JP4257670B2 - サービスプロバイダ位置の高度に断片化された地理的なセグメントにおいて製品販売を評価するシステム及び方法 - Google Patents

Description

本発明は、国勢調査データ及び標本化データを含むいくつかのソースから受けたデータに基づいて製品販売を評価するシステム及び統計的方法に関する。

医薬品の販売において情報を収集するプロセスは、データを異なった販売取引に関して収集する断片的方法によって複雑になるかもしれない。このような医薬品の販売は、いくつかのカテゴリに入ることができる。例えば、医薬品の製品を、製造者によって卸売業者に売ってもよく、前記卸売業者は、これらの製品を小売薬局に売る。代わりに、医薬品製品を、製造者によって、卸売業者相互作用なく、直接小売薬局に売ってもよい。このような取引を、「直接販売」と呼ぶ。

前記小売薬局から、医薬品製品を、「ＰＫＶ」処方箋とも呼ばれる個人健康保険によってカバーされる患者に売ってもよい。医薬品製品を、代わりに、「ＧＫＶ処方箋」とも呼ばれる公的医療保険によってカバーされる患者に売ってもよい。患者は、医薬品製品を、なんの保険払い戻しもなしで、小売薬局から購入してもよい。医薬品製品販売は、同様に他のカテゴリに入ってもよい。

医薬品販売データを、このようなデータを評価するために、地理的サブセクションに割り当てる。例えば、ドイツにおける地理的領域を、しばしば「ブリック」と呼ばれるより小さい地理的セグメントに分割してもよい。前記医薬品販売の記録は、医薬品調剤の場所又は「医薬品ブリック」のような販売の場所に対応する地理的サブセクションを示してもよく、又は、処方する医師の位置又は「処方者ブリック」に対応する地理的サブセクションを示してもよい。しかしながら、現在利用可能なデータ記録は、一般に、前記医薬品調剤の場所及び前記処方者の場所を同じデータ記録において示さない。他の国は、類似の地理的再分スキーマを使用する。

原理的には、小さい地理的セグメント又は「処方者ブリック」のレベルにおける個人保険処方箋に関する販売についての情報を収集するいくつかの方法が存在する。通常、前記地理的セグメントは比較的小さく、したがって、許容可能に高い精度レベルを達成するためには、国勢調査に近いデータ収集が必要である。これらの方法は、相当なコストと、国勢調査データを達成することの関係する問題とを含む。

データ収集の提案された１つの方法は、薬局の位置、処方者の位置、及び、製品による医薬品販売の国勢調査である。ここで理解され、当該技術分野において既知の「国勢調査」情報は、興味ある全人口から情報を集めること、すなわち全数調査による情報を示す。国勢調査情報は、興味ある人口のセグメントを失うことに関して補償する任意の予測を必要としない。最も低い地理的レベルにおける国勢調査情報を、すべての個人保険会社が、小売薬局において調剤された処方薬における彼らの情報をプールする準備ができた場合、得ることができる。この手順による成功は、所有者情報を第三者に提供する前記保険会社の意欲と心の広さとを必要とする。第２に、比較可能な技術的環境が、同様で速く信頼できる方法でコード化され伝えられた処方箋を有するために、含まれるすべての患者に対して必要である。第３に、ちょうど一つの保険会社に関する医薬品販売に関するデータが失われている場合、前記データの有効性は高度に歪んでいるかもしれない。一般に、失われている被保険者パーティの部分を、他の保険会社によって供給された国勢調査情報内部から推測することはできない。さらに、データ供給者料金及び高い技術的投資に関するコストは、高価で手が出ないかもしれない。したがって、国勢調査データの方法は、不利なままである。

処方者位置によって割り当てられた個人保険によってカバーされた患者への医薬品販売を評価する第２の方法は、実際に調剤された処方薬に関する薬局からのデータの標本を取ることを含む。この方法は、前記地理的領域の多数の小さい地理的セグメントへの分割により非常に大きい標本と、高度なデータ収集技術とを必要とする。このような状況の下で、高レベルの統計的信頼を達成するために、５〜７薬局の最少数が、各々の地理的セグメントに必要であるかもしれず、約２０００の地理的ブリックが望ましい場合、１００００〜１５０００の薬局の全標本が蓄積されるかもしれない。このような大きい標本データを無理のない時間フレームにおいて処理するために、薬局コンピュータから電気的に情報を収集することが望ましい。したがって、「販売店」（ＰＯＳ）システムでコンピュータ化された薬局のみが、選択される資格がある。当該技術分野において既知のＰＯＳシステムは、薬局及び他の商人によって使用されるあるクラスのソフトウェアであり、在庫品、購入、及び、販売についてのデータを取得する。薬局の場合において、ＰＯＳシステムは、処方箋における販売を、ＰＫＶ処方箋、ＧＫＶ処方箋、又は、処方箋なしの販売に再分することを可能にする。ＰＯＳシステムを使用する限られた数の薬局は、調査に含まれる既知の薬局に属するものとする「補充可能な母集団」を、多くの地理的領域において前記必要な標本サイズを満たさないレベルに、特に、前記必要な情報を手供することによって前記調査と協力することを拒否する３つの薬局のうち２つの薬局の経験的な割合を考慮した場合、減少する。

この用法は、すでに、製品名Ｘｐｏｎｅｎｔ（登録商標）の下で、ＩＭＳ ＨＥＡＬＴＨによって米国において出願されている。３００００薬局より多い薬局標本が保持され、標本薬局において分配されたすべての処方箋におけるデータを集める。処方箋は、個々の処方者位置ブリックに対して再収集され、特許保護された予測方法論によって予測される。このプロセスは、共同で所有されているＦｅｌｔｈａｕｓｅｒ他の１９９５年５月３０日に発行された米国特許第５４２０７８６号と、Ｆｅｌｔｈａｕｓｅｒ他の１９９８年７月１４日に発行された米国特許第５７８１８９３号において記載されており、これらの双方は、これらの全体における参照によってここに含まれる。

しかしながら、このような大きい標本を保持するコストは、個人保険のみによってカバーされる処方箋に関して、これらの個人処方箋がある国又は領域における合計の処方箋量の最高１０％を占める状況において、経済的に実行不可能である。処方箋における任意の調査は、公的医療保険によって払い戻し可能な残りの９０％の処方占領を含むことによってのみ完了する。

処方者位置によって割り当てられた個人保険によってカバーされた患者への医薬品製品販売を評価する第３の方法は、医師自身によって処方された医薬品製品の標本を採ることを含む。個人処方箋に関するデータを、多くの国において現在行われているように、健康保険医名簿によって収集することができるが、この手順は、医師によるすべての処方箋が薬局における販売に変わるとは限らないという潜在的な不利を有する。例えば、患者は、特定の処方箋を調合しないことを選択してもよく、代わりに、処方された製品を、同様のもの、例えば、前記処方された製品と平行して輸入された汎用又は等価な製品で代用してもよい。このような活動は、前記評価プロセスに不正確さを導入する。

上述したような薬局の標本を含む第２の方法と比較して、医師の処方箋の標本をサイズにおいてかなりより大きくし、統計的に重大なデータを提供する必要がある。例えば、特定の医学の医師は、彼女が通常処方する製品の限定されたポートフォリオを有する。したがって、ある個々の標本化要素による補償範囲は、より多くの異なった医師処方箋を同じ薬局から収集することができる薬局保険医名簿に関するよりもはるかに小さい。このような医師ベースの方法を経済的に実行可能にするために、っデータ収集を、代表的に、医師のオフィスにおけるコンピュータ端末を経て処理する。限定された「選択母集団」及び薬局の拒否割合に関する上述した不利は、医師の処方箋患者を含む標本に関して等しく有効である。

患者に対する医薬品販売を評価する上記方法のうち、プールされた個人保険情報を含む医薬品販売の国勢調査である第１の方法は、現在、個人処方箋における製品販売を収集する有効な解決法ではない。同様に、患者に処方する医師の標本である前記第３の方法は、経済的に実現不可能であり、処方者位置によって処方箋は必ずしも販売と関係しないため、販売の評価には最も適切ではない。地理的セグメントの表現である大規模な薬局標本を含む評価方法に属する前記第２の方法は、制限された技術的環境、データ収集の高いコスト、及び、データ引渡しの不十分な速度により、現在は効率的に発生させることができない。

したがって、医薬品販売の標本を無理のないサイズに保ち、同時に、許容しうる精度のレベルを依然として提供する統計的方法論に対する必要性が存在する。

本発明の目的は、標本化データの価値を高めるために、関係するが同一ではない変数における国勢調査データを結合する技術を提供することである。

本発明の他の目的は、すべての標本化セグメントにおいて（薬局のような）標本データ発生器を有することなく、きわめて小さい標本化セグメントに関係するデータの選択されたフィールドの確実な評価を提供することである。

本発明のさらに他の目的は、コンピュータシステムが（薬局のような）データ発生環境においてまだ広まっておらず、したがって、結果として限定された標本サイズが生じる場合、選択されたデータのフィールドが通常はコンピュータによって取得されない領域において前記選択されたデータのフィールドにおける詳細な報告を発生し、同時にデータ収集及び発生を無理のないコストにおいて保つことである。

ここでの開示への参照から明らかになるであろう本発明のこれら及び他の目的は、サーバプロバイダ位置に基づいて複数の地理的セグメントに割り当てられた買い手（例えば、第１保険プログラムによってカバーされた患者）のあるクラスへの製品販売を評価するシステム及び方法によって成し遂げられ、前記複数の地理的セグメントは１つの地理的領域を構成する。国勢調査データ、国勢調査に近いデータ、及び、標本化データを記憶する大容量記憶装置を設ける。販売アウトレットを発生するデータへの製品販売の国勢調査データは、複数のデータ記録を含み、各々の国勢調査データ記録は、製品タイプ情報と、薬局ブリックのようなデータ発生者位置に対応する地理的セグメントとを含む。

第２保険プログラムによってカバーされる患者への医薬品製品販売の国勢調査に近いデータは、複数のデータ記録を含み、各々の国勢調査に近いデータ記録は、製品タイプ情報と、薬局位置に対応する地理的セグメントと、処方者位置に対応する地理的セグメントとを含む。薬局又は患者への医薬品製品販売を標本化データに含め、各々の標本データ記録は、製品タイプ情報及び薬局位置を含む。すべての標本データ記録を、薬局位置に対応する個々の地理的領域に割り当ててもよい。入力装置は、前記国勢調査データ、国勢調査に近いデータ、及び、標本化データを前記システム中に受ける。

