Contenu connexe
Similaire à 20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について (10)
20161121日本医療情報学連合大会 チュートリアル 国立病院機構における電子カルテデータ標準化について
- 4. 事業の成果(標準化の普及促進関係)
• 最新のSS-MIX2Ver1.2cに完全準拠しているモジュールが41病院に
導入
• SS-MIX2 Ver1.2cモジュールの導入
• SS-MIX2に完全準拠しているモジュール
• HOTコード・JLAC10・ICD10など標準コードを全面的に導入・活用
• 従前のモジュールで課題となっていたベンダー毎の表記ゆれ等の問
題が解決され、データ形式の標準化が可能となります
• 本モジュールは6ベンダーから他の医療機関にも(有償にて)提供可
能です。
• 他の医療機関が厚生労働省標準規格に準拠(SS-MIX2・標準コード
等)したシステムを導入するに当たり、当該事業で作成したドキュメン
ト(手順書)を活用することにより、専門的な知識を要することなく、簡
便に導入することが可能となります。
3
- 9. HOSPnet
8
IT基盤構築の仕組み (標準化、IT基盤とは)
n 本事業では、各病院の電子カルテシステムのデータをSS-MIX2 Ver.1.2c形式に変換(標準化)
し、診療情報データベースに収集する仕組み(IT基盤)を構築します。
n このIT基盤は、各病院に導入するSS-MIX2サーバと、機構本部(データセンター)に導入する本
部診療情報データベースシステムから構成されます。
機構病院
SS-MIX2モジュール
電⼦カルテシステムに⼊⼒された
⽇々の診療情報をSS-MIX2
Ver.1.2c形式に変換して蓄積・
保存
電⼦カルテシステム
診療⽇時、診察内容、処置内容、
検査内容など、様々な診療情報
を蓄積・管理
機構本部
(データセンター)
本部診療情報
データベース
41病院分のデータを
収集・蓄積・保存・加⼯・分析
- 10. 9
SS-MIX2を⽤いたIT基盤構築事業参加病院⼀覧
500床以上 350〜499床 349床以下 複合(その他) 障害病床中⼼ 総計
富⼠通
6病院
⾦沢医療,名古屋医療,
⼤阪医療,九州医療,
⻑崎医療,熊本医療
5病院
横浜医療,相模原,
千葉医療,⼩倉医
療,別府医療
1病院
南和歌⼭医療
6病院
北海道医療,⻄群
⾺,東京,⻑良医療,
村⼭医療,福岡東
医療
4病院
東埼⽟,医王,
三重,広島⻄
医療
22
⽇本電気
2病院
北海道がん,埼⽟
3病院
旭川医療、帯広、
⾼知
1病院
仙台⻄多賀 7
ソフトウェ
ア・サービス
5病院
⾼崎総合,四国が
ん,九州がん,嬉野
医療,⿅児島医療
1病院
⽶⼦医療
1病院
⾼松医療
7
⻲⽥医療情報
2病院
⻄新潟中央、
敦賀医療
2
SBS
1病院
静岡医療
1病院
天⻯
2
⽇本IBM
1病院
仙台医療
1
総計 7 13 3 11 7 41
ベンダ・病院種別分布
北海道東北 関東信越 東海北陸 近畿 中国・四国 九州 総計
6病院 11病院 7病院 3病院 5病院 9病院 41病院
地域毎
- 11. 101010
n 院内コードと標準コードを紐付ける対応表を作成します(マッピング作業)。
n 病院毎に異なる院内コードを、標準コードに変換することにより、他病院と連携した診療情報
の分析等が可能になります。
院内コード ⇔ 標準コード
112233 ⇔ 無し
A病院 A社電子カルテ
院内コード ⇔ 標準コード
A0101 ⇔ 無し
B病院 B社電子カルテ
院内コード ⇔ 標準コード
9900 ⇔ A111
C病院 C社電子カルテ
出力データ
出力データ
出力データ
現状(イメー
ジ)
院内コード ⇔ 標準コード
112233 ⇔ A111
A病院 A社電子カルテ
院内コード ⇔ 標準コード
A0101 ⇔ A111
B病院 B社電子カルテ
院内コード ⇔ 標準コード
9900 ⇔ A111
C病院 C社電子カルテ
出力データ
出力データ
出力データ
マッピング後(イメー
ジ)
病院個別の運用 ⇒ ○
他病院との情報連携 ⇒ ○
情報連携による研究、分析 ⇒ ○
病院個別の運用 ⇒ ○
他病院との情報連携 ⇒ ×
情報連携による研究、分析 ⇒ ×
院内コード
標準コード
どちらも連携不可
標準コードで
他病院との
情報連携可能
病院におけるマッピング作業
- 12. 名称 院内コード 標準コード 単位 ID 日付 院内コード 値
γGTP 602347 3B090000002327101 IU/ℓ 98002 150128 602347 45
標準コード 院内コード 名称 値 単位
3B090000002327101 602347 γGTP 45 IU/ℓ
電子カルテ
データ標準化のイメージ(SS-MIX2出力)
マスターテーブル 結果テーブル
SS-MIX2データ
SS-MIX2出力データ
①フォーマット変換②正規化フィルター
③固有要因
プログラム
標準化
プログラム
マッピング作業:
JLAC10コードを入力。ここ
が空欄になっているのを
埋める作業を実施
マスターテーブル 結果テーブル
(検体検査)
(細菌検査)
(生理検査)
SS-MIX2出力デー
タ
…
…
①フォーマット変換:電子カルテのフォーマットをSS-MIX2フォーマットに変換する
②正規化フィルター:例えば、同一検査で単位が混在している場合、標準とされる単位に変換する(白血球検査で「個/μℓ」と「×10²個/μℓ」が混在している
場合、標準の単位が「個/μℓ」であれば、院内電子カルテ上で「×10²個/μℓ」の単位にて表されている「値」については、×100してSS-
MIX2出力データとする)。他には、使用している文字コードが違う場合、標準とされる方にあわせて変換する、など。
③固有要因プログラム:病院独自の検査表示など実施している場合、出力時に標準に合うように変換する。
マスターテーブル 結果テーブル
マスターテーブル 結果テーブル
①②は標準化プログラムとして電子カルテ6ベンダーにて開発。
③は各病院における電子カルテ導入業者が開発。
電子カルテデータからSS-MIX2データへ変換する際、対象とな
るカテゴリーは(検体検査)など数十個存在。
すべてのカテゴリーを変換する標準化プログラムについて、確
認・検証する必要がある。
…
…
白血球 602560 2A010000001966201 ×10²個/μℓ 98002 150128 602560 49 2A010000001966201 602560 白血球 4900 個/μℓ
標準化
外部委託検査項目(検査会社にコード
情報を依頼)
紐付ける標準コードに選択の余地のな
い検査項目
検査技師に定型質問をし、標準コード
を判別する検査項目
検査技師に非定型質問をし、標準コー
ドを判別する検査項目
検査項目2000~3000件/病院
うち、SEが機械的に入力できる項目50%
標準コード(JLAC10コード:17桁)うち、最初の5
桁は「分析物コード」を示し、検査種別を表して
いる。
マッピング作業内容別検査項目類型
11
- 13. ③固有要因
プログラム
名称 院内コード 標準コード ID 院内コード 値
ムンプスウイルスIgG 13610 5F432143102302304 98002 13610 4.0(+)
標準コード 院内コード 値
5F432143102302304 13610 4.0
5F432143102302311 - (+)
電子カルテ
SS-MIX2変換プログラムの構成
マスターテーブル 結果テーブル
SS-MIX2データ
SS-MIX2出力データ
①標準・フォーマット変換②正規化フィルター
単位・文字等を標準型に変換
標準化
プログラム
(ベンダ標準)
標準化
12
A病院
B医療センター
C医療センター
名称 院内コード 標準コード ID 院内コード 値
ムンプスウイルスIgG 001590 5F432143102302304 20056 001590 0.6 (-)
標準コード 院内コード 値
5F432143102302304 001590 0.6
5F432143102302311 - (-)
SS-MIX2出力データ
名称 院内コード 標準コード ID 院内コード 値 クラス値
ムンプスウイルスIgG 3113 5F432143102302304 446 3113 2.0(±)
標準コード 院内コード 値
5F432143102302304 3113 2.0
5F432143102302311 - (+-)
SS-MIX2出力データ
差分吸収プログラムで、4.0と(+)を分ける
差分吸収プログラムで、2.0と(±)を分ける
既に値とクラス値が分かれてテーブルにあるため、
差分吸収プログラムは不要
n ①②の標準化プログラムは他の施設でも使用する汎用的なもの。
n ③の固有要因プログラムについては病院固有のもの。
ベンダー側が構築する標準化プログラム①②に固有要因プログラム③の機能が含まれていると、その病院でしか使用できない(汎用化されてい
ない)ことになり、普及促進を図る手順書としての品質は不可。
→複数病院で標準化プログラムを運用して、それが汎用的なものであること(病院固有の変換機能が入っていないこと)を確認する必要がある。
※①②③のプログラムの著作権はベンダーにあるため、コード等中身を見ることができない。よってNHOが結果により確認する必要がある。
