特許 7149755 将来推計システム及び将来の介護状況を推計する方法

(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】

(24)【登録日】2022-09-29

(45)【発行日】2022-10-07

(54)【発明の名称】将来推計システム及び将来の介護状況を推計する方法

(51)【国際特許分類】

   G06Q 50/22 20180101AFI20220930BHJP

【ＦＩ】

G06Q50/22

【請求項の数】 15

(21)【出願番号】P 2018137402

(22)【出願日】2018-07-23

(65)【公開番号】P2020016915

(43)【公開日】2020-01-30

【審査請求日】2020-10-20

【前置審査】

(73)【特許権者】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110001678

【氏名又は名称】藤央弁理士法人

(72)【発明者】

【氏名】長谷川 泰隆

(72)【発明者】

【氏名】伴 秀行

(72)【発明者】

【氏名】森池 哲也

(72)【発明者】

【氏名】西川 勇人

(72)【発明者】

【氏名】堀江 智

【審査官】安田 勇太

(56)【参考文献】

【文献】福岡市，ビッグデータ分析で医療・介護などの行政施策の立案を支援する地域包括ケアプラットフォームを構築，Ｈｉｔａｃｈｉ Ｓｏｃｉａｌ Ｉｎｎｏｖａｔｉｏｎ Ｆｏｒｕｍ ２０１７ ，2017年10月号，株式会社日立製作所，2017年11月01日，1-2

【文献】田中 周二，研究論文：介護状態生命表の作成，日本大学文理学部，2017年11月26日，1-17，https://iec.keio.ac.jp/upload/20180522_econo_tanaka_abstract_KAIGO20171031.pdf

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００ －９９／００

Ｇ１６Ｈ １０／００ －８０／００

(57)【特許請求の範囲】

【請求項1】

将来の介護状況を推計する将来推計システムであって、
所定の処理を実行する演算装置と、データが入力される入力部と、前記演算装置がアクセス可能な記憶装置とを備え、
前記入力部は、第１時点及び第２時点の複数人分の住民データ及び順序尺度データである介護データの入力を受け、
前記将来推計システムは、
前記演算装置が、前記介護データと前記住民データとを個人単位で連結して、前記第１時点及び前記第２時点の整形データを作成するデータ整形部と、
前記演算装置が、前記ｍ段階の要介護度からｍ－１個の目的変数を作成する二値化処理部と、
前記演算装置が、前記第１時点の前記整形データを説明変数として前記目的変数別の回帰分析によって生成されたｍ－１個の回帰式からなる介護度推計モデルに前記第２時点の前記整形データを入力して、第３時点の前記要介護度別の確率を推計する介護度推計部とを有し、
前記二値化処理部が作成する目的変数は、前記第２時点の前記介護データに含まれるｍ段階の要介護度以上である場合に「１」、当該段階の要介護度より小さい場合に「０」をとるように二値化され、ｍ－１個の目的変数の各々が「１」と「０」の１ビットで表されることを特徴とする将来推計システム。

【請求項2】

請求項１に記載の将来推計システムであって、
前記目的変数別に、前記第１時点の前記整形データを説明変数とした回帰分析を行い、ｍ－１個の回帰式からなる介護度推計モデルを作成する介護度推計モデル構築部を有することを特徴とする将来推計システム。

【請求項3】

請求項１に記載の将来推計システムであって、
前記入力部は、前記第１時点と前記第２時点における、複数人分の疾病別の医療機関受診有無及び疾病別の医療費を少なくとも含む医療データの入力を受け、
前記データ整形部は、前記介護データと前記住民データと前記医療データとを個人単位で連結して、前記第１時点及び前記第２時点の整形データを作成することを特徴とする将来推計システム。

【請求項4】

請求項１に記載の将来推計システムであって、
前記入力部は、前記第１時点と前記第２時点における、複数人分の健診受診有無を少なくとも含む健診データの入力を受け、
前記データ整形部は、前記介護データと前記住民データと前記健診データとを個人単位で連結して、前記第１時点及び前記第２時点の整形データを作成することを特徴とする将来推計システム。

【請求項5】

請求項１に記載の将来推計システムであって、
入力された条件に従って、前記第３時点の前記要介護度別の確率を集計し、前記要介護度別の推計人数を算出する推計結果集計部を有することを特徴とする将来推計システム。

【請求項6】

請求項１に記載の将来推計システムであって、
前記第２時点の要介護度と前記第２時点の介護費との関係を分析し、要介護度から介護費を推計する介護費推計モデルを構築する介護費推計モデル構築部と、
前記第３時点の前記要介護度別の確率を前記介護費推計モデルに入力して前記第３時点の介護費を推計する介護費推計部とを有することを特徴とする将来推計システム。

【請求項7】

請求項６に記載の将来推計システムであって、
入力された条件に従って、前記第３時点の前記介護費を集計し、前記介護費の推計額を算出する推計結果集計部を有することを特徴とする将来推計システム。

【請求項8】

請求項６に記載の将来推計システムであって、
ある目的変数への寄与が大きい説明変数を前記介護度推計モデルから抽出する説明変数抽出部と、
前記整形データに含まれる一部のデータを変更する入力値変更部と、
要介護度別の確率差及び介護費の差を推計する施策効果推計部とを有し、
前記説明変数抽出部は、前記入力部に入力された目的変数について、前記回帰式の係数を標準誤差で除して計算されるＺ値が小さい説明変数を前記介護度推計モデルから抽出し、
前記入力値変更部は、前記第２時点の整形データにおいて、前記Ｚ値が小さい説明変数に対応するデータを変更し、
前記介護度推計部は、前記データが変更された整形データを前記介護度推計モデルに入力し、前記データ変更後の前記第３時点の前記要介護度別の確率を推計し、
前記介護費推計部は、前記データ変更後の前記第３時点の前記要介護度別に推計された確率を前記介護費推計モデルに入力し、前記データ変更後の前記第３時点の前記介護費を推計し、
前記施策効果推計部は、前記推計された前記第３時点の前記要介護度別の確率と前記データ変更後の前記第３時点の前記要介護度別の確率との差分である前記第３時点の前記要介護度別の確率差を推計し、前記第３時点の前記介護費と前記データ変更後の前記第３時点の前記介護費との差分である前記第３時点の介護費差を推計することを特徴とする将来推計システム。

【請求項9】

請求項８に記載の将来推計システムであって、
入力された条件に従って、前記第３時点の前記要介護度別の確率差を集計し、前記要介護度別の抑制人数を算出し、さらに、入力された条件に従って、前記第３時点の前記介護費差を集計し、前記介護費の抑制額を算出する推計結果集計部を有することを特徴とする将来推計システム。

【請求項10】

計算機システムが、将来の介護状況を推計する方法であって、
前記計算機システムは、所定の処理を実行する演算装置と、前記演算装置がアクセス可能な記憶装置とを有し、
前記記憶装置は、整形データを説明変数として目的変数別の回帰分析によって生成されたｍ－１個の回帰式からなる介護度推計モデルを記憶し、
前記方法は
前記演算装置が、第１時点及び第２時点の複数人分の住民データ及び順序尺度データである介護データの入力を受ける入力手順と、
前記演算装置が、前記介護データと前記住民データとを個人単位で連結して、前記第１時点及び前記第２時点の整形データを作成するデータ整形手順と、
前記演算装置が、前記ｍ段階の要介護度からｍ－１個の目的変数を作成する二値化処理手順と、
前記演算装置が、前記第２時点の前記整形データを前記介護度推計モデルに入力して、第３時点の前記要介護度別の確率を推計する介護度推計手順を含み、
前記二値化処理手順で作成される目的変数は、前記第２時点の前記介護データに含まれるｍ段階の要介護度以上である場合に「１」、当該段階の要介護度より小さい場合に「０」をとるように二値化され、ｍ－１個の目的変数の各々が「１」と「０」の１ビットで表されることを特徴とする方法。

【請求項11】

請求項１０に記載の方法であって、
前記演算装置が、前記目的変数別に、前記第１時点の前記整形データを説明変数とした回帰分析を行い、ｍ－１個の回帰式からなる介護度推計モデルを作成する介護度推計モデル構築手順を含むことを特徴とする方法。

【請求項12】

請求項１０に記載の方法であって、
前記入力手順では、前記演算装置が、前記第１時点と前記第２時点における、複数人分の疾病別の医療機関受診有無及び疾病別の医療費を少なくとも含む医療データの入力を受け、
前記データ整形手順では、前記演算装置が、前記介護データと前記住民データと前記医療データとを個人単位で連結して、前記第１時点及び前記第２時点の整形データを作成することを特徴とする方法。

【請求項13】

請求項１０に記載の方法であって、
前記入力手順では、前記演算装置が、前記第１時点と前記第２時点における、複数人分の健診受診有無を少なくとも含む健診データの入力を受け、
前記データ整形手順では、前記演算装置が、前記介護データと前記住民データと前記健診データとを個人単位で連結して、前記第１時点及び前記第２時点の整形データを作成することを特徴とする方法。

【請求項14】

請求項１０に記載の方法であって、
前記演算装置が、前記演算装置が、入力された条件に従って、前記第３時点の前記要介護度別の確率を集計し、前記要介護度別の推計人数を算出する推計結果集計手順を含むことを特徴とする方法。

【請求項15】

請求項１０に記載の方法であって、
前記演算装置が、前記第２時点の要介護度と前記第２時点の介護費との関係を分析し、要介護度から介護費を推計する介護費推計モデルを構築する介護費推計モデル構築手順と、
前記演算装置が、前記第３時点の前記要介護度別の確率を前記介護費推計モデルに入力して前記第３時点の介護費を推計する介護費推計手順とを含むことを特徴とする方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、将来の介護度を推計する将来推計システムに関する。

【背景技術】

【0002】

住民の健康寿命の延伸や介護費の適正化の社会的要請がある。このため、自治体では、地域包括ケアや科学的介護など自治体に蓄積された介護・医療・健診データの利活用を進めており、現在の介護状況だけでなく、将来の介護度及び介護費も把握して、効果的な介護施策を立案・実行することが重要である。また、効果的な介護施策を立案するためには、地域や個人の特性を考慮した施策立案が重要であり、自治体全体だけでなく、地区単位、校区単位、個人単位など、より細かいミクロな単位で、将来の介護度及び介護費を推計できる必要がある。

【0003】

介護度を推計する従来例としては、特許文献１（特開２００６－１４６７６３号公報）及び特許文献２（特開２００１－３４６８８号公報）がある。特許文献１に開示された介護者数予測システムは、要介護度別需要予測、需給バランス分析に基づき、介護者数予測を行うものであり、その構成は、要介護者の対象範囲および予測期間を設定する設定項目入力部、メッシュ人口を記録するデータベース、所定の人口予測を行うデータ作成部、予測人口を出力する出力処理部、要介護に関連するデータを記録するデータベース、介護需要予測処理部、予測介護認定者数の出力処理部、集計、グラフなどの結果分析を行う分析処理部、周辺福祉施設データを記録するデータベース、需給バランス分析を行う分析処理部、出力処理部からなる。

【0004】

また、特許文献２に開示された処置データ推定方法では、新たな認定対象者に関する入力ベクトル参照データベース中の入力ベクトルとの距離を所定の位相で計算し、距離の近い参照用入力ベクトルを探索する。次に、探索された参照用入力ベクトルに対応する出力ベクトルに対し、その距離に応じた重み付けをする。そして、重み付けされた出力ベクトルの平均値に基づいて当該認定対象者に対する適正な処置データを得る。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２００６－１４６７６３号公報

【文献】特開２００１－３４６８８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１に開示された介護者数予測システムは、現在の介護度別の人数構成比に将来推計人口を乗じて、将来の介護度別の介護認定者数をマクロに推計するものであり、地区単位、校区単位、個人単位など、より細かいミクロな単位で、将来の介護度および介護費を推計することが困難である。また、特許文献２に開示された処置データ推定方法は、過去データを参照して、介護度以外の現状の医療処置状況と生活状況データから、現状の介護度を推定するものであり、将来の介護度及び介護費の推計は考慮されていない。

【0007】

そこで、本発明は、住民データ及び介護データから将来の介護度を個人単位に高精度に推計し、自治体の介護施策立案を支援する将来推計システムを提供し、さらに、介護費を推計したり、医療データや健診データを用いて推計精度を向上できる将来推計システムを提供することを目的とする。