コンピュータプロセッサをプログラムし、一連の処理ステップを実行する。各々の地理的領域に関し、患者への予測された医薬品製品販売を、好適には、第１比例係数を、患者への標本化された医薬品製品販売に適用することによって決定する。前記第１比例係数は、好適には、前記地理的領域に関する、収集された前記国勢調査医薬品製品販売と、標本化された前記標本化医薬品製品販売との比を含む。

各々の地理的領域に関して、前記第２保険プログラムによってカバーされる患者への医薬品製品販売に関する予測された国勢調査に近いデータを、各々の地理的セグメントに関して、第２比例係数を、前記第２保険プログラムによってカバーされる患者への医薬品製品販売に関する国勢調査に近いデータに適用することによって決定する。前記第２比例係数は、好適には、各々の地理的セグメントに関して、前記国勢調査データからの調剤する薬局の合計数と、前記国勢調査に近いデータにおいて収集された調剤する薬局の合計数との比を含む。前記各々の地理的セグメントに関する予測された国勢調査に近いデータを、好適には、個々の地理的領域に結合する。

各々の地理的領域に関して、前記第１保険プログラムによってカバーされた患者への調節された医薬品製品販売を、調節係数を、前記第１保険プログラムによってカバーされた患者への予測された医薬品製品販売に適用することによって決定してもよい。前記調節係数は、好適には、前記第２保険プログラムによってカバーされる患者への予測された医薬品製品販売と、前記第２保険プログラムによってカバーされる患者への医薬品製品販売に関する予測された国勢調査に近いデータとの比を含む。

前記薬局位置の地理的セグメントによって割り当てられたを、前記第１保険プログラムによってカバーされた患者への医薬品製品販売を、第１分割係数を、前記第１保険プログラムによってカバーされた患者への調節された医薬品製品販売に適用することによって評価する。前記第１分割係数を、各々の製品タイプに関してと、各々の地理的セグメントに関して、前記地理的セグメントにおける薬局に対する医薬品製品販売と、前記医薬品販売の国勢調査データに基づく個々の地理的領域における合計の医薬品製品販売との比とする。

前記処方者位置の地理的セグメントによって割り当てられた前記第１保険プログラムによってカバーされる患者への医薬品製品販売を、第２分割係数を、前記薬局位置の地理的セグメントによって割り当てられた前記第１保険プログラムによってカバーされる患者への評価された医薬品製品販売に適用することによって評価する。前記第２分割係数を、薬局位置の各々の地理的セグメントに関して、処方者位置の各々の地理的セグメントにおける処方箋の合計数と、前記第２保険プログラムによってカバーされる患者への医薬品製品販売の予測された国勢調査に近いデータに基づいた個々の地理的セグメントにおける処方箋の合計数との比とする。

本発明によれば、上述した目的は満たされ、前記医薬品販売データの標本を無理のないサイズに保ち、同時に、許容しうる精度のレベルを依然として提供する統計的方法論に対する当該技術分野における必要性は満たされる。この方法によって、薬局標本のサイズを比較的小さく経済的に実現可能に保つことができ、同時に、地理的セグメント、及び、同じ地理的セグメントから生じる第２保険プログラムによってカバーされる処方箋への卸売り販売の国勢調査又は準国勢調査ソースにアクセスすることができる。本発明の他の特徴、その性質、及び、種々の利点は、添付した図面と、説明的実施例の以下の詳細な説明とからより明らかになるであろう。

本発明は、あるクラスの買い手への製品販売の販売を評価し、これらの製品販売をサービスプロバイダの位置に対応する地理的セグメント中に割り当てる技術を提供する。本発明は、地理的セグメントに分割された領域と、国勢調査データ、国勢調査に近いデータ、及び、標本化データのような種々のソースからの販売データにアクセスすることとに適用可能である。各々の販売又は取引に関するデータは、（ａ）製品のタイプ、（ｂ）サービスプロバイダの位置、（ｃ）データ発生者の位置、及び、（ｄ）販売又は取引のカテゴリにおける情報を含んでもよい。

以下に続く記述において、本発明の好適実施例は、ドイツにおける個人保険によってカバーされる患者への医薬品販売を評価する手順である。ここに記載した技術は、ドイツに特定されず、他の領域において使用してもよい。スイス及び韓国における技術の例を、以下により詳細に説明する。本発明の処理のフローチャートを図１に示す。好例のドイツモデルによれば、患者への小売販売の少なくとも３つのカテゴリ、（１）処方箋が個人保険によってカバーされる（以後、「ＰＫＶ処方箋」と呼ぶ、又は、「第１保険プログラム」によってカバーされる）、（２）公的健康保険によって払い戻される処方箋（以後、「ＧＫＶ処方箋」と呼ぶ、又は、「第２保険プログラム」によってカバーされる）、及び、（３）薬局によって販売され、どの保険プログラムによってもカバーされない処方箋が存在する。以下に記載するような追加の好例の取引のカテゴリは、「間接購入」とも呼ばれる卸売りからの購入と、製造業者からの購入である。追加のカテゴリを使用し、取引のタイプを特徴付けてもよい。

好適実施例において、国を、「地理的セグメント」とも呼ばれる１８６０個の「ブリック」に分割する。この用途の目的に関して、「ブリック」及び「地理的セグメント」という言葉は交換可能で、国又は調査されている領域のより小さい地理的分割を示す。医薬品製品販売に関するデータを、サービスプロバイダ、すなわち、処方する医師の位置と、データ発生者、すなわち、調剤する薬局の位置との双方によって、１８６０個のブリックに分解する。前記１８６０個のブリックを、「ＡＢＣ領域」とも呼ばれる６６個の地理的領域に合併する。この用途の目的に関して、「ＡＢＣ領域」及び「地理的領域」という言葉は交換可能で、国又は調査されている領域におけるより大きい地理的分割を示す。

前記ＡＢＣ領域は、１８６０個のブリックの階層的合併である。このシステムによれば、同様の購入力を有する隣接するブリックを１つのＡＢＣ領域に結合する。前記６６個のＡＢＣ領域を、ＡＢＣ領域ファイル１６に記憶する。前記１８６０個のブリック及び６６個のＡＢＣ領域の選択を、ドイツにおける人口分布の観点において選択し、申し分のない統計的結果を与えるように選択しており、他の分解が他の国又は位置に関して可能であり、本発明の範囲内に入ることを理解すべきである。例えば、米国において、前記地理的領域及び地理的セグメントの関係を、存在するＺＩＰコード、郡、及び、州の境界を使用することによって確立することができる。結果を、単一の「ブリック」内のＺＩＰ＋４コード領域にさらに分解することができる。データの分解の異なった方法をハンガリーにおいて使用する。ハンガリーにおいて、利用可能な卸売り国勢調査データをＺＩＰコードレベルにおいて記憶する。調査されている約１３００のＺＩＰコードが存在する。これらのＺＩＰコードを、ドイツにおける１８６０個のブリックと同等のものとみなしてもよい。これらのＺＩＰコードを、公式の管理上の領域であるいわゆる「キスターセグ（Kistersegs）」に階層的に合併することができる。ハンガリーは、１７２個のキスターセグを有する。これらのキスターセグを、ドイツにおける６６個のＡＢＣ領域と同等のものとみなしてもよい。他の合併が、２０の公式のハンガリーの郡に対して可能である。

他の例として、前記技術を使用し、スイスにおける販売データを評価してもよい。ドイツでのように、卸売りの国勢調査データがスイスにおいて利用可能である。スイスを、ドイツモデルに関する１８６０個のブリックと比べて、１４６個のブリックに分割する。（上記で規定したような）国勢調査に近いＧＫＶデータを、ＯＦＡＣと呼ばれる「薬局コーディングセンタ」から収集することができ、払い戻し可能な処方箋の７０％をカバーする。さらに、ＩＭＳヘルスは、２００件の標本薬局の薬局健康保険医名簿を保持する。これらの標本薬局は、彼らが使用するソフトウェアシステムに応じて、後に表３において示すようなタイプの標本データを提供することができる。スイスにおけるすべての処方箋の約２０％が、局所ＩＭＳヘルスオフィスによって報告されるように、（上記で規定した）ＰＫＶ処方箋である。前記標本薬局のいくつかは、後に規定する販売カテゴリ１−３に分解された販売を提供する。（タイプによる販売のカテゴリ化は、標本薬局に適切なＰＯＳシステムを備えることを必要とする。）国勢調査に近いＧＫＶデータを得るＯＦＡＣと、販売カテゴリ１−３に分解された標本データの有効性との協働により、この発明の計算技術を使用するドイツモデルは、スイスにおいても有用である。

ここに記載した技術を、韓国における販売データを評価するのに使用することもできる。卸売りの国勢調査データを、利用可能な情報から得てもよい。現在、卸売りの標本に関する情報は、医薬品の小売市場の約３０％をカバーする。国勢調査レベルを達成するために、データを既知の方法によって母集団に予測しなければならない。さらに、（上記で規定した）ＧＫＶタイプのデータを、いわゆる「ＮＨＩ請求ファイル」を準備する薬局ソフトウェアを使用する会社又は協会から得てもよい。このタイプのソフトウェアシステムは、例えば、韓国、ソウルのメディダス有限会社によって、と、韓国のファーマシーアソシエーションによって提供される。韓国のメディダス及び／又はファーマシーアソシエーションによって提供されるシステムは、韓国の薬局すべての約７５％〜８０％に備えられている。したがって、国勢調査に近いデータのソースは、前記評価プロセスにおける使用に利用可能である。標本データを、ＩＭＳヘルスによって保持されている薬局健康保険医名簿から収集することができる。現在、３９８件の薬局が、この薬局健康保険医名簿に含まれている。しかしながら、前記標本データに関して、ＰＯＳシステム又は類似したものが、販売カテゴリ１−３による製品販売データを収集するために実現されている。

後に説明するように、本発明は、結合及び評価のすべての統計的プロセスを実行するために、複数の異なったデータソースを統合するプロセスを提供する。前記データソースを、少なくとも３つのグループ、すなわち、国勢調査データ１０、「国勢調査に近い」データ１２、及び、標本データ１４に分割してもよい。国勢調査データ１０は、実質的に完全であり、失ったデータを補償するように予測する必要はない。国勢調査に近いデータ１２は、ほとんど完全であり、したがって、ある予測が必要であり、ここにより詳細に説明する。標本データ１４は、既知の薬局の約１０％の標本であり、その後１００％に予測する。国勢調査データ１０、国勢調査に近いデータ１２、及び、標本データ１４を、後により詳細に説明する。

