Photo by Unsplash, Jessy Smith
昨日「その2」でした。
月末なので恒例の「振り返る」日なもので、タイトルもそれに合わせました。
本日の成果は・・
なし🍐
以上、終わり！！
あり🐜、なし🍐 といわれたら、「なし」と答えるしかないだけで、0.00･･･1mmくらいは進んでいます。
放送大学大学院の全科生となって、いちばん身にしていることは、何事もなかなか進まない、ということです。
でも、進んだり、あるいは完結すると、成果は大きいです。
もっともその成果とは、ほぼ私の満足度が高いという意味においてですが。😅
これでいいんですよ。学習、研究する当事者である私が大満足であること、自分ファーストでいいのです。
前置きが長くなりました、今日の成果は「NDBオープンデータではレセプト件数を算出することは無理ということが分かった」ということです。
「医療の3要素」のうち、１つ目の「①1人当たりの件数：何回受診したか→受診率」を算出することを考えました。
受診率の出し方は「レセプト件数 ÷ (保険)加入者数」です。
まずはNDBオープンデータを使い、レセプト件数を出そうと試みました。
NDBオープンデータは年に１回、１年分のレセプトデータを基にしたデータを収納、発表されています。
そこで、NDBオープンデータの１年分のデータを使うことにより、１年間のレセプト件数が出るはず。
生成AI三人衆に聞いてみても、いい回答は得られず、最後は自分で考えるしかないことになりました。
もちろん質問の仕方のレベルを上げることも必要ですが、生成AIさんたちにとっても無理なことはあります。
NDBオープンデータの見方とか解釈とかで論文を探してもあまり見当たりません。
この探し方にも問題は大いにあるとはいえ、そもそもあまりNDBオープンデータに関する知見は大量に存在するわけではないのかと思われます。もしかして研究領域としては青い海原が広がるのでしょうか？！🌊
というわけで、生成AIさんはあくまでも手助けをしてくれる役割であり、最終は自分で考える必要があることもある、ということもよく理解できました。
本屋さんの立ち読みで気づいた💡
診療報酬のことがよく分からないので、詳しい書籍を手に入れることにしました。
昨日、初心者でも読めそうないい感じの書籍を購入しました。
しかし、かわいい見た目はいいのですが、内容がアメリカンコーヒー☕です。
薄いです。
実はもう１冊、辞書みたいな重厚な書籍も検討しました。
いきなりこういうものに手を出しても挫折するのが目に見えていると判断し、まずはライトなものから・・・と思いました。
でも挫折しそうとか、そんななまっちょろいことをいっている場合でもないんですよね。
というわけで、また今日本屋さんに行き、辞書みたいな重厚な書籍を購入するぞ！の予定でしたが、手に取り読んでみて気づきました。
なんて私はバカなのでしょう。
こんなことにも気づかないなんて。
レセプトとは、医療機関が保険者(保険証発行元ですね)に対して、患者が窓口負担した分を差し引いた残りの医療費を請求するための書類です。
医療機関１つ、患者１人につき、月1枚発行されます。(というものだそう。)
NDBオープンデータには、各診療報酬項目の「算定回数」があります。
算定回数は、性別と年齢、都道府県に分けて、データとして開示されています。
「再診料」を考えてみるとすぐに分かります。
例えばこんな感じ。
①6/1 風邪気味なので〇〇クリニックへ行く(⇒ 初診料算定)
②6/4 すっきりしないので〇〇クリニックへ再度行く(⇒ 再診料算定)
③6/6 セキがひどすぎるので〇〇クリニックへ再度行く(⇒ 再診料算定)
①から③、すべて同じ病気(風邪)とすれば、②と③で再診料を２回算定します。
ということは、再診料の算定回数をそのままレセプト件数とするとおかしなことになります。
で、そもそも、初診、同じ月に再診となるとおかしいですよね。
NDBオープンデータでは、①から③はすべて別個のものとして「算定回数」に含まれているわけです。
上記の例の場合、正しい数え方は、①を1件として数える、②③は無視する、ですね。
ようやく今頃気づいたどんくさい人です。
でも、本屋さんに行き、重厚な本を少し見てみたときに、はっと気づいたのです。
気づいたのだからそれでいいです。
それに、パソコンの前でうなっていてもどうにもならないこともある。
そんなときは書と知を求めて本屋に行こう！
今日は色々気づきがあった良き日でございました。😊
コメント