JPH10198750A - 病症管理方法とシステム - Google Patents

Abstract

(57)【要約】 【課題】 人の健康管理の分野での電子演算処理技術を
利用して病症と病症介入管理と実施すべき危険状態の患
者を識別する。 【解決手段】 コンピュータにて実行する、同定病症を
有するものと診断された患者を識別するシステムと方
法。患者に関する情報を少なくとも一つの既存データベ
ースから取り出し、同定病症を有するか、又は、それに
かかりそうな患者のグループについて適切な情報を抽出
するべく、所定の基準に基づいてデータベースにおける
患者情報を処理する手段を備えている。このシステムで
は連合ルールを含む予測モデルを構築する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、人の健康管理の分
野での電子演算処理技術に関し、詳述すれば、種々の電
子演算処理技術を利用して病症と病症介入管理と実施す
べき危険状態の患者を識別することに関する。

【０００２】

【従来の技術】病症ないし症状は、特定の好ましい養生
法にも適った現在の医学安全指針とのコンプライアンス
を症例ごとに最大化するプログラムを工夫することによ
りより効果的に、しかも、費用効果が大きくなるように
治療することができる。大部分の病症の治療は、挿話的
な対症療法から病症撲滅、病症防止へと変わっている。

【０００３】

【発明が解消しようとする課題】健康管理に要するコス
トは一般に高騰しており、大部分の場合では患者治療費
は、一部の患者を治療するのに他の患者よりも沢山費用
がかかることから、患者全員に均一に分配されていな
い。これは、一部の患者が当該患者の医学的状態に適し
た治療を受けていないことに部分的にも起因している。
この問題には幾つかの原因があり、一部の患者が処方さ
れた治療法に従わなかったり、また、適時に医者を訪問
しなかったり、医者としても現に使っている養生法より
ももっと効果的な治療法があることをと知らないでいる
ことなどが原因に含まれている。

【０００４】患者を、病症の進展具合のある状態には効
果があると分かっている治療法で治療すれば、全患者群
を治療するのに要する総費用は減少する筈である。より
多くの患者を適切に治療すれば、病症がひどい状態へと
進展して治療費が高くなる事例の数も減少する筈であ
る。

【０００５】

【課題を解決するための手段】本発明はコンピュータに
て実行する、危険状態の患者、特に同定病症を有するも
のと診断された患者を識別するシステムと方法であっ
て、患者に関する情報が少なくとも一つの既存する少な
くとも一つのデータベースにから取り出されるようにな
っている。システムは、同定病症を有するか、又は、そ
れにかかりそうな患者のグループについて適切な情報を
抽出するべく、所定の基準に基づいてデータベースにお
ける患者情報を処理する手段を備えている。このシステ
ムは下記のようにして、連合ルールを含む予測モデルを
構築する。

【０００６】a) 同定病症ないし症状に関する患者群の
患者情報を抽出すべく、所定の基準に基づいてデータベ
ースにおける患者情報を処理し、 b) i)同定病症ないし症状に適切な事象ないしデータの
集合を、前記データベースで得られる情報を利用するこ
とで定義付け、 ii)前記抽出した患者情報と定義付けした事象ないしデ
ータを事象レベル情報からなるファイルに変換し、 iii)定義付けした事象の特定部分を以後の処理で考慮す
べきかどうかを判断する材料となる時間枠を生成するた
めに時間ウィンドウを定め、 iv)潜在的予測子としての変数の集合を識別し、 v)分析ファイルを生成すべく、前記時間ウィンドウと変
数の集合とを利用して事象レベル情報を処理し、 vi)前記変数の集合の部分集合の関数であると共に、同
定病症ないし症状を有すると診断されたか、又は、同定
病症ないし症状に罹患しそうな危険状態の患者を識別す
るのに用いる予測モデルとルールとを生成すべく、分析
ファイルに対して統計分析を行うことにより、予測モデ
ルを定義付け、 c) 同定病症ないし症状の危険状態にある患者を識別す
るか、又は、同定病症ないし症状に罹患しそうな危険状
態にある患者を識別するために、同一又は新たな集合の
事象レベル情報に前記予測モデルとルールとを当ては
め、 d) 識別した危険状態の患者から介入リストを用意し
て、少なくとも一人の危険状態の患者のために介入を選
択し、 e) 前記患者に対して介入を施すか、又は、施せるよう
に促進して、f)選択された介入に基づいて各危険状態の
患者に対する介入結果を所望によっては記録且つ追跡
し、 g) 所望によっては前記データベースに対応する各介入
結果で少なくとも一つのデータベースにおける履歴デー
タを更新し、前記ステップb(ii)を繰り返した後に h) 更新したデータベースにおけるデータから抽出した
事象レベル情報に対して前記予測モデルとルールとを再
度当てはめる。

【０００７】

【発明の実施の形態】

概 要 本発明による病症管理システムと方法では、病気ないし
症状に対処するに当たって適切な治療を受けたり、当該
治療下におかれたり、当該治療が施されている患者の数
を一定の人口内で増加させることができる。本発明で
は、病状の進展の各段階ごとの好ましい治療養生法が分
かっていることが必要である。この養生法は、すでに公
開されている医学ガイドラインであっても良いし、又
は、各種の病気に応じて健康管理専門家が開発したガイ
ドラインであっても良い。これらのガイドラインは、医
学安全指針(Best Practice Guidelines)と呼ばれてい
る。

【０００８】「病症管理」なる用語は、入院治療費が高
額になるとか、高コストを招聘するとか、好転が期待で
きないとかのリスクのある慢性長期症状のある患者を識
別する、例えば健康管理組織、医学グループ、従業者、
ないし政府支援計画などで用いるものである。病症管理
サービスは、病症対処専門家として働く製品開発マネジ
ャーについて研究分野で決められている。

【０００９】病症管理サービスは患者（管理ケア組織(M
CO)やその他の加入機関に係わっている患者）に対して
提供されるものであって、患者の病症がある特定の段階
にある時に介入することで当該病症の将来の結果を好転
させるためになされるものである。個人の病歴や、臨床
歴、服薬歴などの情報は、例えば病症管理システムに係
わる第三者から得られる。

【００１０】本明細書では主として、健康管理の分野で
本発明の病症管理システムを利用した例について説明す
るが、その場合での健康管理プロバイダはシステムの主
たるクライアントであり、この健康管理プロバイダの患
者についての情報は本発明の実施で利用するデータベー
スに蓄えられる。しかし、クライアントとしては、例え
ば従業員や政府機関、保険プロバイダ、それに、病症管
理ないし一定人口の個人の規制に関心のあるその他のユ
ーザーである場合でも本発明が適用できる。同様に、病
症管理システムのデータベースに蓄えられる情報は、人
口統計データや社会データ、地理データ、家族歴、それ
に、個人についてのその他の情報を含むところまで拡張
できる。

【００１１】基本的な病症管理システムは、一つの病症
ないし症状を考察している。しかし、複合病症ないし症
状の場合では、それを単一の分析に細分化して、複合要
因と複合病症ないし症状によりリスクプロフィールを出
すようにしている。このような方法では、それぞれの病
症ないし症状をリレーショナルデータベースの分野と同
様に関連付けのできるモジュールとしてとらえている。
このようにすることで、特定の患者群に対するリスク要
因を取り出すに当たり、複数の病症ないし症状を分析で
きるようになる。

【００１２】図１において、本発明による病症管理プロ
セスの高度なレベルの図を示すが、そこには患者の罹患
情報ソース１００、予測健康結果モデリングプロセス１
０２、危険状態患者の介入プロセス１０３、病症管理モ
デリングガイドラインソース１０４、介入及び医学的ガ
イドラインソース１０５が示されている。危険状態の患
者の介入プロセス１０３には、リスク階層化１４０と介
入管理プロセス１６０の二つの部分がある。患者の罹患
情報ソース１００は、例えば健康管理プロバイダのプロ
グラムに係わる患者の病歴の記録、健康状態記録、精神
状態記録、ラボ試験結果、認識力及び知能試験データ、
処方及び治療などを含むデータベースの形をしているの
が通常である。

【００１３】図１の予測健康結果モデリング１０２は、
ある病症ないし症状と病歴のある患者の健康状態がかえ
って悪化するかどうかを予測するのに用いることのでき
る統計モデルを生成するプロセスである。危険状態の患
者の介入プロセス１０３は、かえって健康状態が悪化す
る可能性の大きい危険状態患者のリストをもたらすデー
タベース分析プロセスであるリスク階層化プロセス１４
０と、斯かる健康悪化の可能性を減少させるために選ば
れた患者の健康管理処置に介入すべきかどうかを判定す
る介入管理プロセス１６０とが含まれている。

【００１４】図１に示した本発明の病症管理プロセスの
動作について説明する。先ず、予測健康結果モデリング
プロセス１０２が、特定の病症について患者の罹患情報
データベース１００から患者データのサンプル群を受け
取る。そればかりではなくて、予測健康結果モデリング
プロセス１０２は、図１においてモデリングガイドライ
ン１０４として図示した予測モデルを生成するために所
定の統計ないしその他の情報を受け取って、健康悪化の
可能性の有無を判定するために特定病症の特定予測モデ
ルを生成する。健康悪化に関係のある特定病症ないし症
状が生ずる確率を判定するのに、同一ないし類似のデー
タを用いることもできる。

【００１５】リスク階層化プロセス１４０は、予測健康
結果モデリングプロセス１０２が生成した予測モデルを
受け取って、この予測モデルで患者罹患情報データベー
ス１００からの個々の患者に特有のデータを分析して、
特定病症に罹患している患者の健康状態が悪化する可能
性の大きい患者のリストを明らかにする。このように患
者のリストが明らかになると、介入管理プロセス１６０
が、患者ないし医者、健康管理プロバイダと接触するこ
とで患者の治療プロセスに介入するように促すようにな
る。危険状態の患者の介入プロセス１０３には、病状の
進展の各段階ごとの好ましい治療養生法と、図１におい
て介入及び医学的ガイドライン１０５として示した特定
の介入に関する外部生成情報が必要である。

【００１６】最後に、介入それ自体は記録してもよく、
危険状態の患者の介入プロセス１０３が一旦終わると、
図１において介入結果測定値として示したこれらの介入
結果が患者の医学情報データベース１００に蓄えられ
る。これにより、介入語のデータを全体プロセスに亙っ
てフィードバックするフィードバックステップが、結果
の分析を促進するためにリスク階層化ステップを通じて
再び行われるようにするか、又は、新たな修正したリス
ク階層化プロセスを生成するためのベースの一部となる
ようにすることができる。

【００１７】要するに、病症管理システムは個々の患者
に特有な健康情報の流れを分析して、必要時には医者な
いし患者に介入して健康状態が悪化するようなことを避
ける、従って、高コスト事象を避けるようにしている。
この病症管理には、下記のことが含まれている。

【００１８】１） 研究データから導き出されるある所
定の病症の状態の基づき、クライアントの組織とプログ
ラムに参加すると期待される潜在患者を同定すること。

【００１９】２） 病症の状態を評価するために、医学
上のクレーム、調剤上のクレーム、臨床データ、ラボデ
ータを利用すること。

【００２０】３） プログラムを管理維持するために予
め定めた介入措置を利用すること。介入措置の一例とし
て、定期的通知の発送、対症啓蒙材の発送、患者からの
電話調査に対する返答、さらには、健康管理専門家によ
る出向などがある。

【００２１】４） クライアント（例えば、ＭＣＯ、健
康管理プロバイダ）や医者、患者に対して必要な介入措
置を実行する症例(case)プログラムマネジャーと共にプ
ロセスを管理運営すること。

【００２２】５） 積極的な病症管理サービスで特定の
病症の結末が向上するかどうかを判定するために、患者
の健康管理への介入を記録すること。

【００２３】６） 介入に結果を判定するために、分析
プロセスに亙って介入管理情報を処理すること。

【００２４】本発明の方法にあっては、症例プログラム
マネジャー（図１では示していないが、当該マネジャー
の機能については、図２に示した、後述する症例管理プ
ロセス１５０の一部として示してある。）は、療法の変
更で恩恵を受けると思われる患者を医者に対して明らか
にし、医者に対して治療法を提案する一方、患者（同時
に治療担当医師）に対して教育上及び治療上のコンプラ
イアンス処置をとることで、患者の治療をはかどらせる
ようになっている。症例プログラムマネジャーは病症を
診断したり、治療養生法を処方するようなことはしな
い。医学上の診断と治療は資格のある医師の責務であ
る。

【００２５】本発明の方法を利用することにより、症例
プログラムマネジャーは療法を受けている患者、それよ
り重要なことに、その患者の病症の状態に好ましい治療
養生法に従って治療されていない患者の部分集合を明ら
かにすることができる。この患者群は本発明に非常に適
しており、この患者群から好ましい治療養生法を受けて
いない患者の治療養生法が自動的に明らかになり、習慣
の変更に影響を及ぼしたり、推奨治療養生法に合わせる
ように影響を及ぼすことができる。

【００２６】本発明の以後の説明においては、便宜上、
症例プログラムマネジャーを、予測健康結果モデリング
プロセス１０２のためのモデリングガイドライン１０４
や、危険状態の患者の介入プロセス１０３のための介入
及び医学的ガイドラインの如くの外部情報の単一ソース
として示す。

【００２７】一般に、症例プログラムマネジャーの大部
分の機能は、例えば専用コンピュータシステムにより自
動化されていると共に、実行される。しかし、末端ユー
ザーは、病症管理プログラムが開始されると外部情報を
提供したり、経験に基づいて病症管理プログラムに対し
て修正した、もしくは新規なパラメーターを提供した
り、或いは必要に応じて介入方法を変えることになる。