国勢調査データ１０を、多数の卸売業者倉庫、例えば、好適実施例において約１０２の卸売業者倉庫と、並行輸入会社、例えば、好適実施例において約１１の並行輸入会社とから収集する。国勢調査データ１０は、小売薬局への卸売業者による医薬品製品の販売における完全な情報を与える。好適実施例において、これは完全な国勢調査情報であるため、予測は必要なく、他のサプライヤは、市場において活性であるとみなされない。専売製品形式コードＦＣＣによって示される各々の医薬品製品に関して、卸売業者から小売薬局への売上数量を、１８６０ブリックのレベルにおいて収集し、与える。この情報は、全体の小売薬局市場の約８５％をカバーする。このプロセスは、第１に、製造業者から卸売業者へ、卸売業者から小売薬局へ、及び、小売薬局から患者へ導かれた医薬品製品販売に関係するため、製造業者から小売薬局への直接販売は除かれる。全体の小売薬局市場の残りの１５％は、このような除かれた直接販売データを含む。

好適実施例において、データを月ぎめで収集及び処理する。本発明に使用されるデータ構造を表１において示す。前記データ構造は、製品タイプ、すなわち、製品形式コードＦＣＣと、調剤する薬局の位置に対応する１８６０ブリック、すなわち薬局ブリックとについての情報を含む。

国勢調査に近いデータ１２を、医薬品販売の記録を保持する薬局コーディングセンタから収集し、例えば、好適実施例において１４の薬局コーディングセンタが存在する。国勢調査に近いデータ１２は、第２保険プログラム、すなわち、好適実施例における公的健康保険によってカバーされる処方箋によって誘導される医薬品製品の販売を含む。前記データは、１８６０ブリックレベルにおいて要約され、前記製品についての情報、すなわち、製品形式コードＦＣＣ、調剤する薬局の位置に対応する１８６０ブリック、すなわち、薬局ブリック、及び、処方する医師の位置に対応する１８６０ブリック、すなわち、処方者ブリックについての情報を含む。前記薬局コーディングセンタは、合計の薬局の約９５〜９８％をカバーする。前記データの小さいセグメント、代表的に５％未満を、前記処方者ブリックに割り当てることはできず、したがって、前記データを、国勢調査ではなく、「国勢調査に近い」又は「準国勢調査」とみなす。補償範囲割合は、協力するコーディングセンタとの薬局のビジネス関係に応じて、各１８６０ブリックにおいて異なってもよい。任意の失われたデータを、後により詳細に説明するように、予測によって補償する。

好適実施例において、データ収集を、少なくとも月ぎめと同じだけ頻繁にし、本発明に関して、使用するデータ構造を表２において示す。

標本データ１４を薬局の標本から獲得し、例えば、２２００件の薬局を好適実施例において標本化する。製品形式レベルにおける以下のデータ、製品タイプ、すなわち製品形式コードＦＣＣ、薬局位置、ユニット数、及び、取引のカテゴリ、すなわち、（ａ）卸売業者から購入（間接購入）、（ｂ）製造業者からの購入、（ｃ）患者への販売、すなわち、第１保険プログラム、例えば、ＰＫＶ処方箋の下にカバーされる公衆（販売タイプ１）、（ｄ）患者への販売、すなわち、第２保険プログラム、例えば、ＧＫＶ処方箋の下にカバーされる公衆（販売タイプ２）、及び、（ｅ）処方箋なしでの公衆への販売（販売タイプ３）を収集し、表３において示す。

好適実施例において、標本データ１４を週ぎめ方式において電子形式において収集し、薬局の母集団に対して予測する。加えて、月ぎめ方式において、前記標本薬局は、それらの在庫レベルを報告する。前記データを、電子媒体において記憶し、インターネットを経てデータ処理のためにメールで送る、又は、送る。前記標本化及び予測方法を、後に詳細に説明する。

後により詳細に説明するように、すべての医薬品販売の一部を表す標本データ１４を、比例係数を掛けるようにして予測し、全体の医薬品販売を表す。したがって、間接販売における標本データ１４は、上述した小売薬局への卸売業者販売の国勢調査データと同一であるべきである。同様に、予測されたＧＫＶ処方箋に関する標本データ１４は、これらのようなＧＫＶ処方箋に関する国勢調査に近いデータ１２と同一であるであろう。前記３つのデータセット間の関係を使用し、個人保険によってカバーされる患者への医薬品販売における標本を基礎とした予測を訂正する。国勢調査データ１０、国勢調査に近いデータ１２、及び、標本データ１４を、本発明にしたがって、図１〜３の参照と共にここに説明するツール及びプロセスの組を使用することによって統合し、結合する。

処方箋によって誘導された医薬品製品販売に関係する標本データ１４を、小売薬局の十分に規定された標本から収集し、すべての既知の薬局を示す「母集団」に対する総売上高比によって予測する。前記データ標本化プロセスは、前記薬局、及び、各薬局における合計の販売、すなわち、総売上高におけるデータを獲得するステップを含む。前記領域分解は、多数のマクロ領域及びミクロ領域を含み、例えば、好適実施例において１７のマクロ領域及び４９０のミクロ領域が存在する。前記４９０のミクロ領域に関する店総計を、多数のソースから得てもよい。総売上高に基づくクラスへの分解を、州の統計局からと、加えて、選択された大都市の統計局から収集された情報から行う。この収集された母集団情報がいくつかのミクロ領域の総計であるところではどこでも、卸売業者国勢調査データを使用し、個々のミクロ領域における薬局サイズクラスあたりの総売上高を見積もる。卸売業者国勢調査データ及び外部の公式情報のこの結合によって、前記母集団データの正確な編集を得る。好適実施例において、前記母集団データを年ぎめ方式において収集する。前記公式統計のタイムラグは、２年である。傾向外挿法によって、現在の状態を反映させている。

好適実施例において、標本データ１４、すなわち「ＯＴＸ標本」に関する設計を１６州の層にし、ベルリンをさらに西及び東に再分し、結果として１７のマクロ領域が生じる。各々のマクロ領域内で、前記設計を、いわゆるミクロ領域の層にし、結果として合計４９０のミクロ領域が生じる。ここに記載したマクロ領域及びミクロ領域を、処方箋データの統計的標本を得るのに使用し、合計の標本データを見積もるのに使用される地理的セグメント（ブリック）及び領域と区別することに注意する。各々のミクロ領域を、３つの総売上高サイズクラスの層にする。したがって、設計セルの合計数は、１４７０である。前記４９０のミクロセグメントを、完全に前記１８６０ブリックから発生することができる。

２２００件の薬局の予め規定された合計の標本サイズを、前記４９０のミクロ領域にわたって不均衡に分配する。各々のミクロ領域内で、「サイズによって比例する」分配モデルを使用し、前記標本要素を前記総売上高サイズクラスに割り当てる。前記標本の「サイズによって比例する」割り当ては、より高い総売上高を有する薬局の故意の過剰標本化を可能にし、したがって、所定の標本サイズに関する情報内容を最適化する。他のよく知られている方法を用い、医薬品販売データを標本化してもよいことに注意する。

代わりのよく知られている標本化アプローチは、純粋な確率標本化である。これは、標本への薬局の実際の選択を、例えば以下のプロセス、通し番号を母集団における各薬局に割り当て、標本を、通し番号をランダムに選択することによって選択することによって進める。このプロセスによれば、ステップを以下のように規定する。

Ｓ＝次の整数に丸められた、母集団／標本

層（領域、特性等）における母集団の要素（医師、薬局等）の数が総計４９になり、前記標本設計が１０個の標本要素の補充を要求するとする。したがって、Ｓは、

Ｓ＝４９／１０＝４．９≒５

のように計算される。数Ｒを１とＳとの間でランダムに選択する。これは、前記ランダム選択の開始点である。前記例によって計数すると、Ｒ＝３とする。したがって、前記標本選択の第１要素は、前記母集団リストにおいてあげた３番目の母集団要素である。次の標本要素を選択するために、Ｓに前の標本要素のインデックス数を加えなければならない。一般的なインデックス式は、

Ｅ_ｉ＝Ｅ_ｉ−１＋Ｓ

Ｅ_１＝Ｒ

であり、ここでＥ_ｉは選択すべきｉ番目の標本要素である。上記例を使用し、以下の標本要素を選択しなければならない。

Ｅ_１＝３
Ｅ_２＝３＋５＝８
Ｅ_３＝８＋５＝１３

したがって、前記母集団リストにおける、第３、第８、第１３等の要素を前記標本に関して選択しなければならない。標本要素が応答しない場合、前記リストから前又は次の標本要素を選択する。

合計の市場データの見積もりを、ＯＴＸ標本データ１４の予測によって達成する（図１におけるステップ２０）。設計セルごとの予測計数、例えばＰＦＳを、所定の週における年次母集団総売上高対年次標本総売上高の比として計算する。月ぎめＯＴＸデータを、前記週ぎめデータの加算によって得る。ある週が暦月をまたぐ場合において、前記週の予測されたデータを、次の暦月へ平日の数によって比例して割り当てる。

この予測方法は、「総売上高に基づき層を成す予測」として知られている。この予測方法は、店計数関係に基づく簡単な予測と比較した場合、最終的な見積もりの統計的誤差マージンを重大に減少する。

前記標本サイズが、１８６０ブリックのレベルにおける予測されたデータを得るには代表的に小さすぎるため、ステップ１８におけるＯＴＸ標本データ１４をＡＢＣ領域レベルにおいて集め、予測セルあたりの十分な標本数を尊重する。この領域分解は、ドイツにおいて６６の異なったＡＢＣ領域から成るが、他の国において異なった数の領域が存在してもよい。ブリック又は地理的セグメントのＡＢＣ領域への集成は、購買力、人口密度、及び、都市化の程度のような社会経済的パラメータに関して均質の原則にしたがう。前記予測計数をこれらのＡＢＣ領域のレベルにおいて計算及び適用し、これによって、予測されたＯＴＸ標本データ２２を発生する（図１参照）。予測計数ＰＦＳを計算する一例を、式［１］によって後に与える。

