Submit Search
Upload
tokyowebmining36th 国立病院機構における診療情報分析
•
19 likes
•
7,528 views
Naomi Kawashima
Follow
データマイニング+WEB第36回 国立病院機構における診療情報分析
Read less
Read more
Healthcare
Report
Share
Report
Share
1 of 39
Download now
Download to read offline
Recommended
医療ビッグデータ勉強会 第2回 国立病院機構における診療情報分析について
医療ビッグデータ勉強会 第2回 国立病院機構における診療情報分析について
Naomi Kawashima
医療ビッグデータ勉強会プレゼン公開版
医療ビッグデータ勉強会プレゼン公開版
mamoruichikawa
ビッグデータと市民主導による健康医療イノベーション-US,北欧の先進事例-
ビッグデータと市民主導による健康医療イノベーション-US,北欧の先進事例-
Eiji Sasahara, Ph.D., MBA 笹原英司
診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
Satomi Kojima
[印刷用] 診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
[印刷用] 診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
Satomi Kojima
Health2.0で見た医療の未来
Health2.0で見た医療の未来
Junta Okuda
Sano tokyowebmining 36_20140526
Sano tokyowebmining 36_20140526
Masakazu Sano
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
Koichi Hamada
Recommended
医療ビッグデータ勉強会 第2回 国立病院機構における診療情報分析について
医療ビッグデータ勉強会 第2回 国立病院機構における診療情報分析について
Naomi Kawashima
医療ビッグデータ勉強会プレゼン公開版
医療ビッグデータ勉強会プレゼン公開版
mamoruichikawa
ビッグデータと市民主導による健康医療イノベーション-US,北欧の先進事例-
ビッグデータと市民主導による健康医療イノベーション-US,北欧の先進事例-
Eiji Sasahara, Ph.D., MBA 笹原英司
診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
Satomi Kojima
[印刷用] 診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
[印刷用] 診療ガイドラインとライブラリアン(JMLA第3回医療・健康情報サービス研修会講演資料)
Satomi Kojima
Health2.0で見た医療の未来
Health2.0で見た医療の未来
Junta Okuda
Sano tokyowebmining 36_20140526
Sano tokyowebmining 36_20140526
Masakazu Sano
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
オープニングトーク - 創設の思い・目的・進行方針 -データマイニング+WEB勉強会@東京
Koichi Hamada
35thwebmining_lt
35thwebmining_lt
Daisuke Amano
20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について
20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について
Hiromasa Horiguchi
DPCデータ(E/Fファイル)分析ツールの紹介
DPCデータ(E/Fファイル)分析ツールの紹介
Hiromasa Horiguchi
運用が楽になる分散データベース Riak
運用が楽になる分散データベース Riak
Takahiko Sato
アンカンファレンス @ 第50回 データマイニング+WEB @東京
アンカンファレンス @ 第50回 データマイニング+WEB @東京
Izumi Akiyama
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
Osaka University
20161029 TVI Tokyowebmining Seminar for Share
20161029 TVI Tokyowebmining Seminar for Share
Yasushi Gunya
人工知能Xファッション最前線
人工知能Xファッション最前線
Kazuki Baba
Sano tokyowebmining 201625_v04
Sano tokyowebmining 201625_v04
Masakazu Sano
機械学習による積極的失業〜オウンドメディアの訪問予測
機械学習による積極的失業〜オウンドメディアの訪問予測
Teruyuki Sakaue
レコメンド研究のあれこれ
レコメンド研究のあれこれ
Masahiro Sato
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
Tokyo Webmining Talk1
Tokyo Webmining Talk1
Kenta Oono
VAE-type Deep Generative Models
VAE-type Deep Generative Models
Kenta Oono
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
Takashi Kaneda
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
Osaka University
DeNAの機械学習・深層学習活用した体験提供の挑戦
DeNAの機械学習・深層学習活用した体験提供の挑戦
Koichi Hamada
RiakでつくるHealthcare Database
RiakでつくるHealthcare Database
Naomi Kawashima
医療情報とビッグデータセキュリティ
医療情報とビッグデータセキュリティ
Eiji Sasahara, Ph.D., MBA 笹原英司
20151104 health2.0 in Japan - clinical big data and subjects
20151104 health2.0 in Japan - clinical big data and subjects
NaotoKume
医療情報の標準化手法について
医療情報の標準化手法について
Ehime Univ.
