分類変更の影響に関する従来の手法

Ⅱ．資料

厚生労働科学研究費補助金

（政策科学総合研究事業（統計情報総合研究） ）

「疾病、傷害及び死因統計分類」の変更がわが国の厚生統計に与える影響に関する研究

分担研究報告書

分類変更の影響に関する従来の手法

研究代表者 緒方裕光 （国立保健医療科学院研究情報支援研究センター長）

研究分担者 水島 洋 （国立保健医療科学院研究情報支援研究センター上席主任研究官）

研究分担者 佐藤洋子 （国立保健医療科学院研究情報支援研究センター研究員）

A. 研究目的

疾病や死因の分類コード（ICD 等）が変更 された際に、統計データに与える影響を評価す る手法を開発する一端として、これまでに発表 されている文献情報に基づき評価手法の整理 を行った。

B. 研究方法

”ICD”、"comparability"、”coding”をキーワ ードにして PubMed等により論文を検索し、

さらにこれらの論文から関係論文を検索し、最

終的に分類変更の方法論が明確にされている 代表的な論文を数編抽出し、それらに記載され ている手法をまとめた。

(倫理面への配慮)

本研究では個人情報等を扱わない。

C. 研究結果

変更前の一定期間にわたって同一のケース を変更前後の2種類の分類によりコーディン グする方法はブリッジコーディングあるいは 研究要旨

疾病や死因の分類コード（ICD等）の変更が統計データに与える影響を評価する手法を開 発することを目的として、まず、これまでに論文として発表されている評価手法の整理を行 った。その結果、ブリッジコーディング（同一のケースを変更前後2種類の分類によりコー ディングする方法）に基づく新旧比（Comparability Ratio）の算出が最も一般的な方法で あり、その推定精度を上げることが研究としての主要課題であることがわかった。しかしな がら、この方法はコストや労力がかかること、特定の国にのみ応用できること、大きな変更 時の1年または2年程度の間に有効な方法であることなどの欠点がある。これに対して、長 期間にわたる時系列データを利用した定量的方法もいくつか提示されているものの、モデル は統一的ではなく、特定の死因に限られるなど、汎用性という点では十分ではない。

ダブルコーディングなどと呼ばれている。同様 の方法としては、類似のケースを改定前後それ ぞれの分類でコーディングする方法もある。前 者は直接的に変更前後の分類の関係を知るこ とができる。後者は、クロス表を作成すること によって間接的に改定前後の分類の関係を知 ることができる。いずれにしても、一般的には 以下で述べるComparability Ratioを算出す ることが主な課題である。

1）Comparability Ratio（CR）の利用 これまでに行われている分類変更の影響評 価の手法では、一般的にComparability Ratio

（以下ではCRと略）と呼ばれる「比」を用い る方法が多い。この比は日本語では、「新旧比」

などと呼ばれている。CRは同一の対象者に分 類変更前と変更後の両者の基準を用いてコー ディングを行い、該当者数の比（変更前の該当 者数を分母とする）をとったものである。した がって、CR=1ならば変更前後の同じコードに 対して該当者数が同数であることを示す。

CR<1ならば、2つの可能性がある。すなわち、

１）分類変更によって一部の該当者が他の分類 へ移行した、または２）分類変更後の説明が変 更前の説明の一部でしかない。一方、CR>1な らば、変更後の分類が変更前の分類に比べて対 象が拡大されていることを示す。CRの算出に 必要なデータのイメージを単純化して表現す ると以下のとおりである。

表1 CRの算出に必要なデータの イメージ

変更前 変更後 コード 人数 コード 人数

A1 N1 A1 M1

A2 N2 A2 M2

このデータに基づいて、各コード、性別、年 代別に

CRi = Mi/Ni (i=1, 2, 3, ・・・)

を求める。研究としては、ICD-8からICD-9、

ICD-9からICD-10への改訂の際に、それぞれ のコードについて、このCRの推定値及びそれ らの信頼区間を求める研究が行われている。変 更前後で急激な減少または増加がみられた場 合にこれらのCRを用いて、真の減少または真 の増加の割合の推定などが行われている。