予測されたＯＴＸ標本データ２２が偏っていないとは仮定できないため、特別なバイアス測定及び調節手順が開発された。この方法は、起こりうるバイアスを識別すると共に補正係数を適用するために、国勢調査に近いＧＫＶ処方箋データ１２、すなわち、前記第２保険プログラムによってカバーされた患者への医薬品販売を、前記ＡＢＣ領域のレベルにおける予測されたＯＴＸ標本データ２２と結合する。上述したように、予測されたＯＴＸ標本データ２２は、個人保険、公的「病気資金」保険等によってカバーされる医薬品販売についての情報を含む。好適実施例において、予測されたＯＴＸ標本データ２２を、ＧＫＶ処方箋処方薬に関する標本データを、ＧＫＶ処方箋に関する国勢調査に近いデータと比較することによって補正する。結果として生じる調節係数を、すべての予測されたＯＴＸ標本データ２２に適用し、ＧＫＶ処方箋及びＰＫＶ処方箋に関する販売データを含める。

より特に、国勢調査に近いＧＫＶ処方箋データ１２は、ある程度の予測を必要とする。ステップ２４において、国勢調査に近いＧＫＶ処方箋データ１２を、比例係数ＰＦＧを適用することによって予測する。後に例において説明するように、各々の１８６０ブリックに関する比例係数ＰＦＧは、既知の、すなわち、母集団、薬局の、前記薬局コーディングセンタの記録に含まれる薬局の数に対する比を表し、したがって、国勢調査に近いＧＫＶ処方箋データ１２において反映される（式［２］参照）。

前記１８６０ブリックを、前記データ標本の４９０のミクロ領域に関する、したがって、６６のＡＢＣ領域にも関するビルディングブロックである。前記１８６０ブリックに関するＧＫＶ処方箋データを、前記６６のＡＢＣ領域に集め、予測されたＧＫＶ処方箋データ２６を得て、これをファイルに書き込む。予測された国勢調査に近いＧＫＶ処方箋データ２６は、ＧＫＶ処方箋処方薬に関する予測されたＯＴＸ標本データ２２と同じ領域レベルである。したがって、双方のデータのソース間の比較を生じさせる。これら２つのデータセットの比較は、これら２つのデータセットが、領域の程度及びタイプの程度双方で互換性を持つデータレベルであるため、前記予測された標本データの起こりうるバイアスの補正を可能にする。

予測されたＯＴＸ標本データ２２を、前記６６のＡＢＣ領域の各々において、ステップ２８において、調節係数ｆ_ｋを前記予測されたＯＴＸ標本データ２２に適用することによって調節する。後により詳細に説明するように、調節係数ｆ_ｋは、各々のＡＢＣ領域に関する予測されたＯＴＸ標本データ２２と、各々のＡＢＣ領域に関する予測された国勢調査に近いＧＫＶ処方箋データ２６との比である（式［３］参照）。

本発明の手順は、個人保険、例えば、前記第１保険プログラム、又は、ＰＫＶ処方箋によってカバーされた医薬品販売に向けられている。したがって、予測されたＯＴＸ標本データ２２を、ステップ２８において調節した後、ステップ３０においてフィルタ処理し、個人処方箋に関するデータのみを含め、予測されたＯＴＸ／ＰＫＶ標本データファイル３２を形成する。前記予測された標本データをフィルタ処理し、異なった保険プログラムを含めることができることは理解される。

図２〜３に関して、上述したステップと同時に行ってもよい他のステップは、製品バスケット発生、及び、分割係数の計算を含む。上述した６６のＡＢＣ領域レベルにおいて見積もりを得る、予測されたＯＴＸ／ＰＫＶ標本データ３２を、その後、前記調剤する薬局の位置に対応する１８６０ブリックにわたって、又は、「薬局ブロック」によって再分配する。前記分配データを、上述した卸売業者国勢調査データ１０から得る。しかしながら、このデータソースは、医薬品卸売業者から小売薬局への配達のみを報告し、医薬品製造者から小売薬局への直接販売について報告しないため、前記卸売業者データの一部のみを考慮し、関連する分配データを得る。より特に、卸売業者を通じて主に販売されるこれらの製品のみを、この目的に関して考慮する。直接販売の大部分による製品は、これらのような製品は前記国勢調査データにおいて正確には反映されないため、前記分配プロセスをゆがめる。

上記基準を満たすこれらのような製品の定義は、予測されたＯＴＸ／ＰＫＶ標本データ３２と、卸売業者国勢調査データ１０との結合に基づく。「製品バスケット」と以後呼ばれる、結果として生じる製品選択を使用し、前記分配データを計算する。

前記分配を、特定の製品ではなく、製品分類によって計算する。好適実施例において、医薬品調剤の発生は、個々の製品におけるより、患者人口の罹病率構造に依存するように見つかっているため、前記分配をＡＴＣレベル（すなわち、その全体における参照によって個々に含まれる、欧州医薬品市場調査協会（ＥｐｈＭＲＡ）によって開発され、維持される「医薬品製品の解剖学的分類」）において計算する。これは、製品のＡＴＣ分類によって間接的に反映される。前記分配計算を、最低レベルにおいて計算し、これは、好適実施例においてＡＴＣ４レベル（解剖学的分類の第４レベル）である。

製品バスケット発生／分割係数補正３４を、図２〜３においてより詳細に示す。前記製品バスケット発生の第１ステップは、図２に示すように、いくつかの入力データセットを合併することである。好適実施例に置いて、前記データを、ＭＳＡ−ＶＭＦ１０２（すなわち、ドイツの医療供給調査）及びＰＨＤ−ＶＭＦ１０４（すなわち、小売薬局調査）と呼ばれるデータファイルから読み出す。ＶＭＦデータファイル１０２／１０４は、製品形式コードＦＣＣと、ある期間（例えば、２４ヶ月）中のパックユニット及び価格のような他の情報とを運ぶ。前記直接販売も、特別な記録タイプとして含まれ、したがって、識別可能である。（ＭＳＡ−ＶＭＦ１０２は、包帯、絆創膏等のような医療供給製品も含み、これらは、ドイツにおける小売薬局調査において特徴にならない。）ＶＭＦデータファイル１０２／１０４は、販売データを含むため、これらのデータファイルの内容は、月ごとに変化する。

次に、ドイツＮＤＦ１０６（すなわち、全国記述ファイル）を読み出す。ＮＤＦ１０６は、各々の製品形式コードＦＣＣに関する関連情報を運ぶ。例えば、ＮＤＦ１０６は、製品名、製造業者、価格等を含む完全な製品記述を含む。より重要には、ＮＤＦ１０６は、各々の製品形式コードＦＣＣに関係するＡＴＣ４分類を含む。ＶＭＦファイル１０２／１０４と対照的に、ＮＤＦ１０６の内容は、代表的に月ごとに変化しない。

次に、ステップ１０８において、各々のＶＭＦファイル１０２／１０４を、ＮＤＦ１０６と合併する。記述目的のこれらの中間ファイルを、ＰＨＤ＿ＮＤＦ（ＰＨＤ−ＶＭＦ及びＮＤＦの合併の結果として生じる）及びＭＳＡ＿ＮＤＦ（ＭＳＡ−ＶＭＦ及びＮＤＦの結果として生じる）と呼ぶことができる。合併は、少なくとも１つの変数を共通に有する２つ以上のデータファイルを結合するよく知られたプログラム技術を示す。合併の目的は、前記合併プロセスに提出されたデータファイルからの情報を保持する新たなデータファイルを形成することである。前記バスケット発生において、共通変数は、製品形式コードＦＣＣである。前記ＶＭＦデータファイル及びＮＤＦの合併から結果として生じるデータファイルは、製品形式コードＦＣＣと、現在の月及び現在の月の前の２ヶ月の要約ユニットデータと、ＡＴＣ４とを運ぶ。

その後、これら２つのファイル（ＰＨＤ＿ＮＤＦ及びＭＳＡ＿ＮＤＦ）を１つに合併し、フィルタ処理し、製品形式コードＦＣＣは共通変数である。記録を調和させるために（すなわち、製品形式コードＦＣＣは、ＰＨＤ＿ＮＤＦ及びＭＳＡ＿ＮＤＦの双方において特徴になる）、ＰＨＤ＿ＮＤＦを、前記結果として生じるデータファイルにおいて保つ。製品形式コードＦＣＣがＰＨＤ＿ＮＤＦにおいてのみ特徴になる場合、前記データを、前記結果として生じるデータファイルにおいて保つ。前記結果として生じるデータファイルは、ステップ１１０において書き込まれる前記製品バスケットである。前記製品バスケットのファイルフォーマットを、表４に示す。

前記製品バスケットは、その後の分割係数の計算が基づくすべての製品形式を運ぶ。

図３に関して、ステップ１１４において、国勢調査データ１０を読み出す。その後、ステップ１１６において、負のデータエントリを除去する。国勢調査データ１０は、正味の販売を示し、返品されたユニット数を減じた販売されたユニット数含む。前記販売が前記返品より少ない場合、正味の販売は負なる。このような負のエントリが生じた場合、これらを除去し、すなわち国勢調査データ１０から削除する。

ステップ１１８において、前記製品バスケットを読み出し、１８６０ブリックｉ及びＡＴＣ４分類のすべての可能な組み合わせを形成する。その後、ステップ１２０において、分割係数Ｓ_ｉ（ＡＴＣ４）を、ステップ１１８において形成された１８６０ブリックｉ及びＡＴＣ４分類の各々の組み合わせに関して計算する。後の例においてより詳細に説明するように、前記分割係数は、各々のＡＴＣ４分類に関して、１８６０ブリックにおける卸売業者製品販売の、国勢調査データ１０に基づいて個々のＡＢＣ領域における合計の卸売業者製品販売との割合を表す（式［４］参照）。

ステップ１１８〜１２０において発生された多数の分割係数により、いくつかの最適化を行ってもよい。例えば、ステップ１２２において、補助分割係数ファイルを、より高いＡＴＣレベルにおいて形成してもよい。ＡＴＣは階層的分類を提供するため、１８６０ブリックと、次のより高いレベルにおけるＡＴＣ分類とのより少ない組み合わせが存在する。（例えば、製品ナシビン（Ｎａｓｉｖｉｎ）（登録商標）は、ＡＴＸ４ Ｒ０１Ａ７（すなわち、鼻うっ血除去薬）に属する。次のより高いＡＴＣレベルは、Ｒ０１Ａ（すなわち、局所鼻調合剤）である。したがって、Ｒ０１Ａ７のレベルからＲ０１Ａのレベルに行くことは、より少ない合計ＡＴＣ分類を含む。）

他の最適化は、例において後により詳細に説明するように、ステップ１２０において計算された分割係数を、しきい値量未満の分割係数を除去し、前記分割係数を再計算することによって切り捨てることである（式［５］参照。最適な分割係数アレイをステップ１２４において選択し、前記「最適化」アレイを、すべてのブリックに関して非ゼロ値を有する分割係数アレイとして規定する。最終的な分割係数ファイルを、ステップ１２６において書き込む。

