「厚労省の診療データベース、データの不備によって突き合わせできず」記事へのコメント

公開情報から仕様を簡単に説明しますと。

[Anonymous Coward]

仕様はこの資料の最後の3ページに書かれています。
http://www.mhlw.go.jp/stf/shingi/2r9852000000thao-att/2r9852000000theb.pdf [mhlw.go.jp]
お時間のない方のためにまとめると、
1. 保険者番号,(保険証)記号番号,生年月日,性別 から作成したハッシュ値
2. 氏名,生年月日,性別 から作成したハッシュ値
の２種類のハッシュで 名寄せする、ということでした。
この資料上でも、名前のカナ,漢字で合わないことがあるので、そういう場合は
1番目のハッシュ値を使う、と書いてます。

ここからは考察。お時間のない方は読まなくてOK。
記号番号は結構変更がある上、同性の双子は区別できないので、1番目のキーも
それほど盤石ではありませんが、８割ロストするほどひどいものでもないと
思われます。
二番目のキーの問題だけをとりあげてNHKが先走った報道をした可能性も
ありますが、一番目のキーがあっても８割ロストしてしまうことの
原因を考えると、やはり
大きな問題は、ハッシュ値を作成するのが、運用管理業者側である、
とされていることです。もちろんハッシュアルゴリズムを合わせるぐらいの
ルール運用はされていますが、たとえば記号番号に含まれる数字を
全角/半角のどちらで行うか(全角が正解)、ゼロフィルしちゃいけませんよ、
あるいは保険者番号が分からないときはどうするのか、とか
そういうことをちゃんと決めていたとしても、ハッシュ値になっていると
それらルールが守られているかチェックできないのが痛いかと。

文字コードかも。(Re:公開情報から仕様を簡単に説明しますと。)

[Anonymous Coward]

ハズしているかも知れないけど、思いついたことを。
特定健診の元データは、XMLでやりとりされるので、日本語、全角文字はUTF8で記載されています。
一方、電子レセプトのほとんどはShiftJISデータでやりとりが行われています。
＜＜記号番号に ひらがなや全角が含まれることが多い＞＞ため、
記号番号を入れたときに別のハッシュ値になるかもしれません。

うーん こっちが本命かも。。。

Re:

[Anonymous Coward]

番号の扱いすら正規化ルールが徹底されていないとなると、医療用IDであれ共通番号であれ、どうにもならなかったということになるでしょうか。