に基づいて決定される。具体的には、高脂血症に関する受診の記録がレセプト情報になく、且つ健診情報において40≦HDL且つLDL≦140である場合、X2のスコアは0とする。また、高脂血症に関する受診回数がレセプ
トにおいて1〜4回であるか、健診情報においてHDL<40又は140≦LDL<180である場合、X2のスコアは1とする。また、高脂血症に関する受診回数がレセプトに
おいて5回以上であるか、健診情報において300≦TG、又は180≦LDLである場合、X2のスコアは2とする。なお、複数の条件に合致する場合、高い方のスコアが優先
して適用される。
当該傷病名での受診履歴に基づいて決定される。具体的には、血糖値に関する受診の記録がレセプト情報になく、且つ健診情報において血糖値<130且つHbA1c<6.5である場合、X3のスコアは0とする。また、糖尿病に関する受診回数がレセプトにおいて
1〜4回であるか、健診情報において130≦血糖値<160又は6.5≦HbA1c<8.0である場合、X3のスコアは1とする。また、糖尿病に関する受診回数がレセプト
において5回以上であるか、健診情報において160≦血糖値又は8.0≦HbA1cである場合、X3のスコアは2とする。なお、複数の条件に合致する場合、高い方のスコア
が優先して適用される。
所定の脳、心臓若しくは循環器等の疾患に関する傷病名での受診回数に基づいて決定される。具体的には、所定の脳、心臓若しくは循環器等の疾患に関する受診の記録がレセプト情報にない場合、X4のスコアは0とする。また、所定の脳、心臓若しくは循環器等の疾
患に関する受診回数がレセプトにおいて1〜4回である場合、X4のスコアは1とする。
また、所定の脳、心臓若しくは循環器等の疾患に関する受診回数がレセプトにおいて5回以上である場合、X4のスコアは2とする。
宜設定して使用することが可能である。
Z=β0+β1・X1+β2・X2+β3・X3+β4・X4 ・・・(2)
患が主傷病名で所定期間の医療費が所定の金額(例えば、年間100万円)以上になった場合、
Lj=Pj
とおき、それ以外の場合、
Lj=1−Pj
とおく。そして、以下の尤度関数(式(3))が最大となるパラメータβ0〜β4を求める。
like(β)=ln(L1×L2×・・・Lj×・・・)=Σln(Lj) ・・・(3)
なお、尤度関数が最大となるパラメータβ0〜β4は、山登り法等の既存技術を用いて求めることができる。
用いることもできる。
また、対象者自身にとっても、病に陥る前に健康状態を把握できるようになるため、健康寿命を延ばし生き生きとした充実した日々を長く送りたいという要望を満たすことにつながり、好ましい。
また、本発明によりなされた評価を元にして、適切な栄養指導、運動指導、機能性食品の選択といった、対象者一人一人に対応したコンサルティングへの展開においても十分に効果を発揮することができるようにすることが可能となる。
後に、上述の処理を行った年にかかった対象者の医療費が確定した場合、当該最新年度の健診情報とレセプト情報との組み合わせを用いて、発症確率Pを更新することができる。すなわち、新たな年度の健診情報とレセプト情報とをさらに用いて上述したモデル作成処理を実行する。このようにすれば、当該集団に属する対象者の最新の傾向を反映した発症確率のモデルに基づいて、当該時点のリスクをより正確に評価することができるようになる。なお、病院にかかるたびにレセプト情報を更新し、直近の所定年度分の健診情報とレセプト情報とを用いて発症確率Pを求めるようにしてもよい。
図7の上段は、ある年度(1年目)及びその翌年度(2年目)における31367人分の健診情報及びレセプトデータに基づいて、発症確率Pを算出し、発症確率Pの高い順に右から左へ対象者の発症確率を並べたグラフである。黒く塗られた領域が発症確率を示している。具体的には、縦の長さが個人の発症確率の大きさを表しており、最も発症確率の高い者は27%になっている。図7の下段は、上段のグラフにおける上位2000人を拡大したグラフである。式(1)に示したモデルである発症確率Pを生成する際には、図5に示した高血圧に関するスコア、高脂血症に関するスコア、糖尿病に関するスコア、所定の脳、心臓若しくは循環器等の疾患に関するスコアを用いて、所定の脳、心臓若しくは循環器等の疾患によって年間の医療費が50万円を超える場合に発症したものと定義した。また、参考のために、年間の医療費が50万円を超えた対象者を、図面上に破線で示した。短い破線(127名)は、1〜2年目に医療費が50万円を超えた対象者を示し、長い破線(96名)は、3年目に医療費が50万円を超えた対象者を示している。なお、両期間ともに医療費が50万円を超えた対象者も含まれる。
長い破線で示されている。また、1〜3年目には50万円を超える医療費を払ってはいないがリスクが高いと判断された対象者が、図7の下段に破線なしで示されている。2年目の終了時点で、長い破線で示された対象者や破線なしで示された対象者に保健指導を行えば、人的リソースを、リスクの高い対象者への保健指導に効率よく割り当てることができる。また、このような順位付けによれば、例えば、血糖値の値が高い対象者、コレステロール値が高い対象者のように特定の検査結果のみに着目して個別に順位付けする場合と異なり、保健指導において指導担当者が結果を複合的に判断する労力を省くことができる。なお、3年目以降のデータをさらに用いれば、発症確率の精度はより向上することが期待される。
図8の上段は、対象者31367人の3年分の健診データ及びレセプトデータに基づいて、発症確率を算出し、発症確率Pの高い順に右から左へ並べた図である。図8の下段は、図8の上段の図における発症確率の高い方から約2500人を拡大表示したものである。また、3年間のいずれかの年において医療費が50万円を超えた対象者を、図8に破線で示した。式(1)に示したモデルである発症確率Pを生成する際には、図5に示した高血圧に関するスコア、高脂血症に関するスコア、糖尿病に関するスコア、所定の脳、心臓若しくは循環器等の疾患に関するスコアを用いて、所定の脳、心臓若しくは循環器等の疾患によって年間の医療費が50万円を超える場合に発症したものと定義した。
