JP7373958B2 - 分析システム及び分析方法 - Google Patents

Description

本発明は、医療分野において、ヘルスケアデータを分析する分析システムに関する。

少子高齢化などの人口構造の急速な変化によって、医療費の急速な増加に対して持続可能な医療提供体制の構築が喫緊の課題である。様々なステークホルダがいる中で、医療の質の担保と医療費の適正化を両立する新たな制度立案のためには、エビデンスに基づく意思判断が必要である。蓄積されたデータの利活用は世界的な動きになっており、データ分析はエビデンス生成の有効な手段の一つとして考えられている。データ分析により抽出した、診療行為や施策の効果や有効性に応じてインセンティブやペナルティを与えることによって、質が高い医療提供体制を構築できる。現在行われている有効性分析では、診療行為の実施の有無や提供量に応じて分析が行われている。

本技術分野の背景技術として、以下の先行技術がある。特許文献１（特開２０１４－２１５７６１号公報）には、各時点での各競合要素の市場占有規模の増加ないしは減少の速度を特徴付ける数値からなる情勢ベクトルの時系列を算出し、与えられた時間区間に対して、情勢ベクトルの変化を検出する際に、サービスカテゴリ階層情報記憶手段の市場競合の階層的順序関係を参照して、最上位の階層にある競合要素から順に下位の階層に向かって、情勢ベクトルの時系列モデルを作成し、該情勢ベクトルの変化点を情勢変化として検出する市場情勢変化分析方法が記載されている。

また、特許文献２（国際公開２０１５／７７５８２号）には、ヒトインターロイキン－６受容体（ｈＩＬ－６Ｒ）に特異的に結合する抗体を使用して、関節リウマチの症状を治療および改善する組成物および方法が記載されている。

また、非特許文献１では、Naive Bayesとbinary logistic regressionを用いて、糖尿病のリスク因子を抽出する技術が記載されている。

特開２０１４－２１５７６１号公報 国際公開２０１５／７７５８２号

B. Lee et al., "Identification of Type 2 Diabetes Risk Factors Using Phenotypes Consisting of Anthropometry and Triglycerides based on Machine Learning", IEEE J. of Biomedical and Health Informatics, vol. 20. No. 1 Jan. 2016

診療行為に対するインセンティブ方法を決定する際、効果の高いと考えられる施策や診療行為の経済的価値を正確に評価することが必要であるが、レセプトに代表されるデータベースはリアルワールドデータと呼ばれるデータ欠損を多く含むデータであるため、レセプトに記載されているデータだけを用いても、費用対効果が高い診療行為や施策の抽出は困難である。例えば、データの欠損によって発症時期を正確に捉えることができなかったり、発症後に併発する様々な合併症を捉えることができないことがある。

非特許文献１に記載された技術では、検査値に基づいて糖尿病のリスク因子を抽出する方法を開示するが、診療行為や施策の有無や、その時系列情報が考慮されていない。また、また、特許文献１は、ＫＰＩの変化点を検知して、その因果関係を抽出するシステムを開示するが、因果関係の時間的な変化が考慮されていない。さらに、特許文献２は、サリルマブという成分に特化した経済評価を算出するものであり、成分を特化していない薬や診療行為における経済評価は考慮されていない。このように、発症による総合的な経済的損失の観点から、効果が高い施策や診療行為の経済的評価を効果的かつ効率的に提示することが困難であった。

そこで本発明は、データ欠損がある医療データベースを用いて、患者毎に有効な診療行為を効果的かつ効率的に提示する技術を提供する。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、医療行為の効果を分析する分析システムであって、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有する計算機によって構成され、
前記記憶デバイスは、患者属性と疾病の名称と医療行為と医療行為実施日を含む医療行為データと、患者の検査結果を含む臨床データと、患者属性と疾病の名称と医療行為実施日と医療費を含む医療費データと、疾病と医療行為との関係が記録される発症知識データと、関連して発生する疾病の名称が対応して記録される関連病名データとを格納し、分析対象の患者の疾病の名称を分析条件として受け付ける入力部と、前記発症知識データを参照して、前記分析条件として名称が入力された疾病に対応する医療行為を特定し、前記特定された医療行為から分析対象の疾病を発症した可能性がある患者の情報を発症イベントとして前記医療行為データから検出するイベント検出部と、前記検出された発症イベントに対応する医療行為と、発症日から当該医療行為の実施日までの相対日数とを、時系列情報として抽出する関係抽出部と、前記医療行為データと臨床データとから、医療の質を表す指標値を算出する評価指標算出部と、前記検出された発症イベントの時期以後に発生した、分析条件として入力された疾病の名称が前記医療費データの疾病の名称と一致する医療行為の費用を前記医療費データから算出するコスト算出部と、前記算出された指標値と、前記分析対象の患者に対する医療行為と臨床データと、前記関係抽出部が抽出した時系列情報とを説明変数として、医療行為の効果を目的変数として、線形回帰モデル又は非線形モデルを用いて、説明変数の特徴量を選択し、前記分析対象の患者に効果が高い医療行為を抽出する抽出部とを備えることを特徴とする。

本発明の一態様によれば、患者毎に有効な診療行為を推薦できる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。

本発明の実施例の診療行為・施策の経済価値評価システムによるビジネスモデルを示す図である。 本実施例の診療行為・施策の経済価値評価システムの構成図である。 本実施例の診療行為・施策の経済価値評価システムのハードウエア構成図である。 本実施例の診療行為・施策の経済価値評価システムが実行する処理の概要のフローチャートである。 図４に示す処理の一部（Ｓ３０２～Ｓ３０５）のシーケンス図である。 条件設定・処理結果表示画面の例を示す図である。 ステップＳ３０２の詳細なフローチャートである。 診療行為データの例を示す図である。 臨床データの例を示す図である。 発症知識データの例を示す図である。 発症日管理テーブルの例を示す図である。 ステップＳ３０３の詳細なフローチャートである。 図１２に示す処理の一部（Ｓ３０３１～Ｓ３０３２）のシーケンス図である。 診療行為時系列情報テーブルを生成する処理を示す図である。 診療行為特徴量テーブルの例を示す図である。 ステップＳ３０６の詳細なフローチャートである。 ステップＳ３０７の詳細なフローチャートである。 関連病名テーブルの例を示す図である。 医療費テーブルの例を示す図である。 ステップＳ３０８の詳細なフローチャートである。 条件設定・処理結果表示画面の例を示す図である。 条件設定・処理結果表示画面の例を示す図である。 ステップＳ３０９の詳細なフローチャートである。 条件設定・処理結果表示画面の例を示す図である。 条件設定・処理結果表示画面の例を示す図である。 変形例１のステップＳ３０８の詳細なフローチャートである。 変形例１の条件設定・処理結果表示画面の例を示す図である。 変形例１の条件設定・処理結果表示画面の別の例を示す図である。 変形例１のステップＳ３０８の詳細なフローチャートである。 変形例２の条件設定・処理結果表示画面の例を示す図である。 変形例２の条件設定・処理結果表示画面の例を示す図である。 変形例３の診療行為・施策の経済価値評価システムの構成図である。 変形例３におけるステップＳ３０９の詳細なフローチャートである。 変形例３の条件設定・処理結果表示画面の例を示す図である。

以下、図面を参照して本発明の実施の態様を説明する。

本発明の実施例の診療行為・施策の経済価値評価システムを説明する前に、診療行為・施策の経済価値評価システムによるビジネスモデルの一例について説明する。図１は、本発明の実施例の診療行為・施策の経済価値評価システムを実現するビジネスモデルを示す図である。図１に示すビジネスモデルにおける主体は、医療サービス提供者（医療機関など）、ユーザ（支払者）、及びＩＴ評価サービス業者である。

医療サービス提供者は、ユーザ（支払者）に医療サービス（診断結果のデータなど）を提供する（２）。この医療サービスの提供に対し、ユーザは対価を支払い（１）、医療サービス提供者は請求明細書を交付する（２）。

ＩＴ評価サービス業者は、ユーザから診療行為・施策の経済価値評価システムの導入依頼を受け（３）、システムを導入する（４）。医療サービス提供者（例えば、医師）は、医療行為の推薦を診療行為・施策の経済価値評価システムに依頼すると（５）、ＩＴ評価サービス業者（診療行為・施策の経済価値評価システム）は、推薦する診療行為を医療サービス提供者に送信する（６）。なお、ＩＴ評価サービス業者は、医療サービス提供者から収集した請求明細書及び必要なデータ（例えば、医療行為の詳細）を用いて、推薦される診療行為を提示するので、ＢＰＯ業者としても位置づけられる。

このように本実施例の診療行為・施策の経済価値評価システムを用いたビジネスモデルによって、データ欠損など一つのデータベースでは情報欠損がある場合でも、過去の医療データの分析結果に基づいて、疾病に対する費用対効果が高い診療行為のを正確に抽出でき、医療サービス提供者（例えば、医師）に効果が高い医療行為を推薦できるようになる。特に日本では、レセプトが全国規模で集まろうとしているが、いわゆるアウトカム情報が欠落している。一方、病院はアウトカム情報を持っているが患者数が少ないため、次に起こる可能性が高い診療行為イベントを予測することが難しい。

