特許 5737591 急性期医療需要予測システム及び急性期医療需要予測プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】5737591

(24)【登録日】2015年5月1日

(45)【発行日】2015年6月17日

(54)【発明の名称】急性期医療需要予測システム及び急性期医療需要予測プログラム

(51)【国際特許分類】

   G06Q 50/22 20120101AFI20150528BHJP

【ＦＩ】

   G06Q50/22

【請求項の数】4

【全頁数】12

(21)【出願番号】特願2012-27193(P2012-27193)

(22)【出願日】2012年2月10日

(65)【公開番号】特開2013-164721(P2013-164721A)

(43)【公開日】2013年8月22日

【審査請求日】2014年7月30日

(73)【特許権者】

【識別番号】000002299

【氏名又は名称】清水建設株式会社

(74)【代理人】

【識別番号】100088041

【弁理士】

【氏名又は名称】阿部 龍吉

(74)【代理人】

【識別番号】100139114

【弁理士】

【氏名又は名称】田中 貞嗣

(74)【代理人】

【識別番号】100139103

【弁理士】

【氏名又は名称】小山 卓志

(74)【代理人】

【識別番号】100092495

【弁理士】

【氏名又は名称】蛭川 昌信

(74)【代理人】

【識別番号】100095120

【弁理士】

【氏名又は名称】内田 亘彦

(74)【代理人】

【識別番号】100097777

【弁理士】

【氏名又は名称】韮澤 弘

(74)【代理人】

【識別番号】100094787

【弁理士】

【氏名又は名称】青木 健二

(74)【代理人】

【識別番号】100091971

【弁理士】

【氏名又は名称】米澤 明

(74)【代理人】

【識別番号】100119220

【弁理士】

【氏名又は名称】片寄 武彦

(74)【代理人】

【識別番号】100095980

【弁理士】

【氏名又は名称】菅井 英雄

(72)【発明者】

【氏名】▲高▼瀬 大樹

(72)【発明者】

【氏名】山田 哲弥

【審査官】 野崎 大進

(56)【参考文献】

【文献】 特開２００６−２５２０９２（ＪＰ，Ａ）

【文献】 特開２００７−１４１１６５（ＪＰ，Ａ）

【文献】 特開２００８−２９９３９２（ＪＰ，Ａ）

【文献】 藍原 雅一 他，医療マーケッティングにおける大規模レセプトデータベースの活用法 群馬県の地域別疾病別患者数予測モデルの構築，社団法人日本経営工学会平成２１年度春季大会予稿集，日本，社団法人日本経営工学会，２００９年 ５月１６日，No.B05，pp.22-23.

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ ５０／２２

ＪＳＴＰｌｕｓ（ＪＤｒｅａｍＩＩＩ）

(57)【特許請求の範囲】

【請求項1】

第１〜第３データベースを記憶する記憶手段と、第１〜第５処理を実行する制御手段と、対象地域を指定可能な入力手段と、を備え、
第１データベースは、傷病別の患者数を算出可能なデータを記憶し、
第２データベースは、都道府県別の人口データ、メッシュ毎の人口関連データを記憶し、
第３データベースは、傷病・都道府県別の全発生患者数を算出可能なデータを記憶し、
第１処理は、第１データベースに基づいて算出された傷病別の患者数と、第２データベースに記憶する都道府県別の人口データに基づいて、傷病別の患者発生率を算出し、
第２処理は、第２データベースに記憶する都道府県別の人口データと、第１処理で算出された傷病別の患者発生率に基づいて、傷病・都道府県別の患者発生数を算出し、
第３処理は、第２処理で算出された傷病・都道府県別の発生患者数と、第３データベースに基づいて算出される傷病・都道府県別の全発生患者数に基づいて、傷病・都道府県別の補正係数を算出し、
第４処理は、入力された対象地域に対応するメッシュの人口関連データに基づいて、対象地域の人口を予測し、
第５処理は、第４処理で予測された対象地域の人口と、第１処理で算出された傷病別の患者発生率と、第３処理で算出された対象地域の都道府県に対応する傷病・都道府県別の補正係数に基づいて、対象地域の傷病別発生患者数を算出することを特徴とする
急性期医療需要予測システム。

【請求項2】

第１データベースは、年齢別に患者数を算出可能なデータを記憶し、
第２データベースは、都道府県別の人口データを年齢別に記憶し、
第５処理は、対象地域の傷病別発生患者数を年齢別に算出することを特徴とする
請求項１に記載の急性期医療需要予測システム。