【００２８】本発明の大部分の実施の形態にあっては、
症例プログラムマネジャーの役割を複数の人又は実体(e
ntities)に分けている。例えば、一つの「症例管理」実
体では、「高コスト」患者となる虞のある患者を見極
め、別の実体はこの情報と治療上のアドバイスのみなら
ず、患者の教材と治療上コンプライアンス装置を携えて
医者に接触し、しかも第三実体が医者に直接接触すると
言った具合になっている。また別の実体が、統計情報を
識別し、予測モデルを生成する義務を負うことがある。
本発明の方法を実行した結果、特殊で、しかも、費用の
かかるケアを必要とする重病症に罹患した患者は少数
で、大勢の患者が適切な療法を受けられた。

【００２９】本発明の方法では、少なくとも数人の治療
医師が係わっているのが通常である。好ましい一実施の
形態では約１００人ほどの治療医師が係わっているが、
２５０〜５００人の医師、或いはそれ以上の大勢の医師
が係わって居ればより効果的である。

【００３０】病症管理システム 本発明の病症管理システムの高度なフローチャートを図
２に示す。図２において、病症管理システムは、患者デ
ータ収集統合プロセス(Patient Data Collection and I
ntegration process)１１０と病症管理データベース１
２０とを含む病症管理データ書庫システム１０１からな
る。これは、事象レベルでの情報が蓄えられるところで
ある。次に、病症管理システムは、予測モデリングプロ
セス１３０と、リスク階層化プロセス１４０と、介入管
理プロセス１６０と、介入記録追跡プロセス１７０とを
備えている。

【００３１】症例管理プロセス１５０は介入管理プロセ
ス１６０から介入情報を、また、介入記録追跡プロセス
１７０からルールを受け取る。症例マネジャー１５０は
予測モデリングプロセス１３０とリスク階層化プロセス
１４０とに外部からでた情報を提供する。

【００３２】病症管理データ書庫システム１０１は、患
者データ収集統合プロセス１１０と病症管理データベー
ス１２０とからなる。患者データ収集統合プロセス１１
０は、健康管理ソースから生の患者データを受け取って
当該生の患者データを処理することで、冗長な情報を削
除して共通する所定のフォーマットに体裁を整えるよう
になっている。最初の段階では、最初の患者群(initial
population of patients)を想定するために情報ソース
としては一つかそれ以上必要である。

【００３３】生の患者データの出所としては、患者の記
録を保存しているところであれば、例えば医者、病院、
薬局の如くの健康管理プロバイダや、その他のプロバイ
ダ、健康管理サービスに対して支払いをなす支払い者で
あっても良い。これらの記録は離散してしまったり、ア
クセスできなくなったり、フォーマットするのが困難
で、重複した或いは不正確な情報を含んでいるようなこ
とがある。従って、斯かる情報に容易にアクセスできる
情報ソースとしては、特定の給付金プロバイダ(benefit
s provider)の健康管理クレーム記録書に見いだすこと
ができる。本発明の典型的な実施の形態では、このよう
な健康管理クレーム記録書を利用している。

【００３４】患者データ収集統合プロセス１１０は、フ
ォーマットした患者情報を病症管理データベース１２０
に蓄える。この病症管理データベース１２０は、本発明
で利用する患者の病歴や臨床データ、その他のデータを
蓄えているところである。

【００３５】本発明の予測モデリングプロセス１３０
は、判明している病症や統計上の制約、それにサンプル
患者データベースなどを利用して、所定の同定病症の患
者群からして健康状態が悪化する可能性のある患者を同
定する予測モデルとルールとを生成する。本明細書にお
いて用いる「同定病症」とは、喘息とか、鬱病、充血性
心不全（ＣＨＦ）の如くのクライアントが関心を持って
いる病症を意味する。

【００３６】図２に示したリスク階層化プロセス１４０
は、所定の基準に基づいて病症管理データベース１２０
から選択したグループの患者に対応する病症管理データ
ベース１２０からの患者データに対して統計上の予測モ
デルとルールとを適用する。この所定基準としては、例
えば「全クライアント（ＭＣＯ）患者」又は「全新雇用
人」であってもよい。リスク階層化プロセス１４０で、
危険状態の患者(at-risk patient)のサブグループを同
定して、このサブグループから介入リストを生成する。

【００３７】介入管理プロセス１６０は、このような危
険状態の患者に対して手紙や啓蒙材を送付したり、電話
をかけたり、自宅訪問をしたりするとかなど、介入リス
トに上げられている同定患者に対する介入のスケジュー
ルを立てたり、それを行うようになっている。最後に、
介入記録追跡プロセス１７０では、行った介入の記録を
その結果とを保存する。

【００３８】図２に示した病症管理システムの動作につ
いて以後、説明する。先ず、問題になっている特定の病
症とその他の所定制約が症例管理プロセス１５０で確定
される。同定病症と制約とは予測モデリングプロセス１
３０に供給される。この予測モデリングプロセス１３０
は、同定病症を有する患者に対応し、且つ、研究データ
から定められた所定の統計上基準を満たす病症管理デー
タベース１２０からのサブグループの患者医学データを
受け取る。すると、予測モデリングプロセス１３０は、
健康状態が悪化しかねない危険状態にある所定の同定病
症の患者群から患者を同定する予測モデルとルールとを
前記患者医学データのサブグループに基づいて生成す
る。

【００３９】リスク階層化プロセス１４０は予測モデリ
ングプロセス１３０から出力された予測モデルとルール
を、症例管理プロセス１５０から別のルールを受け取
る。症例管理プロセス１５０から供給された情報に基づ
いて、病症管理データベース１２０に含まれている一群
の患者の医学臨床情報が検索され、その一群の患者は所
定クライアントの同定病症患者群となる。その後、リス
ク階層化プロセス１４０が予測モデルとルールとを利用
して、健康状態が悪化しかねな危険状態にある所定クラ
イアントの同定病症患者群から高度危険状態の患者のサ
ブグループを同定する。

【００４０】高度危険状態のサブグループを同定するこ
とは、操作者が決める主観的な行為である。むりやりに
押しつけられるものではない。例えば「高度危険状態(h
igh-risk)」は、病症ないし病状の重さに応じて決ま
る。或いは、入手し得るリソースにより駆られることも
ある。有用な介入を提供するコストを鑑みるに沢山のリ
ソースが入手し得る。「高度危険状態」の古典的な一例
としては、重大人身被災に対処する際に用いられる選別
法、即ち、死亡可能性の大きい場合は治療しない、生存
可能性の大きい場合も治療しない、介入することで生存
率が大きくなるか、又は、永久廃疾になるのを緩和でき
る場合は治療する、との選別法がある。別の一例として
は、高度危険状態のサブグループを、特定のオペレーシ
ョンで何人の患者を扱えるかに基づく全グループの内の
一定割合からなるものと定義づける方法がある。従っ
て、特定のシステムのスループットが特定の日に１００
０人の患者を扱える、もしくは管理できるのであれば、
全人数の内の１０００人の患者が「高度危険状態」のサ
ブグループであると定義することができる。同様にし
て、介入者としては、６カ月間に１０００人の患者に対
して有用に介入するのに充分な費用だけ所持することさ
えあり得る。従って、この定義に従えば、高度に危険状
態にあるこの１０００人の患者が「高度危険状態」サブ
グループになる。また別の一例としては、考えられる有
益な結果からして臨床結果を１〜５まで格付けする方法
があり、その方法では、３かそれより大きい数値に格付
けされた好結果をもたらすものとみなされた患者を「高
度危険状態」サブグループとしてはかどらせるようにな
っている。また、年齢や、年齢別による悪効果の発生率
(age-related likelihood of an adverse outcome)、好
転率(a positive outcome)なども、「高度危険状態」サ
ブグループを定めるのに利用できる。例えば、閉経期の
女性で、エストロゲン依存性病症を経験した家族のいる
患者を高度危険状態患者と定めることもあり得る。それ
に、「高度危険状態」サブグループを同定するアルゴリ
ズムを生成するに当たっては、これらの要因を二つやそ
れ以上組み合わせることも考えられる。

【００４１】また、このステップを一つの「高度危険状
態」サブグループを同定するものとして説明している
が、介入にその程度に応じてレベル分けしてこの分析に
取り入れることもできる。従って、高度危険状態サブグ
ループを定義付けするよりは、特定のリスク度(risk fa
ctor)を割り当てたサブグループの集合を定めて、リス
ク評価の異なったレベルに基づいて選択したサブグルー
プの集合に対して介入を行うようにすることも考えられ
る。

【００４２】高度危険状態サブグループないしターゲッ
トサブグループの集合が判明すると、リスク階層化プロ
セス１４０が所定基準に従って患者をランク付けした介
入リストを生成する。本発明の介入管理プロセス１６０
はこの介入リストを利用して、危険状態の患者に対して
手紙や啓蒙材を送付したり、電話をかけたり、自宅訪問
をしたりするとかなどの介入のスケジュールを立てた
り、それを行うことで、当該患者の健康状態が悪化する
のを防ぐか、又は、改善するようになっている。

【００４３】介入管理プロセス１６０は病症管理データ
ベース１２０から送られるデータを取り込むが、このデ
ータは「クライアント」同定病症患者データであって、
病症管理データ書庫の体裁に標準化されている。このデ
ータ供給ないし検出プロセスには、病症プログラムに関
与するための条件に合致した特定の患者を同定するパラ
メータとルールとが症例管理プロセス１５０から送られ
ている。この検出プロセスで、特定の同定病症プログラ
ムで考慮する個体群が得られる。

【００４４】以後、図２に示した本発明の病症管理シス
テムの各プロセスについて詳述する。

【００４５】病症管理データ書庫とデータ統合 病症管理データ書庫１０１については、図３において、
生の患者データ獲得、予備処理、データベース形成を示
す高レベルのフローチャートを参照しながら説明する。
病症管理データ書庫１０１は患者データ収集統合プロセ
ス１１０と病症管理データベース１２０と研究データベ
ース２５０とからなる。

【００４６】患者データ収集統合プロセス１１０は、デ
ータソースとしての経費請求ソース(Reimbursement Cla
ims source)２００と、生の患者データを「一掃(clean-
up)」する生患者データ予備処理プロセス２１０と、生
のデータを所定の体裁に変換する変換プロセス２２０
と、その後の事象ないし介入により患者情報（この情報
は、事象レベル情報とも言われている）を更新する更新
患者データプロセス２３０とからなる。

【００４７】患者データ収集統合プロセス１１０におい
ては、経費請求ソース２００から生患者データ予備処理
アルゴリズムに生の患者データが供給される。現に医療
を受けている患者の群を同定するための情報ソースの一
例としては、大勢の健康管理給付金プロバイダ(benefit
s provider)の臨床記録、健康管理クレーム記録(health
care claim record)などがある。よく知られているよ
うに、薬代、医者訪問、病院滞在、ラボ試験に対するク
レームは支払い／経費の算出に受け付けられて処理され
ている。本発明の典型的な実施の形態にあっては、この
クレーム情報(claim information)は、例えばＤＢ２な
いしコンピュータシステム（図示せず）のサイベース(S
ybase)データベースに入力されている。

【００４８】しかし、本発明は図示の如くの経費要求ソ
ース２００に限定されるものではない。本発明の別の実
施の形態では、人口統計データの如くの個人に関するデ
ータや、社会データ、生活スタイル、性的虐待ないし両
親による育児放棄ないし肉体的虐待の履歴、栄養状態な
どの如くの個人データ、家族歴、地理データ、その他の
データを利用して病症管理データベースを構築してい
る。

【００４９】本発明の方法は、通常、経費要求ソース２
００からの個人に関するデータで、例えば医学データ、
人口統計データ、服薬データ、診断データ、治療データ
などを記憶し、検索できる電子データベースの助けを借
りて実行されるものである。例えば、経費要求から下記
の服薬データが検索されるようになっている。

【００５０】ａ） 患者識別子 ｂ） 処方薬 ｃ） 服薬量 ｄ） 薬の量 ｅ） 施薬治療期間 ｆ） 最近の処方薬投与日 ｇ） プロバイダ識別子

【００５１】これらのデータは好ましくは機械読取り可
能な形になっていると共に、各患者ごとの慎重な記録と
ともに慎重に、しかも検索し得るフィールドで回収でき
るようになっているのが望ましい。また、各記録は、本
明細書で説明している一つかそれ以上の症例管理介入を
行ったかどうかについて述べているフィールドからなる
のが望ましい。このデータはコンピュータに記憶され、
カスタマイズしたデータベース利用ソフトを利用してア
クセスできるようになっている。このようなソフトは、
検索機能のみならず、報告（表示、印刷、電子頒布）機
能をも有している。

【００５２】図４は、本発明で利用するのに適した三つ
の情報ソースを示した高レベルのブロック図である。図
２に示したように、そのようなプロバイダのクレーム情
報には、一般に、薬局（Ｒｘ）クレーム２０２、医者
（Ｄｒ）クレーム２０４、病院（ＨＬ）クレーム２０８
の三種の情報ソースがある。クレーム情報を表すブロッ
クに列記したように、それぞれのクレームからは、薬コ
ード、医者名、診断コード、処置、種々の日付、それに
その他の適当な情報を色々な情報が得られる。大部分の
この情報は、薬コード、処置コード、病気コードの如
く、コードを用いて表されている。

【００５３】図３へ戻って、生患者データ予備処理器２
１０は、却下した或いは調製したクレームを識別して処
理するデータ保全チェック(data integrity check)を実
行する。

【００５４】データベースをもっと効率的に利用するた
めに、生患者データ予備処理アルゴリズム２１０のデー
タベース利用サブアルゴリズム（図示せず）には、冗長
な入力情報を除去したり、資格喪失の患者についての入
力情報を除去したり、所定の期間内に症例管理介入を行
った記録を無視する機能を有している。