【課題を解決するための手段】

【0008】

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、将来の介護状況を推計する将来推計システムであって、所定の処理を実行する演算装置と、データが入力される入力部と、前記演算装置がアクセス可能な記憶装置とを備え、前記入力部は、第１時点及び第２時点の複数人分の住民データ及び順序尺度データである介護データの入力を受け、前記将来推計システムは、前記演算装置が、前記介護データと前記住民データとを個人単位で連結して、前記第１時点及び前記第２時点の整形データを作成するデータ整形部と、前記演算装置が、前記ｍ段階の要介護度からｍ－１個の目的変数を作成する二値化処理部と、前記演算装置が、前記第１時点の前記整形データを説明変数として前記目的変数別の回帰分析によって生成されたｍ－１個の回帰式からなる介護度推計モデルに前記第２時点の前記整形データを入力して、第３時点の前記要介護度別の確率を推計する介護度推計部とを有し、前記二値化処理部が作成する目的変数は、前記第２時点の前記介護データに含まれるｍ段階の要介護度以上である場合に「１」、当該段階の要介護度より小さい場合に「０」をとるように二値化され、ｍ－１個の目的変数の各々が「１」と「０」の１ビットで表される。

【発明の効果】

【0009】

本発明の一態様によれば、住民データ及び介護データから、個人単位の将来の介護度を高精度に推計でき、自治体の効果的な介護施策の立案を支援できる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。

【図面の簡単な説明】

【0010】

【図1】実施例１の将来推計システムの構成を示すブロック図である。

【図2】介護データの例を示す図である。

【図3】住民データの例を示す図である。

【図4】実施例１の整形データの例を示す図である。

【図5】二値化処理の例を示す図である。

【図6】実施例１の介護度推計モデルの例を示す図である。

【図7】介護度推計結果の例を示す図である。

【図8】介護度推計結果表示画面の例を示す図である。

【図9】介護度推計処理のフローチャートである。

【図10】実施例２の将来推計システムの構成を示すブロック図である。

【図11】医療データの例を示す図である。

【図12】健診データの例を示す図である。

【図13】実施例２の整形データの例を示す図である。

【図14】実施例２の介護度推計モデルの例を示す図である。

【図15】実施例３の将来推計システムの構成を示すブロック図である。

【図16】介護費推計モデルの例を示す図である。

【図17】介護度・介護費推計結果の例を示す図である。

【図18】介護度・介護費推計結果表示画面の例を示す図である。

【図19】介護費推計処理のフローチャートである。

【図20】実施例４の将来推計システムの構成を示す図である。

【図21】実施例５の将来推計システムの構成を示す図である。

【図22】介護サービス実施率が１００％の場合の介護度・介護費推計結果の例を示す図である。

【図23】介護サービス実施率が０％の場合の介護度・介護費推計結果の例を示す図である。

【図24】介護サービス実施率が３０％の場合の介護施策効果シミュレーション画面の例を示す図である。

【図25】介護サービス実施率が６０％の場合の介護施策効果シミュレーション画面の例を示す図である。

【図26】介護施策効果推計処理のフローチャートである。

【図27】健診受診率が１００％の場合の介護度・介護費推計結果の例を示す図である。

【図28】健診受診率が０％の場合の介護度・介護費推計結果の例を示す図である。

【図29】健診受診率が２０％の場合の介護施策効果シミュレーション画面の例を示す図である。

【図30】健診受診率が８０％の場合の介護施策効果シミュレーション画面の例を示す図である。

【発明を実施するための形態】

【0011】

以下、発明を実施するための実施例を、図面を用いて説明する。

【0012】

本発明の実施例１では、住民データ及び介護データから将来の介護度を推計し、自治体の介護施策立案を支援する将来推計システムを説明する。実施例２では、介護データ及び住民データに医療データ及び健診データを加えて、将来の介護度を推計する将来推計システムを説明する。実施例３では、将来の介護度及び介護費を推計する将来推計システムを説明する。実施例４では、介護データ、住民データ、医療データ及び健診データから、将来の介護度及び介護費を推計する将来推計システムを説明する。実施例５では、介護度推計モデルから、将来の介護発生又は介護進行を抑制する施策となる説明変数を抽出し、その施策の効果を推計する将来推計システムを説明する。

【0013】

＜実施例１＞
実施例１では、蓄積された介護データ及び住民データから、将来の介護度を個人単位に推計する将来推計システムの例を説明する。なお、要介護度の段階ｍは、介護度無、要支援１、要支援２、要介護１、要介護２、要介護３、要介護４、要介護５の８段階（ｍ＝８）として説明する。

【0014】

図１は、実施例１の将来推計システムの構成を示すブロック図である。

【0015】

実施例１の将来推計システムは、将来推計端末１０１及びデータベース１２０を有する。

【0016】

将来推計端末１０１は、入力部１０２、出力部１０３、プロセッサ（ＣＰＵ）１０４、メモリ１０５及び記憶媒体１０６を有する計算機である。

【0017】

入力部１０２は、マウス、キーボードなどのヒューマンインターフェースであり、将来推計端末１０１への入力を受け付ける。出力部１０３は、将来推計端末１０１による演算結果を出力するディスプレイやプリンタである。記憶媒体１０６は、将来推計端末１０１による介護度推計処理を実現する各種プログラム、及び介護度推計処理の実行結果等を格納する記憶装置であり、例えば、不揮発性記憶媒体（磁気ディスクドライブ、不揮発性メモリ等）で構成される。

【0018】

メモリ１０５は、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、プロセッサ１０４が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。すなわち、メモリ１０５には、記憶媒体１０６に格納されているプログラムが展開される。

【0019】

プロセッサ１０４は、メモリ１０５にロードされたプログラムを実行する演算装置であり、例えば、ＣＰＵ、ＧＰＵなどである。以下に説明する処理及び演算は、プロセッサ１０４が実行する。なお、プロセッサ１０４がプログラムを実行して行う処理の一部を、他の演算装置（例えば、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）などのハードウェア）で実行してもよい。

【0020】

本実施例の将来推計システムは、一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで動作してもよく、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

【0021】

プロセッサ１０４によって実行されるプログラムは、リムーバブルメディア（ＣＤ－ＲＯＭ、フラッシュメモリなど）又はネットワークを介して各サーバに提供され、非一時的記憶媒体である不揮発性記憶装置に格納される。このため、計算機システムは、リムーバブルメディアを読み込むインターフェースを備えてもよい。

【0022】

記憶媒体１０６は、データ整形部１１１、二値化処理部１１２、介護度推計モデル構築部１１３、介護度推計部１１４、推計結果集計部１１５を実現するためのプログラムを格納する。

【0023】

データ整形部１１１は、入力部１０２に入力された複数人分の、少なくとも２年度分（Ｔ年度とＴ－ｎ年度）の要介護度・介護費等を含む介護データ（図２）と、性別・年齢・住所等を含む住民データ（図３）を取得し、各データを個人別かつ年度別に連結した上で、個人を行に、年度を列に展開した整形データ（図４）を作成する。

【0024】

二値化処理部１１２は、データ整形部１１１で作成された整形データから、Ｔ年度の要介護度を取得し、順序尺度データである８段階の要介護度（介護度無（０）＜要支援１（１）＜要支援２（２）＜要介護１（３）＜要介護２（４）＜要介護３（５）＜要介護４（６）＜要介護５（７））を７箇所で２値化し、Ｔ年度の要介護度について７個の目的変数１～７（図５）を作成する。ここで、目的変数１は要支援１以上（１）と介護度無（０）、目的変数２は要支援２以上（１）と要支援１以下（０）、目的変数３は要介護１以上（１）と要支援２以下（０）、目的変数４は要介護２以上（１）と要介護１以下（０）、目的変数５は要介護３以上（１）と要介護２以下（０）、目的変数６は要介護４以上（１）と要介護３以下（０）、目的変数７は要介護５以上（１）と要介護４以下（０）に二値化される。

【0025】

介護度推計モデル構築部１１３は、二値化処理部１１２で作成されたＴ年度の要介護度における７個の目的変数１～７について、Ｔ－ｎ年度の整形データを説明変数としたロジスティック回帰分析を各目的変数別に７回実行し、７個のロジスティック回帰式から構成される介護度推計モデル（図６）を構築する。なお、将来推計システムの外部から介護度推計モデルが提供される場合、将来推計端末１０１は介護度推計モデル構築部１１３を有さなくてもよい。

【0026】

介護度推計部１１４は、介護度推計モデル構築部１１３で構築された介護度推計モデルに、Ｔ年度の整形データが入力されると、Ｔ＋ｎ年度の要介護度別の確率を個人別に推計する（図７）。目的変数１の要支援１以上の確率をＰ１、目的変数２の要支援２以上の確率をＰ２、目的変数３の要介護１以上の確率をＰ３、目的変数４の要介護２以上の確率をＰ４、目的変数５の要介護３以上の確率をＰ５、目的変数６の要介護４以上の確率をＰ６、目的変数７の要介護５以上の確率をＰ７とすると、要介護度別の確率（ＮＰ）は、介護度無（ＮＰ０）が１－Ｐ１、要支援１（ＮＰ１）がＰ１－Ｐ２、要支援２（ＮＰ２）がＰ２－Ｐ３、要介護１（ＮＰ３）がＰ３－Ｐ４、要介護２（ＮＰ４）がＰ４－Ｐ５、要介護３（ＮＰ５）がＰ５－Ｐ６、要介護４（ＮＰ６）がＰ６－Ｐ７、要介護５（ＮＰ７）がＰ７で推計される。

【0027】

推計結果集計部１１５は、入力部１０２に入力されたユーザの集計条件（Ｔ年度の性別、年齢、住所など）に基づいて、介護度推計部１１４で推計された個人別の介護度推計結果を集計して、任意の集団単位で介護度別の将来推計人数を出力部１０３に表示する（図８）。

【0028】

データベース１２０は、介護データ記憶部１２１、住民データ記憶部１２２、整形データ記憶部１２３、介護度推計モデル記憶部１２４及び推計結果記憶部１２５から構成される。

【0029】

介護データ記憶部１２１は、入力部１０２に入力された複数人かつ複数年度分の要介護度、介護費、受給した介護サービス、訪問調査結果（ＡＤＬ：日常生活動作、ＩＡＤＬ：手段的日常生活動作など）などの介護データを格納する。

【0030】

住民データ記憶部１２２は、入力部１０２に入力された複数人かつ複数年度分の性別、年齢、住所などの住民データを格納する。

【0031】

整形データ記憶部１２３は、データ整形部１１１で作成した整形データを格納する。

【0032】

介護度推計モデル記憶部１２４は、介護度推計モデル構築部１１３で構築した介護度推計モデルを格納する。

【0033】

推計結果記憶部１２５は、介護度推計部１１４が推計した介護度推計結果を格納する。

【0034】

図２は、介護データ記憶部１２１が格納する介護データ２００の例を示す図である。

【0035】

介護データ２００は、複数の住民の複数年分の介護データを管理する。介護データ２００は、個人ＩＤ２０１、年度２０２、要介護度２０３、介護費２０４、日常生活自立度２０５、介護サービスの受給有無（通所介護２１１、介護予防支援２１２、介護保健施設２１３など）、介護サービスの受給回数（通所介護２１１、介護予防支援２１２、介護保健施設２１３など）、訪問調査結果（両足立位保持２２１、短期記憶２２２、移動２２３、食事摂取２２４、排便２２５、薬内服２２６など）を含む。

【0036】

個人ＩＤ２０１は、一人の住民を示す識別子が登録される。年度２０２は、介護データが記録された年度を示す情報が登録される。要介護度２０３は、個人ＩＤ２０１の住民における各年度の要介護度を、０（介護度無）、１（要支援１）、２（要支援２）、３（要介護１）、４（要介護２）、５（要介護３）、６（要介護４）、７（要介護５）の区分で記録する。日常生活自立度２０５は、個人ＩＤ２０１の住民の各年度の日常生活自立度を、０（自立）、１（ランクＩ）、２（ランクIIａ）、３（ランクIIｂ）、４（ランクIIIａ）、５（ランクIIIｂ）、６（ランクIV）、７（ランクＭ）の区分で記録する。介護サービス有無２１１～２１３は、個人ＩＤ２０１の住民が各年度に受給した介護サービスを、その種類ごとに１（有）又は０（無）で記録し、介護サービス回数２１５～２１７は、その種類ごとに受給した回数を記録する。また、訪問調査結果２２１～２２６は、要介護認定の際に調査される７４項目の訪問調査結果であり、個人ＩＤ２０１の各年度のＡＤＬ（日常生活動作である両足立位保持２２１、移動２２３、食事摂取２２４、排便２２５等）、ＩＡＤＬ（手段的日常生活動作である薬内服２２６等）、認知機能としての短期記憶２２２などを記録しており、例えば、両足立位保持２２１では、０（できる）、１（支えが必要）又は２（できない）を記録し、短期記憶２２２では、０（できる）又は１（できない）を記録する。訪問調査結果は、身体機能・起居動作２０項目、生活機能（ＡＤＬ）１２項目、認知機能９項目、精神・行動障害１５項目、社会生活への適応（ＩＡＤＬ）６項目、特別な医療１２項目の計７４項目の調査項目からなり、介護データ２００は、これらの調査結果を記録する。

