[この記事は 厚労省NDBデータ分析を行う時の 自分用の備忘メモです．興味のない方はスルーしてください]
下ごしらえ
料理では 調理・盛り付けの前に，材料の下ごしらえ・前処理を行うことがありますね． プロの手際を見ていると，この段階で手抜きしないことがおいしい料理の秘訣だろうなと思えます．
そして，それはデータ分析の世界でもそうです． 膨大なデータをもとに統計解析を行うことがありますが，データを入手したら，それをそのまま闇雲に並べてみたり 表やグラフにするのではなく，膨大なデータであっても，いや膨大なデータだからこそ，事前の下処理が重要なのです． ここで手を抜くと データ解析のどこかで確実に行き詰ってしまいます．
この記事で；
都道府県によって，糖尿病治療に違いはあるのでしょうか？
糖尿病の投薬で，都道府県ごとに傾向の違いがあるのかを調べたことがありました．
ここで用いたのは厚労省のレセプトデータでした．
レセプトとは
レセプトとは 保険診療を行った医療機関が，患者に渡した領収書(レセプト)を根拠にして，厚労省に診療報酬請求を行うことです．以前は 非開示でしたが，現在では厚労省のHPから，誰でも無料でアクセス・ダウンロードできます．
1年間に全国の保険診療医が請求した診療報酬データのすべてですから，実に多量のデータがExcelの表になっています．
膨大なデータなので，厚労省は親切にも 主な集計結果などをグラフにしてわかりやすくしてくれています．
しかし，少しでも 詳しい分析 (ex. 以前私がやったように 糖尿病の薬の種類ごとに都道府県処方頻度を分析するetc.)を行おうとすると，このExcelのままでは 実に煩雑になるので，私は Microsoftのデータベースアプリ ACCESSにとりこんでから分析しています．
その場合，このExcelの表の列表示名が日本語のままだと，Accessに取り込んでからの データ操作が鬱陶しくなるので，列名は 下図のように変更しています． また 各フィールドのプロパティも それぞれのデータにふさわしい型式に設定しています．
このように 原データを下ごしらえしておいてAccessにインポートすれば，その後の解析は随分スムーズになります．
また 上記厚労省のNDB Open Dataでは，投薬データは 外来/入院，院内/院外，外用薬/内服薬/注射薬と それぞれにデータシートが分かれていますが，ここまで細分化するとかえって煩雑なので，私はすべて1本のデータベースにまとめてしまっています． 一旦ACCESSに取り込んでしまえば，必要に応じてグループ分けはいかようにもできるからです．
Source: しらねのぞるばの暴言ブログ
コメント