2）時系列データの利用

上記の他に研究例は少ないものの、CRを用 いずに時系列データを使って分類変更時の非 連続性を測る研究も行われている。あるいは、

CRと時系列データを組み合わせた方法なども 提示されている。いずれにしても、死因によっ ては時系列データに大きな不連続を生じるこ とが示されている。

D. 考察

CRを求めるには、原則としてブリッジコー ディングが必要であり、ブリッジコーディング を行うには以下のような課題がある。

信頼性の高いCRを求めるには、コーディン グエラーによる誤差を少なくするためにはサ ンプルサイズを大きくする必要がある（すなわ ち、ブリッジコーディングを行うコーディング 担当者の数を多くする）。

CRのみで分類変更の複雑なパターンの変更 を評価することが難しい。

横断的な新旧比なので時間的な変動を考慮 することができない。

などである。

E. 結論

分類変更の影響を見るための主な手法とし てブリッジコーディングに基づき CR を求め る方法がある。ただし、時間的な変動や信頼性 について考慮するためにはさらに検討の余地 がある。

F. 健康危険情報 なし

G. 研究発表 なし

H. 知的財産権の出願・登録状況 なし

参考文献

1) Anderson RN, Miniño AM, Hoyert DL, Rosenberg HM. Comparability of cause of death between ICD-9 and ICD-10:

preliminary estimates. Natl Vital Stat Rep.

2001;49(2):1-32.

2) Anderson RN, Rosenberg HM. Disease classification: measuring the effect of the Tenth Revision of the International

Classification of Diseases on cause-of-death data in the United States. Stat Med.

2003;22(9):1551-70.

3) Janssen F, Kunst AE. ICD coding changes and discontinuities in trends in

cause-specific mortality in six European countries, 1950-99. Bull World Health Organ. 2004 Dec;82(12):904-13.

4) Janssen, F., & Kunst, A. E. Cohort patterns in mortality trends among the elderly in seven European countries, 1950–99.

International Journal Epidemiology.

2005;34(5): 1149-1159.

5) Janssen, F., Peeters, A., Mackenbach, J. P.,

& Kunst, A. E. (2005). Relation between trends in late middle age mortality and trends in old age mortality: Is there evidence for mortality selection? Journal Epidemiology Community Health, 59(9), 775–781.

6) Joyner-Grantham J, Simmons DR, Moore MA, Ferrario CM. The impact of changing ICD code on hypertension-related mortality in the southeastern United States from 1994-2005. J Clin Hypertens (Greenwich).

2010;12(3):213-22.

7) Klebba AJ, Estimates of Selected Comparability Ratios Based on Dual Coding of 1976 Death Certificates by the Eighth and Ninth Revisions of the International Classification of Diseases.

Natl Vital Stat Rep. 1980;28(11) Suppl. :1-18.

8) Nilson F, Bonander C, Andersson R. The effect of the transition from the ninth to the tenth revision of the International

Classification of Diseases on external cause registration of injury morbidity in Sweden.

Inj Prev. 2015 Jun;21(3):189-94.

9) Rey, G., Aouba, A., Pavillon, G., Hoffmann, R., Plug, I., Westerling, R., et al.

Cause-specific mortality time series analysis: A general method to detect and correct for abrupt data production changes.

Population Health Metrics. 2011; 9:52.

10) van der Stegen RHM, Koren LGH, Harteloh PPM, Kardaun JWPF, Janssen F.

A Novel Time Series Approach to Bridge

Coding Changes with a Consistent Solution Across Causes of Death. Eur J Popul.

2014;30(3):317-335.

厚生労働科学研究費補助金

（政策科学総合研究事業（統計情報総合研究） ）

「疾病、傷害及び死因統計分類」の変更がわが国の厚生統計に与える影響に関する研究

分担研究報告書

統計的影響評価方法の開発と応用

研究代表者 緒方裕光 （国立保健医療科学院研究情報支援研究センター長）

研究分担者 水島 洋 （国立保健医療科学院研究情報支援研究センター上席主任研究官）

研究分担者 佐藤洋子 （国立保健医療科学院研究情報支援研究センター研究員）

A. 研究目的

ICD の変更や部分的な修正などによる分類方 法の変更によって、分類変更の前後で特定の分 類項目に関して見かけ上の統計数値の増減（不 連続）が生ずる。このことは、我が国において 関連する統計データの相互の整合性、国際比較 可能性、正確性などの低下の原因となる。厚生 労働統計の有用性を高めるためには、このよう な分類変更に伴う影響を合理的な方法で評価 し、将来推計やデータ比較の際に適切な補正を 行う必要がある。

本研究では、分類変更の厚生統計への影響を定 量的に把握することを目的として、分類変更前 後の変化を時系列的かつ統計学的に推定する

ためのモデル及び方法論を検討・提案し、この 方法に基づき、分類変更が人口動態統計や患者 調査などへ与える影響を定量的に評価するこ とを目的とする。本年度では、主にモデルの構 築を行い、シミュレーションや実データへの適 用を通じて適用可能性を検討する。

B. 研究方法

本研究におけるモデルの基本的考え方は以 下のとおりである。ある時点で分類基準を A からBに変更したと仮定し、分類Aに基づく 結果をX、分類Bに基づく結果をY’とする。

分類基準変更前に分類 B を用いたと仮定した 場合の結果をY、一方、分類基準変更後も分類 研究要旨

本研究では、ICDなど疾病や死因分類の変更が厚生統計に与える影響を定量的に把握する ことを目的として、分類変更前後の変化を時系列的かつ統計学的に推定するためのモデル及 び方法論を検討・提案することを目的とする。本年度においては、分類変更の基本的パター ンに基づく統計的モデルの構築を行い、シミュレーションや実データの解析を通じて分類変 更時の不連続の検出、モデルの評価などを行い、モデルの適用可能性を示した。実際の分類 変更においては基本的パターンの多様な組み合わせが存在しており、今後、さらにモデルの 一般化を目的とした研究を進める。

Aを用いたと仮定した場合の結果をX’とおく。

Y’とXの差が分類変更前後の結果の見かけ上 の差であるが、この差には時間経過後のXとX’

の差が含まれるため、真の分類変更による結果 の影響は以下のようにモデル化できる。

（真の分類変更の影響）

=（Y’－X）－（X’－X）=（Y’－X’）

本研究では、分類変更前の変化を時系列的に 見ることにより X から X’を統計学的に推定 し、分類変更時の各分類コードの対応に関する 情報を利用してX’とY’の関係を求めること により真の分類変更の影響を定量的に把握す る方法を提示する。

本年度では、分類変更時の不連続の検出、モ デルの適用性評価などを行う。

(倫理面への配慮)

本研究では、本年度においては個人情報等を 扱わない。

C. 研究結果

本年度では、統計的モデルの構築を行い、分 類変更時の不連続の検出、モデルの適用性評価 などを行った。主な結果は以下の通りである。

1）モデルの構築

基本的な分類変更のパターン（1つの分類コ ードが複数の分類コードに分かれる場合、複数 の分類コードが1つの分類コードにまとめら れる場合、1つの分類コードの一部が別の分類 コードに移動する場合など）を想定し、必要な パラメータを組み込んだモデルを構築した。こ のモデルに必要なデータのイメージを図1、2、

表1に示した。

2）シミュレーションデータによるモデルの 適用性の検証

統計学的にある程度のバラツキと傾向性を 持つ仮想データを生成し、上記モデルの適用可

能性を検証した。この際、時間的な変動につい てはいくつかの時系列モデルの適用を試みた

（図3～図14）。その結果、基本的な分類変更

パターンについては、上記のモデルが適用可能 であることを確認した。なお、変更前の分類コ ードの一部が変更後に別のコードに移動する 場合、モデルの推定精度は、その割合、該当者 数、変更前の時系列データの有無に存する（図

15、16）。ただし、図3～16のシミュレーショ

ン中、例えば分類変更により変更前のそのコー ドの該当者NのうちC×100％の人が変更によ り他のコードに移行するものとする。

3）実際のデータへの適用

2003年に分類変更が行われたある難治性疾 患の例について、2001年から2008年の集計 データを用いて上記モデルの適用を行った。こ の際、2003年以前のデータに基づき、モデル を用いて2004年以降の予測を行い、実際のデ ータと比較することによって予測精度を確認 した。その結果、変更パターンによっては大き な誤差を生じる可能性があることがわかった

（図17、18）。

D. 考察

本年度では、主にモデル構築とその適用性の 検証を行った。モデル構築の最初の段階として は現実の状況を記号的に明示化することが重 要であり、本研究で提示したモデルは基本的な 分類変更パターンについては十分対応可能で あると思われる。しかしながら、現実の分類変 更には基本的パターンの多様な組み合わせが 存在しており、これらのすべての組み合わせパ ターンに対応できるかどうかを検討していく 必要がある。

また、分類変更の際には、コーディングのエ ラーに起因するデータの変動もあり、実際のデ ータへのモデル適用によりそれらの変動要因

を統計学的に考察する根拠にもなりうると思 われる。

本研究の特色は、分類変更の影響を定量的に 評価するための一般的モデル（および方法論）

を提示する点にある。本方法の一般化を目的と して、次年度（平成28年度）には、より現実 に即したモデルの構築とその妥当性の検証を 行うとともに、実際のデータへの適用として患 者調査や人口動態統計等における分類変更の 影響を定量的に評価する予定である（図19参 照）。

E. 結論

本年度では分類変更の基本的パターンに基 づき、その影響を評価するためのモデル構築を 行った。さらにシミュレーションや実データの 解析を通じてモデルの適用可能性を検討した。

その結果、基本的な分類変更のパターンについ ては、変更後の予測や統計的評価において有用 であることを示した。

F. 健康危険情報 なし

G. 研究発表 なし

H. 知的財産権の出願・登録状況 なし

図 1 分類変更の基本的パターン

A ₁ A ₂ A ₃

変更前 変更後

A ₁

A ₃ A ₄

変更前後の分類コードの対応表

変更前 変更後 備考

A₂ A₁ A₂

削除

A₃

の一部

新設

分類 コード

変更前の該当 者数

変更後の該当 者数

A₁ N₁ N₁ + N₂

A₂ N₂

A₃ N₃ N₃

－

A₄ N₄

影響の評価に必要なデータ

図 2 分類変更パターンの組み合わせ

A ₁ A ₂ A ₃

変更前 変更後

A ₁

A ₃ A ₃₁

変更前後の分類コードの対応表 変更前 変更後 備考

A

A

A

削除 A

の一部 A

新設 A

の一部 A

A ₄ A ₄

表 1 図 2 の影響評価に必要なデータ

分類コード 変更前の 該当者数

変更後の 該当者数 A

N

N

+ N

A

N

A

N

N

－ N

+ N

’ A

（ A

の一部） N

A

N

N

－ N

’

A

の一部 N

’

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

図3 基本パターンのシミュレーション（１）

（分類変更がない場合、C=0、時系列データのばらつきが少ない場合）

（上限値、下限値は予測値の95％信頼区間）

※3年の時系列データ に基づいて12年後まで を予測する場合

死亡 率 ま た は 発生 率など （

年を

とする）

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値 分類変更

分類変更

分類変更

図4 基本パターンのシミュレーション（2）

（分類変更の影響が小さい場合、C=0.02、時系列データのばらつきが少ない場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値 分類変更

分類変更

分類変更

図5 基本パターンのシミュレーション（3）

（分類変更の影響が中程度の場合、C=0.05、時系列データのばらつきが少ない場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値 分類変更

分類変更

分類変更

図6 基本パターンのシミュレーション（4）

（分類変更の影響が大きい場合、C=0.1、時系列データのばらつきが少ない場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合

図7 基本パターンのシミュレーション（5）

（分類変更がない場合、C=0、時系列データのばらつきがやや大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 90

100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

分類変更

分類変更

分類変更

図8 基本パターンのシミュレーション（6）

（分類変更の影響が小さい場合、C=0.02、時系列データのばらつきやや大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 90

100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

分類変更

分類変更

分類変更

図9 基本パターンのシミュレーション（7）

（分類変更の影響が中程度の場合、C=0.05、時系列データのばらつきがやや大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 90

100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

分類変更

分類変更

分類変更

図10 基本パターンのシミュレーション（8）

（分類変更の影響が大きい場合、C=0.1、時系列データのばらつきがやや大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 80

90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

分類変更

分類変更

分類変更

図11 基本パターンのシミュレーション（9）

（分類変更の影響がない場合、C=0、時系列データのばらつきが非常に大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 90

100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

90 100 110 120 130 140 150

0 5 10 15

仮想値 予測値 上限値 下限値

分類変更

分類変更

分類変更

図12 基本パターンのシミュレーション（10）

（分類変更の影響が小さい場合、C=0.02、時系列データのばらつきが非常に大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 80

90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

分類変更

分類変更

分類変更

図13 基本パターンのシミュレーション（11）

（分類変更の影響が中程度の場合、C=0.05、時系列データのばらつきが非常に大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 80

90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

分類変更

分類変更

分類変更

図14 基本パターンのシミュレーション（12）

（分類変更の影響が大きい場合、C=0.1、時系列データのばらつきが非常に大きい場合）

（上限値、下限値は予測値の95％信頼区間）

死亡 率 ま た は 発生 率など （

年を

とする）

※3年の時系列データ に基づいて12年後まで を予測する場合

※5年の時系列データ に基づいて10年後まで を予測する場合

※10年の時系列データ に基づいて5年後まで を予測する場合 70

80 90 100 110 120 130

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

80 90 100 110 120 130 140

0 5 10 15

仮想値 予測値 上限値 下限値

0 2000 4000 6000 8000 10000

C=0.01 C=0.05 C=0.1 C=0.2

0 0.1 0.2 0.3

n=100 n=1000 n=5000 n=10000

図16 「変更により分類が変わる人の割合（C）」と「予測精度」（推定値の標準誤差）との関係

（Cが小さいほど推定精度が高い）

図15 「分類該当者数（N)」と「予測の精度」（推定値の標準誤差）との関係

（Nが大きいほど推定精度が高い）

悪い← 予測精度→ 良い悪い←  予測精度→  良い

N

C

図

ある難治性疾患における分類変更 軽度の障害があって

も仕事可能

自力で日常生活可能

やや不自由であるが 独力で可能

日常生活

不明・なし 降圧剤

不明 なし

内科治療 抗痙攣剤 抗けいれん剤

（変更後）

（変更前）

2003

年の途中に分類変更が行われた。

年から

年ま での集計データにモデルを適用。

後遺症がなく健康 正常

図

ある難治性疾患における分類変更の影響解析

（2001～2003年のデータを用いて2004～2008年を予測）

0.0 0.2 0.4 0.6 0.8

2000 2002 2004 2006 2008

0.0 0.2 0.4 0.6 0.8

2000 2002 2004 2006 2008

0 0.1 0.2 0.3 0.4 0.5

2000 2002 2004 2006 2008

0 0.1 0.2 0.3 0.4 0.5

2000 2002 2004 2006 2008

年

年 年

年

ある難治性疾患に占める分類該当者の割合

日常生活

◆実測値、

ー

日常生活（統合）

軽度の障害

自力で生活

やや不自由だが 独力で可能

内科治療 内科治療（分離）

降圧剤

不明 なし 不明・なし

変更

変更

変更

変更 正常

後遺症がなく 健康

抗痙攣剤

抗けいれん剤

図

（

年版）から

年版）への改訂の 人口動態統計、患者調査等への影響（検討中）

C83.5

（リンパ芽球型（びまん性））

悪性新生物の例（ C83.3 ～ C83.6 ）

C83.4（免疫芽球型（びまん性））

2003

年版

2013

年版

C83.3

（大細胞型（びまん性））

C83.6

（未分化型（びまん性））

C83.5 C83.4 C83.3

C83.6

削除

C86.5

新規

分類変更が患者調査、人口動態統計 に与える影響

佐藤洋子、水島 洋、緒方裕光

国立保健医療科学院 研究情報支援研究センター

単純な分類変更パターン

A ₁ A ₂ A ₃

変更前 変更後

A ₁

A ₃ A ₄

変更前後の分類コードの対応表

変更前 変更後 備考

A₂ A₁ A₂

削除

A₃

の一部

新設

分類 コード

変更前の該当 者数

変更後の該当 者数

A₁ N₁ N₁ + N₂

A₂ N₂

A₃ N₃ N₃

－

A₄ N₄

影響の評価に必要なデータ

※実際はより複雑なパターン。

ただし、基本パターンの組み合わせ

患者調査で分類変更のあったコードの数 ICD‐10 （ 2003 年版）から（ 2013 年版）

推計患者数 外来 入院 退院 入院＋

外来

個票なし

100人未満(0>=0,<100) 78 91 102 68

1000人未満(100>=,1000<) 59 45 54 69

10000

人未満

万人未満

10

万人以上

計

ICD‐10 2003

コードのうち、

年版で分類変更分類変更を伴

うコードは

個．このうち、平成

年の患者調査データに記 載されているコードは

個

分類変更の可視化と推定患者数

（平成 26 年の A09 の例）

A09 A090

A099

不明

K521 K521

31.7

（

）

0

（

）

8.4

（

）

22.9

（

）

0.4

（

）

0

（

）

（

）

ICD‐10（2003年版） （2013年版）

数字は推計患者数（総数）

ただし（ ）内は入院患者数 A09：感染症と推定さ れる下痢及び胃腸炎

K521：中毒性大腸炎 A090：カタル性胃腸 炎、感染性胃腸炎、

等

A099：S状結腸炎、

胃腸炎、等

患者調査データに対する分類変更の影響

（コード A09 の例）

0 10 20 30 40

0 1 2 3 4 5

推定患者数（単位千人）

平成 20年 23年 26年 29年

平成 20年 23年 26年 29年 分類変更

分類変更 推定

推定 外来＋入院

入院

A099

A099 A090

A090 A09

A09

平成 A09 A090 A099

20年 31.9 23年 31.8 26年 31.7 29年 予測

8.8

±0.15 22.8

±0.16 推定患者数（外来＋入院）

平成 A09 A090 A099

20年 3.9

23年 3.2

26年 3.1

29年 予測

0.7

±0.04 1.9

±0.04 推定患者数（入院）

人口動態統計の検討コードと人数

コード 人数 コード 人数 コード 人数 コード 人数 コード 人数 コード 人数 C817 1 C857 32 C927 281 C859 9703 C880 149 C930 36 C944 1 C925 32 C959 403 C811 5 C882 2 C940 10 C947 1 C902 53 C921 417 C812 2 C901 60 C942 11 C836 2 C834 67 C950 470 C819 170 C910 705 C951 27 C917 2 C844 106 C97 598 C835 40 C911 256 C969 13 C827 4 C838 111 C833 799 C837 34 C912 2

C967 8 C851 112 C915 989 C839 13 C914 8 C913 9 C829 115 C900 3949 C840 42 C919 25 C931 10 C929 116 C920 4332 C841 8 C923 5 C961 31 C845 175 C80 4733 C850 2 C924 105

平成26年度人口動態調査に関して、C80（部位の明示されない悪性新生物）～

C97（独立した(原発性)多部位の悪性新生物）について患者調査と同様に検討

上記のうち、色の濃い部分は、2003年版から2013年版でコードに変更なし

まとめ

• 分類変更の基本的パターンに基づきモデル の構築を行った。

• シミュレーションおよび実際のデータにより方 法の適用可能性を示した。

• 人口動態統計、患者調査などに適用した。

• 変更前後の分類コードの対応が合理的であ

れば時系列的予測や影響の評価が可能。

2003 2013

A09

A090

A099

K521 K521

A230 A230

A239 A239

J189 J189

A419 A419

A521 A521

G98 G98

K720 K720

C821

B199 B199

B179

C97

C80

C800

C823

C822 C822

C824 C809

C799

C817 C817

C814

C821

2003 2013

C834

C829 C829

C827 C826

C827

C830 C830

C833 C833

C836

C838 C838

C842 C843

C844 C844

C845

C846 C847 C845

C848

C851 C851

C852

C857 C857

C859 C859

C860 C861 C862 C863 C865

C964 C884

C967

C927 C927

L412 C929

C931

C950

C957 C957

D477

D475

I889 I889

D477 C929

C931 C933 C946 C950

D752 C959

D471

D474 C959

D471

D619

D758 D758

D619 D752

2003 2013

C903 C881

C883 C883

C887 C887

C882 C882

C900 C900

C902 C902

C921 C921

C922 C922

C913 C913

C916

C917 C917

C918

2003 2013

C947

C915 C915

D467 D467

D460 D460

D464 D464

D463

C920 C920

C964

D137 D137

D469 D469

C945

C944

C961

C968

C967 C947

D465

D466 C927

D460 D460

D377 D377

2003 2013

Ｃ966

G214 G218

D688

D685

D686

D760

Ｃ965 C947

C915 C915

C947

H531 D688

H539

H542

H541 H541

H542 H531

H539

H549

I48 H546 H545

I481

I482

I489 H545

H546

I480

2003 2013

I772 I772

I778 I778

I652 I652

I672 I672

I671 I671

I770 I770

I678 I678

I726

I490 I490

I458 I458

I720 I720

I670 I670

I725

2003 2013

J211

J303 J303

J09 J128

J123 J128

J218

K643 K644

K645 K648

K649 J101

I845 I846

I847 I848

I849

J101

K641 I840

I841 I842

I843 I844

Q386 Q386 K929 K929

J959 J959

J958 J958

K130 K130

K30

R101

K123 K137

K227 K221

K30

R101 K221

J869 J869

J90 J90

K137 K090

D165 D165

K090

J304 J304

2003 2013

K436 K430

K521 K528 K515 K518 K432 K439 K437 K431

K521 K528 K350

K351

K359

K318

K430

K431

K439

K518

K515

K353

K318

K222 K222

K352 K358

K758 K760 K650 K659 K659

K650

K760

K758

2003 2013

K85

K850 K851

L659 L412

C866 K852 K853 K858 K859 K918

K434 K433 K918

K435 K858

M1099 M1099

L648

L659 L648

L899

G724

M758 M758

M1009 M1009

M2569

M2599 M2599

M9488 M9488

M9408 M9408

M7979