また、重症化予防の観点では、基礎疾患の発症時期を正確に捉えることで、多くの疾患は病態の進行を捉えられるが、本システムでは、発症時期が正確に分からなくても、費用対効果が高い医療行為を推薦できる。また、診療行為の費用対効果を算出する際、離隔された複数のデータベースの情報を詳細情報にアクセスすることなく補完して、対象疾病の費用対効果を正確に抽出できるようになる。なお、図１に示すビジネスモデルは一例であり、支払者が入らないケース、つまり、医療サービス提供者が自らＩＴ評価サービス業者とのみ関係を構築して経済評価システムを導入するビジネスモデルなどもある。

＜実施例１＞
図２は、本実施例の診療行為・施策の経済価値評価システムの構成図である。

本システムは、外部ＤＢ連携部１０３と、発症イベント検出部１０４と、発症知識データベース１０５と、発症－診療行為関係抽出部１０６と、発症時系列情報畳み込み部１０７と、評価指標算出部１０８と、診療効果抽出部１０９と、対象疾病トータルコスト算出部１１０と、医療経済評価算出部１１１と、対象患者医療行為抽出部１１２と、候補抽出部１１３と、画面構成処理部１１４と、入力部１１５と、表示部１１６とを有する。外部ＤＢ連携部１０３は本システム外にあるデータベースと連携する機能であり、例えば、外部ＤＢ連携部１０３は、診療行為データベース１０１や臨床データベース１０２や医療費データベース１００に蓄積されたデータを取得するが、他のデータベースと連携してもよい。なお、本実施例の診療行為・施策の経済価値評価システムにおいて、発症－診療行為関係抽出部１０６と、発症時系列情報畳み込み部１０７と、評価指標算出部１０８と、診療効果抽出部１０９とは、必須の構成ではないが、条件設定・処理結果表示画面（図２１、図２７、図２８、図３０）で効果が高い診療行為や施策の選択指標（重要度）を表示するために必要な構成であり、いずれか一つが備わっても、両方が備わってもよい。

入力部１１５は、ユーザからの入力を受けるインターフェースである。表示部１１６は、プログラムの実行結果をユーザが視認可能な形式で出力するインターフェースである。

本システムのハードウエア構成を説明する。図３は、本実施例の診療行為・施策の経済価値評価システムのハードウエア構成図である。

入力装置２００は、入力部１１５を構成するキーボードやマウスやペンタブレットなどであり、ユーザからの入力を受けるインターフェースである。出力装置２０１は、表示部１１６を構成する液晶表示装置やＣＲＴ（Ｃａｔｈｏｄｅ－Ｒａｙ Ｔｕｂｅ）などのディスプレイ装置であり、プログラムの実行結果をユーザが視認可能な形式で出力するインターフェースである。出力装置２０１は、プリンタなど紙媒体に出力する装置でもよい。なお、診療行為・施策の経済価値評価システムにネットワークを介して接続された端末が入力装置２００及び出力装置２０１を提供してもよい。

中央処理装置２０３は、プログラムを実行するプロセッサ（演算装置）である。具体的には、プロセッサがプログラムを実行することによって、外部ＤＢ連携部１０３と、発症イベント検出部１０４と、発症－診療行為関係抽出部１０６と、発症時系列情報畳み込み部１０７と、評価指標算出部１０８と、診療効果抽出部１０９と、対象疾病トータルコスト算出部１１０と、医療経済評価算出部１１１と、対象患者医療行為抽出部１１２と、候補抽出部１１３と、画面構成処理部１１４とが実現される。なお、プロセッサがプログラムを実行して行う処理の一部を、他の形式の（例えばハードウエアによる）演算装置（例えば、ＦＰＧＡ（Field Programable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit））で実行してもよい。

メモリ２０２は、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、中央処理装置２０３が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

補助記憶装置２０４は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置である。補助記憶装置２０４は、中央処理装置２０３がプログラムの実行時に使用するデータ及び中央処理装置２０３が実行するプログラムを格納する。具体的には、補助記憶装置２０４は、発症知識データベース１０５を格納する。なお、発症知識データベース１０５の一部又は全部は、プログラムの実行に伴い、メモリ２０２に短期的に格納される。また、プログラムは、補助記憶装置２０４から読み出されて、メモリにロードされて、中央処理装置２０３によって実行される。

診療行為・施策の経済価値評価システムは、図示を省略するが、所定のプロトコルに従って、他の装置との通信を制御する通信インターフェースを有する。

中央処理装置２０３が実行するプログラムは、リムーバブルメディア（ＣＤ－ＲＯＭ、フラッシュメモリなど）又はネットワークを介して診療行為・施策の経済価値評価システムに導入され、非一時的記憶媒体である不揮発性の補助記憶装置２０４に格納される。このため、診療行為・施策の経済価値評価システムは、リムーバブルメディアからデータを読み込むインターフェースを有するとよい。

診療行為・施策の経済価値評価システムは、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

図４に、本実施例のシステムが実行する処理の概要のフローチャートであり、図５は、図４に示す処理の一部（Ｓ３０２～Ｓ３０５）のシーケンス図である。

まず、表示部１１６が条件設定・処理結果表示画面（図６）を表示すると、ユーザは、入力部１１５を介して、分析対象の疾患（病名）とＱＩ指標と期間を入力する（Ｓ３０１）。

次に、発症イベント検出部１０４は、発症知識データベース１０５を参照して、ステップＳ３０１にて入力された分析対象の期間における、入力された病名に対応する診療行為や検査の情報を、診療行為データベース１０１及び臨床データベース１０２から抽出する（Ｓ３０２）。すなわち、ステップＳ３０２では、当該病名を発症した可能性がある患者の情報（発症イベント）を抽出される。ステップＳ３０２の処理の詳細は、図７で詳述する。

次に、発症－診療行為関係抽出部１０６は、診療行為データベース１０１に蓄積された各診療行為や施策について、Ｓ３０２で抽出された発症イベントの時期との時系列関係（例えば、時間の前後関係を示す相対日時）を算出する（Ｓ３０３）。ステップＳ３０３の処理の詳細は、図１２で詳述する。

次に、発症時系列情報畳み込み部１０７が、Ｓ３０３で処理された各診療行為や施策に対して、Ｓ３０３で算出された時系列情報及び各診療行為や施策の実施量を考慮した特徴量を生成する（Ｓ３０４）。

次に、評価指標算出部１０８が、診療行為データベース１０１と臨床データベース１０２から、医療の質を評価する指標値を算出する（Ｓ３０５）。

次に、診療効果抽出部１０９が、Ｓ３０４にて生成された診療行為や施策の特徴量と、Ｓ３０５にて算出された指標値の特徴量の初期値とを説明変数とし、Ｓ３０５にて算出された効果の特徴量（例えば、指標値）を目的変数として、効果が高い診療行為や施策を抽出する（Ｓ３０６）。ステップＳ３０６の処理の詳細は、図１６で詳述する。なお、指標値の特徴量の初期値は、分析対象の期間における指標値の変化量を把握するために使用され、患者間で基礎的数値の差を埋めることができる。なお、患者間で基礎的数値の差がなければ、初期値を用いる必要はない。

次に、対象疾病トータルコスト算出部１１０が、抽出した発症イベントの時期を使って、発症後全ての医療費を算出する（Ｓ３０７）。ステップＳ３０７の処理の詳細は、図１７で詳述する。

次に、Ｓ３０６にて抽出された診療行為について、医療経済評価算出部１１１が、経済評価を算出する（Ｓ３０８）。ステップＳ３０８の処理の詳細は、図２０で詳述する。

最後に、分析対象の患者に対する医療行為・施策と臨床データとＳ３０８の経済評価結果から、分析対象の患者の将来の医療行為・施策の候補を抽出する（Ｓ３０９）。ステップＳ３０９の処理は、候補抽出部１１３及び画面構成処理部１１４によって実行され、その詳細は、図２３で詳述する。

図６は、ステップＳ３０１において、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

条件設定・処理結果表示画面は、条件設定領域５０１及び処理結果提示領域５０２を含む。条件設定領域５０１には、診療行為の有効性を分析するために操作される「有効性分析」ボタン５０１１と、診療行為・施策の経済価値を評価するために操作される「評価指標算出」ボタン５０１２と、分析条件を設定するためのプルダウンによる選択肢入力欄をと表示する。図示した例では、糖尿病患者の２０１３年から２０１６年のデータを用いて、血糖コントロールに影響を及ぼす効果が高い診療行為や施策を抽出するための条件が設定されており、処理結果提示領域５０２には何も表示されていない。

次に、図７を参照して、ステップＳ３０２の詳細について説明する。

まず、発症イベント検出部１０４は、外部ＤＢ連携部１０３を介して、診療行為データベース１０１から対象患者の診療行為や施策のデータを取得し、臨床データベース１０２から臨床データを取得する（Ｓ３０２１）。

