JP5711197B2

JP5711197B2 - 疾病状況、医療費等の集計分析のための電子レセプトデータ処理システム

Info

Publication number: JP5711197B2
Application number: JP2012228575A
Authority: JP
Inventors: 吉田裕貴子
Original assignee: 株式会社ＨＳＴ−Ｌａｂｏ
Priority date: 2012-10-16
Filing date: 2012-10-16
Publication date: 2015-04-30
Anticipated expiration: 2032-10-16
Also published as: JP2014081756A

Description

本発明は、平成１８年度から厚生労働省主導により電子化が進められているレセプトデータを活用した疾病状況、医療費等の集計・分析をより効果的かつ有効に行うための電子レセプトデータの処理システムに関する。

レセプトとは、「診療（調剤）報酬明細書」と言われ、患者が受けた診療について、医療機関が保険者（市町村や健康保険組合等）に請求する医療費の明細書のことである。レセプトには患者氏名、保険者番号、病名、診療月に行った注射、処置、手術、検査、診断、リハビリや処方した薬剤についての点数が記載されており、受診者毎に医療機関が月単位で作成する。

医療機関にて作成された電子レセプトデータは、社会保険診療報酬支払基金又は国保連合会に送られ、当該支払基金又は国保連合会で整理した後、保険者（各健康保険組合や市区町村）に送付される。

保険者（各健康保険組合や市区町村）のうち、特に大企業等の健康保険組合の場合は、支払基金から送付された電子レセプトデータを、当該組合加入の企業等からの様々な要求に応じて集計・分析し、その結果を提供している。ただし、個人情報にかかわる内容については一切提供しない。

当該組合加入企業は、各健康保険組合が実施する保健事業（健康増進策、疾病予防対策等）が効果的に実施されているのかどうかの判断材料として、上記レセプトデータの集計・分析を要求しているが、その理由は、上記保健事業を実施するための費用が、組合加入企業及び被保険者が支払う保険料の一部を利用しており、その費用対効果は、保険料を支払う組合加入企業及び被保険者にとって大きな問題であるからである。

一方、実際にレセプトに病名を記入するのは各担当医師であるが、同じ病気であっても全ての医師が同じ病名を記入するとは限らず、医師によって微妙に表現が違うケースもある。

そのため、正確なデータ分析を行う上で、こうした医師毎に違う表現を統一する必要があり、例えば特開２００２−３６６６４８号公報等に開示された技術では、「表記揺らぎ」を吸収して分析するシステムが提案されている。

特許公開２００２−３６６６４８号公報

しかしながら現状のレセプトデータは、そもそも診察した医師によって記載する傷病名（病名）が、「表記揺らぎ」以前の問題として、大雑把であったり、不適当であったりするケースがある。このため様々な要求に応じた正確な集計・分析を行う上で問題が残されている。

本願発明は、上記の現状を踏まえ、電子レセプトデータを用いて疾病状況や医療費等を集計分析するための電子レセプトデータ処理システムであって、検査項目名及び薬剤名と、これらから推定される最適傷病名を記憶した診療行為・医薬品・傷病関連マスタと、前記電子レセプトデータ中に存在する傷病名、検査項目名、薬剤名と、前記診療行為・医薬品・傷病関連マスタとを比較する比較手段と、前記電子レセプトデータ中に存在する傷病名と前記最適傷病名とが異なる場合、当該傷病名を前記最適傷病名に読み替える読替手段とを備え、前記比較手段によって前記電子レセプトデータ中に存在する傷病名、検査項目名、薬剤名と、診療行為・医薬品・傷病関連マスタとを比較し、当該傷病名と前記最適傷病名とが異なる場合、前記読替手段によって前記最適傷病名を前記読替傷病マスタに記憶する、ことを特徴とする。
また本願発明は、前記読替手段によって読替えられた前記最適傷病名は、端末画面に不適切表示とともに表示され、目視確認の後、前記読替傷病マスタに記憶する、ことを特徴とする。

本発明によれば、患者に発症している正確な傷病名を特定でき、この正確なデータに基づいて疾病状況、医療費等を集計・分析することができる。その結果、健康保険組合で実施する各種の保健事業について、本当に効果があったかどうかを正確に判断するための基礎資料となりうる。