図9は、対象者31367人の3年分のHbA1cの値に基づいて、合計値の高い順に右から左へ並べた図である。なお、3年間のいずれかの年において医療費が50万円を超えた対象者を、図9に破線で示した。また、図10は、対象者31367人の3年分の血糖、血圧及び脂質の値に基づいて点数をつけ、合計点数の高い順に右から左へ並べた図である。なお、血糖は、HbA1c≧6.5又は空腹時血糖値≧126の場合に1点とした。血圧は、収縮期血圧≧160又は拡張期血圧≧100の場合に1点とした。脂質は、LDL≧180又はTG≧1000の場合に1点とした。また、3年間のいずれかの年において医療費が50万円を超えた対象者を、図10でも破線で示した。
臨床検査値は、検査機関や使用試薬によって一定程度の変動幅を有する場合があること
が知られている。このような測定値間の誤差を反映させずにリスク評価値を算出するために、標準物質の測定結果からの乖離を表す補正係数を使用することもできる。すなわち、測定値に補正係数を乗じることにより、誤差の影響を低減することができる。このような補正を行うことによって、リスクの評価が正確に行う事ができるため、好ましい。
上述した説明変数には、検査項目値や受診回数をそのまま用いても良い。収縮時血圧、拡張時血圧、中性脂肪、HDL、LDL、血糖値、HbA1cの検査値、糖尿病、高脂血症、高血圧、脳心血管症の受診回数の11変数をそのまま説明変数とし、ロジスティック回帰により、脳心血管症の発症確率を評価したところ、図11のROC(Receiver Operating Characteristic)曲線を得た。ROC曲線は、縦軸に真陽性(True Positive)の割合、横軸に偽陽性(False Positive)の割合をとり、検査項目の値に対応する座標をプロットしたグラフである。曲線の下の面積(AUC)が大きいほど、判別性能が高いことを表している。比較のため、動脈硬化に関連すると考えられるLDLコレステロール値のみを説明変数として、発症確率を評価し、ROC曲線を描くと、図12となる。このように健診データ、受診回数を組み合わせることにより、本発明では高い判別性能が得られている。
以上、本発明の各種構成要素、評価条件について例示をしたが、本発明の範囲はこれに限定されるものではなく、当業者であれば、上記条件を参照しながら適宜選択することが可能である。特に、発症確率を求めるために用いる説明変数の種類は実施の態様及び実施例1〜3、変形例に挙げたものに限定されるものではなく、例えば、着目する傷病に応じて適宜選択することができる。
し可能なものとしては、フレキシブルディスク、光磁気ディスク、光ディスク、磁気テープ、メモリカード等がある。また、コンピュータに固定された記録媒体としては、HDDやSSD(Solid State Drive)、ROM等がある。
11 健診情報記憶部
12 レセプト記憶部
13 モデル生成部
14 モデル記憶部
15 危険度評価部
16 結果記憶部
Claims (9)
- 複数の対象者の所定期間における健康診断の測定値を含む健診情報と、前記複数の対象者の前記所定期間における医療費及び傷病名を含むレセプト情報とを記憶部から取得するステップと、
前記健診情報及びレセプト情報に基づく値を説明変数として、前記レセプト情報において所定の傷病名で且つ医療費が所定の閾値以上となる確率を表すモデルを生成するステップと、
前記対象者の前記所定期間以降における健診情報を前記記憶部から読み出し、当該健診情報に基づく値と前記モデルとを用いてリスクの評価値を算出するステップと、
をコンピュータが実行するリスク評価方法。 - 前記健診情報及びレセプト情報に基づく値は、前記健康診断における1以上の測定値と、前記レセプト情報における所定の傷病名での受診回数を、所定の順序尺度で表されるスコアに変換した値である
請求項1に記載のリスク評価方法。 - 前記健診情報及びレセプト情報に基づく値は、前記健診情報における所定の健診項目の測定値及び前記レセプト情報における所定の傷病名での受診回数である
請求項1に記載のリスク評価方法。 - 前記健診情報に基づく値は、高血圧症に関連する測定値、高脂血症に関連する測定値、又は糖尿病に関連する測定値の少なくともいずれかを含む
請求項1から3のいずれか一項に記載のリスク評価方法。 - 前記モデルは、所定の傷病名で且つ医療費が所定の閾値以上となる前記確率を求めるためのロジスティック関数で表される
請求項1から4のいずれか一項に記載のリスク評価方法。 - 複数の対象者について前記リスクの評価値を算出し、算出されたリスクの評価値の大きさに基づいて上位所定数の対象者を抽出するステップ
をさらにコンピュータに実行させる
請求項1から5のいずれか一項に記載のリスク評価方法。 - 前記所定期間以降の期間における健診情報とレセプト情報とが前記記憶部に登録された場合、当該期間における健診情報とレセプト情報とをさらに用いて前記モデルを生成するステップ
をさらにコンピュータが実行する請求項1から5のいずれか一項に記載のリスク評価方法。 - 複数の対象者の所定期間における健康診断の測定値を含む健診情報と、前記複数の対象者の前記所定期間における医療費及び傷病名を含むレセプト情報とを含む記憶部と、
前記記憶部から前記健診情報と前記レセプト情報とを取得し、前記健診情報及びレセプト情報に基づく値を説明変数として、前記レセプト情報において所定の傷病名で且つ医療費が所定の閾値以上となる確率を表すモデルを生成するモデル生成部と、
前記対象者の前記所定期間以降における健診情報を前記記憶部から読み出し、当該健診情報に基づく値と前記モデルとを用いてリスクの評価値を算出する危険度評価部と、
を備えるリスク評価装置。 - 複数の対象者の所定期間における健康診断の測定値を含む健診情報と、前記複数の対象
者の前記所定期間における医療費及び傷病名を含むレセプト情報とを記憶部から取得するステップと、
前記健診情報及びレセプト情報に基づく値を説明変数として、前記レセプト情報において所定の傷病名で且つ医療費が所定の閾値以上となる確率を表すモデルを生成するステップと、
前記対象者の前記所定期間以降における健診情報を前記記憶部から読み出し、当該健診情報に基づく値と前記モデルとを用いてリスクの評価値を算出するステップと、
をコンピュータに実行させるリスク評価プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015250274 | 2015-12-22 | ||
JP2015250274 | 2015-12-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017117469A JP2017117469A (ja) | 2017-06-29 |