図８に示すように、診療行為データベース１０１に格納される診療行為データは、患者属性（患者コード、性別、年齢など）、診療行為（処方された薬剤や検査内容など）及び実施日を含む。診療行為データは、医療機関が行う診療行為の他、診療行為以外の施策（例えば、健康指導、食事指導、定期的な運動など）も含むとよい。図９に示すように、臨床データベース１０２に格納される臨床データは、患者コード、検査実施日及び検査値を含む。なお、診療行為データベース１０１は、患者に対して行われた全ての診療行為や施策が正しく入力されているとは限らず、欠落を含む場合がある。また、臨床データベース１０２に記録されている検査は、患者が定期的に受けていない場合がある。すなわち、診療行為データベース１０１及び臨床データベース１０２のいずれも、入力漏れがある可能性がある。

次に、発症イベント検出部１０４は、発症の定義に基づいて、臨床データから発症日候補を抽出する（Ｓ３０２２）。糖尿病の例では、クリニカルガイドラインにて定義されているように、ＨｂＡ１ｃの値が６．５％以上が閾値であり、患者コードＰ０の患者の発症日候補として１４年７月を抽出し、患者コードＰ１の発症日候補として１３年５月を抽出する。

次に、発症イベント検出部１０４は、発症知識データベース１０５から抽出した発症知識データと合致する診療行為や施策について、絶対日（実施日）及び患者コードを抽出する（Ｓ３０２３）。発症知識データは、図１０に示すように、疾病と診療行為や施策との関係が記録されており、具体的には、糖尿病と関連する診療行為としてＤＰＰ４阻害薬の処方、ＳＧＬＴ２阻害薬の処方、及びＨｂＡ１ｃ検査が記録されている。図８から図１０に図示したデータを用いると、（Ｐ０、ＤＰＰ４、１３／５／１）、（Ｐ０、ＳＧＬＴ２、１３／６／１）、（Ｐ１、ＨｂＡ１ｃ検査、１４／５／１）を抽出できる。体温測定は発症知識データに定義されていないため、ステップＳ３０２３では抽出されない。

本実施例では、予め発症知識データベース１０５を登録しているが、診療行為データ及び臨床データを用いて、疾患と関連する診療行為や施策を抽出してもよい。例えば、発症知識生成部を設け、発症知識生成部が、診療行為データと臨床データを参照して、疾患と関連する診療行為や施策を抽出し、発症知識データベース１０５構築してもよい。具体的には、診療行為データの病名と相関が高い診療行為や施策を抽出したり、臨床データの発症定義（例えば、ＨｂＡ１ｃの値が６．５％以上）と相関が高い診療行為や施策を抽出する。

次に、Ｓ３０２２で抽出された発症日候補とＳ３０２３で抽出された絶対日から、患者毎に最も古い日時を疾患の発症時期に決定する（Ｓ３０２４）。本例では、患者コードＰ０の患者は、ガイドラインの定義に従うとＨｂＡ１ｃの値が６．５％以上になった１４年７月１日が発症日となるが、Ｓ３０２３にて抽出したＤＰＰ４阻害薬の処方日が１３年５月１日であるため、１３年５月１日を発症日として発症日管理テーブル（図１１）に記録する。

次に、ステップＳ３０３の詳細を説明する。図１２は、ステップＳ３０３の詳細なフローチャートであり、図１３は、図１２に示す処理の一部（Ｓ３０３１～Ｓ３０３２）のシーケンス図である。

まず、発症－診療行為関係抽出部１０６は、発症イベント検出部１０４から、患者ごとの発症日（例えば、図１１に示す発症日管理テーブル）を取得する（Ｓ３０３１）。

次に、発症－診療行為関係抽出部１０６は、外部ＤＢ連携部１０３を介して臨床データベース１０２にアクセスし、対象患者の診療行為や施策とその絶対日を取得する（Ｓ３０３２）。図８に示す例では、（Ｐ０、ＤＰＰ４、１３／５／１）、（Ｐ０、ＳＧＬＴ２、１３／６／１）、（Ｐ１、ＨｂＡ１ｃ検査、１４／５／１）、（Ｐ１、体温測定、１４／６／１）を取得する。

最後に、発症－診療行為関係抽出部１０６は、各患者の診療行為や施策毎に、発症日から実施日までの相対日を計算する（Ｓ３０３３）。計算された相対日は、図１４に示す診療行為時系列情報テーブルに記録される。

次に、ステップＳ３０４の詳細について二つの方法を説明する。一つ目は早期診療の重要性に着目した方法であり、二つ目は継続的な診療行為や施策の実施の重要性に着目した方法である。

一つ目の方法では、早期診療の重要性に着目し、発症時系列情報畳み込み部１０７が、説明変数のデータセットを生成する際、同じ行為であっても早期に実施した診療行為や施策のインスタンスに重み付けをして加算する。これによって、早期診断・治療を重視しつつ時系列成分を圧縮した説明変数のデータセットを生成する。具体的には、以下の数式１を用いて、診療行為や施策ｊ毎に特徴量Ｘｉｊを算出する。数式１によると、発症日から実施日までの相対日が小さい診療行為や施策の特徴量Ｘｉｊが大きくなり、早期診断・早期治療に貢献した診療行為や施策に大きな重み付けができる。

なお、Ｍ（ｉ）は患者ｉにおける糖尿病を発症した日、診療行為や施策の群Ａ＝｛Ａ１，Ａ２，…，Ａｊ｝（例えば、Ａ１＝ＤＰＰ４、Ａ２＝ＳＧＬＴ２）とすると、糖尿病発症日からの相対日Ｒｉｊ（ｔ）を算出でき、重み付け要素となる単調減少関数ｆ（ｔ）を乗じて算出できる。

二つ目の方法では、継続的に実施されている診療行為や施策が重要である点に着目し、発症時系列情報畳み込み部１０７が、説明変数のデータセットを生成する際、同じ行為であっても継続して実施された診療行為や施策のインスタンスに重み付けをして加算する。これによって、診療行為の継続性を重視しつつ時系列成分を圧縮した説明変数のデータセットを生成する。具体的には、以下の数式２を用いて、診療行為や施策ｊ毎に特徴量Ｘｉｊを算出する。数式２によると、定期的な間隔で多数回実施される診療行為や施策の特徴量Ｘｉｊが大きくなり、複数回行われる診療行為や施策でも不定期な間隔や一時期に集中して実施される特徴量Ｘｉｊが小さくなり、継続性が病状改善に貢献した診療行為や施策に大きな重み付けができる。なお、数式２でも、Ｒｉｊ（ｔ）は数式１と同じに定義され、時間の経過と共に減少する単調減少関数ｆ（ｔ）を要素として、重み付けをする。

ステップＳ３０４によって算出される特徴量は、図１５に示す診療行為特徴量テーブルに記録される。図１５に示すように、数式２で計算される特徴量は、時系列で整理された診療行為や施策の時間的な近さ（早期診断）と継続性と回数とを考慮して、時系列成分を圧縮して生成されるものである。

次に、ステップＳ３０５の詳細を説明する。ステップＳ３０５で計算される評価指標は、医療の質を評価する指標であり、Ｑｕａｌｉｔｙ Ｉｎｄｉｃａｔｏｒなどと呼ばれている。例えば、糖尿病の分野では、糖尿病患者のＨｂＡ１ｃの血糖コントロールが６．５％未満の患者割合などが使われる。そのため、評価指標算出部１０８は、外部ＤＢ連携部１０３を介して、臨床データベース１０２から臨床データを取得し、ＨｂＡ１ｃの値が６．５％以上であれば１となり、６．５％未満であれば０となるように評価指標を算出する。

次に、図１６を参照して、ステップＳ３０６の詳細を説明する。

まず、診療効果抽出部１０９は、発症時系列情報畳み込み部１０７が生成した診療行為や施策の特徴量（図１５に示す診療行為特徴量テーブル）を取得する（Ｓ３０６１）。

次に、評価指標算出部１０８を介して、効果の特徴量の初期値を取得する（Ｓ３０６２）。図示した例では、条件設定・処理結果表示画面（図６）において対象期間を２０１３年からと指定しているため、２０１３年の評価指標を取得する。なお、前述したように、指標値の特徴量の初期値は任意に使用すればよい。

次に、Ｓ３０６１の結果とＳ３０６２の結果とを統合して、患者毎の特徴量ベクトルを作成する（Ｓ３０６３）。このように、説明変数として利用される特徴量ベクトルを生成することによって既存の選択手法を利用可能となり、システムへの実装が容易になる。

次に、評価指標算出部１０８を介して、効果の特徴量の最終結果を取得する（Ｓ３０６４）。図示した例では、条件設定・処理結果表示画面（図６）において対象期間を２０１６年までと指定しているため、２０１６年の評価指標を取得する。

最後に、効果の特徴量の最終結果に影響を及ぼす特徴を、Ｓ３０６３にて生成した特徴量ベクトルから選択する（Ｓ３０６５）。具体的には、Ｓ３０６３で出力する特徴量ベクトルを説明変数とし、Ｓ３０６４にて出力される変数を目的変数として、線形回帰モデル（binary logistic regressionなど）や非線形モデル（Random Forest, Gradient Boostなど）などの特徴選択手法を用いて選択する。

画面構成処理部１１４は、このような手順によって計算された高い効果の診療行為や施策を、表示部１１６に表示するための表示データを生成する。例えば、図２１に示すように、演算結果を処理結果提示領域５０２に表示する。図２１によると、評価指標に最も影響がある診療行為や施策は、ＳＧＬＴ２阻害薬であることが分かる。

