JP7174890B2 - 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
- JP7174890B2 JP7174890B2 JP2018120162A JP2018120162A JP7174890B2 JP 7174890 B2 JP7174890 B2 JP 7174890B2 JP 2018120162 A JP2018120162 A JP 2018120162A JP 2018120162 A JP2018120162 A JP 2018120162A JP 7174890 B2 JP7174890 B2 JP 7174890B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- model
- predetermined
- health checkup
- health
- 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
Images
Description
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、モデル作成部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。
、上部消化管、メタボ判定、保健指導レベル、腹部超音波、問診(問診票への回答)、総合判定、総合評価の少なくとも一部を含むものとする。
名で医療費が所定金額以上かかった場合に当該疾患が「発症」したものとして扱い、当該疾患が発症する確率を、本実施形態では便宜上「発症確率」と呼ぶものとする。このようなモデルによれば、健診情報及びレセプト情報と上述したモデルとを用いて、リスクの程度である将来の発症確率を予測することができる。また、本実施形態では、説明変数の積によって表される交互作用項(交差項)を含むモデルを利用するものとする。また、モデル作成部13は、健診情報やレセプト情報のうちモデルの説明変数に使用する項目及びこれらの組合せによって形成される交互作用項を、所定の情報量規準のような評価指標に基づいて選択する。
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のモデル作成部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)。
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集計する。高脂血症に関する受診については、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、または、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集計する。また、糖尿病に関する受診については、病名に「糖」という文字が含まれるもの、または、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集計する。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についてとは、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、または、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集計する。
)の積によって表される項(α1x1、α2x2、α3x3、・・・)と、複数(例えば2つ)の変数x及びパラメータβ(β12、β13、β23、・・・)の積で表される交互作用項(例えばβ12x1x2、β13x1x3、β23x2x3)とを含む。交互作用項を含むモデルによれば、発症への影響に相乗効果のある変数の組合せの重みを大きくすることができ、リスク評価の精度を向上させることができる。また、初期的には、例えば、所定の検査項目及びこれらのうちの2項目からなる組合せをすべて含むモデルを作成するものとする。
AIC=-2log(L)+2k ・・・(3)
なお、Lは最大尤度、kは自由パラメータ数である。
BIC=-2log(L)+k・log(n) ・・・(4)
なお、Lは最大尤度、kは自由パラメータ数、nは標本の数である。
モデルは、過去の健康診断における測定値と当該健康診断を受診した年の所定の疾病に係る受診回数とに基づいて作成されたものであり、処理時点における対象者のリスクを表す値である。よって、抽出した対象者は、保健指導を行う優先度の高い者といえる。このような評価を元にして、対象者に対し、栄養指導、運動指導、機能性食品の選択等のコンサルティングを行うことができる。本実施形態に係るモデルは、説明変数の積を含む交互作用項を有するため、発症確率の上昇に対して相乗的に影響する測定項目の組合せを適切に評価できる。したがって、本システムによって推定される発症確率の精度を向上させることができる。
また、関連のある測定項目間で測定値を比較するための換算式を予め定めておき、同一の測定項目としてモデルの作成(図4:S13)を行うようにしてもよい。例えば、国内独自の表記に基づく値と国際標準に沿った表記に基づく値とを換算する換算式を定義しておくことができる。HbA1c(ヘモグロビンA1c)について、国内で標準化された値(JDS(Japan Diabetes Society)値と呼ぶものとする)と、国際的に用いられる値(NGSP(National Glycohemoglobin Standardization Program)値と呼ぶものとする)との間で、以下のような換算式を定義してもよい。
NGSP値=JDS値+0.4
このようにすれば、JDS値及びNGSP値のいずれかが存在すれば、モデルの変数として使用することができる。
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、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。
11 健診情報記憶部
12 レセプト記憶部
13 モデル作成部
14 モデル記憶部
15 危険度評価部
16 結果記憶部
Claims (6)
- 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、
前記健診情報に含まれる所定の測定項目の測定値、及びレセプト情報を集計して求められる所定の傷病名での受診回数を説明変数とし、当該説明変数の積によって形成される交互作用項を含むモデルであって、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、当該モデルにおいて算出される、汎化性能を評価するための情報量規準に基づき、前記健診情報及び前記レセプト情報のうち当該モデルの説明変数に使用される項目及び当該交互作用項を選択して作成するモデル作成ステップと、
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リスク評価ステップと、
をコンピュータが実行するリスク評価方法。 - 前記モデル作成ステップにおいて、前記モデルについて算出される前記情報量規準と所定の閾値とが所定の大小関係に近づくように前記モデルに用いる説明変数を変更する
請求項1に記載のリスク評価方法。 - 前記リスク評価ステップにおいて、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
請求項1又は2に記載のリスク評価方法。 - 前記健診情報が順序尺度で表される項目を含む場合、当該順序尺度の各々にゼロ以外の値を対応付け、当該値を用いて前記モデルを算出する