更には、正確な医療費の集計・分析結果に基づいた保健事業の企画、立案、実施、効果測定等を行うことができるため、最終的には、企業が受ける社会的損失（従業員の長期休業や退職による生産性の損失など）の防止、潜在的患者が本格的に発症するのを防ぐことにより、医療費全体の削減、抑制を可能とする。

電子レセプトデータの送付に関するフロー傷病分析システムデータの概要傷病別分解マスタ作成のフロー後発医薬品比較マスタ作成のフロー実際のレセプトデータの一例（医科）実際のレセプトデータの一例（薬剤）ＩＣＤ１０傷病コードの一例

以下、本発明の実施例について詳細に説明する。図１に示す通り、各種医療機関で作成された電子レセプトデータは、インターネット回線等を通じて、支払基金や国保連合に送信される。

支払基金や国保連合は、この電子レセプトデータを保険者毎に分類し、それぞれの健康保険組合や市区町村に送付する。

なお現状において、医療機関によっては、レセプトを電子データの形式ではなく紙媒体で支払機関に送付する者も存在する。その場合、支払基金において必要情報のみを手作業でパンチ入力し電子データ化している。

電子レセプトデータは、約２５６の項目から構成されているが、前記支払基金にて必要情報のみを手作業で入力したデータは約６０項目である。本実施例では、約２５６項目からなる電子レセプトデータをレセ電コード情報、支払基金にて必要情報のみを手作業で入力したデータを固有テキスト情報と呼ぶが、電子レセプトデータと言う場合は、レセ電コード情報と固有テキスト情報を合わせたデータも意図する。

本実施例では、情報処理業者が、各健康保険組合等からレセ電コード情報、固有テキスト情報、被保険者情報、被扶養者情報、その他分析に必要な情報を入手して、様々な集計や分析処理サービスを行うビジネスモデルを想定している。

情報処理業者は、図２に示す通り、電子レセプトデータを用いて各種の集計・分析を行うため、医科・調剤レセプト連結マスタ、傷病別分解マスタ、読替傷病マスタ、後発医薬品比較マスタの４つのマスタを作成する。

なお上記各マスタを作成する前に、レセプトデータと突き合わせるための傷病名マスタ、医薬品マスタ、診療行為マスタ、後発医薬品マスタ、診療行為・医薬品・傷病関連マスタ、重みづけデータを作成しておく。

以下、上記医科・調剤レセプト連結マスタ、傷病別分解マスタ、読替傷病マスタ、後発医薬品比較マスタの４つのマスタを作成する過程につき、図３、図４に基づいて説明する。

情報処理業者は、各健康保険組合等から入手したレセ電コード情報、固有テキスト情報、被保険者情報、被扶養者情報、事業所情報、その他分析に必要なデータを自社サーバー内に読み込み処理する。

１．医科・調剤連結合算処理
まず、レセ電コード情報及び固有テキスト情報から、医科レセプトとその際処方された薬剤レセプトを連結合算する。通常、医師が診療や処置及び検査したレセプトと、薬剤のレセプトとは別々になっているが、本処理では、特定個人のデータとして連結し合算する。この合算したデータを「医科・調剤レセプト連結マスタ」とする。

例えば、特許株式会社健康保険組合の特許太郎さんの２０１２年１０月の医療費は１００点、薬剤費は５０点であった場合、連結後は１５０点とするデータを作成する。

２．ＰＤＭ法による処理
次に、ＰＤＭ（ＰｒｏｐｏｒｔｉｏｎａｌＤｉｓｅａｓｅＭａｇｎｉｔｕｄｅ）法を利用して、レセプトごとの点数、日数について重みづけデータを参照し、レセプトに掲載された全ての傷病毎に分解した「傷病別分解マスタ１」を作成する。なお、ＰＤＭ法とは、岡本悦司氏（国立保健医療科学院）が考案したレセプトの点数や日数を、それに記載された全ての傷病名に一定の「重み」を与えて比例配分する分類法である。

現在、一般的に行われているレセプトの集計・分析処理は、複数の傷病が列挙されていても、最上位に記載された傷病名しか集計・分析の対象としていないが、それでは正確な病状を把握できない。本実施例では、レセプトに列挙されている全ての傷病を集計・分析の対象とするため、ＰＤＭ法を使って点数配分している。

例えば、上記特許株式会社健康保険組合の特許太郎さんの２０１２年１０月の医療費１００点、調剤５０点、計１５０点の内訳は、ＰＤＭ法による分解によって糖尿病治療７０点、高血圧症治療５０点、痛風治療３０点とするデータを作成する。

３．傷病読替処理
次に、レセプトデータ中に存在する傷病名、検査項目名、薬剤名と診療行為・医薬品・傷病関連マスタとを照合することによって、傷病名が正しく正確に記載されているかを判断し、正確でないと判断した場合には、傷病名を前記最適傷病名に読み替える読替処理を行って「読替傷病マスタ」を作成する。

図５、図６は実際のレセプトの一例である。図５に示したレセプトには、診察を行った医師によって、その傷病名を「流行性感冒の疑い」と記載されているが、検査項目を見るとインフルエンザの判断に行う特有の検査が行われており、また図６に示すレセプトでは、処方された薬剤がタミフル（ロッシュ社の登録商標）となっていることから、正確な傷病名は「インフルエンザ」であると推定できる。

このように、本実施例では、医師による不適切な傷病名が記載されていても、検査項目や処方された薬剤によって、正確な病名に読替えることができるため、結果として、正しい分析を行うことが可能となっている。なお、前記傷病名の適切な名称への読替え処理は、プログラムによって自動的に最適名称を選択するか、或いはプログラムによって不適切表示が出され、目視確認の後、人的処理によって最適名称をデータ入力するようにしてもよい。

４．ＩＣＤ１０傷病コードの付与処理
次に、傷病名に付されるコードに関する処理を、図７に基づいて説明する。日本国内の医療機関では、国内で定められた傷病名コード（７桁傷病コード）が付与されており、図７に示すとおり、傷病名ごとに特定の番号が付されている。例えば、同じインフルエンザのカテゴリーでも、Ａ型、Ｂ型などバラバラであり、このコード番号だけでは、症状や病名をグルーピングすることができない。

これに対し、国際コードであるＩＣＤ１０傷病コードは、同じインフルエンザのカテゴリーであれば主たるコードが同一であるため、これらを一括りにグルーピング可能であり、かつ国際的な感染症名との比較も容易となる。このため、本実施例では、傷病名コード（７桁傷病コード）に対して、ＩＤＣ１０傷病コードを付与する処理を行っている。このＩＤＣ１０傷病コードが付与されたデータを「傷病別分解マスタ２」とする。

５．名寄処理
次に、保険証資格情報から、各レセプトを同一人物として集計・分析が可能なように名寄処理を行う。

これまでのレセプトを用いた集計・分析処理では、ある特定の個人が、３カ月通院した場合、通院者３件として処理されていた。すなわち、実際の患者＝病人は１人であるにも関わらず、集計結果は、あたかも３人の患者が発生したと判断されるような処理を行っていた。

例えば、組合員数２５００人の特許株式会社健康保険組合の２０１１年の１年間の通院者は、特許太郎さんただ一人であるが、特許太郎さんは５月、６月、８月に通院したとすると、２０１１年の患者発生率は２５００分の３と処理されていたが、実際には特許太郎さんただ一人であるため、２５００分の１と処理する必要がある。

本実施例では、こうした実態と合わない集計・分析を防止するため、名寄処理によって、本当の患者数が分かるようにしている。この名寄処理されたデータを「傷病別分解マスタ３」とする。

６．市区町村コードの付与
各医療機関が作成するレセプトには、患者の住所情報は存在しないが、本実施例では、健康保険組合等から入手した被保険者及び被扶養者の情報から市区町村のデータを抽出し、レセプトデータに追加する。なお、被保険者又は被扶養者の住所が特定できない場合には、医療機関の所在地データを付与する。住所情報が付与されたデータを「傷病別分解マスタ４」とする。

この追加処理の目的は、例えば、インフルエンザ等の感染病がどこで最初に発生し、どこに拡大していったのかを時系列で分析可能とするためである。従来のように、レセプトデータのみを用いた場合には、住所による集計・分析は不可能であり、感染病の発生地、拡大範囲等を時系列で知ることができなかったが、本実施例によればこれらも集計・分析することができる。

上記の集計・分析方法は、仮に全国の健康保険組合のレセプトデータを入手することができれば、各健康保険組合や個々の企業と言う範囲を超えて、全国規模での感染症予防対策にも役立てることが可能となる。

なお、一般的にレセプトデータの集計・分析は、実際の診療行為から１〜２カ月後に行われるため、リアルタイムでの感染拡大を把握することは不可能であるものの、過去のデータの蓄積により、将来予測の基礎とするなど、有効活用することが可能である。

７．未受診者データ作成処理
病気の発生率や患者率を把握するためには、分母となる母集団が必要となるが、電子レセプトデータのみでは、この母集団が不明であるため「率」を把握することができない。

本実施例では、健康保険組合等から入手した被保険者及び被扶養者の情報から、レセプトデータの存在しない者、即ち、通院していない者についても未受診者としてのファイルを作成する。

上記未受診者のファイルは、レセプトデータと全く同じ項目を有するものであり、病名や検査名、薬剤名が「空」となっているファイルである。

この空ファイルの者と電子レセプトデータが存在する者を合計した人数が、当該健康保険組合に加入する被保険者及び被扶養者の総数であるため、この数字を分母として集計することで、様々な「率」を把握することが可能となる。

仮に、将来的に未受診者が病気となって通院した場合、その後に送られてくるレセプトデータによって、診療や処置及び検査、処方された薬剤の情報が記載されたデータと置き換える。

この未受診者ファイルからなる未受診者マスタと、上記傷病別分解マスタ１〜４とを合体させて、最終的な「傷病別分解マスタ」を作成する。

８．後発医薬品比較マスタの作成
また、医療費に占める薬剤価格も大きな社会問題となっており、近年は後発医薬品、いわゆるジェネリック品の推奨も進められている。

本実施例では、新薬とジェネリック品のデータベースからなる後発医薬品比較マスタを予め作成しておき、電子レセプトに記載された薬剤に対し、安価なジェネリック品が存在するかどうかも分析できるようにしている。

情報処理事業者は、以上のとおり作成された各マスタから、クライアントの求めに応じて患者別、傷病別等に集計処理し、帳票出力及び分析結果照会画面用データ等を作成する。

例えば、最も基本となる医療費の３要素別（1人当たり件数、1件当たり日数、1日当たり診療費）の集計処理は無論のこと、本発明のデータを用いて集計・分析する場合、従来のシステムやデータではなし得なかった正確な病名による集計・分析、住所情報に基づく感染症の発生や拡大状況の分析、個人単位での病気の発生率など多種の集計・分析を実施することができる。

Claims

電子レセプトデータを用いて疾病状況や医療費等を集計分析するための電子レセプトデータ処理システムであって、
検査項目名及び薬剤名と、これらから推定される最適傷病名を記憶した診療行為・医薬品・傷病関連マスタと、
前記電子レセプトデータ中に存在する傷病名、検査項目名、薬剤名と、前記診療行為・医薬品・傷病関連マスタとを比較する比較手段と、
前記電子レセプトデータ中に存在する傷病名と前記最適傷病名とが異なる場合、当該傷病名を前記最適傷病名に読み替える読替手段とを備え、
前記比較手段によって前記電子レセプトデータ中に存在する傷病名、検査項目名、薬剤名と、診療行為・医薬品・傷病関連マスタとを比較し、
当該傷病名と前記最適傷病名とが異なる場合、前記読替手段によって前記最適傷病名を前記読替傷病マスタに記憶する、
ことを特徴とする電子レセプトデータ処理システム。
前記読替手段によって読替えられた前記最適傷病名は、端末画面に不適切表示とともに表示され、目視確認の後、前記読替傷病マスタに記憶する、
ことを特徴とする請求項１に記載の電子レセプトデータ処理システム。