JPWO2015136685A1 - サービス利用効果予測方法及びサービス利用効果予測装置 - Google Patents
サービス利用効果予測方法及びサービス利用効果予測装置 Download PDFInfo
- Publication number
- JPWO2015136685A1 JPWO2015136685A1 JP2016507221A JP2016507221A JPWO2015136685A1 JP WO2015136685 A1 JPWO2015136685 A1 JP WO2015136685A1 JP 2016507221 A JP2016507221 A JP 2016507221A JP 2016507221 A JP2016507221 A JP 2016507221A JP WO2015136685 A1 JPWO2015136685 A1 JP WO2015136685A1
- Authority
- JP
- Japan
- Prior art keywords
- service
- incentive
- outcome
- information
- target
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
Abstract
計算機は、団体に対して提供されるインセンティブの基準をインセンティブ基準情報に設定し、団体に所属して過去にサービスを利用した人のサービス時期をサービス利用実績情報に格納し、サービスを利用した前後の健康に関する情報を診療情報に格納し、診療情報とインセンティブ基準情報に基づいて団体に対して提供されたインセンティブをインセンティブ実績情報に格納し、サービス利用実績情報と診療情報とインセンティブ基準情報とインセンティブ実績情報からサービスの利用前後のヘルスケアのアウトカムの変化を取得してサービスアウトカムモデルを生成し、サービスアウトカムモデルに対してインセンティブ実績情報を適用して予測したアウトカムと、インセンティブ基準情報をから対象団体が獲得可能なインセンティブを予測する。
Description
本発明は、保健指導や疾病管理などの疾病予防サービスの利用促進、導入促進のため、サービスを利用した場合の効果を予測する方法及び装置に関する。
疾病予防サービスの利用者である保険者や、企業などに対して、医療費に対する効果を示すことで、疾病予防サービスの導入や利用を促進することができる。そこで、経済的な効果を事前に推定する方法として、医療費の予測などを行い、その経済的効果を計算する方法がある。
医療費の予測システム(特許文献1)では、団体に属する人の年齢や生活習慣などの特性と、年齢と発症率の相関を示すデータと、医療費のデータベースから、その団体が必要とする将来の医療費を予測する方法が示されている。また、健康指標に基づく保健事業(保健指導)の計画方法(特許文献2)では、健康度や医療費への影響から、指導などの介入の対象を決定し、介入の効果を評価する方法が示されている。
医療の効率化、効果的な治療方法の導入、予防施策の普及などのため、医療や予防のアウトカム(結果)に対して、金銭的なインセンティブ(誘因)を提供する仕組みが存在する地域や国がある。新しい施策の導入を検討する団体は、このようなアウトカムに対するインセンティブを、疾病予防サービス利用の効果として知ることができれば、直近の経済的効果を確認したうえで施策を導入することができる。しかし、上記従来例では、疾病予防サービスの利用により得られるインセンティブを事前に予測する方法は考慮されていなかった。
そこで本発明は、疾病予防サービスの利用により得られる経済的な効果を予測することを目的とする。
本発明は、プロセッサとメモリを備えた計算機で、インセンティブ対象がサービスを利用することで獲得可能なインセンティブを予測するサービス利用効果予測方法であって、前記計算機が、前記インセンティブ対象に対して提供されるインセンティブの基準となるヘルスケアのアウトカムをインセンティブ基準情報に予め設定する第1のステップと、前記計算機が、前記インセンティブ対象に管理される人のうち過去に前記サービスを利用した人のサービス開始時期及び終了時期をサービス利用実績情報に格納する第2のステップと、前記計算機が、前記インセンティブ対象に管理される人のうち前記サービスを利用した前後の健康に関する情報を診療情報に格納する第3のステップと、前記計算機が、前記診療情報と前記インセンティブ基準情報に基づいて、前記インセンティブ対象に対して過去に提供されたインセンティブをインセンティブ実績情報に格納する第4のステップと、前記計算機が、前記サービス利用実績情報と前記診療情報と前記インセンティブ基準情報と前記インセンティブ実績情報から前記サービスの利用前後のヘルスケアのアウトカムの変化のモデルをサービスアウトカムモデルとして生成する第5のステップと、前記計算機が、予測対象のインセンティブ対象を受け付ける第6のステップと、前記計算機が、前記サービスアウトカムモデルに対して前記インセンティブ実績情報を適用して前記予測対象におけるサービス利用後のアウトカムを予測する第7のステップと、前記計算機が、前記予測したアウトカムと前記インセンティブ基準情報を用いて、前記予測対象が獲得可能なインセンティブを予測する第8のステップと、を含む。
本発明によれば、サービスを利用した場合のアウトカムをサービスアウトカムモデルとしてモデル化し、インセンティブ対象(団体等)に対するアウトカムをモデルによって予測し、インセンティブ対象が獲得可能なインセンティブを算出することができる。特に、サービスを利用していないインセンティブ対象のアウトカムとインセンティブを予測することができ、これまでサービスを利用していないインセンティブ対象に対して、どのような効果があるか、特に、インセンティブによる経済的な効果を提示することができる。
以下、本発明の一実施形態について添付図面を用いて説明する。
本実施例では、疾病予防サービスを提供する事業者が、疾病予防サービスの利用促進を目的として、団体や機関が疾病予防サービス(または生活習慣改善サービス)を利用した場合の効果を予測する場合を例に説明する。疾病予防サービスとして、糖尿病患者の重症化を予防するための生活習慣改善指導を例とする。また、団体は、健康保険組合などの保険者、患者のPrimary Careを担当する家庭医や総合診療医(General Practitioner、GP)など、多数の個人や患者の健康管理を担当する組織を示す。また、本実施例では、医療や予防に対する結果であるアウトカム(効能)に対して、金銭的なインセンティブ(誘因)を団体(インセンティブ対象)に提供する仕組みを利用する。インセンティブの仕組みは、各国の政府などが健康管理の促進、治療の質的向上などを目的として、検査値の改善や必要な検査や治療の実施などについての目標値の達成状況を示すアウトカムが、所定の基準を達成した団体等に対して経済的な支援を行う仕組みを一例とする。
図1は、本発明の疾病予防サービス利用効果予測装置の一構成例を示す図である。疾病予防サービス利用効果予測装置100は、キーボードやマウスあるいはタッチパネルなどの入力部102と、演算処理を行うCPU103と、ディスプレイやプリンタなどの出力部104と、メモリやハードディスク(不揮発性記憶媒体)などの記憶部105と、データベース101とのデータを読み出し書き出しを行うデータ入出力部(インタフェース)106を有し、データベース101と接続しているコンピュータ装置である。
記憶部105には、必要に応じてCPU103に読みだされて実行されるコンピュータのプログラムが格納される。プログラムの一例としては、図示のようにサービス効果モデル生成部110と、サービス効果推定部111と、インセンティブ算出部112と、類似団体選定部113と、団体類似指標算出部114とが記憶部105に格納されている。