図１を参照し続け、前記分割係数をステップ３６において適用する。前記分割係数ファイル、及び、調整され、予測されたＯＴＸ／ＰＫＶ標本データファイル３２を読み出す。各々のＡＢＣ領域に関する、調節され、予測されたＯＴＸ／ＰＫＶ標本データ３２を、前記１８６０ブリックの各々に関して発生する。前記発生されたデータ記録の和は、当該ＡＢＣ領域の合計の医薬品販売に等しい。前記ＡＴＣ４分割係数の適用後、分配され、予測されたＯＴＸ／ＰＫＶ標本データ３８を、薬局位置を分配するために決定する。

ＧＫＶ処方箋に対する個人が処方する変化する強度を補正するために、図３において示す、「ＰＲＩＭＡＸ」補正とも呼ばれる補正インデックスを使用する。前記調節され、予測されたＯＴＸ／ＰＫＶ標本データ３８に関して、個人処方箋のこれらの製品の重大なシェアと、製造業者から卸売業者への直接販売の重要でないシェアとを有するこれらの製品を、ステップ４０において選択する。前記データを、ステップ４２において、ステップ２０２において選択された製品のみに関する国勢調査卸売業者データ１０と合併する。これらの個人処方箋製品を、各々の１８６０ブリックにおいて識別し、合計の１８６０ブリックボリュームのこれらのシェアをステップ４４において計算する。各々の１８６０ブリックに関して、特定の指標を、ステップ４６において、（ステップ４４において計算されたような）１８６０ブリックに関する選択された個人処方箋製品の平均シェアの、前記１８６０ブリックが位置するＡＢＣ領域に関する選択された個人処方箋製品の平均シェアとの比として計算する。ＰＲＩＭＡＸ補正係数を、例において後により詳細に説明する（式［６］参照）。

このＰＲＩＭＡＸ補正は、相対的な観点において個人処方箋への傾向があるため、任意の１８６０ブリックの可能性を考慮する。例えば、購買力に関する一般的なインデックスのように、商品の大きい配列に関する家庭の消費を規則的に結合することをより表示する。ＰＲＩＭＡＸは、個人処方箋のみを考慮し、したがって、前記予測されたＯＴＸ標本データの改善に適している。

本発明によれば、前記手順は、ステップ４８において、前記薬局部リックから前記処方者ブリックへの、前記調節され、予測されたＯＴＸ／ＰＫＶ標本データのさらなる再分配を行う。個々の分割係数ｄ_．，ｊを、予測された国勢調査に近いＧＫＶ処方箋データ２６から得る。一般的な観点において、分割係数ｄ_．，ｊを、特定の薬局ブリックにおいて生じる分配に寄与する各々の処方者ブリックの相対的重みとして表す。より特に、分割係数ｄ_．，ｊは、特定の処方者ブリックに帰する各々の１８６０薬局ブリックにおける医薬品販売と、個々の薬局ブリックにおける合計の医薬品処方箋との比である。この手順の基礎をなす仮定は、薬局ブリックと、対応する処方者ブリックとの間の関係が、医師人口の処方活動によって反映されることである。この活動は、上記でステップ２４において予測したように、国勢調査に近いＧＫＶ処方箋データ１２によって正確に反映される。前記分割係数の計算の一例を、例において与える（式［６］参照）。

ステップ４６において計算したようなＰＲＩＭＡＸ収集係数と、式［６］において後に計算するような分割係数ｄ_．，ｊとを、ステップ４８において、調節され、予測されたＯＴＸ／ＰＫＶ標本データ３８に適用する。任意に、ステップ４０−４６のＰＲＩＭＡＸ収集を省略してもよい。このような場合において、分割係数ｄ_．，ｊのみを、調節され、予測されたＯＴＸ／ＰＫＶ標本データ３８に適用する。

前記種々の分割係数の適用は、結果として、多くの場合において、パックユニットの断片を生じる。報告が整数番号上のみであるため、丸めることを行わなければならない。しかしながら、標準的な丸め手順は、最終的な見積もりにおいて過度な誤差を導入する。したがって、当該技術分野において既知のハレ−ニエメヤ（Ｈａｒｅ−Ｎｉｅｍｅｙｅｒ）丸めアプローチを使用する。この丸めアプローチを、図４に示すように、ＯＴＸデータセット５０に適用する。

上述したような見積もりプロセスは、上述したような３つのデータソースの結合である。図１〜４において使用する式のより詳細な説明をここに記載する。

表５は、ステップ２０に関して上述したＯＴＸ標本データを予測するプロセスと関連して使用する変数を規定する。より特に、標本化された販売データを、特定の薬局における販売量に基づいて、１〜３の総売上高クラスに分割してもよい。式［１］を使用し、各々のＡＢＣ領域及び各々の総売上高クラスに関する予測係数ＰＦＳを計算する。

Ｔｎ_ｋ，ｉ≧０に関して、

ＰＦＳ_ｋ，ｉ＝ＴＮ_ｋ，ｉ／Ｔｎ_ｋ，ｉ ［１］

Ｔｎ_ｋ，ｉ＝０の場合、母集団総売上高ＴＮ及び標本総売上高Ｔｎを、前記ＡＢＣ領域内の２又は３の総売上高サイズクラスにわたって要約し、重み付き平均予測係数を計算する。

これらの予測係数ＰＦＳを、すべての収集された販売データタイプ、すなわち、予測されたＯＴＸ標本データの３つのデータセットを結果として生じる、個人保険ＰＫＳ処方箋、公的健康保険ＧＫＶ処方箋、及び、無保険処方箋に適用する。

例
任意のＡＢＣ領域ｋに関して、関連するデータを表６に示す。

次に、式［１］にしたがって、前記予測係数を以下のように計算する。（表記［ｎ］を使用して式を示し、表記［ｅｎ］を使用して、上述した式を好例の数値と共に使用して数値結果を計算する例を示す。）

ＰＦＳ_ｋ，１＝２００００／７０００＝２．８６ ［ｅ１］

ＰＦＳ_ｋ，２＝１５０００／４０００＝３．７５ ［ｅ２］

ＰＦＳ_ｋ，３＝１００００／１２５０＝８．００ ［ｅ３］

上述したように、ＧＫＶデータは、国勢調査に近いデータ１２において完全には取得されない。等しくない補償範囲割合の影響を、簡単な予測によって補償する。ＯＴＸ国勢調査データ１０及び国勢調査に近いＧＫＶデータ１２は、前記データに含まれる薬局の数についての情報を含む。表７は、ステップ２４（図１）において予測係数ＰＦＧを計算することにおいて使用される変数を規定する。この予測係数を、すべての１８６０ブリックにおいて適用し、ｎ≦Ｎ及びｎ＞０とする。

ＰＦＧ_ｉ＝Ｎ_ｉ／ｎ_ｉ ［２］

例
任意の１８６０ブリックｉに関して、以下のデータを表８に示す。

次に、式［２］にしたがって、前記予測係数を以下のように計算する。

ＰＦＧ_ｉ＝１２／１０＝１．２０ ［ｅ４］

個人処方箋（上述したような販売タイプ１）に関する予測されたＯＴＸ標本データ２２の任意のバイアスを補償するために、前記ＡＢＣ領域のレベルにおける特定の調節係数を計算する。これらの調節係数を、予測された国勢調査に近いＧＫＶ処方箋データ２６と、ＧＫＶ処方箋（販売形式２）に関する予測されたＯＴＸ標本データ２２との比較から得る。ＧＫＶ処方箋における予測された販売は、非常に大量の処方箋におけるすべての予測された販売から成るため、これらの調節係数が前記個人処方箋にも有効であると安全に仮定することができる。式［３］におけるバイアス制御係数ｆ_ｋの計算において使用する変数を表９において規定する。

ｆ_ｋ＝ＯＴＸ_ｋ／ＧＫＶ_ｋ ［３］

したがって、各々のＡＢＣ領域に関して、特定のバイアス制御係数を計算し、その後、ステップ２８において、予測されたＯＴＸ標本データ２２に適用する。この調節によって、前記予測されたＯＴＸ標本データの任意の全面的なバイアスを除去する。

例
任意のＡＢＣ領域ｋに関して、例としてのデータを表１０において示す。

次に、式［３］にしたがって、前記バイアス制御係数を以下のように計算する。

ｆｋ＝１２００００／１１８０００＝１．０１７ ［ｅ５］

上述したように、調節され、予測されたＯＴＸデータ３２を、製品分類によって分配してもよい。好適実施例において、ＡＴＣ４をこのような分配に使用する。ステップ１１８において、上記の１８６０ブリックｉ及びＡＴＣ４計算のすべての組み合わせを形成する。各々の組み合わせに関するＡＴＣ４分割係数計算を後に式［４］において示し、変数を表１１において規定する。

任意の特定のＡＢＣ領域における１８６０ブリックのすべてに関して、式［４］は

を満たすことに注意する。

したがって、調節され、予測されたＯＴＸ標本データ３２に、式［４］において得られたＡＴＣ４分割係数を掛けることによって、前記ＡＢＣ領域において埋め込まれた各々の１８６０ブリックに関してデータ記録を発生し、発生されたデータ記録の和は、前記ＡＢＣ領域の合計に等しい。このステップは、販売データの分配に関係する国勢調査情報１０と、予測されたＯＴＸ標本データ３２から得たボリューム情報とを結合する。

例
任意のＡＢＣ領域及びＡＴＣ４レベルに関して、式［４］において使用するデータを表１２に示す。

次に、式［４］にしたがって、前記分割係数を以下のように計算する。

ｓ_１＝１６０００／７００００＝０．２３ ［ｅ６］

ｓ_２＝１１０００／７００００＝０．１６ ［ｅ７］

ｓ_３＝３０００／７００００＝０．０４ ［ｅ８］

ｓ_４＝１８０００／７００００＝０．２６ ［ｅ９］

ｓ_５＝２２０００／７００００＝０．３１ ［ｅ１０］

式［４］において計算されるような無視しうる値を有するＡＴＣ分割係数の法外に大きな配列を回避するために、前記分割係数配列を以下のように切り捨ててもよい。Ｓ_ｉ（ＡＴＣ４）番号を、降順に並び替える。
ｖ≦ｍとして、

の場合、切捨てを適用する。

このステップに続いて、元のｓ_ｉ（ＡＴＣ４）を、

にしたがって再配置する。式［５］は、

の要求を満たす。

上述したステップ３６における前記ＡＴＣ分割係数と、調節され、予測されたＯＴＸ標本データ３２との掛け算に基づいて、前記予測されたＯＴＸ標本データを、６６のＡＢＣ領域から、１８６０のブリック（薬局位置３８によるＯＴＸ／ＰＫＶデータ）に分解する。