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。 - 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し、前記健診情報に含まれる所定の測定項目の測定値、及びレセプト情報を集計して求められ
る所定の傷病名での受診回数を説明変数とし、当該説明変数の積によって形成される交互作用項を含むモデルであって、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、当該モデルにおいて算出される、汎化性能を評価するための情報量基準に基づき、前記健診情報及び前記レセプト情報のうち当該モデルの説明変数に使用される項目及び当該交互作用項を選択して作成するモデル作成部と、
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リスク評価部と、
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、
前記健診情報に含まれる所定の測定項目の測定値、及びレセプト情報を集計して求められる所定の傷病名での受診回数を説明変数とし、当該説明変数の積によって形成される交互作用項を含むモデルであって、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、当該モデルにおいて算出される、汎化性能を評価するための情報量基準に基づき、前記健診情報及び前記レセプト情報のうち当該モデルの説明変数に使用される項目及び当該交互作用項を選択して作成するモデル作成ステップと、
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リスク評価ステップと、
をコンピュータに実行させるリスク評価プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018120162A JP7174890B2 (ja) | 2018-06-25 | 2018-06-25 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018120162A JP7174890B2 (ja) | 2018-06-25 | 2018-06-25 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020003882A JP2020003882A (ja) | 2020-01-09 |
JP7174890B2 true JP7174890B2 (ja) | 2022-11-18 |
Family
ID=69100267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018120162A Active JP7174890B2 (ja) | 2018-06-25 | 2018-06-25 | 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) | JP7174890B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7244711B2 (ja) * | 2020-03-17 | 2023-03-22 | フラティロン ヘルス,インコーポレイテッド | 臨床リスクモデル |
JP6755572B1 (ja) * | 2020-04-22 | 2020-09-16 | 株式会社ミナケア | 情報処理システム、情報処理装置、情報処理方法、情報処理プログラム、通信端末およびその制御方法と制御プログラム |
CN111652746B (zh) * | 2020-05-29 | 2023-08-29 | 泰康保险集团股份有限公司 | 信息生成方法、装置、电子设备及存储介质 |
JP7448421B2 (ja) | 2020-06-10 | 2024-03-12 | 株式会社日立製作所 | 保険設計支援システム及び保険設計支援方法 |
CN116348961A (zh) * | 2020-10-23 | 2023-06-27 | 协和发酵生化株式会社 | 健康改善路径探索装置及健康改善路径探索方法 |
JP2022080764A (ja) * | 2020-11-18 | 2022-05-30 | ヤフー株式会社 | 推定装置、推定方法および推定プログラム |
JP7054099B1 (ja) | 2021-04-23 | 2022-04-13 | 株式会社エヌ・エイ・シー | 健康診断データ解析システム及び健康診断データ解析プログラム |
CN113077896B (zh) * | 2021-04-27 | 2023-05-26 | 郑州大学 | 一种基于gam的心脑血管疾病门诊量评价系统及其使用方法 |
CN113393935A (zh) * | 2021-06-30 | 2021-09-14 | 吾征智能技术(北京)有限公司 | 一种基于体检数据的癌症早期风险评估方法和系统 |
CN113724860A (zh) * | 2021-08-31 | 2021-11-30 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的医疗检查推荐方法、装置、设备及介质 |
JP2023047778A (ja) * | 2021-09-27 | 2023-04-06 | 株式会社日立製作所 | リスク分析支援システム及びリスク分析支援方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016004525A (ja) | 2014-06-19 | 2016-01-12 | 株式会社日立製作所 | データ分析システム及びデータ分析方法 |
JP2016031714A (ja) | 2014-07-30 | 2016-03-07 | 日本電信電話株式会社 | 重回帰分析装置および重回帰分析方法 |
JP2017117469A (ja) | 2015-12-22 | 2017-06-29 | 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 |
-
2018
- 2018-06-25 JP JP2018120162A patent/JP7174890B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016004525A (ja) | 2014-06-19 | 2016-01-12 | 株式会社日立製作所 | データ分析システム及びデータ分析方法 |
JP2016031714A (ja) | 2014-07-30 | 2016-03-07 | 日本電信電話株式会社 | 重回帰分析装置および重回帰分析方法 |
JP2017117469A (ja) | 2015-12-22 | 2017-06-29 | 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 |
Also Published As
Publication number | Publication date |
---|---|
JP2020003882A (ja) | 2020-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
Ruff et al. | Cardiovascular biomarker score and clinical outcomes in patients with atrial fibrillation: a subanalysis of the ENGAGE AF-TIMI 48 randomized clinical trial | |
