JP6861481B2 - リスク分析システム及びリスク分析方法 - Google Patents
リスク分析システム及びリスク分析方法 Download PDFInfo
- Publication number
- JP6861481B2 JP6861481B2 JP2016134248A JP2016134248A JP6861481B2 JP 6861481 B2 JP6861481 B2 JP 6861481B2 JP 2016134248 A JP2016134248 A JP 2016134248A JP 2016134248 A JP2016134248 A JP 2016134248A JP 6861481 B2 JP6861481 B2 JP 6861481B2
- Authority
- JP
- Japan
- Prior art keywords
- subject
- risk
- medical
- insurance
- blood pressure
- 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
- 238000012502 risk assessment Methods 0.000 title claims description 51
- 238000000034 method Methods 0.000 title claims description 21
- 230000036772 blood pressure Effects 0.000 claims description 97
- 206010020772 Hypertension Diseases 0.000 claims description 91
- 230000036541 health Effects 0.000 claims description 49
- 238000004458 analytical method Methods 0.000 claims description 37
- 201000010099 disease Diseases 0.000 claims description 37
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 37
- 238000011282 treatment Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 10
- 208000000348 Masked Hypertension Diseases 0.000 claims description 5
- 208000005434 White Coat Hypertension Diseases 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 239000003814 drug Substances 0.000 description 14
- 229940079593 drug Drugs 0.000 description 14
- 210000004351 coronary vessel Anatomy 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 208000026106 cerebrovascular disease Diseases 0.000 description 9
- 230000007213 cerebrovascular event Effects 0.000 description 9
- 208000029078 coronary artery disease Diseases 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000000391 smoking effect Effects 0.000 description 5
- 230000035488 systolic blood pressure Effects 0.000 description 5
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 206010012601 diabetes mellitus Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000008214 LDL Cholesterol Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 208000020832 chronic kidney disease Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 108010010234 HDL Lipoproteins Proteins 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 239000002220 antihypertensive agent Substances 0.000 description 2
- 229940127088 antihypertensive drug Drugs 0.000 description 2
- 238000009530 blood pressure measurement Methods 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 230000024924 glomerular filtration Effects 0.000 description 2
- 230000001631 hypertensive effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000000422 nocturnal effect Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000013517 stratification Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010005746 Blood pressure fluctuation Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 108010023302 HDL Cholesterol Proteins 0.000 description 1
- 108010028554 LDL Cholesterol Proteins 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000023146 Pre-existing disease Diseases 0.000 description 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 230000027939 micturition Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 238000011328 necessary treatment Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
- 230000006441 vascular event Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Cardiology (AREA)
- Technology Law (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Vascular Medicine (AREA)
Description
本発明は、対象者の健康に関わるリスクを分析する技術に関する。
たとえ健康な人であっても疾患を発症するリスクはゼロではない。健康で安心な生活を維持するためには、自分自身の健康上のリスクやその要因を正確に把握し、生活習慣の改善や必要な治療などの対策を適切にとること、加えて、将来の備えとして、医療保険への加入や必要な貯蓄を行うことが大切である。ところで、医療保険や貯蓄計画を検討するに際しては、将来的に発生する医療費（以下、「将来医療費」という）がどの程度の額になるのかを見積もり、備えに過不足が無いようにすべきである。しかしながら、一般の人にとって将来医療費の予測は簡単ではない。また、ファイナンシャルプランナーなどの専門家に相談したとしても、平均的な将来医療費はわかるかもしれないが、個々人の健康状態や健康上のリスクなどを考慮した値ではないため、正確性に欠ける。
一方、医療保険を提供する保険者にとっても、保険加入希望者の健康上のリスクや将来医療費をできるだけ正確に予測したいというニーズが強い。医療保険の引き受け査定や契約条件（保険プラン、保障額、特約など）の設計に役立てるためである。しかしながら、現在のところ、個々人の健康状態や健康上のリスクを考慮し、将来医療費を高信頼に予測できる仕組みは存在しないのが実情である。
関連する先行技術として、例えば特許文献１には、保険加入希望者の年齢、性別、生命保険の内容（死亡保障金額、保険の種類や特約の種類など）、健康診断の結果（血圧、ＢＭＩ、尿酸値など）を入力すると、生命保険の引き受け可否や契約条件を自動で査定するシステムが開示されている。特許文献２には、被保険者の血圧の測定データをネットワークを通じて収集し、過去3か月間の血圧の測定日数と血圧が標準値に収まっている割合に
応じて、被保険者に対する保障額（入院給付金など）を変動させるシステムが開示されている。特許文献３には、一定期間に蓄積されたレセプト情報から、複数の傷病を併発している場合における傷病別の医療費やその増加分を解析し、医療費が急増している被保険者の発見や、その被保険者に対する保健指導に役立てるシステムが開示されている。しかしながら、いずれの文献においても将来医療費の予測については開示がない。
応じて、被保険者に対する保障額（入院給付金など）を変動させるシステムが開示されている。特許文献３には、一定期間に蓄積されたレセプト情報から、複数の傷病を併発している場合における傷病別の医療費やその増加分を解析し、医療費が急増している被保険者の発見や、その被保険者に対する保健指導に役立てるシステムが開示されている。しかしながら、いずれの文献においても将来医療費の予測については開示がない。
本発明は上記実情に鑑みなされたものであって、将来的に発生する医療費の額を高信頼に予測するための技術を提供することを目的とする。
本発明に係るリスク分析システムは、対象者の健康に関わる情報を含む対象者データを記憶する記憶装置と、前記記憶装置から取得した前記対象者データに基づき前記対象者の健康に関わるリスクを分析する分析装置と、前記分析装置による分析結果を出力する出力装置と、を備え、前記分析装置は、前記対象者データに基づき前記対象者のイベント発症