値の表記が、病院独自[例‥値+クラス値が一体化]となっているため、差分吸収プログラムで別々に表
示する。(※クラス値‥ある項目において、基準値をもとに値を規定(例えば、ムンプスウイルスIgGでは、
2.0未満は(-)、2.0~3.9は(±)、4.0以上は(+))。
固
有
要
因
吸
収
プ
ロ
グ
ラ
ム
固
有
要
因
吸
収
プ
ロ
グ
ラ
ム
- 20. 19
0
100,000
200,000
300,000
400,000
500,000
600,000
700,000
800,000
900,000
1,000,000
1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
来院患者数(実数)の推移
- 23. トランザクションストレージ
3.3 3.3.1
トランザクションストレージとは
「標準化ストレージ」は患者(患者 ID)を特定してから、当該患者の診療情報を検
索するこ とに特化した物理構造を採用している。しかし、
n 1 何らかの理由で標準化ストレージ再作成しなければならない場合
n 2 災害発生時への対策や地域医療連携の基盤として、外部接続回線を用いてデータセ
ンター等の当該医療施設外に標準化ストレージの複製を作成する場合
n 3 標準化ストレージ以外のシステムにおいて、本ガイドラインで定めた病院情報システム
からの伝送データが再利用できると考えられる場合
上記のようなケースでは、診療情報がトランザクションとして標準化ストレージに記
録された日時(以下「トランザクション発生日時」という)に着目して診療情報を参照
することが必要であると考えられる。 したがって、ここでは、病院情報システムか
ら送出される標準化された診療情報そのもの をデータソースとして再利用するこ
とによる便宜を考慮して、トランザクション発生日時により診療情報を参照するこ
とに特化したストレージとして、トランザクションストレージを規定する。
22
(出典)SS-MIX2 標準化ストレージ構成の説明と構築ガイドライン
- 30. 参考)postgreSQLにおける範囲関数
演算
子
説明 例 結果
= 等しい int4range(1,5) = '[1,4]'::int4range t
<> 等しくない numrange(1.1,2.2) <> numrange(1.1,2.3) t
< 未満 int4range(1,10) < int4range(2,3) t
> より大きい int4range(1,10) > int4range(1,5) t
<= 以下 numrange(1.1,2.2) <= numrange(1.1,2.2) t
>= 以上 numrange(1.1,2.2) >= numrange(1.1,2.0) t
@> 範囲を包含する int4range(2,4) @> int4range(2,3) t
@> 要素を包含する
'[2011-01-01,2011-03-01)'::tsrange @>
'2011-01-10'::timestamp
t
<@ ・により範囲が包含される int4range(2,4) <@ int4range(1,7) t
<@ ・により要素が包含される 42 <@ int4range(1,7) f
&& 重複する(共通点を持つ) int8range(3,7) && int8range(4,12) t
<< 厳密に左に位置する int8range(1,10) << int8range(100,110) t
>> 厳密に右に位置する int8range(50,60) >> int8range(20,30) t
&< 右側を越えない int8range(1,20) &< int8range(18,20) t
&> 左側を越えない int8range(7,20) &> int8range(5,10) t
-|- 隣接 numrange(1.1,2.2) -|- numrange(2.2,3.3) t
+ 結合範囲 numrange(5,15) + numrange(10,20) [5,20)
* 交差範囲 int8range(5,15) * int8range(10,20) [10,15)
- 差分範囲 int8range(5,15) - int8range(10,20) [5,10)
関数 戻り値型 説明 例 結果
lower(anyrange)
範囲の要素
の型
範囲の下
限
lower(numrange(1.1,
2.2))
1.1
upper(anyrange)
範囲の要素
の型
範囲の上
限
upper(numrange(1.1,
2.2))
2.2
isempty(anyrange) boolean
空の範囲
か?
isempty(numrange(1.
1,2.2))
false
lower_inc(anyrange
)
boolean
下限は内
包されてい
るか?
lower_inc(numrange(
1.1,2.2))
true
upper_inc(anyrang
e)
boolean
上限は内
包されてい
るか?
upper_inc(numrange(
1.1,2.2))
false
lower_inf(anyrange
)
boolean
下限は無
限大か?
lower_inf('(,)'::dateran
ge)
true
upper_inf(anyrange
)
boolean
上限は無
限大か?
upper_inf('(,)'::dateran
ge)
true
- 35. 現在までの成果
• 本事業の先行プロジェクト
においてSS-MIXデータを
使用した論文が平成27年
度、1本掲載されている。
• SS-MIXデータのバリデー
ションについて(前述)の論
文がAccept済、印刷待ち
• 今後も確実に成果を上げ
ていきたい。
34
Original Article
Comparison of Procedure-Based and Diagnosis-Based
Identifications of Severe Sepsis and Disseminated
Intravascular Coagulation in Administrative Data
Hayato Yamana1,2
, Hiromasa Horiguchi2
, Kiyohide Fushimi2,3
, and Hideo Yasunaga1
1
Department of Clinical Epidemiology and Health Economics, School of Public Health, The University of Tokyo, Tokyo, Japan
2
Department of Clinical Data Management and Research, Clinical Research Center, National Hospital Organization Headquarters, Tokyo, Japan
3
Department of Health Policy and Informatics, Tokyo Medical and Dental University Graduate School of Medicine, Tokyo, Japan
Received October 13, 2015; accepted November 15, 2015; released online April 9, 2016
Copyright © 2016 Hayato Yamana et al. This is an open access article distributed under the terms of Creative Commons Attribution License, which
permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.
ABSTRACT
Background: Diagnoses recorded in administrative databases have limited utility for accurate identification of
severe sepsis and disseminated intravascular coagulation (DIC). We evaluated the performance of alternative
identification methods that use procedure records.
Methods: We obtained data for adult patients admitted to intensive care units in three hospitals during a 1-year
period. Severe sepsis and DIC were identified by three means: laboratory data, diagnoses, and procedures. Using
laboratory data as a reference, the sensitivity and specificity of procedure-based methods and diagnosis-based
methods were compared.
Results: Of 595 intensive care unit admissions, 212 (35.6%) and 81 (13.6%) were identified as severe sepsis and
DIC, respectively, using laboratory data. The sensitivity of procedure-based methods for identifying severe sepsis
was 64.2%, and the specificity was 65.3%. Two diagnosis-based methods —the Angus and Martin algorithms—
exhibited sensitivities of 21.7% and 14.6% and specificities of 98.7% and 99.5%, respectively, for severe sepsis. For
DIC, the sensitivity of procedure-based methods was 55.6%, and the specificity was 67.1%, and the sensitivity and
specificity of diagnosis-based methods were 35.8% and 98.2%, respectively.
Conclusions: Procedure-based methods were more sensitive and less specific than diagnosis-based methods in
identifying severe sepsis and DIC. Procedure records could improve disease identification in administrative
databases.
Key words: administrative data; procedure record; severe sepsis; disseminated intravascular coagulation
INTRODUCTION
Severe sepsis and disseminated intravascular coagulation
(DIC) are two critical conditions associated with high
mortality.1–4
Sepsis is defined as a systemic inflammatory
response to an infection, with the term “severe sepsis” used
to describe sepsis complicated by acute organ dysfunction.4
DIC is characterized by the widespread activation of
coagulation, which results in intravascular formation of
fibrin and ultimately thrombotic occlusion of vessels.2,3
Scoring systems using clinical laboratory tests to diagnose
DIC have been proposed and validated.5–8
In addition to
clinical studies, large administrative databases have been used
to investigate the epidemiology of severe sepsis and DIC.9–15
Despite the widespread use of administrative databases,
there are no established methods that can accurately identify
severe sepsis and DIC in databases. Validation studies
have indicated that extraction of recorded diagnoses from
administrative databases has low sensitivity in identifying
severe sepsis.16–18
Further, previous reports have found
substantial variability in the incidence and severity of severe
sepsis across different extraction methods.19–22
For DIC, no
studies have evaluated the validity of recorded diagnoses.
Some administrative databases record performed procedures
in addition to diagnoses and patient demographics.23,24
Using
this additional information, more accurate identification of
severe sepsis and DIC may be possible. However, there have
been no reports of such methods.
Address for correspondence. Hayato Yamana, MD, MPH, Department of Clinical Epidemiology and Health Economics, School of Public Health, The University
of Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo 113-0033, Japan (e-mail: yamana-tky@umin.ac.jp).
J Epidemiol 2016
doi:10.2188/jea.JE20150286
Advance Publication by J-STAGEAdvance Publication by J-STAGE
JE20150286-1