はじめまして。宮澤と申します。日本で DPC データやレセプトデータを分析しています。
DPC の様式1 と EF ファイルを OMOP CDM v5.4 に変換する Python のコードを書いて、GitHub に置きました。
厚生労働省が公開している令和8年度の DPC 調査の仕様だけを見て作っていて、試したのは架空のデータだけです。病院の実データではまだ動かしていません。
作りながら迷った点が2つあり、ご経験のある方にご意見をいただけるとうれしいです。
1つ目は疑い病名です。様式1 で修飾語「の疑い」（8002）が付いた病名は、今は condition_occurrence に入れず、件数だけ数えています。2021年の「病名の取り扱い」のトピックでも同じ悩みが出ていましたが、その後どう扱うのが普通になったのかは分かりませんでした。外すのがよいか、何か印を付けて残すのがよいか、教えていただけないでしょうか。
2つ目は病名の開始日です。様式1 には病名ごとの日付が無いので、condition_start_date には入院日を入れています。研究で使うときに困ることがあれば知りたいです。
元のコード（ICD-10、レセプト電算処理用のコード）は condition_source_value・drug_source_value などに残しています。病名は Athena の語彙で標準の概念につなぎ、薬は木村らが2025年に公開した日本の医薬品と RxNorm の対応表を使っています。診療行為は、procedure_occurrence の procedure_concept_id がまだ 0 のままです。
English summary: I wrote open-source code that converts Japanese DPC inpatient data (Form 1 and the EF file) to OMOP CDM v5.4. It is built from the public specification and tested only with synthetic data. I have two questions. How should suspected diagnoses be handled? Now they are left out of condition_occurrence and only counted. Is the admission date OK as condition_start_date, since Form 1 has no date for each diagnosis?