WO2014196087A1 - 診療プロセス分析システム - Google Patents

診療プロセス分析システム Download PDF

Info

Publication number
WO2014196087A1
WO2014196087A1 PCT/JP2013/067759 JP2013067759W WO2014196087A1 WO 2014196087 A1 WO2014196087 A1 WO 2014196087A1 JP 2013067759 W JP2013067759 W JP 2013067759W WO 2014196087 A1 WO2014196087 A1 WO 2014196087A1
Authority
WO
WIPO (PCT)
Prior art keywords
medical
clinical
unit
analysis system
index
Prior art date
Application number
PCT/JP2013/067759
Other languages
English (en)
French (fr)
Inventor
俊太郎 由井
木戸　邦彦
島田　和之
太田　雅之
淳平 佐藤
徹 久光
Original Assignee
株式会社日立製作所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to PCT/JP2013/067759 priority Critical patent/WO2014196087A1/ja
Priority to JP2014522772A priority patent/JP5891305B2/ja
Priority to US14/376,629 priority patent/US10395766B2/en
Priority to EP13883850.3A priority patent/EP3016060A4/en
Priority to CN201380004874.8A priority patent/CN104395925B/zh
Publication of WO2014196087A1 publication Critical patent/WO2014196087A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Definitions

  • the present invention relates to hospital information system technology in the medical field, and more particularly to a medical process analysis system.
  • the environment surrounding medical care has changed greatly in recent years, such as the declining birthrate and aging population, and advances in medical technology.
  • the global medical costs are increasing by 5% per year due to the super-aged population starting from the developed countries, and it is urgent to hold down the medical costs while maintaining the quality of life (QOL).
  • QOL quality of life
  • when evaluating the “value (effect)” of a clinical process it is desirable to track the entire process of the patient who performed the clinical process and evaluate the value at the cost of the entire process, rather than a simple price. It is rare.
  • a medical process analysis system that analyzes the cost effectiveness of a medical process using a database that stores medical concept information and text data indicating clinical data and medical concepts, and includes an input unit, an output unit, a processing device, The input unit receives an input of the first medical process to be analyzed, and the processing device has a relationship indicating a relationship between different medical concepts with respect to the medical concept information of each data in the predefined clinical data.
  • a medical knowledge extraction unit that extracts sex information from text data, an important process calculation unit that calculates the importance of clinical data using the relationship information, and a first medical process accepted by the input unit based on the importance
  • the related process extraction unit that extracts the second medical process by eliminating the medical process that has a low relationship with the second medical process, and in the second medical process and the important process calculation unit Based on the calculated importance, a patient clustering unit that clusters patients of clinical data, and an evaluation index calculation that calculates the clinical index and the cost of the second medical care process for each patient group clustered by the patient clustering unit
  • the output unit outputs the calculation result of the evaluation index calculation unit.
  • FIG. 2 is a hardware configuration diagram for realizing the medical care process analysis system according to the present invention.
  • the important process database 106 includes an external storage device 204 typified by an HDD (Hard Disk Drive) device.
  • the external DB linkage unit 103, the important process calculation unit 104, the medical knowledge extraction unit 105, the related process extraction unit 107, the patient clustering unit 108, the evaluation index calculation unit 109, and the screen configuration processing unit 110 are a central processing unit.
  • Various processes can be realized by developing and starting a predetermined program in the device 203, the memory 202, and the like.
  • the input unit 111 can be realized by the keyboard 200, a mouse, or a pen tablet.
  • the display unit 112 can be realized by a monitor using a display 201 such as a liquid crystal display or a CRT (Cathode-Ray Tube). Further, it may be output to a medium such as paper.
  • a display 201 such as a liquid crystal display or a CRT (Cat
  • Fig. 3 shows a flowchart showing the outline of this system.
  • a medical process to be analyzed is input via the input unit 111 and the display unit 112 (S301).
  • a medical process related to the medical process to be analyzed is extracted (S302).
  • the importance of the clinical data is calculated using the data accumulated in the clinical database 102 (S303).
  • the patients are clustered based on the related process extracted in S302 and the importance calculated in S303 (S304).
  • an evaluation index also referred to as a clinical indicator or a quality indicator
  • S303 may be performed before S304, or may be performed in advance before this processing.
  • FIG. 4 shows an example of a screen displayed on the display unit 112 in S301 and S302.
  • This screen includes a condition setting unit 401 and a processing result presentation unit 402.
  • the condition setting unit 401 displays buttons (related data extraction button 4011, clustering button 4012, evaluation index calculation button 4013) for executing the processing unit of this system, and various conditions.
  • FIG. 4 shows an example of a screen in S301.
  • S302 When the related data extraction button 4011 is pressed, S302 starts.
  • the clustering button 4012 is pressed, S304 starts.
  • the evaluation index calculation button 4013 is pressed, the processing of S305 starts.
  • the condition setting unit 401 of FIG. 4 necessary conditions are displayed on the related data extraction button 4011.
  • Lipiodol and AICO are used as analysis processes (drugs) to be analyzed. These clinical processes are used as anticancer agents for the treatment of liver cancer, and users analyze their cost effectiveness.
  • the processing result presentation unit 402 displays the result after the processing of S302 by pressing the related data extraction button 4011.
  • the related process extraction means 107 extracts medical knowledge via the medical knowledge extraction means 105 (S3021 to S3023), and extracts related processes (S3024). Details will be described below.
  • FIG. 6 is a screen example used in this embodiment. This is a screen used in S3021, and is an area for specifying a document DB to be processed by the program for the medical document stored in the medical document information DB 101 in the document DB specifying unit 601.
  • the medical knowledge generation start button 602 is a button for starting processing of the program. When the medical knowledge generation start button 602 is clicked, the medical literature designated by the literature DB designation unit 601 is acquired from the medical literature information DB 101.