リスクを推定するリスク推定部と、前記リスク推定部により推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者が将来的に支出する将来医療費を予測する医療費予測部と、を有することを特徴とする。
リスクを推定するリスク推定部と、前記リスク推定部により推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者が将来的に支出する将来医療費を予測する医療費予測部と、を有することを特徴とする。
この構成によれば、まず対象者のイベント発症リスクを推定し、そのリスクに基づき対象者の将来医療費を予測する。したがって、対象者自身の健康状態や健康上のリスクを考慮した高信頼の将来医療費を予測することができる。ここで、「イベント」とは、健康に悪影響を与える事象を意味し、典型的には「疾患」である。「イベント発症」という語を「疾患発症」と読み替えてもよい。
前記リスク推定部は、前記イベント発症リスクとして、前記対象者が疾患を発症する発症確率を推定し、前記医療費予測部は、前記対象者データに基づき、前記対象者が前記疾患を発症した場合に必要となる医療費を算出し、前記医療費と前記発症確率に基づき前記対象者の将来医療費を予測するとよい。
この構成によれば、比較的簡単なアルゴリズムにより将来医療費を高信頼に予測することができる。すなわち、「疾患を発症した場合に必要となる医療費」は、個人に依存しないため、例えば、過去のレセプトデータや厚生労働省の統計データなどから平均的な医療費の額を簡単に求めることができる。そして、この平均的な医療費に対し、個人に依存する「対象者が疾患を発症する発症確率」を組み合わせることで、対象者自身の健康状態や健康上のリスクを考慮した将来医療費を計算することができる。
前記医療費予測部は、前記対象者が前記疾患を発症した場合に必要となる前記医療費として、入院に要する入院医療費と通院に要する通院医療費を算出するとよい。例えば、入院医療費と通院医療費の合計を前記対象者の医療費としてもよい。この構成によれば、入院と通院の両方の医療費を算出するので、実情により則した医療費の予測が可能となる。
前記リスク推定部は、複数の疾患のそれぞれに対して発症確率を推定し、前記医療費予測部は、前記複数の疾患のそれぞれに対して将来医療費を予測し、予測された将来医療費を合計することにより、前記対象者の総合的な将来医療費を算出するとよい。対象者が発症する可能性のある疾患は１つに限られない。例えば、脳血管疾患と冠動脈疾患のように、複数の疾患が同じ対象者において発症する可能性もある。したがって、この構成によれば、複数の疾患のそれぞれに対して発症確率を推定することで、実情により則した医療費の予測が可能となる。
前記対象者が医療保険に加入した場合に支払う保険料額を見積もり、予測された前記将来医療費と見積もられた前記保険料額とを比較することにより、前記対象者が前記医療保険に加入することの適否を判定する保険加入適否判定部を有するとよい。また、前記出力装置は、前記保険加入適否判定部の判定結果に基づいて、前記対象者に適した医療保険の条件及び／又は保険料額を出力するとよい。この構成によれば、医療保険に加入することの適否を簡単かつ高信頼に判定することができる。なお、適否判定の結果は、対象者自身が医療保険への加入を検討する際の参考情報として利用してもよいし、医療保険を提供する保険者が対象者（保険加入希望者）の引き受け査定や契約条件の計画を行う際の参考情報として利用してもよい。
前記出力装置は、前記対象者の将来医療費の年毎の推移を示すグラフを生成し出力するとよい。イベント発症リスクは時間の経過とともに変化する（通常、時間の経過とともにリスクは増加する）ので、将来医療費も時間の経過とともに変化する。上記のようなグラフを出力すれば、将来医療費の時間的な変化を容易に確認することができる。このグラフは、例えば、対象者自身が医療保険への加入や貯蓄計画を検討する際のファイナンシャル
プランの参考として利用してもよいし、医療保険を提供する保険者が対象者（保険加入希望者）の引き受け査定や契約条件の計画を行う際の参考情報として利用してもよい。
プランの参考として利用してもよいし、医療保険を提供する保険者が対象者（保険加入希望者）の引き受け査定や契約条件の計画を行う際の参考情報として利用してもよい。
前記分析装置は、人種別及び／又は居住地域別に複数種類の分析アルゴリズムを有しており、前記対象者の人種及び／又は居住地域に応じて分析アルゴリズムの種類を変更するとよい。人種が異なると、遺伝子の違いからイベント発症リスクに差がでる。また、たとえ同じ人種であったとしても居住地域が異なると、生活習慣の違いからイベント発症リスクに差がでる。また、居住地域が異なると、医療制度や物価が異なり、医療費にも差がでる。したがって、上記のように人種及び／又は居住地域に応じて適切な分析アルゴリズムを選択する構成を採用することで、イベント発症リスクの推定及び将来医療費の予測を精度良く行うことができる。
前記分析装置は、前記対象者データに基づき前記対象者の高血圧を判定する高血圧判定部をさらに有し、前記リスク推定部は、前記高血圧判定部の判定結果をリスク要因の一つとして用いて、前記対象者のイベント発症リスクを推定するとよい。高血圧は血管系イベントの発症リスクを上昇させることが知られている。したがって、イベント発症リスクを推定する際のリスク要因の一つとして高血圧を考慮することで、リスク推定の信頼性を向上することができる。
前記高血圧判定部により高血圧であると判定された場合に、前記医療費予測部は、高血圧の治療に必要な医療費も考慮して前記対象者の将来医療費を予測するとよい。例えば、高血圧の場合には、通院や投薬などの継続的な治療が必要になることがある。したがって、高血圧の治療に必要な医療費も考慮することで、将来医療費の予測精度をより向上することができる。
なお、本発明は、上記構成ないし機能の少なくとも一部を有するリスク分析システムとして捉えることができる。また、本発明は、上記処理の少なくとも一部を含むリスク分析方法として捉えることもできる。また、本発明は、上記処理の少なくとも一部を含むリスク分析方法の各ステップを実行させるためのプログラム、又は、そのようなプログラムを非一時的に記録したコンピュータ読取可能な記録媒体として捉えることもできる。また、本発明は、上記リスク分析システム又はリスク分析方法によって出力された分析結果を表示する表示装置又は端末として捉えることもできる。上記構成及び処理の各々は技術的な矛盾が生じない限り互いに組み合わせて本発明を構成することができる。
本発明によれば、将来的に発生する医療費の額を高信頼に予測することができる。
以下に図面を参照しつつ、本発明の好適な実施の形態を説明する。ただし、以下に記載されている各構成の説明は、発明が適用される装置の構成や各種条件により適宜変更され
るべきものであり、この発明の範囲を以下の記載に限定する趣旨のものではない。
るべきものであり、この発明の範囲を以下の記載に限定する趣旨のものではない。
図１は、本発明の実施形態に係るリスク分析システムの全体構成を模式的に示している。
リスク分析システム１は、対象者の健康に関わる情報（以下「対象者データ」と呼ぶ）を基に、対象者の健康に関わるリスク（高血圧リスク、イベント発症リスクなど）の分析等を行い、分析結果に基づき目的に応じた出力を生成するシステムである。本実施形態のリスク分析システム１は、概略、データベース１０と分析装置１１と投薬支援装置１２と出力装置１３を有して構成される。
データベース１０は、対象者データを収集し管理する大容量の記憶装置である。対象者データには、例えば、レセプト（診療報酬の明細書）データ、健康診断データ、血圧等のバイタルデータ、投薬情報、環境データ（住居の構造、居住地や勤務地の気候、家族構成など、イベント発症リスクに影響を与え得る周囲環境に関する情報）などが含まれ得る。
分析装置１１は、対象者データを基に対象者の健康に関わるリスクの分析を行う機能部である。また投薬支援装置１２は、対象者データとリスク分析の結果を基に、対象者の病態に適した投薬方法を決定する機能部である。分析装置１１及び投薬支援装置１２は、エビデンス（例えば、学会のガイドライン、論文、ＫＯＬ（Key Opinion Leader）の意見など）に基づき、リスク分析や投薬方法の決定を行うことが好ましい。また出力装置１３は、分析装置１１の分析結果に基づくレポートや投薬支援装置１２の処理結果に基づくレポートを生成し、対象者又はシステム１のユーザに提供する機能部である。出力装置１３から提供される情報は、例えば、対象者の端末の表示装置や、システム１の表示装置などに表示される。対象者の端末としては、例えば、パーソナルコンピュータ、スマートフォン、タブレット端末、携帯電話などを利用可能である。
このシステム１は、例えば、対象者個人が健康管理やリスクのセルフチェックを行う目的で利用したり、医師・看護師・保健師などが患者の健康状態の分析、治療方針や指導内容を作成する目的で利用することができる。また、保険会社が顧客（保険加入希望者）の健康状態や健康上のリスクを客観的に分析し、その分析結果を顧客に適した保険商品の提案や、保険加入の可否判定、契約条件の設定などに利用する目的にも、本システム１を好ましく適用できる。
リスク分析システム１は、ＣＰＵ（プロセッサ）、メモリ、大容量ストレージ、入力装置（キーボード、マウス、タッチパネルなど）、表示装置、通信Ｉ／Ｆなどを具備した汎用のコンピュータにより構成することができる。この場合、１つのコンピュータによりリスク分析システム１を構成してもよいし、複数のコンピュータの協働によりリスク分析システム１を実現してもよい。例えば、分散型コンピューティングやクラウドコンピューティングの技術を利用して、堅牢かつ利便性の高いシステムを構築することも望ましい。複数のコンピュータにより構成する場合、それらのコンピュータは１つの拠点に設置されていてもよいし、複数の拠点（異なる国でもよい）に分散して設置されていてもよい。本実施形態のリスク分析システム１の各機能は、ＣＰＵが必要なプログラムを実行することにより実現されるものである。ただし、機能の一部又は全部をＡＳＩＣやＦＰＧＡなどの回路で構成することも可能である。
（分析装置）
図２は、分析装置１１の機能構成を示すブロック図である。分析装置１１は、その機能として、データ取得部１１０、高血圧判定部１１１、リスク推定部１１２、医療費予測部１１３、保険加入適否判定部１１４を有している。データ取得部１１０は、データベース
１０から必要な対象者データを取得する機能であり、高血圧判定部１１１は、対象者データに基づき高血圧の判定を行う機能である。リスク推定部１１２は、高血圧判定部１１１の結果と対象者データに基づき脳血管イベントや冠動脈イベントの発症リスクを推定する機能である。医療費予測部１１３は、高血圧判定部１１１の結果とリスク推定部１１２の結果に基づき、対象者に将来的に発生する医療費（「将来医療費」という）を予測する機能である。保険加入適否判定部１１４は、予測した将来医療費と保険料額とを比較することにより、対象者が医療保険に加入することの適否を判定する機能である。
