大規模リアルワールドデータにおける解析前のデータ 前処理に関する研究動向と今後の課題について ―臨床研究への利活用を見据えて

近年，世界的に医療情報データベースの利活用の気運が高まっており，我が国においてもリアルワールドデータ (RWD) を臨床研究に有効活用することが期待されている．一方で，電子カルテやDPC，レセプト等の蓄積された既存データを用いるデータベース研究は，統計解析の前に実施するデータ前処理の負荷が極めて高いことが知られている．しかしながら，データベース研究に関するデータ前処理の課題や研究を学術的な観点から体系的に整理した文献はほとんど見られない．そこで，本稿ではデータベース研究におけるデータ前処理の課題を疫学，および工学的な観点から体系的に整理し，それらの課題に取り組んでいる研究を紹介した後に，残され...

Full description

Saved in:
Bibliographic Details
Published in薬剤疫学 Vol. 27; no. 2; pp. 49 - 59
Main Author 岩尾, 友秀
Format Journal Article
LanguageJapanese
Published 一般社団法人 日本薬剤疫学会 20.10.2022
Subjects
データウェアハウス
データベース研究
データ前処理
リアルワールドデータ
臨床研究
Online AccessGet full text
ISSN1342-0445
1882-790X
DOI10.3820/jjpe.27.e1

Cover

Abstract 近年，世界的に医療情報データベースの利活用の気運が高まっており，我が国においてもリアルワールドデータ (RWD) を臨床研究に有効活用することが期待されている．一方で，電子カルテやDPC，レセプト等の蓄積された既存データを用いるデータベース研究は，統計解析の前に実施するデータ前処理の負荷が極めて高いことが知られている．しかしながら，データベース研究に関するデータ前処理の課題や研究を学術的な観点から体系的に整理した文献はほとんど見られない．そこで，本稿ではデータベース研究におけるデータ前処理の課題を疫学，および工学的な観点から体系的に整理し，それらの課題に取り組んでいる研究を紹介した後に，残された課題や今後の研究動向について考察する．本稿では，データベース研究の課題を，①データコンテンツ，②データ構造，③大容量データの処理，という三つのカテゴリーに分類した．次に，データ前処理に取り組んでいる研究について調査し，課題ごとに体系的に取り上げた．調査の結果，データ前処理分野の研究は，解析に必要なデータコンテンツを既存のデータベースに補完することで，信頼性を高めることを目的とした研究がほとんどを占めていた．一方で，データ構造や大容量データ処理に関する課題解決を主目的とした研究は十分になされているとはいえない状況であった．データ前処理は生物統計学や機械学習等の関連領域と比較すると歴史が浅く，社会的な認知度が低いこともあり，当該分野を専門とする理工系の研究者が極めて少ないことが一因であると考えられる．本稿が端緒となりデータ前処理の重要性が認知されることで，傑出した研究成果が生まれ，臨床研究の領域においてRWD の利活用がますます興隆することを期待する．
AbstractList 近年，世界的に医療情報データベースの利活用の気運が高まっており，我が国においてもリアルワールドデータ (RWD) を臨床研究に有効活用することが期待されている．一方で，電子カルテやDPC，レセプト等の蓄積された既存データを用いるデータベース研究は，統計解析の前に実施するデータ前処理の負荷が極めて高いことが知られている．しかしながら，データベース研究に関するデータ前処理の課題や研究を学術的な観点から体系的に整理した文献はほとんど見られない．そこで，本稿ではデータベース研究におけるデータ前処理の課題を疫学，および工学的な観点から体系的に整理し，それらの課題に取り組んでいる研究を紹介した後に，残された課題や今後の研究動向について考察する．本稿では，データベース研究の課題を，①データコンテンツ，②データ構造，③大容量データの処理，という三つのカテゴリーに分類した．次に，データ前処理に取り組んでいる研究について調査し，課題ごとに体系的に取り上げた．調査の結果，データ前処理分野の研究は，解析に必要なデータコンテンツを既存のデータベースに補完することで，信頼性を高めることを目的とした研究がほとんどを占めていた．一方で，データ構造や大容量データ処理に関する課題解決を主目的とした研究は十分になされているとはいえない状況であった．データ前処理は生物統計学や機械学習等の関連領域と比較すると歴史が浅く，社会的な認知度が低いこともあり，当該分野を専門とする理工系の研究者が極めて少ないことが一因であると考えられる．本稿が端緒となりデータ前処理の重要性が認知されることで，傑出した研究成果が生まれ，臨床研究の領域においてRWD の利活用がますます興隆することを期待する．
Author 岩尾, 友秀
Author_xml – sequence: 1
  fullname: 岩尾, 友秀
  organization: 京都大学医学部附属病院先端医療研究開発機構
BookMark eNo9kMlKA0EURQtRcNz4Bf5Axxo6qeqdIk4guFFw11SSak3jROLGnZUWExPFKCq4EYeQRIUIIkFU9F98dtL-hW0UN-_dyzv3Ll4v6lxdW1UIDRIcYYLiYdddVxHKI4p0oB4iBDW4hRc6Q81MamDTjHajgUwmFceYmsLkhPWghl-uBpWDZu0SvFvIXoF3B949eK9tsQte7kdn30HfgS6APoRsMaheN89L_u4-6Po_MBR6P1dplXZC9Ov0CvRZiLYujls3Db944pcOQdc-Xwr-214YC24fvi732qVl0NugK0MfWydBruY_F34zoJ9Czs_fNB9fWsc1yB4FlWJzvw46H9L9qMuRyxk18Lf70PzE-NzYlDEzOzk9NjpjuJQzajDBE5JhiwvHIUkZ4zhqJaPYkQ6XinAiMI0yy7SSMcmVigvCFU9gJxkzqYo5ccH60Mhvr5vZkIvKXk-nVmR605bpjVRiWdk_L7cpt2l7cFuR_1NiSaZtV7Jvl4O-PA
ContentType Journal Article
Copyright 2022 日本薬剤疫学会
Copyright_xml – notice: 2022 日本薬剤疫学会
DOI 10.3820/jjpe.27.e1
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Pharmacy, Therapeutics, & Pharmacology
EISSN 1882-790X
EndPage 59
ExternalDocumentID article_jjpe_27_2_27_27_e1_article_char_ja
GroupedDBID ABJNI
ACGFS
ALMA_UNASSIGNED_HOLDINGS
CS3
JSF
KQ8
RJT
ID FETCH-LOGICAL-j2732-387ca30978ff1da67059d50faf7ae17180253949d6a7eeb817e7c0fd642e6fb83
ISSN 1342-0445
IngestDate Wed Sep 03 06:30:42 EDT 2025
IsDoiOpenAccess true
IsOpenAccess true
IsPeerReviewed false
IsScholarly false
Issue 2
Language Japanese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-j2732-387ca30978ff1da67059d50faf7ae17180253949d6a7eeb817e7c0fd642e6fb83
OpenAccessLink https://www.jstage.jst.go.jp/article/jjpe/27/2/27_27.e1/_article/-char/ja
PageCount 11
ParticipantIDs jstage_primary_article_jjpe_27_2_27_27_e1_article_char_ja
PublicationCentury 2000
PublicationDate 2022/10/20
PublicationDateYYYYMMDD 2022-10-20
PublicationDate_xml – month: 10
  year: 2022
  text: 2022/10/20
  day: 20
PublicationDecade 2020
PublicationTitle 薬剤疫学
PublicationTitleAlternate 薬剤疫学
PublicationYear 2022
Publisher 一般社団法人 日本薬剤疫学会
Publisher_xml – name: 一般社団法人 日本薬剤疫学会
References 57) Ballard C, Farrell DM, Gupta A, Mazuela C, Vohnic S. Dimensional Modeling： In a Business Intelligence Environment. IBM International Technical Support Organization, 2006.［https://www.redbooks.ibm.com/redbooks/pdfs/sg247138.pdf （accessed 2021-11-10）］
8) 酒井未知，大寺祥佑，岩尾友秀ら．レセプト情報等オンサイトリサーチセンター（京都）の試行的利用に基づく今後の活用可能性に関する検証．第37回医療情報学連合大会論文集 2016；36（1）：142-5
50) BARC. Relational databases.［http://barc-research.com/relational-databases/（accessed 2021-11-10）］
44) Tukey JW. Explorator Data Analysis. New York： ADDISON WESLEY PUB CO INC, 1977.
4) Matsuda S, Fujimori K. The Claims Database in Japan. Asian Pacific Journal of Disease Management 2014；6：55-9.
10) Charlson ME, Pompei P, Ales KL, MacKenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies： development and validation. J Chronic Dis 1987；40（5）：373-83.
39) 合田和生，山田浩之，喜連川優，満武巨裕．我が国の公的医療保険の悉皆分析を可能とする高速レセプト解析システムの開発と今後の展望．DEIM 2017；E3-2
9) Lohr S. For Big-Data Scientists, 'Janitor Work' Is Key Hurdle to Insights. 2014.［https://www.nytimes.com/2014/08/18/technology/for-big-data-scientists-hurdle-to-insights-is-janitor-work.html （accessed 2021-11-10）］
22) 古賀正．MDV を用いた研究の実際（1）：データベース研究における解析業務の実態．日本薬剤疫学会 薬剤疫学とデータベースタスクフォース 実務者のためのデータベース研究講座その3．東京2020
29) Kim JA, Yoon S, Kim LY, Kim DS. Towards actualizing the value potential of Korea Health Insurance Review and Assessment （HIRA） Data as a resource for health research： strengths, limitations, applications, and strategies for optimal use of HIRA Data. J Korean Med Sci 2017；32（5）：718-28. doi：10.3346/jkms.2017.32.5.718.
41) Venot A, Burgun A, Quantin C. Medical Informatics, e-Health： Fundamentals and Applications. Springer, 2013.
18) Platt R, Brown JS, Robb M, et al. The FDA Sentinel Initiative―An Evolving National Resource. N Engl J Med 2018；379（22）：2091-3. doi：10.1056/NEJMp1809643.
46) Yusof SM, Sidi F, Ibrahim H, Affendey LS. A study of multidimensional modeling approaches for data warehouse. AIP Conference Proceedings, 2016.
15) Hsieh CY, Su CC, Shao SC, Lin SJ, Yang YHK, Lai ECC. 台湾の保健福祉データベース．Pharmaceutical and Medical Device Regulatory Science 2018；49（7）：425-36.
27) 武田理宏，真鍋史朗，松村泰志．電子カルテデータ二次利用の現状と課題．生体医工学 2017；55（4）： 151-8
34) 松居宏樹．NDBオンサイト（東京）における標準データマートとその限界．第39回医療情報学連合大会論文集 2019．p.288
40) 喜連川優，合田和生．アウトオブオーダー型データベースエンジンOoODEの構想と初期実験．日本データベース学会論文誌 2009；8（1）：131-6
1) Rothman KJ, Lash TL, Greenland S. Modern Epidemiology. LWW, 2012.
3) 厚生労働省保険局医療介護連携政策課．第三者提供の現状について．厚生労働省．2020．［https://www.mhlw.go.jp/content/12400000/000670716.pdf （accessed 2021-11-10）］
7) 厚生労働省保険局医療介護連携政策課保険データ企画室．レセプト情報等オンサイトリサーチセンター（厚生労働省，京都大学）の本格運用について．2019．［https://www.mhlw.go.jp/content/12401000/000557477.pdf（accessed 2021-11-10）］
33) 岡本和也．ナショナルデータベース（NDB）の解析―胃癌治療の実態調査を目的としたレセプト情報データウェアハウスの構築．医学のあゆみ 2016；259（7）：755-9
49) Codd EF. A relational model of data for large shared data banks. Communications of the ACM-Special 25th Anniversary Issue 1983；26（1）：64-9. doi：10.1145/357980.358007.
42) Özsu. MT, Valduriez P. Principles of Distributed Database Systems third Edition. Springer, 2011.
6) 独立行政法人医薬品医療機器総合機構．MID-NET の利活用に関するガイドライン．令和3年4月改定．［https://www.pmda.go.jp/files/000239964.pdf （accessed 2021-11-10）］
11) Quan H, Sundararajan V, Halfon P, et al. Coding algorithms for defining comorbidities in ICD-9-CM and ICD-10 administrative data. Med Care 2005；43（11）：1130-9.
35) 福田治久，佐藤大介，白岩健，福田敬．NDB 解析用データセットテーブルの開発．保健医療科学 2019；68（2）：158-67
55) Kimball R, Ross M. The Data Warehouse Toolkit： The Definitive Guide to Dimensional Modeling. New York： Wiley, 2013.
36) Gorina Y, Kramarow EA. Identifying chronic conditions in Medicare claims data： evaluating the Chronic Condition Data Warehouse algorithm. Health Serv Res 2011；46（5）：1610-27. doi：10.1111/j.1475-6773.2011.01277.x.
52) Codd EF, Codd SB, Salley CT. Providing OLAP to User Analysts： An IT Mandate. New York： Codd & Associates, 1993.
43) 中島直樹．健康医療情報二次活用の今後を展望する．［https://www.pmda.go.jp/files/000233699.pdf （accessed 2021-11-10）］
37) Iwao T, Kato G, Ohtsuru S, Kondoh E, Nakayama T, Kuroda T. An Optimum Data Warehouse for Epidemiological Analysis using the National Database of Health Insurance Claims of Japan. Eur J Biomed Inform 2019；15（3）：31-42.
13) 増永良文．リレーショナルデータベース入門：データモデル・SQL・管理システム・NoSQL．サイエンス社，2017
14) Date CJ. Database in Depth： Relational Theory for Practitioners. New York： Oreilly & Associates Inc, 2005.
26) 北川博之．データベースシステム（改訂2版）．オーム社，2020
5) 厚生労働省．オンサイトリサーチセンターでのデータ提供．2015．［https://www8.cao.go.jp/kisei-kaikaku/suishin/meeting/wg/iryou/20181210/181210iryo01-3.pdf（accessed 2021-11-10）］
12) 野田龍也，久保慎一郎，明神大也ら. レセプト分析に資するレセプト各種コードの新たな分類及び分析ツール開発に関する研究．厚生の指標 2017-10；64（12）：7-13.
19) FDA. Sentinel Common Data Model 2021.［https://www.sentinelinitiative.org/methods-data-tools/sentinel-common-data-model （accessed 2021-11-10）］
20) Laney D. 3D Data Management： Controlling Data Volume, Velocity, and Variety. META Group. 2001 （File：949）.
45) Tebourski W, Abdessalem W, Ghezela HB. A survey on medical data warehouse. International Conference on Control, Decision and Information Technologies （CoDIT） 2013.
16) Kim L, Kim JA, Kim S. A guide for the utilization of Health Insurance Review and Assessment Service National Patient Samples. Epidemiol Health 2014；36：e2014008. doi：10.4178/epih/e2014008.
23) 高田充隆．データベース活用事例の紹介；アカデミアの立場から（1）　ナショナルレセプトDB．薬剤疫学 2013；17（2）：155-62
32) 加藤源太．医療ビッグデータの可能性と現状の取り組み レセプト情報・特定健診等情報データベース （NDB）利活用の歩み．生体医工学 2017；55（4）：143-50
17) Observational Health Data Sciences and Informatics. OMOP Common Data Model V5.1. 2021. ［https://www.ohdsi.org/web/wiki/doku.php?id=documentation:cdm:single-page （accessed 2021-11-10）］
53) Jones A, Stephens RK, Plew RR, Garrett RF, Kriegel A. SQL Functions Programmer's Reference. New York： John Wiley & Sons, 2005.
21) 青木峰郎．10 年戦えるデータ分析入門．SB Creative，2015
2) 日本薬剤疫学会，薬剤疫学とデータベースタスクフォース．日本における臨床疫学・薬剤疫学に応用可能なデータベース調査．［http://www.jspe.jp/committee/020/0210/（accessed 2021‒11‒10）］
31) Research Data Assistance Center. Find, Request and Use CMS Data.［https://www.resdac.org/ （accessed 2021-11-10）］
24) pandas development team. pandas.［https://pandas.pydata.org/（accessed 2021-11-10）］
56) Loshin D. Business Intelligence 2nd Edition. Elsevier, 2012.
48) 野矢茂樹．論理学．東京大学出版会，1994.
30) Ferdynus C, Huiart L. Technical improvement of cohort constitution in administrative health databases： Providing a tool for integration and standardization of data applicable in the French National Health Insurance Database （SNIIRAM）. Rev Epidemiol Sante Publique 2016；64（4）：263-9. doi：10.1016/j.respe.2016.02.011.
38) Chan C-L, Van PD, Yang N-P. Building a Decision Support Tool for Taiwan's National Health Insurance Data―An Application to Fractures Study. Intelligent Decision Technologies 2012；15：407-17.
54) Inmon WH. Building the Data Warehouse. New York： Wiley, 2005.
28) 厚生労働省保険局医療介護連携政策課保険データ企画室．第42 回レセプト情報等の提供に関する有識者会議議事録．厚生労働省．2018．［https://www.mhlw.go.jp/stf/shingi2/0000205687_00003.html （accessed 2021-11-10）］
25) Patterson D, Hennessy J. コンピュータの構成と設計MIPS Editoin 第6版 下．日経BP，2021
47) Powell G. Oracle Data Warehouse Tuning for 10g. New York： Digital Press, 2005.
51) Standardization IOf. ISO/IEC 9075-1：2008 Information technology--Database languages--SQL. ［https://www.iso.org/standard/45498.html （accessed 2021-11-10）］
References_xml – reference: 37) Iwao T, Kato G, Ohtsuru S, Kondoh E, Nakayama T, Kuroda T. An Optimum Data Warehouse for Epidemiological Analysis using the National Database of Health Insurance Claims of Japan. Eur J Biomed Inform 2019；15（3）：31-42.
– reference: 47) Powell G. Oracle Data Warehouse Tuning for 10g. New York： Digital Press, 2005.
– reference: 44) Tukey JW. Explorator Data Analysis. New York： ADDISON WESLEY PUB CO INC, 1977.
– reference: 15) Hsieh CY, Su CC, Shao SC, Lin SJ, Yang YHK, Lai ECC. 台湾の保健福祉データベース．Pharmaceutical and Medical Device Regulatory Science 2018；49（7）：425-36.
– reference: 51) Standardization IOf. ISO/IEC 9075-1：2008 Information technology--Database languages--SQL. ［https://www.iso.org/standard/45498.html （accessed 2021-11-10）］
– reference: 35) 福田治久，佐藤大介，白岩健，福田敬．NDB 解析用データセットテーブルの開発．保健医療科学 2019；68（2）：158-67．
– reference: 36) Gorina Y, Kramarow EA. Identifying chronic conditions in Medicare claims data： evaluating the Chronic Condition Data Warehouse algorithm. Health Serv Res 2011；46（5）：1610-27. doi：10.1111/j.1475-6773.2011.01277.x.
– reference: 6) 独立行政法人医薬品医療機器総合機構．MID-NET の利活用に関するガイドライン．令和3年4月改定．［https://www.pmda.go.jp/files/000239964.pdf （accessed 2021-11-10）］
– reference: 42) Özsu. MT, Valduriez P. Principles of Distributed Database Systems third Edition. Springer, 2011.
– reference: 30) Ferdynus C, Huiart L. Technical improvement of cohort constitution in administrative health databases： Providing a tool for integration and standardization of data applicable in the French National Health Insurance Database （SNIIRAM）. Rev Epidemiol Sante Publique 2016；64（4）：263-9. doi：10.1016/j.respe.2016.02.011.
– reference: 56) Loshin D. Business Intelligence 2nd Edition. Elsevier, 2012.
– reference: 9) Lohr S. For Big-Data Scientists, 'Janitor Work' Is Key Hurdle to Insights. 2014.［https://www.nytimes.com/2014/08/18/technology/for-big-data-scientists-hurdle-to-insights-is-janitor-work.html （accessed 2021-11-10）］
– reference: 28) 厚生労働省保険局医療介護連携政策課保険データ企画室．第42 回レセプト情報等の提供に関する有識者会議議事録．厚生労働省．2018．［https://www.mhlw.go.jp/stf/shingi2/0000205687_00003.html （accessed 2021-11-10）］
– reference: 5) 厚生労働省．オンサイトリサーチセンターでのデータ提供．2015．［https://www8.cao.go.jp/kisei-kaikaku/suishin/meeting/wg/iryou/20181210/181210iryo01-3.pdf（accessed 2021-11-10）］
– reference: 21) 青木峰郎．10 年戦えるデータ分析入門．SB Creative，2015．
– reference: 8) 酒井未知，大寺祥佑，岩尾友秀ら．レセプト情報等オンサイトリサーチセンター（京都）の試行的利用に基づく今後の活用可能性に関する検証．第37回医療情報学連合大会論文集 2016；36（1）：142-5．
– reference: 17) Observational Health Data Sciences and Informatics. OMOP Common Data Model V5.1. 2021. ［https://www.ohdsi.org/web/wiki/doku.php?id=documentation:cdm:single-page （accessed 2021-11-10）］
– reference: 46) Yusof SM, Sidi F, Ibrahim H, Affendey LS. A study of multidimensional modeling approaches for data warehouse. AIP Conference Proceedings, 2016.
– reference: 38) Chan C-L, Van PD, Yang N-P. Building a Decision Support Tool for Taiwan's National Health Insurance Data―An Application to Fractures Study. Intelligent Decision Technologies 2012；15：407-17.
– reference: 11) Quan H, Sundararajan V, Halfon P, et al. Coding algorithms for defining comorbidities in ICD-9-CM and ICD-10 administrative data. Med Care 2005；43（11）：1130-9.
– reference: 24) pandas development team. pandas.［https://pandas.pydata.org/（accessed 2021-11-10）］
– reference: 19) FDA. Sentinel Common Data Model 2021.［https://www.sentinelinitiative.org/methods-data-tools/sentinel-common-data-model （accessed 2021-11-10）］
– reference: 40) 喜連川優，合田和生．アウトオブオーダー型データベースエンジンOoODEの構想と初期実験．日本データベース学会論文誌 2009；8（1）：131-6．
– reference: 25) Patterson D, Hennessy J. コンピュータの構成と設計MIPS Editoin 第6版 下．日経BP，2021．
– reference: 1) Rothman KJ, Lash TL, Greenland S. Modern Epidemiology. LWW, 2012.
– reference: 3) 厚生労働省保険局医療介護連携政策課．第三者提供の現状について．厚生労働省．2020．［https://www.mhlw.go.jp/content/12400000/000670716.pdf （accessed 2021-11-10）］
– reference: 20) Laney D. 3D Data Management： Controlling Data Volume, Velocity, and Variety. META Group. 2001 （File：949）.
– reference: 33) 岡本和也．ナショナルデータベース（NDB）の解析―胃癌治療の実態調査を目的としたレセプト情報データウェアハウスの構築．医学のあゆみ 2016；259（7）：755-9．
– reference: 31) Research Data Assistance Center. Find, Request and Use CMS Data.［https://www.resdac.org/ （accessed 2021-11-10）］
– reference: 43) 中島直樹．健康医療情報二次活用の今後を展望する．［https://www.pmda.go.jp/files/000233699.pdf （accessed 2021-11-10）］
– reference: 4) Matsuda S, Fujimori K. The Claims Database in Japan. Asian Pacific Journal of Disease Management 2014；6：55-9.
– reference: 48) 野矢茂樹．論理学．東京大学出版会，1994.
– reference: 22) 古賀正．MDV を用いた研究の実際（1）：データベース研究における解析業務の実態．日本薬剤疫学会 薬剤疫学とデータベースタスクフォース 実務者のためのデータベース研究講座その3．東京2020．
– reference: 54) Inmon WH. Building the Data Warehouse. New York： Wiley, 2005.
– reference: 13) 増永良文．リレーショナルデータベース入門：データモデル・SQL・管理システム・NoSQL．サイエンス社，2017．
– reference: 29) Kim JA, Yoon S, Kim LY, Kim DS. Towards actualizing the value potential of Korea Health Insurance Review and Assessment （HIRA） Data as a resource for health research： strengths, limitations, applications, and strategies for optimal use of HIRA Data. J Korean Med Sci 2017；32（5）：718-28. doi：10.3346/jkms.2017.32.5.718.
– reference: 10) Charlson ME, Pompei P, Ales KL, MacKenzie CR. A new method of classifying prognostic comorbidity in longitudinal studies： development and validation. J Chronic Dis 1987；40（5）：373-83.
– reference: 57) Ballard C, Farrell DM, Gupta A, Mazuela C, Vohnic S. Dimensional Modeling： In a Business Intelligence Environment. IBM International Technical Support Organization, 2006.［https://www.redbooks.ibm.com/redbooks/pdfs/sg247138.pdf （accessed 2021-11-10）］
– reference: 39) 合田和生，山田浩之，喜連川優，満武巨裕．我が国の公的医療保険の悉皆分析を可能とする高速レセプト解析システムの開発と今後の展望．DEIM 2017；E3-2．
– reference: 27) 武田理宏，真鍋史朗，松村泰志．電子カルテデータ二次利用の現状と課題．生体医工学 2017；55（4）： 151-8．
– reference: 2) 日本薬剤疫学会，薬剤疫学とデータベースタスクフォース．日本における臨床疫学・薬剤疫学に応用可能なデータベース調査．［http://www.jspe.jp/committee/020/0210/（accessed 2021‒11‒10）］
– reference: 14) Date CJ. Database in Depth： Relational Theory for Practitioners. New York： Oreilly & Associates Inc, 2005.
– reference: 34) 松居宏樹．NDBオンサイト（東京）における標準データマートとその限界．第39回医療情報学連合大会論文集 2019．p.288．
– reference: 12) 野田龍也，久保慎一郎，明神大也ら. レセプト分析に資するレセプト各種コードの新たな分類及び分析ツール開発に関する研究．厚生の指標 2017-10；64（12）：7-13.
– reference: 50) BARC. Relational databases.［http://barc-research.com/relational-databases/（accessed 2021-11-10）］
– reference: 18) Platt R, Brown JS, Robb M, et al. The FDA Sentinel Initiative―An Evolving National Resource. N Engl J Med 2018；379（22）：2091-3. doi：10.1056/NEJMp1809643.
– reference: 7) 厚生労働省保険局医療介護連携政策課保険データ企画室．レセプト情報等オンサイトリサーチセンター（厚生労働省，京都大学）の本格運用について．2019．［https://www.mhlw.go.jp/content/12401000/000557477.pdf（accessed 2021-11-10）］
– reference: 49) Codd EF. A relational model of data for large shared data banks. Communications of the ACM-Special 25th Anniversary Issue 1983；26（1）：64-9. doi：10.1145/357980.358007.
– reference: 53) Jones A, Stephens RK, Plew RR, Garrett RF, Kriegel A. SQL Functions Programmer's Reference. New York： John Wiley & Sons, 2005.
– reference: 16) Kim L, Kim JA, Kim S. A guide for the utilization of Health Insurance Review and Assessment Service National Patient Samples. Epidemiol Health 2014；36：e2014008. doi：10.4178/epih/e2014008.
– reference: 26) 北川博之．データベースシステム（改訂2版）．オーム社，2020．
– reference: 41) Venot A, Burgun A, Quantin C. Medical Informatics, e-Health： Fundamentals and Applications. Springer, 2013.
– reference: 52) Codd EF, Codd SB, Salley CT. Providing OLAP to User Analysts： An IT Mandate. New York： Codd & Associates, 1993.
– reference: 45) Tebourski W, Abdessalem W, Ghezela HB. A survey on medical data warehouse. International Conference on Control, Decision and Information Technologies （CoDIT） 2013.
– reference: 55) Kimball R, Ross M. The Data Warehouse Toolkit： The Definitive Guide to Dimensional Modeling. New York： Wiley, 2013.
– reference: 32) 加藤源太．医療ビッグデータの可能性と現状の取り組み レセプト情報・特定健診等情報データベース （NDB）利活用の歩み．生体医工学 2017；55（4）：143-50．
– reference: 23) 高田充隆．データベース活用事例の紹介；アカデミアの立場から（1）　ナショナルレセプトDB．薬剤疫学 2013；17（2）：155-62．
SSID ssib002484713
ssj0069036
ssib002227601
ssib058494606
ssib002004201
Score 1.8910846
Snippet 近年，世界的に医療情報データベースの利活用の気運が高まっており，我が国においてもリアルワールドデータ (RWD)...