  • FIG. 8 shows an example of medical literature, which is composed of a literature title 801, an issue date 802, an abstract 803, and a keyword 804. Similarly, the dictionary table shown in FIG. 7 and the literature rating table shown in FIG. 9 are acquired from the medical literature information DB 101.
  • a medical term is extracted from the abstract of medical literature by the medical knowledge extraction means 105 based on the name 701 related to the disease name, technique, and index in the classification 702 (S3022).
  • the underlined portion of the abstract 803 in FIG. 8 is an example of medical terms extracted based on the dictionary table in FIG.
  • the medical knowledge extracting means 105 obtains the co-occurrence degree for the identification of the document rating from the keyword of the document information and the medical term, quantity, and time relation information extracted in S3022 (S3023).
  • the co-occurrence degree of item A and item B is defined as the number of documents including item A and item B simultaneously.
  • the co-occurrence degree and the rating result are registered in the medical knowledge management table on the memory shown in FIG.
  • the related process of the input medical process to be analyzed is extracted by the related process extraction unit 107 based on the result of S3023 (co-occurrence degree of medical knowledge management table and literature rating) (S3024). For example, from the records of the medical knowledge management table, a record that matches the input medical process to be analyzed and the word 1 (or word 2) is extracted, and the medical knowledge management table having a high co-occurrence and literature rating is narrowed down. Extract.
  • FIG. 13 shows an example of the patient table and clinical index table
  • FIG. 14 shows an example of the implementation record table.
  • the patient table has patient code, gender, age, disease name, hospital admission date (or outpatient consultation date if outpatient).
  • the clinical index table is a table for managing clinical indices (also referred to as “clinical indicators” and “quality indicators”).
  • the implementation record table is a table for managing the medical treatment process, and in this embodiment, a state in which Lipiodol is used for the patient P1 is shown.
  • a patient who has undergone the medical care process and a patient who has not been subjected to the medical care process are extracted, and the difference in clinical index between the two groups is calculated (S3032).
  • P1 which is a liver cancer patient and a lipiodol practitioner and P2 to P6 which are liver cancer patients and a lipiodol practitioner are extracted, and the difference in clinical index between the two groups is calculated.
  • the calculation method may calculate the difference between the average values of the clinical indices between the two groups, or calculate the test result of the difference between the average values of the clinical indices between the two groups.
  • the importance is calculated for each disease name / medical care process (S3033).
  • the co-occurrence degree of the medical knowledge management table and the integrated value of the document rating are set as the importance.
  • the value of the clinical index difference between the two groups calculated in S3032 is set as the importance.
  • Clinically important clinical processes refer to clinical processes that have a significant impact on outcomes, such as mortality. For example, it is conceivable that the deterioration of clinical data is divided in advance and the importance is calculated based on this degree. In this manner, it is possible to control the calculation method of the importance and analyze the medical process corresponding to various analysis needs.
  • the clustering accuracy can be improved, and it is possible to extract in a clinically divided group.
  • a process related to a medical process to be analyzed and a patient who performs the medical process to be analyzed are extracted from the related data extraction unit (S3041).
  • the importance of the medical process is extracted from the important process calculation unit (S3042).
  • the importance of S3042 is added to the execution amount of the related process for each patient to be executed (S3043).
  • implementation patients are clustered based on the integrated implementation amount as a result of S3043 (S3044).
  • FIG. 16 shows an example of a screen on which the importance level calculation and the clustered result are displayed on the display unit 112 in S303 and S304.
  • the clustering button 4012 When the clustering button 4012 is pressed, the processing of S303 and S304 is started.
  • the condition setting unit 401 in FIG. 16 necessary conditions are displayed on the clustering button 4012, and the number of clusters in S304 is set.
  • the number of clusters is four
  • the processing result presenting unit 402 shows a state of dividing into four clusters (from pattern A to pattern D) as a result of S304. In this way, by accepting the input of the number of clusters, it is possible to control the clustering, adjust the scale of analysis in the relevance of the medical process, and meet various analytical needs of the medical process.
  • patient clustering information is acquired from the patient clustering unit 108 (S3052).
  • patients and medical processes belonging to the patterns A and D selected in FIG. 16 are extracted.
  • an evaluation index is calculated for each patient clustering (S3053).
  • the hospitalization days and the readmission rate are respectively calculated as average values for patients of pattern A and pattern D and displayed on the processing result presentation unit 402.
  • the cost is calculated from the table of FIG. 14 for each patient's average value of the medical treatment process costs of pattern A and pattern D, and displayed on the processing result presentation unit 402.
  • the processing result presentation unit 402 in FIG. 18 shows that the cost of Lipiodol is low, but the length of hospital stay and the readmission rate are high.
  • the cost of AI Coal is high, it shows that hospital stay and readmission rate are low. Therefore, it can be seen that the use of AICO can reduce the number of hospital stays and the readmission rate, and can keep the total cost low.
  • the present invention relates to hospital information system technology in the medical field, and is particularly useful as a technology for supporting medical process analysis.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Child & Adolescent Psychology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

診療プロセスの価値を評価する際に、単純な価格ではなく、その診療プロセスを実施した患者の治療行為を追跡し、プロセス全体に掛るコストで価値を評価する。着目する診療プロセスと関係ない診療プロセスを排除し、臨床的に意味のある均質なグループにクラスタリングし、均質なグループ群毎に着目する診療プロセスの評価をする。そのために、医学知識抽出部の出力結果を用いて、臨床データの重要度を算出と関連データを出力し、臨床データの患者をクラスタリングし、クラスタされた群毎に臨床指標やコストを出力する。