【0037】

図３は、住民データ記憶部１２２が格納する住民データ３００の例を示す図である。

【0038】

住民データ３００は、複数の住民の複数年分の住民データを管理する。住民データ３００は、個人ＩＤ２０１、年度２０２、性別３０３、年齢３０４、住所３０５などを含む。年度２０２は、住民データが記録された年度を示す情報が登録される。性別３０３は、個人ＩＤ２０１の住民における性別が登録され、年齢３０４は、その住民の年齢が年度２０２別に登録される。また、住所３０５は、個人ＩＤ２０１の住民の住所が年度ごとに登録される。この例では、Ａ区、Ｂ区など地区単位で登録している例を示す。

【0039】

図４は、データ整形部１１１が作成し、整形データ記憶部１２３が格納する整形データ４００の例を示す図である。

【0040】

整形データ４００は、住民データ３００及び介護データ２００から、複数人分の複数年度分（例えば、Ｔ－ｎ年度、Ｔ年度の２年度）のデータを抽出し、個人ＩＤ２０１及び年度２０２で連結して、個人を行に、年度を列に展開したデータである。図示する例では、整形データ４００は、個人ＩＤ２０１の住民におけるＴ－ｎ年度の住民・介護データ４０１とＴ年度の住民・介護データ４０２を示す。このｎ年の間隔があいた２時点の整形データ４００を作成することによって、現在（Ｔ年度）データから将来（Ｔ＋ｎ年度）の介護度を推計できる。

【0041】

図５は、二値化処理部１１２が要介護度を二値化して７個の目的変数を作成する処理を示す図である。

【0042】

図５は、整形データ４００から、Ｔ年度の要介護度を取得し、順序尺度データである８段階の要介護度（介護度無（０）＜要支援１（１）＜要支援２（２）＜要介護１（３）＜要介護２（４）＜要介護３（５）＜要介護４（６）＜要介護５（７））を７箇所で２値化し、Ｔ年度の要介護度について７個の目的変数１～７（５０１～５０７）を作成する処理を示す。この処理によって、目的変数１（５０１）は要支援１以上（１）と介護度無（０）に二値化され、目的変数２（５０２）は要支援２以上（１）と要支援１以下（０）に二値化され、目的変数３（５０３）は要介護１以上（１）と要支援２以下（０）に二値化され、目的変数４（５０４）は要介護２以上（１）と要介護１以下（０）に二値化され、目的変数５（５０５）は要介護３以上（１）と要介護２以下（０）に二値化され、目的変数６（５０６）は要介護４以上（１）と要介護３以下（０）に二値化され、目的変数７（５０７）は要介護５以上（１）と要介護４以下（０）に二値化される。

【0043】

図６は、介護度推計モデル構築部１１３が構築し、介護度推計モデル記憶部１２４が格納する介護度推計モデル６００の例を示す図である。

【0044】

介護度推計モデル６００は、介護度推計モデル構築部１１３が構築した７個のロジスティック回帰式であり、二値化したＴ年度の要介護度である目的変数１～７（５０１～５０７）別に、Ｔ－ｎ年度の説明変数６０１の回帰係数（６１１～６１７）とＺ値（６２１～６２７）を記録する。目的変数１～７が示す２値化した要介護度の確率をＰｉ（ｉ＝１～７）、説明変数をＸｊ（ｊ＝１～Ｊ）、回帰係数をａｉｊ（ｉ＝１～７、ｊ＝１～Ｊ）とすると、介護度推計モデル６００は式１で表される。なお、Ｊは説明変数の数である。

【0045】

Pi＝1/(1＋exp(-Yi)), Yi＝ai1×X1＋・・・＋aiJ×XJ (式１)

【0046】

また、Ｚ値ｂｉｊ（６２１～６２７）は、回帰係数ａｉｊをその標準誤差で割った値である。この値は、説明変数間の単位の違いを補正した値であり、目的変数に与える寄与の大きさを説明変数間で比較できる値である。図５及び図６に示すように、二値化したＴ年度の要介護度である目的変数１～７に与える寄与が高い説明変数を目的変数別に分析でき、介護の発生又は抑制、及び介護度の進行又は抑制に寄与する説明変数を抽出できる。例えば、目的変数１（５０１）のＺ値６２１が正でその値が大きい説明変数は、要支援１以上の発生（介護の発生）への寄与が高い説明変数であり、逆に、Ｚ値６２１が負で、その値が小さい説明変数は、要支援１以上の抑制（介護の抑制）への寄与が高い説明変数となる。また、目的変数４（５０４）のＺ値６２４が正でその値が大きい説明変数は、要介護２以上の発生（介護の進行）への寄与が高い説明変数であり、逆に、Ｚ値６２１が負で、その値が小さい説明変数は、要介護２以上の抑制（介護の進行抑制）への寄与が高い説明変数である。

【0047】

図７は、介護度推計部１１４が推計し、推計結果記憶部１２５が格納する介護度推計結果７００の例を示す図である。

【0048】

介護度推計結果７００は、Ｔ年度の整形データ４０２と、Ｔ年度の整形データ４０２を介護度推計モデル６００に入力して推計したＴ＋ｎ年度の要介護度別の確率ＮＰ７０１を個人別に記録する。Ｔ＋ｎ年度の要介護度別の確率ＮＰ７０１は、介護度無の確率ＮＰ０（７１１）、要支援１の確率ＮＰ１（７１２）、要支援２の確率ＮＰ２（７１３）、要介護１の確率ＮＰ３（７１４）、要介護２の確率ＮＰ４（７１５）、要介護３の確率ＮＰ５（７１６）、要介護４の確率ＮＰ６（７１７）、要介護５の確率ＮＰ７（７１８）を含み、前述した式１で表される介護度推計モデル６００にＴ年度の整形データ４０２を入力して算出され、Ｔ＋ｎ年度の２値化された要介護度の確率Ｐｉから推計する。具体的には、Ｔ＋ｎ年度の要介護度別の確率をＮＰｉ（ｉ＝０～７）は、式２で推計できる。なお。Ｐ０＝０、Ｐ８＝１とする。

【0049】

NPi＝Pi-P(i+1) (式２)

【0050】

これにより、現状の介護データ及び住民データから将来の介護度を個人別に推計できる。

【0051】

図８は、推計結果集計部１１５が、出力部１０３に出力する介護度推計結果表示画面８００の例を示す図である。

【0052】

介護度推計結果表示画面８００は、集計条件入力欄８１０及び介護度別推計人数表示欄８２０を含む。集計条件入力欄８１０は、この例では、Ｔ年度の性別８１１及び年齢８１２を入力する欄を設けているが、整形データに格納されているＴ年度の任意のデータ項目を条件として入力する欄を設けてもよい。介護度別推計人数表示欄８２０は、集計条件入力欄８１０に入力された条件に合致する介護度推計結果７００を、Ｔ年度の介護度別人数（８２１～８２４）及びＴ＋ｎ年度の介護度別推計人数（８３１～８３４）を住所別（地区別）に表示する。図示する例では、要介護２以上を表示している。住所別（地区別）のＴ＋ｎ年度の介護度別推計人数は、介護度推計結果７００を用いて、住所別（地区別）に、要介護度別の確率ＮＰ０～ＮＰ７（７１１～７１８）を集計して算出する。図７に示す介護度推計結果７００の例では、Ａ区に住んでいる住民は、個人ＩＤがＫ０００１及びＫ０００３であるので、Ａ区の介護度無の推計人数はＮＰ０１＋ＮＰ０３、要支援１はＮＰ１１＋ＮＰ１３、要支援２はＮＰ２１＋ＮＰ２３、要介護１はＮＰ３１＋ＮＰ３３、要介護２はＮＰ４１＋ＮＰ４３、要介護３はＮＰ５１＋ＮＰ５３、要介護４はＮＰ６１＋ＮＰ６３、要介護５はＮＰ７１＋ＮＰ７３で各々算出される。これにより、地区単位など任意の条件で将来の介護度別の人数を推計でき、自治体の地区診断に活用できる。例えば、図８に示すように、将来（Ｔ＋ｎ年度）の要介護２以上の人数について、Ａ区がＢ区より増加し、Ｃ区がＤ区より増加することが推計できれば、Ａ区とＣ区に対して重点的に介護予防施策を適用するなどの効果的な施策立案が可能になる。

【0053】

次に、図９のフローチャートを用いて、介護度推計処理を説明する。

【0054】

図９の処理を開始すると、まず、データ入力ステップ９０１を実行する。データ入力ステップ９０１では、将来推計端末１０１の入力部１０２が、介護データ２００（図２）及び住民データ３００（図３）の入力を受ける。入力された介護データ２００は介護データ記憶部１２１に格納され、入力された住民データ３００は住民データ記憶部１２２に格納される。

【0055】

次に、データ整形ステップ９０２では、データ整形部１１１が、データ入力ステップ９０１で入力された介護データ２００（図２）及び住民データ３００（図３）から、複数の住民の２年度分（Ｔ－ｎ年度、Ｔ年度）のデータを抽出し、個人ＩＤ２０１及び年度２０２で連結した上で、個人を行に、年度を列に展開した整形データ４００（図４）を作成する。作成された整形データ４００は、整形データ記憶部１２３に格納される。

【0056】

次に、二値化処理ステップ９０３では、二値化処理部１１２が、データ整形ステップ９０２で作成された整形データ４００から、Ｔ年度の要介護度を取得し、順序尺度データである８段階の要介護度（介護度無（０）＜要支援１（１）＜要支援２（２）＜要介護１（３）＜要介護２（４）＜要介護３（５）＜要介護４（６）＜要介護５（７））を７箇所で２値化し、図５で説明したように、Ｔ年度の要介護度について７個の目的変数１～７（５０１～５０７）を作成する。

【0057】

次に、介護度推計モデル構築ステップ９０４では、介護度推計モデル構築部１１３が、二値化処理ステップ９０３で作成されたＴ年度の要介護度を二値化した７個の目的変数１～７について、Ｔ－ｎ年度の整形データ４００を説明変数としたロジスティック回帰分析を各目的変数別に７回実行し、７個のロジスティック回帰式から構成される介護度推計モデル６００（図６）を構築する。構築された介護度推計モデル６００は、介護度推計モデル記憶部１２４に格納される。

【0058】

次に、介護度推計ステップ９０５では、介護度推計部１１４が、介護度推計モデル構築ステップ９０４で構築された介護度推計モデル６００に、データ整形ステップ９０２で作成されたＴ年度の整形データを入力し、将来（Ｔ＋ｎ年度）の要介護度別の確率を個人別に推計する。具体的には、図７で説明したように、まず、式１で表される介護度推計モデル６００にＴ年度の整形データを入力して、Ｔ＋ｎ年度の２値化された要介護度の確率Ｐｉ（Ｐ１～Ｐ７）を算出し、次に、Ｔ＋ｎ年度の２値化された要介護度の確率Ｐｉを式２に入力して、Ｔ＋ｎ年度の要介護度別の確率ＮＰｉ（ＮＰ０～ＮＰ７）を個人別に推計する。推計された将来の介護度推計結果７００は、推計結果記憶部１２５に格納される。

【0059】

次に、推計結果集計ステップ９０６では、推計結果集計部１１５が、まず、介護度推計結果表示画面８００（図８）を出力部１０３に表示し、集計条件（Ｔ年度の性別、年齢、住所など）の入力部１０２への入力をユーザに促す。次に、入力された集計条件に基づいて、介護度推計ステップ９０５で推計された個人別の介護度推計結果を集計して、介護度別の将来推計人数を出力部１０３に表示する。図８に例示する介護度推計結果表示画面８００では、Ｔ年度の男性かつ年齢６０歳以上の住民を対象に、Ｔ年度（現在）の要介護２以上の人数及びＴ＋ｎ年度（将来）の要介護２以上の将来推計人数を住所別（地区別）に表示している。ユーザは、この情報に基づいて地区別に診断を行い、介護予防施策をどの地区に重点的に配分するかなどの意思決定を行う。