ステップ４６（図４参照）において用いたＰＲＩＭＡＸ補正係数を以下に説明する。

項ＶＰ_ｉ，ｊは、薬局ブリックｉ（及び、ＡＢＣ領域ｊ）におけるＰＫＶ処方箋の重大なシェアと直接販売の重大なシェアとを有する製品に関係するユニットの総計である。項ＶＴ_ｉ，ｊは、薬局ブリックｉ（及び、ＡＢＣ領域ｊ）におけるユニットの総計である。項ＶＰ_．，ｊは、ＡＢＣ領域ｊにおけるＰＫＶ処方箋の重大なシェアと直接販売の重大なシェアとを有する製品に関係するユニットの総計であり、項ＶＴ_．，ｊは、ＡＢＣ領域ｊにおけるユニットの総計である。

前記ＰＲＩＭＡＸ補正係数を、以下のステップにしたがって計算する。

Ｒ_．，ｊ＝ＶＰ_．，ｊ／ＶＴ_．，ｊ ，ｊ＝１，．．．，６６ＡＢＣ領域 ［６ａ］

Ｒ_ｉ，ｊ＝ＶＰ_ｉ，ｊ／ＶＴ_ｉ，ｊ ，ｉ＝，．．．，１８６０ブリック，ｊ＝１，．．．，６６ＡＢＣ領域 ［６ｂ］

前記ＰＲＩＭＡＸ補正係数を、したがって、

Ｐ_ｉ，ｊ＝Ｒ_ｉ，ｊ／Ｒ_．，ｊ ［６］

のように計算する。

例
任意のＡＢＣ領域ｊに関して、関連するデータを表１４において示す。

次に、［６ｂ］にしたがって、ＰＫＶ処方箋の重大なシェアと直接販売の重大なシェアとを有するユニットの、ＡＢＣ領域１における合計ユニットに対する比を、以下のように計算する。

Ｒ_．，１＝（１００００＋１２０００＋１５０００＋１９０００＋２００００）／（１５０００＋１７０００＋１８０００＋２１０００＋３００００）＝０．７５２ ［ｅ１１］

各々のブリックｉに関する前記ＰＲＩＭＡＸ補正係数は、以下のようである。

Ｐ_１，１＝０．６６７／０．７５２＝０．８８７ ［ｅ１２］

Ｐ_１，２＝０．７０６／０．７５２＝０．９３８ ［ｅ１３］

Ｐ_１，３＝０．８３３／０．７５２＝１．１０８ ［ｅ１４］

Ｐ_１，４＝０．９０５／０．７５２＝１．２０３ ［ｅ１５］

Ｐ_１，５＝０．６６７／０．７５２＝０．８８７ ［ｅ１６］

前記ＰＲＩＭＡＸ補正係数を適用した後、前記データを、処方者ブリック、すなわち、処方する医師の位置に対応する１８６０ブリックに分配してもよい。本発明によれば、このような分配データに関する正確なソースを、予測された国勢調査に近いＧＫＶデータ２６から得ることができる。式［７］の分割係数計算は、表１５において規定する変数を使用する。

任意の薬局ブリックに関する分割係数を、

によって与え、式［６］は、

を満たす。

例
任意の１８６０薬局ブリックに関して、好例のデータを表１６において示す。

式［７］にしたがって、前記分割係数を以下のように計算する。

ｄ_．，１＝１４０００／１８１５０＝０．７７１ ［ｅ１６］

ｄ_．，２＝３０００／１８１５０＝０．１６５ ［ｅ１７］

ｄ_．，３＝８００／１８１５０＝０．０４４ ［ｅ１８］

ｄ_．，４＝３００／１８１５０＝０．０１７ ［ｅ１９］

ｄ_．，５＝５０／１８１５０＝０．００３ ［ｅ２０］

式［５］から結果として生じる無視しうる値を有する分割係数の法外に大きな配列を回避するために、前記分割係数配列を以下のように切り捨ててもよい。ｄ_．，ｊ番号を、降順に並び替える。

ここで、ｖ≦ｗとし、

の場合、切捨てを適用する。

このステップに続いて、元のｄ_．，ｊを、

にしたがって再配置する。式［８］は、

を満たす。

したがって、各々の薬局ブリックにおける予測されたＯＴＸ標本データ３８と、式［８］において得られた分割係数とを乗算することによって、各々の１８６０処方者ブリックに関してデータ記録を発生する。このステップは、前記データの分配に関係する予測された国勢調査に近いＧＫＶ処方箋データ２６と、予測されたＯＴＸ標本データ３８から得られたボリューム情報とを結合する。

本発明による好例のシステム２００を図５に示す。コンピュータプロセッサ２０２を使用し、入力／出力装置２０４によるデータの入力を制御し、上述したような処理ステップを行い、入力／出力装置２０４によるデータの出力を制御する。好適実施例において、前記コンピュータプロセッサを、ＩＢＭメインフレームコンピュータモデル９６７２−Ｒ６６とする。ＩＢＭ９６７２−Ｒ６６と同じ性能を提供する多くの代わりのコンピュータを使用してもよい。

国勢調査データ１０及びＧＫＶ国勢調査に近いデータ１２に、ＩＳＤＮダイアルイン接続プロトコルＩＤＴＲＡＮＳ、接続プロトコルＦＴＰによるＩＳＤＮダイアルイン、接続プロトコルＦＴＰによるインターネットのようなモード、又は、クーリエサービスによって、データ供給者からアクセスする。入力及びブリッジングソフトウェアを使用し、前記データをシステム２００にインポートする。ＯＴＸ標本データ１４に、データディスクの郵送によって、又は、インターネット又はＩＳＤＮダイアルインによる電子データ伝送によって、前記データ供給者からアクセスする。入力ソフトウェアを、ファイル検索、データ流入監視、プロセス／ブリッジング／品質制御、及び、アドレス管理に使用し、前記データをシステム２００にインポートする。

データ供給者からインポートした後、上述したように前記入力データをいくつかのファイルに記憶する。例えば、国勢調査データ１０、ＧＫＶ国勢調査に近いデータ１２、ＯＴＸ標本データ１４、ＡＢＣ領域ファイル１６、ＭＳＡ−ＶＭＦデータ１０２、ＰＨＤ−ＶＭＦデータ１０４、及び、ＮＤＦデータ１０６をハードディスクに記憶する。ハードディスク記憶装置を、例えば、ＩＢＭ ＲＡＭＡＣ仮想アレイ記憶装置とする。前記データのバックアップコピーを、テープカートリッジに記憶してもよい。ＩＢＭテープカートリッジタイプ３４９０を使用し、バックアップコピーを記憶してもよい。当該技術分野において既知の代わりのハードディスク及びテープカートリッジを使用してもよい。入力／出力装置２０４を、当該技術分野において既知のように、ハードディスク、又は、代わりにテープドライブとしてもよい。

ソフトウェア２１０を、コンピュータプロセッサ２０２においてロードし、前記処理ステップを実行する。好適実施例において、前記ソフトウェアを、ＳＡＳにおいてプログラムする。ＯＴＸデータ予測モジュール２１２は、プロセッサ２０２をプログラムして、標本化された買い手への製品販売を予測し、ステップ２０及び式［１］に上述したような予測され、標本化された製品販売を得るようにするソフトウェアを含む。ＧＫＶ予測モジュール２１４は、プロセッサ２０２をプログラムし、前記第２カテゴリにおける買い手への製品販売に関するＧＫＶ国勢調査に近いデータを予測し、前記第２カテゴリにおける買い手への製品販売に関する予測されたＧＫＶ国勢調査に近いデータを得るようにするソフトウェアを含む。ステップ２４において上述したようなＧＫＶ予測モジュール２１４は、各々の地理的セグメントに関して、式［２］において説明したように、第２比例係数を、前記第２カテゴリの買い手に対する製品販売の国勢調査に近いデータに適用し、各々の地理的セグメントに関する予測されたＧＫＶ国勢調査に近いデータを、個々の地理的領域に集める。

調節係数モジュール２１６は、プロセッサ２０２をプログラムし、モジュール２１４において計算された前記予測され、標本化された製品販売を、調節係数を前記第１カテゴリにおける買い手に対する予測された製品販売に適用することによって調節するようにするソフトウェアを含む。前記調節係数を、ステップ２８及び式［３］に関して上述したように計算する。

製品バスケット発生モジュール２１８は、プロセッサ２０２をプログラムし、ステップ１１０に関して上述したように、前記製品バスケットファイルを形成するようにするソフトウェアを含む。ＡＴＣ分割係数発生モジュール２２０は、プロセッサ２０２をプログラムし、前記ＡＴＣ分割係数を、各々の製品タイプ及び各々の地理的セグメントに関して、前記地理的セグメントにおける薬局への製品販売と、製品販売の国勢調査データに基づく個々の地理的領域における合計の製品販売との比として計算するようにするソフトウェアを含む。前記ＡＴＣ分割係数計算を、ステップ１１８〜１２４及び式［５］において上述した。ＰＫＶ薬局ブリック分配モジュール２２２は、モジュール２２０において計算された前記ＡＴＣ分割係数に適用し、薬局ブリックによるＰＫＶ処方箋における買い手への販売を分配する。

ＰＫＶ処方者ブリック分配モジュール２２４は、プロセッサ２０２をプログラムし、ステップ４０〜５０において上述したように、処方者ブリックによるＰＫＶ処方箋における買い手への販売を、第２分割係数を、薬局ブリックによって割り当てられたＰＫＶ処方箋における買い手への推定された製品販売に適用することによって分配するようにするソフトウェアを含む。式［７］〜［８］において詳述したような、各々の薬局ブリックに関する前記第２分割係数は、各々の薬局ブリックにおける取引の総数と、ＧＫＶデータ予測モジュール２１４によって決定された買い手への製品販売の予測された国勢調査に近いデータに基づく個々のブリックにおける取引の総数との比率を表す。

当業者は、本発明を、医薬品以外の分野において、説明した実施例以外によって実行することができ、前記説明した実施例を、説明の目的のためであって、限定の目的ではなくここに示し、本発明は、請求項によってのみ限定されることを認識するであろう。

本発明による好例の方法の第１部分のフローチャートである。 本発明による好例の方法の第２部分のフローチャートである。 本発明による好例の方法の第３部分のフローチャートである。 本発明による好例の方法の第４部分のフローチャートである。 本発明による好例のシステムの単純化したブロック図である。