発症時系列情報畳み込み部１０７が実行する処理（Ｓ３０４）において、本実施例における「実施有無に加えて、時系列成分も考慮して有効な診療行為や施策を抽出する」という課題に対して、説明変数のデータセットを生成する際に、同じ行為であっても早期に実施したイベントのインスタンスに重み付けをして加算することで、時系列成分を圧縮しつつ早期診断・早期治療の観点を考慮した説明変数のデータセットを生成する。このステップＳ３０４の処理は、「早期実施」という概念を導入するにあたり、ステップＳ３０２とステップＳ３０３の処理を同時に導入することによって実現可能になる。

次に、図１７を参照して、ステップＳ３０７の詳細を説明する。

まず、対象疾病トータルコスト算出部１１０は、発症イベント検出部１０４から、患者ごとの発症日（例えば、図１１に示す発症日管理テーブル）を取得する（Ｓ３０７１）。

次に、対象疾病トータルコスト算出部１１０は、外部ＤＢ連携部１０３を介して医療費データベース１００にアクセスし、対象患者の発症日以降の医療費を取得する（Ｓ３０７２）。例えば、発症日管理テーブル（図１１）を参照すると、患者コードがＰ１の人の糖尿病の発症日は２０１３年５月１日なので、この日以後の医療費を医療費データベース１００から取得する。すなわち、患者コードがＰ１の人の２０１３年５月１日以後の医療費（２０１３年６月１日分、２０１４年５月１日分、２０１４年６月１日分）を、医療費テーブル（図１９）から取得する。

最後に、対象疾病トータルコスト算出部１１０は、各患者毎に、発症日からの総医療費を算出する（Ｓ３０７３）。このとき計算される総医療費は、（１）発症日以後の全ての医療費を集計したり、（２）発症日以後で当該病名の医療費を集計したり、（３）発症日以後で特定の病名に関連する病名（例えば、糖尿病と併発する可能性が高い高脂血症など）を含めて医療費を集計してもよい。関連する病名の医療費も集計する場合、図１８に示す関連病名テーブルを参照して、当該病名に関連する病名を取得するとよい。関連する病名の医療費も集計することによって、例えば、合併症の治療のための医療費を含めて集計できる。

図１８に示すように、関連病名テーブルには、主病名と関連病名が対応して記録されている。すなわち、主病名を発症した患者は関連病名を発症する可能性があることを示す。例えば、糖尿病の患者は、高血圧、脂質異常証、腎症を発症する可能性がある。関連病名テーブルを参照して、医療費を集計することによって、例えば、合併症の治療のための医療費を含めて集計でき、無関係の（例えば、糖尿病患者が骨折の治療に要した）医療費を除外して、正確な医療費を集計できる。

関連病名テーブルは、対象疾病トータルコスト算出部１１０が有しても、外部のデータベースから取得してもよい。

図１９に示すように、医療費データベース１００に格納される医療費テーブルは、患者属性（患者コードなど）、病名、実施日及び医療費を含む。医療費は、金額で記録しても、保険点数などの金額に換算可能な任意の単位で記録してもよい。なお、医療費テーブルは、診療行為以外の施策（例えば、健康診断、保健指導）の費用も記録されるとよい。

次に、図２０を参照して、ステップＳ３０８の詳細を説明する。

まず、医療経済評価算出部１１１は、条件設定・処理結果表示画面（図２１）で選択された診療行為の実施有無に基づいて、診療行為データ（図８）を参照して、対象患者を２群に分ける（Ｓ３０８１）。図８に示す診療行為データによると、患者コードＰ０の人には、ＳＧＬＴ２阻害薬が投与されており、実施群に分類される。一方、患者コードＰ１の人には、ＳＧＬＴ２阻害薬が投与されておらず、未実施群に分類される。なお、診療行為データのうち、発症日以後の診療行為を参照しても、全ての診療行為を参照してもよい。

次に、医療経済評価算出部１１１は、各群における総医療費の平均値を算出する（Ｓ３０８２）。具体的には、ステップＳ３０７で患者毎に集計された特定の病名の医療費を取得し、各群に分けられた患者の総医療費の平均値を算出する。なお、平均値ではなく、用途に応じて、他の統計処理（例えば、最大値、最小値、最頻値、分散などの計算）を行ってもよい。

例えば、条件設定・処理結果表示画面（図２１）でＳＧＬＴ２阻害薬が選択された場合、条件設定・処理結果表示画面（図２２）でＳＧＬＴ２阻害薬が投与された群と投与されなかった群とで比較可能に医療費が表示される。

図２１は、ステップＳ３０８１において、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図２１に示す条件設定・処理結果表示画面は、図６に示す画面と同様に、条件設定領域５０１及び処理結果提示領域５０２を含む。条件設定領域５０１には、診療行為の有効性を分析するために操作される「有効性分析」ボタン５０１１と、診療行為・施策の経済価値を評価するために操作される「評価指標算出」ボタン５０１２と、分析条件を設定するためのプルダウンによる選択肢入力欄とを表示する。図示した例では、糖尿病患者の２０１３年から２０１６年のデータを用いて、血糖コントロールに影響を及ぼす効果が高い診療行為や施策における医療費を集計するための条件が設定されている。

処理結果提示領域５０２は、前述したように、高い効果の診療行為や施策を表示する。図２１によると、効果が最も高い診療行為や施策は、ＳＧＬＴ２阻害薬であることが分かる。なお、処理結果提示領域５０２に、「表示」ボタンを設けてもよい。前述した例では、選択欄で択一的な選択がされた診療行為について分析する処理を開始するが、「表示」ボタンを設けることによって、複数の診療行為が選択可能となる。このため、複数の診療行為の組み合わせによって診療に有意差が生じる場合に、診療行為の効果（すなわち、かかった医療費）を的確に分析できる。ここでＳＧＬＴ２阻害薬が選択できたのは、Ｓ３０６により質に影響を及ぼす診療行為を自動で選択できたからである。医療の世界では、経済評価だけで全てを評価する事は受け入れがたく、医療の質も同時に考慮することが強く求められる。そのため、Ｓ３０６を組み合わせることで、医療の質に影響を及ぼす診療行為や施策における経済評価をすることが可能になる。

図２２は、ステップＳ３０８の処理が終了した後に、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図２２に示す条件設定・処理結果表示画面は、図２１に示す画面と同様に、条件設定領域５０１及び処理結果提示領域５０２を含む。画面構成処理部１１４は、実施群と未実施群とで比較可能に医療費を表示部１１６に表示するための表示データを生成し、処理結果提示領域５０２に表示する。

次に、図２３を参照して、ステップＳ３０９の詳細を説明する。

まず、対象患者医療行為抽出部１１２は、分析対象の患者に対する医療プロセスのうち、Ｓ３０６にて算出した重要度が高いプロセスを受け付ける（Ｓ３０９１）。

次に、対象患者医療行為抽出部１１２は、Ｓ３０３にて抽出した診療プロセスのうち、Ｓ３０９１にて受け付けたプロセスを起点とした相対日を患者ごとに算出する（Ｓ３０９２）。

次に、対象患者医療行為抽出部１１２は、Ｓ３０９２にて抽出した相対日の平均値を、診療プロセス毎に算出し（Ｓ３０９３）、Ｓ３０９３にて算出した相対日の平均値が、予め設定した閾値以上の診療プロセスを抽出する（Ｓ３０９４）。Ｓ３０９４における閾値は診療の準備に必要な期間を設定するとよい。また、この閾値は、相対日の平均値を設定しても、平均値に分散を加減算した値を用いて設定してもよい。なお、Ｓ３０９３及びＳ３０９４では、平均値の他の統計値（例えば、中央値）を使用してもよい。

また、ステップＳ３０９４では、相対日の平均値が、予め設定した閾値以下の診療プロセスを抽出してもよい。

次に、候補抽出部１１３は、Ｓ３０９４にて抽出された診療プロセスをキーとして、Ｓ３０８にて生成した経済評価と診療行為のペアを抽出する（Ｓ３０９５）。

最後に、候補抽出部１１３は、Ｓ３０９５で抽出されたペアの中で経済評価が上位のペアを抽出する（Ｓ３０９６）。候補抽出部１１３は、重要度が上位のペアを抽出してもよく、重要度及び経済評価を総合して上位のペアを抽出してもよい。

図２４は、ステップＳ３０９１において、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図２４に示す条件設定・処理結果表示画面は、条件設定領域２７０１及び起点設定入力領域２７０２を含む。条件設定領域２７０１には、実施済みの診療行為の有効性を分析するために操作される「実施済み診療行為」ボタン２７０１１と、有効な診療行為の提示を受けるために操作される「推奨診療行為」ボタン２７０１２と、分析条件を設定するためのプルダウンによる選択肢入力欄とを表示する。図示した例では、糖尿病患者の２０１３年から２０１６年のデータを用いて、患者コードＰ１００の患者に有効な診療行為の提示を受けるための条件が設定されている。

