施設間の診療データの解析のためには，データの標準化と構造化が必要である．AMED ePath事業では，実証病院に診療データを出力するインターフェースとリポジトリを開発し，施設間のデータ統合作業の簡便化を達成した．本稿では，入院期間中の患者状態について，重要度の順位付けと時系列の可視化を行い，臨床的介入の優先度を判断できる解析手法の提案を目的として，AMED ePath事業の複数の実証病院のリポジトリに蓄積されたDPCとクリニカルパスのデータに対して，機械学習と共起有向グラフを用いて，長期在院と退院先に寄与する患者状態抽出の時系列解析を行った．長期在院ではAUC＝0.913，寝返り，衣服着脱，呼吸状態，循環状態が重要変数として抽出され，退院先ではAUC＝0.773，口腔清潔，食事が抽出された．共起有向グラフにより，時系列の患者状態の関連が把握でき，診療プロセス解析に有用であることが確認された．