日本在宅医療学会 「多職種みんなで使えるを目指す地域医療連携支援システムの取り組み」
日本在宅医療学会 「多職種みんなで使えるを目指す地域医療連携支援システムの取り組み」
遠矢 純一郎
More Related Content
Viewers also liked
35thwebmining_lt
35thwebmining_lt
Daisuke Amano
20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について
20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について
Hiromasa Horiguchi
DPCデータ(E/Fファイル)分析ツールの紹介
DPCデータ(E/Fファイル)分析ツールの紹介
Hiromasa Horiguchi
運用が楽になる分散データベース Riak
運用が楽になる分散データベース Riak
Takahiko Sato
アンカンファレンス @ 第50回 データマイニング+WEB @東京
アンカンファレンス @ 第50回 データマイニング+WEB @東京
Izumi Akiyama
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
Osaka University
20161029 TVI Tokyowebmining Seminar for Share
20161029 TVI Tokyowebmining Seminar for Share
Yasushi Gunya
人工知能Xファッション最前線
人工知能Xファッション最前線
Kazuki Baba
Sano tokyowebmining 201625_v04
Sano tokyowebmining 201625_v04
Masakazu Sano
機械学習による積極的失業〜オウンドメディアの訪問予測
機械学習による積極的失業〜オウンドメディアの訪問予測
Teruyuki Sakaue
レコメンド研究のあれこれ
レコメンド研究のあれこれ
Masahiro Sato
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
Tokyo Webmining Talk1
Tokyo Webmining Talk1
Kenta Oono
VAE-type Deep Generative Models
VAE-type Deep Generative Models
Kenta Oono
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
Takashi Kaneda
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
Osaka University
DeNAの機械学習・深層学習活用した体験提供の挑戦
DeNAの機械学習・深層学習活用した体験提供の挑戦
Koichi Hamada
Viewers also liked
(17)
35thwebmining_lt
35thwebmining_lt
20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について
20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について
DPCデータ(E/Fファイル)分析ツールの紹介
DPCデータ(E/Fファイル)分析ツールの紹介
運用が楽になる分散データベース Riak
運用が楽になる分散データベース Riak
アンカンファレンス @ 第50回 データマイニング+WEB @東京
アンカンファレンス @ 第50回 データマイニング+WEB @東京
イノベーション創発に資する人工知能基盤技術の創出と統合化
イノベーション創発に資する人工知能基盤技術の創出と統合化
20161029 TVI Tokyowebmining Seminar for Share
20161029 TVI Tokyowebmining Seminar for Share
人工知能Xファッション最前線
人工知能Xファッション最前線
Sano tokyowebmining 201625_v04
Sano tokyowebmining 201625_v04
機械学習による積極的失業〜オウンドメディアの訪問予測
機械学習による積極的失業〜オウンドメディアの訪問予測
レコメンド研究のあれこれ
レコメンド研究のあれこれ
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Tokyo Webmining Talk1
Tokyo Webmining Talk1
VAE-type Deep Generative Models
VAE-type Deep Generative Models
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
投資会社から見た人工知能(Ai)の事業化トレンド
投資会社から見た人工知能(Ai)の事業化トレンド
DeNAの機械学習・深層学習活用した体験提供の挑戦
DeNAの機械学習・深層学習活用した体験提供の挑戦
Similar to tokyowebmining36th 国立病院機構における診療情報分析
RiakでつくるHealthcare Database
RiakでつくるHealthcare Database
Naomi Kawashima
医療情報とビッグデータセキュリティ
医療情報とビッグデータセキュリティ
Eiji Sasahara, Ph.D., MBA 笹原英司
20151104 health2.0 in Japan - clinical big data and subjects
20151104 health2.0 in Japan - clinical big data and subjects
NaotoKume
医療情報の標準化手法について
医療情報の標準化手法について
Ehime Univ.