【0060】

以上により、介護度推計処理を終了する。

【0061】

以上に説明したように、実施例１の将来推計システムでは、自治体等の機関に蓄積された介護データ及び住民データから、将来の介護度を地区単位や個人単位などミクロな単位で推計できる。このため、将来の介護度推計結果は、自治体の地区診断に活用でき、介護予防施策の重点配分など効果的な施策立案が可能になる。

【0062】

＜実施例２＞
実施例２では、実施例１で用いた介護データ及び住民データだけでなく、医療データ及び健診データも加えて、将来の介護度を個人単位に推計する将来推計システムの例を説明する。なお、実施例１で前述した構成及び処理には同じ符号を付し、それらの説明は省略する。また、実施例２では、医療データ及び健診データの両方を用いて将来の介護度を推計する将来推計システムを説明するが、医療データ及び健診データの一方を用いてもよい。

【0063】

図１０は、本実施例の将来推計システムの構成を示すブロック図である。実施例２の将来推計システムでは、実施例１の将来推計システム（図１）に、医療データ記憶部１２６及び健診データ記憶部１２７が追加される。

【0064】

医療データ記憶部１２６は、入力部１０２に入力された複数人分、複数年度分のアルツハイマー病、パーキンソン病、脊椎障害、関節症などの疾病別の医療機関受診有無及び疾病別の医療費などの医療データを格納する。

【0065】

健診データ記憶部１２７は、入力部１０２に入力された複数人分かつ複数年度分の健康診断の対象者及び健康診断の受診有無などの健診データを格納する。

【0066】

図１１は、医療データ記憶部１２６が格納する医療データ１１００の例を示す図である。

【0067】

医療データ１１００は、複数の住民の複数年分の医療データを管理する。医療データ１１００は、個人ＩＤ２０１、年度２０２、アルツハイマー病、パーキンソン病、脊椎障害、関節症、骨折、てんかん、脳内出血などの疾病別の医療機関受診有無１１１１～１１１７及び疾病別の医療費１１２１～１１２７を含む。年度２０２は、医療機関を受診した年度（年月でもよい）を示す情報を記録する。疾病別の医療機関受診有無１１１１～１１１７は、個人ＩＤ２０１の各年度の疾病別の受診有無を、１（有）、０（無）として記録する。疾病別医療費１１２１～１１２７は、個人ＩＤ２０１の各年度の疾病別医療費を記録する。

【0068】

図１２は、健診データ記憶部１２７が格納する健診データ１２００の例を示す図である。

【0069】

健診データ１２００は、複数の住民の複数年分の健康診断のデータを管理する。健診データ１２００は、個人ＩＤ２０１、年度２０２、健診対象者フラグ１２０３及び健診受診有無１２０４を含む。年度２０２は、健康診断を受診した年度（年月でもよい）を示す情報が登録される。健診対象者フラグ１２０３は、個人ＩＤ２０１の住民が健康診断の対象者か否かを、１（対象）、０（対象外）として年度別に記録する。健診受診有無１２０４は、個人ＩＤ２０１の住民が健康診断を受診したか否かを、１（健康診断受診有）、０（健康診断受診無）として年度別に記録する。また、健診データ１２００は、健康診断の結果（検査値、問診結果）を記録してもよい。

【0070】

図１３は、データ整形部１１１が作成し、整形データ記憶部１２３が格納する整形データ１３００の例を示す図である。

【0071】

整形データ１３００は、図４の整形データ４００（介護データ、住民データ）に、医療データ１１００及び健診データ１２００を連結したデータである。すなわち、整形データ１３００は、住民データ３００、介護データ２００、医療データ１１００及び健診データ１２００から、複数人分の２年度分（Ｔ－ｎ年度、Ｔ年度）のデータを抽出し、個人ＩＤ２０１と年度２０２で連結した上で、個人を行に、年度を列に展開したデータである。個人ＩＤ２０１の住民におけるＴ－ｎ年度の住民・介護・医療・健診データ１３０１とＴ年度の住民・介護・医療・健診データ１３０２を示している。このｎ年間隔があいた２時点の整形データ１３００を作成することによって、現在（Ｔ年度）の住民・介護・医療・健診データから将来（Ｔ＋ｎ年度）の介護度を推計できる。

【0072】

図１４は、介護度推計モデル構築部１１３が、図１３に示す整形データ１３００（住民・介護・医療・健診データ）を用いて構築し、介護度推計モデル記憶部１２４が格納する介護度推計モデル１４００の例を示す図である。実施例２の介護度推計モデル１４００は、実施例１の介護度推計モデル６００（図６）の説明変数に、疾病別医療機関受診有無、疾病別医療費などの医療説明変数１４０１と、健診受診有無の健診説明変数１４０２が追加されている。

【0073】

介護度推計モデル１４００は、実施例１で説明したように、まず、二値化処理部１１２が、図１３の整形データ１３００のＴ年度の要介護度を二値化して目的変数１～７を作成し、その後、介護度推計モデル構築部１１３がＴ－ｎ年度の整形データ１３０１（住民・介護・医療・健診データ）を説明変数としたロジスティック回帰分析を目的変数別に実行して構築される。実施例２の介護度推計モデル１４００は、二値化したＴ年度の要介護度である目的変数１～７（５０１～５０７）別に、Ｔ－ｎ年度の説明変数６０１の回帰係数（６１１～６１７）及びＺ値（６２１～６２７）を記憶しており、医療データ１１００及び健診データ１２００の追加により、疾病別医療機関受診有無及び疾病別医療費などの医療説明変数１４０１（Ｘ２０、Ｘ２１…）と、健診受診有無の健診説明変数１４０２（Ｘ３０）とが介護度推計モデル１４００に追加される。これにより、現在の住民データ及び介護データだけでなく、医療データ及び健診データを考慮して、将来（Ｔ＋ｎ年度）の介護度を個人単位に推計できる。

【0074】

次に、図９のフローチャートを用いて、本実施例の介護度推計処理を説明する。

【0075】

図９の処理を開始すると、まず、データ入力ステップ９０１を実行する。データ入力ステップ９０１では、将来推計端末１０１の入力部１０２が、介護データ２００（図２）、住民データ３００（図３）、医療データ１１００（図１１）及び健診データ１２００（図１２）の入力を受ける。入力された介護データ２００は介護データ記憶部１２１に格納され、入力された住民データ３００は住民データ記憶部１２２に格納され、入力された医療データ１１００は、医療データ記憶部１２６に格納され、入力された健診データ１２００は、健診データ記憶部１２７に格納される。

【0076】

次に、データ整形ステップ９０２では、データ整形部１１１が、データ入力ステップ９０１で入力された介護データ２００（図２）、住民データ３００（図３）、医療データ１１００（図１１）及び健診データ１２００（図１２）から、複数の住民の２年度分（Ｔ－ｎ年度、Ｔ年度）のデータを抽出し、個人ＩＤ２０１及び年度２０２で連結した上で、個人を行に、年度を列に展開した整形データ１３００（図１３）を作成する。医療・健診データも含んで作成された整形データ１３００は、整形データ記憶部１２３に格納される。

【0077】

次に、実施例１と同様に、二値化処理ステップ９０３と介護度推計モデル構築ステップ９０４を実行する。

【0078】

二値化処理ステップ９０３では、二値化処理部１１２が、医療データ及び健診データを含む整形データ１３００（図１３）から、Ｔ年度の要介護度について７個の目的変数１～７（５０１～５０７）を作成する。

【0079】

次に、介護度推計モデル構築ステップ９０４では、介護度推計モデル構築部１１３が、二値化処理ステップ９０３で作成されたＴ年度の要介護度を二値化した７個の目的変数１～７について、Ｔ－ｎ年度の医療データ及び健診データを含む整形データ１３００を説明変数としたロジスティック回帰分析を各目的変数別に７回実行し、７個のロジスティック回帰式から構成される介護度推計モデル１４００（図１４）を構築する。構築された介護度推計モデル１４００は、介護度推計モデル記憶部１２４に格納される。

【0080】

次に、実施例１と同様に、介護度推計ステップ９０５及び推計結果集計ステップ９０６を実行する。

【0081】

介護度推計ステップ９０５では、介護度推計部１１４が、介護度推計モデル構築ステップ９０４で構築された介護度推計モデル１４００（図１４）に、Ｔ年度の医療データ及び健診データを含む整形データ１３００を入力して、将来（Ｔ＋ｎ年度）の要介護度別の確率を個人別に推計し、介護度推計結果７００を作成する。作成された将来の介護度推計結果７００は、推計結果記憶部１２５に格納される。

【0082】

推計結果集計ステップ９０６では、推計結果集計部１１５が、ユーザが入力した集計条件に基づいて、介護度推計結果を集計して、介護度別の将来推計人数を、図８に例示する介護度推計結果表示画面８００で出力部１０３に表示する。ユーザは、この情報に基づいて地区別に診断を行い、介護予防施策をどの地区に重点的に配分するかなどの意思決定を行う。

【0083】

以上により、本実施例の介護度推計処理を終了する。

【0084】

以上に説明したように、実施例２の将来推計システムでは、自治体等の機関に蓄積された介護データ及び住民データに加えて、医療データ及び健診データも考慮して将来の介護度を推計するので、個人単位や地区単位の将来の介護度をより高精度に推計できる。実際のデータで介護度推計精度を検証すると、１年後の個人の介護度を９５％以上の正解率で高精度に推計できることが分かった。また、将来の介護度推計結果は、自治体の地区診断に活用でき、介護予防施策の重点配分など効果的な施策立案が可能になる。

【0085】

＜実施例３＞
実施例３では、実施例１で推計した将来の介護度だけでなく、住民データ及び介護データから将来の介護費を個人単位に推計する将来推計システムの例を説明する。なお、実施例１、２で前述した構成及び処理には同じ符号を付し、それらの説明は省略する。

【0086】

図１５は、本実施例の将来推計システムの構成を示すブロック図である。実施例３の将来推計システムでは、実施例１の将来推計システム（図１）に、介護費推計モデル構築部１１６、介護費推計部１１７及び介護費推計モデル記憶部１２８が追加される。

【0087】

介護費推計モデル構築部１１６は、データ整形部１１１で作成された整形データ４００（図４）から、Ｔ年度の要介護度及び介護費を取得し、Ｔ年度の介護費を目的変数とし、Ｔ年度の要介護度を説明変数とした線形回帰分析を行い、Ｔ年度の要介護度からＴ年度の介護費を推計する線形回帰式である介護費推計モデル１６００（図１６）を構築する。なお、将来推計システムの外部から介護費推計モデルが提供される場合、将来推計端末１０１は介護費推計モデル構築部１１６を有さなくてもよい。

【0088】

介護費推計部１１７は、介護費推計モデル構築部１１６で構築された介護費推計モデル１６００に、介護度推計部１１４で推計された図７が示すＴ＋ｎ年度の要介護度別の確率ＮＰ（７０１）を入力し、Ｔ＋ｎ年度の介護費を個人別に推計する（図１７）。推計された介護費推計結果は、介護度推計結果と共に、推計結果記憶部１２５に格納される。

【0089】

介護費推計モデル記憶部１２８は、介護費推計モデル構築部１１６が構築した介護費推計モデルを格納する。

【0090】

図１６は、介護費推計モデル構築部１１６が構築し、介護費推計モデル記憶部１２８が格納する介護費推計モデル１６００の例を示す図である。

【0091】

介護費推計モデル１６００は、介護費推計モデル構築部１１６が構築した線形回帰式であり、Ｔ年度の介護費を目的変数１６０４とし、Ｔ年度の要介護度を説明変数１６０３とした線形回帰分析により算出した回帰係数を記録する。要介護度をＸＣｉ（ｉ＝１～７、要支援１の有無ＸＣ１、要支援２の有無ＸＣ２、要介護１の有無ＸＣ３、要介護２の有無ＸＣ４、要介護３の有無ＸＣ５、要介護４の有無ＸＣ６、要介護５の有無ＸＣ７）、回帰係数をｃｉ（ｉ＝１～７）、介護費をＮＣＥとすると、介護費推計モデル１６００は式３で表される。Ｔ＋ｎ年度の要介護度別の確率ＮＰｉ（ｉ＝１～７）を、式３のＸＣｉ（ｉ＝１～７）に、それぞれ入力することによって、将来（Ｔ＋ｎ年度）の介護費ＮＣＥ１７０１を個人別に推計できる。このように、介護度の推計結果を用いて介護費を推計することによって、介護度と介護費が連動した将来推計が可能となり、自治体の介護施策立案に活用しやすい推計結果を作成できる。

【0092】

NCE＝c1×XC1＋・・・＋c7×XC7 (式３)

【0093】

図１７は、介護度推計部１１４及び介護費推計部１１７が推計した介護度・介護費推計結果１７００の例を示す図である。介護度・介護費推計結果１７００は、Ｔ年度の整形データ４０２と、Ｔ年度の整形データ４０２を介護度推計モデル６００に入力して推計したＴ＋ｎ年度の要介護度別の確率ＮＰ７０１と、Ｔ＋ｎ年度の要介護度別の確率ＮＰ７０１を介護費推計モデル１６００に入力して推計したＴ＋ｎ年度の介護費ＮＣＥ１７０１とを含む。

【0094】

図１８は、推計結果集計部１１５が、出力部１０３に出力する介護度・介護費推計結果表示画面１８００の例を示す図である。介護度・介護費推計結果表示画面１８００は、実施例１の介護度推計結果表示画面８００（図８）に、介護費推計結果表示欄１８２０を追加したものであり、集計条件入力欄８１０、介護度別推計人数表示欄８２０と介護費推計結果表示欄１８２０を含む。

【0095】

介護度別推計人数表示欄８２０は、実施例１の介護度推計結果表示画面８００（図８）と同様に、集計条件入力欄８１０に入力された条件に合致する介護度・介護費推計結果１７００を抽出して、Ｔ年度の介護度別人数（８２１～８２４）及びＴ＋ｎ年度の介護度別推計人数（８３１～８３４）を住所別（地区別）に表示する。図示する例では、要介護２以上を表示している。

【0096】

介護費推計結果表示欄１８２０は、集計条件入力欄８１０に入力された条件に合致する介護度・介護費推計結果１７００を抽出して、Ｔ年度の介護費推計結果（１８２１～１８２４）及びＴ＋ｎ年度の介護費推計結果（１８３１～１８３４）を住所別（地区別）に表示する。住所別（地区別）のＴ＋ｎ年度の介護費推計結果は、介護度・介護費推計結果１７００を用いて、住所別（地区別）に、介護費ＮＣＥ（１７０１）を集計して算出する。図１７に示す介護度・介護費推計結果１７００の例では、Ａ区に住んでいる住民は、個人ＩＤがＫ０００１とＫ０００３であるので、Ａ区の介護費推計結果はＮＣＥ１＋ＮＣＥ３で算出される。これにより、地区単位など任意の条件で将来の介護費を推計でき、人数だけでなく費用面も考慮した地区診断を行うことができる。例えば、図１８に示すように、将来（Ｔ＋ｎ年度）の介護費が、Ａ区がＢ区より増加し、Ｃ区がＤ区より増加することが推計されたならば、Ａ区及びＣ区に対して重点的に介護予防施策を適用するなどの効果的な施策立案が可能になる。

【0097】

次に、図１９のフローチャートを用いて本実施例の介護度・介護費推計処理を説明する。

【0098】

図１９の処理を開始すると、データ入力ステップ９０１、データ整形ステップ９０２、二値化処理ステップ９０３、介護度推計モデル構築ステップ９０４、介護度推計ステップ９０５を実行する。これらのステップは、図９で説明した将来の介護度を推計するステップ９０１～９０５と同じ処理である。

【0099】

次に、介護費推計モデル構築ステップ９０７では、介護費推計モデル構築部１１６が、データ整形ステップ９０２で作成されたＴ年度の整形データを用いて、Ｔ年度の介護費を目的変数、Ｔ年度の要介護度を説明変数とした線形回帰分析を行い、要介護度から介護費を推計するための介護費推計モデル１６００を構築する。構築された介護費推計モデル１６００は、介護費推計モデル記憶部１２８に格納される。

【0100】

次に、介護費推計ステップ９０８では、介護費推計部１１７が、介護費推計モデル構築ステップ９０７で構築された介護費推計モデル１６００に、介護度推計ステップ９０５で推計されたＴ＋ｎ年度の要介護度別の確率ＮＰｉを入力して、Ｔ＋ｎ年度の介護費を個人別に推計する。推計された将来の介護費推計結果は、介護度推計結果と共に、推計結果記憶部１２５に格納される。

【0101】

次に、推計結果集計ステップ９０６では、推計結果集計部１１５が、まず、介護度・介護費推計結果表示画面１８００（図１８）を出力部１０３に表示し、集計条件（Ｔ年度の性別、年齢、住所など）の入力部１０２への入力をユーザに促す。次に、入力された集計条件に基づいて、介護度推計ステップ９０５及び介護費推計ステップ９０８で推計された個人別の介護度・介護費推計結果を集計して、介護度別の将来推計人数と将来の介護費を出力部１０３に表示する。図１８に例示する介護度・介護費推計結果表示画面１８００では、Ｔ年度の男性かつ年齢６０歳以上の住民を対象に、Ｔ年度（現在）の要介護２以上の人数及び介護費と、Ｔ＋ｎ年度（将来）の要介護２以上の将来推計人数及び介護費推計結果を住所別（地区別）に表示している。ユーザは、この情報に基づいて地区別に診断を行い、介護予防施策をどの地区に重点的に配分するかなどの意思決定を行う。

【0102】

以上により、介護度・介護費推計処理を終了する。

【0103】

以上に説明したように、実施例３の将来推計システムでは、自治体等の機関に蓄積された介護データ及び住民データから、将来の介護度及び将来の介護費を地区単位や個人単位などミクロな単位で推計できる。このため、将来の介護度・介護費推計結果は、自治体の地区診断に活用でき、介護予防施策の重点配分など効果的な施策を立案が可能になる。また、実施例３の将来推計システムは、介護度の推計結果から介護費を推計するため、介護度と介護費とが連動した将来推計ができ、自治体の介護施策立案に活用しやすい推計結果を出力できる。

【0104】

＜実施例４＞
実施例４では、実施例３で用いた介護データ及び住民データだけでなく、医療データ及び健診データも加えて、将来の介護度及び介護費を個人単位に推計する将来推計システムの例を説明する。なお、実施例１～３で前述した構成及び処理には同じ符号を付し、それらの説明は省略する。また、実施例４では、医療データ及び健診データの両方を用いて将来の介護度及び介護費を推計する将来推計システムを説明するが、医療データ及び健診データの一方を用いてもよい。

【0105】

図２０は、本実施例の将来推計システムの構成を示すブロック図である。実施例４の将来推計システムでは、実施例３の将来推計システム（図１５）に、実施例２で説明した医療データ記憶部１２６及び健診データ記憶部１２７が追加される。

【0106】

実施例２で説明したように、将来推計システムは、データ整形部１１１、二値化処理部１１２、介護度推計モデル構築部１１３及び介護度推計部１１４によって、図１３に示すＴ年度の整形データ（住民・介護・医療・健診データを連結したデータ）からＴ＋ｎ年度の要介護度別の確率を個人別に推計し、将来の介護度推計結果を作成する。

【0107】

また、実施例３で説明したように、将来推計システムは、介護費推計モデル構築部１１６と介護費推計部１１７により、Ｔ＋ｎ年度の要介護度別の確率から、Ｔ＋ｎ年度の介護費を個人別に推計し、将来の介護費推計結果を作成する。

【0108】

推計結果集計部１１５は、入力部１０２に入力されたユーザの集計条件（Ｔ年度の性別、年齢、住所など）に基づいて、個人別の介護度推計結果及び介護費推計結果を集計して、地区別など任意の集団単位で、将来の介護度別推計人数と将来介護費を出力部１０３に表示する。

【0109】

以上に説明したように、実施例４の将来推計システムでは、自治体等の機関に蓄積された介護データ及び住民データに加えて、医療データ及び健診データも考慮して、将来の介護度及び介護費を推計するので、個人単位や地区単位の将来の介護度及び将来の介護費をより高精度に推計できる。実際のデータで推計精度を検証すると、１年後の介護度を９５％以上の正解率、１年後の介護費を推計誤差１％以下で高精度に推計できることが分かった。また、将来の介護度・介護費推計結果は、自治体の地区診断に活用でき、介護予防施策の重点配分など効果的な施策を立案できる。また、実施例４の将来推計システムでは、介護度の推計結果から介護費を推計するため、介護度と介護費とが連動した将来推計ができ、自治体の介護施策立案に活用しやすい推計結果を出力できる。

【0110】

＜実施例５＞
実施例５では、介護度推計モデルから、将来の介護発生又は介護進行を抑制する施策となる説明変数を抽出し、その施策の効果を推計する将来推計システムの例を説明する。なお、実施例１～４で前述した構成及び処理には同じ符号を付し、それらの説明は省略する。

【0111】

図２１は、本実施例の将来推計システムの構成を示すブロック図である。実施例５の将来推計システムは、介護度推計部１１４、介護費推計部１１７に加え、説明変数抽出部１１８、入力値変更部１１９及び施策効果推計部１１０を有する。また、データベース１２０は、前述した整形データ記憶部１２３、介護度推計モデル記憶部１２４、推計結果記憶部１２５及び介護費推計モデル記憶部１２８から構成される。なお、実施例５の将来推計システムは、既に介護度推計モデル６００、１４００（図６又は図１４）及び介護費推計モデル１６００（図１６）があることを想定しているので、介護度推計モデル構築部１１３及び介護費推計モデル構築部１１６を有さないが、前述した実施例のように、介護度推計モデル構築部１１３及び介護費推計モデル構築部１１６が、整形データ４００、１３００（図４又は図１３）から介護度推計モデルや介護費推計モデルを構築してもよい。また、データ整形部１１１、二値化処理部１１２及び推計結果集計部１１５を有してもよい。

【0112】

説明変数抽出部１１８は、入力部１０２でユーザが選択した目的変数（対策が必要な介護度）を対象として、介護度推計モデル６００、１４００（図６又は図１４）から、Ｚ値が負の説明変数を値が小さい順に抽出する。

【0113】

入力値変更部１１９は、整形データ記憶部１２３が管理するＴ年度の整形データ４００、１３００（図４又は図１３）を取得し、説明変数抽出部１１８が抽出した説明変数別に、その変数と一致するデータ項目の入力値を変更する。具体的には、その説明変数と一致するデータ項目の入力値を全て有（１）に変更した場合（図２２、図２７）と、全て無（０）に変更した場合（図２３、図２８）の二つの整形データを作成する。

【0114】

介護度推計部１１４は、入力値変更部１１９で入力値が変更された二つの整形データを、それぞれ、介護度推計モデルに入力し、Ｔ＋ｎ年度の要介護度別の確率を推計する。ここで、Ｔ＋ｎ年度の要介護度別の確率は、入力値を全て有（１）にした場合と、全て無（０）にした場合について推計される。

【0115】

介護費推計部１１７は、介護度推計部１１４で推計されたＴ＋ｎ年度の要介護度別の確率を、介護費推計モデルに入力し、Ｔ＋ｎ年度の介護費を個人別に推計する。ここで、Ｔ＋ｎ年度の介護費は、入力値を全て有（１）にした場合と、全て無（０）にした場合について推計される。

【0116】

施策効果推計部１１０は、入力値を全て有（１）にした場合の介護度・介護費推計結果（図２２、図２７）と、全て無（０）にした場合の介護度・介護費推計結果（図２３、図２８）の差分を施策効果として推計する。

【0117】

図２２は、介護サービスである通所介護の実施率を１００％（入力値を全て有（１）に変更）にした場合の介護度・介護費推計結果２２００の例を示す図である。介護度・介護費推計結果２２００は、領域２２０１に示すように、通所介護の入力値を全て有（１）に変更したＴ年度の整形データ４０２と、介護度推計モデルに入力して推計したＴ＋ｎ年度の要介護度別の確率ｆＮＰ２２０２を介護費推計モデルに入力して推計したＴ＋ｎ年度の介護費ｆＮＣＥ２２０３を格納する。ここで、介護サービスに関するデータは有無データ及び回数データがあるので、有無データの入力値を全て有（１）に変更し、回数データの入力値を全て平均回数に変更する（２２０１）。

【0118】

図２３は、介護サービスである通所介護の実施率を０％（入力値を全て無（０）に変更）にした場合の介護度・介護費推計結果２３００の例を示す図である。介護度・介護費推計結果２３００は、領域２３０１に示すように、通所介護の入力値を全て無（０）に変更したＴ年度の整形データ４０２と、介護度推計モデルに入力して推計したＴ＋ｎ年度の要介護度別の確率ｅＮＰ２３０２を介護費推計モデルに入力して推計したＴ＋ｎ年度の介護費ｅＮＣＥ２３０３を格納する。ここで、介護サービスに関するデータは有無データ及び回数データがあるので、有無データを全て無（０）に変更し、回数データも全て０回に変更する（２３０１）。

【0119】

図２４は、施策効果推計部１１０が、出力部１０３に出力する介護施策効果シミュレーション画面２４００の例を示す図である。

【0120】

介護施策効果シミュレーション画面２４００は、対策介護度選択欄２４１０、介護施策選択タブ表示欄２４２０、施策効果推計対象者の選定欄２４３０、施策効果推計結果表示欄２４４０及び集計条件入力欄８１０を含む。

【0121】

対策介護度選択欄２４１０は、入力部１０２で対策が必要な介護度（目的変数）をユーザに選択させる欄である。図示する例では、対策が必要な介護度（目的変数）として、ユーザが「要介護２以上」が選択されている。

【0122】

介護施策選択タブ表示欄２４２０は、対策介護度選択欄２４１０で選択された介護度（目的変数）の抑制に寄与が大きい説明変数を選択タブで表示する。具体的には、説明変数抽出部１１８が、対策介護度選択欄２４１０で選択された目的変数を対象に、介護度推計モデル（図６又は図１４）から、Ｚ値が負の説明変数を値が小さい順に抽出して表示する。図示する例では、目的変数が「要介護２以上」で、「要介護２以上」の抑制に寄与が大きい説明変数が抽出されており、介護度推計モデルから、Ｚ値が負の説明変数を値が小さい順に抽出すると、通所介護２４２１、介護予防支援２４２２、介護保健施設２４２３である例を示す。ユーザは、この選択タブから介護施策を選択する。図示する例では、介護サービスの通所介護２４２１が選択されている。

【0123】

施策効果推計対象者の選定欄２４３０は、施策実施率表示欄２４３１及び個人別の介護度・介護費抑制効果表示欄２４３５を含む。

【0124】

施策実施率表示欄２４３１は、介護施策選択タブ表示欄２４２０で選択された介護施策の実施率及び実施人数を示し、デフォルトで表示される初期値は、現在（Ｔ年度）の実施率及び実施人数である。図示する例では、通所介護のＴ年度の実施率が３０％で、実施人数が２千人である。

【0125】

個人別の介護度・介護費抑制効果表示欄２４３５は、施策効果推計対象者選択欄２４３２、個人ＩＤ２０１、Ｔ年度の整形データ４０２、Ｔ＋ｎ年度の介護度・介護費推計結果２２００、２３００及びＴ＋ｎ年度の介護費抑制額（ｆＮＣＥ－ｅＮＣＥ）２４３３を個人別に表示する。介護度・介護費推計結果２２００は、図２２で説明した介護施策の実施率が１００％である場合のＴ＋ｎ年度の要介護度別の確率ｆＮＰ２２０２及び介護費ｆＮＣＥ２２０３である。介護度・介護費推計結果２３００は、図２３で説明した介護施策の実施率が０％である場合のＴ＋ｎ年度の要介護度別の確率ｅＮＰ２３０２及び介護費ｅＮＣＥ２３０３である。Ｔ＋ｎ年度の介護費抑制額は、介護施策の実施率が１００％である場合の介護費ｆＮＣＥから介護施策の実施率が０％である場合の介護費ｅＮＣＥを減じた値である。施策効果推計対象者選択欄２４３２は、介護施策を実施する対象者が選択される欄であり、デフォルトでは、現在（Ｔ年度）にその介護施策を実施された人が選択されている。この例では、個人ＩＤ２０１がＫ０００２の人が通所介護を実施する人として選択されている。また、個人別の介護度・介護費抑制効果表示欄２４３５では、個人別の介護度・介護費抑制効果をその効果が高い順に表示する。具体的には、Ｔ＋ｎ年度の介護費抑制額（ｆＮＣＥ－ｅＮＣＥ）２４３３が大きい順に表示するとよい。図示する例では、個人ＩＤがＫ０００３の人の介護費抑制額（ｆＮＣＥ３－ｅＮＣＥ３）が最大で、次がＫ０００２の人である。

【0126】

ユーザは、個人別の介護度・介護費抑制効果表示欄２４３５や後述する施策効果推計結果表示欄２４４０を参照して、施策効果推計対象者選択欄２４３２で、介護施策を実施する対象者を個別に選択し、変更する。また、施策実施率表示欄２４３１の実施率や実施人数を変更しても、介護施策を実施する対象者を選択できる。施策実施率表示欄２４３１の実施率を変更した場合、介護費抑制額２４３３が大きい対象者から降順に選択される。

【0127】

施策効果推計結果表示欄２４４０は、介護度別推計人数表示欄２４４１及び介護費推計結果表示欄２４５１を含む。

【0128】

介護度別推計人数表示欄２４４１は、施策効果推計部１１０が、施策効果推計対象者の選定欄２４３０で選択された対象者全体について、Ｔ年度の要介護度及びＴ＋ｎ年度の要介護度別の確率ｆＮＰ２２０２とｅＮＰ２３０２を集計し、Ｔ年度の介護度別人数８２１、施策実施率表示欄２４３１に表示された実施率の場合のＴ＋ｎ年度の介護度別推計人数８３１及び実施率が０％の場合のＴ＋ｎ年度の介護度別推計人数２４４２を表示する。図示する例では要介護２以上の人数を表示している。さらに、実施率が０％の場合のＴ＋ｎ年度の介護度別推計人数２４４２と、施策実施率表示欄２４３１に表示された実施率の場合のＴ＋ｎ年度の介護度別推計人数８３１の差分を算出し、介護施策により抑制される介護人数２４４３を表示する。図示する例では、通所介護を実施率３０％で実施すると、介護人数２４４３が５００人抑制される。

【0129】

介護費推計結果表示欄２４５１は、施策効果推計部１１０が、施策効果推計対象者の選定欄２４３０で選択された全ての対象者について、Ｔ年度の介護費とＴ＋ｎ年度の介護費ｆＮＣＥ２２０３及びｅＮＣＥ２３０３を集計し、Ｔ年度の介護費１８２１、施策実施率表示欄２４３１に表示された実施率の場合のＴ＋ｎ年度の介護費１８３１及び実施率が０％の場合のＴ＋ｎ年度の介護費２４５２を表示する。さらに、実施率が０％の場合のＴ＋ｎ年度の介護費２４５２と、施策実施率表示欄２４３１に表示された実施率の場合のＴ＋ｎ年度の介護費１８３１の差分を算出し、介護施策により抑制される介護費２４５３を表示する。図示する例では、通所介護を実施率３０％で実施すると、介護費２４５３が１０億円抑制される。

【0130】

集計条件入力欄８１０は、個人別の介護度・介護費抑制効果表示欄２４３５に表示する対象者の条件を入力する欄である。図示する例では、Ｔ年度の年齢入力欄８１２及び住所入力欄８１３を設けているが、整形データ４００、１３００に含まれているＴ年度の任意のデータ項目を条件とする入力する欄を設けてもよい。図示する例では、年齢入力欄８１２に４０歳以上、住所入力欄８１３にＡ区及びＢ区が入力されている。

【0131】

図２５は、施策効果推計部１１０が、出力部１０３に出力する介護施策効果シミュレーション画面２５００の例を示す図である。図２５では、図２４に示す介護施策効果シミュレーション画面２４００の介護施策の実施率を変更した例を示す。

【0132】

介護施策効果シミュレーション画面２５００は、対策介護度選択欄２４１０、介護施策選択タブ表示欄２４２０、施策効果推計対象者の選定欄２４３０、施策効果推計結果表示欄２４４０及び集計条件入力欄８１０を含む。介護施策効果シミュレーション画面２５００の画面構成は、図２４に示す介護施策効果シミュレーション画面２４００と同じであるため、以下では違いを説明する。

【0133】

施策実施率表示欄２５３１は、施策実施率表示欄２４３１と同様に、介護施策選択タブ表示欄２４２０で選択された介護施策の実施率及び実施人数を示す。図示する例では、通所介護のＴ年度の実施率を３０％から６０％に、実施人数が２千人から４千人に変更されている。

【0134】

施策効果推計対象者選択欄２５３２は、施策効果推計対象者選択欄２４３２と同様に、介護施策を実施する対象者が選択される欄であり、施策実施率表示欄２５３１で変更した介護施策の実施人数に基づいて、介護施策を実施する対象者が選択される。対象者の選択は、前述したように、介護費抑制額２４３３が大きい対象者から降順に選択されるとよい。図示する例では、介護費抑制額２４３３が大きい４千人の対象者が選択されている。

【0135】

施策効果推計結果表示欄２４４０は、介護度別推計人数表示欄２４４１及び介護費推計結果表示欄２４５１を含み、介護施策の実施率を変更した場合の介護度別推計人数と、介護費推計結果を表示する。

【0136】

介護度別推計人数表示欄２４４１は、施策実施率表示欄２５３１で変更された実施率の場合のＴ＋ｎ年度の介護度別推計人数２５４４を表示する。図示する例では、通所介護の実施率を６０％に変更した場合の要介護２以上の推計人数を表示している。さらに、実施率が０％の場合のＴ＋ｎ年度の介護度別推計人数２４４２と、施策実施率表示欄２５３１に表示された実施率の場合のＴ＋ｎ年度の介護度別推計人数２５４４の差分を算出し、介護施策の実施率変更により抑制される介護人数２５４３を表示する。図示する例では、通所介護を実施率６０％で実施すると、介護人数２５４３が１０００人抑制され、図２４に示す実施率３０％の場合の５００人より増加している。

【0137】

介護費推計結果表示欄２４５１は、施策実施率表示欄２５３１で変更された実施率の場合のＴ＋ｎ年度の介護費２５５４を表示する。図示する例では、通所介護の実施率を６０％に変更した場合の介護費を表示している。さらに、実施率が０％の場合のＴ＋ｎ年度の介護費２４５２と、施策実施率表示欄２５３１に表示された実施率の場合のＴ＋ｎ年度の介護費２５５４の差分を算出し、介護施策の実施率変更により抑制される介護費２５５３を表示している。図示する例では、通所介護を実施率６０％に変更すると、介護費２５５３が３０億円抑制され、図２４に示す実施率３０％の場合の１０億円より抑制額が増加している。

【0138】

図２４及び図２５で説明したように、対策が必要な介護度（目的変数）をユーザが選択することで、その介護度（目的変数）の抑制に寄与する介護施策（説明変数）を抽出できる。また、抽出した介護施策（説明変数）の効果として、抑制される介護人数及び介護費を推計できる。さらに、介護施策（説明変数）の実施率を変更した場合の施策効果のシミュレーションも可能である。さらに、個人別の介護度・介護費抑制効果表示欄２４３５で、介護施策の効果が高い対象者を選定できるので、費用対効果が高い介護施策立案が可能となる。これにより、実施例５の将来推計システムは、自治体の効果的な介護施策立案を支援できる。

【0139】

次に、図２６のフローチャートを用いて本実施例の施策効果推計処理を説明する。

【0140】

図２６の処理を開始すると、まず、対策介護度入力ステップ２６０１を実行する。対策介護度入力ステップ２６０１では、まず、将来推計端末１０１が、図２４に示す介護施策効果シミュレーション画面２４００を出力部１０３に表示して、図２４で説明したように、対策介護度選択欄２４１０への、対策が必要な介護度（目的変数）のユーザからの入力を受ける。

【0141】

次に、説明変数抽出ステップ２６０２では、説明変数抽出部１１８が、まず、介護度推計モデル記憶部１２４に格納される介護度推計モデル（図６又は図１４）を取得する。次に、説明変数抽出部１１８が、対策介護度選択欄２４１０で選択された目的変数を対象に、介護度推計モデルから、Ｚ値が負の説明変数を値が小さい順（目的変数への寄与が高い順）に抽出する。そして、図２４で説明したように、抽出した説明変数を、目的変数への寄与が高い順に、介護施策選択タブ表示欄２４２０に表示する。

【0142】

次に、説明変数選択ステップ２６０３では、将来推計端末１０１が、介護施策選択タブ表示欄２４２０に表示された介護施策（説明変数）の中から、施策効果を推計する介護施策（説明変数）のユーザによる選択を受ける。

【0143】

次に、入力値変更ステップ２６０４では、まず、入力値変更部１１９が、整形データ記憶部１２３が管理するＴ年度の整形データ（図４又は図１３）を取得する。次に、説明変数選択ステップ２６０３で選択された介護施策（説明変数）と一致する整形データ項目の入力値を変更する。具体的には、図２２及び図２３で説明したように、その説明変数と一致する整形データ項目の入力値を全て有（１）に変更した場合と、全て無（０）に変更した場合の二つの整形データを作成する。

【0144】

次に、介護度推計ステップ９０５では、介護度推計部１１４が、入力値変更部１１９で入力値が変更された二つの整形データを、それぞれ、介護度推計モデル記憶部１２４が格納する介護度推計モデルに入力し、Ｔ＋ｎ年度の要介護度別の確率を推計する。図２２及び図２３で説明したように、Ｔ＋ｎ年度の要介護度別の確率は、入力値を全て有（１）にした場合の確率ｆＮＰ２２０２と、全て無（０）にした場合の確率ｅＮＰ２３０２とを推計する。推計されたＴ＋ｎ年度の要介護度別の確率は、図２４又は図２５の個人別の介護度・介護費抑制効果表示欄２４３５に表示される。

【0145】

次に、介護費推計ステップ９０８では、介護費推計部１１７が、介護度推計部１１４で推計されたＴ＋ｎ年度の要介護度別の確率を、介護費推計モデル記憶部１２８が格納する介護費推計モデルに入力し、Ｔ＋ｎ年度の介護費を個人別に推計する。図２２及び図２３で説明したように、Ｔ＋ｎ年度の介護費は、入力値を全て有（１）にした場合の介護費ｆＮＣＥ２２０３と、全て無（０）にした場合の介護費ｅＮＣＥ２３０３とを推計する。推計されたＴ＋ｎ年度の介護費は、図２４又は図２５の個人別の介護度・介護費抑制効果表示欄２４３５に表示される。

【0146】

次に、施策効果推計ステップ２６０５では、まず、施策効果推計部１１０が、介護費推計ステップ９０８で推計された介護施策（説明変数）の入力値を全て有（１）にした場合の介護費ｆＮＣＥ２２０３と、全て無（０）にした場合の介護費ｅＮＣＥ２３０３から、個人別の介護費抑制額２４３３を推計する。推計された介護費抑制額は、図２４又は図２５の個人別の介護度・介護費抑制効果表示欄２４３５に表示される。

【0147】

次に、図２４及び図２５で説明したように、施策効果推計部１１０が、施策実施率表示欄（２４３１又は２５３１）や施策効果推計対象者選択欄（２４３２又は２５３２）で、施策効果を推計する対象者のユーザによる選択を受ける。そして、選択された施策効果推計対象者について、介護度及び介護費における抑制効果を推計する。

【0148】

介護度における抑制効果については、Ｔ年度の要介護度及びＴ＋ｎ年度の要介護度別の確率ｆＮＰ２２０２及びｅＮＰ２３０２を集計し、Ｔ年度の介護度別人数８２１、施策実施率表示欄（２４３１又は２５３１）に表示された実施率の場合のＴ＋ｎ年度の介護度別推計人数（８３１又は２５４４）、実施率が０％の場合のＴ＋ｎ年度の介護度別推計人数２４４２を推計する。さらに、実施率が０％の場合のＴ＋ｎ年度の介護度別推計人数２４４２、及び施策実施率表示欄（２４３１又は２５３１）に表示された実施率の場合のＴ＋ｎ年度の介護度別推計人数（８３１又は２５４４）の差分を算出し、介護施策により抑制される介護人数（２４４３又は２５４３）を推計する。推計された介護度における抑制効果は、図２４又は図２５の介護度別推計人数表示欄２４４１に表示される。

【0149】

介護費における抑制効果については、選択された施策効果推計対象者について、Ｔ年度の介護費及びＴ＋ｎ年度の介護費ｆＮＣＥ２２０３及びｅＮＣＥ２３０３を集計し、Ｔ年度の介護費１８２１、施策実施率表示欄（２４３１又は２５３１）に表示された実施率の場合のＴ＋ｎ年度の介護費（１８３１又は２５５４）、実施率が０％の場合のＴ＋ｎ年度の介護費２４５２を推計する。さらに、実施率が０％の場合のＴ＋ｎ年度の介護費２４５２と、施策実施率表示欄（２４３１又は２５３１）に表示された実施率の場合のＴ＋ｎ年度の介護費（１８３１又は２５５４）の差分を算出し、介護施策により抑制される介護費（２４５３又は２５５３）を推計する。推計された介護費における抑制効果は、図２４又は図２５の介護費推計結果表示欄２４５１に表示される。

【0150】

施策効果推計部１１０は、介護施策の実施率別の施策効果を推計し、ユーザの費用対効果の高い介護施策の立案を支援する。

【0151】

以上により、施策効果推計処理を終了する。

【0152】

以上に説明したように、本実施例５の将来推計システムでは、対策が必要な介護度（目的変数）をユーザが選択することによって、選択された介護度（目的変数）の抑制に寄与する介護施策（説明変数）を抽出できる。また、抽出した介護施策（説明変数）の効果として、抑制される介護人数と介護費を推計できる。さらに、介護施策（説明変数）の実施率を変更した場合の施策効果をシミュレーションできる。さらに、個人別の介護度・介護費抑制効果表示欄２４３５では、介護施策の効果が高い対象者を選定できるので、費用対効果の高い介護施策を立案できる。これにより、本実施例５の将来推計システムは、自治体の効果的な介護施策立案を支援できる。

【0153】

前述した例では、対策介護度を「要介護２以上」とし、介護施策を「介護サービス（通所介護）」とした例を説明したが、図２７、図２８、図２９及び図３０を用いて、対策介護度を「要支援１以上（介護発生）」とし、介護施策を「健診受診」とした例を説明する。健診受診は、介護の発生抑制に大きく寄与する説明変数であることを実データにより確認している。

【0154】

図２７は、健診受診の実施率（健診受診率）を１００％（入力値を全て有（１）に変更）にした場合の介護度・介護費推計結果２７００の例を示す図である。介護度・介護費推計結果２７００は、健診受診有無２７０１の入力値を全て有（１）に変更したＴ年度の整形データ１３０２と、介護度推計モデルに入力して推計したＴ＋ｎ年度の要介護度別の確率ｃｆＮＰ２７０２と、Ｔ＋ｎ年度の要介護度別の確率ｃｆＮＰ２７０２を介護費推計モデルに入力して推計したＴ＋ｎ年度の介護費ｃｆＮＣＥ２７０３とを格納する。

【0155】

図２８は、健診受診の実施率（健診受診率）を０％（入力値を全て無（０）に変更）にした場合の介護度・介護費推計結果２８００の例を示す図である。介護度・介護費推計結果２８００は、健診受診有無２８０１の入力値を全て無（０）に変更したＴ年度の整形データ１３０２と、介護度推計モデルに入力して推計したＴ＋ｎ年度の要介護度別の確率ｃｅＮＰ２８０２と、Ｔ＋ｎ年度の要介護度別の確率ｃｅＮＰ２８０２を介護費推計モデルに入力して推計したＴ＋ｎ年度の介護費ｃｅＮＣＥ２８０３を格納する。

【0156】

図２９は、施策効果推計部１１０が、出力部１０３に出力する、健診受診についての介護施策効果シミュレーション画面２９００の例を示す図である。

【0157】

介護施策効果シミュレーション画面２９００は、図２４及び図２５と同様に、対策介護度選択欄２４１０、介護施策選択タブ表示欄２４２０、施策効果推計対象者の選定欄２４３０、施策効果推計結果表示欄２４４０及び集計条件入力欄８１０を含む。

【0158】

対策介護度選択欄２４１０は、ユーザに、入力部１０２で対策が必要な介護度（目的変数）を選択させる欄である。この例では、対策が必要な介護度（目的変数）として、ユーザが「要支援１以上」を選択した例を示している。

【0159】

介護施策選択タブ表示欄２４２０は、対策介護度選択欄２４１０で選択された介護度（目的変数）の抑制に寄与が大きい説明変数を選択タブで表示する。具体的には、説明変数抽出部１１８が、対策介護度選択欄２４１０で選択された目的変数を対象に、介護度推計モデル（図６又は図１４）から、Ｚ値が負の説明変数を値が小さい順に抽出して表示する。図示する例では、目的変数が「要支援１以上」で、「要支援１以上」の抑制に寄与が大きい説明変数を抽出した例を示しており、介護度推計モデルから、Ｚ値が負の説明変数を値が小さい順に抽出すると、健診受診２９２１である例を示す。ユーザは、この選択タブから、介護施策を選択する。図示する例では、健診受診２９２１が選択されている。

【0160】

施策効果推計対象者の選定欄２４３０は、施策実施率（健診受診率）表示欄２９３１及び個人別の介護度・介護費抑制効果表示欄２４３５を含む。

【0161】

施策実施率表示欄２９３１は、介護施策選択タブ表示欄２４２０で選択された介護施策の実施率（健診受診率）及び実施人数を示し、デフォルトで表示される初期値は、現在（Ｔ年度）の実施率（健診受診率）及び実施人数である。図示する例では、Ｔ年度の健康診断の実施率（受診率）が２０％で、実施人数（受診者数）が１万人である。

【0162】

個人別の介護度・介護費抑制効果表示欄２４３５は、施策効果推計対象者選択欄２９３２、個人ＩＤ２０１、Ｔ年度の整形データ１３０２、図２７で説明した健診受診率が１００％である場合のＴ＋ｎ年度の介護度・介護費推計結果２７００（要介護度別の確率ｃｆＮＰ２７０２と介護費ｃｆＮＣＥ２７０３）、図２８で説明した健診受診率が０％である場合のＴ＋ｎ年度の介護度・介護費推計結果２８００（要介護度別の確率ｃｅＮＰ２８０２と介護費ｃｅＮＣＥ２８０３）、及び、Ｔ＋ｎ年度の介護費抑制額（ｃｆＮＣＥ－ｃｅＮＣＥ）２９３３を個人別に表示する。施策効果推計対象者選択欄２９３２は、介護施策を実施する対象者（健診受診者）が選択される欄であり、デフォルトでは、現在（Ｔ年度）にその介護施策を実施された人（健診受診者）が選択されている。この例では、個人ＩＤ２０１がＫ０００１の人が健診を受診した人として選択されている。また、個人別の介護度・介護費抑制効果表示欄２４３５では、健康診断の受診による個人別の介護度・介護費抑制効果をその効果が高い順に表示する。具体的には、Ｔ＋ｎ年度の介護費抑制額（ｃｆＮＣＥ－ｃｅＮＣＥ）２９３３が大きい順に表示するとよい。図示する例では、個人ＩＤがＫ０００３の人の介護費抑制額（ｃｆＮＣＥ３－ｃｅＮＣＥ３）が最大で、次がＫ０００２の人である。

【0163】

ユーザは、個人別の介護度・介護費抑制効果表示欄２４３５や後述する施策効果推計結果表示欄２４４０を参照して、施策効果推計対象者選択欄２９３２で、健康診断の受診を促す対象者を個別に選択し、変更する。また、施策実施率表示欄２９３１の実施率（健診受診率）や実施人数を変更しても、健康診断の受診を促す対象者を選択できる。施策実施率表示欄２９３１の実施率（健診受診率）を変更した場合、介護費抑制額２９３３が大きい対象者から降順に選択される。

【0164】

施策効果推計結果表示欄２４４０は、介護度別推計人数表示欄２９４１及び介護度推計結果表示欄２９５１を含む。

【0165】

介護度別推計人数表示欄２９４１は、施策効果推計部１１０が、施策効果推計対象者の選定欄２４３０で選択された対象者全体について、Ｔ年度の要介護度及びＴ＋ｎ年度の要介護度別の確率ｃｆＮＰ２７０２とｃｅＮＰ２８０２を集計し、Ｔ年度の介護度別人数２９４４、施策実施率表示欄２９３１に表示された実施率（健診受診率）の場合のＴ＋ｎ年度の介護度別推計人数２９４５及び実施率（健診受診率）が０％の場合のＴ＋ｎ年度の介護度別推計人数２９４２を表示する。図示する例では要支援１以上の人数を表示している。さらに、実施率（健診受診率）が０％の場合のＴ＋ｎ年度の介護度別推計人数２９４２と、施策実施率表示欄２９３１に表示された実施率の場合のＴ＋ｎ年度の介護度別推計人数２９４５の差分を算出し、健診受診により抑制される介護人数２９４３を表示する。図示する例では、健診受診率が２０％の場合、介護人数２９４３が１００人抑制される。