SourceID jstage
SourceType Publisher
StartPage 49
SubjectTerms データウェアハウス
データベース研究
データ前処理
リアルワールドデータ
臨床研究
Title 大規模リアルワールドデータにおける解析前のデータ 前処理に関する研究動向と今後の課題について ―臨床研究への利活用を見据えて
URI https://www.jstage.jst.go.jp/article/jjpe/27/2/27_27.e1/_article/-char/ja
Volume 27
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
ispartofPNX 薬剤疫学, 2022/10/20, Vol.27(2), pp.49-59
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwpV3Nb9RGFLei9MKlgraoBVrtoZNLsqk9_piZo2fjCLWiAilIua28XvuwB0AQDvRUZ6sGEqKGCpA4FJEUhQQkKlUIoVK1_0uHTZb_ou8927vmQ3y0F-tl_L7mNzM770Uzz5b1pdfhQewn3abtZ92mp5Kk2YFEpOk7QQIBfuJIKupz4tvg-Gnv60V_cWLyl9qppYtLndnku9feK_kvowptMK54S_Y9RnakFBqAhvGFJ4wwPN9pjFnks9BjoWCRZGHA5DyLAhYC7bDIZdJlYUgEZyGvWnRFzJeEbr38SqqKEC_ycKYLKadidpgMS0I5JY_U5I9goYv-qIgpG10FtXKuEo_eYGK6xu0jB_QtEqhFBjXziqmg6hiYVzXzIGIz5RGhmA5Ij2bKRwL0lL46CFbkMa2pGz7TEZOtmosSEdQcbQGm41dV5wH9EoWKCIPp6gCJj_LovSTVIdl41TMS07JmFXyV-BbA0-Qcdt4jPdRDxasB18gDMJVwOihY-VHPO5AfwWqVyIbkALZomkRzFT-sPXKWk30gbMQE1iEJzlfgClZ8Gav6hxHnuNNye7TECVWJMCAGkiwLNKupf0qXk0O7hJOH8OhwmuYL8PlEtEjs7Z6TfIupsLbFuh5v2l5RRHQ2Ldooz1P2Yn1fLmpGlL8_vLbJFjVuy3CtqCf_ciDgQmCLgUDvXDrLxWzqjMOd0SHUctm2kanNRZvTQ7RTp129wpuP7R6kXx9wIegUyDenatk57nh2LfrlvDhhNop-MfQbbX8Q6isvwEMNRaAYKJu-YDoCpKiejK5_NXYcIuMe5InVGVMKexcOWh-W-WojLFw9ZE304o-sqZNFwftLM42F8f3NCzONqcbJcSn8Sx9bjwd37w23f9rb2TT9-2Z5y_QfmP5vpv8nEVdMfwXp5b9N_sDkqya_ZpbXhvd-3bu9MbiybvKHI4YG_D1Y2d7f-BFYn9_cMvktYN2_c31_9_Fg7cZg45rJd549XR38dRXEhvd_f755lZTeNfkPJt9u_PP9jeHKzuCP1ULG5E-Ab3B5d-_R0_3rO2b55-H22t76Q5NfBu5PrNPz0ULreLP8UkyzB-kXxwLhSezilbQsc7pxICBp7Pp2FmciTh2BVS59V3mqG8QiTTvSEalI7KwbeDwNso50D1uTZ86eST-1GjEoTIT0E57Enu0lKstAOnOdJI4hfrE_s1QxHu1zRTmg9rvPoyP_Q_aodWC8mI9Zk0vnL6afQz601PmCZuW__CU7vA
linkProvider Colorado Alliance of Research Libraries
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%A4%A7%E8%A6%8F%E6%A8%A1%E3%83%AA%E3%82%A2%E3%83%AB%E3%83%AF%E3%83%BC%E3%83%AB%E3%83%89%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AB%E3%81%8A%E3%81%91%E3%82%8B%E8%A7%A3%E6%9E%90%E5%89%8D%E3%81%AE%E3%83%87%E3%83%BC%E3%82%BF+%E5%89%8D%E5%87%A6%E7%90%86%E3%81%AB%E9%96%A2%E3%81%99%E3%82%8B%E7%A0%94%E7%A9%B6%E5%8B%95%E5%90%91%E3%81%A8%E4%BB%8A%E5%BE%8C%E3%81%AE%E8%AA%B2%E9%A1%8C%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6+%E2%80%95%E8%87%A8%E5%BA%8A%E7%A0%94%E7%A9%B6%E3%81%B8%E3%81%AE%E5%88%A9%E6%B4%BB%E7%94%A8%E3%82%92%E8%A6%8B%E6%8D%AE%E3%81%88%E3%81%A6&rft.jtitle=%E8%96%AC%E5%89%A4%E7%96%AB%E5%AD%A6&rft.au=%E5%B2%A9%E5%B0%BE%2C+%E5%8F%8B%E7%A7%80&rft.date=2022-10-20&rft.pub=%E4%B8%80%E8%88%AC%E7%A4%BE%E5%9B%A3%E6%B3%95%E4%BA%BA+%E6%97%A5%E6%9C%AC%E8%96%AC%E5%89%A4%E7%96%AB%E5%AD%A6%E4%BC%9A&rft.issn=1342-0445&rft.eissn=1882-790X&rft.volume=27&rft.issue=2&rft.spage=49&rft.epage=59&rft_id=info:doi/10.3820%2Fjjpe.27.e1&rft.externalDocID=article_jjpe_27_2_27_27_e1_article_char_ja
thumbnail_l http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=1342-0445&client=summon
thumbnail_m http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=1342-0445&client=summon
thumbnail_s http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=1342-0445&client=summon