データベース101は、団体である保険者に登録された個人の人数などの情報を格納した団体情報120と、団体に対して提供されるインセンティブの基準となるヘルスケアアウトカム基準が格納されたインセンティブ基準情報121と、団体毎のインセンティブ基準に対するアウトカムの実績値、および取得したインセンティブが格納されたインセンティブ実績情報122と、疾病予防サービスの対象者の基準やサービスの期間などが格納された疾病予防サービス情報123と、疾病予防サービスを利用した団体に所属する人のサービス実施前後の健康状態が格納されたサービス利用実績情報124と、サービス利用前後のアウトカムの変化のモデルを格納するサービス効果(アウトカム)モデル125と、疾病予防サービスの利用効果の推定結果を格納したサービス効果推定結果126と、団体が獲得するインセンティブの予測値を示す予測インセンティブ127と、サービス利用者の診療情報128と、団体間の類似性を算出する場合の指標を格納した団体類似指標129とを格納している。なお、データベース101は、ネットワークを介して疾病予防サービス利用効果予測装置100に接続された計算機で提供されてもよい。あるいは、疾病予防サービス利用効果予測装置100に接続されたストレージ装置にデータベース101をしてもよい。
なお、上記団体に所属する人は、当該団体で健康を管理される人であり、本実施例では、当該団体で健康を管理される人の健康状態に応じて、インセンティブ対象である団体にインセンティブが付与される。換言すれば、団体に所属する人は、当該インセンティブ対象で健康を管理される人である。
サービス効果モデル生成部110、サービス効果推定部111、インセンティブ算出部112、類似団体選定部113、団体類似指標算出部114の各機能部はプログラムとして記憶部105にロードされる。
CPU103は、各機能部のプログラムに従って処理することによって、所定の機能を提供する機能部として稼働する。例えば、CPU103は、サービス効果モデル生成プログラムに従って処理することでサービス効果モデル生成部110として機能する。他のプログラムについても同様である。さらに、CPU103は、各プログラムが実行する複数の処理のそれぞれの機能を提供する機能部としても稼働する。計算機及び計算機システムは、これらの機能部を含む装置及びシステムである。
疾病予防サービス利用効果予測装置100の各機能を実現するプログラム、テーブル等の情報は、ストレージシステムや不揮発性半導体メモリ、ハードディスクドライブ、SSD(Solid State Drive)等の記憶デバイス、または、ICカード、SDカード、DVD等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。
図2は、団体の属性情報を格納した団体情報120の一例を示す図である。団体情報120は、団体を識別する団体ID201と、情報を取得した年度202、団体に登録して健康管理の対象となっている人数203、そのうちの男性の人数204、女性の人数205がひとつのエントリに含まれる。団体情報120には、団体(201)毎に年度202ごとの属性情報が格納される。
図3は、団体の健康管理の状態に応じて提供されるインセンティブの条件が格納されたインセンティブ基準情報121の一例を示す図である。
インセンティブ基準情報121は、インセンティブ項目ID301、対象者の基準302、検査項目303、検査項目の基準304、インセンティブが提供される基準の下限305、インセンティブが提供される基準の上限306、インセンティブとなるポイントの上限307、アウトカムの種類を識別する情報308をひとつのエントリに含む。
例えば、アウトカムの種類308としては、健康状態に関するアウトカムを”1”、検査などの実施率に関するアウトカムを”2”として表現する。
インセンティブ項目301が”O0001”のエントリでは、糖尿病と診断された患者を対象者(302)にしており、検査項目303が”HbA1c”について、検査項目の基準304が7%未満の人数が、対象者302である糖尿病患者の内の基準下限40%以上であればインセンティブが獲得でき、基準上限306が50%以上でインセンティブとしてポイントの上限307が10ポイントを獲得できる、ということを示している。
すなわち、この例では、対象者302の内、検査項目303が”HbA1c”で、検査項目基準304が7%未満の人数が、インセンティブ基準下限305の40%で1ポイントが付与され、インセンティブ基準上限306の50%で10ポイントが付与されることを示している。図示の例では、インセンティブ基準下限305からインセンティブ基準上限306の間で、付与されるポイントが1ポイントからポイント上限307まで漸増する例を示している。なお、付与するポイントはこれに限定されるものではなく、例えば、インセンティブ基準下限305以上であれば、所定のポイントを付与するようにしても良い。
また、インセンティブ項目ID301が”O0021”のエントリでは、対象者302が糖尿病患者について、検査項目303の”血圧”について基準304として”1年以内に検査を実施”している人が、対象者302である糖尿病患者の内、下限の基準305の40%以上実施しているとインセンティブが獲得でき、上限306の80%以上実施しているとインセンティブとしてポイント5ポイントが獲得できることを示している。ポイントは、別に定められた比率で金額に換算され団体の収入となる。インセンティブ基準情報は、インセンティブを提供している機関が公開している。
図4は、団体別のインセンティブ獲得実績であるインセンティブ実績情報122の一例を示す図である。
インセンティブ実績情報122は、団体の識別子を格納する団体ID401と、図3で示したインセンティブ条件に該当するインセンティブ項目を特定するインセンティブ項目ID402と、実績の年度403(インセンティブは1年間の実績に基づいて支払われるものとする)と、インセンティブの対象者302に該当する人数を示す対象者数404と、検査項目の基準304を満たしている人の人数を示す基準該当数405と、対象者数404に対する基準該当数の割合406と、割合406とインセンティブ基準の下限305、上限306、ポイント上限307に応じて獲得したポイントを示す獲得ポイント407とをひとつのエントリに含む。
例えば、団体ID401が”GP0001”のエントリでは、インセンティブ項目ID402が”O0001”で、年度が”2010”の場合、割合406が42%であるため、獲得ポイントは、上限ポイント10/(インセンティブ基準上限50−下限40)×(割合42−下限40)で2ポイントを獲得している。これらのインセンティブ実績情報122は、インセンティブを提供している機関が、インセンティブ提供の根拠として各団体から収集し、公開している情報である。
図5は、疾病予防サービスの属性情報を示す疾病予防サービス情報123の一例を示す図である。疾病予防サービス情報123は、疾病予防(または生活習慣改善)サービスを特定する識別子を格納するサービスID501と、当該サービスの対象者の条件を示す対象者条件502と、当該サービスを実施する期間を格納する実施期間503と、インセンティブの対象となる項目IDを格納する標的インセンティブ項目504をひとつのエントリに含む。
なお、標的インセンティブ項目504には、図3で示したインセンティブ項目ID301の識別子が格納される。
図6は、団体に所属する個人の病名や診療に関する情報や、検査結果の情報などを格納した診療情報128の一例を示す図である。
診療情報128は、個人を特定する識別子を格納する個人ID601と、個人が登録(または所属)している団体を特定する識別子を格納する団体ID602と、検査や診療が実施された日を示す診療日603と、診療日に実施した行為(診療内容など)を示す行為欄604と、その結果を示す値605と、値欄の単位606と、当該個人が参加した疾病予防サービスの種類を示すサービスID607をひとつのエントリに含む。