【００５５】その後、変換アルゴリズム２２０がソース
データファイルを読み込んで、患者情報で病症管理デー
タベース２４０を所定のデータベースの体裁に構築す
る。本発明の病症管理データベース２４０ではサイベー
スを用いているが、その他の類似のデータベース製品を
用いることもできる。

【００５６】最後に、図３の更新患者データプロセス２
３０は、介入管理プロセス１６０と介入記録追跡プロセ
ス１７０とから介入管理情報を取り入れて、会員患者に
関する介入情報を含ませるように病症管理データベース
１２０の患者情報を更新する。

【００５７】変換プロセス２２０の典型的な実施の形態
については、図５に詳細なフローチャートの形で示して
ある。

【００５８】図３において、ファイルマネジャー３１０
は、患者データファイルを受け取って入力されたファイ
ルを識別するとともに、それが処理に適しているかどう
かを確認し、ファイル目録データベースに各ファイルに
ついての情報を保存する。当該ファイルが階層別(Hiera
rchical)のものであれば、ファイルマネジャー３１０は
階層別ファイル予備処理器に当該ファイルを送って内容
をフラットファイルに読み込む。すると、フラットファ
イルが、入力環境テーブル３４０と出力環境テーブル３
５０とに含まれている情報を利用することでフラットフ
ァイル処理器３３０により病症管理データベース２４０
に保存される。患者データはその後データモデルを用い
ることでデータベースに保存される。

【００５９】図６は、本発明の一実施の形態における患
者データ書庫で用いられている如くの典型的なデータモ
デルを示したものである。このデータモデルには、デー
タベース構築のサイに入力されるデータの特徴を記録す
るソースデータ書庫４１０と、構築プロセスのサイにデ
ータ例外事項を処理する例外処理プロセス４２０と、病
症管理プロバイダクライアントのリストを含むクライア
ントテーブル４３０と、会員に特有な識別情報を含む会
員テーブル４４０とからなる。

【００６０】また、データモデルには、会員テーブル４
４０における各会員患者毎に、一人の会員に対する健康
管理活動の記録であるクレームテーブル４５０と、特定
の会員についての臨床試験データを収集するのに関係の
ある実体と関係を表すラボテーブル４６０と、特定のク
レームごとの診断と医学処置の記録である診断処置テー
ブル４７０をも含んでいる。

【００６１】データモデルの組織化プロセスは下記の通
りである。図６において、ソースデータ目録４１０は、
データベース構築プロセス中に入力するデータの進展と
特性とを記録する。例外処理４２０は構築プロセス中に
データの例外事項を処理する。例外は、値を失うか、値
が範囲外になるとか、データにおけるその他の誤りによ
り発生するものであり、例外処理４２０が例外事項が発
生した時点で、データを捨てるか、一部のデータを保持
する、或いは入手し得る情報に基づいて誤りを解消する
ことによりこれらの例外事項を解消するようになってい
る。

【００６２】クライアントテーブル４３０には、患者を
抱え、本発明のシステムと方法とに参加している病症管
理プロバイダクライアントのリストが含まれている。ク
ライアントテーブル４３０における各クライアントは、
会員テーブル４４０に会員として定義づけられている患
者を有している。会員テーブル４４０には会員名、誕生
日、性別の如くの情報が含まれている。

【００６３】会員テーブル４４０における各会員患者毎
にクレームテーブル４５０が保持されている。クレーム
テーブル４５０における各クレームは、一人の会員に対
する健康管理活動の記録である。記録されているデータ
項目には例えば、クレームが出された日又は解消した日
付、薬及び処方に関する情報、医学検査の詳細事項、会
員の主治医ないしその他の医者、及び提供されたサービ
スないし処置などがある。

【００６４】また、ラボテーブル４６０は、特定の会員
について実施したラボ検査の必要条件(requisition)、
アクセス(accession)、解決(resolution)に関係のある
実体と関係を表すものであり、記録されているデータ項
目としては、血液検査、グルコース検査、一つの分析物
に基づくその他の検査などがある。

【００６５】最後に、診断処置テーブル４７０は、ICD-
9-CMコードとして表される特定のクレームに対する主た
る診断と一つかそれ以上の副次的診断を記録している。
診断は、まとめて診断関係グループ（ＤＲＧ）にするこ
とができ、ＤＲＧは、患者が似たリソース消費と滞在パ
ターンを示す４９５もある診断分類の一つである。診断
処置テーブル４７０は、各診断に対応する処置をも記録
しており、これらの処置は外患者ＣＰＴコード(out-pat
ient CPT codes)、病院内ＨＣＰＣＳ(in-hospital HCPC
S)、又は、登録コード(proprietary codes)として表さ
れることがある。

【００６６】第２同定病症特有データベースを生成する
が、これは、同定病症患者データのデータベースを予測
モデリングプロセス１３０に供給するためである。図３
に戻って、このデータベースは研究データベース２５０
であって、ＳＡＳフォーマットの如くの所定の体裁での
クレームレベルデータベースである。図３では研究デー
タベース２５０を構築するのに用いた同定病症サンプル
患者データが病症管理データベース１２０から供給され
るものとしているが、本発明はそれに限定されるもので
はなくて、研究データベース２５０を適当な予備処理ア
ルゴリズムを用いることで経費要求ソース２００から構
築しても良いものである。

【００６７】研究データベースに含まれるＲｘ、ＤＲ、
ＨＬクレームのそれぞれの研究データベースフォーマッ
トの一例を図７に示す。図７に示したように、クレーム
されている特定のサービスプロバイダも出ているから、
クレーム１からクレームｘまでと適当な情報とのクレー
ムが列挙されている。ＤＢ２データベースは、生患者デ
ータ予備処理アルゴリズム２１０による処理を必要とす
る生データエレメントのソースを表している。その後、
研究データベース２５０へデータと定期的にダウンロー
ドする。

【００６８】予測モデルの生成 統計予測モデリングについて言えば、図８は、本発明に
よる同定病症のためのサンプル患者データ抽出プロセス
と予測モデリングプロセスを示す高レベルのフローチャ
ートである。図８に示したように、予測モデリングプロ
セス１３０は、（１）同定病症サンプルデータの抽出ス
テップ６１０と、（２）品質管理操作（オプション）を
実行するステップ６２０と、（３）データが統計上有効
かどうかをチェックするステップ６３０と、（４）クレ
ームレベルのデータを事象レベルのデータに変換するス
テップ６４０と、（５）事象レベルのファイルを分析フ
ァイルに処理するステップ６５０と、（６）統計学的技
法を用いて分析ファイルを処理することで同定病症予測
モデルとルールとを生成するステップとからなる。

【００６９】図８において、予測モデルを求めるプロセ
スはステップ６１０、即ち、同定病症サンプルデータの
抽出から開始する。この抽出ステップ６１０では、デー
タがＳＡＳフォーマットに変換されると、研究データベ
ース２５０からサンプル患者データを、また、症例管理
プロセス１５０から同定病症が入力される。ＳＡＳ手順
では情報を処理して、（１）同定病症の患者を抽出（ス
テップ６１０）し、（２）クレームレベルの情報を事象
レベルの情報に処理（ステップ６４０）し、（３）所定
の変数と時間枠とを利用して分析のための分析ファイル
を生成（ステップ６５０）し、（４）健康状態が悪化す
るような結果との相関関係に最もよく反映した変数の関
数として予測モデルを生成（ステップ６６０）するよう
になっている。

【００７０】尚、統計学的な観点からして、データベー
スから予測モデルを開発するに当たって考慮しなければ
ならない重要な点はサンプルサイズである。予測モデル
の完全性を最大化するためには、有効なサンプルサイズ
が重要な要素であり、予測方程式を求めるに必要なサン
プルサイズは、変数間の連合の大きさに依存する。これ
らの連合については未知であるから、個々の計画に関わ
る患者は全て始めから含ませておく。

【００７１】第１ステップ、即ち、同定病症ないし症状
を有する患者の抽出（ステップ６１０）では、症例プロ
グラムマネジャー、研究ソース、又はその他の健康管理
専門家から得られる種々のパラメーターを用いて、考慮
すべき同定病症患者の当初の全員(overall initial uni
verse of patients)に対してどの患者が資格を有してい
るかを定めている。

【００７２】例えば、本発明の一実施の形態において
は、１２カ月かそれ以上の長きに亙って給付金プロバイ
ダに連続して登録されていると共に、うつ病もしくは抗
うつ薬投与による治療に対するクレームを有する患者の
みが資格を有している。言うまでもないことではある
が、この基準は一例に過ぎず、例えば２４カ月ないし６
カ月の登録だけでも十分とか、年齢としては１８才でな
ければならないとか、そう言ったように基準を変えるこ
ともできる。本発明の好ましい実施の形態では、同定病
症サンプルデータの抽出ステップ６１０では、同定病症
（例えばうつ病。付帯書類Ｉを参照のこと）に適したコ
ードか、又は、同定病症の治療で用いる薬での治療（例
えばうつ病の場合では、抗うつ薬。付帯書類IIIを参照
のこと）に適したコードと共に患者の全てのクレームデ
ータを抽出するようになっている。

【００７３】健康管理産業界では、どの処置、治療、診
断、薬などがクレームされたいるかを判断するのにクレ
ーム情報に種々のコードを用いている。本発明の実施の
形態では、付帯書類ＩとＩＩとに示したようにコードが
選定されている。これらのコードについては、アメリカ
医学協会(American Medical Association)の「医者のた
めの最新手続用語集(Physician's Current Procedural
Terminology, CPT)」や、「聖アンソニーICD-9-CMコー
ド集(St. Anthony's ICD-9-CM Code Book)」に開示され
ているところであり、これら二件の文献についてはコー
ドとこれらのコードのソースを示すものとして本明細書
に参考として挙げておく。当業者にはよく分かるよう
に、本発明では、処置、治療、診断、薬などを表すコー
ドならこれ以外のどのようなコードであっても利用でき
る。

【００７４】図８に示した抽出ステップ６１０の後、デ
ータ品質管理ステップ６２０において所望によりクレー
ム調整と完全性チェックとが行われる。この品質管理ス
テップ６２０はオプションであって、例えば同定病症の
患者データがこのステップを必要としないこともあり、
或いは、当初の病症管理データベース１２０が、生患者
データ予備処理ステップ２１０（図３と図４）の結果、
充分な品質を有しているような場合にこのステップを省
略することができる。

【００７５】ステップ６２０での品質管理方法では、前
述のデータセットから、処理のための頻度カウント(fre
quency count)を複数組含む中間出力ファイルを生成す
る。本発明の実施の形態にあっては、うつ病が同定病症
である場合では下記特性の中間出力ファイルが検討のた
めに生成される。

【００７６】ａ） i)性別による会員のカウントを示し
たテーブル、ii)年齢群に該当する会員のカウントのテ
ーブル、iii)性別で分けた年齢群のカウント、iv)登録
期間、即ち、１カ月から最大可能月数のテーブルを含
む、性別、年齢群（０〜９、１０〜１９、・・・・）、登録
期間（月）での特定会員の頻度カウント、

【００７７】ｂ） うつ病のICDコード（付帯書類Ｉ）
の頻度カウント、即ち、少なくとも一つのヒットを有
し、付帯書類Ｉ-ａにおける各ICDコードが第１コードと
して如何なるレベルにある会員の数、

【００７８】ｃ） 抗うつ薬（付帯書類ＩＩ）の頻度カ
ウント： i)付帯書類IIIにある各薬につき少なくとも一つのクレ
ームを有する会員の数

【００７９】ｄ） ICDコードだけ、薬だけ、或いはICD
と薬との両方がために処置を受ける資格のある会員の
数、

【００８０】ｅ） 会員ごとの各ファイル（ＨＬ、Ｄ
Ｒ、Ｒｘ）にある全てのクレームの会員の頻度カウン
ト、

【００８１】ｆ） ＤＲ（何処でも良い）及びＨＬファ
イルにおけるあらゆる種のICDコード（ICDコードの最初
の３つの数値だけを利用）の頻度カウント − それぞ
れの頻度の少なくともトップ１０、即ち、ＤＲ及びＨＬ
ファイルに付きテーブル、

【００８２】ｇ） 暦上での入院頻度カウント。データ
の入手可能性又は資格を取った最後の月から逆算して月
数を計数する。最後にデータが得られる月としては月
１、その前の月としては月２と言った具合。

【００８３】ｆ） うつ病（ＣＰＴコード、付帯書類Ｉ
-ｂ）に関係ある措置の頻度カウント

【００８４】ｉ） 全てのＣＰＴコード（最初の３数値
コードのレベルに対して）の頻度カウント

【００８５】データの完全性について予備評価を行うに
際して利用される前述の頻度カウントはほんのの一例に
過ぎず、有用又は無益なパラメータを含ませるか、削除
するなりに改変できるものである。

【００８６】本発明の別の実施の形態では、充血性心不
全が同定病症である場合では、下記の頻度カウントが生
成される。

【００８７】Ａ） 最初に、会員の登録期間の数の頻度
カウントを生成する。その後、少なくとも６カ月の複数
の登録期間を有する会員の場合では、各登録期間中にＣ
ＨＦ診断があったかどうかを判定する。その結果、ＣＨ
Ｆ診断のない登録期間は除外して、ＣＨＦ診断のあった
最後の登録期間だけを保持する。

【００８８】Ｂ） 残りの全ての会員の登録期間が一つ
だけの場合では、全登録中に会員が経験したALL COSTS
と称する全コストを判定する。ALL COSTSの完全なproc
univariateが各計画ごと別々に、全ての計画につき一括
して出される。尚、「proc univariate」とは、記述的
統計（例えば平均、標準、偏位差など）を生成するＳＡ
Ｓ方法である。

