| 研究課題/領域番号 |
17H05077
|
|---|
| 研究種目 |
若手研究(A)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
疫学・予防医学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
松居 宏樹 東京大学, 大学院医学系研究科(医学部), 助教 (70608794)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
24,700千円 (直接経費: 19,000千円、間接経費: 5,700千円)
2020年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2019年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2018年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2017年度: 14,170千円 (直接経費: 10,900千円、間接経費: 3,270千円)
|
|---|
| キーワード | 大規模医療データベース / NDB / 介護レセプト / 深層学習 / データフュージョン / 臨床疫学 / 大規模医療介護データ / ユーザーインターフェース / 大規模データベース / 医療 / 介護 / NDBデータ / DPCデータ / 介護データ / 健診データ / 個人情報 / 疫学研究 / データサイエンス / リスクモデル / DPC / 社会医学 |
|---|
| 研究成果の概要 |
大規模医療データの二次利用はその重要度を増している。本研究の目的は、NDBを解析して疫学研究を実施する事、そして、NDBと他のデータベーを連携して解析する事である。
NDBを用いた研究を実施するうえで、そのデータ構造が複雑であるという課題があった。そこで、本研究では研究者が利用しやすいデータ構造の定義と、NDBから研究データを抽出変換するシステムを独自に開発し、疫学研究を行った。さらに近年注目されている深層学習等の手法を用い、データベース間をＩＤ連結せずとも解析を行う手法の開発を行った。さらに、実際にID連結解析したデータベースの構築を行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究により、今まで十分に実施されてこなかったNDBの長期追跡データを用いた疫学研究の実施が可能となった。
さらに、今までは制度上の問題で実施できなかった、データベース間に患者属性が散らばる場合でのデータ解析を、データベース突合を行わずに実施する方法を考案した。加えて、実際にデータベース間を突合したデータの取得にも成功した。今後、今回の研究を基盤として、さらなる疫学研究の実施が可能となった。
|