行為欄604が病名の判定であれば、値605は病名、行為欄604が検査であれば値605は検査結果(検査値)が格納され、単位606は検査値の単位が格納される。この情報は、疾病予防サービスの提供者が、疾病予防サービスの対象者の確認や結果の確認を行うために、疾病予防サービスの前後の健診や診療で得られた情報を収集したものである。
図7は、個人が利用した疾病予防サービスの実績を格納したサービス利用実績情報124の一例を示す図である。
サービス利用実績情報124は、個人を特定する識別子を格納する個人ID701、個人が所属する団体を特定する識別子を格納する団体ID702、個人が利用した疾病予防サービスを特定する識別子を格納するサービスID703、疾病予防サービスの開始日704と終了日705をひとつのエントリに含む。これらの情報は、疾病予防サービスの提供者が疾病予防サービスを個人に提供する毎に生成していく情報である。疾病予防サービス利用効果予測装置100は、疾病予防サービスを提供する計算機から上記の情報を取得し、サービス利用実績情報124として保持する。
図8A、図8Bは、本発明のサービス効果モデル125の一例を示す図である。サービス効果モデル125は、ある団体についてサービス利用者のサービス効果モデル125Aと、サービスを利用しなかった人(非利用者)のサービス効果モデル125Bを有している。なお、以下ではサービス利用者のサービス効果モデル125Aと、サービス非利用者のサービス効果モデル125Bの総称をサービス効果モデル125とする。
サービス利用者のサービス効果モデル125Aは、団体を特定する識別子を格納する団体ID811、疾病予防サービスを特定する識別子を格納するサービスID812、サービスを利用した年度813、サービス利用前のインセンティブ基準814とその中でサービスを利用した人数であるサービス利用者数815と、サービス利用後のインセンティブ基準の一つ目(816)と基準1の該当人数817と基準1の割合818、サービス利用後のインセンティブ基準の2つ目819、基準2の該当人数820と基準2の該当割合821、サービス利用後のインセンティブ基準の3つ目822と基準3の該当人数823と該当割合824をひとつのエントリに含む。なお、図8Aのサービス効果モデル125Aでは、インセンティブ項目が3つの例を示したが、実際には図3に示したインセンティブ項目ID301の数=nである。したがって、サービス効果モデル125Aは、後インセンティブ基準n、基準n人数、基準n割合フィールドをn組含むテーブルとなる。
また、疾病予防サービスの非利用者のサービス効果モデル125Bは、サービス利用者数815の代わりにサービスを利用しなかった人の人数831を格納している。その他の構成はサービス効果モデル125Aと同様である。
サービス効果モデル125は、サービス効果モデル生成部110が、サービス利用実績情報124やサービス利用者のサービス前後の診療情報128を用いて団体情報120の団体毎に生成したものである。
図9A、図9Bは、疾病予防サービスの効果を推定した結果126の一例を示す図である。サービス利用効果は、ある団体が疾病予防サービスを実施したと仮定した場合、疾病予防サービス利用者の効果の推定結果126Aと、疾病予防サービスを利用しなかった人の効果の推定結果126Bを算出している。なお、以下では疾病予防サービス利用者のサービス効果推定結果126Aと、疾病予防サービス非利用者のサービス効果推定結果126Bの総称をサービス効果推定結果126とする。
疾病予防サービス利用者のサービス効果推定結果126Aは、効果を推定した団体の識別子を格納する団体ID911、疾病予防サービスを特定する識別子を格納するサービスID912、効果を推定した年度913、疾病予防サービス利用前のインセンティブ基準914、推定したサービス利用者数915、疾病予防サービスを実施したと仮定した場合の利用後のインセンティブ基準の一つ目916に該当すると推定された人数917とその割合918、疾病予防サービスを実施したと仮定した場合の利用後のインセンティブ基準の2つ目919に該当すると推定された人数920とその割合921、疾病予防サービスを実施したと仮定した場合の利用後のインセンティブ基準の3つ目922に該当すると推定された人数923とその割合924を示している。
なお、図9Aのサービス効果推定結果126Aでは、インセンティブ項目が3つの例を示したが、実際には図3に示したようにインセンティブ項目ID301の数=nである。したがって、サービス効果推定結果126Aは、後インセンティブ基準n、基準n人数、基準n割合のフィールドをn組含むテーブルとなる。
疾病予防サービス非利用者のサービス効果推定結果126Bは、サービス利用者のサービス効果推定結果126Aに示したサービス利用者数915の代わりに、サービスを利用しないと推定された人数931を格納している。その他の構成については、サービス利用者のサービス効果推定結果126Aと同様である。
サービス効果推定結果126は、サービス効果推定部111が、団体情報120やインセンティブ実績情報122を、サービス効果モデル125に適用して生成した情報である。
図10は、疾病予防サービスの効果として団体が獲得できるインセンティブを予測した結果である予測インセンティブ127の一例を示す図である。
予測インセンティブ127は、インセンティブを予測した団体を特定する識別子を格納する団体ID1001、インセンティブ項目の識別子を格納するインセンティブ項目ID1002、インセンティブを予測した年度1003、団体の対象者数1004、インセンティブ項目に該当した人数を格納する基準該当者数1005、インセンティブ項目に該当した人数の比率を格納する割合1006、インセンティブによる予測獲得ポイント1007をひとつのエントリに含む。
予測インセンティブ127は、インセンティブ算出部112が、サービス効果予測結果126から、インセンティブ基準情報121を用いて指定された団体が獲得できるインセンティブを計算した結果である。
図11は、疾病予防サービスの効果の予測を算出する際に、使用するサービス効果モデル125の団体を選択するために用いる団体類似指標129の一例を示す図である。
団体類似指標129は、サービス別、インセンティブ項目別に設定され、サービスを特定するサービスID1101、インセンティブ項目ID1102、変数(1103、1105)と、変数の重みである係数(1103、1106)をひとつのエントリに含む。
図示の例では、変数および係数はそれぞれ2つのみ示しているが、より多くの変数または係数がある場合は、変数及び係数(重み)のフィールドを加えることができる。
団体類似指標129は、団体類似指標算出部114が、団体情報120、インセンティブ実績情報122と、サービス効果モデル125の関係から、疾病予防サービスの効果であるアウトカムへの寄与の大きい項目を変数(1103、1105)とし、その寄与の大きさを係数(1104、1106)として算出した結果を格納したものである。団体類似指標129は、団体情報120の団体毎に予め算出しておく。例えば、過去のサービスの利用実績から、団体の特性を示す変数として、団体のインセンティブ対象者数、団体の男性の比率、団体の平均年齢、団体別の病気別の有病率や死亡率、団体別のさまざまなインセンティブ項目のインセンティブの獲得額、団体のサービスの参加率などを説明変数に、アウトカムの値を目的変数として重回帰分析を行い、変数選択を行うことで、寄与する項目とその寄与の大きさを係数として求めることができる。変数選択の結果残った説明変数が変数1,変数2(1103,1105)に記録し、それぞれの係数を係数1、係数2(1104,1106)に記録する。また、団体別の類似指標は、変数1、変数2の項目を、団体別に抽出したものとなる。
これにより、ある団体の疾病予防サービスの効果を予測する際に、アウトカムに対して寄与する項目が類似する団体の効果モデルを適用することで、より高い精度で疾病予防サービスの効果やインセンティブを予測することができる。