【請求項3】

第３データベースは、傷病・医療機関別に患者数と平均在院日数を記憶し、
制御手段は、第６、第７処理を実行し、
第６処理は、第３データベースに記憶する傷病・医療機関別の患者数と平均在院日数に基づいて、傷病・都道府県別の平均在院日数を算出し、
第７処理は、第５処理で算出された対象地域の傷病別発生患者数と、第６処理で断出された対象地域の都道府県に対応する傷病・都道府県別の平均在院日数に基づいて、対象地域の傷病別在院患者数を算出することを特徴とする
請求項１または請求項２に記載の急性期医療需要予測システム。

【請求項4】

第１〜第３データベースに記憶するデータに基づいて、第１〜第５処理をコンピュータにて演算可能とする急性期医療需要予測プログラムであって、
第１データベースは、傷病別の患者数を算出可能なデータを記憶し、
第２データベースは、都道府県別の人口データ、メッシュ毎の人口関連データを記憶し、
第３データベースは、傷病・都道府県別の全発生患者数を算出可能なデータを記憶し、
第１処理は、第１データベースに基づいて算出された傷病別の患者数と、第２データベースに記憶する都道府県別の人口データに基づいて、傷病別の患者発生率を算出し、
第２処理は、第２データベースに記憶する都道府県別の人口データと、第１処理で算出された傷病別の患者発生率に基づいて、傷病・都道府県別の患者発生数を算出し、
第３処理は、第２処理で算出された傷病・都道府県別の発生患者数と、第３データベースに基づいて算出される傷病・都道府県別の全発生患者数に基づいて、傷病・都道府県別の補正係数を算出し、
第４処理は、入力された対象地域に対応するメッシュの人口関連データに基づいて、対
象地域の人口を予測し、
第５処理は、第４処理で予測された対象地域の人口と、第１処理で算出された傷病別の患者発生率と、第３処理で算出された対象地域の都道府県に対応する傷病・都道府県別の補正係数に基づいて、対象地域の傷病別発生患者数を算出することを特徴とする
急性期医療需要予測プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、対象地域における傷病別発生患者数、傷病別在院患者数などの急性期量需要を予測することで、医療施設の事業設立計画を支援するシステム、並びに、プログラムに関するものである。

【背景技術】

【0002】

特許文献１、２には、対象とする病院の将来の利用患者数を地域特性および地形特性を考慮して予測する病院利用者数予測システムが開示されている。また、特許文献３には周辺競合医療機関を考慮し、傷病別の患者数を予測することのできる患者数予測システムが開示されている。

【0003】

現在、医療改革の一環として病院の機能分化が進んでいる。第四次医療法改正によって、病院の病床が急性期を対象とした「一般」と慢性期を対象とした「療養」に区分されている。各地域において新たに病院を開設する、あるいは、既存の病院において病床数の拡大を図る場合、このような病床区分に応じた患者数の需要予測を基にして計画を行う必要がある。

【0004】

特許文献４には、このような病床区分に応じた患者数の需要予測を行うことを目的として、全病床を対象として、患者の在院日数に応じて急性期と慢性期を按分し、患者需要予測を行う医療機関の急性期医療需要予測システムが開示されている。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】特許第４５５２０９９号公報

【特許文献2】特開２００２−２６９２４２号公報

【特許文献3】特開２００６−１４６７６２号公報

【特許文献4】特開２００６−２５２０９２号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、特許文献４に開示される急性期医療需要予測システムでは、急性期、慢性期については在院日数で按分することで結果を出力可能なものの、傷病の種類別、さらには年齢別による特性までは結果に反映させることができない。

【0007】

ところで、現在、主な急性期病院では、ＤＰＣ（Diagnosis Procedure Combination：
診断群分類）に従った包括方式の診療報酬制度が採用されている。この診療報酬制度では、急性期医療を対象とした医療機関について、診療報酬を受領するためのＤＰＣデータが収集されている。

