1. アウトカム定義の作成・評価・生成手法の検討GBDT（教師あり機械学習）により検討したアウトカムは、急性冠症候群では処置（PCI）、SJS・TEN群では処方（ステロイド、眼用薬等）、処置（血漿交換療法）が重要変数として検出され、これらを組み合わせた改良アウトカム定義を作成した。なお、悪性腫瘍については、がん登録データに登録されている情報やその運用を確認し、ゴールドスタンダードとして利用が可能であることを確認した。アウトカム検出アルゴリズム自動生成手法の開発では、実際に疾患階層、各階層の疾患における定義、アルゴリズム出力プログラムともにPythonにより記述し、試験的に薬剤起因性間質性肺炎におけるアウトカム定義の出力が可能であることを示すことができた。各階層の疾患における定義において、疾患階層は医学知識連結データベースLiLak、疾患と医薬品については市販のレセプトー医薬品関連データベースが活用できた。検査と手術処置については、論理的には市販のレセプト点検用データベースが使用できることが推察された。2．複数拠点におけるアウトカム定義の作成・評価基準の確立複数拠点において検討したアウトカムは、横紋筋融解症、急性期脳梗塞、急性期脳出血、急性冠症候群、肝不全である。アウトカム定義のPPVは、急性期脳梗塞で60.11～92.06%、急性期脳出血で57.22～84.62%、急性冠症候群で54.61～83.81%であった。また、横紋筋融解症及び肝不全については、検討の結果、真のケースをもれなく抽出できる傷病名や治療の特定が困難であることが明らかとなり、感度算出に用いるAll possible casesの定義を適切に作成できず、現時点で実用化可能なアウトカム定義の作成には限界があると考えられた。3．DB併用時の利活用事例と留意事項の検討MID-NETを活用して実施された調査と同一目的の調査をJMDC Claims Databaseを用いて行い、データベースの特性の違いが結果に与える影響や、併用することの有用性・留意事項について検討を行った。医療情報データベースを用いた調査を実施する場合、データベースの特徴を踏まえて適切なデータベースを選択する必要があるが、特徴の異なる複数のデータベースを併用することにより、調査結果の頑健性や一般化可能性を高められる可能性があると考えられた。