Description

診療プロセス分析システム
　本発明は、医療分野における病院情報システム技術に係り、特に、診療プロセス分析システムに関する。
　医療を取り巻く環境は、少子高齢化・医療技術の進歩など、近年大きく変化している。特に、先進国・新興国を問わず、先進国から始まる超高齢化で世界の医療費は年５％増加しており、ＱｏＬ（Ｑｕａｌｉｔｙ　ｏｆ　Ｌｉｆｅ）を維持しつつ医療費を抑制することは喫緊の課題となっており、特に最適な診療プロセスを分析して提供することが重要である。特に、診療プロセスの「価値（効果）」を評価する際に、単純な価格ではなく、その診療プロセスを実施した患者のプロセス全体を追跡し、プロセス全体に掛るコストで価値を評価することが望まれている。
　特許文献１では、利用者の位置と体調評価指数を対応付けたマスタテーブルと、利用者の行動履歴と、使用した薬（包装開封の検知などにより検知）から、薬効を評価するシステムを提供している。
特開２０１１－２４３１４０号公報
　プロセス全体に掛るコストを評価する際、様々な併存症を抱えている事が多いため、着目する診療プロセスと関係ないプロセスを排除する事が難しい。例えば肝臓がんの分析をする際、心筋梗塞が併存症の場合、心筋梗塞のプロセスを簡便に排除したいという要求はあるが、診療プロセスを全て確認する必要があり、更には医療知識も必要であるため、多くの労力を要する。
　また、着目する診療プロセスの評価をする際、診療プロセスの組み合わせ（診療プロセスパターン）でコストや質が大幅に変わるため、全てのパターンの単なる平均値で議論するのではなく、臨床的に意味のある均質なグループ群毎の議論が必要である。しかし、実施した診療プロセスがたくさんあるため、臨床的な観点からの均質な患者のクラスタリングが難しい。
　前述の特許文献１の場合、利用者の行動パターン（ｅｘ．　遊園地に行った、病院に行った）に応じた体調評価指数に基づいて薬効を評価するシステムであり、診療プロセスパターンは考慮していない。
　以上のようにプロセス全体に掛るコストを評価するためには、従来開示されている技術では十分な効果を得る事が困難であった。
　臨床データと医学的概念を示す医学概念情報とテキストデータと、を格納するデータベースを用いて診療プロセスの費用対効果を分析する診療プロセス分析システムであって、入力部と出力部と処理装置と、を備え、入力部は、分析対象の第１の診療プロセスの入力を受け付け、処理装置は、予め定義された臨床データにおける各データの医学的概念情報に関して、異なる医学概念間の関係性を示す関係性情報をテキストデータから抽出する医学知識抽出部と、関係性情報を用いて臨床データの重要度を算出する重要プロセス算出部と、重要度に基づいて、入力部で受け付けた第１の診療プロセスとの関連性が低い診療プロセスを排除し第２の診療プロセスを抽出する関連プロセス抽出部と、第２の診療プロセスと重要プロセス算出部にて算出した重要度とに基づいて、臨床データの患者をクラスタリングする患者クラスタリング部と、患者クラスタリング部にてクラスタされた患者群毎に、臨床指標と第２の診療プロセスのコストを算出する評価指標算出部と、を有し、出力部は、評価指標算出部の算出結果を出力することを特徴とする診療プロセス分析システム。
　着目している診療プロセス（薬投与など）とは関係ない診療プロセスを抽出することが出来、着目している診療プロセスに起因するプロセスのトータルコストと臨床指標の算出が可能になる。また、診療プロセスの評価の際に、臨床的に均質なグループを生成することで、臨床指標が悪い診療プロセスパターン（組み合わせ）を抽出する事が可能になる。さらに、臨床的に均質なグループで評価しているため、容易に診療プロセスの改善が可能になる。
本発明における診療プロセス分析システムの構成概略図。 本発明における診療プロセス分析システムのハードウエア構成図。 本発明における診療プロセス分析システムの処理の流れを示す第１のフローチャート。 本発明における診療プロセス分析システムの画面を示す第１の例。 本発明における診療プロセス分析システムの関連プロセス抽出部における処理の流れを示すフローチャート。 本発明における診療プロセス分析システムの関連プロセス抽出部に関連する画面例。 本発明における診療プロセス分析システムにて処理する辞書テーブルの例。 本発明における診療プロセス分析システムにて処理する医学文献の例。 本発明における診療プロセス分析システムにて処理する文献格付テーブルの例。 本発明における診療プロセス分析システムにて処理するエビデンスレベルの例。 本発明における診療プロセス分析システムの医学知識出力部の出力例。 本発明における診療プロセス分析システムの重要プロセス算出部における処理の流れを示すフローチャート。 本発明における診療プロセス分析システムの患者テーブルと臨床指標テーブルの例。 本発明における診療プロセス分析システムの実施記録テーブルの例。 本発明における診療プロセス分析システムの患者クラスタリング部における処理の流れを示すフローチャート。 本発明における診療プロセス分析システムの患者クラスタリング部に関連する画面例。 本発明における診療プロセス分析システムの評価指標算出部における処理の流れを示すフローチャート。 本発明における診療プロセス分析システムの評価指標算出部に関連する画面例。
　　図１は、本発明における診療プロセス分析システムの構成図である。本システムは、外部ＤＢ連携部１０３と、重要プロセス算出部１０４と、医学知識抽出部１０５と、重要プロセスデータベース１０６と、関連プロセス抽出部１０７と、患者クラスタリング部１０８と、評価指標算出部１０９と、画面構成処理部１１０と、入力部１１１と、表示部１１２から構成される。また、外部ＤＢ連携部１０３は本システム外にあるデータベースと連携する機能であり、本実施例では、医学文献情報データベース１０１と、臨床データベース１０２に蓄積されたデータを、外部ＤＢ連携部１０３を介して取得する。他のデータベースと連携する例もある。
　本システムのハードウエア構成について述べる。図２に、本発明における診療プロセス分析システムを実現するハードウエア構成図を示す。重要プロセスデータベース１０６はＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）装置に代表される外部記憶装置２０４などにより構成される。外部ＤＢ連携部１０３と、重要プロセス算出部１０４と、医学知識抽出部１０５と、関連プロセス抽出部１０７と、患者クラスタリング部１０８と、評価指標算出部１０９と、画面構成処理部１１０は、中央処理装置２０３やメモリ２０２などにおいて、所定のプログラムが展開・起動することで各種の処理を実現することができる。入力部１１１は、キーボード２００やマウスやペンタブレットにより実現することができる。表示部１１２は、液晶ディスプレイなどのディスプレイ２０１やＣＲＴ（Ｃａｔｈｏｄｅ－Ｒａｙ　Ｔｕｂｅ）などを利用したモニタにより実現することができる。また、紙などの媒体に出力してもよい。