日本在宅医療学会 「多職種みんなで使えるを目指す地域医療連携支援システムの取り組み」
日本在宅医療学会 「多職種みんなで使えるを目指す地域医療連携支援システムの取り組み」
遠矢 純一郎
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
Isamu Kajitani
202110
202110
KitSystem
202102
202102
KitSystem
202108
202108
KitSystem
202012
202012
KitSystem
202109
202109
KitSystem
202107
202107
KitSystem
2019 09
2019 09
KitSystem
2019 02
2019 02
KitSystem
2019 06
2019 06
KitSystem
2019 04
2019 04
KitSystem
Uchimoto01
Uchimoto01
tokumotonahoko
医療・介護運営の今後のあり方ついて
医療・介護運営の今後のあり方ついて
HealthcareBitStation
Presen110802
Presen110802
one corporation
202103
202103
KitSystem
Similar to tokyowebmining36th 国立病院機構における診療情報分析
(20)
RiakでつくるHealthcare Database
RiakでつくるHealthcare Database
医療情報とビッグデータセキュリティ
医療情報とビッグデータセキュリティ
20151104 health2.0 in Japan - clinical big data and subjects
20151104 health2.0 in Japan - clinical big data and subjects
医療情報の標準化手法について
医療情報の標準化手法について
日本在宅医療学会 「多職種みんなで使えるを目指す地域医療連携支援システムの取り組み」
日本在宅医療学会 「多職種みんなで使えるを目指す地域医療連携支援システムの取り組み」
20141002 医療福祉技術シンポジウム
20141002 医療福祉技術シンポジウム
202110
202110
202102
202102
202108
202108
202012
202012
202109
202109
202107
202107
2019 09
2019 09
2019 02
2019 02
2019 06
2019 06
2019 04
2019 04
Uchimoto01
Uchimoto01
医療・介護運営の今後のあり方ついて
医療・介護運営の今後のあり方ついて
Presen110802
Presen110802
202103
202103
tokyowebmining36th 国立病院機構における診療情報分析
1.
国立病院機構における診療情報分析 川島 直美 1
2.
自己紹介 • 川島直美です – (独)国立病院機構
本部 総合研究センター 診療情報分析部 システム開発専門職 • 情報処理学会誌 デジタルプラクティス 特集「ヘルスケアの現場を支えるIT」 『国立病院機構における診療情報分析 システムについて ―構築と運用に関する現状と課題―』 2
3.
今日のお話 1. 診療情報分析部について 2. 収集データの処理 3.
処理によって得られた効果 4. 時間があれば… 個人情報の取り扱いについて 3
4.
1. 診療情報分析部 4
5.
診療情報分析部 since 2010 • 機構143病院の診療データを収集・分析 –
医療の可視化・比較 – 医療の質の向上・均てん化への貢献 5
6.
MIA Medical Information Analysis
databank • データ収集基盤 – テキストファイル収集・RDB化 – SQLで自由分析 6 Oracle
7.
MIA収集データ • 業務で作成するデータを二次利用 1. DPC調査データ Diagnosis
Procedure Combination 2. レセプトデータ 7
8.
MIA収集データ 1.DPC調査データ • DPC/PDPS参加病院に提出義務 Diagnosis Procedure
Combination/Per-Diem Payment System – タブ区切り行列 – 体系的なコードの記載 – 曖昧なデータにはペナルティ \リッチで正確、分析しやすいデータ/ でも作成病院が少ない 機構57/全国1500+ 8
9.
• の前に日本の健康保険制度のおさらい 治療 一部支払い 2.レセプトデータ (診療報酬明細書) 9 被保険者 (みなさんのこと) 医療機関 審査支払機関 保険者 (健康保険組合等) 治療明細提出 審査・残額支払保険料納付 請求 残額支払
10.
MIA収集データ 2.レセプトデータ(診療報酬明細書) • 保険診療をする全医療機関が月一作成 二次利用は念頭にない仕様 orz... –
請求用の一意なだけのコード – 行列ではないCSV – 審査の都合で… でも作成病院が多い 機構143/全国8万+ 10
11.
2. 収集データの処理 レセプトデータとの戦い 11
12.
レセプトデータとの戦い 1. 請求用コード – 体系的なコードに変換しよう! 2.
行列ではないCSV – 成形しよう! 3. 審査の都合で… – どうしよう! 12
13.
レセプトデータとの戦い 1. 請求用コード – 体系的なコードに変換しよう! 2.
行列ではないCSV – 成形しよう! 3. 審査の都合で… – どうしよう! 13
14.