図２は、分析装置１１の機能構成を示すブロック図である。分析装置１１は、その機能として、データ取得部１１０、高血圧判定部１１１、リスク推定部１１２、医療費予測部１１３、保険加入適否判定部１１４を有している。データ取得部１１０は、データベース
１０から必要な対象者データを取得する機能であり、高血圧判定部１１１は、対象者データに基づき高血圧の判定を行う機能である。リスク推定部１１２は、高血圧判定部１１１の結果と対象者データに基づき脳血管イベントや冠動脈イベントの発症リスクを推定する機能である。医療費予測部１１３は、高血圧判定部１１１の結果とリスク推定部１１２の結果に基づき、対象者に将来的に発生する医療費（「将来医療費」という）を予測する機能である。保険加入適否判定部１１４は、予測した将来医療費と保険料額とを比較することにより、対象者が医療保険に加入することの適否を判定する機能である。
以下、分析装置１１の処理の具体例を説明する。
（１）対象者データの取得
データ取得部１１０は、データベース１０からリスク分析に必要な対象者データを取得する。本実施形態では、対象者データとして、対象者の血圧データと健康診断データを少なくとも用いる。
データ取得部１１０は、データベース１０からリスク分析に必要な対象者データを取得する。本実施形態では、対象者データとして、対象者の血圧データと健康診断データを少なくとも用いる。
血圧データとしては、病院等で測定された診察室血圧と自宅等で測定された家庭血圧の両方を取得することが望ましい。また、家庭血圧としては、朝の血圧、晩の血圧、夜間の血圧の３種類のデータを取得できるとよい。朝の血圧とは、起床後１時間以内で、排尿後、朝食前に測定した血圧であり、晩の血圧とは、就寝前に測定した血圧である。夜間の血圧とは、就寝中に測定した血圧である。朝及び晩の血圧については１〜２週間分のデータ、夜間の血圧については１〜２日分（１日につき３〜４点の測定を行う）のデータを用いるとよい。
健康診断データには、例えば、年齢、性別、身長、体重といった対象者の基本データに加え、肥満度（ＢＭＩ）、ＨＤＬコレステロール、ＬＤＬコレステロール、推算糸球体濾過量（ｅＧＦＲ）、空腹時血糖、ＨｂＡ１ｃといった検査データや、既往症、治療中の疾患、服用中の薬、生活習慣（喫煙習慣、飲酒量、睡眠時間など）といった参考データが含まれるとよい。
（２）高血圧の判定
高血圧判定部１１１は、対象者の血圧データに基づき、対象者の高血圧を判定する。具体的には、高血圧判定部１１１は、対象者から測定した血圧が正常域血圧か高血圧かを判定するとともに、高血圧の場合にはそのレベルを判定する。高血圧の判定手順及び判定基準は信頼できるエビデンスに従うことが望ましい。本実施形態の高血圧判定部１１１は、日本高血圧学会発行の「高血圧治療ガイドライン２０１４（ＪＳＨ２０１４）」に従って、表１に示す分類により血圧レベルを判定する。なお、本実施形態では収縮期血圧を判定に用いるが、拡張期血圧を用いてもよいし、収縮期血圧と拡張期血圧の両方を用いてもよい。
高血圧判定部１１１は、対象者の血圧データに基づき、対象者の高血圧を判定する。具体的には、高血圧判定部１１１は、対象者から測定した血圧が正常域血圧か高血圧かを判定するとともに、高血圧の場合にはそのレベルを判定する。高血圧の判定手順及び判定基準は信頼できるエビデンスに従うことが望ましい。本実施形態の高血圧判定部１１１は、日本高血圧学会発行の「高血圧治療ガイドライン２０１４（ＪＳＨ２０１４）」に従って、表１に示す分類により血圧レベルを判定する。なお、本実施形態では収縮期血圧を判定に用いるが、拡張期血圧を用いてもよいし、収縮期血圧と拡張期血圧の両方を用いてもよい。
また、対象者データに診察室血圧と家庭血圧の両方のデータが含まれている場合には、高血圧判定部１１１は、表２に示す基準により高血圧のタイプを判定することもできる。
なお、白衣高血圧とは、診察室で測定した血圧は高血圧であるが、診察室外血圧（家庭血圧など）では正常域血圧を示す状態である。仮面高血圧は、その逆であり、診察室で測定した血圧は正常域血圧であるが、診察室外血圧（家庭血圧など）では高血圧を示す状態である。仮面高血圧には早朝高血圧、昼間高血圧、夜間高血圧の３つの病態があるため、高血圧判定部１１１は、家庭血圧が１３５ｍｍＨｇを超えた時刻に基づき早朝／昼間／夜間高血圧のいずれの病態であるか判定する。
さらに、高血圧判定部１１１は、血圧の日内変動を基に血圧の異常を判定することもできる。例えば、夜間血圧の変動に基づき、non-dipper型夜間高血圧やriser型夜間高血圧
を検出することができる。non-dipper型夜間高血圧とは、夜間に血圧が低下しない状態（正常な人は夜間に血圧の低下がみられる）であり、riser型夜間高血圧とは、夜間に血圧
が上昇する状態である。
を検出することができる。non-dipper型夜間高血圧とは、夜間に血圧が低下しない状態（正常な人は夜間に血圧の低下がみられる）であり、riser型夜間高血圧とは、夜間に血圧
が上昇する状態である。
（３）リスクの推定
リスク推定部１１２は、対象者データに基づいて、脳血管イベントや冠動脈イベントの発症リスクを推定する。このとき、リスク推定部１１２は、高血圧判定部１１１の判定結果をリスク要因の一つとして考慮するとよい。高血圧は脳血管イベントや冠動脈イベントの発症確率を上げる要因だからである。
リスク推定部１１２は、対象者データに基づいて、脳血管イベントや冠動脈イベントの発症リスクを推定する。このとき、リスク推定部１１２は、高血圧判定部１１１の判定結果をリスク要因の一つとして考慮するとよい。高血圧は脳血管イベントや冠動脈イベントの発症確率を上げる要因だからである。
リスク推定部１１２におけるリスク推定処理は信頼できるエビデンスに従うことが望ましい。本実施形態では、例えば、国立循環器病研究センターにより開発された「吹田スコア」、国立がん研究センターの「多目的コホート研究（ＪＰＨＣ Ｓｔｕｄｙ）」、「ＮＩＰＰＯＮ ＤＡＴＡ ８０／９０」などを利用する。
吹田スコアは、冠動脈イベント（例えば、心筋梗塞、狭心症などの虚血性心疾患）の１０年間の発症危険度を予測するリスクスコアである。リスク要因として、年齢、性別、喫煙習慣の有無、糖尿病の有無、高血圧レベル、ＬＤＬコレステロール、ＨＤＬコレステロール、慢性腎臓病（ＣＫＤ）のレベル（ｅＧＦＲの値）を入力すると、１０年間の冠動脈イベントの発症確率が予測できる。また、ＪＰＨＣ Ｓｔｕｄｙの成果の一つとして開発された予測モデルを用いれば、リスク要因として、年齢、性別、喫煙習慣の有無、肥満度（ＢＭＩ）、糖尿病の有無、高血圧レベル、降圧薬内服の有無を入力すると、１０年間の脳血管イベント（例えば、脳卒中、脳梗塞など）の発症確率が予測できる。これらのリスクスコアは公知のため、ここでは詳しい説明を割愛する。
（４）将来医療費の予測
図３のフローチャートに沿って、本実施形態の医療費予測部１１３による将来医療費の予測処理の具体的な流れを説明する。
図３のフローチャートに沿って、本実施形態の医療費予測部１１３による将来医療費の予測処理の具体的な流れを説明する。
まず、医療費予測部１１３は、高血圧判定部１１１により判定された高血圧レベル（正常域／I度高血圧／II度高血圧／III度高血圧）と、リスク推定部１１２により推定された冠動脈イベントと脳血管イベントそれぞれの発症確率と、対象者データと、を取得する（ステップＳ３００〜Ｓ３０２）。対象者データとしては、少なくとも、対象者の性別及び年齢の情報を用いる。
医療費予測部１１３は、冠動脈疾患を発症した場合に必要となる入院医療費と、脳血管疾患を発症した場合に必要となる入院医療費をそれぞれ算出する（ステップＳ３０３）。入院医療費とは、罹患に伴う入院により必要な総医療費であり、下記式により算出される。
入院医療費＝１回医療費＋１日在院医療費×在院日数
入院医療費＝１回医療費＋１日在院医療費×在院日数
「１回医療費」は、入院中に一度だけ発生する診療行為の医療費である。本実施形態では、「初・再診」、「手術」、「麻酔」の３つの診療行為の医療費の合計を１回医療費とする。「１日在院医療費」は、在院１日につき必要な医療費である。本実施形態では、「医学管理等」、「検査」、「画像診断」、「投薬」、「注射」、「処置」、「リハビリテーション」、「入院料等」の８つの診療行為の１日当たりの医療費の合計を１日在院医療費とする。各診療行為の医療費の額については、統計情報に基づき平均的な額を予め求めておくとよい。例えば、厚生労働省による社会医療診療行為別統計では、疾患ごとの件数、診療実日数、各診療行為の実施件数、回数、点数とその総数がまとめられている。これらの統計情報を用いれば各診療行為の医療費の平均を算出可能である。
「在院日数」は、対象者の性別及び年齢と疾患の種類に基づき決定する。本実施形態では、表３（男性のテーブル）、表４（女性のテーブル）を予め用意しておき、対象者の性別及び年齢と疾患の種類に対応する在院日数を取得する。これらのテーブルの在院日数の値については、統計情報に基づく平均的な値を用いるとよい。例えば、以下のテーブルは厚生労働省による平成２６年患者調査に基づき作成した例である。
また、医療費予測部１１３は、冠動脈疾患の治療に必要な年間通院医療費と、脳血管疾患の治療に必要な年間通院医療費と、高血圧の治療に必要な年間通院医療費とをそれぞれ算出する（ステップＳ３０４）。年間通院医療費とは、１年間の通院に必要な総医療費であり、下記式により算出される。
年間通院医療費＝１回通院医療費×年間通院日数
年間通院医療費＝１回通院医療費×年間通院日数
「１回通院医療費」は、通院１日につき必要な医療費である。本実施形態では、「初・再診」、「医学管理等」、「検査」、「画像診断」、「投薬」、「注射」、「処置」、「リハビリテーション」、「入院料等」の９つの診療行為の１日当たりの医療費の合計を１回通院医療費とする。各診療行為の医療費の額については、入院医療費の場合と同じく、統計情報に基づき平均的な額を予め求めておくとよい。ただし、高血圧性疾患については高血圧レベルに応じて投薬量が異なることを考慮し、「投薬」の医療費に高血圧レベルに応じた係数をかける。
「年間通院日数」は、対象者の性別及び年齢と疾患の種類に基づき決定する。表５は男性における疾患、年齢別の平均診療間隔を定義したテーブルであり、図６は女性における疾患、年齢別の平均診療間隔を定義したテーブルである。これらのテーブルから取得した平均診療間隔を用い、下記式により年間通院日数を求めることができる。
年間通院日数＝３６５／平均診療間隔
年間通院日数＝３６５／平均診療間隔
平均診療間隔の値については、統計情報に基づく平均的な値を用いるとよい。例えば、以下のテーブルは厚生労働省による平成２６年患者調査に基づき作成した例である。
次に、医療費予測部１１３は、ステップＳ３０３で算出した入院医療費と、疾患ごとの発症確率に基づき、下記式により、対象者に将来的に発生する入院医療費である将来入院医療費を算出する（ステップＳ３０５）。