　図３に、本システムの概要を示したフローチャートを示す。まず始めに、入力部１１１と表示部１１２を介して、分析対象の診療プロセスを入力する（Ｓ３０１）。次に、Ｓ３０１にて入力した分析対象の診療プロセスに基づいて、分析対象の診療プロセスと関連する診療プロセスを抽出する（Ｓ３０２）。次に、臨床データベース１０２に蓄積されたデータを用いて、臨床データの重要度を算出する（Ｓ３０３）。次に、Ｓ３０２にて抽出した関連プロセスと、Ｓ３０３にて算出した重要度に基づいて、患者をクラスタリングする（Ｓ３０４）。最後に、Ｓ３０４のクラスタ毎に、評価指標（クリニカルインディケータ、クオリティインディケータとも呼ばれる）を算出する（Ｓ３０５）。なおＳ３０３はＳ３０４の前に実施すればよく、本処理の前に予め実施してもよい。
　図４に、Ｓ３０１とＳ３０２にて表示部１１２に表示する画面例を示す。本段落では、Ｓ３０１に関連する部のみ説明する。本画面では、条件設定部４０１と処理結果提示部４０２から構成される。条件設定部４０１には、本システムの処理部を実行するためのボタン（関連データ抽出ボタン４０１１、クラスタリングボタン４０１２、評価指標算出ボタン４０１３）と、種々の条件を表示している。図４はＳ３０１における画面例を示しているが、関連データ抽出ボタン４０１１を押下するとＳ３０２が、クラスタリングボタン４０１２を押下するとＳ３０４が、評価指標算出ボタン４０１３を押下するとＳ３０５の処理を開始する。図４の条件設定部４０１では、関連データ抽出ボタン４０１１に必要な条件が表示されており、この例ではリピオドールとアイエーコールが分析対象の診療プロセス（薬剤）としている。これらの診療プロセスは、肝癌治療の抗がん剤として用いられており、これらの費用対効果をユーザは分析する。処理結果提示部４０２には、関連データ抽出ボタン４０１１を押下してＳ３０２の処理後の結果が表示されている。
　ここで、Ｓ３０２の詳細なフローチャートを図５に示す。まず、関連プロセス抽出手段１０７が、医学知識抽出手段１０５を介して医学知識を抽出し（Ｓ３０２１～Ｓ３０２３）、関連プロセスを抽出する（Ｓ３０２４）。以下、詳細を述べる。
　始めに、医学文献情報データベース１０１から、医学文献情報と辞書テーブルを、医学知識抽出手段１０５が外部ＤＢ連携部１０３を介して取得する（Ｓ３０２１）。図７は辞書テーブルであり、医学文献から医学概念を抽出するために使用するものであり、名称７０１と分類７０２からなる。名称７０１には、医学文献から抽出する医学概念の単語が記録される。分類７０２は、その単語の分類が記録される。この分類には、病名、術式名、指標名、医薬品名が含まれる。図９は、各文献の格付けを記録するテーブルであり、文献番号９０１、文献格付け９０２からなる。本実施例では、文献格付けは図１０の臨床研究のレベルを採用する。この臨床研究のレベルは、研究の信頼度やエビデンスとしてのそれぞれの研究の強さを示す。
　図６は、本実施例にて使用する画面例である。これは、Ｓ３０２１にて使用する画面であり、文献ＤＢ指定部６０１には、医学文献情報ＤＢ１０１に保管された医学文献に対して、当該プログラムが処理対象とする文献ＤＢを指定するエリアである。医学知識生成開始ボタン６０２は、当該プログラムの処理開始を行うボタンである。医学知識生成開始ボタン６０２がクリックされると、文献ＤＢ指定部６０１により指定された医学文献を、医学文献情報ＤＢ１０１から取得する。図８は、医学文献の例であり、文献タイトル８０１、発行年月日８０２、アブストラクト８０３、キーワード８０４からなる。同様に、図７に示した辞書テーブルと図９に示した文献格付けテーブルを、医学文献情報ＤＢ１０１から取得する。
　次に、辞書テーブルの各レコードに対して、分類７０２が病名、術式、指標に関する名称７０１にもとづき、医学文献のアブストラクトから医学用語を医学知識抽出手段１０５にて抽出する（Ｓ３０２２）。図８のアブストラクト８０３の下線部は、図７の辞書テーブルにもとづき抽出した医学用語の例である。次に、文献情報のキーワードから文献の格付けの同定と、Ｓ３０２２にて抽出した医学用語、量および時間関係情報について共起度を医学知識抽出手段１０５にて求める（Ｓ３０２３）。ここで項目Ａと項目Ｂの共起度とは、項目Ａと項目Ｂを同時に含む文献数と定義する。さらにＳ３０２３では、共起度と格付け結果を、図１１に示すメモリ上にある医学知識管理テーブルに登録する。最後に、入力した分析対象の診療プロセスの関連プロセスを、Ｓ３０２３の結果（医学知識管理テーブルの共起度と文献格付け）に基づき、関連プロセス抽出手段１０７にて抽出する（Ｓ３０２４）。例えば、医学知識管理テーブルのレコードから、入力した分析対象の診療プロセスと単語１（または単語２）と一致するレコードを抽出し、医学知識管理テーブルの共起度と文献格付けが高いものを絞り込んで抽出する。このようにして、学術文献のエビデンスとしてのレベルと各用語の共起度を用いて重要度を算出することで、学術文献での知を取り入れ、研究の信頼度に応じた重要度の設定が可能となり、日々進歩する医療の学術研究の成果をエビデンスに応じて用いた診療プロセスをクラスタリングしたプロセス分析が可能となる。
　医学知識管理テーブルの共起度と文献格付けが高いものを絞り込む方法として、本実施例の図４の条件設定部４０１では、共起度と文献格付けの積算値を閾値として設定できるようにしている。更に図４では、医学知識管理テーブルを処理結果提示部４０２に表示しており、ユーザが関連プロセスを選択できるようにしている。本実施例では、肝細胞癌とリピオドールの組合せを抽出した様子を示している。本実施例では関連プロセスを抽出しているが、逆に、条件設定部４０１の閾値などを用いて、関連しないプロセスをユーザが選択するようにしてもよい。このようにして、ユーザが閾値を制御することで、プロセス間の関連性を制御し、様々なニーズに対応して診療プロセスを抽出し、多様な診療プロセスの分析が可能となる。