図12は、本発明の疾病予防サービス利用効果予測装置100において、疾病予防サービスを利用する効果の予測結果画面1201を表示した出力部104の画面イメージである。
予測結果画面1201は、サービス効果推定部111およびインセンティブ算出部112で算出した結果が出力部104に表示されたものである。図示の例では、サービスID=S0001のサービスを団体ID=GP0002の団体に適用した場合を示す。
疾病予防サービス利用効果予測装置100が予測したアウトカムのグラフ1202では、横軸はアウトカムID=O0001の基準1の割合(図8A、図8Bの818)を示しており、現状のまま疾病予防サービスを使わない場合のアウトカム1203と、疾病予防サービスを導入した場合に期待されるアウトカム1204と、参考として類似する団体のアウトカム1205を示している。
また、疾病予防サービスの導入によって獲得できるインセンティブを示す予測獲得ポイント1206を表示している。このように、疾病予防サービスを導入していない団体に対して、疾病予防サービスを導入した場合のアウトカムや、アウトカムによって獲得できるインセンティブ(予測獲得ポイント)を表示することで、団体に対して疾病予防サービスの導入を強く促すことができる。
また、参考として疾病予防サービスを導入済みの団体も比較して表示する1205ことで、疾病予防サービスを導入した場合の他の団体の効果を知ることができ、疾病予防サービスの導入につなげることができる。さらに、参考として表示する団体(1205)として、類似団体選定部113によりアウトカムに寄与する項目が類似する団体の結果を示すことで、疾病予防サービスを未実施の団体は、より自分の団体での効果を知ることができる。
また、図示はしていないが、疾病予防サービスの未実施の団体と参考として表示している団体について、団体類似指標129で示された項目の値を表示することで、自団体と参考団体の比較を行って、自分の団体にサービスを導入した場合の効果を把握することができる。
次に、サービス効果モデル125を生成する処理手順についてフローチャートを用いて説明する。
図13は、サービス効果モデル125を生成する処理の一例を示したフローチャートである。この処理は、疾病予防サービス利用効果予測装置100が入力部102から所定の指令を受け付けたときに実行される。
処理を開始する初期状態では、サービス効果モデル125を格納するテーブル(サービス効果モデル125A、125B)は空の状態であるものとする。また、本実施例では、2010年の指導実績に基づいたサービス効果モデル125を生成する場合を例に説明する。
まず、データ入出力部106が、データベース101から、インセンティブ基準情報121と、インセンティブ実績情報122と、疾病予防サービス情報123と、サービス利用実績情報124と、診療情報128と、を取得する(1301)。
次に、サービス効果モデル生成部110は、サービス効果モデル125を生成する疾病予防サービスを指定する(1302)。
本実施例では、疾病予防サービス情報123の図5のサービスID(501)がS0001の項目から順次処理を行うものとする。
次に、サービス効果モデル生成部110は、サービス利用実績情報124から、ステップ1302で指定された疾病予防サービスを利用している団体を選択する(1303)。
本実施例では、サービス効果モデル生成部110が、図7に示したサービス利用実績情報124の図7の情報から、サービスID703(=501)がS0001を利用している団体ID702がGP0001、GP0011の2つがあるので、まずGP0001の方を選択するものとする。なお、団体ID702の選択は、レコードの古い順など所定のパターンで行えば良い。
次に、サービス効果モデル生成部110は、ステップ1303で選択された団体IDについて、ステップ1302で指定された疾病予防サービスIDの利用者の診療情報を診療情報128から取得する(1304)。
サービス効果モデル生成部110は、図6に示した診療情報128から、団体ID602がGP0001で、サービスID603がS0001の個人ID601を選択する。そして、サービス効果モデル生成部110は、選択された個人ID601の診療情報について、その人が受けたサービス開始日704以前の診療日603の診療情報128と、サービス終了日705より後の診療日603の診療情報128を取得する。
例えば、図示の例では、個人ID=P0001の人の診療情報128として、疾病予防サービスを受ける前(2010/4/15)に、病名が糖尿病と判断されていてHbA1cの検査結果が7.2%だったものが、疾病予防サービスの終了後は、HbA1cの検査結果が6.9%であった、と言う結果を取得する。このように、サービス効果モデル生成部110は、選択された団体で指定された疾病予防サービスを受けた人について、すべての診療情報128を取得する。
次に、サービス効果モデル生成部110は、疾病予防サービスにより改善を目指す標的となるインセンティブ項目について、サービス効果モデル125を生成する(1305)。
具体的には、図5で示すように、サービスID(501)=S0001の疾病予防サービスの標的となるインセンティブ項目504はO0001、O0002、O0003なので、サービス効果モデル生成部110は、この3つについてサービス効果モデル125をそれぞれ生成する。
まず、サービス効果モデル生成部110は、図4に示したインセンティブ実績情報122から、インセンティブの項目402がO0001の対象者数404を取得する。図示の例では、この団体GP0001の糖尿病患者は500人であることが分かる。そして、サービス効果モデル生成部110は、図7のサービス利用実績情報124から、団体ID702がGP0001、サービスIDがS0001の参加患者数(=個人ID701の数)を算出する。本実施例では、この算出の結果、団体ID702=GP0001、サービスID=S0001の利用者数は100人だったとする。
また、サービス効果モデル生成部110は図3に示したインセンティブ基準情報121のインセンティブ項目ID301=O0001の検査項目303(HbA1C)と検査項目基準304(<7%)を読み込み、HbA1Cの検査値=7%未満がインセンティブの基準とする。
次に、サービス効果モデル生成部110は、疾病予防サービス利用者の診療情報128のうち当該団体IDで、サービスIDがS0001の参加患者について、インセンティブ項目301に対応する検査項目303(HbA1C)と検査項目基準304に対応する検査値(605)を疾病予防サービスの利用の前後で取得する。
そして、サービス効果モデル生成部110は、図6の診療情報128でサービスIDがS0001の参加患者で、検査値(605)が検査項目基準304を満たしている個人ID601の数をカウントする。例えば、図6の個人ID601=P0001のHbA1Cの検査値は、疾病予防サービスの利用前が7.2、利用後が6.9となって7%未満に改善して検査項目基準を満たしているので、サービス効果モデル生成部110は、基準該当者としてカウントする。
なお、サービス効果モデル生成部110は、図6の個人ID601=P0001は、図7のサービス利用実績情報124から、2010/5/10〜2010/11/10の間に疾病予防サービス(S0001)を利用し、完了したと判定することができる。
サービス効果モデル生成部110は、インセンティブ項目301について上記の処理を該当する疾病予防サービスの利用者全員(上記100人)に対して実施し、基準該当人数を集計する。本実施例では50人が疾病予防サービス(S0001)の利用後に、検査項目基準304(7%未満)を達成し、疾病予防サービスの利用者100人中の50%が基準を満たしていたとする。同様に、インセンティブ項目O0002、O0003に対しても、基準を満たした人数と、その割合を算出する。そして、サービス効果モデル生成部110は、これらの演算結果を、図8Aに示したサービス利用者のサービス効果モデル125Aとして格納する。