【0166】

介護度推計結果表示欄２９５１は、施策効果推計部１１０が、施策効果推計対象者の選定欄２４３０で選択された全ての対象者について、Ｔ年度の介護費及びＴ＋ｎ年度の介護費ｃｆＮＣＥ２７０３及びｃｅＮＣＥ２８０３を集計し、Ｔ年度の介護費２９５４、施策実施率表示欄２９３１に表示された健診受診率の場合のＴ＋ｎ年度の介護費２９５５及び健診受診率が０％の場合のＴ＋ｎ年度の介護費２９５２を表示する。さらに、健診受診率が０％の場合のＴ＋ｎ年度の介護費２９５２と、施策実施率表示欄２９３１に表示された健診受診率の場合のＴ＋ｎ年度の介護費２９５５の差分を算出し、健診受診により抑制される介護費２９５３を表示する。図示する例では、健診受診率が３０％の場合、抑制される介護費２９５３が１０億円である。

【0167】

集計条件入力欄８１０は、個人別の介護度・介護費抑制効果表示欄２４３５に表示する対象者の条件を入力する欄である。図示する例では、Ｔ年度の年齢入力欄８１２、住所入力欄８１３及び健診対象入力欄８１４を設けているが、整形データ４００、１３００に格納されているＴ年度の任意のデータ項目を条件として入力する欄を設けてもよい。図示する例では、年齢入力欄８１２に４０歳以上、住所入力欄８１３にＡ区とＢ区、健診対象入力欄８１４に１（対象者）が入力されている。

【0168】

図３０は、施策効果推計部１１０が、出力部１０３に出力する、健診受診率を変更した場合の介護施策効果シミュレーション画面３０００の例を示す図である。図３０では、図２９に示す介護施策効果シミュレーション画面２９００の健診受診率を変更した場合の例を示す。

【0169】

介護施策効果シミュレーション画面３０００は、対策介護度選択欄２４１０、介護施策選択タブ表示欄２４２０、施策効果推計対象者の選定欄２４３０、施策効果推計結果表示欄２４４０及び集計条件入力欄８１０を含む。介護施策効果シミュレーション画面３０００の画面構成は、図２９に示す介護施策効果シミュレーション画面２９００と同じであるため、以下では違いを説明する。

【0170】

施策実施率表示欄３０３１は、施策実施率表示欄２９３１と同様に、介護施策選択タブ表示欄２４２０で選択された介護施策の実施率及び実施人数を示す。図示する例では、施策実施率表示欄２９３１の健診受診率が２０％から８０％に、実施人数が１万人から８万人に変更されている。

【0171】

施策効果推計対象者選択欄３０３２は、施策効果推計対象者選択欄２９３２と同様に、介護施策を実施する対象者が選択される欄であり、施策実施率表示欄２９３１で変更した健診受診の実施人数に基づいて、健康診断を受診する対象者が選択される。対象者の選択は、前述したように、介護費抑制額２９３３が大きい対象者から降順に選択されるとよい。図示する例では、介護費抑制額２９３３が大きい８万人の対象者が選択されている。

【0172】

施策効果推計結果表示欄２４４０では、介護度別推計人数表示欄２４４１及び介護費推計結果表示欄２４５１を含み、健診受診率を変更した場合の介護度別推計人数と、介護費推計結果を表示する。

【0173】

介護度別推計人数表示欄２９４１では、施策実施率表示欄３０３１で変更された健診受診率の場合のＴ＋ｎ年度の介護度別推計人数３０４５を表示する。図示する例では、健診受診率を８０％に変更した場合の要支援１以上の推計人数を表示している。さらに、健診受診率が０％の場合のＴ＋ｎ年度の介護度別推計人数２９４２と、施策実施率表示欄３０３１に表示された健診受診率の場合のＴ＋ｎ年度の介護度別推計人数３０４５の差分を算出し、健診受診率変更により抑制される介護人数３０４３を表示する。図示する例では、健診受診率を８０％にすると、介護人数３０４３が２０００人抑制され、図２９の実施率２０％の場合の１００人より大幅に増加している。

【0174】

介護度推計結果表示欄２９５１は、施策実施率表示欄３０３１で変更された健診受診率の場合のＴ＋ｎ年度の介護費３０５５を表示する。図示する例では、健診受診率を８０％に変更した場合の介護費を表示している。さらに、健診受診率が０％の場合のＴ＋ｎ年度の介護費２９５２と、施策実施率表示欄３０３１に表示された健診受診率の場合のＴ＋ｎ年度の介護費３０５５の差分を算出し、健診受診率変更により抑制される介護費３０５３を表示する。図示する例では、健診受診率を８０％に変更すると、介護費３０５３が１００億円抑制され、図２９の健診受診率２０％の場合の１０億円より抑制額が大幅に増加している。

【0175】

図２９及び図３０で説明したように、実施例５の将来推計システムでは、健康診断の受診によって抑制される介護人数及び介護費を推計できる。さらに、健診受診率を変更した場合の施策効果をシミュレーションできる。さらに、個人別の介護度・介護費抑制効果表示欄２４３５で、健診受診の効果が高い対象者を選定できるので、費用対効果の高い健診受診率向上施策を立案できる。自治体にとって住民の健診受診率の向上は、大きな課題となっており、実施例５の将来推計システムは、健診受診率向上に向けた効果的な施策立案を支援できる。

【0176】

本発明の実施例の将来推計システムであって、データ整形部１１１は、介護データ２００と住民データ３００とを個人単位で連結して、第１時点（Ｔ－ｎ年度）及び第２時点（Ｔ年度）の整形データ４００を作成し、二値化処理部１１２は、第２時点の介護データ２００に含まれる要介護度を二値化して、ｍ段階（例えば８段階）の要介護度からｍ－１個（例えば７個）の目的変数を作成し、介護度推計部１１４は、第１時点の整形データ４０１を説明変数として目的変数別の回帰分析によって生成されたｍ－１個の回帰式からなる介護度推計モデル６００（式１）に第２時点の整形データ４０２を入力して、第３時点（Ｔ＋ｎ年度）の要介護度別の確率７１１～７１８を推計するので、個人単位や地区単位の将来の介護度を高精度に推計できる。また、要介護度を二値化した介護度推計モデルを使用するので、結果への寄与が高い説明変数を分析できる。よって、自治体の地区診断に活用でき、介護予防施策の重点配分など効果的な施策立案を支援できる。

【0177】

また、介護度推計モデル構築部１１３は、目的変数別に、第１時点の整形データ４０１を説明変数とした回帰分析を行い、ｍ－１個の回帰式からなる介護度推計モデル６００を作成するので、過去の住民データ及び介護データから将来の介護度を推計するモデルを自動的に作成できる。

【0178】

また、データ整形部１１１は、介護データ２００と住民データ３００と医療データ１１００とを個人単位で連結して、第１時点（Ｔ－ｎ年度）及び第２時点（Ｔ年度）の整形データ１３００を作成し、介護度推計部１１４は、介護度推計モデル１４００に第２時点の整形データ１３０２を入力して、第３時点（Ｔ＋ｎ年度）の要介護度別の確率７１１～７１８を推計するので、医療データも考慮して将来の介護度を推計することから、個人単位や地区単位の将来の介護度をより高精度に推計できる。

【0179】

また、データ整形部１１１は、介護データ２００と住民データ３００と健診データ１２００とを個人単位で連結して、第１時点（Ｔ－ｎ年度）及び第２時点（Ｔ年度）の整形データ１３００を作成し、介護度推計部１１４は、介護度推計モデル１４００に第２時点の整形データ１３０２を入力して、第３時点（Ｔ＋ｎ年度）の要介護度別の確率７１１～７１８を推計するので、健診データも考慮して将来の介護度を推計することから、個人単位や地区単位の将来の介護度をより高精度に推計できる。

【0180】

また、推計結果集計部１１５が、入力された条件８１０に従って、第３時点（Ｔ＋ｎ年度）の要介護度別の確率を集計し、要介護度別の推計人数８２０を算出するので、地区単位など任意の条件で将来の介護度別の人数を推計でき、全体の特性と地区別の特性とを正確に把握できる。これにより、自治体の地区診断に活用して、重点的に介護予防施策を適用する地区を把握できる。

【0181】

また、介護費推計モデル構築部１１６は、第２時点（Ｔ年度）の要介護度と第２時点（Ｔ年度）の介護費との関係を分析し、要介護度から介護費を推計する介護費推計モデルを構築し、介護費推計部１１７は、第３時点（Ｔ＋ｎ年度）の要介護度別の確率を介護費推計モデル（式３）に入力して第３時点（Ｔ＋ｎ年度）の介護費１７０１を推計するので、費用の観点から将来の介護状況を把握でき、無駄な社会保障費を抑制するための介護予防施策の立案を支援できる。

【0182】

また、推計結果集計部１１５は、入力された条件８１０に従って、第３時点（Ｔ＋ｎ年度）の介護費を集計し、介護費の推計額１８２０を算出するので、地区単位など任意の条件で将来の介護費用を推計でき、全体の特性と地区別の特性とを介護費用の観点で正確に把握できる。これにより、自治体の地区診断に活用して、重点的に介護予防施策を適用する地区を把握できる。

【0183】

また、説明変数抽出部１１８は、入力部１０２に入力された目的変数について、回帰式の係数を標準誤差で除して計算されるＺ値６１２～６２７が小さい説明変数を介護度推計モデル６００、１４００、から抽出し、入力値変更部１１９は、第２時点（Ｔ年度）の整形データ４０２において、Ｚ値が小さい説明変数に対応するデータ２２０１、２３０１、２７０１、２８０１を変更し、介護度推計部１１４は、前記データが変更された整形データ４０２を前記介護度推計モデルに入力し、データ変更後の第３時点（Ｔ＋ｎ年度）の要介護度別の確率２２０２、２３０２、２７０２、２８０２を推計し、介護費推計部１１７は、データ変更後の第３時点（Ｔ＋ｎ年度）の要介護度別に推計された確率を介護費推計モデルに入力し、データ変更後の第３時点（Ｔ＋ｎ年度）の介護費２２０３、２３０３、２７０３、２８０３を推計し、施策効果推計部１１０は、推計された第３時点（Ｔ＋ｎ年度）の要介護度別の確率７１１～７１８とデータ変更後の前記第３時点（Ｔ＋ｎ年度）の要介護度別の確率２２１１～２２１８、２３１１～２３１８との差分である第３時点（Ｔ＋ｎ年度）の要介護度別の確率差を推計し、第３時点の介護費１７０１とデータ変更後の第３時点（Ｔ＋ｎ年度）の介護費２２０３、２３０３、２７０３、２８０３との差分である第３時点の介護費差を推計するので、目的変数への寄与が高い説明変数（例えば健康診断の受診）によって抑制される介護人数及び介護費を推計できる。さらに、健診受診率を変更した場合の施策効果をシミュレーションできる。さらに、健診受診の効果が高い対象者を選定できるので、費用対効果の高い健診受診率向上施策を立案できる。このため、健診受診率向上に向けた効果的な施策立案を支援できる。

【0184】

また、推計結果集計部１１５は、入力された条件２４１０に従って、第３時点（Ｔ＋ｎ年度）の要介護度別の確率差２４４１、２５４１、２９４１、３０４１を集計し、要介護度別の抑制人数２４４３、２５４３、２９４３、３０４３を算出し、さらに、入力された条件に従って、第３時点の前記介護費差２４５１、２５５１、２９５１、３０５１を集計し、介護費の抑制額２４５３、２５５３、２９５３、３０５３を算出するので、対策が必要な介護度（目的変数）において、抑制に寄与する介護施策（説明変数）を抽出できる。また、抽出した介護施策（説明変数）の効果として、抑制される介護人数及び介護費を推計できる。さらに、介護施策（説明変数）の実施率を変更した場合の施策効果のシミュレーションも可能である。さらに、介護施策の効果が高い対象者を選定できるので、費用対効果が高い介護施策立案が可能となる。このため、効果的な介護施策立案を支援できる。

【0185】

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

【0186】

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

【0187】

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

【0188】

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

【符号の説明】

【0189】

１０１ 将来推計端末
１０２ 入力部
１０３ 出力部
１０４ ＣＰＵ
１０５ メモリ
１０６ 記憶媒体
１１０ 施策効果推計部
１１１ データ整形部
１１２ 二値化処理部
１１３ 介護度推計モデル構築部
１１４ 介護度推計部
１１５ 推計結果集計部
１１６ 介護費推計モデル構築部
１１７ 介護費推計部
１１８ 説明変数抽出部
１１９ 入力値変更部
１２０ データベース
１２１ 介護データ記録部
１２２ 住民データ記憶部
１２３ 整形データ記憶部
１２４ 介護度推計モデル記憶部
１２５ 推計結果記憶部
１２６ 医療データ記憶部
１２７ 健診データ記憶部
１２８ 介護費推計モデル記憶部

【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】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【図27】

【図28】

【図29】

【図30】