　ここで、Ｓ３０３の詳細なフローチャートを図１２に示す。まず、臨床ＤＢ１０２に蓄積されている患者テーブル、臨床指標テーブル、実施記録テーブルを、外部ＤＢ連携部１０３を介して取得する（Ｓ３０３１）。図１３に患者テーブル、臨床指標テーブルの例を、図１４に実施記録テーブルの例を示す。患者テーブルは、患者コード、性別、年齢、病名、入退院日（外来であれば外来受診日）情報を持つ。臨床指標テーブルは、臨床指標（Ｃｌｉｎｉｃａｌ　Ｉｎｄｉｃａｔｏｒ、Ｑｕａｌｉｔｙ　Ｉｎｄｉｃａｔｏｒとも呼ぶ）を管理するテーブルであり、本実施例では在院日数や再入院情報を持つ。実施記録テーブルでは、診療プロセスを管理するテーブルであり、本実施例では患者Ｐ１にリピオドールを使った様子を示している。次に、病名・診療プロセス毎に、診療プロセスの実施患者と未実施患者を抽出し、２群間の臨床指標の差を算出する（Ｓ３０３２）。本実施例では、肝癌患者かつリピオドール実施者であるＰ１と、肝癌患者かつリピオドール未実施者であるＰ２からＰ６までを抽出し、２群間の臨床指標の差を算出する。算出方法は、２群間の臨床指標の平均値の差を算出してもよいし、２群間の臨床指標の平均値の差の検定結果を算出してもよい。最後に、Ｓ３０２３の結果とＳ３０３２の結果に基づいて、病名・診療プロセス毎に重要度を算出する（Ｓ３０３３）。Ｓ３０２３の結果のみに基づく場合は、Ｓ３０２４と同様に、医学知識管理テーブルの共起度と文献格付けの積算値を重要度とする。Ｓ３０３２の結果のみに基づく場合は、Ｓ３０３２にて算出した２群間の臨床指標の差の値を重要度とする。Ｓ３０２３の結果とＳ３０３２の両方の結果に基づく場合は、両結果の加算値、もしくは積算値とする。このようにして、分析のニーズに対応した臨床指標に関して重要性が高いプロセスを抽出し、多様な診療プロセスの分析が可能となる。
　ここで、Ｓ３０４の詳細なフローチャートを図１５に示す。本処理の特徴は、臨床的に重要な診療プロセスに基づいて、臨床的に類似した患者をクラスタリングすることである。臨床的に重要な診療プロセスとは、死亡率などアウトカムに重大な影響を及ぼす診療プロセスを意味している。例えば、臨床データの悪化を予め度合いで分け、この度合いに基づいて重要度を算出することが考えられる。このようにして、重要度の算出方法を制御し、多種多様な分析ニーズに対応した診療プロセスの分析が可能となる。
　また、臨床的に関係性が低い診療プロセスを関連データ抽出部１０７により排除することで、クラスタリング精度を向上し、より臨床的に分けられたグループで抽出することが可能になる。
　次に、詳細なフローについて述べる。始めに、分析対象の診療プロセスと関連するプロセスと、分析対象の診療プロセスの実施患者を、関連データ抽出部から抽出する（Ｓ３０４１）。次に、診療プロセスの重要度を、重要プロセス算出部から抽出する（Ｓ３０４２）。次に、実施患者毎に、関連プロセスの実施量にＳ３０４２の重要度を積算する（Ｓ３０４３）。最後に、Ｓ３０４３の結果である積算した実施量に基づいて、実施患者をクラスタリングする（Ｓ３０４４）。
　ここで図１６に、Ｓ３０３とＳ３０４にて、重要度の算出とクラスタリングした結果を表示部１１２に表示する画面例を示す。クラスタリングボタン４０１２を押下するとＳ３０３とＳ３０４の処理を開始する。図１６の条件設定部４０１では、クラスタリングボタン４０１２に必要な条件が表示されており、Ｓ３０４におけるクラスタ数を設定する。本実施例ではクラスタ数を４としており、処理結果提示部４０２ではＳ３０４の結果４つのクラスタに分割した様子（パターンＡからパターンＤまで）を示す。このように、クラスタ数の入力を受け付けることでクラスタリングの制御を可能にし、診療プロセスの関連性における分析のスケールを調整することが出来、診療プロセスの多様な分析ニーズに応えることが出来る。
　なお、本実施例では、ＵＳやＣＴなどの診療プロセスが表示されているが、この表示は、Ｓ３０３にて重要度が高い診療プロセスとして表示されている。このように重要度が高い診療プロセスを抽出する処理により、クラスタリング精度の妥当性を目視確認する事が可能になる。また本実施例では、パターンＡとパターンＤが選択され、パターンＢとパターンＣが選択されていない様子を示している。これは、選択したパターンＡとパターンＤの評価指標を、評価指標算出ボタン４０１３を押下することで表示する事が可能になる。
　次に、Ｓ３０５の詳細なフローチャートを図１７に示す。まず始めに、入力部１１１にて、算出すべき評価指標を入力する（Ｓ３０５１）。図１８に、Ｓ３０５にて、重要度の算出とクラスタリングした結果を表示部１１２に表示する画面例を示す。評価指標算出ボタン４０１３を押下するとＳ３０５の処理を開始する。図１６の条件設定部４０１では、算出すべき評価指標が選択できるようになっている。本実施例では、在院日数とコストと再入院率を算出すべき評価指標として選択し、死亡率は算出しない。
　ここで図１７のフローチャートの説明に戻る。次に、患者クラスタリング部１０８から、患者クラスタリング情報を取得する（Ｓ３０５２）。本実施例では、図１６にて選択したパターンＡとパターンＤに属する患者と診療プロセスを抽出する。最後に、患者クラスタリング毎に、評価指標を算出する（Ｓ３０５３）。本実施例では、在院日数と再入院率は、パターンＡとパターンＤの患者における平均値をそれぞれ算出し、処理結果提示部４０２に表示する。同様に、コストは、パターンＡとパターンＤの診療プロセスコストの患者毎の平均値をそれぞれ図１４のテーブルから算出し、処理結果提示部４０２に表示する。図１８の処理結果提示部４０２では、リピオドールのコストが低いが、在院日数や再入院率が高い様子を示している。一方、アイエーコールのコストは高いが、在院日数や再入院率が低い様子を示している。そのため、アイエーコールの使用により在院日数の削減や再入院率の低減が実現され、トータルコストを低く抑える事が可能になる事が分かる。
　このようなシステムにより、診療プロセスの「価値（効果）」を評価する際に、単純な価格ではなく、その診療プロセスを実施した患者のプロセス全体を追跡し、プロセス全体に掛るコストで価値を評価することが可能になる。特に、プロセス全体の価値を評価する際、分析対象の診療プロセスと臨床的には関係ないプロセスが大量にあるため、明らかに異なるプロセスを排除する事で、プロセス全体に掛るコストで価値の評価精度が向上することが可能になる。さらに、プロセス全体を評価する最大の目的は改善する事である。そのため価値評価する際、本システムを用いて、出来る限り臨床的に均質なプロセスの組合せ毎に評価することで、改善すべきプロセスの組合せを特定することが可能になる。
　本発明は、医療分野における病院情報システム技術に係り、特に、診療プロセス分析を支援する技術として有用である。
１０１　医学文献情報データベース
１０２　臨床データベース
１０３　外部ＤＢ連携部
１０４　重要プロセス算出部
１０５　医学知識抽出部
１０６　重要プロセスデータベース
１０７　関連プロセス抽出部
１０８　患者クラスタリング部
１０９　評価指標算出部
１１０　画面構成処理部
１１１　入力部
１１２　表示部
２００　キーボード
２０１　液晶ディスプレイ
２０２　メモリ
２０３　中央処理装置
２０４　外部記憶装置
４０１　条件設定部
４０１１　関連データ抽出ボタン
４０１２　クラスタリングボタン
４０１３　評価指標算出ボタン
４０２　処理結果提示部
６０１　文献ＤＢ指定部
６０２　医学知識生成開始ボタン
７０１　名称
７０２　分類
８０１　文献タイトル
８０２　発行年月日
８０３　アブストラクト
８０４　キーワード
９０１　文献番号
９０２　文献格付け