【0008】

本発明では、このＤＰＣデータを活用することで、傷病の種類別、さらには年齢別の急性期需要予測を行うことを目的としている。

【課題を解決するための手段】

【0009】

本発明に係る急性期医療需要予測システムは、
第１〜第３データベースを記憶する記憶手段と、第１〜第５処理を実行する制御手段と、対象地域を指定可能な入力手段と、を備え、
第１データベースは、傷病別の患者数を算出可能なデータを記憶し、
第２データベースは、都道府県別の人口データ、メッシュ毎の人口関連データを記憶し、
第３データベースは、傷病・都道府県別の全発生患者数を算出可能なデータを記憶し、
第１処理は、第１データベースに基づいて算出された傷病別の患者数と、第２データベースに記憶する都道府県別の人口データに基づいて、傷病別の患者発生率を算出し、
第２処理は、第２データベースに記憶する都道府県別の人口データと、第１処理で算出された傷病別の患者発生率に基づいて、傷病・都道府県別の患者発生数を算出し、
第３処理は、第２処理で算出された傷病・都道府県別の発生患者数と、第３データベースに基づいて算出される傷病・都道府県別の全発生患者数に基づいて、傷病・都道府県別の補正係数を算出し、
第４処理は、入力された対象地域に対応するメッシュの人口関連データに基づいて、対象地域の人口を予測し、
第５処理は、第４処理で予測された対象地域の人口と、第１処理で算出された傷病別の患者発生率と、第３処理で算出された対象地域の都道府県に対応する傷病・都道府県別の補正係数に基づいて、対象地域の傷病別発生患者数を算出することを特徴とする。

【0010】

さらに本発明に係る急性期医療需要予測システムにおいて、
第１データベースは、年齢別に患者数を算出可能なデータを記憶し、
第２データベースは、都道府県別の人口データを年齢別に記憶し、
第５処理は、対象地域の傷病別発生患者数を年齢別に算出することを特徴とする。

【0011】

さらに本発明に係る急性期医療需要予測システムにおいて、
第３データベースは、傷病・医療機関別に患者数と平均在院日数を記憶し、
制御手段は、第６、第７処理を実行し、
第６処理は、第３データベースに記憶する傷病・医療機関別の患者数と平均在院日数に基づいて、傷病・都道府県別の平均在院日数を算出し、
第７処理は、第５処理で算出された対象地域の傷病別発生患者数と、第６処理で断出された対象地域の都道府県に対応する傷病・都道府県別の平均在院日数に基づいて、対象地域の傷病別在院患者数を算出することを特徴とする。

【0012】

また本発明に係る急性期医療需要予測システムは、
第１〜第３データベースに記憶するデータに基づいて、第１〜第５処理をコンピュータにて演算可能とする急性期医療需要予測プログラムであって、
第１データベースは、傷病別の患者数を算出可能なデータを記憶し、
第２データベースは、都道府県別の人口データ、メッシュ毎の人口関連データを記憶し、
第３データベースは、傷病・都道府県別の全発生患者数を算出可能なデータを記憶し、
第１処理は、第１データベースに基づいて算出された傷病別の患者数と、第２データベースに記憶する都道府県別の人口データに基づいて、傷病別の患者発生率を算出し、
第２処理は、第２データベースに記憶する都道府県別の人口データと、第１処理で算出された傷病別の患者発生率に基づいて、傷病・都道府県別の患者発生数を算出し、
第３処理は、第２処理で算出された傷病・都道府県別の発生患者数と、第３データベースに基づいて算出される傷病・都道府県別の全発生患者数に基づいて、傷病・都道府県別の補正係数を算出し、
第４処理は、入力された対象地域に対応するメッシュの人口関連データに基づいて、対象地域の人口を予測し、
第５処理は、第４処理で予測された対象地域の人口と、第１処理で算出された傷病別の患者発生率と、第３処理で算出された対象地域の都道府県に対応する傷病・都道府県別の補正係数に基づいて、対象地域の傷病別発生患者数を算出することを特徴とする。

【発明の効果】

【0013】

本発明によれば、第１のデータベースに記憶するデータ（ＤＰＣデータ）に基づいて、対象地域に関する傷病別発生患者数を予測することが可能となっている。特に、本発明では、患者数が上位３００種類に限られているＤＰＣデータについて、別途、公表されている全傷病別傷病・都道府県別の全発生患者数を算出可能なデータを第３データベースとして利用することで、地域の病床構成を考慮した補正係数を算出し、予測精度の向上が図られている。

【0014】

さらに本発明では、第１データベース、第２データベースに記憶する各種データを年齢別に記憶しておくことにより、病床別発生患者数を年齢別に予測することを可能としている。

