医療・介護のデータの利活用の推進のための、NDB・介護DBの連結可能性および活用可能性の評価に関する研究

文献情報

• 文献番号: 202001007A
• 報告書区分: 総括
• 研究課題名: 医療・介護のデータの利活用の推進のための、NDB・介護DBの連結可能性および活用可能性の評価に関する研究
• 課題番号: 19AA2006
• 研究年度: 令和2(2020)年度
• 研究代表者(所属機関): 加藤 源太(京都大学 医学部附属病院診療報酬センター)

研究分担者(所属機関)

• 黒田　知宏(国立大学法人　京都大学　医学研究科)
• 植嶋　大晃(京都大学医学部附属病院　医療情報企画部)
• 今村　知明(公立大学法人奈良県立医科大学　医学部　公衆衛生学講座)
• 野田　龍也(公立大学法人奈良県立医科大学　医学部 公衆衛生学講座)
• 康永　秀生(国立大学法人東京大学　大学院医学系研究科公共健康医学専攻臨床疫学・経済学)
• 田宮　菜奈子(国立大学法人筑波大学　医学医療系　/　ヘルスサービス開発研究センター)
• 杉山　雄大(国立国際医療研究センター研究所糖尿病情報センター医療政策研究室)
• 中山　健夫(京都大学　大学院医学研究科)

• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（政策科学推進研究）
• 研究開始年度: 令和1(2019)年度
• 研究終了予定年度: 令和2(2020)年度
• 研究費: 22,415,000円
• 研究者交替、所属機関変更: -

研究報告書（概要版）

研究目的

本研究は、匿名レセプト情報等データベース（NDB）、および匿名要介護認定情報・匿名介護レセプト等情報（介護DB）の両者のデータ連結について技術的検証及び利用可能性の検証を行うことを目的とするものである。まず、NDB・介護DBの連結可能性の評価と、連結データの利用可能性の評価という2つの課題に取り組むべく、介護DBの概要と構成要素について整理を行い、これまでの医療・介護データの連結解析の議論や、先行研究を参考に、NDBデータと介護DBデータの連結解析を容易にするデータ構成を検討し、新しいテーブルの作成を行った。次に、利用可能性の評価として、作成したデータマートを用い、先行研究を再現する形式で簡単なレベルの試行集計を行った。その際に、どの程度の作業時間を要したかについても、確認を行った。
一方で、NDBそのものの価値を向上させることを目的として、NDBレセプトデータを用いて死亡を予測する深層学習モデル(deep learning model)の開発及びバリデーションを行った。また、医療レセプトと要介護認定情報・介護レセプト情報とを連結解析した事例そのものがまだ非常に少ないという現状を鑑み、NDBのみで実施でき、かつ今後のNDB・介護DB連結解析で取り上げられて展開していく可能性の高い、高齢者の介護の課題に直結する個別研究も2題行った。

研究方法

今回の研究では、2014年度、2015年度分のNDBデータ、介護DBデータを利用し、連結解析を行うためのデータマート構築を実施した。NDBを用いた2題の個別研究も、このNDBデータを用いて行った。また、在院死亡予測モデルの開発に際しては、DPCデータ調査研究班のDPCレセプトデータにおいて2010年7月-2017年3月の期間に退院した全患者データを用いた。

結果と考察

介護に関連する各種データを用いた先行研究では、得られた情報を患者のアウトカムとして使用したり、対象者の状態像を示す情報として使用する事例が多くみられた。これらの情報は要介護認定情報に含まれことが少なくないが、レセプト情報とは異なり、要介護認定情報は認定時にしか情報が格納されない。そこで、要介護認定情報を各月ごとに参照できるテーブルを新たなテーブルとして作成した。こうして作成したデータマートを用い、医療レセプト、要介護認定情報、介護レセプト情報間で連結解析を行っている2つの先行研究に着目し、その再現を試みた。集計は合計3通り実施し、全数レベルでNDB・介護DBの連結解析を実施することができた。深層学習モデルを用いたモデルでは、全症例のAUCを評価したところ、結果は0.954 (95% 信頼区間: 0.9537-0.9547)と高く、急性心筋梗塞・心不全・脳卒中・肺炎の4疾患について既存の重症度指標を用いたモデルも作成して比較したところ、4疾患のいずれにおいても、メインモデルの方がAUCの値は高値であり、高い精度の在院死亡の予測を得られることが確認できた。NDBを用いた個別研究では、高齢者のリハビリ、在宅医療の実態をNDBだけでも相当程度明らかにできることを示すことができた。

結論

要介護認定情報から各月ごとの情報を入手できるテーブルを新しく導入し、介護DBデータにランダムに付与したIDで連結し、試行集計を実施した。これらの研究を通じて、NDBと介護DBの全数レベルでの連結解析が実施可能であることを明らかにした。これによって今後のNDB・介護DB連結解析を実施できる基盤の有効性を確認することができた。また、入院初日の治療内容情報を用いて在院死亡を予測する深層学習モデルを構築し、既存の重症度指標に比べて在院死亡の予測精度が高いことを明らかにした。これは、今後のNDB・介護DB連結解析を推進する上で、利用者にとって有用なツールとなることが期待される。最後に、個別研究の結果からは、今後NDBと介護DBの連結解析が容易になれば、患者像の評価に資する情報が付加されることから、得られる知見の幅が広がりうることを確認することができた。今後、NDBと介護DBの連結解析を行う基盤が整えられていく見込みであることから、本研究で示したような連結解析に関する必要な知見が、利用者間で更に共有されていくことが期待される。