つまり、サービス効果モデル生成部110は、疾病予防サービスの利用前後のヘルスケアのアウトカムの変化に基づいて、サービスの利用に対するアウトカムの変化のモデルをサービス効果モデルとして生成する。
また、団体ID702がGP0001の対象者500人の内、100人からサービス利用者のサービス効果モデル125Aを計算できたので、サービス効果モデル生成部110は、残りの400人について上記処理を行ってサービス非利用者のサービス効果モデル125Bを生成する。
具体的には、サービス効果モデル生成部110が、図4のインセンティブ実績情報122から、団体ID=GP0001のインセンティブ項目=O0001の2010年度と2011年度の実績情報を取得し、2011年度は2010年度にサービスを利用した人と、利用しなかった人を合わせて、割合406が48.1%であるので、疾病予防サービスを利用しなかった場合の基準達成人数816およびその割合818を推定する。同じように、インセンティブ項目O0002、O0003についても計算してサービスを利用しなかった場合のサービス効果モデル125Bを生成する。
ステップ1306では、ステップ1305で生成したサービス利用者のサービス効果モデル125Aと、サービス非利用者のサービス効果モデル125Bをデータベース101に格納する。
サービス効果モデル生成部110は、上記ステップ1302〜1306の処理を、指定された疾病予防サービス(上記ではS0001)を利用した団体についてすべて繰り返す(1307)。そして、サービス効果モデル生成部110は、すべての疾病予防サービスについて上記ステップ1302〜1307を繰り返す(1308)ことで、サービス効果モデル125を生成する。なお、本実施例では、サービス効果モデル125の生成は、1年に1回などで定期的に実施することを想定している。
以上、示したように、本発明は、過去のインセンティブ実績情報122と、サービス利用実績情報124と、診療情報128と、インセンティブ基準情報121と、を用いて、疾病予防サービスを利用した場合のインセンティブ獲得に対するサービス効果モデル125Aと、疾病予防サービスを利用しなかった場合のサービス効果モデル125Bを生成することができる。
なお、上記図13では、図5に示した疾病予防サービス情報123のサービスID(501)がS0001の項目から順次処理を行う例を示したが、疾病予防サービス利用効果予測装置100が入力部102からサービスIDを受け付けて、当該サービスIDについて上記処理を行っても良い。
次に、疾病予防サービスを利用した場合の効果を推定する処理についてフローチャートを用いて説明する。図14は、サービス効果推定処理の一例を示すフローチャートである。本実施例では、団体IDがGP0002を対象に、2011年度のデータを使用して2012年度の効果推定を行う例について説明する。この処理は、入力部102から所定の指令を受け付けたときに実行される。
まず、サービス効果推定部111は、データ入出力部106を介してデータベース101から、団体情報120と、インセンティブ基準情報121、インセンティブ実績情報122と、サービス効果モデル125を取得する(1401)。
次に、サービス効果推定部111は、疾病予防サービスの利用効果を推定する対象団体を指定する(1402)。本実施例では、団体IDにGP0002を指定して疾病予防サービスの利用効果を推定するものとする。これは、疾病予防サービスの利用効果を推定したい団体、疾病予防サービスを販売したい営業担当者、または疾病予防サービス導入を検討している団体の管理者などが入力部102から入力する。
次に、サービス効果推定部111は、サービスの利用効果を推定する疾病予防サービスを指定する(1403)。本実施例では、サービスIDにS0001のサービスを指定したものとする。これについても、疾病予防サービスの利用効果を推定したい、あるいは、疾病予防サービスを販売したい営業担当者や、疾病予防サービスの導入を検討している団体の管理者などが入力部102からサービスIDを入力する。
次に、サービス効果推定部111は、サービス効果モデル125の中から、使用するサービス効果モデルを選択する(1404)。本実施例では、図8Aのサービス効果モデル125Aの1行目のGP0001のサービスを利用した場合のモデルと、図8Bのサービス非利用者のサービス効果モデル125Bの1行目のGP0001のサービスを利用しない場合のモデルを選択するものとする。
次に、サービス効果推定部111は、類似団体のサービス効果モデルに、対象団体の情報を適用し、疾病予防サービスの効果を推定し、サービス効果推定結果126(サービス効果推定結果126A、126B)を生成する(1405)。
図9A、図9Bでしめすように、団体ID=GP0002、サービスID912=S0001、年度913=2012のテーブル(レコード)が生成される。対象団体の情報とは、インセンティブ実績情報122から対象団体GP0002の情報を取得して利用する。
具体的には、まず、サービス利用者数915を設定する。図4で示すように、団体GP0002は1000人の対象者数404が居る団体であるので、任意に300人がID=S0001の疾病予防サービスを利用したと設定する。この設定は、サービス効果推定部111が入力部102から受け付けて、新たに生成したサービス効果推定結果126Aのサービス利用者数915に300人を設定する。
そして、サービス効果推定部111は、上記ステップ1404で選択したGP0001のサービス効果モデル125Aを参照し、インセンティブ基準O0001では基準1割合818でサービス利用者の50%が基準を満たすことを取得する。サービス効果推定部111は、サービス利用者の50%がインセンティブ基準を満たすことから、GP0002で300人がサービスを利用した場合は150人が基準を満たすと計算し基準1人数917を設定する。すなわち、サービス効果推定部111は、サービス効果モデル125Aに対して過去のインセンティブ実績情報122を適用して当該団体における疾病予防サービスを利用した後のアウトカムを予測する。
同様に、サービス効果推定部111は、インセンティブ基準O0002(基準2)、O0003(基準3)についても計算し、疾病予防サービスを利用した場合の効果を算出し、サービス効果推定結果126Aの各フィールドに格納する。
また、サービス効果推定部111は、疾病予防サービスを利用しない人の結果についても、1000人の内700人を対象に、GP0001のサービスS0001を利用しなかった場合のサービス効果モデル125Bを用いて、各インセンティブ基準O0001(基準1)、O0002(基準2)、O0003(基準3)を満たす人の推定人数を計算し、サービス効果推定結果126Bの各フィールドに格納する。
すなわち、サービス効果推定部111は、サービス効果モデル125Bに対して過去のインセンティブ実績情報122を適用して当該団体における疾病予防サービスを利用しなかった場合のアウトカムを予測する。
次に、インセンティブ算出部112は、インセンティブ基準情報121と、対象団体GP0002のサービス効果推定結果126を用いて、対象団体の予測インセンティブ127を算出する(1406)。
サービス効果推定結果126では、疾病予防サービスを利用した人のサービス効果推定結果126Aと、疾病予防サービスを利用しない人のサービス効果推定結果126Bの2つの推定結果がある。インセンティブ算出部112は、これら2つのサービス効果推定結果126A、126Bの人数を合計した上で、インセンティブ基準に基づいて獲得可能なポイント(獲得インセンティブ)を算出する。