Claims (6)

  1. 　臨床データと医学的概念を示す医学概念情報とテキストデータと、を格納するデータベースを用いて診療プロセスの費用対効果を分析する診療プロセス分析システムであって、
    　入力部と出力部と処理装置と、を備え、
    　前記入力部は、分析対象の第１の診療プロセスの入力を受け付け、
    　前記処理装置は、
    　予め定義された前記臨床データにおける各データの前記医学的概念情報に関して、異なる医学概念間の関係性を示す関係性情報を前記テキストデータから抽出する医学知識抽出部と、
    　前記関係性情報を用いて前記臨床データの重要度を算出する重要プロセス算出部と、
    　前記重要度に基づいて、前記入力部で受け付けた前記第１の診療プロセスとの関連性が低い診療プロセスを排除し第２の診療プロセスを抽出する関連プロセス抽出部と、
    　前記第２の診療プロセスと前記重要プロセス算出部にて算出した重要度とに基づいて、前記臨床データの患者をクラスタリングする患者クラスタリング部と、
    　前記患者クラスタリング部にてクラスタされた患者群毎に、臨床指標と第２の診療プロセスのコストを算出する評価指標算出部と、を有し、
    　前記出力部は、前記評価指標算出部の算出結果を出力することを特徴とする診療プロセス分析システム。
  2. 請求項１に記載の診療プロセス分析システムにおいて、
    前記関連プロセス抽出部は、
    前記医学知識抽出部にて出力した医学概念間の関係性情報と予め定められた閾値とに基づいて、関連性が低い診療プロセスを排除することを特徴とする診療プロセスシステム。
  3. 請求項１に記載の診療プロセス分析システムにおいて、
    前記重要プロセス算出部は、前記臨床指標の悪化の度合いである臨床指標悪化度を評価し、前記評価された臨床指標悪化度に基づいて重要度を算出することを特徴とする診療プロセス分析システム。
  4. 請求項１に記載の診療プロセス分析システムにおいて、
    前記テキストデータは医学文献であり
    前記医学知識抽出部は、前記医学文献が示す研究レベルからエビデンスレベルを抽出し、
    前記前記重要プロセス算出部は、前記医学知識抽出部にて出力した医学概念間の共起度と前記エビデンスレベルに基づいて、前記臨床データの前記重要度を算出することを特徴とする診療プロセス分析システム。
  5. 請求項３に記載の診療プロセス分析システムにおいて、
    前記重要プロセス算出部は、前記臨床指標悪化度を評価する際に、前記診療プロセス毎に、実施患者と未実施患者の２群を前記データベースから抽出し、前記抽出された２群間における前記臨床指標の差を算出し、前記算出された臨床指標の差に基づいて、前記臨床指標悪化度を評価することを特徴とする診療プロセス分析システム。
  6. 請求項１に記載の診療プロセス分析システムであって、
    前記患者クラスタリング部は、前記クラスタリングする際のクラスタ数の入力を受け付け、前記受け付けたクラスタ数に基づいて前記臨床データの患者をクラスタリングすることを特徴とする診療プロセス分析システム。
PCT/JP2013/067759 2013-06-28 2013-06-28 診療プロセス分析システム WO2014196087A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
PCT/JP2013/067759 WO2014196087A1 (ja) 2013-06-28 2013-06-28 診療プロセス分析システム
JP2014522772A JP5891305B2 (ja) 2013-06-28 2013-06-28 診療プロセス分析システム
US14/376,629 US10395766B2 (en) 2013-06-28 2013-06-28 Diagnostic process analysis system
EP13883850.3A EP3016060A4 (en) 2013-06-28 2013-06-28 SYSTEM FOR ANALYZING MEDICAL CARE PROCESSES
CN201380004874.8A CN104395925B (zh) 2013-06-28 2013-06-28 诊疗过程分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2013/067759 WO2014196087A1 (ja) 2013-06-28 2013-06-28 診療プロセス分析システム