【0015】

さらに本発明では、対象地域における傷病別在院患者数を算出可能とするものであり、今後の平均在院日数の短縮にも対応した将来予測を行うことが可能となる。

【図面の簡単な説明】

【0016】

【図1】本発明の実施形態に係る急性期医療需要予測システムの算出処理を示すフロー図

【図2】本発明の実施形態に係る急性期医療需要予測システムの構成を示すブロック図

【図3】本発明の実施形態に係るＤＰＣデータのデータ構成を示す図

【図4】本発明の実施形態に係る年齢階級人口データ（第２データベース：国勢調査データの一部）を示す図

【図5】本発明の実施形態に係る国勢調査データ（第２データベース）のメッシュ構成を説明するための図

【図6】本発明の実施形態に係る公表データ（第３データベース）のデータ構成を示す図

【図7】本発明の実施形態に係るＭＤＣ・年齢別患者数（全国）を示す図

【図8】本発明の実施形態に係るＭＤＣ・年齢別患者発生率（全国）を示す図

【図9】本発明の実施形態に係るＭＤＣ・年齢・都道府県別患者発生件数を示す図

【図10】本発明の実施形態に係るＭＤＣ・都道府県別患者発生全件数を示す図

【図11】本発明の実施形態に係るＭＤＣ・都道府県別補正係数を示す図

【図12】本発明の実施形態に係る発生患者数予測結果（年齢別）を示す図

【図13】本発明の実施形態に係る発生患者数予測結果と他のモデルによる予測結果の比較を示す図

【発明を実施するための形態】

【0017】

本発明に係る急性期医療需要予測システムについて図を参照しつつ説明を行う。図１は、本発明の実施形態に係る急性期医療需要予測システムの算出処理を示すフロー図である。本実施形態に係る急性期医療予測システムは、ＤＰＣデータ（ＤＢ１）、国勢調査データ（ＤＢ２）、厚生労働省による公表データ（ＤＢ３）の３つのデータベースを使用して、Ｓ１０１からＳ１０７に示す各種値を算出する演算を実行する。本実施形態では、最終的にＳ１０５に示す対象地域についてＭＤＣ・年齢別患者発生数（Ｓ１０５）を算出することを目的としている。さらには、当該対象地域についてＭＤＣ別在院患者数（Ｓ１０７）を算出され、急性期医療の予測に利用される。

【0018】

図２には本発明の実施形態に係る急性期医療需要予測システムの構成を示すブロック図が示されている。本実施形態の急性期医療需要予測システムは、パーソナルコンピュータなど一般的な情報処理装置を利用することが可能である。本実施形態の急性期医療需要システム２０は、ＣＰＵ２１、ハードディスク２２、ＲＡＭ２３、インターフェイス２４を
備えて構成されている。

【0019】

記憶手段として機能するハードディスク２２は、図１に示す３つのデータベースＤＢ１〜ＤＢ３、並びに、これらデータベースＤＢ１〜ＤＢ３に基づいて演算を行うプログラム（本発明における急性期医療予測プログラム）を記憶している。ＣＰＵ２１は、記憶するデータベースＤＢ１〜ＤＢ３に基づいて各種演算を行う。途中並びに最終的な演算結果はＲＡＭ２３に格納される。ＣＰＵ２１とＲＡＭ２３は、本発明における制御手段を構成している。入力手段２５は、急性期医療需要予測システムに対して、必要な各種データを入力可能であり、キーボード、マウスなどで構成される。本実施形態では、新たな医療機関が設置される地域といったような、予測を行う対象地域を指定するために使用される。

【0020】

このような急性期医療需要予測システム２０で演算された予測結果は、インターフェイス２４を介して、モニター２６あるいはプリンター２７などの出力手段に出力され、ユーザーに対して視覚的な予測結果を提供する。予測結果は、テーブル上に数値を示した表、あるいは、数値をグラフ化するなど各種形態で出力することが可能である。

【0021】

以上、急性期医療予測システム２０の概略について説明を行ったが、次にこの急性期医療予測システム２０で用いる各種データベースＤＢ１〜ＤＢ３の内容について説明する。図３は、本発明の実施形態に係るＤＰＣデータのデータ構成を示す図であり、図４は、本発明の実施形態に係る年齢階級人口データ（第２データベース：国勢調査データの一部）を示す図であり、図５は、本発明の実施形態に係る国勢調査データ（第２データベース）のメッシュ構成を説明するための図であり、図６は、本発明の実施形態に係る公表データ（第３データベース）のデータ構成を示す図である。

