疫学/生物統計/データベース

1. QRESEARCHを
はじめからていねいに
疫学セミナー(9/27/2013)
降旗

2. OUTLINE
 QResearch の概要
 QScoreの説明
 QRisk2の説明
 リンケージプロジェクトの説明
 QResearchデータの妥当性について
 NDBでリスク算出を考える.

3. QRESEARCHとは
 背景
 従来のGP(General Pratice,一般診療)データベースは限界があった.
 データベース：GPRD,IMS,DIN
 Recent informationに限られる.
 コストが高い(特にGPRD)
 製薬企業の市販後調査が主な使い道.
 GPに医療情報システムが普及
 逐次的にGPデータが収集されるデータベースの必要性.
 概要
 イギリスのGPデータベース
 Nottingham大学・EMISのもと管理運営(2003~)
 イギリス国内,700以上のGPよりデータ収集
 総登録者数：1300万人超(英人口は約 5600万人)
 データ：1989～今日
 データ提供サービスあり(※倫理委員会の承認が必須)
※EMIS(Egton Medical Information Systems Ltd.
プライマリーケアのためのソフトウェアシステム(EMIS)の開発・普及を手掛ける会社.
イギリスにおけるGPの55%を超えるデータを扱う.
本データベースはEMISを介して,逐次的に収集・統合されている.
※人口はEngland and Wales の2012年半ばの推計値

4. GP(GENERAL PRACTICES)とは -1
 定義
 ‘・・・the first level contact with people taking action to
improve health in a community. In a system with a
gatekeeper , all initial(non-emergency) consultations
with doctors , nurses or other health staff.’
 ‘personal doctors, primarily responsible for the
provision of comprehensive and continuing generalist
care to every individual seeking medical care
irrespective of age, sex and state of health.’
 Keyword
 地域・コミュニティ型
 総合的・継続的・全人的医療の提供
 プライマリケア
by The Royal College of General Practioners

5. GP(GENERAL PRACTICES)とは -2
 役割
 Consultations;コンサルテーション
 2007年に行われたコンサルテーションは299,300,000回.
 Prescriptions;処方
 薬の処方の98%はGPによる.
 Treatments;治療
 アドバイスや簡単な手術(イボの凍結など) から複雑で侵襲的な手術ま
で.
 Referrals;紹介
 GPのコンサルテーションの後,セカンダリーケアとして専門医へ紹介.
 GPの患者の90%はセカンダリーケアを必要としない.
 Screening and immunisation;一次予防と二次予防
 癌や生活習慣病のスクリーニング,予防接種
 Managemnet of long-term conditions;慢性疾患管理
 心臓病,糖尿病,喘息などのハイリスク者に疾患管理プログラムの実施,
推進
 Health promotion;健康増進
 患者が病気を理解する健康教育も行われる.
※General practice in England:An overview; The King’s Fund より

6. GP
統計データ-1 GPの数

7. GP
統計データ-2 人口/GPの数

8. GP
統計データ-3 GP医の年齢の分布

9. GP
医療情報標準化
 Read code
 General practioner(一般診療医)が患者の所見と処置を記録す
るための標準診断コード
 Dr. James Read(一般診療医)によって開発された.
 1985年～
 現在,Version 2 と Version 3がある.
 最大5文字(5bite)
 ICD9/ICD10へ変換可能
 例
 C 内分泌,栄養,代謝と免疫疾患
 C1 他の内分泌腺疾患
 C10 糖尿病
 C10E Ⅰ型糖尿病
 C10E7 網膜症Ⅰ型糖尿病

10. QRESEARCHの特徴
 データベースの規模が大きい
 コホートデザインを用いることにより、稀な事象の研究も可能
 患者の郵便番号情報を含む
 社会経済情報の取得可能
 プライバシー
 患者の匿名化
 GPの匿名化
 患者はopt out可能(データ化の拒否権あり)

