2021.09_PREVENTインターン成果報告

タグ
スライド概要

株式会社PREVENTのデータサイエンスチームで受け入れたインターンシップ活動報告。

profile-image

戸田拓弥

@PREVENT_DS

作者について:

株式会社PREVENTのデータサイエンスチームで働いています。 ヘルスケア分野のデータを取り扱っています。

スライド一覧
シェア

※このスライドは限定公開です。一般公開されていないためご注意ください

埋め込む»CMSなどでJSが使えない場合

公開日

2021-11-05 14:45:11

各ページのテキスト

1. PREVENT インターンシップ活動報告 2021.9.6 ~ 24 @データサイエンスチーム

2. 目次 1. インターンシップ課題の結果共有 a. インターンシップ紹介 b. 引用文献 c. 解析結果 PREVENT Inc. All rights reserved. 2

3. 免責事項 課題の目的としては、レセプトデータを解析できる状態にし、先行文献にある指標を取得、結果の可 視化、検定までの一連の流れを体験していただくことでした。そのため、 本発表スライドの解析結果に情報につきまして、可能な限り正確な情報を掲 載するよう努めておりますが、必ずしもそれらの正確性や安全性等を保証する ものではありません。万が一、本発表結果をご利用することで発生したトラブル に関しては一切の責任を負いかねます。あらかじめご了承くださいますようお願 い致します。 また本免責事項、および当サイトに掲載しているすべての記事は、予告なしに 変更・削除されることがあります。 予めご了承下さい。 PREVENT Inc. All rights reserved.

4. インターンシップ紹介 PREVENT_データサイエンスチーム インターンシップ 目的: 1. ヘルスケアIT企業が保有する実データに触れていただく 2. DSチームの業務を体験する 3. データ活用方法について学習する 課題: 1. 解析業務Myscopeのデータクレンジング 2. データセットや業務のドキュメント整理 3. 匿名加工済みデータを用いた先行文献の追従解析 PREVENT Inc. All rights reserved. 4

5. 引用文献 https://bmjopen.bmj.com/content/11/7/e050938 日本でのCOVID-19流行時における 主な慢性疾患に対する医師受診と薬の処方:レトロスペクティブコホート研究 先行文献で用いられていた評価方法 • COVID-19流行中における月ごとの医師の受診回数 • 月ごとの受診者割合 • 月ごとのProportion of Days Covered, PDC(薬でカバーされる日数の割合) • 処方日数をその月の日数で除したもの PREVENT Inc. All rights reserved. 5

6. 解析結果:データ解析対象者の選択フロー 匿名データベース (2017.1.1~2020.5.31) 169,717 除外基準 2019.9~2020.2に 慢性疾患の受診・処方なし 159,393 主分析の対象者 COVID-19流行前(2019.9~2020.2) 慢性疾患の受診・処方あり 10,324 除外基準 2018.3~2018.5に 慢性疾患で受診・処方がない 5,012 副次分析の対象者 COVID-19流行前に 2年以上慢性疾患の定期受診あり 5,312 PREVENT Inc. All rights reserved. 6

7. 解析結果: 対象者特性 2018年度時点 主分析対象者 (n=10,324) 副次分析対象者 (n=5,312) 55.7 (10.6) 57.3 (9.1) 男性数 (%) 6,148 (59.6%) 3,358 (63.2%) 高血圧 7,074 (68.5%) 4,068 (70.6%) 糖尿病 1,980 (19.2%) 1,063 (20.0%) 脂質異常 5,489 (53.2%) 2,796 (52.6%) 平均年齢 (SD) PREVENT Inc. All rights reserved. 7

8. 解析結果: 受診回数の変動(主分析対象者) 第1回および第2回緊急事態宣言以降で、減少傾向が見られた。 第1回 緊急事態宣言 第2回 緊急事態宣言 1.35 1.31 1.32 PREVENT Inc. All rights reserved. 1.29 8

9. 解析結果: PDC算出方法 月ごとPDC算出方法 - PHAレセプトに処方日、次回処方日からの日数を追加 PDC算出(処方日数 / 処方日からの日数) PDCを月ごとに平均集計 PDC = 処方日数 / 処方日からの日数 ※ 月に1回以上処方日がある場合は処方月のPDCとして平均を算出する。 処方日数 処方日からの日数 処方日 次回処方日 PREVENT Inc. All rights reserved. 9

10. 解析結果: PDCの変動(主分析対象者) 第2回緊急事態宣言時で減少傾向 第1回および第2回緊急事態宣言以降で回復傾向が見られた。 第1回 緊急事態宣言 第2回 緊急事態宣言 1.00 0.94 0.95 PREVENT Inc. All rights reserved. 0.94 10

11. 解析結果: 受診回数とPDCのトレンド(主分析対象者) 受診回数は例年と異なるトレンドが見られた。 第1回 緊急事態宣言 第1回 緊急事態宣言 PREVENT Inc. All rights reserved. 11

12. 解析結果: 受診回数とPDCのトレンド(副次解析対象者) 2年間継続で治療を行っている集団で 受診頻度のトレンドは大きく変わらなかった。 第1回 緊急事態宣言 第1回 緊急事態宣言 PREVENT Inc. All rights reserved. 12

13. 感想と今後の課題 ● 対象者抽出 ○ 「対象疾患の診断があるひと」でなく「対象疾患の診断があり、かつ何らかの処方がある人」で あったため、MEDレセプトとPHAレセプトの紐づけが難しかった。 ● ● レセプト理解 ○ はじめ、レセプトを1受診1レセプトidと誤認識していたため、手戻りが発生した。 ○ 最大値や最小値を見たときに、どういう状況なのか理解ができなかった(調剤用量 360とか) 検定 ○ 正規分布していない、対応ありなし、検定方法の選び方、解釈etc PREVENT Inc. All rights reserved. 13