Claims (17)

1. サービスプロバイダ位置に基づいて複数の地理的セグメントに割り当てられた第１カテゴリにおける買い手への製品販売数量を推定するシステムにおいて、前記複数の地理的セグメントが地理的領域を構成し、該システムが、
   （ａ）
   （ｉ）製品タイプ情報と、データ発生販売アウトレット位置に対応する地理的セグメント情報と、製品販売数量を定量化する第１の数値とを含む１つ以上の全数調査データ記録を具える、１つ以上のデータ発生販売アウトレットへの１つ以上の製品販売数量の全数調査データと、
   （ｉｉ）製品タイプ情報と、データ発生販売アウトレット位置に対応する地理的セグメント情報と、サービスプロバイダ位置に対応する地理的セグメント情報と、製品販売数量を定量化する第２の数値とを含む１つ以上の全数調査に近いデータ記録を具える、一人以上の買い手への第２カテゴリにおける１つ以上の製品販売数量の全数調査に近いデータと、
   （ｉｉｉ）製品タイプ情報と、データ発生販売アウトレット位置の位置情報と、データ発生販売アウトレット位置に対応する地理的領域情報と製品販売数量を定量化する第３の数値とを含む１つ以上の標本データ記録を具える、１つ以上のデータ発生販売アウトレット及び一人以上の買い手への１つ以上の製品販売数量の標本化データ
   とを記憶する大容量記憶装置と、
   （ｂ）前記大容量記憶装置に結合し、前記全数調査データ、全数調査に近いデータ、及び、標本化データを受け取る入力／出力装置と、
   （ｃ）予測手段、調節手段、分配手段を有するコンピュータプロセッサであって、前記入力／出力装置に結合し、
   （ｉ）各々の地理的領域に関して、該領域の標本データを読み出し、買い手への標本化製品販売数量を予測するために前記予測手段を使用して、予測された標本化製品販売数量を得て、
   （ｉｉ）各々の地理的領域に関して、該領域の各セグメントの前記全数調査に近いデータを読み出し、前記第２カテゴリにおける買い手への製品販売数量に関する全数調査に近いデータを予測するために前記予測手段を使用して、前記第２カテゴリにおける買い手への製品販売数量に関する予測された全数調査に近いデータを得て、各々の地理的セグメントに関する前記予測された全数調査に近いデータを個々の地理的領域に集計し、
   （ｉｉｉ）各々の地理的領域に関して、前記調節手段を使用して、前記第１カテゴリにおける買い手への予測された標本化製品販売数量を、前記第２カテゴリにおける買い手への予測された標本化製品販売数量と、前記第２カテゴリにおける買い手への製品販売数量に関する予測された全数調査に近いデータとの比に基づいて調節し、前記第１カテゴリにおける買い手への調節された製品販売数量を得て、
   （ｉｖ）前記分配手段を利用して、前記第１カテゴリにおける買い手への前記調節された製品販売数量を、前記データ発生販売アウトレット位置の地理的セグメントによって分配し、前記第１カテゴリにおける買い手への調節された製品販売数量に第１分割係数を適用することによって、データ発生販売アウトレット位置の地理的セグメントによって割り当てられた前記第１カテゴリにおける買い手への推定された製品販売数量を得て、ここで、前記第１分割係数が、各々の製品タイプに関してと、各々の地理的セグメントに関して、前記地理的セグメントにおけるデータ発生販売アウトレットへの製品販売数量と、個々の地理的領域における合計の製品販売数量との比であり、
   （ｖ）前記分配手段を利用して、データ発生販売アウトレット位置の地理的セグメントによって割り当てられた前記第１カテゴリにおける買い手への推定された製品販売数量に第２分割係数を適用することによって、前記第１カテゴリにおける買い手への製品販売数量を、サービスプロバイダ位置の地理的セグメントによって分配し、ここで、前記第２分割係数が、データ発生販売アウトレット位置の各々の地理的セグメントに関して、前記第２カテゴリにおける買い手への製品販売数量の予測された全数調査に近いデータに基づくサービスプロバイダ位置の各々の地理的セグメントにおける取引の総計と、個々の地理的セグメントにおける取引の総数との比である、
   ように構成されたコンピュータプロセッサとを具え、
   前記コンピュータプロセッサは、サービスプロバイダ位置の地理的セグメントによって割り当てられた前記第１カテゴリにおける推定された買い手への製品販売数量を論理的形式にグループ分けし、体系化し、前記分配の結果得られた推定結果のデータを、前記入力／出力装置を使用して出力データファイルに書き込むことを特徴とするシステム。
2. 請求項１に記載のシステムにおいて、前記コンピュータプロセッサを、前記予測手段を使用して、標本化された製品販売数量を、第１比例係数を前記標本化データに適用することによって予測するように構成し、前記第１比例係数が、各々の地理的領域に関して、全数調査の製品販売数量と、標本化された製品販売数量との比から成ることを特徴とするシステム。
3. 請求項１に記載のシステムにおいて、前記コンピュータプロセッサを、前記予測手段を使用して、前記第２カテゴリにおける買い手への製品販売数量の全数調査に近いデータを、各々の地理的セグメントに関して、第２比例係数を前記第２カテゴリにおける買い手への製品販売数量の全数調査に近いデータに適用することによって予測するように構成し、前記第２比例係数は、各々の地理的セグメントに関して、前記全数調査におけるデータ発生販売アウトレットの総数と、前記全数調査に近いデータにおけるデータ発生販売アウトレットの総数との比から成ることを特徴とするシステム。
4. 請求項１に記載のシステムにおいて、前記コンピュータプロセッサを、前記調節手段を使用して、前記第１カテゴリにおける買い手への予測された標本化製品販売数量を、前記第２カテゴリにおける買い手への予測された標本化製品販売数量と、前記第２カテゴリにおける買い手への製品販売数量に関する予測された全数調査に近いデータとの比を含む調節係数を適用することによって調節するように構成したことを特徴とするシステム。
5. 請求項１に記載のシステムにおいて、前記製品販売数量が医薬品製品販売数量であり、前記サービスプロバイダが医師であり、前記データ発生販売アウトレットが小売薬局であることを特徴とするシステム。
6. 請求項５に記載のシステムにおいて、前記第１カテゴリにおける製品販売数量が、個人健康保険プログラムによってカバーされる処方箋における医薬品製品販売数量であり、前記第２カテゴリにおける製品販売数量が、公的健康保険プログラムによってカバーされる処方箋における医薬品製品販売数量であることを特徴とするシステム。
7. サービスプロバイダ位置に基づいて複数の地理的セグメントに割り当てられた第１カテゴリにおける買い手への製品販売数量を推定する方法において、前記複数の地理的セグメントが地理的領域を構成し、
   （ａ）コンピュータプロセッサが、１つ以上のデータ発生販売アウトレットへの１つ以上の製品販売数量の全数調査データを前記入力／出力装置を介して受け取り、コンピュータのメモリまたは大容量記憶装置に記憶するステップであって、前記全数調査データが、製品タイプ情報と、データ発生販売アウトレット位置に対応する地理的セグメント情報と、製品販売数量を定量化する第１の数値とを含む１つ以上の全数調査データ記録を具える、ステップと、
   （ｂ）前記コンピュータプロセッサが、第２カテゴリにおける１つ以上の製品販売数量の全数調査に近いデータを前記入力／出力装置を介して受け取り、コンピュータの記憶装置または大容量記憶装置に記憶するステップであって、前記全数調査に近いデータが、製品タイプ情報と、データ発生販売アウトレット位置に対応する地理的セグメント情報と、サービスプロバイダ位置に対応する地理的セグメント情報と、製品販売数量を定量化する第２の数値とを含む１つ以上の全数調査に近いデータ記録を具える、ステップと、
   （ｃ）前記コンピュータプロセッサが、１つ以上のデータ発生販売アウトレット及び一人以上の買い手への１つ以上の製品販売数量の標本化データを前記入力／出力装置を介して受け取り、前記コンピュータの記憶装置または大容量記憶装置に記憶するステップであって、前記標本化データが、製品タイプ情報と、データ発生販売アウトレットの位置情報と 、製品販売数量を定量化する第３の数値とを含む１つ以上の標本データ記録を具え、各々の標本化データ記録を、前記データ発生販売アウトレットの位置に対応する個々の地理的領域に割り当てる、ステップと、
   （ｄ）各々の地理的領域に関して、前記コンピュータプロセッサが、予測手段を使用して、第１比例係数を前記標本化された製品販売数量に適用することによって、ステップ（ｃ）において受け取った買い手への標本化された製品販売数量を予測し、予測された標本化製品販売数量を得るステップと、
   （ｅ）各々の地理的セグメントに関して、前記コンピュータプロセッサが、予測手段を使用して、ステップ（ｂ）において受けた前記第２カテゴリにおける買い手への製品販売数量の全数調査に近いデータに第２比例係数を適用することによって、および、前記予測手段を使用して、各々の地理的セグメントに関する予測された全数調査に近いデータを個々の地理的領域に集計することによって、各々の地理的領域に関して、前記第２カテゴリにおける買い手への製品販売数量に関する全数調査に近いデータを予測し、前記第２カテゴリにおける買い手への製品販売数量に関する予測された全数調査に近いデータを得るステップと、
   （ｆ）各々の地理的領域に関して、前記コンピュータプロセッサが、調節手段を使用して、ステップ（ｅ）において決定された前記第１カテゴリにおける買い手への予測された製品販売数量に調節係数を適用するために該調節手段を使用することによって、前記第２カテゴリにおける買い手への予測された標本化製品販売数量を調節するステップであって、前記調節係数が、ステップ（ｄ）において決定された前記第２カテゴリにおける買い手への予測された製品販売数量と、ステップ（ｅ）において決定された前記第２カテゴリにおける買い手への製品販売数量に関する予測された全数調査に近いデータとの比を含む、ステップと、
   （ｇ）前記コンピュータプロセッサが、分配手段を使用し、前記第２カテゴリにおける買い手への製品販売数量を、前記データ発生アウトレット位置の地理的セグメントによって、ステップ（ｆ）において決定された前記第１カテゴリにおける買い手への調節された製品販売数量に第１分割係数を適用するために前記分配手段を使用することによって分配するステップであって、前記第１分割係数が、各々の製品タイプ及び各々の地理的セグメントに関して、前記地理的セグメントにおけるデータ発生販売アウトレットへの製品販売数量と、ステップ（ａ）において受けた製品販売数量の全数調査データに基づく個々の地理的領域における合計の製品販売数量との比である、ステップと、
