地域医療データバンクのレセプトデータを活用した病院選択行動のロジット分析  [in Japanese] Multilogit Analysis of Hospital Selection Behavior Using Receipt Data in the Community Health Care Data Bank  [in Japanese]

Access this Article

Author(s)

    • 仁藤 慎也 Nito S
    • 群馬大学 工学研究科 情報工学専攻 Department of Computer Science, Graduate School of Engineering, Gunma University
    • 藍原 雅一 Aihara M
    • 自治医科大学 地域医療学センター 地域医療情報学部門 Division of Community Health Informatics, Center for Community Medicine, Jichi Medical University
    • 関 庸一 Seki Y
    • 群馬大学 理工学研究院 電子情報部門 Division of Electronics and Informatics, Faculty of Science and Technology, Gunma University

Abstract

地域医療計画において適切な病床数を計画するには,将来の患者数を少ない誤差で推定することが不可欠である.このためには居住地域ごとにどのような患者がどの医療機関の受療を選択するかを明らかにすることが必要である.本研究では,この患者の受療選択の構造を大規模な地域医療情報(地域医療データバンク)から明らかにする一つの方法を提案する.患者が受療する病院を選ぶにあたっては,対象医療機関の効用のみならず,自宅から医療機関までの道のり距離の影響が大きな影響をもつと考えられる.また,後者の影響は性別,年齢階層といった患者属性によりその効果が異なってくると考えられる.そこで,これらの影響を患者の病院に対する効用として多項ロジットモデルにより定式化する.これを地域医療データバンクのレセプト情報から推定することにより,患者の医療機関選択確率を推定することが可能となる.ある県を推定事例として,地域医療データバンクから主要10病院のレセプトデータを抽出し,当該県におけるがん患者に関する効用モデルを推定した.推定されたモデルの係数より,どの病院からも距離が離れている患者は,規模が最大の大学病院を選択するなどの傾向があり,また,高年齢層は自宅近くの病院に行く確率が高いことが確認できた.医療機関における将来の患者シェアを性年齢ごとに明らかにすることができれば,これと将来の人口動態推計を合わせることで,医療機関ごとの患者数を推定できることとなる.

In order to plan the appropriate number of beds in a regional medical plan, it is essential to estimate accurately the number of future patients. Therefore it is necessary to clarify what kind of patient chooses which medical institution for each residential area. In this study, we propose a method to clarify the structure of the patient' hospital selection from the large regional medical information: Community health care data bank. When a patient chooses a hospital visit, we can assume that the patient considers not only the utility of candidate institutions, but also the distances from his/her home to these institutions. Furthermore, the influence of the latter might be different by their attributes, such as their gender and age. Then we formulate their utility structure by the multinomial logit model. Using the model estimated from a large dataset of receipts, we can estimate the selection probability of patient. We estimate an example model in a prefecture. First, we extract data of 10 major hospitals from the data bank, and we estimate the utility model for cancer patients. From the coefficients of the estimated model, we reveal that the patient who is away from all hospital tends to choose the largest university medical institution, and that the high age patient has a large probability to go to a hospital near his home. If we are able to clarify the structure of patients' share, combining with future population composition, we can estimate the future number of patients of each medical institution.

Journal

  • Japan Journal of Medical Informatics

    Japan Journal of Medical Informatics 33(5), 243-251, 2013

    Japan Association for Medical Informatics

Codes

  • NII Article ID (NAID)
    130004709160
  • Text Lang
    JPN
  • ISSN
    0289-8055
  • Data Source
    J-STAGE 
Page Top