将来入院医療費＝冠動脈疾患の発症確率×冠動脈疾患の入院医療費
＋脳血管疾患の発症確率×脳血管疾患の入院医療費
将来入院医療費＝冠動脈疾患の発症確率×冠動脈疾患の入院医療費
＋脳血管疾患の発症確率×脳血管疾患の入院医療費
また、医療費予測部１１３は、ステップＳ３０４で算出した年間通院医療費と、疾患ごとの発症確率に基づき、下記式により、対象者に将来的に発生する通院医療費である将来通院医療費を算出する（ステップＳ３０６）。
将来通院医療費＝冠動脈疾患の発症確率×冠動脈疾患の年間通院医療費
＋脳血管疾患の発症確率×脳血管疾患の年間通院医療費
＋高血圧性疾患の年間通院医療費
将来通院医療費＝冠動脈疾患の発症確率×冠動脈疾患の年間通院医療費
＋脳血管疾患の発症確率×脳血管疾患の年間通院医療費
＋高血圧性疾患の年間通院医療費
次に、医療費予測部１１３は、１０年間総医療費期待値を算出する（ステップＳ３０７）。１０年間総医療費期待値とは、１０年間の中で必ず一度、疾患が発症すると仮定した場合に、どの程度の医療費が必要となるかを表すものである。疾患の発症に伴う入院は一度だけであるとして、１０年間総医療費期待値は下記式により算出する。
１０年間総医療費期待値＝将来入院医療費＋（将来通院医療費×１０）／２
１０年間総医療費期待値＝将来入院医療費＋（将来通院医療費×１０）／２
以上の処理により、将来入院医療費、将来通院医療費、及び、１０年間総医療費期待値を算出することができる。
（５）保険加入の適否判定
図４のフローチャートに沿って、本実施形態の保険加入適否判定部１１４による保険加入適否判定処理の具体的な流れを説明する。
図４のフローチャートに沿って、本実施形態の保険加入適否判定部１１４による保険加入適否判定処理の具体的な流れを説明する。
まず、保険加入適否判定部１１４は、対象となる医療保険の契約条件（保険プラン、保障額、特約、契約期間など）を設定する（ステップＳ４００）。契約条件については、対象者自身に入力ないし選択させてもよいし、保険加入適否判定部１１４が対象者の年齢、性別や希望などに合わせておすすめの条件を自動設定してもよい。
次に、保険加入適否判定部１１４は、設定された契約条件と対象者の年齢、性別などの情報に基づき、対象者が医療保険に加入した場合に支払う保険料額を見積もる（ステップＳ４０１）。保険料額は単年度ごとに算出してもよいし、契約期間全体での金額を算出してもよい。本実施形態では、将来医療費との比較のため、１０年間に支払う保険料額の総額を見積もるものとする。
次に、保険加入適否判定部１１４は、ステップＳ４０１で見積もられた保険料額と、医療費予測部１１３により予測された将来医療費（例えば１０年間総医療費期待値）とを比較することにより、この対象者が医療保険に加入することの適否を判定し（ステップＳ４０２）、判定結果を出力する（ステップＳ４０３）。
適否判定のロジックは、本システム１を誰がどのような目的で利用するか、によって異なる。すなわち、対象者（保険加入希望者）が自分に適した医療保険を検討する目的で本システム１を利用する場合には、対象者側の利益を優先すべきであるから、保険料額が１０年間総医療費期待値より少ない場合に「加入：適」、保険料額が１０年間総医療費期待値以上の場合に「加入：不適」という判定結果を出力するとよい。図５Ａは、保険加入希望者に提示する判定結果の表示例である。
一方、医療保険を提供する保険者が対象者（保険加入希望者）の引き受け査定を行う目的で本システム１を利用する場合には、保険者側の利益を優先すべきであるから、保険料額が１０年間総医療費期待値より多い場合に「加入：適」、保険料額が１０年間総医療費期待値以下の場合に「加入：不適」という判定結果を出力するとよい。図５Ｂは、保険者に提示する引き受け可否の判定結果の表示例である。
なお、ここに例示した判定ロジック及び表示例はあくまで一例であり、他のロジックや
基準を用いてもよい。保険加入適否判定部１１４の判定結果に基づいて、対象者（保険加入希望者）に適した医療保険の条件や保険料額を出力することも好ましい。例えば、複数の契約条件のなかから、保険料額と１０年間総医療費期待値とがバランスする最適な契約条件を選択し、対象者（保険加入希望者）又は保険者にレコメンドしてもよい。図５Ｃは、出力装置１３によるレコメンド出力の一例である。あるいは、適／否の２択ではなく、最適／適／否のように複数段階の判定結果を出力してもよい。このような出力を行うことで、保険の加入を検討している者にとっては自分に適した条件の保険商品を選択することが容易になるというメリットがあり、他方、保険者にとっても、医療保険への加入機会を増やすことが期待できるというメリットがある。
基準を用いてもよい。保険加入適否判定部１１４の判定結果に基づいて、対象者（保険加入希望者）に適した医療保険の条件や保険料額を出力することも好ましい。例えば、複数の契約条件のなかから、保険料額と１０年間総医療費期待値とがバランスする最適な契約条件を選択し、対象者（保険加入希望者）又は保険者にレコメンドしてもよい。図５Ｃは、出力装置１３によるレコメンド出力の一例である。あるいは、適／否の２択ではなく、最適／適／否のように複数段階の判定結果を出力してもよい。このような出力を行うことで、保険の加入を検討している者にとっては自分に適した条件の保険商品を選択することが容易になるというメリットがあり、他方、保険者にとっても、医療保険への加入機会を増やすことが期待できるというメリットがある。
（リスク分析結果の表示例）
出力装置１３によるリスク分析結果の表示例について説明する。
出力装置１３によるリスク分析結果の表示例について説明する。
図６は、複数の対象者のリスク分析情報を一覧表示する画面の例である。それぞれの行が対象者ひとり分のリスク分析情報を示している。図６の例では、リスク分析情報として、対象者のユーザＩＤ、年齢、性別、血圧のトレンド、診察室血圧、家庭血圧、血管年齢、総合リスクなどの情報が出力される。血圧のトレンドとしては、例えば、収縮期血圧の一週間の変化（グラフ）や、一週間のうちの平均値・最大値・最小値などを表示するとよい。総合リスクは、脳血管イベント及び冠動脈イベントの発症リスクを総合的に判定した指標であり、図６の例では、「Ｌｏｗ」、「Ｍｉｄｄｌｅ」、「Ｈｉｇｈ」、「Ｖｅｒｙ
Ｈｉｇｈ」の４段階で示されている。また総合リスクが「Ｖｅｒｙ Ｈｉｇｈ」と判定された対象者には、アラートアイコンが表示されている。
Ｈｉｇｈ」の４段階で示されている。また総合リスクが「Ｖｅｒｙ Ｈｉｇｈ」と判定された対象者には、アラートアイコンが表示されている。
図７Ａ〜図７Ｆは、対象者個人のリスク分析情報の詳細表示の例である。図７Ａは、血圧の層別化の表示例である。横軸が一日の時刻（０時から２４時）を表し、縦軸が血圧値を表している。三角（△）でプロットされたデータは日中に測定された血圧（朝晩血圧）であり、四角（□）でプロットされたデータは夜間に測定された血圧（夜間血圧）である。図７Ａのグラフでは、正常血圧、Ｉ度高血圧、II度高血圧、III度高血圧それぞれの血
圧範囲が色分けして示されており、対象者の血圧値がどの血圧範囲に分類されるか簡単に確認できるようになっている。なお、図７Ａでは、収縮期血圧が１４０−１５９の範囲をＩ度高血圧、１６０−１７９の範囲をII度高血圧、１８０以上をIII度高血圧としている
。
圧範囲が色分けして示されており、対象者の血圧値がどの血圧範囲に分類されるか簡単に確認できるようになっている。なお、図７Ａでは、収縮期血圧が１４０−１５９の範囲をＩ度高血圧、１６０−１７９の範囲をII度高血圧、１８０以上をIII度高血圧としている
。
また、対象者の血圧データから、白衣高血圧、仮面高血圧、血圧日内変動異常（non-dipper型夜間高血圧、riser型夜間高血圧など）などが検出された場合には、これらの情報
も出力するとよい。
も出力するとよい。
図７Ｂは、血圧の層別化の他の表示例である。横軸が診察室血圧を表し、縦軸が家庭血圧を表している。図７Ｂのグラフでも、正常血圧、Ｉ度高血圧、II度高血圧、III度高血
圧それぞれの血圧範囲が色分けして示されている。円（〇）でプロットされたデータは、所定期間に測定された血圧値の統計値を示している。具体的には、円の中心は血圧の平均値、円の大きさ（直径）は血圧値のばらつき（標準偏差、分散など）を表している。このような表示によれば、円の位置をみることで、対象者の血圧値がどの血圧範囲に属するかを簡単に確認できる。また、診察室血圧（横軸）での分類と家庭血圧（縦軸）での分類が不一致の場合は、白衣高血圧や仮面高血圧の疑いがあることがわかる。また、円の大きさをみることで、血圧値が安定しているか変動が大きいかを直観的に把握することができる。
圧それぞれの血圧範囲が色分けして示されている。円（〇）でプロットされたデータは、所定期間に測定された血圧値の統計値を示している。具体的には、円の中心は血圧の平均値、円の大きさ（直径）は血圧値のばらつき（標準偏差、分散など）を表している。このような表示によれば、円の位置をみることで、対象者の血圧値がどの血圧範囲に属するかを簡単に確認できる。また、診察室血圧（横軸）での分類と家庭血圧（縦軸）での分類が不一致の場合は、白衣高血圧や仮面高血圧の疑いがあることがわかる。また、円の大きさをみることで、血圧値が安定しているか変動が大きいかを直観的に把握することができる。
図７Ｃは、脳血管リスクの表示例である。血圧、肥満度（ＢＭＩ）、喫煙習慣、糖尿病、血圧治療薬の５つのリスク要因について、対象者のスコアと同年代の平均スコアとの比
較を示している。また、図７Ｄは、冠動脈リスクの表示例である。血圧、慢性腎臓病（推算糸球体濾過量ｅＧＦＲ）、喫煙習慣、糖尿病、ＨＤＬコレステロール、ＬＤＬコレステロールの６つのリスク要因について、対象者のスコアと同年代の平均スコアとの比較を示している。図７Ｃや図７Ｄのチャート図をみることで、脳血管リスクや冠動脈リスクの有無（平均と乖離しているかどうか）、改善すべき項目などを容易に把握することができる。
較を示している。また、図７Ｄは、冠動脈リスクの表示例である。血圧、慢性腎臓病（推算糸球体濾過量ｅＧＦＲ）、喫煙習慣、糖尿病、ＨＤＬコレステロール、ＬＤＬコレステロールの６つのリスク要因について、対象者のスコアと同年代の平均スコアとの比較を示している。図７Ｃや図７Ｄのチャート図をみることで、脳血管リスクや冠動脈リスクの有無（平均と乖離しているかどうか）、改善すべき項目などを容易に把握することができる。
図７Ｅは、脳血管イベント及び冠動脈イベントそれぞれの発症リスクの表示例である。縦軸は１０年以内にイベントを発症する確率を表している。対象者のイベント発症リスクと同年代の平均的なイベント発症リスクとを比較表示することで、対象者自身のイベント発症リスクの高さ／低さを容易に評価することができる。また、図７Ｆは、脳血管イベントの発症リスクと冠動脈イベントの発症リスクを合わせた総合リスクの表示例である。例えば、脳血管イベントの発症リスクと冠動脈イベントの発症リスクを重み付け加算し、０（リスク最小）〜１００（リスク最大）の値域で正規化したスコアを、総合リスクとして用いることができる。