   （ｈ）前記コンピュータプロセッサが、前記分配手段を使用し、前記第１カテゴリにおける買い手への製品販売数量を、前記サービスプロバイダ位置の地理的セグメントによって、データ発生販売アウトレット位置の地理的セグメントによって割り当てられた前記第１カテゴリにおける買い手への推定された製造販売数量に第２分割係数を適用するために前記分配手段を使用することによって分配するステップであって、前記第２分割係数が、データ発生販売アウトレット位置の各々の地理的セグメントに関して、サービスプロバイダ位置の各々の地理的セグメントにおける取引の総数と、ステップ（ｅ）において決定された前記第２カテゴリにおける買い手への製造販売数量の予測された全数調査に近いデータに基づく個々の地理的セグメントにおける取引の総数との比である、ステップと
   （ｉ）前記コンピュータプロセッサが、前記分配の結果得られた推定結果のデータを、前記入力／出力装置を使用して出力データファイルに書き込むステップとを含み、
   前記コンピュータプロセッサが前記予測手段、前記調節手段、および、前記分配手段を有することを特徴とする方法。
8. 請求項７に記載の方法において、前記買い手への標本化された製造販売数量を予測するステップが、前記第１比例係数を、各々の地理的領域に関して、ステップ（ａ）において受けた前記全数調査の製造販売数量と、ステップ（ｃ）において受けた前記標本化された製造販売数量との比に決定する前記予測手段を含むことを特徴とする方法。
9. 請求項７に記載の方法において、前記第２カテゴリにおける買い手への製造販売数量に関する全数調査に近いデータを予測するステップが、前記第２比例係数を、 各々の地理的セグメントに関して、ステップ（ａ）において受けたデータ発生販売アウトレットの総数と、ステップ（ｂ）において受けたデータ発生販売アウトレットの総数との比に決定する前記予測手段を含むことを特徴とする方法。
10. 請求項７に記載の方法において、前記地理的セグメントが１８６０ブリックを具え、前記地理的領域が６６領域を具えることを特徴とする方法。
11. 請求項７に記載の方法において、前記データ発生販売アウトレット位置の地理的セグメントによって割り当てられた前記第１カテゴリにおける買い手に対する製造販売数量を推定する前記ステップ（ｇ）が、各々の販売タイプに関して、ＡＴＣ４分類を割り当てる前記コンピュータプロセッサを含むことを特徴とする方法。
12. 処方者位置に基づいて複数の地理的セグメントに割り当てられた第１保険プログラムによってカバーされた患者への医薬品製造販売数量を推定する方法において、前記複数の地理的セグメントが地理的領域を構成し、
    （ａ）１つ以上の医薬品製造販売数量の全数調査データを入力／出力装置を介して受け取り、コンピュータが読み取り可能な大容量記憶装置に記憶するステップであって、前記全数調査データが、製品タイプ情報と、個々の薬局位置に対応する地理的セグメント情報と、製造販売数量を定量化する第１の数値とを含む１つ以上の全数調査データ記録を具える、ステップと、
    （ｂ）第２保険プログラムによってカバーされる一人以上の患者への１つ以上の医薬品製造販売数量の全数調査に近いデータを前記入力／出力装置を介して受け取り、コンピュータが読み取り可能な大容量記憶装置に記憶するステップであって、前記全数調査に近いデータが、製品タイプ情報と、個々の薬局位置に対応する地理的セグメント情報と、個々の処方者位置に対応する地理的セグメント情報と、前記製造販売数量を定量化する第２の数値とを含む１つ以上の全数調査に近いデータ記録を具える、ステップと、
    （ｃ）１つ以上の医薬品製造販売数量の標本化データを入力／出力装置を介して受け取り、コンピュータが読み取り可能な大容量記憶装置に記憶するステップであって、前記標本化データが製品タイプ情報と、薬局位置情報と、製造販売数量を定量化する第３の数値とを含む１つ以上の標本化データ記録を具え、各々の標本化データ記録を、前記薬局位置に対応する個々の地理的領域に割り当てるステップと、
    （ｄ）各々の地理的領域に関して、前記大容量記憶装置から患者への前記医薬品製造販売数量の標本化データ（ｃ）および前記医薬品販売の全数調査データ（ａ）を読み出すためにコンピュータプロセッサを使用し、予測された患者への医薬品製造販売数量を、ステップ（ｃ）において標本化された患者への標本化された医薬品製造販売数量に、前記コンピュータプロセッサの算術的手段を介して第１比例係数を適用することによって決定するステップであって、前記第１比例係数が、前記幾何学的領域に関して、ステップ（ａ）において収集された前記全数調査医薬品製造販売数量と、ステップ（ｃ）において標本化された前記標本化された医薬品製造販売数量との比を含み、結果値をメモリに記憶し、および／または、前記大容量記憶装置に書き込むステップと、
    （ｅ）各々の地理的領域に関して、前記大容量記憶装置から、ステップ（ｂ）で収集される前記第２保険プログラムによってカバーされる患者への医薬品製造販売数量の前記全数調査に近いデータ、および、 1 つ以上の医薬品製造販売数量の前記全数調査データを読み出すためにコンピュータプロセッサを使用し、前記第２保険プログラムによってカバーされる患者への医薬品製造販売数量に関する予測された全数調査に近いデータを、各々の地理的セグメントに関して、ステップ（ｂ）において収集された前記第２保険プログラムによってカバーされる患者への医薬品製造販売数量全数調査に近いデータに、前記コンピュータプロセッサの算術的手段を介して第２比例係数を適用し、各々の地理的セグメントに関する予測された全数調査に近いデータを個々の地理的領域に集計することによって決定するステップであって、前記第２比例係数が、各々の地理的セグメントに関して、ステップ（ａ）において収集された調剤する薬局の総数と、ステップ（ｂ）において収集された調剤する薬局の総数との比を含み、結果値をメモリに記憶し、および／または、前記大容量記憶装置に書き込むステップと、
    （ｆ）各々の地理的領域に関して、前記大容量記憶装置またはメモリから前記第１保険プログラムによってカバーされる患者への前記予測された医薬品製品の販売（ｄ）、および、前記第２保険プログラムによってカバーされる患者への医薬品製造販売数量の予測された前記全数調査に近いデータ（ｅ）を読み出すためにコンピュータプロセッサを使用し、前記第１保険プログラムによってカバーされる患者への調節された医薬品製造販売数量を、ステップ（ｄ）において決定された前記第１保険プログラムによってカバーされる患者への前記予測された医薬品製造販売数量に、前記コンピュータプロセッサの前記算術的手段を介して調節係数を適用することによって決定するステップであって、前記調節係数が、ステップ（ｄ）において決定された前記第２保険プログラムによってカバーされる患者への予測された医薬品製造販売数量と、ステップ（ｅ）において決定された前記第２保険プログラムによってカバーされる患者への医薬品製造販売数量に関する予測された全数調査に近いデータとの比を含み、結果値をメモリに記憶し、および／または、前記大容量記憶装置に書き込むステップと、
    （ｇ）前記大容量記憶装置またはメモリからステップ（ｆ）の前記結果値を読み出すためにコンピュータプロセッサを使用し、前記薬局位置の地理的セグメントによって割り当てられた前記第１保険プログラムによってカバーされる患者への医薬品製造販売数量を、ステップ（ｆ）において決定された前記第１保険プログラムによってカバーされる患者への調節された医薬品製造販売数量に、前記コンピュータプロセッサの前記算術的手段を介して第１分割係数を適用することによって推定するステップであって、前記第１分割係数が、各々の製品タイプ及び各々の地理的セグメントに関して、前記地理的セグメントにおける薬局への医薬品製造販売数量と、ステップ（ａ）において収集された前記医薬品販売の前記全数調査に基づく個々の地理的領域における合計の医薬品製造販売数量との比を含み、結果値をメモリに記憶し、および／または、前記大容量記憶装置に書き込むステップと、
    （ｈ）前記大容量記憶装置またはメモリからステップ（ｅ）の前記結果値を読み出すためにコンピュータプロセッサを使用し、前記処方者位置の地理的セグメントによって割り当てられた前記第１保険プログラムによってカバーされた患者への医薬品製造販売数量を、薬局位置の地理的セグメントによって割り当てられた前記第１保険プログラムによってカバーされた患者への推定された医薬品製造販売数量に、前記コンピュータプロセッサの前記算術的手段を介して第２分割係数を適用することによって推定するステップであって、前記第２分割係数が、薬局位置の各々の地理的セグメントに関して、処方者位置の各々の地理的セグメントにおける処方箋の合計数と、ステップ（ｅ）において決定された前記第２保険プログラムによってカバーされた患者への医薬品製造販売数量の予測された前記全数調査に近いデータに基づく個々の地理的セグメントにおける処方箋の合計数との比を含み、結果値をメモリに記憶し、および／または、前記大容量記憶装置に書き込むステップと
    （ｉ）各々の製品タイプに関して製品バスケットファイルを形成するために前記コンピュータプロセッサを使用するステップであって、前記製品バスケットファイルが、ステップ（ａ）において収集された前記全数調査データに基づく製造業者から薬局への直接医薬品製造販売数量の相対的な割合に関する情報を含み、前記ファイルが前記データを論理的形式にグループ分けし体系化した結果であるステップと、入力／出力装置を介して出力データファイルへ書き込むステップと
    を含むことを特徴とする方法。
13. 請求項１２に記載の方法において、予め決定された割合より上の直接販売の割合を有する製品タイプを除くステップをさらに含むことを特徴とする方法。
14. 請求項１２に記載の方法において、前記製品タイプについての情報が、ＡＴＣ４分類を含むことを特徴とする方法。
15. 請求項１２に記載の方法において、前記薬局位置の地理的セグメントによって割り当てられた前記第１保険プログラムによってカバーされる患者への医薬品製造販売数量を推定するステップ（ｇ）が、各々の地理的セグメント及び製品タイプの組み合 わせを形成するステップを含むことを特徴とする方法。
16. 請求項１５に記載の方法において、前記第１保険プログラムによってカバーされる患者への医薬品製造販売数量を推定するステップ（ｇ）が、前記第１分割係数の配列を計算するステップを含むことを特徴とする方法。
17. 請求項１５に記載の方法において、前記第１分割係数の配列を計算した後、予め決められた最小値より下の各々の第１分割係数に関する配列を切り捨て、前記第１分配係数の配列を、残った分割係数に基づいて再計算するステップをさらに含むことを特徴とする方法。

Images