インセンティブ算出部112は、例えば、GP0002の場合、インセンティブ基準O0001に該当する人数が、サービスを利用した人が150人、サービスを利用しない人が266人で、対象者数1004が1000人中、基準該当者数1005が416人で、割合1006は41.6%となり、O0001のインセンティブ基準情報から予測獲得ポイント1007は1.6ポイントと計算することができる。また、インセンティブ算出部112では、計算したいインセンティブ基準に対してサービス効果推定結果126を適用して、獲得が予測されるポイントを計算することができる。
すなわち、インセンティブ算出部112は、疾病予防サービスを利用した後のアウトカムに対してインセンティブ基準121を適用したインセンティブの予測値と、疾病予防サービスを利用しなかった場合のアウトカムに対してインセンティブ基準121を適用したインセンティブの予測値から当該団体が獲得可能なインセンティブを予測する。
疾病予防サービス利用効果予測装置100は、上記ステップ1402〜1406の処理を、予測したい疾病予防サービスについてすべて実施するまで繰り返し(1407)、さらに、予測したい団体に対してすべて計算するまで上記ステップ1402〜1407の処理を繰り返して(1408)、終了する。
以上、示したように、本発明の疾病予防サービス利用効果予測装置100は、疾病予防サービスを利用した場合の効果のモデル(サービス効果モデル125)を事前に生成し、そのサービス効果モデル125を用いて、新規に疾病予防サービスの利用を検討している団体に適用することで、サービスの効果を予測し、さらに、インセンティブの獲得基準を適用することで、獲得できるインセンティブを推定することができる。
上述の実施例では、効果を推定したい団体の情報は、過去のインセンティブ実績情報122を使用する例について説明したが、別の手法を用いても良い。例えば、疾病予防サービスの利用を考えている団体の管理者や、対象の団体に疾病予防サービスを販売したい営業担当者が、疾病予防サービス利用効果予測装置100の出力部104の画面を利用して入力しても良い。その場合は、団体における、インセンティブ基準の対象者人数を入力することで、疾病予防サービスの効果や、獲得できるインセンティブを得ることができる。
また、上述の実施例では、図14に示したサービス効果モデル125を選択するステップ1404で、一つの団体のサービス効果モデル125を指定していたが、複数のサービス効果モデル125の中から、予測対象とする団体に特性の近い団体のモデルを選択するようにしても良い。事前に、団体類似指標算出部114で計算された、団体類似指標129を用いて、対象団体に近い(類似する)団体を算出する。
具体的には、事前の計算で、サービスID=S0001については、インセンティブ項目ID=O0001に対して、図11の変数1103、1105として、インセンティブの実績情報の対象者数や、団体情報の男性の人数などの大きさが、その効果に関連すると計算されている。
そこで、類似団体選定部113は、複数のサービス効果モデル125の中から、対象団体に類似する団体のサービス効果モデル125を選択する。類似団体選定部113は、団体類似指標129を用い、対象団体の変数1103、1105に該当する数値とその係数1104、1106を用いて類似度を算出する。具体的には、本実施例では、変数の項目であるインセンティブ実績情報の対象者数1103と、団体の男性人数割合1105を、対象団体の値と、過去にサービスを利用した団体について取得する。そして、これらの値を用いて、対象団体と過去にサービスを利用した団体との距離(例えばユークリッド距離など)を求め、その距離が近い団体を類似団体として選定する。そして、類似団体選定部113は、団体情報120の団体から対象団体の類似度の高い団体のサービス効果モデル125を選択して、疾病予防サービスの利用に対する効果やインセンティブを推定する。類似性を求める方法は、距離を求める方法であれば他の方法を用いてもよい。
このように、複数の団体から予測対象団体に類似する団体を選択し、当該選択した団体のサービス効果モデル125を用いて、予測対象団体におけるサービス利用後のアウトカムを予測することができる。
団体毎に得られる効果が異なる可能性が高いが、効果に関連する項目が類似する団体のサービス効果モデル125を用いて効果を推定することで、より正確に効果を予測できる。なお、団体間の類似の指標としては、団体の存在する地域、年齢、過去のサービスの利用歴、など団体の属性情報、サービスの利用状況、医療に関する指標などを用いることができる。
以上のように、本発明によれば、医療や予防に対する結果であるヘルスケアのアウトカムに対して、金銭的なインセンティブを提供する仕組みと、過去の診療情報128、団体情報120、インセンティブ実績情報122、サービス利用実績情報124から団体毎に疾病予防サービスに対する効果を示すモデル(サービス効果モデル125)を生成する。このモデルを他の団体に適用して、疾病予防サービスを利用した場合の経済的効果であるインセンティブを推測することが可能となる。
そして、疾病予防サービスの導入によって獲得できるインセンティブを提示することで、疾病予防サービスを導入していない団体に対して、疾病予防サービスを導入した場合のアウトカムや、アウトカムによって獲得できるインセンティブ(予測獲得ポイント)を提示することで、当該団体に対して疾病予防サービスの導入を強く促すことができる。
上記実施例では、インセンティブの対象として団体の例を挙げたが、複数の人の健康管理を担当してインセンティブを受け取る人や組織等であればよい。健康管理を担当する組織は、各国の健康保険制度により異なるが、医療機関の他に、企業や、保険者または自治体などを含むことができる。
また、上記実施例では、団体が導入するサービスとして疾病予防サービスの例を示したが、ヘルスケアに関してアウトカムが得られるサービスであればよく、例えば、生活習慣の改善を支援するサービス等を採用することができる。
なお、本発明において説明した計算機等の構成、処理部及び処理手段等は、それらの一部又は全部を、専用のハードウェアによって実現してもよい。
また、本実施例で例示した種々のソフトウェアは、電磁的、電子的及び光学式等の種々の記録媒体(例えば、非一時的な記憶媒体)に格納可能であり、インターネット等の通信網を通じて、コンピュータにダウンロード可能である。
また、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明をわ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限定されるものではない。
Claims (10)
- プロセッサとメモリを備えた計算機で、インセンティブ対象がサービスを利用することで獲得可能なインセンティブを予測するサービス利用効果予測方法であって、
前記計算機が、前記インセンティブ対象に対して提供されるインセンティブの基準となるヘルスケアのアウトカムをインセンティブ基準情報に予め設定する第1のステップと、
前記計算機が、前記インセンティブ対象に管理される人のうち過去に前記サービスを利用した人のサービス開始時期及び終了時期をサービス利用実績情報に格納する第2のステップと、
前記計算機が、前記インセンティブ対象に管理される人のうち前記サービスを利用した前後の健康に関する情報を診療情報に格納する第3のステップと、
前記計算機が、前記診療情報と前記インセンティブ基準情報に基づいて、前記インセンティブ対象に対して過去に提供されたインセンティブをインセンティブ実績情報に格納する第4のステップと、
前記計算機が、前記サービス利用実績情報と前記診療情報と前記インセンティブ基準情報と前記インセンティブ実績情報から前記サービスの利用前後のヘルスケアのアウトカムの変化のモデルをサービスアウトカムモデルとして生成する第5のステップと、
前記計算機が、予測対象のインセンティブ対象を受け付ける第6のステップと、