（将来医療費の表示例）
図８Ａ及び図８Ｂに、出力装置１３による将来医療費の表示例を示す。図８Ａは、医療費予測部１１３によって予測された１０年間総医療費期待値を対象者に提示する画面例である。
図８Ａ及び図８Ｂに、出力装置１３による将来医療費の表示例を示す。図８Ａは、医療費予測部１１３によって予測された１０年間総医療費期待値を対象者に提示する画面例である。
図８Ｂは、年度ごとの将来医療費の予測値をグラフで示す画面例である。年度ごとの医療費の推計は例えば次のように行うことができる。
リスク推定部１１２によって推定されたある疾患の１０年間の発症確率をｐ｛ｐ｜０≦ｐ≦１｝、算出する年度をｙ｛ｙ｜１≦ｙ≦１０｝としたとき、各年度ｙにおける疾病発症率Ｐ（ｙ）を例えば以下のように算出する。なおここでは疾病発症確率を線形予測する単純なモデルを用いたが、非線形なモデルを用いてもよい。
疾患を発症した場合の追加医療費をＣｐ［円］、疾病とは無関係に発生する基礎年間医療費をＣｎ［円／年］とおくと、各年度ｙにおける平均医療費μ（ｙ）と医療費の分散σ（ｙ）はそれぞれ以下のように求まる。
ここで、追加医療費Ｃｐは、医療費予測部１１３によって計算された入院医療費と年間通院医療費の合計である。
ここで、追加医療費Ｃｐは、医療費予測部１１３によって計算された入院医療費と年間通院医療費の合計である。
図８ＢのグラフＡは、疾患の発症確率ｐ＝０．１、追加医療費Ｃｐ＝１０，０００，０００［円］、基礎年間医療費Ｃｎ＝１０，０００［円／年］とした場合の平均医療費μ（ｙ）の推移である。また、グラフＢ，Ｃ，ＤはグラフＡよりも悲観的な予測を示すグラフであり、グラフＢ，Ｃ，Ｄはそれぞれμ（ｙ）＋σ（ｙ），μ（ｙ）＋２σ（ｙ），μ（ｙ）＋３σ（ｙ）である。このようなグラフをみることで、年度ごとの医療費の予測と、
予測値のばらつきの範囲（確率分布）を把握することができる。このグラフは、例えば、対象者自身が医療保険への加入や貯蓄計画を検討する際のファイナンシャルプランの参考として利用してもよいし、医療保険を提供する保険者が対象者（保険加入希望者）の引き受け査定や契約条件の計画を行う際の参考情報として利用してもよい。
予測値のばらつきの範囲（確率分布）を把握することができる。このグラフは、例えば、対象者自身が医療保険への加入や貯蓄計画を検討する際のファイナンシャルプランの参考として利用してもよいし、医療保険を提供する保険者が対象者（保険加入希望者）の引き受け査定や契約条件の計画を行う際の参考情報として利用してもよい。
（本実施形態の利点）
以上述べた本実施形態の構成によれば、まず対象者のイベント発症リスクを推定し、そのリスクに基づき対象者の将来医療費を予測する。したがって、対象者自身の健康状態や健康上のリスクを考慮した将来医療費を予測することができる。しかも、信頼できるエビデンスや公的機関（厚生労働省など）の統計データに基づき、リスク推定や医療費予測を行うので、高い信頼性及び正確性を期待できる。
以上述べた本実施形態の構成によれば、まず対象者のイベント発症リスクを推定し、そのリスクに基づき対象者の将来医療費を予測する。したがって、対象者自身の健康状態や健康上のリスクを考慮した将来医療費を予測することができる。しかも、信頼できるエビデンスや公的機関（厚生労働省など）の統計データに基づき、リスク推定や医療費予測を行うので、高い信頼性及び正確性を期待できる。
また、本実施形態では、疾患を発症した場合に必要となる医療費と疾患の発症確率に基づき将来医療費を予測するというアルゴリズムを採用している。「疾患を発症した場合に必要となる医療費」は、個人に依存しないため、例えば、過去のレセプトデータや厚生労働省の統計データなどから平均的な医療費の額を簡単に求めることができる。そして、この平均的な医療費に対し、個人に依存する「発症確率」を組み合わせることで、対象者自身の健康状態や健康上のリスクを考慮した将来医療費を計算することができる。
また、本実施形態では、入院医療費と通院医療費の両方を考慮するので、実情により則した医療費の予測が可能となる。さらに本実施形態では、冠動脈イベントと脳血管イベントの２種類の疾患についてリスク推定及び将来医療費の予測を行うので、医療費の予測の精度を向上できる。さらに本実施形態では高血圧の治療に必要な医療費も考慮して対象者の将来医療費を予測しているので、高血圧治療のための通院や投薬などを考慮でき、将来医療費の予測精度をより向上することができる。
また、本実施形態では、将来医療費と保険料額をもとに保険加入の適否を自動判定する機能を設けたので、保険加入希望者や保険者が医療保険に加入することの適否を簡単かつ高信頼に判定することができる。
＜その他の実施形態＞
上述した実施形態の構成は本発明の一具体例を示したものにすぎない。本発明の範囲は上記実施形態に限られるものではなく、その技術思想の範囲内で種々の変形が可能である。
上述した実施形態の構成は本発明の一具体例を示したものにすぎない。本発明の範囲は上記実施形態に限られるものではなく、その技術思想の範囲内で種々の変形が可能である。
例えば、上記実施形態では、吹田スコアやＪＰＨＣ Ｓｔｕｄｙなど、日本での研究成果に基づくエビデンスを利用したが、本システム１の対象者が日本人以外の場合や日本以外に居住している場合には、その人の人種や居住地域に合致したエビデンスを利用することが望ましい。人種が異なると、遺伝子の違いからイベント発症リスクに差がでるし、たとえ同じ人種であったとしても居住地域が異なると、生活習慣の違いからイベント発症リスクに差がでるからである。また、居住地域が異なると、医療制度や物価が異なり、医療費にも差がでるので、医療費予測のアルゴリズムについても対象者の居住地域ごとに変更するとよい。
具体的には、人種別及び／又は居住地域別に複数種類の分析アルゴリズム（プログラムやテーブルなど）を用意しておき、リスク推定部１１２や医療費予測部１１３が、対象者の人種及び／又は居住地域に応じて分析アルゴリズムの種類を変更するとよい。人種や居住地域の情報は対象者データとして与えることができる。このように、対象者の人種や居住地域に応じて適応的にアルゴリズムを変える機能をもたせると、例えば米国のように様々な人種が混在している国でのシステム運用に有利である。
１：リスク分析システム
１０：データベース、１１：分析装置、１２：投薬支援装置、１３：出力装置
１１０：データ取得部、１１１：高血圧判定部、１１２：リスク推定部、１１３：医療費予測部、１１４：保険加入適否判定部
１０：データベース、１１：分析装置、１２：投薬支援装置、１３：出力装置
１１０：データ取得部、１１１：高血圧判定部、１１２：リスク推定部、１１３：医療費予測部、１１４：保険加入適否判定部
Claims (21)
- 対象者の健康に関わる情報を含む対象者データを記憶する記憶装置と、
前記記憶装置から取得した前記対象者データに基づき前記対象者の健康に関わるリスクを分析する分析装置と、
前記分析装置による分析結果を出力する出力装置と、を備え、
前記対象者データは、所定期間に測定された複数回分の対象者の血圧データを含み、
前記分析装置は、
前記複数回分の血圧データから前記対象者の血圧の統計値を計算し、前記血圧の統計値に基づいて前記対象者の高血圧のレベルを判定する高血圧判定部と、
前記対象者データおよび前記高血圧のレベルに基づき前記対象者のイベント発症リスクを推定するリスク推定部と、
前記リスク推定部により推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者に将来的に発生する医療費である将来医療費を予測する医療費予測部と、
前記対象者が医療保険に加入した場合に支払う保険料額を見積もり、予測された前記将来医療費と見積もられた前記保険料額とを比較することにより、前記対象者が前記医療保険に加入することの適否を判定する保険加入適否判定部と、を有する
ことを特徴とするリスク分析システム。 - 前記保険加入適否判定部は、予測された前記将来医療費と見積もられた前記保険料額とを比較し、前記保険料額が前記将来医療費以下の場合に前記対象者が前記医療保険に加入することが不適であると判定する
ことを特徴とする請求項１に記載のリスク分析システム。 - 対象者の健康に関わる情報を含む対象者データを記憶する記憶装置と、
前記記憶装置から取得した前記対象者データに基づき前記対象者の健康に関わるリスクを分析する分析装置と、
前記分析装置による分析結果を出力する出力装置と、を備え、
前記対象者データは、所定期間に測定された複数回分の対象者の血圧データを含み、
前記分析装置は、
前記複数回分の血圧データから前記対象者の血圧の統計値を計算し、前記血圧の統計値に基づいて前記対象者の高血圧のレベルを判定する高血圧判定部と、
前記対象者データおよび前記高血圧のレベルに基づき前記対象者のイベント発症リスクを推定するリスク推定部
と、
前記リスク推定部により推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者に将来的に発生する医療費である将来医療費を予測する医療費予測部と、を有し、
前記分析装置は、居住地域別に複数種類の分析アルゴリズムを有しており、前記対象者の居住地域に応じて分析アルゴリズムの種類を変更する
ことを特徴とするリスク分析システム。 - 前記対象者データが診察室血圧のデータと家庭血圧のデータを含む場合に、前記高血圧判定部は、前記診察室血圧のデータと前記家庭血圧のデータに基づき前記対象者が高血圧であるか仮面高血圧であるか白衣高血圧であるかを判定する
ことを特徴とする請求項１〜３のうちいずれか１項に記載のリスク分析システム。 - 前記対象者の血圧が高血圧であると判定された場合に、前記医療費予測部は、前記対象者の高血圧レベルに基づいて高血圧の治療に必要な医療費も考慮して前記対象者の前記将来医療費を予測する
ことを特徴とする請求項４に記載のリスク分析システム。 - 前記リスク推定部は、前記イベント発症リスクとして、前記対象者が疾患を発症する発症確率を推定し、
前記医療費予測部は、前記対象者データに基づき、前記対象者が前記疾患を発症した場合に必要となる医療費を算出し、前記医療費と前記発症確率に基づき前記対象者の将来医療費を予測する
ことを特徴とする請求項１〜５のうちいずれか１項に記載のリスク分析システム。 - 前記医療費予測部は、前記対象者が前記疾患を発症した場合に必要となる前記医療費として、入院に要する入院医療費と通院に要する通院医療費を算出する
ことを特徴とする請求項６に記載のリスク分析システム。 - 前記リスク推定部は、複数の疾患のそれぞれに対して発症確率を推定し、
前記医療費予測部は、前記複数の疾患のそれぞれに対して将来医療費を予測し、予測された将来医療費を合計することにより、前記対象者の総合的な将来医療費を算出する