【0022】

ＤＰＣ（Diagnosis Procedure Combination：診断群分類）は、開始当初から参加医療
機関の診療結果の一部（ＤＰＣ分類における患者数上位３００種類）が公表されている。図１には、このＤＰＣデータについて、本実施形態で利用するデータ部分の一例が示されている。ＤＰＣデータは、詳細な傷病分類を規定したＤＰＣ分類と、ＤＰＣ分類を１８種類の傷病別（医療器官別）に分類したＭＤＣ分類（本発明における「傷病別」に相当）を有している。図に示す「狭心症、慢性虚血性心疾患」がＤＰＣ分類に、「循環器系疾患」がＭＤＣ分類に相当している。さらに、ＤＰＣデータには、年齢別の患者数（図の例では、６ヶ月分の統計）を有して構成されている。

【0023】

図２には、年齢別、都道府県別の人口データが掲載されている。このデータは政府によって実行される国勢調査データの一部であって、図には平成１７年のデータが示されている。本実施形態で使用する国勢調査データは、この年齢別、都道府県別の人口データ以外に、図６に示されるメッシュ構成毎の人口関連データが使用される。図では、関東地方のメッシュ構成が示されている。軽度１°、緯度が４０′毎に区画した１次メッシュが示されている。この１次メッシュは、それを８×８（約１０ｋｍ四方）に区分した２次メッシュで構成され、さらには、２次メッシュを１０×１０（約１ｋｍ四方）に区分した３次メッシュ、さらには、３次メッシュを２×２（約０．５ｋｍ四方）に区分した４次メッシュで構成されている。各メッシュにはそこに居住する人口が性別、年齢階級別に集計されている。

【0024】

本実施形態では、このような国勢調査データ中の、人口関連データを使用して各メッシュについて将来の人口予測が行われる。なお、国勢調査データには、このメッシュに対応した人口関連データ以外に、都道府県別の各年齢毎の出生率、生残率、移動率といった仮定値が集計されており、この都道府県別の仮定値を利用することで、さらに精度の高い人口予測を行うことが可能である。

【0025】

また、本実施形態の急性期医療予測システムでは、厚生労働省によって公表される公表データを使用して、より精度の高い予測を行うこととしている。前述したＤＰＣデータ（図３）は、患者数が上位３００種類のＤＰＣ分類に限って公表されている。そのため、３００種類以外のＤＰＣ分類の数（年齢別の患者数）は、カウント対象外とされており、ＤＰＣデータのみでは精度の高い予測を行うことが困難である。

【0026】

そのため、本実施形態の急性期医療需要予測システムでは、ＤＰＣデータに加え、厚生労働省が公表する公表データ（医療機関別、ＭＤＣ別の退院患者数）を使用して補正を行っている。この公表データは、ＤＰＣデータが上位３００種であったのと異なり、ＭＤＣ別の全退院患者数が含まれているため、これを利用して補正を行うことで予測精度の向上が図られる。また、この公表データには、医療機関別の平均在院日数も含まれているため、対象地域におけるＭＤＣ別在院患者数を算出する際には、これを使用することとしている。

【0027】

では、図１のフロー図に戻って、本発明の急性期医療需要予測システムの演算の詳細について説明を行う。まず、ＤＰＣデータをＭＤＣ別に集計し、年齢・ＭＤＣ別の患者数が算出される。この年齢・ＭＤＣ別の患者数は、全国における患者数である。図７には、この集計結果が表で示されている。一方、図４に示す年齢階級人口データからは、年齢別の人口総数を集計することが可能である。こちらも同様に全国における年齢別のデータである。これらの集計結果に基づいて、ＭＤＣ・年齢別の患者発生率が下記に示す式（１）によって算出される（Ｓ１０１）。
ＭＤＣ・年齢別の患者発生率 ＝ ＭＤＣ・年齢別患者数÷年齢別の人口総数
・・・（１）

【0028】

図８には、この式（１）によって求められたＭＤＣ・年齢別の患者発生率の一部が表で示されている。一方、国勢調査データには、年齢・都道府県別の人口（都道府県別の年齢階級人口）が含まれている。Ｓ１０２では、下記に示す式（２）を使用して、ＭＤＣ・年齢・都道府県別に患者発生数を算出する。図９には、この式（２）によって求められたＭＤＣ・年齢・都道府県別の発生患者数の一部が表で示されている。
ＭＤＣ・年齢・都道府県別の発生患者数
＝ ＭＤＣ・年齢別の患者発生率×年齢・都道府県別の人口 ・・・（２）

