Recommandé
Contenu connexe
En vedette
En vedette (20)
電子カルテデータの二次利用
- 3. 趣味 Ｒ言語の新しいパッケージを試すこと 好きなパッケージは、dplyr ,ggplot2 ,leaflet , rmarkdown マラソン、ＰＣ自作、ピザ自作
- 10. SQLデータベース Structured Query Languageの略で、 構造化された問い合わせ言語という意味。 ID Name age gender 1055 琴似 太郎 70 Male 2795 屯田 花子 40 Female 4865 麻生 二郎 65 Male ID byoumei date 1055 急性上気道炎 2010-01-15 2795 胃潰瘍 2012-03-30 4865 肝硬変 2014-05-10 Select * from pt_master Select id, byoume, date from byoumei_table
- 11. 接続スクリプト library(RODBC) con <- odbcConnect(“データソース", “ID", “PASSWORD") con %>% sqlQuery(., “use データベース名;") sql <- c("select Id,Name,Birth,Age,sex from Person ;") ds <- con %>% sqlQuery(.,sql) con %>% odbcClose # databeseを変更 # databaseとのconnectionを切断
- 12. データベース内のテーブル構成 テーブル名 項目 行数 患者マスター ID,名前,性別,生年月日,住所等 約6,300 処置、検査、薬剤 マスター 薬剤名、薬価、製薬会社、 内視鏡検査、XP、US等 約43,000 病名マスター 約30,000 病名テーブル ID,病名,日付,等 約79,000 血液検査テーブル ID,検査日,検査コード,値,等 約400,000 処置テーブル 約800,000 カルテテーブル 約42,000 サマリーテーブル 約6,300 バイタルテーブル 約68,000 来院テーブル 約17,000 予約テーブル 約79,000
- 15. 個のデータ 全体のデータ
- 16. データベース内のテーブル構成 テーブル名 項目 行数 患者マスター ID,名前,性別,生年月日,住所等 約6,300 処置、検査、薬剤 マスター 薬剤名、薬価、製薬会社、 内視鏡検査、XP、US等 約43,000 病名マスター 約30,000 病名テーブル ID,病名,日付,等 約79,000 血液検査テーブル ID,検査日,検査コード,値,等 約400,000 処置テーブル 約800,000 カルテテーブル 約42,000 サマリーテーブル 約6,300 バイタルテーブル 約68,000 来院テーブル 約17,000 予約テーブル 約79,000 年齢データ 血液検査データ
- 18. 全患者の血液検査データ
- 19. データベース内のテーブル構成 テーブル名 項目 行数 患者マスター ID,名前,性別,生年月日,住所等 約6,300 処置、検査、薬剤 マスター 薬剤名、薬価、製薬会社、 内視鏡検査、XP、US等 約43,000 病名マスター 約30,000 病名テーブル ID,病名,日付,等 約79,000 血液検査テーブル ID,検査日,検査コード,値,等 約400,000 処置テーブル 約800,000 カルテテーブル 約42,000 サマリーテーブル 約6,300 バイタルテーブル 約68,000 来院テーブル 約17,000 予約テーブル 約79,000 病名リスト
- 20. 病名毎のpie chart plotrix packageでpie chart作ってます。
- 21. 悪性疾患の臓器別の比率
- 22. データベース内のテーブル構成 テーブル名 項目 行数 患者マスター ID,名前,性別,生年月日,住所等 約6,300 処置、検査、薬剤 マスター 薬剤名、薬価、製薬会社、 内視鏡検査、XP、US等 約43,000 病名マスター 約30,000 病名テーブル ID,病名,日付,等 約79,000 血液検査テーブル ID,検査日,検査コード,値,等 約400,000 処置テーブル 約800,000 カルテテーブル 約42,000 サマリーテーブル 約6,300 バイタルテーブル 約68,000 来院テーブル 約17,000 予約テーブル 約79,000 住所情報 緯度経度情報（Google API使用）
- 24. 疾患毎にデータを検討
- 26. eGFR（推算糸球体濾過量） 一般的に腎機能の目安は糸球体濾過量（GFR）により評価されます。 日常臨床では、eGFRという計算式で求めます。 でもこんなの電卓で計算できないので、Rでやってもらいます。 eGFR(mL/分/1.73m^2） =194 X Cr [mg/dL]^-1.094 X 年齢[歳]^-0.287 (女性は X 0.739)
- 27. データベース内のテーブル構成 テーブル名 項目 行数 患者マスター ID,名前,性別,生年月日,住所等 約6,300 処置、検査、薬剤 マスター 薬剤名、薬価、製薬会社、 内視鏡検査、XP、US等 約43,000 病名マスター 約30,000 病名テーブル ID,病名,日付,等 約79,000 血液検査テーブル ID,検査日,検査コード,値,等 約400,000 処置テーブル 約800,000 カルテテーブル 約42,000 サマリーテーブル 約6,300 バイタルテーブル 約68,000 来院テーブル 約17,000 予約テーブル 約79,000 年齢、性別 糖尿病患者リスト 血清Cr
- 31. 血液透析導入の予測
- 32. データベース内のテーブル構成 テーブル名 項目 行数 患者マスター ID,名前,性別,生年月日,住所等 約6,300 処置、検査、薬剤 マスター 薬剤名、薬価、製薬会社、 内視鏡検査、XP、US等 約43,000 病名マスター 約30,000 病名テーブル ID,病名,日付,等 約79,000 血液検査テーブル ID,検査日,検査コード,値,等 約400,000 処置テーブル 約800,000 カルテテーブル 約42,000 サマリーテーブル 約6,300 バイタルテーブル 約68,000 来院テーブル 約17,000 予約テーブル 約79,000 年齢、性別 糖尿病患者リスト 血清Cr 薬剤データ（今回はビクトーザ）
- 34. 薬剤の効果をplotする関数 ① 薬剤を内服している患者リストを抽出 ② 患者ID毎に、薬剤投与開始日からの 検査のデータを抽出 ③ ggplotでグラフ作成
- 35. データベース内のテーブル構成 テーブル名 項目 行数 患者マスター ID,名前,性別,生年月日,住所等 約6,300 処置、検査、薬剤 マスター 薬剤名、薬価、製薬会社、 内視鏡検査、XP、US等 約43,000 病名マスター 約30,000 病名テーブル ID,病名,日付,等 約79,000 血液検査テーブル ID,検査日,検査コード,値,等 約400,000 処置テーブル 約800,000 カルテテーブル 約42,000 サマリーテーブル 約6,300 バイタルテーブル 約68,000 来院テーブル 約17,000 予約テーブル 約79,000 年齢、性別 糖尿病患者リスト HbA1c 薬剤データ
- 37. 糖尿病薬のHbA1cに対する効果
Notes de l'éditeur
- 本日はData visualization、データの視覚化という題目で 統計言語Rを用いた電子カルテデータの二次利用の方法について、 お話させていただきます。
- 本日の内容ですが、 当院のネットワーク環境、電子カルテについて 電子カルテのデータ保存について 統計言語Rによるデータ視覚化の実例 今後の展望についてです。 （表示） まず当院のネットワーク環境について簡単に説明します。
- 当院は、電子カルテサーバー１台、画像サーバーが１台、クライアントPC５台構成になっております。 画像サーバーはDICOMサーバーでFUJIのadvanciaと 東芝のXario200、X線システムと直結しております。 クライアントPCはデュアルディスプレイで電子カルテと画像を同時に表示しております。
- では次に、（表示）電子カルテのデータ保存について説明します。
- データベースは、いくつかのテーブルで構成されています。 患者マスター、処置マスター、病名テーブル、病名マスター等です。血液検査、処置テーブルは、ID毎に多くのデータをもっていますので、 当院の患者数であっても、行数が５０万行に達しています。
- テーブルは（表示）各々IDで紐づけされており、一つのテーブルのデータ量が多くならないように工夫されております。 この考え方が、現在データベースの主流である、リレーショナルデータベースという概念です。
- では実際に（表示）統計言語Rによるデータの視覚化の実例をお話しします。 まず先にR言語についてですが、
- データベースは、いくつかのテーブルで構成されています。 患者マスター、処置マスター、病名テーブル、病名マスター等です。血液検査、処置テーブルは、ID毎に多くのデータをもっていますので、 当院の患者数であっても、行数が５０万行に達しています。
- （表示）Summarｙ関数を用いて、平均、中央値、最大、最小、２５パーセンタイルを求めます。 （表示）ボックスプロットを用いるとさらに（表示）、一目で基本統計量の一部が確認できます。 ただ情報をかなり切り捨てているため、このままでは年代毎の特徴等は不明です。 （表示）Pyramid関数を用いて人口ピラミッドを作成すると、４０台、６０台にピークを持つ人口構成がハッキリします。
- 血液検査データも、容易に抽出することができます。 全ての血液検査項目のヒストグラムを作成したり、気になる項目は（表示）、QQプロットで正規性を確認したり、ボックスプロットで平均、外れ値を見たりが簡単に行えます。
- データベースは、いくつかのテーブルで構成されています。 患者マスター、処置マスター、病名テーブル、病名マスター等です。血液検査、処置テーブルは、ID毎に多くのデータをもっていますので、 当院の患者数であっても、行数が５０万行に達しています。
- 病名テーブルからは、疾患毎の患者数、有病率が計算できます。治験や、市販後臨床試験の対象患者をチェックするのに便利です。
- データベースは、いくつかのテーブルで構成されています。 患者マスター、処置マスター、病名テーブル、病名マスター等です。血液検査、処置テーブルは、ID毎に多くのデータをもっていますので、 当院の患者数であっても、行数が５０万行に達しています。
- データベースは、いくつかのテーブルで構成されています。 患者マスター、処置マスター、病名テーブル、病名マスター等です。血液検査、処置テーブルは、ID毎に多くのデータをもっていますので、 当院の患者数であっても、行数が５０万行に達しています。
- データベースは、いくつかのテーブルで構成されています。 患者マスター、処置マスター、病名テーブル、病名マスター等です。血液検査、処置テーブルは、ID毎に多くのデータをもっていますので、 当院の患者数であっても、行数が５０万行に達しています。
- データベースは、いくつかのテーブルで構成されています。 患者マスター、処置マスター、病名テーブル、病名マスター等です。血液検査、処置テーブルは、ID毎に多くのデータをもっていますので、 当院の患者数であっても、行数が５０万行に達しています。
- では実際に（表示）統計言語Rによるデータの視覚化の実例をお話しします。 まず先にR言語についてですが、
- 今回は、電子カルテから抽出した情報をグラフ等で視覚化するのみで、ほとんどデータの加工は行っておりません。 今後はこれらのデータを用いて、アソシエーション分析、SVM、決定木等による診断支援システムの構築。 薬剤による治療介入の効果判定等を検討しております。