2013年「医療分野」における「ビッグデータ（BigData）」の「データ（Data）」種類に関する詳細調査

【調査対象】

・「医療分野」　全般　　

【調査方法】

・弊社専門調査員によるオープンデータの収集ならびに、クローズドデータの収集、プラス弊社内データベースの活用により調査・分析を行った。

【調査＆レポート期間】

・ 2013年3月21日（調査開始）～2013年4月20日まで深堀調査を実施した。その後、レポーティング（集計＆分析）を実施し、2013年4月24日に集計＆分析ならびにコメント化が終了した。

【はじめに】

　2013年度がスタートして早1ヶ月が経とうとしているが、「ビッグデータ（BigData）」 に対する期待や注目度は今まで以上に高まっている。

　中でも、特に最近では医療・ヘルスケア分野、農業分野、交通分野、防犯・セキュリティ分野、HOME分野などを中心に各分野別、各業界・業種別に「ビッグデータ（BigData）」の「データ種類（各業界・業種別に、どのようなデータ種類が存在し、どのようなデータが今後活用価値の高いデータになるのか？）」ならびに「活用シーン（そのデータを活用した斬新な未来シーン）」について調査＆レポート化して欲しい！といった声が高まっている 。
　
　背景にあるのは、 「ビッグデータ（BigData）」を収集・蓄積・保存、解析（マイニング）、活用、予防・予見・予兆・コンサルティングなどの「ビッグデータ（BigData）」関連ビジネスの一連の流れの基となる「データ種類（各業界・業種別に、どのようなデータ種類が存在し、どのようなデータが今後活用価値の高いデータになるのか？）」 を網羅的且つ多層的に把握したい！といった要望・リクエストがある。

　こうした声を受けて、未来トレンド研究機構では各業界・業種別の中で急速にニーズが高まっている“2013年「医療分野」における「ビッグデータ（BigData）」の「データ（Data）」種類に関する詳細調査 ”をレポート化することとなった。

　この調査報告書が「ビッグデータ（BigData）」関連ビジネスに着眼する全ての皆様のマーケティング活動に貢献できることを心から切に望むものである。

【目次】

?.総括　編　P1

1）大分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）　P2
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類：介護・福祉情報　P3
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜2＞大分類：医療機器情報　P4
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜3＞大分類：医薬品情報　P5
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜4＞大分類：健康・ヘルスケア情報　P6
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜5＞大分類：健康診断・健康指導情報　P7
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜6＞大分類：医療機関・施設情報　P8
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜7＞大分類：病院内情報　P9
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜8＞大分類：医療保険情報　P10
2）大分類×中分類＆集計・分析（合計 1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜9＞大分類：その他情報　P11
3）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：介護・福祉情報×中分類なし（抽出件数：19件）　P12
4）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：医療機器情報×中分類なし（抽出件数：20件）　P13
5）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：医薬品情報×医薬品全般（抽出件数：52件）　P14
5）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜2＞大分類×中分類：医薬品情報×患者・服用関連（抽出件数：19件）　P15
5）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜3＞大分類×中分類：医薬品情報×処方・診療関連（抽出件数：61件）　P16
5）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜4＞大分類×中分類：医薬品情報×製薬会社関連（抽出件数：5件）　P17
5）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜5＞大分類×中分類：医薬品情報×副作用関連（抽出件数：18件）　P18
5）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜6＞大分類×中分類：医薬品情報×薬局関連（抽出件数：27件）　P19
6）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：健康・ヘルスケア情報×健康管理関連（抽出件数：85件）　P20
6）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜2＞大分類×中分類：健康・ヘルスケア情報×日常生活関連（抽出件数：32件）　P21
6）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜3＞大分類×中分類：健康・ヘルスケア情報×予防関連（抽出件数：6件）　P22
7）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：健康診断・健康指導情報×健診関連（抽出件数：36件）　P23
7）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜2＞大分類×中分類：健康診断・健康指導情報×特定健診関連（抽出件数：14件）　P24
7）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜3＞大分類×中分類：健康診断・健康指導情報×保健指導関連（抽出件数：5件）　P25
7）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜4＞大分類×中分類：健康診断・健康指導情報×その他（抽出件数：6件）　P26
8）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：医療機関・施設情報×施設関連（抽出件数：119件）　P27
8）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜2＞大分類×中分類：医療機関・施設情報×従事者関連（抽出件数：8件）　P28
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：病院内情報×医学関連（抽出件数：49件）　P29
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜2＞大分類×中分類：病院内情報×医師・看護師関連（抽出件数：19件）　P30
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜3＞大分類×中分類：病院内情報×医療機器関連（抽出件数：154件）　P31
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜4＞大分類×中分類：病院内情報×医療システム・書類関連（抽出件数：180件）　P32
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜5＞大分類×中分類：病院内情報×医療費関連（抽出件数：35件）　P33
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜6＞大分類×中分類：病院内情報×患者関連（抽出件数：210件）　P34
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜7＞大分類×中分類：病院内情報×検査関連（抽出件数：107件）　P35
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜8＞大分類×中分類：病院内情報×傷病関連（抽出件数：77件）　P36
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜9＞大分類×中分類：病院内情報×診察関連（抽出件数：34件）　P37
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜10＞大分類×中分類：病院内情報×診断関連（抽出件数：20件）　P38
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜11＞大分類×中分類：病院内情報×診療関連（抽出件数：206件）　P39
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜12＞大分類×中分類：病院内情報×設備・経営関連（抽出件数：12件）　P40
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜13＞大分類×中分類：病院内情報×治療関連（抽出件数：23件）　P41
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜14＞大分類×中分類：病院内情報×入退院関連（抽出件数：20件）　P42
9）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜15＞大分類×中分類：病院内情報×臨床関連（抽出件数：49件）　P43
10）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：医療保険情報×中分類なし（抽出件数：10件）　P44
11）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜1＞大分類×中分類：その他情報×海外医療関連（抽出件数：2件）　P45
11）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜2＞大分類×中分類：その他情報×登録・公開情報関連（抽出件数：9件）　P46
11）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜3＞大分類×中分類：その他情報×文献・統計関連（抽出件数：38件）　P47
11）大分類×中分類×小分類＆集計・分析（合計1,813件の医療×ビッグデータ（BigData）×種類を集計＆網羅的に体系化）＜4＞大分類×中分類：その他情報×その他（抽出件数：27件）　P48

12）医療分野×詳細なデータ種類・情報内容（大分類・中分類・小分類）　Lowデータ　＜合計：1813件＞　P49

奥付け

【ISBNコード】

ISBN978-4-907048-22-8　C2034

【企画・調査・分析・レポーティング・監修・編集】

1）企画・監修・編集：未来トレンド研究機構　村岡　正悦
2）調査・分析・レポーティング：未来トレンド研究機構　田嶋　樹里

【トータル・ページ数（報告書）】

・81ページ

試読希望・お問い合わせ・お申し込みについて