11. QRESEARCHのデータ項目
 人口統計学的情報
 年齢,性別,地域 等
 診断記録
 ライフスタイル情報
 血圧,BMI
 臨床情報
 全血球数,尿素・尿中電解質値,肝機能検査値 etc.
 処方情報
 薬,投与量,投与期間,投与頻度,投与経路
 紹介先
 コンサルテーション内容

12. QRESEARCHの適する研究
 コホート研究
 ケースコントロール研究
 横断研究
 サンプルサイズ算出

13. QSCORE-1
 リスク算出のためのツール
 地域別に算出可能
 常に更新されたデータで算出可能
 特定の疾患についてパソコンで誰でも算出可能
(一部iphone,ipadでも算出可能)
 使用用途
 疫学的利用
 ハイリスク集団の同定
 介入に価値がある集団の同定
 臨床的利用
 患者のリスクベネフィットの指標
 患者に対するインフォームドコンセントの際の資料
 患者自身の自己管理

14. QSCORE-2
 current published & validated scores
Scores Outcome Web link
QRisk2 心血管疾患 www.qrisk.org
QDScore Ⅱ型糖尿病 www.qdscore.org
QKidney 中等度から重度の腎臓病 www.qkidney.org
QIntervention 生活習慣病 www.qintervention.org
QFracture 骨粗鬆症骨折 www.qfracture.org
QThrombosis 静脈血栓塞栓症 www.qthrombosis.org
QCancer がん www.qcancer.org
QStroke 脳卒中 www.qstroke.org
QAdmissions 緊急入院 www.qadmissions.org

15. QSCORE
IPHONE アプリ
 ‘clinrisk ltd.’で検索
 85円
やすい

16. QRISK2
 背景
 心血管リスク推算には,米国のフラミンガムコホート研究に基
づく算出法が有名.
 フラミンガムコホートには限界がある.
 コホートが小さい(アメリカの地域ベース,5000人)
 白人に偏っている(100%白人)
 家族歴,BMI,血圧などの危険因子を含まない.
 発症率が米国で最高となった時期に行われた.
 人種差,社会環境の差を考慮すべき.
 QRisk開発
 英国人にとってはフラミンガムスコアよりも有用であることが
確認された(※).
 フラミンガムはリスクを35%過剰に評価
 ハイリスク患者の識別能力がフラミンガムよりも高い
※Derivation and validation of QRISK, a new cardiovascular disease risk score for the United Kingdom

17. QRISK2の導出
 コホート
 QResearchデータ
 355practices;1,591,209 patients
 96,709 events
 Traditional risk factors
 Additional risk factors
 民族性(ethnic group)
 Ⅱ型糖尿病,高血圧,関節リウマチ,腎疾患,心房細動
 年齢との相互関係
 Validation
 使用データ
 Qresearch
 176 practices; 750,232 patients; 43,396 events
J Hippisley-Cox, C Coupland, et al. Predicting cardiovascular risk in England and Wales: prospective
derivation and validation of QRISK2. BMJ 2008; 336: 1475-1482

18. QRISK2
WEB CALCULATOR

19. QRISK2
WEB CALCULATOR

20. QRISK2
WEB CALCULATOR

21. QRESEARCH
LINKAGE PROJECT
 リンケージデータ
 死亡データ,がん登録,HESデータ
 2013年に完了
 validity,utilityの程度は研究中.
 データを匿名化するソフトウェアの開発
 ‘openpseudonymiser’
 患者を特定しうるコード(NHSnumber,ID’s,age,・・・)
を’digest’というコードに匿名化できる.
 誰でも匿名化リンケージデータの作成可
 任意のCSVファイルで使用可
 オープンデータ(無料)
 http://www.openpseudonymiser.org/