公開日・更新日

• 公開日: 2022-11-14
• 更新日: -

文献情報

• 文献番号: 202001007B
• 報告書区分: 総合
• 研究課題名: 医療・介護のデータの利活用の推進のための、NDB・介護DBの連結可能性および活用可能性の評価に関する研究
• 課題番号: 19AA2006
• 研究年度: 令和2(2020)年度
• 研究代表者(所属機関): 加藤 源太(京都大学 医学部附属病院診療報酬センター)

研究分担者(所属機関)

• 黒田　知宏(国立大学法人　京都大学　医学研究科)
• 植嶋　大晃(京都大学医学部附属病院　医療情報企画部)
• 今村　知明(公立大学法人奈良県立医科大学　医学部　公衆衛生学講座)
• 野田　龍也(公立大学法人奈良県立医科大学　医学部 公衆衛生学講座)
• 康永　秀生(国立大学法人東京大学　大学院医学系研究科公共健康医学専攻臨床疫学・経済学)
• 田宮　菜奈子(国立大学法人筑波大学　医学医療系　/　ヘルスサービス開発研究センター)
• 杉山　雄大(国立国際医療研究センター研究所糖尿病情報センター医療政策研究室)
• 中山　健夫(京都大学　大学院医学研究科)

• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（政策科学推進研究）
• 研究開始年度: 令和1(2019)年度
• 研究終了予定年度: 令和2(2020)年度
• 研究者交替、所属機関変更: -

研究報告書（概要版）

研究目的

本研究は、匿名レセプト情報等データベース（NDB）、および匿名要介護認定情報・匿名介護レセプト等情報（介護DB）の両者のデータ連結について技術的検証を行うとともに、連結データが保健医療分野における政策や研究のエビデンスを導き出せる質量を備えることができるのか、どういった課題に強みを発揮できるのかを評価するものである。この点について、NDB・介護DBの連結可能性の評価と、連結データの利用可能性の評価という2つの課題に取り組むべく、介護DBの概要と構成要素について整理を行い、これまでの医療・介護データの連結解析の議論や、両データを連結して行った先行研究を参考に、NDBデータと介護DBデータの連結解析を容易にするデータ構成を検討し、連結解析に使用できる新しいテーブルの作成を行った。次に、利用可能性の評価としては、作成したデータマートを用い、先行研究を再現する形式で非常に簡単なレベルの試行集計を行った。その際に、どの程度の作業時間を要したかについても、確認を行った。一方で、NDBそのものの価値を向上させることを目的として、NDBレセプトデータを用いて死亡を予測する深層学習モデル(deep learning model)の開発及びバリデーションを行った。また、医療レセプトと要介護認定情報・介護レセプト情報とを連結解析した事例そのものがまだ非常に少ないという現状を鑑み、NDBのみで実施でき、かつ今後のNDB・介護DB連結解析で取り上げられて展開していく可能性の高い、高齢者の介護の課題に直結する個別研究も行った。

研究方法

今回の研究では、既存のNDBデータ分散処理基盤を活用し、すでに格納されている2014年、2015年度分NDBに追加する形で2014年度、2015年度介護DBデータを受領し、全く偽のハッシュ値を介護DBに付与した上でNDBと介護DBを形式的に連結できる仕組みを構築し、両データを連結した際の操作性、抽出速度、有用性等を調査して連結可能性を評価した。NDBを用いた個別研究もこのデータにて実施している。また、在院死亡予測モデルの開発に際しては、DPCデータ調査研究班のDPCレセプトデータにおいて2010年7月-2017年3月の期間に退院した全患者データを用いた。