起点設定入力領域２７０２は、前述したように、高い効果の診療行為を表示する。すなわち、ユーザが「実施済み診療行為」ボタン２７０１１を操作すると、対象患者医療行為抽出部１１２がＳ３０３にて抽出した診療プロセスが起点設定入力領域２７０２に表示される。そして、ユーザは表示された診療プロセスの中から、起点とすべき重要度が高いプロセスを選択して（Ｓ３０９１）、「推奨診療行為」ボタン２７０１２を操作すると、図２５の画面が表示され、有効な診療行為の推薦を受けられる。

図２５は、ステップＳ３０９の処理が終了した後に、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図２５に示す条件設定・処理結果表示画面は、条件設定領域２７０１及び処理結果提示領域２７０３を含む。条件設定領域２７０１には、図２４に示す条件設定・処理結果表示画面と同じである。

処理結果提示領域２７０３は、前述したように、高い効果の診療行為を表示する。図２５によると、効果が高い診療行為や施策は、ＳＧＬＴ２阻害薬と、ＨｂＡ１ｃ検査であり、重要度の点でも経済的な観点でもＳＧＬＴ２阻害薬が効果が高いことが分かる。

以後、本発明の実施例のいくつかの変形例を説明する。

＜変形例１＞
前述した実施例では、ユーザが選択した一つの診療行為について経済的な評価を行ったが、変形例１では複数の診療行為について経済的な評価をする。

図２６は、変形例１におけるステップＳ３０８の詳細なフローチャートである。

まず、医療経済評価算出部１１１は、一つの診療行為ｉを選択する（Ｓ３０８３）。診療行為は、発症知識データ（図１０）や診療行為データ（図８）から、分析対象の病名の診療行為ｉが重複しないように選択すればよい。なお、分析対象の病名の診療行為を発症知識データ（図１０）や診療行為データ（図８）から予め抽出したテーブルを作成しておき、ステップＳ３０８３では、当該作成されたテーブルから一つずつ診療行為ｉを選択してもよい。

次に、医療経済評価算出部１１１は、ステップＳ３０８３で選択された診療行為ｉの実施有無に基づいて、診療行為データ（図８）を参照して、対象患者を２群に分ける（Ｓ３０８４）。なお、診療行為データのうち、発症日以後の診療行為を参照しても、全ての診療行為を参照してもよい。

次に、医療経済評価算出部１１１は、各群における総医療費の平均値を算出する（Ｓ３０８５）。具体的には、ステップＳ３０７で患者毎に集計された特定の病名の医療費を取得し、各群に分けられた患者の総医療費の平均値を算出する。なお、平均値ではなく、用途に応じて、他の統計処理（例えば、最大値、最小値、最頻値、分散などの計算）を行ってもよい。

次に、医療経済評価算出部１１１は、診療行為を制御するパラメータｉが診療行為の総数Ｎより小さければ、ステップＳ３０８４に戻り、次の診療行為について処理を実行する。一方、パラメータｉが診療行為の総数Ｎ以上であれば、全ての診療行為について分析が完了しているので、処理を終了する（Ｓ３０８６）。

なお、診療行為についてのパラメータｉのループの外に、病名についてのループを設け、複数の病名について総医療費の平均値を算出してもよい。この場合、全ての病名について総医療費の平均値を算出しても、選択された２以上の病名について総医療費の平均値を算出してもよい。

図２７は、変形例１のステップＳ３０８の処理が終了した後に、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図２７に示す条件設定・処理結果表示画面は、図６に示す画面と同様に、条件設定領域
５０１及び処理結果提示領域５０２を含む。条件設定領域５０１には、診療行為の有効性を分析するために操作される「有効性分析」ボタン５０１１と、診療行為・施策の経済価値を評価するために操作される「評価指標算出」ボタン５０１２と、分析条件を設定するためのプルダウンによる選択肢入力欄とが表示される。図示した例では、糖尿病患者の２０１３年から２０１６年のデータを用いて、血糖コントロールに影響を及ぼす効果が高い診療行為における医療費を集計するための条件が設定されている。

処理結果提示領域５０２は、高い効果の診療行為や施策の経済評価を表示する。図２７によると、診療行為として効果が高い（図中、重要度が高い）診療行為や施策は、ＳＧＬＴ２阻害薬であり、経済的効果も最も高いことが分かる。なお、経済評価は、金額で表示しても、保険点数などの金額に換算可能な任意の単位で表示してもよい。

図２８は、変形例１のステップＳ３０８の処理が終了した後に、表示部１１６が表示する変形例１の条件設定・処理結果表示画面の別の例を示す図である。図２８に示す条件設定・処理結果表示画面は、図２６に示す処理において全ての病名について診療行為の総医療費の平均値を算出することによって表示される。

図２８に示す条件設定・処理結果表示画面は、図２７に示す画面と同様に、条件設定領域５０１及び処理結果提示領域５０２を含む。条件設定領域５０１には、診療行為の有効性を分析するために操作される「有効性分析」ボタン５０１１と、診療行為・施策の経済価値を評価するために操作される「評価指標算出」ボタン５０１２と、分析条件を設定するためのプルダウンによる選択肢入力欄とを表示する。図示した例では、２０１３年から２０１６年のデータを用いて、在院日数に影響を及ぼす効果が高い診療行為における医療費を集計するための条件が設定されている。

処理結果提示領域５０２は、高い効果の診療行為や施策の経済評価を表示する。図２８によると、在院日数に影響を及ぼす診療行為として効果が高い（図中、重要度が高い）診療行為や施策は、糖尿病に対するＳＧＬＴ２阻害薬の投与であり、経済的効果も最も高いことが分かる。なお、経済評価は、金額で表示しても、保険点数などの金額に換算可能な任意の単位で表示してもよい。

なお、図２８に示す画面では、全ての病名の医療費を集計したが、図２７に示す画面に「追加」ボタンを設け、複数の病名を選択可能にして、選択された病名の医療費を集計して、経済評価を表示してもよい。さらに、図１８に示す関連病名テーブルを用いて、関連する病名の医療費だけを集計して経済評価を表示してもよい。

また、図２８に示すように、複数の病名の経済評価を一つの表に表示しても、病名毎の表によって経済評価を表示してもよい。

以上に説明したように、変形例１では、複数の診療行為の経済評価を俯瞰でき、経済効果が高い診療行為を知ることができる。

＜変形例２＞
前述した実施例では、特定の診療行為の実施有無に基づいて患者を２群に分けて医療費を比較したが、変形例２では特定の診療行為の実施時期によって患者を２群に分けて医療費を比較する。

図２９は、変形例２におけるステップＳ３０８の詳細なフローチャートである。

まず、医療経済評価算出部１１１は、条件設定・処理結果表示画面（図２１）で選択された診療行為の早期実施有無に基づいて、診療行為データ（図８）及び発症日管理テーブル（図１１）を参照して、対象患者を２群（早期実施群と遅れた実施群）に分ける（Ｓ３０８７）。図８に示す診療行為データによると、患者コードＰ０の人は、２０１３年５月１日に糖尿病を発症しており、２０１３年６月１日にＳＧＬＴ２阻害薬が投与されている。ここでは、条件設定・処理結果表示画面（図３０）において早期の判定基準を１２か月に設定している。患者コードＰ０の人は、発症からＳＧＬＴ２阻害薬の投与まで１か月なので、早期実施群に分類される。一方、患者コードＰ１の人は、ＳＧＬＴ２阻害薬が投与されていなので、早期実施群にも遅れた実施群にも含まれない。なお、診療行為データのうち、発症日以後の診療行為を参照しても、全ての診療行為を参照してもよい。

次に、医療経済評価算出部１１１は、各群における総医療費の平均値を算出する（Ｓ３０８８）。具体的には、ステップＳ３０７で患者毎に集計された特定の病名の医療費を取得し、各群に分けられた患者の総医療費の平均値を算出する。なお、平均値ではなく、用途に応じて、他の統計処理（例えば、最大値、最小値、最頻値、分散などの計算）を行ってもよい。

例えば、条件設定・処理結果表示画面（図３０）でＳＧＬＴ２阻害薬が選択され、早期の判定基準を１２か月に設定した場合、条件設定・処理結果表示画面（図３１）で発症から１２か月以内にＳＧＬＴ２阻害薬が投与された群と投与されなかった群とで比較可能に医療費が表示される。

図３０は、ステップＳ３０８１において、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図３０に示す条件設定・処理結果表示画面は、図６に示す画面と同様に、条件設定領域５０１、処理結果提示領域５０２及び時期設定領域５０３を含む。条件設定領域５０１には、診療行為の有効性を分析するために操作される「有効性分析」ボタン５０１１と、診療行為・施策の経済価値を評価するために操作される「評価指標算出」ボタン５０１２と、分析条件を設定するためのプルダウンによる選択肢入力欄とを表示する。図示した例では、糖尿病患者の２０１３年から２０１６年のデータを用いて、血糖コントロールに影響を及ぼす効果が高い診療行為における医療費を集計するための条件が設定されている。