JP6734582B2 true JP6734582B2 (ja) | 2020-08-05 |
Family
ID=59234485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016250099A Active JP6734582B2 (ja) | 2015-12-22 | 2016-12-22 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6734582B2 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6702836B2 (ja) * | 2016-09-28 | 2020-06-03 | ハルメク・ベンチャーズ株式会社 | 認知症判定得点算出装置及びそのプログラム |
US11437146B2 (en) | 2017-08-09 | 2022-09-06 | Nec Corporation | Disease development risk prediction system, disease development risk prediction method, and disease development risk prediction program |
JP7081103B2 (ja) * | 2017-09-21 | 2022-06-07 | 大日本印刷株式会社 | コンピュータプログラム、レセプト分析装置及び遠隔診療案内方法 |
EP3471107A1 (en) * | 2017-10-12 | 2019-04-17 | Fresenius Medical Care Deutschland GmbH | Medical device and computer-implemented method of predicting risk, occurrence or progression of adverse health conditions in test subjects in subpopulations arbitrarily selected from a total population |
EP3506268A1 (en) * | 2017-12-26 | 2019-07-03 | Koninklijke Philips N.V. | Apparatus for patient data availability analysis |
JP6920986B2 (ja) * | 2017-12-28 | 2021-08-18 | 東邦瓦斯株式会社 | 住宅内事故リスク予測報知システム |
JP7160304B2 (ja) * | 2018-02-27 | 2022-10-25 | BioICT株式会社 | 構成員健康状態管理システム及び構成員健康状態管理方法 |
JP6436515B1 (ja) * | 2018-03-01 | 2018-12-12 | メドケア株式会社 | 疾病注意情報提供支援システム |
JP6531241B1 (ja) * | 2018-03-14 | 2019-06-19 | メドケア株式会社 | 効率化支援システム及び医療効率化支援方法 |
WO2019187341A1 (ja) * | 2018-03-30 | 2019-10-03 | Necソリューションイノベータ株式会社 | 指標算出装置、予測システム、経過予測評価方法およびプログラム |
JP7174890B2 (ja) * | 2018-06-25 | 2022-11-18 | 国立研究開発法人理化学研究所 | リスク評価方法、リスク評価装置及びリスク評価プログラム |
JP7107375B2 (ja) * | 2018-08-31 | 2022-07-27 | 日本電信電話株式会社 | 状態遷移予測装置、予測モデル学習装置、方法およびプログラム |
CN111383754B (zh) * | 2018-12-28 | 2023-08-08 | 医渡云(北京)技术有限公司 | 医疗决策方法、医疗决策装置、电子设备及存储介质 |
KR102503931B1 (ko) * | 2020-12-07 | 2023-02-24 | 가톨릭대학교 산학협력단 | 빅데이터 분석을 통한 진료비 예측 장치 및 방법 |
JP7266357B1 (ja) | 2022-04-14 | 2023-04-28 | 株式会社オプティム | プログラム、情報処理装置、方法及びシステム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5392444B1 (ja) * | 2012-04-26 | 2014-01-22 | 日本電気株式会社 | 保健指導対象者選定条件作成支援装置 |
JP6182431B2 (ja) * | 2013-11-07 | 2017-08-16 | 株式会社日立製作所 | 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 |
US20150235001A1 (en) * | 2014-02-19 | 2015-08-20 | MedeAnalytics, Inc. | System and Method for Scoring Health Related Risk |
-
2016
- 2016-12-22 JP JP2016250099A patent/JP6734582B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017117469A (ja) | 2017-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6734582B2 (ja) | リスク評価方法、リスク評価装置及びリスク評価プログラム | |
JP7174890B2 (ja) | リスク評価方法、リスク評価装置及びリスク評価プログラム | |
Kuntz et al. | Cost-effectiveness of diagnostic strategies for patients with chest pain | |