レセプトデータって 2011年度から原則電子運用 こころの目で見ると… 14 社会保険診療報酬支払基金WEBサイトより抜粋 IR,1,13,1,9999905,,サンプル医科病院,42405,00,03-9999-9999 RE,61,1119,42404,サンプル 6 1,1,3160927,,4240124,,,,,sample-ika- 061,,,,,,,,14,,,,,,,,,,,,,, HO,06132013,1234567,61,7,16794,,20,13150,,,44400,,, SY,4319018,4240124,1,,,01, SY,8839792,4240124,1,,,, SY,8120005,4240124,1,8002,,, … IY,21,1,613330003,3,,3,,,,,,,,,,1,1,1,,,,,,,,,,,,,,,,,,,,,,,,, IY,,1,620002332,1,4,3,,,,,,,,,,1,1,1,,,,,,,,,,,,,,,,,,,,,,,… CO,90,1,840000013,240407 SI,90,1,190118610,,,7,,,,,,,1,1,1,1,1,1,1,,,,,,,,,,,,,,,,,,…
15.
レセプトデータとの戦い 請求用コード • 請求用マスタで日本語に翻訳 15 請求用マスタ レセプト電算処理コード/印字例 診療行為
160020910 中性脂肪(検査) 特定器材 700080000 四ツ切(レントゲンフィルム) 医薬品 610444041 ガスターD錠10mg 傷病名 0703025 C型慢性肝炎 修飾語 8002 の疑い コメント 840000013 退 院 年 月 日 体系的な コードへ
16.
体系的なコードに変換しよう! 薬剤(約20,000種) • 様々な薬品のためのコード – 薬価基準収載医薬品コード –
HOTコード – JANコード • 何をもって1種類の薬? – 薬効(解熱鎮静剤/血圧降下剤…) – 剤形(飲み薬/注射/塗り薬…) – 製造元(先発メーカー/後発メーカー…) 16
17.
体系的なコードに変換しよう! 例えば薬価基準収載医薬品コード 2 3 2
5 0 0 3 F 3 0 3 5 • 2*:個々の器官系医薬品 • 23*:消化器官用薬 • 232*:消化性潰瘍剤 • 2325*:H2遮断剤 • 2325003*:ファモチジン • 2325003F*:の、飲み薬 • 2325003F3035:アステラス製薬のガスターD錠10mg 17 IY,21,1,610444041,3,3,2,,,,,… 任意の粒度で集計・分析 ガスターD錠10mg
18.
体系的なコードに変換しよう 傷病名コード(約25,000種) • 世界的な傷病統計用コード – ICDコード International
Statistical Classification of Diseases and Related Health Problems 疾病及び関連保健問題の国際統計分類 18
19.
体系的なコードに変換しよう ICDコード C161 • C*:新生物 • C16*:胃の悪性新生物 •
C161:胃の悪性新生物, 胃底部 19 SY,1513002,4240124,1,8002,,, 胃底部癌 任意の粒度で 集計・分析
20.
体系的なコードに変換したいのに 未コード化傷病名 • マスタは全病名を網羅してはいない – 新種の病気 –
何とも診断がつかない状態 不明コード+テキスト病名 入力時に検索できてない 20 SY,0000999,4240124,1,,二型糖尿病,, 『2500015 2型糖尿病』では?
21.
体系的なコードに変換しよう! テキスト病名で集計はしたくない • DPC調査データの病名欄 – 診断病名
+ ICDコード 21 DPC調査データ ICD 病名 E119 2型糖尿病 E119 II型糖尿病 E119 二型糖尿病 E119 糖尿病(2型) E119 インスリン非依存性糖尿病 レセプトデータ 病名 ICD 2型糖尿病 NULL 二型糖尿病 NULL 2型糖尿病合併症なし NULL E119 E119 医師の知見を 利用
22.
レセプトデータとの戦い 1. 請求用コード – 体系的なコードに変換しよう! 2.
行列ではないCSV – 成形しよう! 3. 審査の都合で… – どうしよう! 22
23.
成形しよう! 記載の省略 -最低限記載主義- 埋める! 23 IY,21,1,620004915,1,,… IY, ,1,620003619,1,,… IY,
,1,620000167,1,,… IY, ,1,610443053,1,,… IY, ,1,620002429,1,15,… 21 21 21 21
24.
成形しよう! 行ごとに異なる種類の情報 テーブル化! 24 RE,61,1119,42404,サンプル 61,1,3160927… HO,06132013,1234567,61,7,16794,,20,… SY,4319018,4240124,1,,,01, SY,8839792,4240124,1,,,, … SI,13,1,180016110,,250,1,,,,,,,,,,,,,1,,,,,,,,,,,… IY,21,1,613330003,3,3,2,,,,,,,,1,1,,,,,,,,,,,,,,,… 医療行為 病院ID 患者ID 診療月 医療行為 プロフィール 病院ID 患者ID 診療月 生年月日 性別 病名 病院ID 患者ID 診療月 病名
25.