処理結果提示領域５０２は、前述したように、高い効果の診療行為や施策を表示する。図３０によると、効果が最も高い診療行為や施策は、ＳＧＬＴ２阻害薬であることが分かる。なお、処理結果提示領域５０２に、「表示」ボタンを設けてもよい。前述した例では、選択欄で択一的な選択がされた診療行為について分析する処理を開始するが、「表示」ボタンを設けることによって、複数の診療行為が選択可能となる。このため、複数の診療行為の組み合わせによって診療に有意差が生じる場合に、診療行為の効果（すなわち、かかった医療費）を的確に分析できる。

時期設定領域５０３には、患者を２群に分けるための早期の判定基準（発症から診療行為までの期間）が設定される。図３０に示す例では、発症から１２か月以内に診療行為が行われた場合に「早期」と判定する条件が設定されている。

図３１は、ステップＳ３０８の処理が終了した後に、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図３１に示す条件設定・処理結果表示画面は、図３０に示す画面と同様に、条件設定領域５０１、処理結果提示領域５０２及び時期設定領域５０３を含む。画面構成処理部１１４は、早期実施群と遅れた実施群とで比較可能に医療費を表示部１１６に表示するための表示データを生成し、処理結果提示領域５０２に表示する。

以上に説明したように、変形例２では、早期に診療行為を実施することによる経済効果を知ることができる。また、時期をパラメータにして分析することによって、経済効果が生じる治療時期を知ることができる。

＜変形例３＞
図３２は、本変形例の診療行為・施策の経済価値評価システムの構成図である。

本システムは、外部ＤＢ連携部１０３と、発症イベント検出部１０４と、発症知識データベース１０５と、発症－診療行為関係抽出部１０６と、発症時系列情報畳み込み部１０７と、評価指標算出部１０８と、診療効果抽出部１０９と、対象疾病トータルコスト算出部１１０と、医療経済評価算出部１１１と、対象患者医療行為抽出部１１２と、候補抽出部１１３と、画面構成処理部１１４と、入力部１１５と、表示部１１６と、遅延高リスク抽出部１１７とを有する。遅延高リスク抽出部１１７以外の構成は、図２で前述した実施例１の診療行為・施策の経済価値評価システムと同じであるので、それらの説明は省略する。

遅延高リスク抽出部１１７は、遅延リスクが高い医療プロセスを抽出する。遅延リスクが高いプロセスとは、相対日の分散値が大きい医療プロセスである。つまり、相対日の分散値が大きいと、例えばリソースの割り当てなどの問題で、医学的に適切なタイミングで医療プロセスを提供できない可能性が高くなる。そのため、当該医療プロセスを遅れて実施すると効果が低くなる可能性があり、早期実施が求められる医療プロセスである。

次に、図３３を参照して、ステップＳ３０９の詳細を説明する。

まず、対象患者医療行為抽出部１１２は、分析対象の患者に対する医療プロセスのうち、Ｓ３０６にて算出した重要度が高いプロセスを受け付け（Ｓ３０９１）、Ｓ３０３にて抽出した診療プロセスのうち、Ｓ３０９１にて受け付けたプロセスを起点とした相対日を患者ごとに算出し（Ｓ３０９２）、Ｓ３０９２にて抽出した相対日の平均値を、診療プロセス毎に算出し（Ｓ３０９３）、Ｓ３０９３にて算出した相対日の平均値が、予め設定した閾値以上の診療プロセスを抽出する（Ｓ３０９４）。Ｓ３０９１からＳ３０９４で対象患者医療行為抽出部１１２が実行する処理は、図２３で説明した実施例１のステップＳ３０９の処理と同じなので、詳細の説明を省略する。

その後、遅延高リスク抽出部１１７は、Ｓ３０９４にて抽出した診療プロセス毎に、Ｓ３０９２の患者ごとの相対日から、遅延リスクが高いプロセスを抽出する（Ｓ３０９７）。具体的には、Ｓ３０９２にて抽出した相対日の平均値と所定の閾値とを比較して、医療プロセスの遅延リスクが高いかを判定する。ステップＳ３０９４では、医療プロセスの遅延リスクの有無を判定しているが、相対日の分散値の大きさによって、遅延リスクを数値化（例えば０～１００）で判定してもよい。

次に、候補抽出部１１３は、Ｓ３０９４にて抽出された診療プロセスをキーとして、Ｓ３０８にて生成した経済評価と診療行為のペアを抽出し（Ｓ３０９５）。

最後に、候補抽出部１１３は、Ｓ３０９５で抽出されたペアの中で経済評価が上位のペアを、Ｓ３０９７の遅延リスクと共に抽出する（Ｓ３０９６１）。候補抽出部１１３は、重要度が上位のペアを抽出してもよく、重要度及び経済評価を総合して上位のペアを抽出してもよい。なお、Ｓ３０９７で算出された遅延リスクは、経済評価と診療行為と共に提示するが、重要度の算出において考慮してもよい。

図３４は、ステップＳ３０９の処理が終了した後に、表示部１１６が表示する条件設定・処理結果表示画面の例を示す図である。

図３４に示す条件設定・処理結果表示画面は、条件設定領域２７０１及び処理結果提示領域２７０３を含む。条件設定領域２７０１には、図２４、図２５に示す条件設定・処理結果表示画面と同じである。

処理結果提示領域２７０３は、前述したように、高い効果の診療行為を遅延リスクの有無と共に表示する。図３４によると、効果が高い診療行為や施策は、ＳＧＬＴ２阻害薬と、ＨｂＡ１ｃ検査であり、重要度の点でも経済的な観点でもＳＧＬＴ２阻害薬が効果が高いことが分かる。

以上に説明したように、本発明の実施例の分析システムは、医療行為データ（診療行為データベース１０１）と、患者の検査結果を含む臨床データ（臨床データベース１０２）と、医療費データ（医療費データベース１００）と、分析対象の患者に対する医療行為と臨床データとを受け付ける入力部１１５と、発症イベントを検出する発症イベント検出部１０４と、検出された発症イベントに対する医療行為間の相関関係を、時系列情報に基づいて抽出する発症－診療行為関係抽出部１０６と、受け付けられた医療行為データと臨床データとから、医療の質を表す指標値を算出する評価指標算出部１０８と、検出された発症イベントの時期以後に発生した、分析対象の病名に関する医療行為の費用を、医療費データを用いて算出する対象疾病トータルコスト算出部１１０と、算出された指標値と算出された費用との少なくとも一つと、受け付けられた分析対象の患者に対する医療行為と臨床データと、発症－診療行為関係抽出部１０６が抽出した相関関係とを用いて、分析対象の患者に推奨される医療行為を抽出する抽出部（対象患者医療行為抽出部１１２、候補抽出部１１３）とを備えるので、患者毎に有効な診療行為を推薦できる。

また、前記抽出部は、受け付けられた分析対象の患者に対する医療行為と臨床データと、発症－診療行為関係抽出部１０６が抽出した相関関係とを用いて、分析対象の患者の将来の医療行為の候補を抽出する対象患者医療行為抽出部１１２と、抽出された将来の医療行為の候補から、算出された指標値と算出された費用との少なくとも一つを用いて、当該患者に推奨される医療行為を抽出する候補抽出部１１３とを含むので、患者毎に有効な診療行為を正確に推薦できる。

また、入力部１１５は、提示された分析対象の患者に実施された医療行為の中から、相対期間の起点となる医療行為の選択を受け付け、対象患者医療行為抽出部１１２は、選択された起点となる医療行為と、抽出された候補となる医療行為との相対期間の統計値と所定の閾値との比較結果に基づいて、将来の医療行為の候補を抽出するので、患者毎に有効な診療行為を正確に推薦できる。

また、入力部１１５は、分析対象の患者に実施された医療行為のうち、重要度が高い医療行為を提示するので、患者毎により有効な診療行為を推薦できる。

また、画面構成処理部１１４は、入力部１１５で受け付けられた分析対象の患者に対する医療行為と、前記抽出部で抽出された医療行為とを出力する画面データを生成するので、患者毎に有効な診療行為を推薦できる。

また、画面構成処理部１１４は、相対期間の分散を出力する画面データを生成するので、推薦される診療行為の適切な実施時期を知ることができる。

また、対象患者医療行為抽出部１１２は、相対期間の統計値を用いて、閾値を設定するので、患者毎に有効な診療行為を正確に推薦できる。

また、画面構成処理部１１４は、前記相対期間が長い群と短い群とで、前記抽出された医療行為の医療費を比較可能な画面データを生成するので、患者毎に有効な診療行為を推薦できる。

＜本明細書に開示された発明の他の態様＞
本明細書に開示された発明のうち、特許請求の範囲に記載した以外の本発明の観点の代表的なものとして、以下のものがある。

（１）診療行為及び施策の効果を分析する分析システムであって、
所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有する計算機によって構成され、
分析条件を受け付ける入力部と、
発症イベントを抽出するイベント検出部と、
前記イベント検出部が抽出した発症イベントの時期以後に発生した、分析対象の病名に関する診療行為の費用を算出するコスト算出部と、を備えることを特徴とする分析システム。

（２）前記コスト算出部は、前記発症イベントの時期以後に発生した、前記分析対象の病名と同一の病名に関する診療行為の費用を算出することを特徴とする（１）に記載の分析システム。

（３）前記コスト算出部は、
関連して発生する病名が格納された関連病名情報を参照して、前記分析対象の病名に関連する病名の診療行為を特定し、
前記発症イベントの時期以後に発生した、前記分析対象の病名の診療行為及び前記特定された診療行為の費用を算出することを特徴とする（１）に記載の分析システム。

（４）分析対象の病名に関し、特定の診療行為の実施群と未実施群とを分けて医療費を集計する経済評価算出部を備えることを特徴とする（１）に記載の分析システム。

（５）前記経済評価算出部は、分析対象の病名に関し、複数の診療行為の各々について、当該診療行為の実施群と未実施群とを分けて医療費を集計することを特徴とする（４）に記載の分析システム。

（６）表示装置に出力する画面の表示データを生成する画面構成処理部を備え、
前記経済評価算出部は、全て又は選択された分析対象の病名に関し、複数の診療行為の各々について、当該診療行為の実施群と未実施群とを分けて医療費を集計し、
前記画面構成処理部は、前記集計された医療費の前記実施群と前記未実施群との差が大きい順に、前記複数の診療行為の経済評価を表示するための表示データを生成することを特徴とする（５）に記載の分析システム。

（７）分析対象の病名に関し、特定の診療行為を前記発症イベントから所定の期間内に実施した群と、前記所定の期間の経過後に実施した群とを分けて医療費を集計する経済評価算出部を備えることを特徴とする（１）に記載の分析システム。

（８）前記イベント検出部が抽出した発症イベントの時期と、前記診療行為及び施策の実施時期との時系列関係を算出する関係抽出部と、
前記関係抽出部が算出した時系列関係と、前記診療行為及び施策の実施量とに基づいて、前記時系列関係を考慮した診療行為及び施策の特徴量を生成する特徴生成部と、
前記診療行為及び施策の履歴と患者の検査結果を含む臨床データとから、医療の質を表す指標値を算出する指標算出部と、
前記特徴生成部が抽出した診療行為及び施策の特徴量を説明変数とし、前記指標算出部が算出した指標値を目的変数として、前記指標値が良好な診療行為及び施策を抽出する効果抽出部と、を備えることを特徴とする（１）に記載の分析システム。

（９）計算機が診療行為及び施策の効果を分析する分析方法であって、
前記計算機は、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有し、
前記分析方法は、
前記演算装置が、分析条件を受け付ける入力手順と、
前記演算装置が、発症イベントを抽出するイベント検出手順と、
前記演算装置が、前記イベント検出手順で抽出された発症イベントの時期以後に発生した、分析対象の病名に関する診療行為の費用を算出するコスト算出手順と、を含むことを特徴とする（９）に記載の分析方法。

（１０）前記演算装置が、前記コスト算出手順では、前記発症イベントの時期以後に発生した、分析対象の病名と同一の病名に関する診療行為の費用を算出することを特徴とする（９）に記載の分析方法。

（１１）前記コスト算出手順では、
前記演算装置が、関連して発生する病名が格納された関連病名情報を参照して、前記分析対象の病名に関連する病名の診療行為を特定し、
前記演算装置が、前記発症イベントの時期以後に発生した、前記分析対象の病名の診療行為及び前記特定された診療行為の費用を算出することを特徴とする（９）に記載の分析方法。

（１２）前記演算装置が、分析対象の病名に関し、特定の診療行為の実施群と未実施群とを分けて医療費を集計する経済評価算出手順を含むことを特徴とする（９）に記載の分析方法。

（１３）前記経済評価算出手順では、前記演算装置が、分析対象の病名に関し、複数の診療行為の各々を実施した群と未実施の群とを分けて医療費を集計することを特徴とする（１２）に記載の分析方法。

（１４）前記演算装置が、表示装置に出力する画面の表示データを生成する画面構成処理手順を含み、
前記経済評価算出手順では、前記演算装置が、全て又は選択された分析対象の病名に関し、複数の診療行為の各々について、当該診療行為の実施群と未実施群とを分けて医療費を集計し、
前記画面構成処理手順では、前記演算装置が、前記集計された医療費の前記実施群と前記未実施群との差が大きい順に、前記複数の診療行為の経済評価を表示するための表示データを生成することを特徴とする（１３）に記載の分析方法。

（１５）前記演算装置が、分析対象の病名に関し、特定の診療行為を前記発症イベントから所定の期間内に実施した群と、前記所定の期間の経過後に実施した群とを分けて医療費を集計する経済評価算出手順を含むことを特徴とする（９）に記載の分析方法。

（２１）診療行為及び施策の効果を分析する分析システムであって、
所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有する計算機によって構成され、
分析対象の期間及び疾患を受け付ける入力部と、
発症イベントを抽出するイベント検出部と、
前記イベント検出部が抽出した発症イベントの時期と、前記診療行為及び施策の実施時期との時系列関係を算出する関係抽出部と、
前記関係抽出部が算出した時系列関係と、前記診療行為及び施策の実施量とに基づいて、前記時系列関係を考慮した診療行為及び施策の特徴量を生成する特徴生成部と、
前記診療行為及び施策の履歴と患者の検査結果を含む臨床データとから、医療の質を表す指標値を算出する指標算出部と、
前記特徴生成部が抽出した診療行為及び施策の特徴量を説明変数とし、前記指標算出部が算出した指標値を目的変数として、前記指標値が良好な診療行為及び施策を抽出する効果抽出部と、を備えることを特徴とする分析システム。

（２２）前記特徴生成部は、発症イベントと時間的に近いタイミングで実施した診療行為及び施策に大きな値を与えて特徴量を生成することを特徴とする（２１）に記載の分析システム。

（２３）前記特徴生成部は、前記関係抽出部が算出した時系列関係をＲｉｊ（ｔ）として、下式を用いて特徴量を生成することを特徴とする（２２）に記載の分析システム。
下式において、ｉは患者を、ｊは診療行為及び施策を、ｔは時間を表し、ｆ（ｔ）は時間の経過と共に減少する単調減少関数である。

（２４）前記特徴生成部は、継続的に実施された診療行為及び施策に大きな値を与えて特徴量を生成することを特徴とする（２１）に記載の分析システム。

（２５）前記特徴生成部は、前記関係抽出部が算出した時系列関係をＲｉｊ（ｔ）として、下式を用いて特徴量を生成することを特徴とする（２４）に記載の分析システム。
下式において、ｉは患者を、ｊは診療行為及び施策を、ｔは時間を表し、ｆ（ｔ）は時間の経過と共に減少する単調減少関数である。

（２６）前記記憶デバイスは、診療行為及び施策と疾病との関係を含む知識データを記録しており、
前記イベント検出部は、前記知識データを参照して、発症イベントの時期を抽出するものであって、
前記分析システムは、前記診療行為及び施策の履歴と前記臨床データとから疾患と関連する診療行為及び施策を抽出して、知識データに記録する知識生成部を備えることを特徴とする（２１）に記載の分析システム。

（２７）前記効果抽出部は、前記特徴生成部が抽出した診療行為の特徴量、及び、前記指標算出部が抽出した前記分析対象の期間の初期における指標値を説明変数とし、前記指標算出部が抽出した前記分析対象の期間の終期における指標値を目的変数として、前記指標値が良好な診療行為及び施策を抽出することを特徴とする（２１）に記載の分析システム。

（２８）計算機が診療行為及び施策の効果を分析する分析方法であって、
前記計算機は、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有し、
前記方法は、
前記演算装置が、分析対象の期間及び疾患を受け付ける入力手順と、
前記演算装置が、発症イベントを抽出するイベント検出手順と、
前記演算装置が、前記イベント検出手順で抽出された発症イベントの時期と、前記診療行為及び施策の実施時期との時系列関係を算出する関係抽出手順と、
前記演算装置が、前記関係抽出手順で算出された時系列関係と、前記診療行為及び施策の実施量とに基づいて、前記時系列関係を考慮した診療行為及び施策の特徴量を生成する特徴生成手順と、
前記演算装置が、前記診療行為及び施策の履歴と患者の検査結果を含む臨床データとから、医療の質を評価する指標値を算出する指標算出手順と、
前記演算装置が、前記特徴生成手順で抽出された診療行為及び施策の特徴量を説明変数とし、前記指標算出手順で算出された指標値を目的変数として、前記指標値が良好な診療行為及び施策を抽出する効果抽出手順と、を含むことを特徴とする分析方法。

（２９）前記特徴生成手順では、前記演算装置が、発症イベントと時間的に近いタイミングで実施した診療行為及び施策に大きな値を与えて特徴量を生成することを特徴とする（２８）に記載の分析方法。

（３０）前記特徴生成手順では、前記演算装置が、前記関係抽出手順で算出された時系列関係をＲｉｊ（ｔ）として、下式を用いて特徴量を生成することを特徴とする（２９）に記載の分析方法。
下式において、ｉは患者を、ｊは診療行為及び施策を、ｔは時間を表し、ｆ（ｔ）は時間の経過と共に減少する単調減少関数である。

（３１）前記特徴生成手順では、前記演算装置が、継続的に実施された診療行為及び施策に大きな値を与えて特徴量を生成することを特徴とする（２８）に記載の分析方法。

（３２）前記特徴生成手順では、前記演算装置が、前記関係抽出手順で算出された時系列関係をＲｉｊ（ｔ）として、下式を用いて特徴量を生成することを特徴とする（３１）に記載の分析方法。
下式において、ｉは患者を、ｊは診療行為及び施策を、ｔは時間を表し、ｆ（ｔ）は時間の経過と共に減少する単調減少関数である。