Publications (1)

Publication Number Publication Date
WO2014196087A1 true WO2014196087A1 (ja) 2014-12-11

Family

ID=52007758

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/067759 WO2014196087A1 (ja) 2013-06-28 2013-06-28 診療プロセス分析システム

Country Status (5)

Country Link
US (1) US10395766B2 (ja)
EP (1) EP3016060A4 (ja)
JP (1) JP5891305B2 (ja)
CN (1) CN104395925B (ja)
WO (1) WO2014196087A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180100621A (ko) * 2016-01-15 2018-09-11 더블유.엘. 고어 앤드 어소시에이트스, 인코포레이티드 적층형 스토퍼를 갖는 의료용 전달 디바이스
JP2018170004A (ja) * 2017-03-30 2018-11-01 富士通株式会社 新規患者の挙動を予測するためのシステムおよび方法
JP2018181105A (ja) * 2017-04-18 2018-11-15 キヤノンメディカルシステムズ株式会社 医用情報処理装置及び医用情報処理方法
JP2019185522A (ja) * 2018-04-13 2019-10-24 株式会社日立製作所 分析システム及び分析方法
WO2020054115A1 (ja) * 2018-09-12 2020-03-19 株式会社日立製作所 分析システム及び分析方法
JP2021056568A (ja) * 2019-09-27 2021-04-08 株式会社日立製作所 分析システム及び分析方法
JP7422651B2 (ja) 2020-12-16 2024-01-26 株式会社日立製作所 情報処理システム及び選択支援方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11562827B2 (en) 2019-02-20 2023-01-24 International Business Machines Corporation Negative inferences in machine learning treatment selection
JP7438693B2 (ja) * 2019-09-02 2024-02-27 キヤノンメディカルシステムズ株式会社 診療支援装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003331055A (ja) * 2002-05-14 2003-11-21 Hitachi Ltd クリニカルパス運用支援情報システム
JP2005202547A (ja) * 2004-01-14 2005-07-28 Hitachi Ltd 診療支援システム及びその情報提示方式
JP2008047154A (ja) * 2007-10-19 2008-02-28 Hitachi Ltd クリニカルパス運用支援情報システム
JP2010191891A (ja) * 2009-02-20 2010-09-02 Global Health Consulting Kk 医療行為評価システム及び方法
JP2011243140A (ja) 2010-05-21 2011-12-01 Nec Corp 医療情報処理装置、医療情報処理システム、医療情報処理方法、及び、医療情報処理プログラム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0531889B1 (en) * 1991-09-11 1998-11-11 Hewlett-Packard Company Data processing system and method for automatically performing prioritized nursing diagnoses from patient assessment data
US7461006B2 (en) * 2001-08-29 2008-12-02 Victor Gogolak Method and system for the analysis and association of patient-specific and population-based genomic data with drug safety adverse event data
CA2464374A1 (en) * 2001-11-02 2003-05-15 R. Bharat Rao Patient data mining for cardiology screening
US7640173B2 (en) * 2002-01-17 2009-12-29 Applied Medical Software, Inc. Method and system for evaluating a physician's economic performance and gainsharing of physician services
US20050261941A1 (en) * 2004-05-21 2005-11-24 Alexander Scarlat Method and system for providing medical decision support
US20080172251A1 (en) * 2007-01-16 2008-07-17 Siemens Medical Solutions Usa, Inc. Clinical Cost Control Management Module
MX337333B (es) * 2008-03-26 2016-02-26 Theranos Inc Metodos y sistemas para evaluar resultados clinicos.
US20100274577A1 (en) * 2009-03-10 2010-10-28 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Computational systems and methods for health services planning and matching
KR20120031223A (ko) * 2009-06-12 2012-03-30 콘솔리데이티드 리서치 인코포레이티드 치료 가설 검증 시스템 및 방법
US9836581B2 (en) * 2012-08-16 2017-12-05 Ginger.io, Inc. Method for modeling behavior and health changes
US20140100883A1 (en) * 2012-10-08 2014-04-10 Cerner Innovation, Inc. Contracts and organization management program