結果と考察

2014～15年度分の介護DBデータを入手し、まず1か月分の介護DBデータにて、試行的なDWH構築及び課題の洗い出しを行った。そのうえで、既に構築済みのNDB基盤に付与されているID0を連結キーとして要介護認定情報・介護レセプト等情報の各テーブルの末尾に格納し、NDBとデータを連結する際に使用できるよう構成した。一方、介護DBに相当するデータを用いた研究をレビューした限りでは、得られた情報を患者のアウトカムとして使用したり、対象者の状態像を示す情報として使用する事例が多くみられた。これらの情報は要介護認定情報に含まれることが少なくないが、レセプト情報とは異なり、要介護認定情報は認定時にしか情報が格納されない。そこで、要介護認定情報を各月ごとに参照できるテーブルがあれば、介護レセプト情報のみならずNDBのレセプト情報とも連結した分析が行いやすくなると考え、これら情報を新たなテーブルとして作成した。これらのデータにもID0を格納して作成したデータマートを用い、医療レセプト、要介護認定情報、介護レセプト情報間で連結解析を行っている2つの先行研究に着目し、その再現を試みた。集計は合計3通り実施し、いずれも簡略化した集計ではあったが、全数レベルでNDB・介護DBの連結解析を実施することができた。
深層学習モデルを用いたモデルでは、全症例のAUCを評価したところ、結果は0.954 (95% 信頼区間: 0.9537-0.9547)と高く、急性心筋梗塞・心不全・脳卒中・肺炎の4疾患について既存の重症度指標を用いたモデルも作成して比較したところ、4疾患のいずれにおいても、メインモデルの方がAUCの値は高値であり、レセプトデータの初日の治療内容情報を用いた深層学習モデルで、高い精度の在院死亡の予測を得られることが確認できた。
NDBを用いた個別研究では、高齢者のリハビリ、在宅医療の実態をNDBだけでも相当程度明らかにできることを示したとともに、今後NDBと介護DBの連結解析が容易になれば、患者像の評価に資する情報が付加されることから、得られる知見の幅が広がりうることを確認することができた。

結論

NDBと介護DBの連結データは、従前のNDB単独、あるいは介護DB単独での研究では成しえなかった研究を実現する可能性がある。今後、NDBと介護DBの連結解析を行う基盤が整えられていく見込みであることから、本研究で示したような連結解析に関する必要な知見が、利用者間で更に共有されていくことが期待される。

公開日・更新日

• 公開日: 2022-11-14
• 更新日: -

行政効果報告

• 文献番号: 202001007C

成果

• 専門的・学術的観点からの成果: 本研究にてNDBと介護DBの連結可能性の評価、利用可能性の評価を行ったが、研究開始当初は連結が公的には認められておらず、いずれの評価についても、有意性のないIDで連結させて評価を行うにとどまったため、技術的側面からの評価に偏らざるを得なかった。とはいえ、年度単位の両データを悉皆的に連結させ、かつ研究班独自でテーブルの作成やデータマートの作成を行うことで、先行研究の再現が妥当な処理時間で実施できることが確認でき、報告書にて公表することができた。
• 臨床的観点からの成果: NDBと介護DBの連結によって期待されていることの一つが、NDBデータには含まれていない、患者の要介護度や日常生活自立度、認知症の程度などといった、患者の状態を表す情報を付加しうることである。本研究では、それらの情報を付加させた分析を容易にするデータマート作成の事例を提示しており、この知見が、NDBと介護DBの連結データの利用を検討される方々に届くことで、連結データの利用実績の向上や、連結データを用いた臨床に影響を及ぼすインパクトのある研究の活性化に貢献することが期待される。
• ガイドライン等の開発: 本研究における、NDBと介護DBの連結解析の可能性や限界に関する研究成果が、第2回中央社会保険医療協議会薬価専門部会・費用対効果評価専門部会合同部会（2023年10月27日）における議題「高額医薬品（認知症薬）に対する対応について」て、参考意見として活用された。
• その他行政的観点からの成果: NDBと介護DBの連結解析は、公的に可能になって以降も、両データに知悉した利用者が限られていることや、データ提供申出の手続きの負荷がデータの種類に正比例して増えることなどから、必ずしも多く実施されているわけではない。一方で、行政では様々な公的医療データの連結解析を可能とする環境整備を進めている。本研究のような研究成果の公表を重ね、関係者間で共有が進むことで、こうした環境整備と、実際の利活用が歩調を合わせて推進されていくことが期待される。
• その他のインパクト: 本研究、および現在実施されている厚労科研「臨床疫学に活用可能なNDB等データセットの作成に関する研究 （21AA2006）」の研究成果として、介護DBの各項目のデータ格納状況を網羅的に示した「介護DBコードブック」を作成、公表した（公表元：https://medinfo.kuhp.kyoto-u.ac.jp/document/kaigo-db-codebook/）。介護DBの利用者がどのデータ項目を活用すべきかを把握できるよう、このコードブックを容易に参照できる環境を整備できた。

発表件数

• 原著論文（和文）: 0件
• 原著論文（英文等）: 0件
• その他論文(和文): 0件
• その他論文(英文等): 0件
• 学会発表(国内学会): 3件
• 学会発表(国際学会等): 0件
• その他成果(特許の出願): 0件
• その他成果(特許の取得): 0件
• その他成果(施策への反映): 1件 ; 中医協薬価専門部会・費用対効果評価専門部会での議論1件
• その他成果(普及・啓発活動): 0件

公開日・更新日

• 公開日: 2024-06-27
• 更新日: -

収支報告書

• 文献番号: 202001007Z
• 報告年月日: 2021年10月18日

収入

• (1)補助金交付額: 29,139,000円
• (2)補助金確定額: 29,139,000円
• 差引額 [(1)-(2)]: 0円

支出

研究費 (内訳)	直接研究費	物品費	2,507,000円
		人件費・謝金	2,131,902円
		旅費	0円
		その他	17,776,098円
	間接経費		6,724,000円
	合計		29,139,000円

備考

• 備考: -

公開日・更新日

• 公開日: 2023-06-26
• 更新日: -