ことを特徴とする請求項６又は７に記載のリスク分析システム。 - 前記対象者が医療保険に加入した場合に支払う保険料額を見積もり、予測された前記将来医療費と見積もられた前記保険料額とを比較することにより、前記対象者が前記医療保険に加入することの適否を判定する保険加入適否判定部を有する
ことを特徴とする請求項３〜５のうちいずれか１項に記載のリスク分析システム。 - 前記出力装置は、前記保険加入適否判定部の判定結果に基づいて、前記対象者に適した医療保険の条件及び／又は保険料額を出力する
ことを特徴とする請求項１、２又は９に記載のリスク分析システム。 - 前記出力装置は、前記対象者の将来医療費の年毎の推移を示すグラフを生成し出力することを特徴とする請求項１〜１０のうちいずれか１項に記載のリスク分析システム。
- 前記分析装置は、人種別及び／又は居住地域別に複数種類の分析アルゴリズムを有しており、前記対象者の人種及び／又は居住地域に応じて分析アルゴリズムの種類を変更することを特徴とする請求項１、２、４、５のうちいずれか１項に記載のリスク分析システム。
- 前記高血圧判定部により高血圧であると判定された場合に、前記医療費予測部は、高血圧の治療に必要な医療費も考慮して前記対象者の将来医療費を予測する
ことを特徴とする請求項１〜１２のうちいずれか１項に記載のリスク分析システム。 - 対象者の健康に関わる情報を含む対象者データを記憶する記憶装置と、
前記記憶装置から取得した前記対象者データに基づき前記対象者の健康に関わるリスクを分析する分析装置と、
前記分析装置による分析結果を出力する出力装置と、を備え、
前記分析装置は、
前記対象者データに基づき前記対象者のイベント発症リスクを推定するリスク推定部と、
前記リスク推定部により推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者に将来的に発生する医療費である将来医療費を予測する医療費予測部と、
前記対象者が医療保険に加入した場合に支払う保険料額を見積もり、予測された前記将来医療費と見積もられた前記保険料額とを比較することにより、前記対象者が前記医療保険に加入することの適否を判定する保険加入適否判定部と、を有し、
前記保険加入適否判定部は、予測された前記将来医療費と見積もられた前記保険料額とを比較し、前記保険料額が前記将来医療費以下の場合に前記対象者が前記医療保険に加入することが不適であると判定する
ことを特徴とするリスク分析システム。 - コンピュータが、対象者の健康に関わる情報を含む対象者データを取得する取得ステップと、
コンピュータが、前記対象者データに基づき前記対象者の健康に関わるリスクを分析する分析ステップと、
コンピュータが、前記分析ステップによる分析結果を出力する出力ステップと、を有し、
前記対象者データは、所定期間に測定された複数回分の対象者の血圧データを含み、
前記分析ステップは、
コンピュータが、前記複数回分の血圧データから前記対象者の血圧の統計値を計算し、前記血圧の統計値に基づいて前記対象者の高血圧のレベルを判定するステップと、
コンピュータが、前記対象者データおよび前記高血圧のレベルに基づき前記対象者のイベント発症リスクを推定するステップと、
コンピュータが、推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者に将来的に発生する医療費である将来医療費を予測するステップと、
コンピュータが、前記対象者が医療保険に加入した場合に支払う保険料額を見積もり、予測された前記将来医療費と見積もられた前記保険料額とを比較することにより、前記対象者が前記医療保険に加入することの適否を判定するステップと、を含む
ことを特徴とするリスク分析方法。 - 前記対象者が前記医療保険に加入することの適否を判定するステップでは、コンピュー
タが、予測された前記将来医療費と見積もられた前記保険料額とを比較し、前記保険料額が前記将来医療費以下の場合に前記対象者が前記医療保険に加入することが不適であると判定する
ことを特徴とする請求項１５に記載のリスク分析方法。 - コンピュータが、対象者の健康に関わる情報を含む対象者データを取得する取得ステップと、
コンピュータが、前記対象者データに基づき前記対象者の健康に関わるリスクを分析する分析ステップと、
コンピュータが、前記分析ステップによる分析結果を出力する出力ステップと、を有し、
前記対象者データは、所定期間に測定された複数回分の対象者の血圧データを含み、
前記分析ステップは、
コンピュータが、前記複数回分の血圧データから前記対象者の血圧の統計値を計算し、前記血圧の統計値に基づいて前記対象者の高血圧のレベルを判定するステップと、
コンピュータが、前記対象者データおよび前記高血圧のレベルに基づき前記対象者のイベント発症リスクを推定するステップと、
コンピュータが、推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者に将来的に発生する医療費である将来医療費を予測するステップと、を含み、
前記分析ステップでは、コンピュータが、居住地域別に用意された複数種類の分析アルゴリズムのうちから、前記対象者の居住地域に応じた分析アルゴリズムを選択する
ことを特徴とするリスク分析方法。 - 前記対象者データが診察室血圧のデータと家庭血圧のデータを含む場合に、コンピュータが、前記診察室血圧のデータと前記家庭血圧のデータに基づき前記対象者が高血圧であるか仮面高血圧であるか白衣高血圧であるかを判定する
ことを特徴とする請求項１５〜１７のうちいずれか１項に記載のリスク分析方法。 - コンピュータが、対象者の健康に関わる情報を含む対象者データを取得する取得ステップと、
コンピュータが、前記対象者データに基づき前記対象者の健康に関わるリスクを分析する分析ステップと、
コンピュータが、前記分析ステップによる分析結果を出力する出力ステップと、を有し、
前記分析ステップは、
コンピュータが、前記対象者データに基づき前記対象者のイベント発症リスクを推定するステップと、
コンピュータが、推定した前記イベント発症リスクと、前記対象者データとに基づき、前記対象者に将来的に発生する医療費である将来医療費を予測するステップと、
コンピュータが、前記対象者が医療保険に加入した場合に支払う保険料額を見積もり、予測された前記将来医療費と見積もられた前記保険料額とを比較することにより、前記対象者が前記医療保険に加入することの適否を判定するステップと、を含み、
前記対象者が前記医療保険に加入することの適否を判定するステップでは、コンピュータが、予測された前記将来医療費と見積もられた前記保険料額とを比較し、前記保険料額が前記将来医療費以下の場合に前記対象者が前記医療保険に加入することが不適であると判定する
ことを特徴とするリスク分析方法。 - 請求項１５〜１９のうちいずれか１項に記載のリスク分析方法の各ステップをコンピュ
ータに実行させるためのプログラム。 - 請求項１５〜１９のうちいずれか１項に記載のリスク分析方法によって出力された分析結果を表示する表示装置。
Priority Applications (8)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016134248A JP6861481B2 (ja) | 2016-07-06 | 2016-07-06 | リスク分析システム及びリスク分析方法 |
| PCT/JP2017/023511 WO2018008463A1 (ja) | 2016-07-06 | 2017-06-27 | リスク分析システム及びリスク分析方法 |
| SG11201811793PA SG11201811793PA (en) | 2016-07-06 | 2017-06-27 | Risk analysis system and risk analysis method |
| JP2018001838A JP6932654B2 (ja) | 2016-07-06 | 2018-01-10 | リスク分析システム及びリスク分析方法 |
| US16/237,802 US11087406B2 (en) | 2016-07-06 | 2019-01-02 | Risk analysis system and risk analysis method |
| US17/361,372 US11776063B2 (en) | 2016-07-06 | 2021-06-29 | Risk analysis system and risk analysis method |
| US17/361,371 US11734768B2 (en) | 2016-07-06 | 2021-06-29 | Risk analysis system and risk analysis method |
| US17/361,373 US11769208B2 (en) | 2016-07-06 | 2021-06-29 | Risk analysis system and risk analysis method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016134248A JP6861481B2 (ja) | 2016-07-06 | 2016-07-06 | リスク分析システム及びリスク分析方法 |
Related Child Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018001785A Division JP6863591B2 (ja) | 2018-01-10 | 2018-01-10 | リスク分析システム及びリスク分析方法 |
| JP2018001838A Division JP6932654B2 (ja) | 2016-07-06 | 2018-01-10 | リスク分析システム及びリスク分析方法 |
| JP2018001807A Division JP6863665B2 (ja) | 2018-01-10 | 2018-01-10 | 血圧リスク分析装置及び血圧リスク分析方法 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2018005726A JP2018005726A (ja) | 2018-01-11 |
| JP2018005726A5 JP2018005726A5 (ja) | 2019-07-04 |
| JP6861481B2 true JP6861481B2 (ja) | 2021-04-21 |
Family
ID=60912651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016134248A Active JP6861481B2 (ja) | 2016-07-06 | 2016-07-06 | リスク分析システム及びリスク分析方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (4) | US11087406B2 (ja) |
| JP (1) | JP6861481B2 (ja) |