【0029】

Ｓ１０３では、補正係数の算出が行われる。この補正係数は、ＤＰＣデータが患者数上位３００種類であることを鑑みた補正を行う係数であって、ＤＰＣデータとは別に公表されている公表データ（ＤＢ３）を使用して算出される値である。図６に示されるように、この公表データ中には、各医療機関・ＭＤＣ毎に退院患者数が集計されている。本実施形態では、この退院患者数を発生患者数とみなして演算を行うこととしている。ＤＰＣデータと異なり、この公表データでは、全患者が対象となるため、全発生患者数とみなすことが可能である。

【0030】

図６に示されるように、北海道におけるＭＤＣ０１（神経系疾患）の全発生患者数は、Ａの範囲の退院患者数を合計した数として集計される。図１０には、このように公表データを集計することで得られたＭＤＣ・都道府県別の全発生患者数が示されている。一方、Ｓ１０２において式（２）で得られたＭＤＣ・年齢・都道府県別の発生患者数を年齢で集計することで、ＤＰＣデータに基づくＭＤＣ・都道府県別の発生患者数が集計できる。公表データに基づく全発生患者数をＤＰＣデータに基づく発生患者数で除する（式（３））ことで、ＭＤＣ・都道府県別の補正係数が算出される。図１１には、この式（３）によって求められたＭＤＣ・都道府県別の補正係数の一部が表で示されている。
ＭＤＣ・都道府県別の補正係数
＝ ＭＤＣ・都道府県別の全発生患者数÷ＭＤＣ・都道府県別の発生患者数・・・（３）

【0031】

Ｓ１０４では、国勢調査データに基づいて、将来の年齢階級別の人口予測が行われる。また、本実施形態では、入力手段から指定された対象地域に対する人口予測が行われる。この対象地域は、例えば、新たな医療機関の建設に伴い、当該医療機関の建設場所に対応した地域が選定される。具体的には、図５で説明したメッシュ区分中、建設場所に対応する１次〜３次のメッシュが選定される。メッシュ選定にあたっては、建設場所からの距離に加え、川や橋、道路などの地形情報を考慮して選定することが好ましい。このように選定されたメッシュについて、国勢調査データ中の人口、各年齢毎の出生率、生存率といった人口関連データに基づいて、選定された対象地域に対する人口推移（例えば５年ごと）が予測される。この予測は、メッシュ毎の人口関連データのみならず、国勢調査によって集計された都道府県別の移動率を考慮することとしてもよい。

【0032】

Ｓ１０５では、Ｓ１０１にて得られたＭＤＣ・年齢別の患者発生率と、Ｓ１０３で得られたＭＤＣ・都道府県別の補正係数と、Ｓ１０４で得られた対象地域における年齢別の人口予測に基づいて、対象地域におけるＭＤＣ・年齢別発生患者発生数が算出（予測）される。具体的には、下記に示す式（４）を用いて算出される。なお、補正係数は、指定された対象地域に対応した都道府県のものが使用される。

対象地域のＭＤＣ・年齢別の発生患者数
＝ ＭＤＣ・年齢別の患者発生率×年齢別の人口予測×ＭＤＣ別の補正係数・・・（４）

【0033】

以上、本実施形態では、ＤＰＣデータに記憶する傷病・年齢別の患者数と、国勢調査データに基づいて、予測対象地域におけるＭＤＣ・年齢別の発生患者数を予測することを可能としている。その際、ＤＰＣデータが上位患者数３００種類のＭＤＣに限定されたものであることを補正するため、ＭＤＣ・都道府県別の全発生患者数を算出可能とする公表データを利用した補正係数を使用することで、予測の精度向上が図られている。なお、本実施形態では、最終的な結果（対象地域のＭＤＣ・年齢別の発生患者数）を年齢別に算出しているが、ＭＤＣ別でのみ発生患者数を算出することとしても良い。その場合、ＤＰＣデータ（ＤＢ１）、国勢調査データ中の人口データ（ＤＢ２）は必ずしも年齢別に用意する必要はない。