Gillum et al. | Coronary heart disease incidence and survival in African-American women and men: the NHANES I Epidemiologic Follow-up Study | |
Polonsky et al. | Coronary artery calcium score and risk classification for coronary heart disease prediction | |
DeFilippi et al. | Cardiac troponin T and C-reactive protein for predicting prognosis, coronary atherosclerosis, and cardiomyopathy in patients undergoing long-term hemodialysis | |
Melander et al. | Novel and conventional biomarkers for prediction of incident cardiovascular events in the community | |
Cooney et al. | Value and limitations of existing scores for the assessment of cardiovascular risk: a review for clinicians | |
Chaudhry et al. | Geriatric conditions and subsequent mortality in older patients with heart failure | |
Keller et al. | Serial changes in highly sensitive troponin I assay and early diagnosis of myocardial infarction | |
Canto et al. | Number of coronary heart disease risk factors and mortality in patients with first myocardial infarction | |
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 | |
Yalcin et al. | Neutrophil–lymphocyte ratio may predict left atrial thrombus in patients with nonvalvular atrial fibrillation | |
Bovim et al. | Complications in the first week after stroke: a 10-year comparison | |
Mandelbaum et al. | Empirical relationships among oliguria, creatinine, mortality, and renal replacement therapy in the critically ill | |
Willis et al. | Association of midlife cardiorespiratory fitness with incident depression and cardiovascular death after depression in later life | |
Shaw et al. | Improved near-term coronary artery disease risk classification with gated stress myocardial perfusion SPECT | |
Locke et al. | Abdominal lean muscle is associated with lower mortality among kidney waitlist candidates | |
Ovbiagele et al. | Strong independent correlation of proteinuria with cerebral microbleeds in patients with stroke and transient ischemic attack | |
Greiner et al. | Predicting costs among medicare beneficiaries with heart failure | |
Dinarti et al. | The COngenital HeARt Disease in adult and Pulmonary Hypertension (COHARD-PH) registry: a descriptive study from single-center hospital registry of adult congenital heart disease and pulmonary hypertension in Indonesia | |
Likosky et al. | Growth in medicare expenditures for patients with acute myocardial infarction: a comparison of 1998 through 1999 and 2008 | |
Breteler | Mapping out biomarkers for Alzheimer disease | |
Folsom et al. | Troponin T, NT-proBNP, and venous thromboembolism: the Longitudinal Investigation of Thromboembolism Etiology (LITE) | |
Gong et al. | Investigate predictive capacity of in-hospital mortality of four severity score systems on critically ill patients with acute kidney injury |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210615 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220516 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220808 |
|
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: 20220906 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20221006 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20221006 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7174890 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |