第22回目のヘルスケア勉強会では、医療関連の位置情報データをどのように活用できるかを取り上げます。
医療機関、二次医療圏、郵便番号等のデータの取り込み方や表現方法、レイヤ管理、ポリゴン作成、各レイヤを跨るデータの集計処理などについてお話しします。サンプルデータを利用して、実際にデータの取り込み、表現方法の解説なども行いますので、ご自身の組織のデータを利用して皆さんも試してみてください。
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
1/25(水)18:00-19:00
https://techplay.jp/event/888762
第21回目のヘルスケア勉強会では、ゲストをお招きして、「多角的パス分析」についてお話しいただきます。
横浜市立大学附属病院の田橋様(医事課 情報管理・分析担当)
同病院では、DPC、各種オーダ、入退院、パス適応等の各種データを取り込み、バリアンス分析、行為分析、アウトカム評価等を行われています。手間がかかるデータの作り込みを自動化し、自院の要望にあった多角的な分析ができるようになった経緯をお話しいただくとともに、実際のQlik Senseの画面もご紹介いただきます。
いつものコーナーなどもやります。
〇フィードバックコーナー
クリニカルパス分析の画面で、データ区分の詳細を追加したい、適用患者率が高いものだけを表示したいというリクエストをいただきました。どのように実現可能かを技術的に解説します。
〇今回のテーマ
Qlik Senseを利用した地理空間分析を取り上げます。医療機関、二次医療圏、郵便番号等のデータの取り込み方や表現方法、レイヤ管理、ポリゴン作成、各レイヤを跨るデータの集計処理などについてお話しします。
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
12/21(水)18:00-19:00
https://techplay.jp/event/884594
第20回目のヘルスケア勉強会では、機械学習を利用した予測データの活用を取り上げます。
Qlik Senseの自動機械学習機能のご紹介と医療データを利用した予測情報を活用する取り組み事例をご紹介します。
病床機能報告はいったんお休みします。
また、フィードバックコーナーでは、先日いただいたクリニカルパスに関する質問を取り上げます。
・クリニカルパスに関する質問(院内のパス適用患者全体の傾向の把握、Ⅱ期間以内割合など)
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
11/31(水)18:00-19:00
https://techplay.jp/event/882798
第19回目のヘルスケア勉強会では、前回に続いて、病床機能報告を取り上げます。
病床機能報告を取り上げた書籍に記載されている分析方法をQlik Senseでどのようにできるかを取り上げながら、分析アプリを作っていきたいと思います。
予定している分析:
・二次医療圏別、医療機能別の病床利用率や平均在院日数の比較
・入退院経路からみた地域での自施設の位置づけ
また、フィードバックコーナーでは、以下の2つを取り上げる予定です。
少し込み入った内容になりますが、丁寧に解説していきます。
・平均在院日数の求め方(施設基準と院内管理)
・クリニカルパスに関する質問(院内のパス適用患者全体の傾向、Ⅱ期間以内割合など)
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
10/19(水)18:00-19:00
https://techplay.jp/event/876105
令和3年度の病床機能報告の結果のうち、病院のデータに住所と緯度経度を付けました(添付)。
全7,019件のうち、6,902件は令和2年度の施設(オープンデータ医療機関コード)と一致していたので、昨年の作成したデータをそのまま利用しました。
一致しなかった117件は、国土数値情報の医療機関のデータから、もしくは、Google検索して病院を特定し、住所と緯度経度を追記しました。
もし、間違いなどお気づきの点があればご連絡ください。
第18回目のヘルスケア勉強会では、令和3年度の病床機能報告公表データを取り上げます。
公表されたデータの概観、過去の公表データとの違いを確認し、今回の公表データをQlik Senseに取り込んでなにが見えるのかをご一緒に考えていきましょう。
令和3年度病床機能報告の報告結果について
-施設票
-様式1_病棟票
https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/open_data_00008.html
フィードバックコーナーでは、以下の3つを取り上げる予定です。
・クリニカルパスに関する質問(院内のパス適用患者全体の傾向、Ⅱ期間以内割合など)
・平均在院日数の求め方(施設基準と院内管理)
・Qlik Senseでのデータ共有方法
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
9/21(水)18:00-19:00
https://techplay.jp/event/873701
毎月開催しているQlikヘルスケア勉強会のフィードバックコーナーで取り上げた上記のテーマが反響が大きかったのでこちらでもご紹介しておきます。
院内でよく診療実績の調査依頼があります。例えば、「1年間で肺がんで外来を受診した患者数は?」のような内容です。必要なデータが複数のシステムにあり、また、対象とするデータも膨大なことから苦労しています。
外来の診療実績の把握は、入院とは異なり、電子カルテシステムから単純に実績を抽出できません。外来の診療実績の把握は、主に医事会計システムのデータを利用しますが、そこには病名データがありません。そのため、病名データを電子カルテシステムから抽出する必要がありますが、簡単に病名データと紐づけるキーがありません。
そこで今回は、不連続値と間隔値を結合させる Intervalmatch と、多対多のテーブルを関連付けるリンクテーブルの考え方を使って対応します。
Intervalmatchは、外来診療を受けた患者の診療日に近くにある電子カルテシステムの病名を取得するのに利用します。
リンクテーブルは、医事会計システムにある患者のデータ(同一患者で複数のデータ)と電子カルテシステムにある患者のデータ(同一患者で複数のデータ)を共通するキーでつなぎ、両システム間の患者データをつなぎ合わせます。
※2つのシステムにある患者のデータは多対多の関係にあります。
Intervalmatch の 基本構文は次の通りです。
IntervalMatch (不連続の数値が含まれた項目) ロード文 または Select 文
また、リンクテーブルは、複数のテーブルの関連付けのためのキーと共通項目のみ持つテーブルです。
これらを使って図のようなデータモデルを作ります。
一般的なリンクテーブルの考え方では双方のテーブルにあるすべてのキー(患者番号、診療年月日、開始日、終了日)を格納しますが、ここでは外来診療の病名を求めるという目的のみに対応するものとして、リンクテーブルには双方のテーブルのデータがマッチしたキーのみを含めることにします。
次のような手順でデータをロードしました。
1.診療データをロードする
※この時、診療キーを作っておくとよい
[患者番号] & '_' & [診療年月日] as 診療キー
2.病名データからintervalmatchに必要な項目(患者番号、開始日、終了日)のみロードして結合データ_tempを作る
3.結合データ_tempをもとにintervalmatchかつ、Inner joinを行い、診療年月日、開始日、終了日、患者番号を持つデータを作る
Inner Join(結合データ_temp) IntervalMatch(診療年月日,患者番号)
Load
[開始日],
[終了日],
[患者番号]
Resident 結合データ_temp;
4.結合データ_tempから患者番号、病名データ用キーと診療データ用キーのみロードして結合データとする
結合データ_tempは削除する
結合データ:
Load
[患者番号],
[患者番号] & '_' & [開始日] & '_' & [終了日] as 病名キー,
[患者番号] & '_' & [診療年月日] as 診療キー
Resident 結合データ_temp;
Drop tables [結合データ_temp];
※合成キーを防ぐため、ここには各日付は持たせません
5.病名データをロードする
6.合成キーを防ぐため、診療データ、病名データから患者番号を削除する
----------------------------------------------------------------------------------------------------------------------------
これで、病名を指定すると、該当する診療データを表示することができます。ただし、複数の病名を持つ患者の場合、どの診療日がどの病名のものかは判別できません。
診療データと病名データが別々で、1対1で関連付けるキーがなくても、Intervalmatchとリンクテーブルにより関連性を持たせてデータモデルを作り、病名別に診療した患者を調べることができるようになりました。
※Intervalmatchについての詳細は次を参照してください。
※リンクテーブルについての詳細は次を参照してください。
2022年10月6日(木)、7日(金)に旭川市民文化会館等で開催されます「第58回日本赤十字社医学会総会」にブース出展します。
Qlik Senseを実際に触っていただけるデモ機(PC)、最近の取り組みや活用事例なども揃えておりますので、ご参加される皆様、ぜひお立ち寄りください!!
第58回日本赤十字社医学会総会
https://www.congre.co.jp/jrcms58/
もう数年前になりますが、国連の"Science, Technology, and Innovation Forum"というイベントで、日本赤十字社の活動を支援するための寄附を集める取り組みをやりました。弊社が用意した固定自転車で1マイル(約1.6km)走ると50ドルが寄附されるという取り組みで、来場者の方々もたくさん参加いただきました。
(Qlikの技術は、自転車に付けたセンサーデータから走行距離をリアルタイムに可視化するというところに使われていたっけ。。懐かしい。。)
※写真は国連のイベント会場。わかりずらいですが、手前に自転車が設置されています。
https://www.qlik.com/blog/united-nations-science-technology-and-innovation-forum
第17回目のヘルスケア勉強会では、DPCデータ分析の練習問題は、応用問題の6からとなります。
これまでシリーズで取り組んできました練習問題も今回で完了となる予定です。
応用編:
・院内で急性心筋梗塞の診療ガイドラインが遵守されているのかチェックしたい。良い方法はあるか?
・院内で作成した大腿骨頸部骨折のクリニカルパスの運用がうまくいっているかを確認したい。どういう手順で進めればよいか?
フィードバックコーナーでは、前回医事会計データと電子カルテデータを関連付けし、2つのデータを跨いで診療実績を把握する方法を解説しましたが、実際のデータ(100万件×750万件)を使って検証した結果についてお話しします。また、後発医薬品マスタに関する補足も行います。
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
8/31(水)18:00-19:00
https://techplay.jp/event/869917
先日開催されました第24回日本医療マネジメント学会学術総会では、弊社ブースにお越しいただきありがとうございました。引き続き、医療データを活用して、皆様のお役に立つ情報をお届けして参りますので、よろしくお願い致します。
さて、第16回目のヘルスケア勉強会では、フィードバックコーナーを設け、皆様から伺った課題に対してQlik Senseでどうできるかを解説します。ぜひ、ご質問、ご要望などお寄せください。
また、本題では、DPCデータ分析の練習問題(応用編)の続きに取り組みます。
今回は以下の応用問題に取り組む予定です。
応用編:
・後発医薬品の使用を推進したい。どういう方法があるか?
・院内で急性心筋梗塞の診療ガイドラインが遵守されているのかチェックしたい。良い方法はあるか?
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
7/27(水)18:00-19:00
https://techplay.jp/event/865655
2022年7月8日(金)、9日(土)に神戸ポートピアホテル・神戸国際会議場で開催されます「第24回日本医療マネジメント学会学術総会」にブース出展します。
Qlik Senseを実際に触っていただけるデモ機(PC)、最近の取り組みや活用事例なども揃えておりますので、ご参加される皆様、ぜひお立ち寄りください!!
※最近の勉強会で作成したHファイル(DPC)を利用したチャート。
カナダのブリティッシュコロンビア州サレー市(the City of Surrey)では、オピオイド(麻薬性の鎮痛薬)の過剰摂取による死亡者を減らす取り組みにQlik製品を活用しています。このブログは以下の記事の紹介となります。
https://www.firefightingincanada.com/response/mapping-the-crisis-25392
【サリー市のオピオイド過剰摂取(Overdose)等の状況】
オピオイドは日本ではなじみが薄いかもしれませんが、海外では鎮痛薬としてよく利用されているようです。また、オピオイドは医療用麻薬で、強い鎮痛作用がある一方で、依存症になったり、過剰摂取により呼吸困難を引き起こし死亡するケースもあるそうです。
ブリティッシュコロンビア州(人口約480万人)では、薬物過剰摂取による死亡者は、以下の通りで近年急激に増加していました。
2017年 488人(1月~4月のみ)
2016年 935人
2015年 518人
2014年 368人
