最新のレポート
JMDC 医療機関DB / 電子カルテDBを用いた分析事例
JMDCでは、保険者由来のデータベースだけでなく、医療機関由来のデータベースも保有している。今回は、非DPC病院の情報や電子カルテ情報(臨床検査値)を持つという特長を生かし、以下を分析した。
1)DPC/非DPC病院におけるCOVID-19患者の違い
2)アトピー患者におけるTARC値を用いた重症度分布、処方薬剤の傾向
JMDC病院データにおける 様式1「肺炎患者/重症度」の活用事例
JMDCが保有する病院データにおける様式1「肺炎患者/重症度」の項目を利用してA-DROPスコアごとの入院期間および処方医薬品について傾向の差を分析することで、様式1「肺炎患者/重症度」の利活用の可能性について検討した。
妊娠期間中における処方薬剤内訳の分析
保険者DBは、保険外診療である正常妊娠や正常分娩を含まないが、
健保の加入者台帳データから妊娠期間を推定することで
妊娠前・妊娠期間中における処方薬剤の傾向の差の分析を行った。
調剤薬局形態別 患者動向の分析
患者さんは処方箋を受け取った後、どのような薬局で薬を受け取っているのか。
調剤薬局の形態(地域薬局/チェーン薬局/院内薬局 など)によって、
傾向が異なるのではないかという仮説を立て、保険者DBを用いた分析を行った。
小児ぜん息患者を対象とした気象予測が行動変容に影響を与える可能性の考察
ぜん息患者数と気象を組み合わせた分析から、「ぜんそくリスク予報」の予測モデルを作成し、さらに広く伝えるためにスマートフォンアプリを開発した。
そこで本研究では、トランスセオレティカルモデルに基づき、ぜんそくリスク予報アプリがぜん息の自己管理の維持により役立つものにするために、アプリ利用者の利用傾向分析を行った。
分析軸の違いが新患数へ及ぼす影響の検討
データ分析軸の違いが新患数に及ぼす影響を調査することを目的に、下記 2 点を分析しました。
1. 処方患者 1 人あたりのかかる調剤薬局数(患者軸)
2. 分析軸による新患数の差(患者軸・薬局軸)
創薬におけるリアルワールドデータ活用:疾患とアンメットニーズの理解
近年、創薬の標的は、治療満足度の低い症状や、患者数の少ない難病がフォーカスされる傾向にある。
こうしたなかで、創薬研究においては、疾患そのものを理解し、患者が抱えるアンメットメディカルニーズ(UMNs)を把握することが必要不可欠である。
今回、これを達成するため、パーキンソン病(PD)を適応症の例として、JMDC Inc.が保有する健保レセプトのデータベースを活用することにした。
レセプトデータベースによる、気象データと傷病の関連性の調査
花粉症など特定の季節に症状が出現する疾患、または気象の変化によって症状が出現する、あるいは悪化する疾患があることは広く知られている。
本調査では、レセプトデータベースと気象データを突合することにより、気象と傷病(投薬)の関連性を調査できるか検討した。
結論、気象データとレセプトを突合して調査することにより、気象と傷病の関連性が観察できると考える。
気象データ×医療データ「Health Weather」のご紹介
今回は、JMDCの新たな取り組みとして、気象データと医療データという2つのビッグデータを活用するプロジェクト「Health Weather」をご紹介します。