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003331055A (ja) * 2002-05-14 2003-11-21 Hitachi Ltd クリニカルパス運用支援情報システム
JP2005202547A (ja) * 2004-01-14 2005-07-28 Hitachi Ltd 診療支援システム及びその情報提示方式
JP2008047154A (ja) * 2007-10-19 2008-02-28 Hitachi Ltd クリニカルパス運用支援情報システム
JP2010191891A (ja) * 2009-02-20 2010-09-02 Global Health Consulting Kk 医療行為評価システム及び方法
JP2011243140A (ja) 2010-05-21 2011-12-01 Nec Corp 医療情報処理装置、医療情報処理システム、医療情報処理方法、及び、医療情報処理プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3016060A4 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180100621A (ko) * 2016-01-15 2018-09-11 더블유.엘. 고어 앤드 어소시에이트스, 인코포레이티드 적층형 스토퍼를 갖는 의료용 전달 디바이스
KR102241903B1 (ko) 2016-01-15 2021-04-16 더블유.엘. 고어 앤드 어소시에이트스, 인코포레이티드 적층형 스토퍼를 갖는 의료용 전달 디바이스
JP2018170004A (ja) * 2017-03-30 2018-11-01 富士通株式会社 新規患者の挙動を予測するためのシステムおよび方法
JP2018181105A (ja) * 2017-04-18 2018-11-15 キヤノンメディカルシステムズ株式会社 医用情報処理装置及び医用情報処理方法
JP2019185522A (ja) * 2018-04-13 2019-10-24 株式会社日立製作所 分析システム及び分析方法
WO2020054115A1 (ja) * 2018-09-12 2020-03-19 株式会社日立製作所 分析システム及び分析方法
JP2021056568A (ja) * 2019-09-27 2021-04-08 株式会社日立製作所 分析システム及び分析方法
JP7373958B2 (ja) 2019-09-27 2023-11-06 株式会社日立製作所 分析システム及び分析方法
JP7422651B2 (ja) 2020-12-16 2024-01-26 株式会社日立製作所 情報処理システム及び選択支援方法

Also Published As

Publication number Publication date
CN104395925B (zh) 2017-10-10
EP3016060A1 (en) 2016-05-04
JP5891305B2 (ja) 2016-03-22
JPWO2014196087A1 (ja) 2017-02-23
US20150278459A1 (en) 2015-10-01
US10395766B2 (en) 2019-08-27
CN104395925A (zh) 2015-03-04
EP3016060A4 (en) 2016-05-18

Similar Documents

Publication Publication Date Title
JP5891305B2 (ja) 診療プロセス分析システム
Charidimou et al. Total magnetic resonance imaging burden of small vessel disease in cerebral amyloid angiopathy: an imaging-pathologic study of concept validation
Johnsen et al. The Danish stroke registry
Williams et al. Recent advances in the utility and use of the General Practice Research Database as an example of a UK Primary Care Data resource
Varmdal et al. Comparison of the validity of stroke diagnoses in a medical quality register and an administrative health register
Lalani et al. Intensive care outcomes and mortality prediction at a national referral hospital in Western Kenya
Westwood et al. Universal screening for alcohol misuse in acute medical admissions is feasible and identifies patients at high risk of liver disease
Chung et al. Comparison of acute respiratory events between asthma–COPD overlap syndrome and COPD patients: a population-based cohort study
US10593428B2 (en) Diagnosis support apparatus and method, and non-transitory computer readable medium
US20150294083A1 (en) Information processing apparatus, information processing method, and program
Li et al. Temporal trends in the accuracy of hospital diagnostic coding for identifying acute stroke: A population-based study
AU2022231713A1 (en) Medical care assistance device, and operation method and operation program therefor
Sam et al. A retrospective study on the incidences of adverse drug events and analysis of the contributing trigger factors
US20130159022A1 (en) Clinical state timeline
Burke et al. Are more young people having strokes?—a simple question with an uncertain answer
Hackam et al. Influence of noninvasive cardiovascular imaging in primary prevention: systematic review and meta-analysis of randomized trials
Henoch et al. Early Predictors of Mortality in Patients with COPD, in Relation to Respiratory and Non-Respiratory Causes of Death–A National Register Study
JP4990410B1 (ja) 医療費解析システム
Song et al. Evaluation of between-county disparities in premature mortality due to stroke in the US
Shafin et al. Thematic analysis of multiple sclerosis research by enhanced strategic diagram
Redd et al. Informatics can identify systemic sclerosis (SSc) patients at risk for scleroderma renal crisis
Suraj et al. SMART COVID Navigator, a clinical decision support tool for COVID-19 treatment: design and development study
JP6386956B2 (ja) データ作成支援システム、データ作成支援方法及びプログラム
Ballering et al. Differences between women and men are present in the rate of diagnosed diseases after a diagnostic intervention is conducted in primary care
JP6968704B2 (ja) 情報管理システム及び情報管理方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2014522772

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14376629

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2013883850

Country of ref document: EP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13883850

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE