2月17日に開催されたウェビナー
「データ分析の力でヘルスケアサービスを改善する」
▷動画を見る（英語）："Improving Healthcare Services and Patient Outcomes by Leveraging the Power of Data Analysis"
内容を紹介します。
医療機関の方はもちろんですが、業界問わずこんな方にもおすすめの記事です。
データ分析の可視化、モデル化、改善結果の検証プロセスを知りたい方
CARTの使い方、分析結果の見方を知りたい方 -> CARTの部分のみ読む
Minitab 20.4以降のアドオン機能である「ヘルスケアモジュール」は、医療従事者と統計ソフトMinitabの橋渡しをします。
分析の専門家でなくても、普段使っている言葉のまま、分析をすることができます。
ヘルスケアモジュールでは、5つのKPIに焦点を当てます。
待ち時間
コスト
設備の利用率
患者の安全
患者の満足度
ヘルスケアモジュールを開くと、5つのKPIに分かれてメニューが表示されます。
※ウェビナーは英語で行われましたが、日本語で使用いただけます。
データは、一行一行が各患者に関するデータです。
１列目に待ち時間が保存されています。
ヘルスケアモジュール5つのKPIから待ち時間（Wait Time）メニューをクリックして、「待ち時間を可視化する」を選びます。
そして変数に"Wait Time"列を入れてOKを押すだけで
ヒストグラムが表示されました。
患者の待ち時間は、100分あたりが多いようです。
次に、保険に加入しているかどうか（第5列"Private Insurance"がYesかNoか）で待ち時間が異なるか調べてみましょう。
再び、ヘルスケアモジュール5つのKPI、待ち時間メニューから
「一つのカテゴリ変数によって、待ち時間が異なるか可視化する」を選びます。
カテゴリ変数"Private Insurance"による平均待ち時間を比べてみましょう。
Private Insurance = Yesの人は平均待ち時間が47分で、Noの平均112分に比べると半分以下です。
他の列も、待ち時間に影響があるかもしれません。
「複数因子との関係を使って待ち時間を予測する」を選びます。
応答"Response"は待ち時間です。
連続量の因子"Continus predictors"は、医師の数と患者の数です。
カテゴリ因子"Categorical predictors"は、機関名から保険の有無までの列です。
それぞれ欄を埋めてOKをクリックすると
CART回帰木が表示されます。中身をみてみましょう。
CARTの結果の見方
一番上のNODE 1には、7004行データがあり、全体の平均待ち時間が104分あることが書かれています。
診断コード"Diagnosis Code"がPの人は特別なグループで、平均待ち時間が250分と長いです。そのなかでも、特定の機関"Facility"では、平均待ち時間が294分とさらに長くなっています。
一方、診断コードがP以外の人（左側）は、平均待ち時間が92分です。
その中でも右側の診断コードJは平均待ち時間が141分と長いグループです。
診断コードJ以外で、保険あり（"Private Insurance"=Yes）だと平均待ち時間は46分ととても短いです。
今回は、6つノードを持つCARTモデルを作成しましたが、Minitabでは他にも、TreeNetやRandom Forestsを使用したモデル、重回帰モデルを作成することができます。
予測分析モジュールの「自動化された機械学習」機能を使えば、可能なモデルの中から最適なものが自動的に選ばれます。
特に、モデル作成に慣れていない方にとって、とても便利な機能です。
設定画面は、CARTモデルを作成したときと同じです。
「自動化された機械学習」の結果をみてみましょう。
TreeNetのモデルがR二乗が65％で一番大きいです（適合が良い）。さきほどのCARTのR二乗が下に表示されており、60％だったので改善されています。
候補のモデルについても選択して確認することができます。
モデルの結果で、各因子の待ち時間への影響を見ると、TOP3は診断コード、期間、保険という結果になりました。
この結果をもとに、改善活動をして、改善後のデータを集めました。
最終段階として、改善後のデータ(After)を使って、改善前(Before)より待ち時間が短縮されたのか調べます。
ヘルスケアモジュールのKPI「患者の待ち時間」 で「待ち時間を減らす」を選びます。
「平均待ち時間が改善後に短縮されたか実証する」を選びます。
サンプルは"Time"、改善前/後の区別は"Improve"列です。
改善前後の差を見ると、10~15分程度短縮できたようです。
最後は「2サンプルt検定」という統計手法を使っていますが、手法の名前を知らなくても、「改善したか実証したい」と考えるだけで分析を終えることができました。
このように、ヘルスケアモジュールは医療従事者とデータ分析を橋渡しします。