| SG (1) | SG11201811793PA (ja) |
| WO (1) | WO2018008463A1 (ja) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10636525B2 (en) | 2014-11-14 | 2020-04-28 | Hi.Q, Inc. | Automated determination of user health profile |
| US10629293B2 (en) | 2014-11-14 | 2020-04-21 | Hi.Q, Inc. | System and method for providing a health determination service based on user knowledge and activity |
| US10672519B2 (en) | 2014-11-14 | 2020-06-02 | Hi.Q, Inc. | System and method for making a human health prediction for a person through determination of health knowledge |
| US10930378B2 (en) | 2014-11-14 | 2021-02-23 | Hi.Q, Inc. | Remote health assertion verification and health prediction system |
| CN112262403A (zh) * | 2018-05-15 | 2021-01-22 | 富士胶片株式会社 | 试样检测管理装置、试样检测管理系统、试样检测管理方法及程序 |
| CN108694520A (zh) * | 2018-07-02 | 2018-10-23 | 平安健康保险股份有限公司 | 理赔客户风险识别方法及系统 |
| JP7378721B2 (ja) * | 2018-07-30 | 2023-11-14 | Ｅｗｐ株式会社 | 健康診断解析システム、健康診断解析方法、および健康診断解析プログラム |
| JP2020042629A (ja) * | 2018-09-12 | 2020-03-19 | 株式会社日立製作所 | 分析システム及び分析方法 |
| EP3855446A4 (en) * | 2018-09-20 | 2021-10-27 | Asahi Kasei Kabushiki Kaisha | ASSESSMENT ASSISTANCE SYSTEM AND ASSESSMENT ASSISTANCE PROCEDURES TO ASSIST THE ASSESSMENT OF THE CONDITION OF A CIRCULAR SYSTEM |
| CN109360109A (zh) * | 2018-09-26 | 2019-02-19 | 平安医疗健康管理股份有限公司 | 基于大数据分析和处理的智能理赔审核辅助方法和系统 |
| JP6609873B1 (ja) * | 2018-12-20 | 2019-11-27 | ジャパンモード株式会社 | 保険免責可能性判断プログラム、保険特約条項適用可能性判断プログラム、保険条件提案プログラム |
| CN112955963A (zh) * | 2018-12-21 | 2021-06-11 | 爱平世股份有限公司 | 健康风险信息管理装置、健康风险信息管理方法及程序 |
| JPWO2020138085A1 (ja) * | 2018-12-25 | 2021-11-11 | 京セラ株式会社 | 疾患予測システム |
| JP7055112B2 (ja) * | 2019-02-20 | 2022-04-15 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
| US20220114674A1 (en) * | 2020-10-09 | 2022-04-14 | Hi.Q, Inc. | Health lab data model for risk assessment |
| JP7159380B2 (ja) * | 2021-03-23 | 2022-10-24 | 三井住友信託銀行株式会社 | 健康資産管理装置、健康資産管理方法、プログラム |
| CN112926879B (zh) * | 2021-03-26 | 2022-05-20 | 平安科技（深圳）有限公司 | 疾病诊断相关分组的支付方案决策方法、装置及设备 |
| JP7532595B1 (ja) | 2023-05-12 | 2024-08-13 | Kddi株式会社 | 情報処理システム、プログラムおよび保険条件判定方法 |
Family Cites Families (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7127407B1 (en) | 1999-04-29 | 2006-10-24 | 3M Innovative Properties Company | Method of grouping and analyzing clinical risks, and system therefor |
| JP2003031127A (ja) | 2001-07-16 | 2003-01-31 | Nippon Sheet Glass Co Ltd | 平面型蛍光ランプの製造方法 |
| JP2004078479A (ja) * | 2002-08-14 | 2004-03-11 | Tf Office:Kk | 保険情報提供システム、及び保険情報提供プログラム |
| JP2005052164A (ja) * | 2003-06-11 | 2005-03-03 | Takeda Chem Ind Ltd | 疾病リスクシミュレーションシステム |
| JP2005050210A (ja) * | 2003-07-30 | 2005-02-24 | Mitsui Sumitomo Insurance Co Ltd | 医療費予測システム、医療費予測サーバ、医療費予測方法、及びプログラム |
| US20050182659A1 (en) * | 2004-02-06 | 2005-08-18 | Huttin Christine C. | Cost sensitivity decision tool for predicting and/or guiding health care decisions |
| US20050234742A1 (en) | 2004-04-08 | 2005-10-20 | Hodgdon Darren W | Incentive based health care insurance program |
| US20070112593A1 (en) | 2005-11-14 | 2007-05-17 | Rxcera Pharmaceutical, Inc. | Selection system, dispensing system and treatment with a one-a-day combination pill for hypertension, hypercholesterolemia, hypertriglyceridemia and anti-platelet treatment |
| EP1810612A1 (en) | 2006-01-20 | 2007-07-25 | Microlife Intellectual Property GmbH | A system and method for hypertension management |
| US7249040B1 (en) | 2006-03-16 | 2007-07-24 | Trurisk, L.L.C. | Computerized medical underwriting of group life and disability insurance using medical claims data |
| US8504343B2 (en) * | 2007-01-31 | 2013-08-06 | University Of Notre Dame Du Lac | Disease diagnoses-bases disease prediction |
| JP2010026855A (ja) | 2008-07-22 | 2010-02-04 | Omron Healthcare Co Ltd | 健康状態判断装置 |
| US20110202486A1 (en) | 2009-07-21 | 2011-08-18 | Glenn Fung | Healthcare Information Technology System for Predicting Development of Cardiovascular Conditions |
| JP5380197B2 (ja) | 2009-08-07 | 2014-01-08 | 株式会社エヌ・ティ・ティ・データ | 医療情報生成装置、医療情報生成方法およびプログラム |
| JP2011070405A (ja) | 2009-09-25 | 2011-04-07 | Hisayama Research Institute For Lifestyle Diseases | 発症リスク分析装置及び発症リスク分析方法、並びにコンピュータプログラム |
| US20110166978A1 (en) * | 2010-01-04 | 2011-07-07 | HealthView Services, Inc. | Method, apparatus and system for financial planning incorporating calculated health costs and health-based longevity |
| CA2804293A1 (en) | 2010-06-20 | 2011-12-29 | Univfy Inc. | Method of delivering decision support systems (dss) and electronic health records (ehr) for reproductive care, pre-conceptive care, fertility treatments, and other health conditions |
| KR101234835B1 (ko) | 2011-04-26 | 2013-02-22 | (의료)길의료재단 | 상황정보 기반의 고혈압 모니터링 및 알림 장치 |
| JP5853587B2 (ja) * | 2011-10-26 | 2016-02-09 | オムロンヘルスケア株式会社 | 電子血圧計 |