【００８９】Ｃ） 判定したALL COSTSから、特に心血
管系であるコスト（CV COSTSと称する）を判定する。判
定するに当たっては、ＤＲ又はＨＬファイルからのクレ
ームの第１又は第２位置にCV ICD-9コードが含まれてお
れば、コストはCV COSTとみなす。Ｒｘファイルからの
クレームが医療クラス04000からのものであれば、ＣＶ
クレームとみなし、計数コストをＣＶコストとみなす。
CV COSTSについての完全なPro Univariateも、各計画ご
と別々に、そして全ての計画については一括して出され
る。

【００９０】Ｄ） CV COSTSから、CHF COSTSと称する
充血性心不全に関するコストを判定する。ＤＲないしＨ
Ｌファイルからのクレームの第１ないし第２位置にCHF
ICD-9コードが含まれておれば、コストはCHF COSTとみ
なす。CHF COSTSについての完全なPro Univariateも、
各計画ごと別々に、そして全ての計画については一括し
て出される。

【００９１】残っている全会員登録期間について、各計
画ごとに全会員期間月間を別々に、そして一括して算出
する。その際、会員が少なくとも一日だけ登録されてい
たとしても、当該会員はその月に登録されたものとみな
す。そのため、会員月間についての完全なPro Univaria
teも、各計画ごと別々に、そして全ての計画については
一括して出される。

【００９２】Ｆ） 最後に、残存登録期間にある全ての
患者ステータスコード＝２０の場合にユニークな会員カ
ウントを割り当てる。尚、ステータスコード＝２０であ
るということは、患者が死亡したか、又は回復しなかっ
たことを意味する。

【００９３】尚、コスト計算については、本発明の好ま
しい実施の形態においては下記のガイドラインを適用し
ている。

【００９４】ａ． 入院患者の入院、救急サービス、医
者／外来患者、それのその他の医療サービスは、クレー
ムごと、 AMTPAIR + AMTCOPAY + AMTRESERVE + AMTDEDUCT とみなすことができる。 ｂ． 薬のコストはAMTPAID + AMTCOPAYとみなすことが
できる。但し、AMTPAIDは支払金額、AMTCOPAYは共同支
払金額、AMTRESERVEは預り金、AMTDEDUCTは控除額をそ
れぞれ意味する。

【００９５】尚、コスト階層のために本発明の実施の形
態では下記のルールを用いている。 １．CHFのための入院だけがその他の事象を産み出す。 ２．病院費用には全てのＲｘ費、処置費、医者費が含ま
れている。 ３．病院訪問により、コストがゼロ（病院費に含まれ
る）に設定されると共に、Ｒｘ事象と処置事象とが発生
する。 ４．病院訪問で別の医者による訪問事象が生ずることは
ない。

【００９６】繰り返すことになるが、データの完全性に
ついて予備評価するに当たって利用した前述の情報はほ
んの一例に過ぎず、本発明の範囲から逸脱することな
く、有益もしくは無益と思われるパラメーターを含ませ
たり、又は除去するなりに改変しても良いものである。

【００９７】この情報を利用して、入力情報が有効では
なかったことから最終結果、即ち、予測モデルがねじ曲
げられてしまうようなことがないようにするために、最
初の同定病症の患者について「品質チェック」を行って
いる。データ品質を維持するこの処理、即ち、品質管理
操作ステップ６２０では中間出力ファイルを生成して、
例えば全てのクレームが６０歳以上の人からのものか、
男性からのものかの如くの不均衡、もしくは、予測モデ
ルの完全性に欠陥が出るようなその他のデータの不均衡
があるかどうかをチェックすることにより抽出した情報
を磨き上げることができる。実施の形態におけるステッ
プ６２０は、中間出力ファイルを見ながら手操作にて行
われるようにしている。しかし、種々の閾値を用いるこ
とで考えられる不均衡に対して頻度カウントを自動的に
スキャンするようにすることも考えられる。

【００９８】後での処理に適切と思われる種々の所定基
準に従ってクレームレベルでの情報を抽出して磨き上げ
ると、情報を事象レーベルのフォーマットに変換する。

【００９９】図８において、次のステップはクレームレ
ベルのデータを事象レベルのデータに変換するステップ
６４０である。処理に融通性を持たせるために、特に分
析のために時間ウィンドウを割り当てるに当たり、前述
の第２ステップ（即ち、クレームレベルの情報を事象レ
ベルの情報に変換するステップ６４０）を用いて、分析
ファイルが生成できる二つの主データファイルを作り出
している。

【０１００】本発明の好ましい実施の形態では、主デー
タファイル１は会員レベルファイルで、（１）会員キ
ー、（２）誕生日、（３）性別、（４）最初の登録日
（即ち、データセットの開始日(1/1/92)ないし登録
日）、（５）登録終了日（即ち、データセットの終了日
ないし登録最終日）、（６）最初に同定された病症事象
（例えば、抗うつ薬の最初の処方日又は充血性心不全に
よる入院日）、（７）退院日、（８）事象ファイル（主
ファイル２）における記録数、（９）データセットへの
入力モード（即ち、i)抗うつ薬のみ、ii)抗うつ病診断
のみ、iii)抗うつ薬とうつ病診断の両方）の如くの静的
なもの（即ち、時間に影響されない）の全てのデータを
含んでいる。

【０１０１】主データファイル２は、会員により発注さ
れた各事象ごとの記録と事象の日付とを含む事象レベル
ファイルであり、本発明にあっては事象発生日から降順
に表されている。

【０１０２】尚、時折エピソードとも言う事象は、臨床
知識に基づいて同定病症に適切と思われる発生事項であ
る。クレームからどんな生データエレメントが得られる
かの知識があれば、事象の集合は、事象が個々のデータ
エレメント又はデータエレメントの組合せに基づいてい
る場合、データエレメントから直接又は間接的に定める
ことができるか、又は、個々ないし複合データエレメン
トから導き出すことができる。

【０１０３】図９は、同定病症がうつ病である場合での
主ファイル２（事象レベルファイル）のための事象の典
型的なリストとそのフォーマットを示している。図９に
示したように、入力項目には下記の項目が含まれてい
る。

【０１０４】１．うつ病での入院 a. 病院所在場所コードで識別されている病院のクレー
ム b. 少なくとも１日の開始日から経過期間がある。 c. ICD９コードがある。 d. うつ病ICD９コードが何処にもある。 e. 病気標識子(illness indicator)（付帯書類Ｖ）１
＝主たる病気、２＝自殺、３＝主たる病気と自殺、０＝
その他

【０１０５】２．うつ病での救急室 a. 救急室所在場所コードで識別されている救急室訪問 b. ICD９コード（付帯書類Ｉ-ａ）がある。

【０１０６】３．うつ病での医師（非病院）訪問 a. 医師のクレーム b. ICD９コード（付帯書類Ｉ-ａ）がある。 c. カテゴリー： 精神病医＝１、その他＝０

【０１０７】４．ＳＳＲＩの処方 a. ＳＳＲＩ（選択的セロトニン摂取抑制剤）療法クラ
ス5.51.3. b. 病院の認可に伴うものであれば、コスト＝０ c. カテゴリー標識子＝ブランク

【０１０８】５．ＴＣＡ（三環状抗うつ剤）又はMAOI
（モノアミンオキシダーゼ抑制剤）のための処方 a. 治療クラス5.5.1.1（第三アミン）、5.5.1.2（第２
アミン）、5.5.1.4（モノアミンオキシダーゼ抑制
剤）。及び5.5.2 b. 病院の認可に伴うものであれば、コスト＝０ c. カテゴリー標識子＝治療クラス１=5.5.1.1、２＝5.
5.1.2、３＝5.5.1.4、４＝5.5.2

【０１０９】６．その他の神経活性剤（Ｒｘファイルか
ら）

【０１１０】 ７．うつ病に対する処置（ＤＲ又はＨＬファイルから） カテゴリー： ＣＰＴコード又はＩＣＤ処置 ０＝精神療法 以後列記しない付帯書類Ｉ-ｂにおける 全てのＣＰＴとＩＣＤコード １＝診断 90801、90820、90825、90830、90862 94.0x、94.1x、94.21、99.22、94.23 ２＝ショック療法 890870、908712 94.24、94.26、94.27 この項目につき、コストは、処置が発生した医者の訪問
又は入院に割り当てている。

【０１１１】８．うつ病によらない入院 尚、項目８でのアイテムは、うつ病の診断を受けたと
か、或いは抗うつ剤を服用していることから時としてう
つ病のためになされている処置と思われることから、コ
ーホートに入ってしまうことがあるものの、うつ病以外
の症状に対して行う。 a. 少なくとも１日の開始日から経過期間がある全ての
入院。 b. 主たる病気ＩＣＤ９コード（付帯書類Ｖ） c. カテゴリーについては上記１（１＝主、２＝自殺、
３＝両方、０＝その他）

【０１１２】項目９〜１３のカウントは１カ月間につい
てまとめている。日付は、認定病症の最初の発生日。数
値の部分には、その月中に発生した同定事象の数をまと
める。

【０１１３】９．非うつ病による救急室 a. 救急室で識別する救急室訪問 １０．非うつ病による医者（外来患者）訪問 a. 医者訪問。 b. うつ病診断を伴う訪問を除外（付帯書類Ｉ-ａ） 即ち、上記３にないもの。 １１．関係のある薬の処方 付帯書類IVに記載の薬 １２．その他（うつ病によらないもの）の薬の処方 付帯書類IIIもしくはIVに含まれない全ての薬

【０１１４】１３．うつ病によらない処方（ＤｒとＨＬ
ファイルから） a. カテゴリー標識子１＝大処置、２＝小処置（付帯書
類IVを参照）

【０１１５】図１０は、充血性心不全が同定病症である
場合での本発明の実施の形態による主ファイル２（事象
レベルファイル）のための事象リストとフォーマットを
示している。この実施の形態では、主ファイル１及び２
が種々の事象のカウントをもたらす確実な(ground)ルー
ルを用いて更に分類できる例を示している。

【０１１６】Ｉ．少なくとの１日の開始日から経過期間
のあるクレームを、HOSPITALIZATIONと称する入院事象
（第１及び第２ICD-9コードの両方を用いて）としてカ
ウントする。尚、所在場所コードで考慮対象のサービス
が行われた場所（例えば救急室、医者の事務所など）を
区別している。また、コストは第１ICD-9コードカテゴ
リーのみに入れる。更に、以前の病院から退院した翌日
に新たに入院するようなことが発生すれば、二ヶ所の病
院を一つに橋渡しする。他方、以前の病院から退院して
から相当日数の経過後に新たに入院するようなことが発
生すれば、後の病院への入院を新たな入院とみなす。

【０１１７】II．所在場所コードが０７、０８又は１０
であるクレーム又は病院共通処置コードシステム(Hospi
tal Common Procedure Coding System, HCPCS)がプロバ
イダコードを８１とするA0010-A0070、A0215-A0225、A0
999であるクレームを、ER VISITと称する救急室訪問事
象（第１及び第２ICD-9コードの両方を用いて）として
カウントする。尚、コストは第１ICD-9コードカテゴリ
ーのみに入れる。

【０１１８】III．所在場所コードが０１又は０６で、
独特のサービス提供日（ＤＯＳ）を有しているが、同一
ＤＯＳに異なったプロバイダキーを認めている（同一Ｄ
ＯＳに同一プロバイダキーがあれば、同一事務所訪問と
取り扱う）クレームを、OFFICEVISITと称する事務所訪
問事象としてカウントするが、この事務所訪問事象が入
院中に発生した場合では、事務所訪問事象（この事象に
伴う全てのコストは入院に帰するものとする）は出さな
い。また、ＨＣＰＣＳコードがプロバイダコードを８１
とするA0080-A0210であるクレームをOFFICE VISITとし
てカウントする。その他の事務所訪問事象については、
コストは第１ICD-9コードカテゴリーのみに入れる。
尚、下記のプロバイダキーの場合では別の事務所訪問と
はみなさず、もしあれば同一ＤＯＳに発生した事務所訪
問とともに橋渡しする：１）２４（放射線治療）、２）
２４、２５（独立ラボ）、３）５５（hosp o/pat lab x
-線）。

【０１１９】前述した三つの事象の種類は、関連する診
断により更に定義付けされる。

【０１２０】図８の次のステップは事象レベルのファイ
ルを分析ファイルに処理するステップ６５０である。ス
テップ６４０に対応する前述の命令(instructions)を用
いて二つの主ファイルを生成した後に、時間枠情報と選
択した変数（従属及び独立変数）を用いた処理が事象レ
ベルデータに対して実行され、それによりステップ６５
０にて分析ファイルが生成される。

【０１２１】図１１は分析ファイルの典型的な体裁を示
している。図示のように、分析ファイルの体裁には、表
の第１カラムに会員のリストがある。表の頂部を横切っ
ているものは変数のリストであり、これについては後述
する。表の本体部には、列挙した変数に対する会員の関
係についてのデータが記載されている。

【０１２２】殊に、ステップ６６０における主ファイル
から分析ファイルへの処理では、一部が時間ウィンドウ
と複数の変数とで定義づけられるアルゴリズムが用いら
れる。このアルゴリズムは、種々の時間ウィンドウ調整
と変数変更に合わせて再プログラム化できる。このステ
ップで生成される分析ファイルは会員レベルのファイル
（即ち、会員につぃして体系化したもの）でる。主分析
ファイルは、主ファイルにおける情報から導き出される
会員レベルファイルである。

【０１２３】各主分析ファイルは、調査済み(censored)
事象の一つの基準時間ウィンドウと当該ファイルに関心
のある予測ウィンドウとを考慮に入れるように生成され
ている。データに適用する各新時間ウィンドウは、本発
明の実施の形態においては別の主分析ファイルを要して
いる。