Freire et al. | Validity and reliability of the short physical performance battery in two diverse older adult populations in Quebec and Brazil | |
Koller et al. | Development and validation of a coronary risk prediction model for older US and European persons in the Cardiovascular Health Study and the Rotterdam Study | |
van der Meer et al. | The value of C-reactive protein in cardiovascular risk prediction: the Rotterdam Study | |
Cauley et al. | Long-term risk of incident vertebral fractures | |
Lloyd-Jones et al. | Lifetime risk of coronary heart disease by cholesterol levels at selected ages | |
Betihavas et al. | What are the factors in risk prediction models for rehospitalisation for adults with chronic heart failure? | |
JP5564708B2 (ja) | 保健事業支援システム、保険事業支援装置、及び保険事業支援プログラム | |
Peterson et al. | Association of exercise capacity on treadmill with future cardiac events in patients referred for exercise testing | |
Luo et al. | A preliminary dual-energy X-ray absorptiometry-based finite element model for assessing osteoporotic hip fracture risk | |
Olson et al. | Legacy of MESA | |
Bibbins-Domingo et al. | Renal function and heart failure risk in older black and white individuals: the Health, Aging, and Body Composition Study | |
Caserta et al. | Development of a global respiratory severity score for respiratory syncytial virus infection in infants | |
Liao et al. | Clinical prediction models: are we building better mousetraps? | |
Shaw et al. | Improved near-term coronary artery disease risk classification with gated stress myocardial perfusion SPECT | |
WO2012167186A1 (en) | System and method for scoring illness complexity to predict healthcare cost | |
Wiswell et al. | “Sick” or “not-sick”: accuracy of System 1 diagnostic reasoning for the prediction of disposition and acuity in patients presenting to an academic ED | |
Chi et al. | Impacts of frailty on health care costs among community-dwelling older adults: a meta-analysis of cohort studies | |
Darzi et al. | Risk-assessment models for VTE and bleeding in hospitalized medical patients: an overview of systematic reviews | |
Samman-Tahhan et al. | INTERMACS profiles and outcomes among Non–Inotrope-dependent outpatients with heart failure and reduced ejection fraction | |
JP6282783B2 (ja) | 分析システム及び分析方法 | |
Pourhomayoun et al. | Why do we need a remote health monitoring system? A study on predictive analytics for heart failure patients | |
Mushlin et al. | The cost-effectiveness of magnetic resonance imaging for patients with equivocal neurological symptoms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20161227 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200424 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200702 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6734582 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |