2017 Fiscal Year Annual Research Report
Estimation of temporal evolution of personal condition from medical service history and its application
| Project/Area Number |
15K00435
|
|---|
| Research Institution | Gunma University |
|---|
Principal Investigator |
関 庸一 群馬大学, 大学院理工学府, 教授 (90196949)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | データマイニング / ビッグデータ解析 / 自己組織化マップ / 最尤法 / 状態遷移 / 医療保険サービス / 特定健康診査 |
|---|
| Outline of Annual Research Achievements |
平成29年度は、これまで整備したデータベースを拡張して解析を進めるとともに、従来取り組んできたSOMの拡張とその算法の検討を行ない、最終年度としてこれまでの研究成果を取りまとめた。
実証分析の対象データは、大阪府和泉市における平成23年度から平成28年度までの医療データを利用した。これは国民健康保険のレセプトデータから抽出された受療履歴、および、特定健康審査結果であり、大阪府和泉市および関連企業と共同で作成したデータである。月々の医療レセプト請求と、年に１度の特定健診結果の実施内容を個人IDで突合し、個人履歴データとしている。また、平行して実施される運動指導プログラム（運動教室）に参加した個人についてはその介入実験の結果も収集したものである。整備したデータベースにおける特定健診データから、自己組織化マップにより健康状態類型の抽出を行った。これを、突合されたレセプトデータと併せて分析することにより、健康状態類型ごとの主要病名、使用された医療費を明らかにし、各類型の疾病リスクなどの特徴づけを明らかした。さらに、６年間に渡る健康状態変化を、作成した類型から明らかにした。この解析の結果から、メタボリックシンドロームに相当する個人類型では、医療費、受療率ともに、他類型に比べ多いことなどを明らかにした。また、健康教室は健康状態の改善に寄与することが示唆された。
SOMの拡張の検討としては、最尤法による自己組織化マップを検討した。これは自己組織化マップを作成する際に、ノードごとの確率分布を学習するものである。
|