【０１２４】分析ファイルを生成するためには、複数の
変数と共に時間ウィンドウスキームを事象レベルデータ
に適用する。

【０１２５】先ず変数について論じると、独立変数と従
属変数とが処理に含まれている。独立変数は基本的には
健康状態の悪化の潜在的な予測子を表しており、従属変
数は基本的には予測すべき健康状態の悪化を表してい
る。

【０１２６】ステップ６５０のために一例としての独立
変数を求めるためには、同定病症について何もなけれ
ば、できるだけ沢山のもとのデータエレメントを用い
る。その後、同定病症についての臨床知識に基づいて、
追加的な変数を生成する。また、臨床知識に基づくデー
タエレメントと変数の何れか一方、又は、両方の組合せ
を変数として利用する。最後に、一部の変数を生成し
て、病症管理での分かれ目として(as a leverage poin
t)それらの潜在的な有用性に基づいて利用する。

【０１２７】本発明の典型的な実施の形態においては、
充血性心不全（ＣＨＦ）を同定病症とする実施の形態で
の分析ファイルを生成するためにＳＡＳルーチンにおけ
るステップ６５０で現に利用している複数の変数を事象
ファイルにおける各項目と共に表１に示す。尚、図１０
における各事象は自動的に処理用独立変数とみなされ
る。

【０１２８】 表 １ 追加的な独立変数 １． 年齢（最初のＣＨＦ診断時又は薬物治療時 − 三つの内の一つ） ２． 性別（Ｍ／Ｆ） ３． ＨＭＯメンバーシップ（特定のＨＭＯの指定） ４． 最初のＣＨＦ診断場所（所在場所コード） ５． 虚血性心臓病（Ｙ／Ｎ） ６． 糖尿病（Ｙ／Ｎ） ７． 好ましくない生活スタイルの診断（Ｙ／Ｎ） ８． 心不整脈（Ｙ／Ｎ） ９． その他の心臓病（Ｙ／Ｎ）

【０１２９】従属変数について言えば、例えば本発明で
の利用が考えられている潜在的な従属変数としては予測
すべき結果がある。ＣＨＦの場合では、そのような結果
には下記のものがある。

【０１３０】１．ＣＨＦによる入院（ＨＬ）。これはＨ
Ｌ標識子(HL indicator)として称される二分の変数であ
って、許可があればＨＬ＝１、それ以外では標識子は
０。

【０１３１】２．高コスト。例えば、高コスト標識子
は、ドルでのリソース利用率の最高１０％としても良
い。リソースは最初のＣＨＦ診断のトップ１０％にある
費用時から、又は、最初のＣＨＦ関係薬（記録上）の受
領日＋１、３、６カ月からカウントする−各時期ごと別
々に分析。これもHigh Cost標識子と称される二分の変
数であって、例えば患者がトップ１０％にあれば、High
Cost = 1であり、それ以外ではHigh Cost = 0。

【０１３２】高コスト標識子は本発明の実施の形態で
は、予測領域（ＢからＣ）においての会員ごとの総費用
の分布（ＰＭＰＭ）と見ることもできる。総費用分布で
のＰＭＰＭが最高の１０％の会員の場合での高コスト標
識子は１であり、それ以外では０。

【０１３３】３．死亡

【０１３４】特定の例について三つだけの従属変数を挙
げたが、当業者にはよく知られるように、本発明の目的
にかなったその他の既知の、或いは未知の変数を本発明
の範囲内で利用できることは容易に理解されるところで
ある。

【０１３５】分析ファイルの生成についての時間ウィン
ドウについて言えば、選ばれた各階員につき一つの分析
記録しかない。

【０１３６】本発明においては、分析ファイルを生成す
るために予測領域と調査データ(censoring data)を定め
る後述のスキームを開発している。即ち、図１２におい
て、時間ウィンドウが基本的には予測ゾーンないし領域
９１０と、該予測ゾーンにおけるなにかを予測するのに
活動(activity)が利用される事象ウィンドウ（分析領
域）９１２とを定めている。当業者には明らかなよう
に、本発明では別の時間ウィンドウスキームを適当に利
用できるのは明らかである。

【０１３７】説明の都合上、クレーム歴がカバーする時
間をどこか「Ａ」点から始まって「Ｃ」点で終了する時
間ウィンドウと称することにする。この時間間隔は、Ａ
＜Ｂ≦Ｃの関係にある「Ｂ」点により分析及び予測領域
に区画されている。即ち、「Ｂ」は現在を、「Ａ」はは
るかに以前の事象を、「Ｃ」はもっと先の事象を表すこ
とになる。

【０１３８】例えばジェーン・ドーの分析記録が１９９
１年１月１日から１９９３年６月３０日までのクレーム
に基づいているものとする。この場合、Ａ＝１／１／９
１、Ｃ＝６／３０／９３であり、Ｂは両日付のどこか間
に、例えば１３／３１／０２に選択しても良い。一般
に、Ａは日付抽出プロトコール（即ちデータが得られる
時点から）に基づいて定めて、Ｃについては会員が依然
と登録されており給付金の受給資格を有する最終日で定
める。言うまでもなく、本発明を実施するに当たって
は、これ以外の定義付けの仕方を適宜選択することもで
きる。

【０１３９】現時点Ｂの定義が重要である。本発明にあ
っては、予測モデルの精度を最大化するためにＢについ
ては二つの基本的定義を設けている。当業者には理解で
きるようにＢについて別の定義を利用することもできる
けれども。

【０１４０】図１３は、スキーム１と称して、図８に示
した事象レベルファイルからデータを処理するに当たっ
て利用する典型的な時間ウィンドウスキームを示してい
る。

【０１４１】スキーム１において、ＢからＣにかけて事
象予測領域を設定することで、分析における全ての会員
に対してＢ＝Ｃ-（ｘ＃ヶ月）としている。例えば６ヶ
月ＣＨＦ入院（ＨＬ）モデル（即ち、ＨＬは従属変数と
して用いる）を構築する場合、Ｂ＝Ｃ-（６ヶ月）であ
る。ジェーン・ドーの事例においては、Ｂは１２／３１
／９２に等しいことになる。従って、ＡからＢまで（１
／１／９１〜１２／３１／９２）をカバーする日付だけ
を利用して、「次の６ヶ月」におけるＣＨＦを予測す
る。ここで言う「次の６ヶ月」とは、時点Ｂが「今時
点」であり、その後の時点は将来にあり、その前の時点
は過去にあることを含蓄している。これがスキーム１の
基調概念であって、予測モデルの実施と運用について理
解する上で重要なものである。

【０１４２】本発明の別の実施の形態としては、予測す
べき事象の出現を反映する(reflectproximity to the e
vent)分析重みを、例えば３ヶ月以内ｘ１、３−６ヶ月
ｘ.７５、６−９ヶ月ｘ.５、９−１２ヶ月ｘ.２５、１
２ヶ月以上ｘ.１２５として利用することもできる。当
業者に知られている例えば負の重み付けの如くその他の
適当な重み付け法を利用することもできる。例えば本発
明の典型的な実施の形態では、実際に用いている重みフ
ァクターは１／ｅ^-xであり、ここでのｘは各事象ごとに
つき時点Ｂからの時間（月）を表す。

【０１４３】それ故、時間ウィンドウスキームと所定変
数の適当な集合が与えられれば、処理ステップ６５０で
分析ファイルが生成されるのである。

【０１４４】図８へ戻って、ステップ６５０において分
析ファイルが生成されると、次のステップ６６０におい
て、統計データを利用して分析ファイルを処理するステ
ップ６６０が実行され、これで同定病症予測モデルが得
られる。

【０１４５】分析ファイルを用いれば、統計学的技法を
利用することで種々の識別ないし予測モデルを構築する
ことができる。特に、会員のレベルにある分析ファイル
をＳＡＳにおいて得られる統計的機能を用いて処理して
いる。本発明の典型的な実施の形態においては、予測モ
デルを生成するために実行する統計処理は記号論理的多
重回帰(multiple logistic regression)である。当業者
には理解され得るように、本発明にあってはその他の統
計学的技法を利用することもできる。

【０１４６】典型的な実施の形態においては、統計学的
処理を分析ファイルに適用すると、当該処理で所定のレ
ベルの重要度（確率値＜０.０５）を満たす変数が判別
する。これらの変数は、算術式 Logit(p) = a + bx₁ +
cx₂・・・・+ zx_i（但し、ｘ１からｘｉまでは判別した変
数、ａからｚまではこれらのパラメータの概算値を表
す）で表される予測モデルを構築している。すると、考
慮中の結果についての個々の確実性(ｐ)が、式 p = e
^-logit(p)/(1 + e^-logit(p)) を用いることで求められ
る。

【０１４７】前述のステップを用いて幾つかの実験を行
った。ある一つの実験においては、ＨＬ標識子を従属変
数とし、全ての会員について(with all commercial mem
bers)のスキーム１に基づくモデルの結果を求めた。得
られたＣＨＦによる健康悪化を最もよく予測しそうな独
立変数は、(１)ＣＨＦによる入院、(２)ループ利尿薬−
一日量(days supply)、(３)高血圧での入院−滞在期
間、(４)ＣＨＦでの医者訪問、(５)ＭＩでの医者訪問、
(６)ＡＣＥ抑制剤所持量(possession)（負の標識子）で
あった。

【０１４８】別の実験では、ＨＬ標識子を従属変数と
し、ＣＨＦで以前に入院したことのない全ての会員につ
いてのスキーム１に基づくモデルの結果を求めた。得ら
れたＣＨＦによる健康悪化を最もよく予測しそうな独立
変数は、(１)ループ利尿薬−一日量(days supply)、
(２)ＣＨＦでの医者訪問、(３)ＩＨＤでの入院、(４)Ｉ
ＨＤでの医者訪問、(５)糖尿病での救急室訪問、(６)高
血圧での入院−滞在期間、(７)生活様式での救急室訪
問、(８)その他の心臓病での入院、(９)肺の状態での医
者訪問、(10)貧血での医者訪問又は貧血での救急室訪
問、(11)「その他」のＣＶ薬の処方(Rx)であった。

【０１４９】また別の実験では、ＨＬ標識子を従属変数
とし、メディケード会員についてのスキーム１に基づく
モデルの結果を求めた。得られたＣＨＦによる健康悪化
を最もよく予測しそうな独立変数は、(１)ＣＨＦによる
入院、(２)ループ利尿薬−一日量(days supply)、(３)
ＣＨＦでの入院、(４)糖尿病での医者訪問であった。

【０１５０】スキーム１に代わるものとしてのスキーム
２を図１４に示しているが、ここでは本発明で生成した
事象レベルのファイルからデータを処理する際に利用す
る二番目の典型的な時間ウィンドウスキームを示してい
る。

【０１５１】スキーム１とスキーム２との相違点は、少
なくとも一つの同定病症での入院ないし救急室訪問（Ｈ
Ｌ／ＥＲ）を有する会員に対する予測領域の定義付けが
異なっている点にある。時点Ｂから始まるスキーム２で
の予測領域は、各会員の記録を複数パスして定めてい
る。前述のジェーン・ドーの事例における分析記録(1/1
/92から6/30/93、A=1/1/91、C=6/30/93)に当てはめて時
点Ｂを定めるに当たりスキーム２がどのように働くかを
説明するが、その際、ジェーン・ドーはうつ病で３回、
即ち、4/1/91、4/1/92、4/1/93に入院したものと仮定す
る。

【０１５２】時点Ｂは、最初の同定病症ＨＬ／ＥＲ-１
ヶ月の日付、或いは会員のクレーム歴に同定病症ＨＬ／
ＥＲがない場合では時点Ｃと等しくなるように設定され
ている。ジェーン・ドーの場合ではＢ＝4/1/91である。
本発明の典型的な実施の形態にあっては、ＨＬ日から１
ヶ月遡らせているが、これはモデルを利用する環境を模
するためである。点数報告書(scoring report)に基づい
て病症管理行為に対するモデルのスコアリング(scorin
g)から少なくとも３０日の遅れがある可能性が考えられ
る。ジェーン・ドーの事例ではＢ＝4/1/91-（１ヶ月）
＝2/28/91となる。この場合でのジェーンの記録は、分
析領域の時間間隔が２ヶ月だけしかない、即ち、通常デ
ータ歴に必要とされている６ヶ月よりも短いから、モデ
ル構築には使えない。

【０１５３】次の（又は三回目ないしそれ以後の）ＨＬ
日付を用いてステップ１とステップ２とを繰り返して時
点Ｂを設定すると、ジェーン・ドーの記録は二回目と三
回目のパスでモデル構築に組み込まれることになる。本
発明の典型的な実施の形態では、このプロセスは、研究
対象の中に５つかそれ以上の同定病症を有する人はあり
得ないと考えられるから、３回ないし４回のパスで終結
する。

【０１５４】尚、モデリングを繰り返した結果、別に独
立変数を設定する煩わしさが増えることになる。しか
し、スキーム２の重要な利点は、予測ＨＬ／ＥＲ率がス
キーム１よりも大きいところにある。

【０１５５】更に別の実施の形態では、予測すべき事象
の出現を反映する(reflect proximity to the event)分
析重みを、例えば３ヶ月以内ｘ１、３−６ヶ月ｘ.７
５、６−９ヶ月ｘ.５、９−１２ヶ月ｘ.２５、１２ヶ月
以上ｘ.１２５として利用することもできる。当業者に
知られているその他の適当な重み付け法を利用すること
もできる。このような重み付け法はスキーム１やスキー
ム２の何れとも利用できる。

【０１５６】尚、それぞれの実験の結果では特定の予測
モデルに異なった数の独立変数が利用できることが示さ
れ、所望のモデルの精度に応じて、選択された従属変数
を正確に予測する個々の能力に基づきそれ以上又はそれ
以下の独立変数を用いることができる。

【０１５７】リスク階層化と介入リストの生成 次に、求めた予測モデルをクライアント特有のデータに
適用する。求めたモデルは既存のデータや、定期的に更
新されるデータ、或いは、その他の給付金プロバイダの
その他のクレームデータベースに適用することができ
る。そのためには、興味のある求められた独立変数だけ
を処理すべきである。言うまでもないことではあるが、
新たなクレームデータベースが分析されるにつれて、他
の変数がよりよい予測子になり得るかを判定するため
に、全てのプロセスが繰り返されて新たなモデルが生成
される。

【０１５８】モデルを適用することで発生した出力は、
患者の健康状態が悪化しかねない兆しを表す標識子（即
ち、従属変数で定められた経験）が示す同定病症を有す
る全ての患者のリストを含むファイルである。このリス
トは、健康状態悪化の可能性が５％もしくは１０％ごと
に大きくなるとか、可能性の増分に応じてサブグループ
化しても良い。

【０１５９】モデルの性能については、各５％ないし１
０％増分サブグループごとの予測ウィンドウに発生する
実際の健康悪化の可能性の指摘(actual adverse health
outcomes)の数を求めることにより評価できるようにな
る。

【０１６０】前述したように同定病症患者のデータベー
スないし将来のクレームデータにモデルを適用するか、
新データベースに新モデルを構築することにより、同定
病症の可能性が大きい患者を同定できるから、種々の介
入を施すことにより当該患者に対する健康管理リソース
の効果的な割当てを最大化することができる。リスク階
層化（ＲＳ）プロセス１４０は、そのような患者のリス
トを生成するために必要なものであり、介入管理プロセ
ス１６０はこれらのリストを取り込んで同定病症の患者
に対して介入を開始させるようになっている。これらの
プロセスについて以後詳述する。このような介入は1)特
定の症例管理、2)サブグループの特性に基づいた新規介
入、3)高リスク介入、4)（相対的）高コスト介入、5)言
うまでもなく医学安全指針に則る計画改善の何れかの形
を取ることがある

【０１６１】図２において、リスク階層化（ＲＳ）プロ
セス１４０は、介入管理プロセス１６０に同定病症で健
康悪化の可能性のある患者のリストを供給することによ
り病症管理システムに対応している必要がある。この間
者のリストを介入リストと呼ぶ。

【０１６２】図１５に、ＲＳフロントエンド１１１０モ
ジュールと、ＲＳマイニングエンジン(mining engine)
（ＭＥ）１１１２モジュールと、ＲＳデータベース１１
１８とからなるリスク階層化プロセス１４０の高レベル
フローチャートを示す。これらの二つのモジュールは協
働してＲＳデータベース１１１８から介入リストを出力
する。

【０１６３】ＲＳフロントエンド（ＦＥ）１１１０は、
末端ユーザーをして、患者の病症プログラムを走らせた
り、維持するのに必要な情報の入力ができるようにして
いる。

【０１６４】本発明のＲＳフロントエンド１１１０は、
３２ビットソフトウェア開発ツールであるデルフィ2.0
を用いて書かれている。このＲＳフロントエンド１１１
０は、ウィンドウズＮＴまたはユニックスサーバー上で
走るサイベース(Sybase)システムに患者と病症のパラメ
ータを記憶させる。このＲＳフロントエンド１１１０で
は、ボーランド社製３２ビットサイベースＳＱＬリンク
なるデータベースドライバーを利用している。しかし、
本発明はその他の類似の開発及びデータベースツールを
用いて実施することもできるものであるから、前述のツ
ールに限定されるものではない。

【０１６５】ＲＳマイニングエンジン１１１２は割り当
てられた(scheduled)クライアント同定病症プログラム
を走らせて、図２の介入管理プロセス１６０に供給する
介入リストを生成する。このＲＳマイニングエンジン１
１１２は、下記の基本的なプログラム論理を有するバッ
チないしダイモンプロセスである。

【０１６６】Ａ．毎晩（バッチ）又はダイモンプロセス
として立ち上げる。 Ｂ．スケジュールと入手可能なデータに基づき、走らせ
るのに必要なクライアント同定病症プログラムを判定す
る。 Ｃ．予定されているクライアント病症プログラムにつ
き、 a)病症プログラムルールコンポーネントを獲得。 b)各ルールコンポーネントごとに病症プログラムパラメ
ータを獲得。 c)同定症状プログラムに必要なデータストリーム（Rx、
Mx及びラボ）があることを有効化する。 d)予定されているクライアント同定病症プログラムを初
期化する。 e)予定されているクライアント同定病症プログラムを実
行する。 f)介入管理プロセス１６０に介入リストを供給する。 Ｄ．終了（バッチ）又は、スリープに設定（ダイモン）

【０１６７】ＲＳマイニングエンジン１１１２は、３２
ビットソフトウェア開発ツールであるデルフィ２.０を
用いて書かれている。このＲＳマイニングエンジン１１
１２はＲＳフロントエンド１１１０からクライアント薬
局クレーム、医学クレーム及び特定病症プログラムのた
めのラボ検査情報と組合わさって出された病症パラメー
タを処理して、特定の介入リストを出力するが、これら
全てのリストはリレーショナルデータベースから検索さ
れたり、記憶されるようになっている。ＲＳマイニング
エンジン１１１２は、ウィンドウズＮＴまたはユニック
スサーバー上で走るサイベースシステム１１データベー
スを利用している。また、このＲＳマイニングエンジン
１１１２では、ボーランド社製３２ビットサイベースＳ
ＱＬリンクなるデータベースドライバーが使われてい
る。しかし、本発明はその他の類似の開発及びデータベ
ースツールを用いて実施することもできるものであるか
ら、前述のツールに限定されるものではない。

【０１６８】図１５に示したリスク階層化プロセスの動
作について詳述する。図２の症例管理プロセス１５０
か、又は別の実体と連携する末端ユーザーは、先ずＲＳ
フロントエンド１１１０に末端ユーザー同定病症プログ
ラム情報を入力する。するとＲＳフロントエンドは新た
な同定病症のセットアップのための情報や、新たな病症
プログラム、予測モデルとルール、クライアント特定パ
ラメータ、病症特定ルールパラメータ、それに、新たな
クライアントを記憶し、このＲＳフロントエンド１１１
０が病症プログラムをクライアント、スケジュール病症
プログラムとに連合させて情報レポートを走らせる。Ｒ
Ｓフロントエンド１１１０はこの情報を、ＲＳマイニン
グエンジン１１１２が用いているフォーマットで「病症
プログラム」として記憶する。

【０１６９】病症プログラムはＲＳフロントエンド１１
１０によりＲＳデータベース１１１８に供給されるが、
このＲＳデータベース１１１８には予測モデリングプロ
セス１３０から予測モデルとルール情報も取り込まれて
いる。最後に、ＲＳマイニングエンジン１１１２が患者
データに予測モデルを当てはめると、病症管理データベ
ース１２０から患者医学情報がＲＳマイニングエンジン
１１１２のためのＲＳデータベース１１１８に供給され
る。最後に、ＲＳマイニングエンジン１１２は、ＲＳマ
イニングエンジンが病症プログラムを実行して予測モデ
ルを患者データに当てはめるにつれて、ＲＳデータベー
ス１１１８に含まれている情報を取り込む。

【０１７０】図１６は、本発明のリスク階層化プロセス
のＲＳマイニングエンジン１１１２を示す高レベルのフ
ローチャートである。図１６に示したＲＳマイニングエ
ンジン１１１２は、ＲＳスケジュールマネジャー（Ｓ
Ｍ）１２１０とＲＳルールマネジャー（ＲＭ）１２１４
とＲＳ介入リストマネジャー（ＩＬＭ）１２１６の三つ
の重要なサブシステムで構成されている。各サブシステ
ムは、図２の病症管理データベース１２０の部分集合で
あっても良い、クライアント及び同定病症プログラム分
析環境(client and identified disease program analy
tic configurations)を含むＲＳデータベース１１１８
と互いに作用しあっている。

【０１７１】病症管理データベース１２０は、各クライ
アントごとの患者情報（会員、資格、薬局（Rx）クレー
ム、医学（Mx）クレーム、臨床ラボ（Ｌａｂ）クレー
ム）で定期的に更新されている。従って、ＲＳデータベ
ース１１１８も、クライアント及びクライアント会員情
報で定期的に更新されている。ＲＳマイニングエンジン
１１１２は、病症プログラム分析ルールで処理すべき適
当なクライアント患者情報を病症管理データベース１２
０から収集している。本発明の典型的な実施の形態にお
いては、全てのリレーショナルデータベースはサイベー
スシステム１１である。

【０１７２】ＲＳスケジュールマネジャー１２１０同定
病症プログラムのリストをコンパイルして、プログラム
を実行する予定時刻が到達したかどうかを確認するため
に各登録クライアントを調査することで実行する。ま
た、クライアント病症プログラムは、スケジュール化さ
れるに先立ってＲＳマイニングエンジン１１１２での実
行に備えて認められているものでなければならない。こ
のように承認するに当たっては、全ての病症プログラム
パラメータが入力されていること、それに、入力されて
いるデータがＲＳフロントエンド１１１０により有効化
されていて、ＲＳマイニングエンジン１１１２で処理で
きる状態にあることを明確にしている必要がある。最後
に、ＲＳスケジュールマネジャー１２１０が、必要なデ
ータストリームが全て得られることを確認する。ＲＳマ
イニングエンジン１１１２としては、定期的に実行され
るバッチプログラムであっても良い。前述の論理により
選択され各同定病症プログラムごとにＲＳルールマネジ
ャー対象が生成される。ＲＳルールマネジャー対象は順
次実行される。

【０１７３】その後、ＲＳルールマネジャー１２１６は
特定の同定病症プログラムを順序づけしたシーケンス(o
rdered sequence)で実行するため位に必要なルールを構
築する。これらのルールについては後ほどに詳述する
が、予測モデリングプロセス１３０と症例マネジャー１
５０により出されるものである。各ルール対象は病症プ
ログラムとクライアント特有ルール引数で初期化され
る。ルールシーケンスとしては、一つかそれ以上の共通
ルールと、患者群分類子（ＰＧＣ）と呼ばれる一つかそ
れ以上のルールのシーケンスを含んでいるのが望まし
い。ＰＧＣは、特定の基準に基づいて介入ないし報告す
るために特定のグループに狙ったクライアント患者群(t
argeted client patient population)を層状化するのに
用いられる。全ての介入と報告は症状プログラムＰＧＣ
のどれか一つ又はそれ以上における患者メンバーシップ
の基づいて実施される。

【０１７４】共通ルールはＰＧＣに先立って特定の順序
で実行される。一般にこれらのルールは、ルールで他の
ルール（クライアント関与、Rxクレーム、Mxクレームな
ど）のための環境が用意されるか、又は、他の複合ルー
ル（患者生存(Patient Active)、患者年齢、患者性別な
ど）により作用されるに先立って全体の患者セット容量
を減少させて全体の性能を向上させる除外作用を行うこ
とから、共通ルールと称している。特定のルールに「適
っていない」患者は、患者セットから除外される。

【０１７５】ＰＧＣは、共通ルールにより提供される患
者セットに対して並列処理される各ＰＧＣにおけるルー
ルと並列実行される。ＰＧＣルールは、セットにおける
各患者に対して符号計数機構(tally mechanism)を用い
て、その患者が特定のルールを通ったか、逸れたかを示
すようになっている。

【０１７６】全てのＰＧＣが終了すると、ＲＳ介入リス
トマネジャー１２１６が各ＰＧＣにおけるメンバーシッ
プのために各患者のスコアを取る。するとＲＳ介入リス
トマネジャー１２１６は介入管理プロセス１６０におけ
る後での処理のための介入リストを生成して保存する。

【０１７７】ＲＳスケジュールマネジャー１２１０は先
ず、バッチプロセスの起動時に、或いは、ダイモンとし
て実行している場合は周期的にＲＳデータベース１１１
８にアクセスして、承認されたクライアント同定病症プ
ログラムの実行予定日(approved client identified di
sease programs scheduled run date)が到達したかどう
か、また、全ての必要なクライアントデータストリーム
が更新されているかどうかを判断する。全ての必要なデ
ータストリームが得られるのであれば、ルールマネジャ
ー（ＲＭ）対象が各クライアントと病症プログラムごと
に生成される。

【０１７８】同定病症プログラム属性はテーブルに保存
してある。一つの属性は承認ステータスである。好まし
くは各同定病症プログラムが予定に組み込まれる前に承
認されているのが望ましい。何らかの同定病症プログラ
ムが予定されているのであれば、当該病症プログラムの
承認が無効になるようなことはない。

【０１７９】どのプログラムをいつ実行すべきかの判断
は、それ以外のパラメータを有するものの、その中でも
ステータスと実行予定日を含むスケジュールテーブルを
介して行われる。

【０１８０】ＲＳルールマネジャー１２１４は、単一の
病症プログラムを実行し、管理する役を担っている。

【０１８１】ルールは、それに対して割り当てられた患
者群分類子（ＰＧＣ）に従ってグループ分けされてい
る。第一に、共通ルール（ＰＧＣのないもの）が実行さ
れ、その後、病症プログラムにある各ＰＧＣが実行され
る。

【０１８２】ＲＳ介入リストマネジャー１２１６は、首
尾良く実行できた各クライアント病症プログラムを評価
して、そのプログラム内の各ＰＧＣに属するものとして
当該プログラムにより選択された会員の介入候補テーブ
ルにおけるリスト作りを編集する。

【０１８３】会員がどの共通ルールによるセットから削
除されていないのであれば、当該会員はＰＧＣに組み込
まれ、かくて各ＰＧＣルールに対する会員の出力が所望
値（非否定ルールには１、否定ルールには０）に一致す
る。

【０１８４】ＰＧＣに含まれた会員は、介入リストとも
なる介入テーブルに入れられる。このテーブルには、選
ばれた会員の識別情報と、プログラム実行と、会員が含
まれているＰＧＣと、医師識別ルールが使われた場合に
識別される医師が含まれている。

【０１８５】ルール − 一般的分類 「根幹ルール(Root Rule)」として分類されたルール
は、他の全てのルールに先立って実行する必要のあるル
ールを表していて、他の全てのルールにためにある環境
の初期化を行う。同定病症プログラムはどれも、一つだ
けの根幹ルールを有している必要がある。現に、この一
つだけの根幹ルールは、クライアント関与(Client Part
icipation)である。

【０１８６】「共通ルール」として分類されたルール
は、ＰＧＣに先立って実行され得るルールを表してい
る。共通ルールから「落ちこぼれた(fail)」会員は患者
セットから除外される。ルールは共通ルールとして、ま
た、ＰＧＣルールとして同時に実行され得る。

【０１８７】「ＰＧＣルール」として分類されたルール
は、共通ルールの後に並列実行され得るルールを表して
いる。ＰＧＣルールを「通過した(pass)」会員は、テー
ブルにおけるそのルールのために特に追加されたカラム
にマークされる。ルールは共通ルールとして、また、Ｐ
ＧＣルールとして同時に実行され得る。

【０１８８】「薬局クレーム生成(Creates Pharmacy Cl
aims)」なるルールは、薬局クレームのためのテーブル
を生成する。データソースに薬局クレームを用いる同定
病症プログラムはどれも、薬局クレームを用いるルール
に先立ってこの機能を実施できるルールを有しているの
が望ましい。

【０１８９】「医学クレーム生成(Creates Medical Cla
ims)」なるルールは、医学クレームのためのテーブルを
生成する。医学クレームを用いる同定病症プログラムは
どれも、医学クレームを用いるルールに先立ってこの機
能を実施できるルールを有しているのが望ましい。

【０１９０】「臨床検査データ生成(Creates Clinical
Test Data)」なるルールは、臨床検査データのためのテ
ーブルを生成する。ラボクレームを用いる病症プログラ
ムはどれも、ラボクレームを用いるルールに先立ってこ
の機能を実施できるルールを有しているのが望ましい。

【０１９１】「専門利用(Use Specialties)」なるルー
ルは、医者の専門情報を利用する。

【０１９２】「薬局クレーム利用(Uses Pharmacy Claim
s)」なるルールは、薬局クレーム情報を含むテーブルを
利用する。

【０１９３】「医学クレーム利用(Uses Medical Claim
s)」なるルールは、医学クレーム情報を含むテーブルを
利用する。

【０１９４】「臨床検査データ利用(Uses Clinical Tes
t Data)」なるルールは、臨床検査情報を含むテーブル
を利用する。

【０１９５】ＲＳマイニングエンジン１１１２における
全てのルール対象は、全てのルールが共有するある基本
的機能構造をもたらす共通の先祖から下っている。

【０１９６】ルール − 選択ルールと介入ルール ＲＳマイニングエンジン１１１２のここでの実施の形態
は、種々の選択及び介入ルールをサポートしている。

【０１９７】１）クライアント関与ルール(Client Part
icipation Rule) 患者が病症管理プログラムに登録されたグループの一員
かどうかを表す識別子。このルールで、次のルールによ
り考慮される全ての患者が、クライアントが当該プログ
ラムに関与したがっているグループの一員であることが
はっきりする。このルールで、患者の給付金構造(benef
it structure)からして病症プログラムが適切に機能す
ることが確認できる。クライアント関与は現在のところ
唯一の根幹ルールである。従って、病症プログラムでは
最初のルールであるのが望ましい。これは常に共通ルー
ルとして実行される。

【０１９８】２）Rxクレームルール(Rx Claim Rule) このルールで単一の同定病症プログラムの実行に適用し
得る全ての薬局クレームデータを選択する。特定の分析
時間枠内での特定の薬グループのために選択された薬局
処方クレームを定める。Rxクレームルールは常に共通ル
ールである。通常、与えられたプログラムで一回実行さ
れるのみである。

【０１９９】３）特定薬の存在ルール(Existence of a
Specific Drug Rule) このルールは、ルールの時間枠内での特定の薬グループ
における少なくとも一つの薬のクレームで会員を識別す
る。このルールは共通ルールか、ＰＧＣルールの何れか
で実行し得る。

【０２００】４）再発患者ルール(Recurrent Patient R
ule) このルールは、患者が病症について複合独立エピソード
（再発性）の可能性を示す服薬パターンを持っているか
どうかを識別する。このルールで、特定の薬治療の離散
エピソードを少なくとも幾つか有している患者を選択す
る。このルールは共通ルールか、ＰＧＣルールの何れか
で実行し得る。

【０２０１】５）現治療法停止ルール(Stoppage in Cur
rent Therapy Rule) このルールは、特定の薬グループに対しての薬治療を停
止すべき患者を識別する。これは、その薬グループでの
薬の最終処方に基づいて判定する。このルールは共通ル
ールか、ＰＧＣルールの何れかで実行し得る。

【０２０２】６）患者年齢ルール(Patient Age Rule) このルールは、特定のターゲット範囲内に該当する年齢
の患者を識別する。このルールは共通ルールか、ＰＧＣ
ルールの何れかで実行し得る。

【０２０３】７）最低患者資格ルール(Minimum Patient
Eligibility Rule) このルールは、患者には特定の連続期間に亙り医学ない
し投薬給付金を受ける資格があるかどうかを識別する。
このルールは共通ルールか、ＰＧＣルールの何れかで実
行し得る。

【０２０４】８）患者生存ルール(Patient Active Rul
e) このルールは、会員が生きているいて、介入時にプログ
ラムに含ませるべきグループにあることを証明する。こ
のルールは共通ルールか、ＰＧＣルールの何れかで実行
し得る。

【０２０５】９）平均パフ当量ルール(Average Puff Eq
uivalence Rule) このルールは、会員が特定の時間枠の間に薬治療の所要
平均パフ当量を有しているかどうかを識別する。このル
ールは共通ルールか、ＰＧＣルールの何れかで実行し得
る。

【０２０６】１０）出来事回数ルール(Count of Occurr
ences Rule) このルールは、患者に特定の薬治療について異なった規
定日(filled dates)に選択範囲の出来事があったかどう
かを識別する。このルールは共通ルールか、ＰＧＣルー
ルの何れかで実行し得る。

【０２０７】１１）患者性別ルール(Patient Gender Ru
le) このルールで、特定性別の会員を識別する。このルール
は共通ルールか、ＰＧＣルールの何れかで実行し得る。

【０２０８】１２）服用量繰返しルール(Dose Level Re
currence Rule) このルールは、同一又は類似の重さの病症についての複
合独立エピソード（再発性）の可能性を示す特定の服用
量範囲での服薬パターンを持っているかどうかを識別す
る。このルールで、特定の薬治療の離散エピソードを少
なくとも幾つか有している患者を選択する。このルール
は共通ルールか、ＰＧＣルールの何れかで実行し得る。

【０２０９】１３）所要服用量での連続治療のルール(C
ontinuous Therapy at Required DoseLevel Rule) このルールは、特定の期間に亙って特定の服用量範囲で
の連続薬治療を受けている患者を識別する。このルール
は共通ルールか、ＰＧＣルールの何れかで実行し得る。

【０２１０】１４）併用治療ルール(Concurrent Therap
y Rule) このルールは、特定の薬グループについて少なくとも所
定期間に亙り重複した治療を受けている患者を識別す
る。このルールは共通ルールか、ＰＧＣルールの何れか
で実行し得る。

【０２１１】１５）服用量ルール(Dose Level Rule) このルールは、特定の服用量範囲で特定の薬治療のRxク
レームを有する患者を識別する。このルールは共通ルー
ルか、ＰＧＣルールの何れかで実行し得る。

【０２１２】１６）薬使用量ルール(Drug Usage Level
Rule) このルールは、期待値(expected values)に対する薬使
用量が所定範囲にある会員を識別する。このルールは共
通ルールか、ＰＧＣルールの何れかで実行し得る。

【０２１３】１７）特定薬の加重存在ルール(Weighted
Existence of Specific Drug Rule) このルールは、薬治療が指定のリスク点数範囲にある会
員を識別する。各薬治療にはリスク点数が割り当てられ
ていて、患者の累積リスク点数を判別するに当たって
は、会員の薬歴を評価する。このルールは共通ルール
か、ＰＧＣルールの何れかで実行し得る。

【０２１４】１８）医者識別ルール(Physician Identif
ication Rule) このルールは、介入すべきと認定して会員についての連
絡を送る特定の処方作成者(prescriber)を選択する。こ
の選択は、その会員に対する薬局クレームと、患者デー
タ書庫１２０にある会員データから見出される会員の主
治医についての情報との何れか一方、又は両方に基づい
ている。このルールは共通ルールか、ＰＧＣルールの何
れかで実行し得る。

【０２１５】１９）全会員ルール(All Member Rule) 全会員ルールは、記録集合にある全ての会員を選択す
る。共通ルールで選択された全ての会員を含むＰＧＣを
サポートするのに使われる。また、このルールは、ある
種の病症プログラムの最適化をサポートするためにＲＳ
マイニングエンジン１１１２により内部で利用される。
このルールは共通ルールか、ＰＧＣルールの何れかで実
行し得る。

【０２１６】付帯書類ＶＩには、本発明の好ましい実施
の形態で用いられている如くの選択ルールのリストとそ
の説明書が含まれている。これらのルールは当業者には
改変したり、削除したり、本発明の特定の実施のために
新たに追加することも容易である。

【０２１７】介入管理プロセス もう一度図２へ戻って、リスク階層化プロセス１４０
は、特定の介入を実施するために介入リストを介入管理
プロセス１６０に出力する。介入には、介入リストにあ
げられている会員患者に対する最初の申し出、病症プロ
グラムの完全実施、教材の送付、内線ないし外線電話通
信、ファックス交信、Ｅ−メール交信、音声応答交信な
どがある。介入管理プロセス１６０で、介入記録追跡プ
ロセス１７０に介入情報が送られ、それで病症管理サー
ビスを施すことで特定の病症の結果を向上させることが
できるかどうかを判定するために介入を記録する。

【０２１８】図１７は、本発明の介入管理プロセス１６
０の高レベルの図であり、介入プログラムと呼ぶ介入プ
ロセスは同定病症を有するクライアント会員の介入リス
トに基づいて実施される。図１７に示した介入管理プロ
セス１６０には、介入プログラムを開始するプログラム
実行１３１０と、同定患者を介入プログラムに登録する
登録１３２０と、登録患者に対する介入を実行する介入
１３３０と、患者に対する介入の結果を分析する分析１
３４０とが含まれている。

【０２１９】介入管理プロセス１６０には、病症管理デ
ータベース１２０からデータが、また、リスク階層化プ
ロセス１４０から介入リストが供給される。このデータ
供給ないし検出プロセスには病症プログラムに関与する
条件を満たした特定の患者を識別するパラメータが備わ
っている。この検出プロセスで、下記の条件で特定の病
症プログラムにおいて考慮する個体群(population)が得
られる。

【０２２０】１）病症管理データベース１２０が予定通
り介入管理システムにクライアントの更新された同定病
症患者データを供する。

【０２２１】２）介入記録追跡プロセス１７０が病症管
理データベース１２０に介入接触データを送り返す。こ
の介入データは分析プロセスでの利用に備えてそこに保
存される。

【０２２２】３）介入管理プロセス１６０が、新たな登
録者と認定された「追加("add")」による新たな介入デ
ータや、病症検出とその後の診断の変動、又は、介入マ
ネジャーからの個々の登録要請を検出して選択すると共
に、パスする。

【０２２３】４）介入記録追跡プロセス１７はプログラ
ムのために以前に選択された人たちについての患者デー
タを取り込む。個人的な又は医学データに変化が生じた
場合、データ修正が行われる。例えば、別に医学的ない
し薬局クレームが取り込まれるか、又は、別のラボ報告
が確保される。

【０２２４】図１７において、プロセスの最初のステッ
プはプログラム実行ステップ１３１０である。このプロ
グラム実行は、予め定められている基準に従って患者群
を選択するプロセスにより病症プログラムが実施されて
最初の介入が提供されるプロセスである。選択に伴っ
て、特定の所定プログラム活動が行われる。

【０２２５】一例としての実行内容としては下記のこと
が考えられる。1)患者がプログラムに組み込まれたこ
と、病症プロトコール、それに、医者が奨める行動など
を知らせる手紙が患者に代わって当該医者に送られる。
2)介入管理データが病症管理データベース１２０から介
入管理システムに１６０にパスされてロードされる。3)
医者の手紙が送付されたことを表す最初の「接触セグメ
ント(contact segment)」が患者のために追加される。

【０２２６】もう一つの一例としての実行内容としては
下記のことが考えられる。1)病症プログラムに組み込ま
れたことを知らせる医者の手紙が患者に送付されると共
に、その写しが医者にも送付される。2)患者が、音声応
答システムを介して特定の質問に返答するように要請さ
れる。3)接触が追加され、将来の処理に備えて返答が分
析される。

【０２２７】プロセスの次のステップは登録ステップ１
３２０である。このステップでは、患者がプログラムに
登録される。患者は、介入管理システムとのインターフ
ェースを介して病症管理サービスに登録される。これら
のインターフェースは音声応答システムであっても良い
し、或いは、書面による返事、直接呼び出しであっても
良い。登録プロセスで、介入管理システムでの介入事象
のスケジュール立てが開始する。