前記計算機が、前記サービスアウトカムモデルに対して前記インセンティブ実績情報を適用して前記予測対象におけるサービス利用後のアウトカムを予測する第7のステップと、
前記計算機が、前記予測したアウトカムと前記インセンティブ基準情報を用いて、前記予測対象が獲得可能なインセンティブを予測する第8のステップと、
を含むことを特徴とするサービス利用効果予測方法。 - 請求項1に記載のサービス利用効果予測方法であって、
前記第5のステップは、
前記サービスアウトカムモデルとして、前記サービスを利用した場合のヘルスケアのアウトカムの変化のモデルである第1のサービスアウトカムモデルと、前記サービスを利用しなかった場合のヘルスケアのアウトカムの変化のモデルである第2のサービスアウトカムモデルと、を生成することを特徴とするサービス利用効果予測方法。 - 請求項2に記載のサービス利用効果予測方法であって、
前記第7のステップは、
前記第1のサービスアウトカムモデルに対して前記インセンティブ実績情報を適用して当該予測対象における前記サービスを利用した後のアウトカムを予測するステップと、
前記第2のサービスアウトカムモデルに対して前記インセンティブ実績情報を適用して当該予測対象における前記サービスを利用しなかった場合のアウトカムを予測するステップと、
を含むことを特徴とするサービス利用効果予測方法。 - 請求項3に記載のサービス利用効果予測方法であって、
前記第8のステップは、
前記サービスを利用した後のアウトカムに対して前記インセンティブ基準情報を適用した第1のインセンティブの予測値と、前記サービスを利用しなかった場合のアウトカムに対してインセンティブ基準情報を適用した第2のインセンティブの予測値とから前記予測対象が獲得可能なインセンティブを予測することを特徴とするサービス利用効果予測方法。 - 請求項1に記載のサービス利用効果予測方法であって、
前記第5のステップは、
複数のインセンティブ対象に対してサービスアウトカムモデルをそれぞれ生成し、
前記第7のステップは、
前記複数のインセンティブ対象から前記予測対象に類似するインセンティブ対象を選択し、当該選択したインセンティブ対象のサービスアウトカムモデルを用いて、前記予測対象におけるサービス利用後のアウトカムを予測することを特徴とするサービス利用効果予測方法。 - プロセッサとメモリを備えて、インセンティブ対象がサービスを利用することで獲得可能なインセンティブを予測するサービス利用効果予測装置であって、
前記インセンティブ対象に対して提供されるインセンティブの基準となるヘルスケアのアウトカムを設定したインセンティブ基準情報と、
前記インセンティブ対象に管理される人のうち過去に前記サービスを利用した人のサービス開始時期及び終了時期を格納したサービス利用実績情報と、
前記インセンティブ対象に管理される人のうち前記サービスを利用した前後の健康に関する情報を格納した診療情報と、
前記診療情報と前記インセンティブ基準情報に基づいて、前記インセンティブ対象に対して過去に提供されたインセンティブを格納したインセンティブ実績情報と、
前記サービス利用実績情報と前記診療情報と前記インセンティブ基準情報と前記インセンティブ実績情報から前記サービスの利用前後のヘルスケアのアウトカムの変化のモデルをサービスアウトカムモデルとしてサービスアウトカムモデル生成部と、
予測対象のインセンティブ対象を受け付ける入力部と、
前記サービスアウトカムモデルに対して前記インセンティブ実績情報を適用して前記予測対象におけるサービス利用後のアウトカムを予測するサービス効果推定部と、
前記予測したアウトカムと前記インセンティブ基準情報を用いて、前記予測対象が獲得可能なインセンティブを予測するインセンティブ算出部と、
を有することを特徴とするサービス利用効果予測装置。 - 請求項6に記載のサービス利用効果予測装置であって、
前記サービスアウトカムモデル生成部は、
前記サービスアウトカムモデルとして、前記サービスを利用した場合のヘルスケアのアウトカムの変化のモデルである第1のサービスアウトカムモデルと、前記サービスを利用しなかった場合のヘルスケアのアウトカムの変化のモデルである第2のサービスアウトカムモデルと、を生成することを特徴とするサービス利用効果予測装置。 - 請求項7に記載のサービス利用効果予測装置であって、
前記サービス効果推定部は、
前記第1のサービスアウトカムモデルに対して前記インセンティブ実績情報を適用して当該予測対象における前記サービスを利用した後のアウトカムを予測し、前記第2のサービスアウトカムモデルに対して前記インセンティブ実績情報を適用して当該予測対象における前記サービスを利用しなかった場合のアウトカムを予測することを特徴とするサービス利用効果予測装置。 - 請求項8に記載のサービス利用効果予測装置であって、
前記インセンティブ算出部は、
前記サービスを利用した後のアウトカムに対して前記インセンティブ基準情報を適用した第1のインセンティブの予測値と、前記サービスを利用しなかった場合のアウトカムに対してインセンティブ基準情報を適用した第2のインセンティブの予測値とから前記予測対象が獲得可能なインセンティブを予測することを特徴とするサービス利用効果予測装置。 - 請求項6に記載のサービス利用効果予測装置であって、
前記サービスアウトカムモデル生成部は、
複数のインセンティブ対象に対してサービスアウトカムモデルをそれぞれ生成し、
前記サービス効果推定部は、
前記複数のインセンティブ対象から前記予測対象に類似するインセンティブ対象を選択し、当該選択したインセンティブ対象のサービスアウトカムモデルを用いて、前記予測対象におけるサービス利用後のアウトカムを予測することを特徴とするサービス利用効果予測装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/056839 WO2015136685A1 (ja) | 2014-03-14 | 2014-03-14 | サービス利用効果予測方法及びサービス利用効果予測装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2015136685A1 true JPWO2015136685A1 (ja) | 2017-04-06 |
JP6231657B2 JP6231657B2 (ja) | 2017-11-15 |
Family
ID=54071162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016507221A Active JP6231657B2 (ja) | 2014-03-14 | 2014-03-14 | サービス利用効果予測方法及びサービス利用効果予測装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6231657B2 (ja) |
WO (1) | WO2015136685A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6626060B2 (ja) * | 2017-09-28 | 2019-12-25 | 株式会社東芝 | サービス効果評価システム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003167959A (ja) * | 2001-11-29 | 2003-06-13 | Hitachi Ltd | 健康管理支援方法及び装置と健康余命予測データ生成方法及び装置 |
JP2004341611A (ja) * | 2003-05-13 | 2004-12-02 | Mitsubishi Electric Corp | 保険者情報システム |
JP2005011329A (ja) * | 2003-05-29 | 2005-01-13 | Sanyo Electric Co Ltd | 健康管理支援装置、健康管理支援システム、健康管理支援方法および健康管理支援プログラム |