| US20140073882A1 (en) | 2012-09-12 | 2014-03-13 | Consuli, Inc. | Clinical diagnosis objects authoring |
| JP6066825B2 (ja) | 2013-05-17 | 2017-01-25 | 株式会社日立製作所 | データ分析装置及び保健事業支援方法 |
| JP2016004430A (ja) | 2014-06-17 | 2016-01-12 | 晋平 小川 | 保険関連金額導出装置 |
| EP3190959B1 (en) | 2014-09-08 | 2023-03-29 | Apple Inc. | Blood pressure monitoring using a multi-function wrist-worn device |
-
2016
- 2016-07-06 JP JP2016134248A patent/JP6861481B2/ja active Active
-
2017
- 2017-06-27 WO PCT/JP2017/023511 patent/WO2018008463A1/ja active Application Filing
- 2017-06-27 SG SG11201811793PA patent/SG11201811793PA/en unknown
-
2019
- 2019-01-02 US US16/237,802 patent/US11087406B2/en active Active
-
2021
- 2021-06-29 US US17/361,371 patent/US11734768B2/en active Active
- 2021-06-29 US US17/361,372 patent/US11776063B2/en active Active
- 2021-06-29 US US17/361,373 patent/US11769208B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US11769208B2 (en) | 2023-09-26 |
| US11734768B2 (en) | 2023-08-22 |
| WO2018008463A1 (ja) | 2018-01-11 |
| US20210342948A1 (en) | 2021-11-04 |
| SG11201811793PA (en) | 2019-01-30 |
| US20210326997A1 (en) | 2021-10-21 |
| JP2018005726A (ja) | 2018-01-11 |
| US11776063B2 (en) | 2023-10-03 |
| US11087406B2 (en) | 2021-08-10 |
| US20190139146A1 (en) | 2019-05-09 |
| US20210326998A1 (en) | 2021-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6861481B2 (ja) | リスク分析システム及びリスク分析方法 | |
| Warren et al. | Effects of telemonitoring on glycaemic control and healthcare costs in type 2 diabetes: A randomised controlled trial | |
| US8403847B2 (en) | Systems and methods for providing a health score for a patient | |
| Steinwachs et al. | Health services research: scope and significance | |
| Moreno-Ramirez et al. | Economic evaluation of a store-and-forward teledermatology system for skin cancer patients | |
| Hovick | Understanding family health information seeking: A test of the theory of motivated information management | |
| Kelley et al. | Disability and decline in physical function associated with hospital use at end of life | |
| JP6863591B2 (ja) | リスク分析システム及びリスク分析方法 | |
| JP6863665B2 (ja) | 血圧リスク分析装置及び血圧リスク分析方法 | |
| Poulsen et al. | Irritable bowel symptoms, use of healthcare, costs, sickness and disability pension benefits: A long-term population-based study | |
| JPWO2021044520A1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
| Yoon et al. | The effect of general health checks on healthcare utilization: accounting for self-selection bias | |
| Cocoros et al. | RiskScape: a data visualization and aggregation platform for public health surveillance using routine electronic health record data | |
| Vanasse et al. | Cohort profile: the care trajectories—enriched data (TorSaDE) cohort | |
| JP6932654B2 (ja) | リスク分析システム及びリスク分析方法 | |
| Howell et al. | A prospective cohort study examining exposure to incarceration and cardiovascular disease (Justice-Involved Individuals Cardiovascular Disease Epidemiology–JUSTICE study): a protocol paper | |
| Luces et al. | Economic burden of inflammatory bowel disease: a UK perspective | |
| Ratnayake et al. | Rapidly adapted community health strategies to prevent treatment interruption and improve COVID-19 detection for Syrian refugees and the host population with hypertension and diabetes in Jordan | |
| Serra-Prat et al. | Development and validation of the electronic screening index of frailty | |
| Doubova et al. | Loss of job-related right to healthcare is associated with reduced quality and clinical outcomes of diabetic patients in Mexico | |
| Yashkin et al. | Adherence to guidelines for screening and medication use: mortality and onset of major macrovascular complications in elderly persons with diabetes mellitus | |
| Park et al. | Toward a broader concept of societal value: family spillovers in Alzheimer's disease | |
| Reilley et al. | Implementation of national HIV screening recommendations in the Indian Health Service | |
| Sharif et al. | Changes in the characteristics and levels of comorbidity among new patients into methadone maintenance treatment program in British Columbia during its expansion period from 1998–2006 | |
| Fairman et al. | Estimated cardiovascular risk and guideline-concordant primary prevention with statins: retrospective cross-sectional analyses of US ambulatory visits using competing algorithms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190528 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190528 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200914 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20201027 |
|
| 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: 20210302 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210330 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6861481 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |