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

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。

特開２００５−５０３８０号公報 特開２００４−３４１６１１号公報

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。

本発明の実施例を示し、疾病予防サービス利用効果予測装置の構成の一例を示すブロック図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置における団体情報の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置におけるインセンティブ基準情報の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置におけるインセンティブ実績情報の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置における疾病予防サービス情報の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置における診療情報の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置におけるサービス利用実績情報の一例を示す図である。 本発明の実施例を示し、疾病予防サービスを利用した場合のサービス効果モデルの一例を示す図である。 本発明の実施例を示し、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の一例を示す図である。 本発明の実施例を示し、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の一例を示す図である。 本発明の実施例を示し、疾病予防サービスを利用しなかった人のサービス効果推定結果の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置における予測インセンティブ情報の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置における、団体の類似指標の一例を示す図である。 本発明の実施例を示し、疾病予防サービス利用効果予測装置において、効果の予測結果を表示した画面イメージの一例を示す図である。 本発明の実施例を示し、サービス効果モデル生成処理の一例を示すフローチャートである。 本発明の実施例を示し、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。

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。

Images