22. QRESEARCHの一般化妥当性
QResearchを扱った論文
Comparison of key practice characteristics between general practices in
England and Wales and general practices in the QRESEARCH database
20 Nov 2005
Julia Hippisley-Cox, Yana Vingradova, Carol Coupland, Mike Pringle
【目的・背景】
イングランドのGPデータとQRESEARCHのGPデータを比較し, QRESEARCH内
GPデータの一般化妥当性についてその程度を明らかにする.
【方法】
GPデータである3つのデータを比較する.
・ADS(the Attribution Data set)[31st March 2004]
・QMAS(the Quality Management and Analysis System)[31st March 2005]
・QRESEARCH[31st March 2004 and 31st March 2005]

23. ○ADS(the Attribution Data set)
• By NHS(Natinal Health Service)；Department of Health (UK),
• GPに登録された患者の情報
• データ項目
• 性別別年齢構成(0-4years,5-14years,15-44years,45-64years,65-
74years,75-84years,85-years)
• 登録者人数
• 65歳以下標準化死亡率(SMR under65) など
○QMAS data
• By NHS
• GPの施した診療の情報
• QMAS(Quality Management and Analysis System)とはQOF(The
national Quality and Outcomes Framework)情報を扱う医療情報システム
• QOFとは
• ‘The QOF rewards practices for the provision of 'quality care'
and helps to fund further improvements in the delivery of
clinical care.’
• 診療を点数化
• 有病率の算出に使われる.
• 点数に基づき支払金額が決定される.
※NHS HPより

24. 【結果-1】 Geographical location
London,
East of
England
でズレがあるものの,
概ね同じ.

25. 【結果-1】 Geographical location

26. 【結果-2】 Age-sex distribution
わずかに老年層に
偏るものの,
ほぼ同じ.

27. 【結果-3】 Prevalence of chronic diseases
がんが小さい

28. 【結果-3】 Prevalence of chronic diseases
※(横軸,縦軸)=(各practiceに登録された患者1000人に対する特定疾患の有病率,practiceの数)
①
④
①:冠状動脈性心疾患(CHD)
②:糖尿病
③:ぜんそく
④:がん
②
③

29. 【結果-4】 List size by region
大きい！
List sizeとは :
各practiceに登録されている患者の数.表の値は中央値(第1四分位数-第3四分位数)

30. 【考察】
QRESEARCH’s practices are biased by a differential rectuitment
of slightly larger practices, but the characteristics of the patients
registered with QRESEARCH’s practices closely reflects those of
the overall national picture.

31. QRESEARCHの限界
 欠損値
 There were high levels of missing data for the total
serum cholesterol:high density lipoprotein ratio.
 企業の人は原則使用不可
 研究のための使用のみ
※An independent and external validation of QRISK2 a prospective open cohort studyより

32. 日本人データでリスク算出は可能か？

33. JAPAN
レセプト情報・特定検診等情報データベース
(通称：ナショナルデータベース(NDB))
 概要
 データ
 レセプト情報(約31億件)
 特定健診・保健指導情報 (約4300万件)
 特徴
 抽出調査ではなく,全数データを保有
 数十ではなく,万単位のデータ項目があり,詳細な分析が可
能.
 数年に一度の調査ではなく,毎月のデータを蓄積.
 データベース内のIDにより,年・月が異なっても同一患者を
追跡可能.
※レセプト情報については、21年４月診療分から、6月診療分までのデータ。特定健診・保健指導情報は、
平成20,21年度実績分

34. 電子レセプト請求普及状況(件数ベース)
現在,96.0%

35. JAPAN
レセプト情報・特定検診等情報データベース
(通称：ナショナルデータベース(NDB))
 厚生労働省によると
 電子レセプト請求が原則化されるとともに,NDBも構築され
つつある.
 しかし,電子レセプトは紙レセプトの「省略」の仕組みをそのま
ま踏襲した等の理由から,データ分析を容易に行えるデータ
構造になっていない.
 解決のためには,関係学会をは
じめ多くの関係者の理解,協力
が必要.
 NDBのデータ提供(試行)等が
安全かつ確実に行われていく
必要がある.