【0034】

このような予測に基づいて得られたある対象地域、あるＭＤＣにおける予測結果を図１２、図１３に示しておく。図１２には、年齢別の発生患者数予測結果が示されている。また、図１３には、発生患者数予測結果と他のモデルによる予測結果の比較が示されている。図１３中、ＤＰＣモデルは、本実施形態の急性期医療需要予測システムによる予測結果に相当したものであり、また、図１２の各年齢を合計した値となっている。

【0035】

図１３中、患者調査一般病床モデルでは、全病床を対象とした全病床対象モデルに対し、入院期間の長い療養病床（慢性期相当）利用者を除いた患者を予測したものとなっている。この患者調査一般病床モデル（特許文献４で使用しているモデル）では、実態として一般病床に入院している慢性期相当の病態の患者も一部含まれているため、本実施形態のＤＰＣモデルよりも発生患者数が多く予測された結果となっている。一方、本実施形態で使用したＤＰＣデータは、急性期の病院のみを対象とて集計されたデータであるため、精度の高い予測で発生患者数の予測が可能とされている。

【0036】

以上、本実施形態では、対象地域におけるＭＤＣ・年齢別の発生患者数の予測を行うこととしたが、この予測に基づいて対象地域におけるＭＤＣ別の在院患者数を予測することも可能である。

【0037】

このＭＤＣ別の在院患者数は、図１に示されるように厚生労働省によって公表される公
表データ（ＣＢ３）を使用して算出されるＭＤＣ・都道府県別の平均在院日数（Ｓ１０６）を用いて算出される。図６に示されるように公表データには、ＭＤＣ・医療機関別に平均在院日数が記録されている。ここでは、この平均在院日数をも利用することで、対象地域のＭＤＣ別の在院患者数が算出される。

【0038】

一般に在院患者数（１日あたり入院している患者数）は、以下の式（Ａ）によって求めることが可能である。
在院患者数 ＝ １日あたりの発生患者数×平均在院日数 ・・・（Ａ）
医療機関における在院患者数は、大幅な変動を伴うことは少ないことを理由として、式（Ａ）における１日あたりの発生患者数は、退院患者数に略等しいと見なすことが可能である。したがって、ＭＤＣ・都道府県別の在院患者数は、図６に示す公表データ（ＤＢ３）から、ＭＤＣ・都道府県別に式（５）を演算することで算出される。
ＭＤＣ・都道府県別の在院患者数 ＝ Σ（退院患者数×平均在院日数）・・・（５）
一方、ＭＤＣ・都道府県別の発生患者数は、この公表データから、退院患者数をＭＤＣ・都道府県別に集計することで算出される。したがって、ＭＤＣ・都道府県別の平均在院日数は、式（５）の結果を利用することで算出することが可能である。
ＭＤＣ・都道府県別の平均在院日数
＝ ＭＤＣ・都道府県別の在院患者数÷ＭＤＣ都道府県別の発生患者数・・・（６）

【0039】

Ｓ１０６では、このような過程を経てＭＤＣ・都道府県別の平均在院日数が得られる。Ｓ１０６の演算結果と、Ｓ１０５の演算結果を乗算する（式（７））ことで、対象地域におけるＭＤＣ別の在院患者数が算出することが可能である。その際、式（６）で得られたＭＤＣ・都道府県別の平均在院日数については、対象地域に対する都道府県の値が使用され、また、式（４）で得られた対象地域のＭＤＣ・年齢別の発生患者数については、年齢別のものを合計した値が使用される。
対象地域のＭＤＣ別の在院患者数 ＝
対象地域の平均在院日数×対象地域のＭＤＣの発生患者数 ・・・（７）

【0040】

Ｓ１０６での平均在院日数が年齢別に算出できないことを理由として、この式（７）による対象地域のＭＤＣ別の在院患者数も年齢別に算出することができないが、このようにＭＤＣ別の在院患者数を予測可能とすることで、急性期医療の医療機関に対する将来のニーズを把握することが可能となる。

【0041】

なお、本発明はこれらの実施形態のみに限られるものではなく、それぞれの実施形態の構成を適宜組み合わせて構成した実施形態も本発明の範疇となるものである。

【符号の説明】

【0042】

２０…情報処理システム（コンピュータ）、２１…ＣＰＵ（中央演算部）、２２…ハードディスク（記憶手段）、２３…ＲＡＭ（一時記憶手段）、２４…インターフェイス、２５…入力手段、２６…モニター、２７…プリンター

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】