M8689 M8689

M8699 M8699

M2551 M2551

M7909 M8981 L89

L890 L891 L892 L893

M8981

M300 M300

M317

M332 M332

G724

2003 2013

O142

O16 O16

Ｎ432

O13 O13

O140

O141 O141

N180

N183

N184

N185

N189

N181

N182

Ｎ433

N188 N188

N189

N289 N289

N40 N40

D291 D291

Ｎ433

Q164 Q164

Q610 Q610

N281 N281

O603

Ｏ622 Ｏ622

Ｏ620 Ｏ620

Q178 Q178

O629 O629

O758 O758

Q218 Q218

I278 O60

O601

2003 2013

R509 R509

R502 R502

S059 S059

S058 S058

S9230 S9230

M8437 M8437

Z958 Z958

S101 S101

S198 S198

S199 S199

R500

R501

R508

R959

R688 R688

R659

R95

外来＋入院 20032013 n=n= 00 n=n=n= 9.6629.7n=0 0 n= 0 n=n= 736.627734.653 n= 1.974 n=n= 22.60368.27 n=n=n=n=n= 3258.28252833201.975 n= 0 n= 0n= 0 n= 0 n=n=n= 7.259367.3 n= 0 n=n= 45.431

other

C826 C827C827 other C829C829 other C830C830 C833C833 C834 other C836 other C838C838

n=n= 0 n= 3.6 n=n=n= 16154233.618 n= 0 n=n=n=n= 253.53.5-0.57 n= 107.306 n= 29.31 n= 15.671 n= 25.263 n=n= 268527.013 n= 79.633 n= n=n=n=n=25.39 02222.9 n=n=n=n= 0131124.078 n= 0

C848

other C844 other C845 other C846 C847 C851 other C852 C857 other C859

n=n= 5134.865009.686 n= 128.149 n= 0 n= 13.048 n= 11.03 n= 3.458 n= 153.921 n= 6.181 n= 267.71 n=n= 5.85.762 n=n= 5.7620 n= 0 n=n=n=n=n= 105.4891177163 n= 2.261 n=n=n=n= 14.520016.551C861other C860 C929C929C862 C863 C865 C866 C884 C964 C967 other C927C927 other

n= 0 n= 82.01 n= 0 n= 16.044 n= n=104.56 2 n= 221.254 n= n=n=7.595 3.10 n= 0 n= 20 n= 131.396 n= 5.79 n= 105 n=n= 981.42109E-14 n= 0 n= 126.833 n= 29 n= 115.661 n= 7.4

C959

other C931 other C933 C946 C950 other C957 other D471 other D474 D758 D619

n=n= 1256.8241264.19 n= 116 n=n= 205.2940 n= 89.633 n= 6.2 n=n= 9.6290 n= n=3.448 2.3 n=n= 127.723121.356 n= 4.076 n= 10.577 n=n= 1116.975284.305 n= 832.67

L412L412

D752D752 other otherother D477D477 other D475 I889I889

2013 n= 0 n=n= 11n=0 0 n= 0 n= 467.254 n= 0 n= 87.001 n=n=n=n= 26180.92932.385 n= 0 n= 3 n= 3.423 n=n= 4616 n= 0 n=otherC826 C827 other C829 other C830 C833 other other C838

n=n=n= 000 n=n= 0.9981 n=n=n=n= 400.49915161226.247 n= 0 n=n=n=n=n= 84.025166-5.049 n= 75.984 n= 28.136 n= 14.652 n= 1 n=n=n= 661.743174412.905 n= 74.468 n= n=n=n=n=26.481 10130 n=n=n=n=n= 42.23823.19.228.692 n= 0

C848

C842other C843 C844C844 other C845C845 other C846 C847 C851C851 other C852 C857C857 other C859C859

n= 1872.754 n= 54.817 n= 1.996 n= 3.061 n= 9.24 n= 6.045 n= 160.598 n= 0 n= 174.37 n=n= 00 n= 0 n= 0 n=n=n=n= 1.1745.13 n= 5.048 n=n=n= 007.349C861other C860 C929C862 C863 C865 C866 C884 C964 other C927 other

n= 1.007 n=n= 1.99776.123 n= 0 n= 5.093 n= n=21.209 5.2 n=n= 119.472107.652 n= n=n=6.603 30 n=n= 3.0420 n= 10 n=n= 117.95107.598 n= 0 n= 21 n=n=n= 63.248410 n= 1 n= 57.457 n= 16 n=n= 24.6536.649 n= 8.2

C959C959

other C931C931 other C933 C946 C950C950 other C957C957 other D471D471 other D474 D758D758 D619D619

n= 480.884 n= 6.6 n= 0 n= 14.594 n= 0 n= 0 n= n=0 2 n= 46.226 n= 0.999 n= 1.117 n= 54.696L412D752 other otherother D477 other D475 I889

入院 20032013 n=n= 00 n=n=n= 5.9265.9n=0 0 n= 0 n=n= 349.827347.853 n= 1.974 n=n= 12.49652.023 n=n=n=n=n= 2364.164252832307.859 n= 0 n= 0n= 0 n= 0 n=n=n= 7.259347.3 n= 0 n=n= 43.027

other

C826 C827C827 other C829C829 other C830C830 C833C833 C834 other C836 other C838C838

n=n= 0 n= n=n=n= 12119175.028 n= 0 n=n=n=n= 83.53.5-0.57 n= 97.978 n= 21.963 n= 11.777 n= 7.951 n=n= 87348.484 n= 58.416 n= n=n=n=n=25.39 02152.9 n=n=n=n= 0131124.078 n= 0

C848

other C844 other C845 other C846 C847 C851 other C852 C857 other C859

n=n= 2056.1162006.385 n= 52.706 n= 0 n= 13.048 n= 11.03 n= 3.458 n= 119.188 n= 0 n= 86.996 n=n= 5.85.762 n=n= 5.7620 n= 0 n=n=n=n=n= 51.1813.4425.83 n= 0 n=n=n=n= 14.520016.551C861other C860 C929C929C862 C863 C865 C866 C884 C964 C967 other C927C927 other

n= 0 n= 41.973 n= 0 n= 5.776 n= n=43.198 2 n= 167.768 n= n=n=5.266 3.10 n= 0 n= 18 n= 63.823 n= 0 n= 43 n=n= 620 n= 0 n= 64.073 n= 2.5 n= 30.384 n= 4.2

C959

other C931 other C933 C946 C950 other C957 other D471 other D474 D758 D619

n=n= 530.862535.1 n= 30 n=n= 54.70 n= 24.316 n= 0 n=n= 00 n= n=0 2.3 n=n= 45.2942.999 n= 0 n= 3.432 n=n= 98.73410.81

L412L412

D752D752 other otherother D477D477 other D475 I889I889

2013 n= 0 n=n= 3.7n=0 0 n= 0 n= 386.8 n= 0 n= 16.247 n=n=n=n= 000894.116 n= 0 = 0 n= 0 n=n= 2.40 n= 0 n=otherC826 C827 other C829 other C830 C833 other other C838

n=n=n= 000 n=n= 3.6353.6 n=n=n=n= 93.5823.93558.59 n= 0 n=n=n=n=n= 26.6417000 n= 9.328 n= 7.347 n= 3.894 n= 17.312 n=n=n= 380.46181178.529 n= 21.217 n= n=n=n=n=0 007.30 n=n=n=n=n= 7.3470000 n= 0

C848

C842other C843 C844C844 other C845C845 other C846 C847 C851C851 other C852 C857C857 other C859C859