（３３）前記記憶デバイスは、診療行為及び施策と疾病との関係を含む知識データを記録しており、
前記イベント検出手順では、前記演算装置が、前記知識データを参照して、発症イベントの時期を抽出するものであって、
前記分析方法は、前記演算装置が、前記診療行為及び施策の履歴と前記臨床データとから疾患と関連する診療行為及び施策を抽出して、知識データとして記録する知識生成手順を含むことを特徴とする（２８）に記載の分析方法。

（３４）前記効果抽出手順では、前記演算装置が、前記特徴生成手順で抽出された診療行為の特徴量、及び、前記指標算出手順で抽出された前記分析対象の期間の初期における指標値を説明変数とし、前記指標算出手順で抽出された前記分析対象の期間の終期における指標値を目的変数として、前記指標値が良好な診療行為及び施策を抽出することを特徴とする（２８）に記載の分析方法。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウエアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウエアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

本発明は、医療分野における病院情報システム技術に関し、特に、診療行為の効果の分析を支援する技術として有用である。

１００ 医療費データベース
１０１ 診療行為データベース
１０２ 臨床データベース
１０３ 外部ＤＢ連携部
１０４ 発症イベント検出部
１０５ 発症知識データベース
１０６ 発症-診療行為関係抽出部
１０７ 発症時系列情報畳み込み部
１０８ 評価指標算出部
１０９ 診療効果抽出部
１１０ 対象疾病トータルコスト算出部
１１１ 医療経済評価算出部
１１２ 対象患者医療行為抽出部
１１３ 候補抽出部
１１４ 画面構成処理部
１１５ 入力部
１１６ 表示部
１１７ 遅延高リスク抽出部
２００ 入力装置
２０１ 出力装置
２０２ メモリ
２０３ 中央処理装置
２０４ 補助記憶装置

Claims (15)

1. 医療行為の効果を分析する分析システムであって、
   所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有する計算機によって構成され、
   前記記憶デバイスは、患者属性と疾病の名称と医療行為と医療行為実施日を含む医療行為データと、患者の検査結果を含む臨床データと、患者属性と疾病の名称と医療行為実施日と医療費を含む医療費データと、疾病と医療行為との関係が記録される発症知識データと、関連して発生する疾病の名称が対応して記録される関連病名データとを格納し、
   分析対象の患者の疾病の名称を分析条件として受け付ける入力部と、
   前記発症知識データを参照して、前記分析条件として名称が入力された疾病に対応する医療行為を特定し、前記特定された医療行為から分析対象の疾病を発症した可能性がある患者の情報を発症イベントとして前記医療行為データから検出するイベント検出部と、
   前記検出された発症イベントに対応する医療行為と、発症日から当該医療行為の実施日までの相対日数とを、時系列情報として抽出する関係抽出部と、
   前記医療行為データと臨床データとから、医療の質を表す指標値を算出する評価指標算出部と、
   前記検出された発症イベントの時期以後に発生した、分析条件として入力された疾病の名称が前記医療費データの疾病の名称と一致する医療行為の費用を前記医療費データから算出するコスト算出部と、
   前記算出された指標値と、前記分析対象の患者に対する医療行為と臨床データと、前記関係抽出部が抽出した時系列情報とを説明変数として、医療行為の効果を目的変数として、線形回帰モデル又は非線形モデルを用いて、説明変数の特徴量を選択し、前記分析対象の患者に効果が高い医療行為を抽出する抽出部とを備えることを特徴とする分析システム。
2. 請求項１に記載の分析システムであって、
   前記抽出部は、
   前記分析対象の患者に対する医療行為と臨床データと、前記関係抽出部が抽出した相関関係とを用いて、前記分析対象の患者の将来の医療行為の候補を抽出する医療行為抽出部と、
   前記抽出された将来の医療行為の候補から、前記算出された指標値と前記算出された費用との少なくとも一つを用いて、当該患者に推奨される医療行為を抽出する候補抽出部とを含むことを特徴とする分析システム。
3. 請求項２に記載の分析システムであって、
   前記入力部は、提示された分析対象の患者に実施された医療行為の中から、相対期間の起点となる医療行為の選択を受け付け、
   前記医療行為抽出部は、前記選択された起点となる医療行為と、前記抽出された候補となる医療行為との相対期間の統計値と所定の閾値との比較結果に基づいて、前記将来の医療行為の候補を抽出することを特徴とする分析システム。
4. 請求項３に記載の分析システムであって、
   前記入力部は、分析対象の患者に実施された医療行為のうち、重要度が高い医療行為を提示することを特徴とする分析システム。
5. 請求項１に記載の分析システムであって、
   前記分析対象の患者に対する医療行為と、前記抽出部で抽出された医療行為とを出力する画面データを生成する画面構成処理部を有することを特徴とする分析システム。
6. 請求項３に記載の分析システムであって、
   前記相対期間の分散を出力する画面データを生成する画面構成処理部を有することを特徴とする分析システム。
7. 請求項３に記載の分析システムであって、
   前記医療行為抽出部は、前記相対期間の統計値を用いて、前記閾値を設定することを特徴とする分析システム。
8. 請求項３に記載の分析システムであって、
   前記相対期間が長い群と短い群とで、前記抽出された医療行為の医療費を比較可能な画面データを生成する画面構成処理部を有することを特徴とする分析システム。
9. 計算機が医療行為の効果を分析する分析方法であって、
   前記計算機は、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスとを有し、
   前記記憶デバイスは、患者属性と疾病の名称と医療行為と医療行為実施日を含む医療行為データと、患者の検査結果を含む臨床データと、患者属性と疾病の名称と医療行為実施日と医療費を含む医療費データと、疾病と医療行為との関係が記録される発症知識データと、関連して発生する疾病の名称が対応して記録される関連病名データとを格納し、
   前記分析方法は、
   前記演算装置が、分析対象の患者の疾病の名称を分析条件として受け付ける入力手順と、
   前記演算装置が、前記発症知識データを参照して、前記分析条件として名称が入力された疾病に対応する医療行為を特定し、前記特定された医療行為から分析対象の疾病を発症した可能性がある患者の情報を発症イベントとして前記医療行為データから検出するイベント検出手順と、
   前記演算装置が、前記検出された発症イベントに対応する医療行為と、発症日から当該医療行為の実施日までの相対日数を、時系列情報として抽出する関係抽出手順と、
   前記演算装置が、前記医療行為データと臨床データとから、医療の質を表す指標値を算出する評価指標算出手順と、
   前記演算装置が、前記検出された発症イベントの時期以後に発生した、分析条件として入力された疾病の名称が前記医療費データの疾病の名称と一致する医療行為の費用を前記医療費データから算出するコスト算出手順と、
   前記演算装置が、前記算出された指標値と、前記分析対象の患者に対する医療行為と臨床データと、前記関係抽出手順で抽出された時系列情報とを説明変数として、医療行為の効果を目的変数として、線形回帰モデル又は非線形モデルを用いて、説明変数の特徴量を選択し、前記分析対象の患者に効果が高い医療行為を抽出する抽出手順とを含むことを特徴とする分析方法。
10. 請求項９に記載の分析方法であって、
    前記抽出手順は、
    前記演算装置が、前記分析対象の患者に対する医療行為と臨床データと、前記関係抽出手順で抽出された相関関係とを用いて、前記分析対象の患者の将来の医療行為の候補を抽出する医療行為抽出手順と、
    前記演算装置が、前記抽出された将来の医療行為の候補から、前記算出された指標値と前記算出された費用との少なくとも一つを用いて、当該患者に推奨される医療行為を抽出する候補抽出手順とを含むことを特徴とする分析方法。
11. 請求項１０に記載の分析方法であって、
    前記入力手順では、前記演算装置が、提示された分析対象の患者に実施された医療行為の中から、相対期間の起点となる医療行為の選択を受け付け、
    前記医療行為抽出手順では、前記演算装置が、前記選択された起点となる医療行為と、前記抽出された候補となる医療行為との相対期間の統計値と所定の閾値との比較結果に基づいて、前記将来の医療行為の候補を抽出することを特徴とする分析方法。
12. 請求項１１に記載の分析方法であって、
    前記入力手順では、前記演算装置が、分析対象の患者に実施された医療行為のうち、重要度が高い医療行為を提示することを特徴とする分析方法。
13. 請求項９に記載の分析方法であって、
    前記演算装置が、前記分析対象の患者に対する医療行為と、前記抽出手順で抽出された医療行為とを出力する画面データを生成する画面構成処理手順を含むことを特徴とする分析方法。
14. 請求項１１に記載の分析方法であって、
    前記医療行為抽出手順では、前記演算装置が、前記相対期間の統計値を用いて、前記閾値を設定することを特徴とする分析方法。
15. 請求項１１に記載の分析方法であって、
    前記演算装置が、前記相対期間が長い群と短い群とで、前記抽出された医療行為の医療費を比較可能な画面データを生成する画面構成処理手順を含むことを特徴とする分析方法。

Images