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。

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。

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。

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)

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。