【０２２８】その次のステップは介入プロセス１３３０
であって、これは、1)治療コースとのコンプライアンス
を保証し、2)患者と医者とに病症教材を提供し、3)遠方
から緊急援助を差しのべ、3)各介入を「接触」として日
誌に記入することで、プログラムの有効性の判定材料と
すると共に、プログラムに対する中間調整を行う枠組を
確立し、4)プログラムの有効性についてプロダクトマネ
ジャーにデータを送り返すのを目的として、医者とクラ
イアントとに仲立ちするプロセスである。

【０２２９】最後のステップは分析プロセス１３４０で
あって、病症管理サービスが成功したかどうかを判定す
るために、病症情報を同化する。介入管理システムは分
析報告を出すようなことはしないが、このプロセスの最
中に非常に重大(critical)な情報が処理に備えて病症管
理データベース１２０に戻される。

【０２３０】ここまで典型的な実施の形態について本発
明を詳述したが、本発明は、添付の請求の範囲に含まれ
る改変を施して実施されることもあり得る。

【図面の簡単な説明】

【図１】 本発明の病症管理システムの高レベルの図。

【図２】 本発明の病症管理システムの典型的な全体プ
ロセスを示す高レベルのフローチャート。

【図３】 本発明の生患者データ獲得、予備処理、デー
タベース形成を示す高レベルフローチャート。

【図４】 本発明で利用するに適した三つの典型的な情
報源を示す高レベルのブロック図。

【図５】 本発明の生患者データ予備処理プロセスにお
ける変換プロセスの一実施の形態を示すフローチャー
ト。

【図６】 本発明の一実施の形態における病症管理デー
タベースで用いられている如くの典型的なデータモデル
を示す図。

【図７】 本発明の典型的な実施の形態における研究デ
ータベースに含まれる記録のRx、ＤＲ、ＨＬクレームの
それぞれの研究データベースフォーマットを示す図。

【図８】 本発明の同定病症のための抽出プロセスと予
測モデリングプロセスを示す図。

【図９】 同定病症がうつ病である場合に生成される、
本発明の一実施の形態による事象レベルファイルを示す
図。

【図１０】 同定病症が充血性心不全である場合に生成
される、本発明の一実施の形態による事象レベルファイ
ルを示す図。

【図１１】 同定病症の場合での本発明に一実施の形態
による分析ファイルのフォーマットを示す図。

【図１２】 本発明で利用する事象及び予測ウィンドウ
スキームを示す時間軸図。

【図１３】 図９と図１０とに示した事象レベルファイ
ルからデータを処理するのに用いるのに適した一つの典
型的な時間ウィンドウスキームを示す時間軸図。

【図１４】 図９と図１０とに示した事象レベルファイ
ルからデータを処理するのに用いるのに適したもう一つ
の典型的な時間ウィンドウスキームを示す時間軸図。

【図１５】 同定病症の介入リストを生成する、フロン
トエンドプロセスとマイニングエンジンプロセスとを含
む本発明のリスク階層化プロセスを示す高レベルのフロ
ーチャート。

【図１６】 本発明のリスク階層化プロセスのマイニン
グエンジンを示す高レベルのフローチャート。

【図１７】 本発明の介入管理プロセスの高レベルの
図。

【符号の説明】

１００ 患者の罹患情報データベース １０２ 予測健康結果モデリングプロセス １０３ 危険状態患者への介入プロセス １０４ モデリングガイドライン １０５ 介入及び医学的ガイドライン １２０ 病症管理データベース １４０ リスク階層化プロセス １６０ 介入管理システム。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 エドワード・フランシス・ガロ アメリカ合衆国19422ペンシルベニア州ブ ルー・ベル、バーガンディ・サークル100 番 (72)発明者 デニス・ランガー アメリカ合衆国08540ニュージャージー州 プリンストン、クリーブランド・レイン12 番 (72)発明者 ブルース・プレス アメリカ合衆国19422ペンシルベニア州ブ ルー・ベル、スパイグラス・ドライブ141 番 (72)発明者 スピロス・スタブラカス アメリカ合衆国18054ペンシルベニア州リ ッチボロー、オーソドックス108番 (72)発明者 ブルース・ジャン・オン・ウォン アメリカ合衆国19087ペンシルベニア州ラ ドナー、ガルフ・クリーク・ドライブ1254 番

Claims (4)

【特許請求の範囲】
1. 【請求項１】 少なくとも一つの既存データベースにあ
   る患者に関する情報を利用した病症ないし症状介入のた
   めの、コンピュータにて実行する方法であって、 a) 同定病症ないし症状に関する患者群の患者情報を抽
   出すべく、所定の基準に基づいてデータベースにおける
   患者情報を処理するステップと、 b) i)同定病症ないし症状に適切な事象ないしデータの
   集合を、前記データベースで得られる情報を利用するこ
   とで定義付け、 ii)前記抽出した患者情報と定義付けした事象ないしデ
   ータを事象レベル情報からなるファイルに変換し、 iii)定義付けした事象の特定部分を以後の処理で考慮す
   べきかどうかを判断する材料となる時間枠を生成するた
   めに時間ウィンドウを定め、 iv)潜在的予測子としての変数の集合を識別し、 v)分析ファイルを生成すべく、前記時間ウィンドウと変
   数の集合とを利用して事象レベル情報を処理し、 vi)前記変数の集合の部分集合の関数であると共に、同
   定病症ないし症状を有すると診断されたか、又は、同定
   病症ないし症状に罹患しそうな危険状態の患者を識別す
   るのに用いる予測モデルとルールとを生成すべく、分析
   ファイルに対して統計分析を行うことにより、予測モデ
   ルを定義付けるステップと、 c) 同定病症ないし症状の危険状態にある患者を識別す
   るか、又は、同定病症ないし症状に罹患しそうな危険状
   態にある患者を識別するために、同一又は新たな集合の
   事象レベル情報に前記予測モデルとルールとを当てはめ
   るステップと、 d) 識別した危険状態の患者から介入リストを用意し
   て、少なくとも一人の危険状態の患者のために介入を選
   択するステップと、 e) 前記患者に対して介入を施すか、又は、施せるよう
   に促進するステップと、 f) 所望に応じて、選択された介入に基づいて各危険状
   態の患者に対する介入結果を記録且つ追跡するステップ
   と、 g) 所望に応じて、前記データベースに対応する各介入
   結果で少なくとも一つのデータベースにおける履歴デー
   タを更新するステップと、 h) 前記ステップｂ(ii)を繰り返すステップと、 I) 更新したデータベースにおけるデータから抽出した
   事象レベル情報に対して前記予測モデルとルールとを再
   度当てはめるステップとからなる方法。
2. 【請求項２】 少なくとも一つの既存データベースにあ
   る患者に関する情報を利用した病症管理のための、コン
   ピュータにて実行するシステムであって、 a) 同定病症ないし症状を有する患者群の患者情報を抽
   出すべく、所定の基準に基づいてデータベースにおける
   患者情報を処理する処理手段と、 b) i)同定病症ないし症状に適切な事象ないしデータの
   集合を、前記データベースで得られる情報を利用するこ
   とで定義付ける事象定義付け手段と、 ii)前記抽出した患者情報と定義付けした事象ないしデ
   ータを事象レベル情報からなるファイルに変換する変換
   手段と、 iii)定義付けした事象の特定部分を以後の処理で考慮す
   べきかどうかを判断する材料となる時間枠を生成するた
   めに時間ウィンドウを定める手段と、 iv)潜在的予測子としての変数の集合を識別する手段
   と、 v)分析ファイルを生成すべく、前記時間ウィンドウと変
   数の集合とを利用して事象レベル情報を処理する手段
   と、 vi)前記変数の集合の部分集合の関数であると共に、同
   定病症ないし症状を有すると診断された患者を識別する
   のに用いる予測モデルとルールとを生成すべく、分析フ
   ァイルに対して統計分析を行う手段とからなる、予測モ
   デルを定義付ける手段と、 c) 同定病症ないし症状について危険状態にある患者を
   識別するために、同一又は新たな集合の事象レベル情報
   に前記予測モデルとルールとを当てはめ、 d) 識別した危険状態の患者から介入リストを用意し
   て、少なくとも一人の危険状態の患者のために介入を選
   択する手段と、 e) 前記患者に対して介入を施すか、又は、施せるよう
   に促進する手段と、 f) 所望に応じて、選択された介入に基づいて各危険状
   態の患者に対する介入結果を記録且つ追跡する手段と、 g) 所望に応じて、前記データベースに対応する各介入
   結果で少なくとも一つのデータベースにおけり履歴デー
   タを更新するか、又は、ステップ(ｆ)にて得られた前記
   データを利用して小データベースを生成する手段と、 h) ステップｂ(i)を繰り返す手段と、 i) 更新したデータベースにおけるデータから抽出した
   事象レベル情報に対して前記予測モデルとルールとを再
   度当てはめる手段とからなるシステム。
3. 【請求項３】 コンピュータデータベースにおける患者
   情報から健康介入プロダクトを生成する方法であって、 a) 同定病症ないし症状を有する患者群の患者情報を抽
   出すべく、所定の基準に基づいてデータベースにおける
   患者情報を抽出して処理するためにコンピュータを利用
   するステップと、 b) i)同定病症ないし症状に適切な事象ないしデータの
   集合を、前記データベースで得られる情報を利用するこ
   とで定義付けるステップと、 ii)前記抽出した患者情報と定義付けした事象ないしデ
   ータを事象レベル情報からなるファイルに変換するステ
   ップと、 iii)定義付けした事象の特定部分を以後の処理で考慮す
   べきかどうかを判断する材料となる時間枠を生成するた
   めに時間ウィンドウを定めるステップと、 iv)潜在的予測子としての変数の集合を入力するステッ
   プと、 v)前記時間ウィンドウと変数の集合とを利用して事象レ
   ベル情報を処理することで分析ファイルを生成するステ
   ップと、 vi)前記変数の集合の部分集合の関数であると共に、同
   定病症ないし症状を有すると診断された患者を識別する
   のに用いる予測モデルとルールとを生成すべく、分析フ
   ァイルに対して統計分析を行う手段とからなる、予測モ
   デルを定義付けるステップとからなる予測モデルをコン
   ピュータにプログラム化するステップと、コンピュータ
   において、 c) 同定病症ないし症状について危険状態にある患者を
   識別するために、同一又は新たな集合の事象レベル情報
   に対して前記予測モデルとルールとを実行させるステッ
   プと、 d) 識別した危険状態の患者から介入リストを出力し
   て、少なくとも一人の危険状態の患者のために介入を選
   択するステップと、 e) 前記患者に対して介入を施すか、又は、施せるよう
   に促進するステップと、 f) 所望に応じて、選択された介入に基づいて各危険状
   態の患者に対する介入結果を記録且つ追跡するステップ
   と、 g) 前記データベースに対応する各介入結果で少なくと
   も一つのデータベースにおけり履歴データを更新する
   か、又は、前記データを利用して新たなデータベースを
   生成するステップと、 h) ステップｂ(i)を繰り返すステップと、 i) ステップ(ｇ)にて生成したデータベースにおけるデ
   ータから抽出した事象レベル情報に対して前記予測モデ
   ルとルールとを再度実行するステップと、 j) ステップ(ｇ)にて生成したデータベースに対して予
   測モデルとルールとをサイ痔実行して得た介入リストを
   出力するステップとからなる方法。
4. 【請求項４】 a) 同定病症ないし症状を有する患者群
   の患者情報を抽出すべく、所定の基準に基づいてデータ
   ベースにおける患者情報を抽出して処理するためにコン
   ピュータを利用するステップと、 b) i)同定病症ないし症状に適切な事象ないしデータの
   集合を、前記データベースで得られる情報を利用するこ
   とで定義付けるステップと、 ii)前記抽出した患者情報と定義付けした事象ないしデ
   ータを事象レベル情報からなるファイルに変換するステ
   ップと、 iii)定義付けした事象の特定部分を以後の処理で考慮す
   べきかどうかを判断する材料となる時間枠を生成するた
   めに時間ウィンドウを定めるステップと、 iv)潜在的予測子としての変数の集合を入力するステッ
   プと、 v)前記時間ウィンドウと変数の集合とを利用して事象レ
   ベル情報を処理することで分析ファイルを生成するステ
   ップと、 vi)前記変数の集合の部分集合の関数であると共に、同
   定病症ないし症状を有すると診断された患者を識別する
   のに用いる予測モデルとルールとを生成すべく、分析フ
   ァイルに対して統計分析を行う手段とからなる、予測モ
   デルを定義付けるステップとからなる予測モデルをコン
   ピュータにプログラム化するステップと、コンピュータ
   において、 c) 同定病症ないし症状について危険状態にある患者を
   識別するために、同一又は新たな集合の事象レベル情報
   に対して前記予測モデルとルールとを実行させるステッ
   プと、 d) 識別した危険状態の患者から介入リストをハードコ
   ピーないし機械読取り可能な形で出力して、少なくとも
   一人の危険状態の患者のために介入を選択するステップ
   と、 e) 前記患者に対して介入を施すステップと、 f) 所望に応じて、選択された介入に基づいて各危険状
   態の患者に対する介入結果を記録且つ追跡するステップ
   と、 g) 前記データベースに対応する各介入結果で少なくと
   も一つのデータベースにおけり履歴データを更新する
   か、又は、前記データを利用して新たなデータベースを
   生成するステップと、 h) ステップｂ(i)を繰り返すステップと、 i) ステップ(ｇ)にて生成したデータベースにおけるデ
   ータから抽出した事象レベル情報に対して前記予測モデ
   ルとルールとを再度実行するステップと、 j) ステップ(ｇ)にて生成したデータベースに対して予
   測モデルとルールとをサイ痔実行して得た介入リストを
   出力するステップとからなる方法により創出した健康介
   入プロダクト。