成形しよう! 1日の情報、2日の情報、3日の情報…31日の情報 縦積み! 25 IY,21,1,620004915,1,,11,,,,,,,1,1,1,1,1,1,5… IY,,1,620003619,1,,11,,,,,,,1,1,1,1,1,1,5… IY,,1,620000167,1,,11,,,,,,,1,1,1,1,1,1,5… 1日の情報 2日の情報 3日の情報 実施日 医療行為 数 2014/04/01
620004915 1 2014/04/02 620004915 1 2014/04/03 620004915 1 … 620004915 … 2014/04/07 620004915 5
26.
成形しよう! だんだん集計できそうになってきたけど… • 集計の単位は何? – のべ人月? –
ユニーク患者数? • 医療者が知りたいのは症例数 – 発症/治療開始~治癒/治療終了 – 便宜上、入院~退院 26
27.
成形しよう! 1入院1レコード化 入退院日を抽出してソート 27 RE,1,1115,42604,国病太郎,1,358311,,4260225,… … CO,90,1,840000013,260301 CO,,1,840000014,260305 病院ID 患者ID 入院日
退院日 123456789 000000123 2014/02/25 2014/03/01 123456789 000000123 2014/03/05 NULL 123456789 000000246 2014/03/01 2014/03/04 123456789 000000482 2014/03/05 2014/03/07 和暦→西暦へ
28.
レセプトデータとの戦い 1. 請求用コード – 体系的なコードに変換しよう! 2.
行列ではないCSV – 成形しよう! 3. 審査の都合で… – どうしよう! 28
29.
どうしよう! 病名の記載多すぎ • 病名/医療行為の整合性審査 – その病名の患者にそれをすべきだったか? •
病名別 入院患者数 上位 – 高血圧症 – 高脂血症 – 糖尿病 – 便秘症 – 不眠症 29 これらの治療のための 入院ではないはず!
30.
どうしよう! 主傷病欄は助けてくれない • あることにはある『主傷病』欄 – 1つも主傷病を持たない患者 –
何十個も主傷病を持つ患者 別に重みづけは審査に関係ないし… 30 オンライン又は光ディスク等による請求に係る記録条件仕様(医科用)より抜粋
31.
どうしよう! どうしよう お医者さんに聞きました 『メインの病名から順に書くよ』 • 一番上の病名を暫定主病名とする #発症順に書いてる人もいるよなー • 機械学習する? –
医療行為+記載病名 31
32.
どうしよう! 主病名が選べても… • 様々な患者状態像 – 重症/軽症 –
初期/末期 – 急性期/慢性期 – 一時的/永続的 – 初発/再発 – 手術あり/なし – 合併症あり/なし 32 混ぜたら 比較出来ない
33.
どうしよう! 解決策1 丁寧な患者抽出ロジックで集団を捕捉 • 学会の治療ガイドライン •
専門医の知見 – 重症/軽症 • この病気の重症者に投与される注射薬は? – 急性期/慢性期 • この病気で手術ありということは急性期? 33
34.
どうしよう! 解決策2 診断群分類でグループ化 • 診断群分類 –
メインの病名と手術・処置の組合せ 入院患者を重複なく1,500種+に分類 34 胃がん 手術なし 処置なし 合併症なし 合併症あり 処置あり 手術あり 処置なし
35.
3. 処理によって得られた効果 戦いの果てに… 35
36.
コード変換、成形による効果 各種統計との比較 • DPC導入の影響評価に関する調査 – 国病以外の病院との比較 •
国勢調査/患者調査 – 地域の推計患者数 • 将来推計人口 – 将来推計患者数 36 平成24年度 診療機能分析レポートより抜粋 推計患者数におけるシェア
37.
丁寧な抽出ロジックによる効果 病院横断的比較 • 臨床評価指標 – 医療の質を定量的に評価 37 平成24年度医療の質の評価・公表推進事業に おける臨床評価指標より抜粋
38.
終わりに データとの戦いは続く • データの二次利用 =
ゴミ箱あさり – 綺麗なゴミを捨てて下さいとは言えず… • ゴミの山 = 宝の山 – 磨けば光ると信じて • JSON化+Riak実験中 – GitHub kuenishi/meddatum/src/rezept_parser.erl 38
39.
ありがとうございました 39
Download now