また、サレー市でも同様で、市民約50万人に対し、2015年は医療系の緊急通報22,363件のうち薬物過剰摂取での通報は1,606件、2016年には緊急通報24,976件のうち薬物過剰摂取での通報は2,623件と前年比の63%増と急激に増加していました。
2016年2月にはブリティッシュコロンビア緊急医療サービスから指導を受けた消防士(サレー消防サービス)が薬物過剰摂取者に対しナロキソンを注射することで77名を生還させました。
一方で、こうした対応は対処療法的であり、また、過剰摂取者は増え続けるため、プロアクティブな対応が求められていました。
2016年12月には、1日に8人以上の過剰摂取が報告され、2015年1月の報告の2倍になっていました。また、こうした状況は州全域でも同様で、上述の通り、2017年のはじめの4ヶ月間で過剰摂取による死亡者は488人を数えました。
【オピオイド過剰摂取への対策】
2017年はじめにSFS(サレー消防サービス)は、Qlik製品を利用してオピオイド過剰摂取の集団に関するリアルタイムなレポーティングの仕組みを構築しました。その目的は、問題が発生しそうなエリアに効果的に医療及び行政資源を投入できるよう情報を活用することでした。
この仕組みは2017年春に完成し、緊急通報データを常時スキャンし、過剰摂取の集団や地域に関する警報メールを発信できるようにしました。その警報メールは例えば次のような場合に発信されます。
サレー市は医療機関とも連携し、過剰摂取者に関する情報を共有できる仕組みを作りました。過剰摂取の集団に関する警報メールが発信されると、医療機関は追加のスタッフ等をホットスポットに向かわせ、警察もこのエリアを重点的に巡回します。これは効果的な対応というだけでなく、スタッフ等の資源投入を抑える効果もありました。
また、データの蓄積により、過剰摂取の発生タイミングや発生地域の予測可能なパターンが把握できるとともに、過剰摂取の発生が給料日等に増加する傾向があることもわかりました。
これまでにも、SFS(サレー消防サービス)は長期間の火災発生統計を活用して、スタッフや機器を戦略的に配置するアプローチをとってきましたが、同様のやり方をオピオイドの過剰摂取対策にも適用しました。こうしたリスクベースモデルにより、投入できる資源を最も効率的かつ効果的に利用できるようになりました。
サレー市のこうした活動は、カナダ全土の行政機関や医療機関から注目を集め、アメリカの行政機関からも講演依頼等があるそうです。
以下にオピオイド危機を分析するアプリケーションの作成手順をご紹介(英語)していますのでご参考までに。
第14回目のヘルスケア勉強会では、海外の医療機関でのデータ活用事例のご紹介とDPCデータ分析の練習問題(応用編)を取り上げます。
海外の医療機関の活用事例は、Qlik World 2022での事例講演を取り上げ、ある医療機関での先進的なデータ活用基盤導入の実現に向けての取り組みを説明させていただく予定です。
DPCデータ分析の練習問題(応用編)は前回の振り返りと応用問題の続きに取り組んでいきます。
応用編:
・病棟毎に効果的な看護師の配置を行うには?
・後発医薬品の使用を推進したい。どういう方法があるか?
前回見ていないけど、、という方も参加大歓迎です。
お申し込みは、以下のTECH TALKのサイトからお願い致します。
5/25(水)18:00-19:00
https://techplay.jp/event/859050
第13回目のヘルスケア勉強会では、3月23日(水)に公開されました令和2年度DPC「退院患者調査」のデータの扱い方を取り上げます。
本コミュニティで公開しました施設概要表(住所、緯度経度付)と疾患別手術別集計のデータ加工アプリを利用して、複数のファイルの取り込みや複雑なデータ加工は、昨年作成したアプリを少し編集して流用し、すぐに分析に取り掛かるためのテクニックをお伝えします。
【データの取り込み】
・令和2年度データの取り込み
・都道府県を限定した取り込み
・複数年データの取り込み
また、取り込んだデータを利用して、ご参考にしていただけそうなチャートをいくつか作ってみたいと思います。
【チャートの作成】
・二次医療圏別、MDC別、病院別の実績比較
・二次医療圏患者流出入
お申し込みは、以下のTECH TALKのサイトからお願い致します。
https://techplay.jp/event/855075
3月23日(水)に厚生労働省のサイトで令和2年度(R2)のDPC調査結果(令和2年度DPC導入の影響評価に係る調査「退院患者調査」の結果報告について)が公開されました。
https://www.mhlw.go.jp/stf/shingi2/0000196043_00005.html
昨年の公開データに比べ、施設数が173施設増えていましたが、全5316施設の住所、二次医療圏、位置(緯度経度)を施設概要表に追記しました。手順は以下の通りです。
〇追記等の手順
1.施設概要表の通番を利用して、昨年の施設概要表のマスタとの変更点を確認(施設の追加や施設名の変更など)
2.変更がない施設は昨年の情報をそのまま利用
3.追加施設は国土数値情報の医療機関のポイントデータを利用し、住所や緯度経度を取得。ない場合は、HPの住所からGoogle Mapで緯度経度を取得し追記。二次医療圏名も追加
4.施設名の変更は理由を確認。移転や統合等で住所が変更になっている場合、「2.」と同様の方法で住所や緯度経度を取得し追記。
住所や緯度経度は以下のサイトとGoogle検索を利用して情報を取得し追加しました。
〇医療機関(国土数値情報)
http://nlftp.mlit.go.jp/ksj/
添付のExcelファイルをダウンロードしてご利用ください。
ちなみに、Qlik Senseに取り込むと下図のように施設のポイントを地図上にあらわすことができます。
12回目のQlikヘルスケア勉強会では、前回に続き、DPCデータ(様式1, EFファイル等)の分析を行います。前回までで、練習問題の応用編の1問までをやりましたが、続けて応用編進めていきます。
応用編:
・予定入院前に画像診断を済ませたい。よい方法は?
・病棟毎に効果的な看護師の配置を行うには?
・後発医薬品の使用を推進したい。どういう方法があるか?
前回見ていないけど、、という方も参加大歓迎です。前回までに作成したアプリも公開していますよ。
勉強会用DPCデータ分析アプリの公開
お申し込みは、以下のTECH TALKのサイトからお願い致します。
https://techplay.jp/event/849651
日付データの取り込み、フォーマットの変換、日付を使った計算で迷うことはありませんか?
私はあります。
TechTalk(Qlikの技術関連のWebセミナー)で日付データの取り扱いに関して取り上げており、YouTubeに動画が、slideshare資料が公開されています。内容がまとまっていて、理解しやすいと思いますので、ご参考までに。
YouTube:
https://www.youtube.com/watch?v=_JCVxURT7Oo
slideshare:
https://www.slideshare.net/QlikPresalesJapan/qlik-tips
ちなみに、以下のような項目が取り上げられています。
・MakeDate()
・Year()
・SubField()
・Date#()
・Date()
・Date(Floor()) またはSubField()
・AddMonths(), AddYears()
・WeekDay()
・Week()
・環境変数: FirstWeekDay
・MakeWeekDate()
・曜日番号の評価
・NetWorkDays()
・書式変換書式コード
・日付、時刻の表示フォーマット
・年・月・週・日, 時・分・秒の取得
・DateとDate#について
・日付・時刻の計算
2月16日に開催しましたQlikヘルスケア勉強会で作成したDPCデータ分析アプリを公開しました。
今回もデータは入っていませんので、ご自身のお手元のデータをアップロードして、内容をご確認ください。
基礎編1から応用編1までを含んでいます。
次回は応用編1の途中から、術前術後日数の長さも見られるようにチャートを編集するところから取り掛かっていきたいと思います。
今後も勉強会後に、更新したアプリを公開しますので、自習用にご活用ください。
なお、接続定義の作成については、Qlik Spaceの以下の記事の「データ接続定義の追加」をご参照ください。
Qlik Senseロードスクリプトによる変換処理の基礎
11回目のQlikヘルスケア勉強会では、前回に続き、DPCデータ(様式1, EFファイル等)の分析を行います。前回までで、練習問題の基礎編の4問をやりましたが、基礎編の残り3問と応用問題に取り組みます。
基礎編:特定の傷病の発生率や入院死亡率の集計、診療科別症例に関する各種集計
応用編:在院日数の短縮、診療科別手術TOP3、後発品の使用促進など
前回見ていないけど、、という方も参加大歓迎です。前回までに作成したアプリも公開していますよ。
勉強会用DPCデータ分析アプリの公開
お申し込みは、以下のTECH TALKのサイトからお願い致します。
https://techplay.jp/event/847304