WO2006098298A1 (ja) * | 2005-03-17 | 2006-09-21 | Matsushita Electric Industrial Co., Ltd. | 生活習慣改善支援システム及び生活習慣改善支援方法 |
US20090099862A1 (en) * | 2007-10-16 | 2009-04-16 | Heuristic Analytics, Llc. | System, method and computer program product for providing health care services performance analytics |
-
2014
- 2014-03-14 WO PCT/JP2014/056839 patent/WO2015136685A1/ja active Application Filing
- 2014-03-14 JP JP2016507221A patent/JP6231657B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003167959A (ja) * | 2001-11-29 | 2003-06-13 | Hitachi Ltd | 健康管理支援方法及び装置と健康余命予測データ生成方法及び装置 |
JP2004341611A (ja) * | 2003-05-13 | 2004-12-02 | Mitsubishi Electric Corp | 保険者情報システム |
JP2005011329A (ja) * | 2003-05-29 | 2005-01-13 | Sanyo Electric Co Ltd | 健康管理支援装置、健康管理支援システム、健康管理支援方法および健康管理支援プログラム |
WO2006098298A1 (ja) * | 2005-03-17 | 2006-09-21 | Matsushita Electric Industrial Co., Ltd. | 生活習慣改善支援システム及び生活習慣改善支援方法 |
US20090099862A1 (en) * | 2007-10-16 | 2009-04-16 | Heuristic Analytics, Llc. | System, method and computer program product for providing health care services performance analytics |
Also Published As
Publication number | Publication date |
---|---|
JP6231657B2 (ja) | 2017-11-15 |
WO2015136685A1 (ja) | 2015-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5564708B2 (ja) | 保健事業支援システム、保険事業支援装置、及び保険事業支援プログラム | |
Higgins et al. | Health economic methods: cost-minimization, cost-effectiveness, cost-utility, and cost-benefit evaluations | |
Dahrouge et al. | Primary care physician panel size and quality of care: a population-based study in Ontario, Canada | |
US20140006044A1 (en) | System and method for preparing healthcare service bundles | |
Fehniger et al. | Perceived versus objective breast cancer risk in diverse women | |
Yu et al. | Joint modeling for cognitive trajectory and risk of dementia in the presence of death | |
JP6282783B2 (ja) | 分析システム及び分析方法 | |
Clavelle et al. | Breast cancer risk in sexual minority women during routine screening at an urban LGBT health center | |
Lafta et al. | An intelligent recommender system based on predictive analysis in telehealthcare environment | |
Morton et al. | Economic analysis of the breast cancer screening program used by the UK NHS: should the program be maintained? | |
JP6038727B2 (ja) | 分析システム及び分析方法 | |
Coey | Physicians' financial incentives and treatment choices in heart attack management | |
Silver et al. | Implementing a population-based breast cancer risk assessment program | |
Carter et al. | Measuring the effect of Family Medicine Group enrolment on avoidable visits to emergency departments by patients with diabetes in Quebec, Canada | |
JP6231657B2 (ja) | サービス利用効果予測方法及びサービス利用効果予測装置 | |
WO2015173917A1 (ja) | 分析システム | |
Riddell et al. | Inter-institutional variation in use of Caesarean delivery for labour dystocia | |
JP7373958B2 (ja) | 分析システム及び分析方法 | |
Hanin et al. | Chapter 10: The University of Rochester Model of Breast Cancer Detection and Survival | |
JP6308964B2 (ja) | 保健事業支援装置、保健事業支援方法及び保健事業支援プログラム | |
WO2016120986A1 (ja) | 分析システム及び保健事業支援方法 | |
JP7364248B2 (ja) | 保健指導システム、保健指導用端末、及び保健指導方法 | |
JP5982949B2 (ja) | 保健指導対象者選定条件決定支援装置 | |
JP2022551325A (ja) | 診断ツール | |
JP5119821B2 (ja) | 同義疾患名選定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20171003 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171019 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6231657 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |