import pymysql import pandas as pd from datetime import datetime import re from conversion_map import conversion_map from excluded_columns import excluded_columns from toshima_excluded_columns import toshima_excluded_columns from schema_mismatch_columns import schema_mismatch_columns # 疾患コード変換処理 from disease_code_processor import DiseaseCodeProcessor from pymysql.err import IntegrityError import unicodedata import random def process_decimal_round(value, decimal_places=0): """ 小数点データを指定された桁数で四捨五入する Args: value: 変換対象の値 decimal_places: 小数点以下の桁数 Returns: 四捨五入された値またはNone（無効な値の場合） """ if value is None or str(value).strip() == '' or str(value).lower() in ['nan', 'none', 'null']: return None try: # 文字列から数値に変換 numeric_value = float(str(value).strip()) # 四捨五入を実行 rounded_value = round(numeric_value, decimal_places) # 整数の場合はintとして返す if decimal_places == 0: return int(rounded_value) else: return rounded_value except (ValueError, TypeError): # 数値に変換できない場合はNoneを返す return None def random_mmss() -> str: """MMSSだけをランダム生成（00:00〜59:59）。""" n = random.randrange(3600) # 0..3599 mm, ss = divmod(n, 60) # 0..59, 0..59 return f"{mm:02}{ss:02}" def canon(s): """
の有無や全角空白・改行などの揺れを吸収して正規化""" if s is None: return None s = str(s) s = s.replace('\u3000', ' ') # 全角空白→半角 s = re.sub(r'', '', s, flags=re.I) #
,
,
を除去 s = re.sub(r'\s+', '', s) # すべての空白類を削除 return s def format_date_value(value, fmt="%Y%m%d"): """ 様々な表記の日付や Excel シリアルを pandas でパースし fmt で整形 失敗時は None を返す """ if value is None: return None # スカラー化 try: # numpy型/Series/リスト等が来ても最初の要素を試す if hasattr(value, "__array__"): value = value.item() elif isinstance(value, (list, tuple)) and value: value = value[0] except Exception: pass # 既に Timestamp の場合 if isinstance(value, pd.Timestamp): return value.strftime(fmt) s = str(value).strip() if s == "" or s.lower() in ("nan", "none"): return None # 正規化（全角→半角） s = unicodedata.normalize("NFKC", s) # 「YYYY年M月D日」→「YYYY/M/D」 s = s.replace("年", "/").replace("月", "/").replace("日", "") # Excel シリアル（整数/小数）を推定 # 10〜60000日くらいを妥当域として判定（必要に応じて調整） try: if re.fullmatch(r"-?\d+(\.\d+)?", s): f = float(s) if 10 <= f <= 60000: dt = pd.to_datetime(f, unit="D", origin="1899-12-30", errors="coerce") return None if pd.isna(dt) else dt.strftime(fmt) except Exception: pass # 文字列パース（例: 2024/7/1, 2024-07-01 など） dt = pd.to_datetime(s, errors="coerce", dayfirst=False, yearfirst=True) if pd.isna(dt): return None return dt.strftime(fmt) import re import pandas as pd # ========================= # 追跡表記の正規化・順位づけ # ========================= # 正規表現（年の数値 / 3ヶ月の表記ゆらぎ） _YEAR_RE = re.compile(r'(\d+)\s*年') # 例: "10年後" → 10 _MONTH3_RE = re.compile(r'3\s*[ヶヵケか]?\s*月') # 例: "3ヶ月後", "3ケ月後", "3ヵ月後" etc. def _norm(s) -> str: """内部用: 文字列を正規化（None/NaN→空文字、空白除去）""" if s is None or (isinstance(s, float) and pd.isna(s)): return "" return str(s).replace(" ", "").replace("\u3000", "") def followup_rank(label: str) -> int: """ 追跡ラベルを数値ランクに変換。 - '51年後'→51（上限を 51 にキャップ） - '1年後' →1 - '3ヶ月後'→0（最後尾） - 不明 →-1（最後尾） """ t = _norm(label) m = _YEAR_RE.search(t) if m: return min(int(m.group(1)), 51) if _MONTH3_RE.search(t): return 0 return -1 # ========================= # DataFrame ベースの関数 # ========================= def sort_df_by_followup_desc(df: pd.DataFrame, followup_col: str) -> pd.DataFrame: """ DF を「51年→…→1年→3ヶ月」の降順に安定ソート。 followup_col が存在しなければ、わかりやすい KeyError を投げます。 """ if followup_col not in df.columns: raise KeyError(f"followup_col '{followup_col}' not in columns: {list(df.columns)}") tmp = df.assign(__rank=df[followup_col].map(followup_rank)) # 追跡ラベル→ランク tmp = tmp.sort_values("__rank", ascending=False, kind="stable") # 降順かつ安定ソート return tmp.drop(columns="__rank") def first_nonempty_value_by_followup(df: pd.DataFrame, value_col: str, followup_col: str): """ 指定 value_col について、追跡順（51年→…→3ヶ月）で“最初に非空な値”を返す。 すべて欠損/空なら None。 """ if value_col not in df.columns: raise KeyError(f"value_col '{value_col}' not in columns: {list(df.columns)}") srt = sort_df_by_followup_desc(df, followup_col) for v in srt[value_col]: if pd.notna(v) and str(v).strip() != "": return v return None # ========================= # iterrows() 行リスト（[(idx, Series), ...]）用の関数 # ========================= def sort_rowtuples_by_followup(rows, followup_col: str): """ iterrows() 由来の rows（[(idx, Series), ...]）を 追跡順（51年→…→3ヶ月）に降順並べ替えして返す。 """ return sorted( rows, key=lambda t: followup_rank(t[1].get(followup_col, "")), reverse=True, ) def first_nonempty_value_from_rows(rows, value_col: str): """ 並び済み rows から、value_col の“最初に非空な値”を返す。なければ None。 """ for _idx, row in rows: if value_col in row: v = row[value_col] if pd.notna(v) and str(v).strip() != "": return v return None def first_nonempty_value_by_rows(rows, value_col: str, followup_col: str): """ 未ソートの rows を追跡順に並べ替えてから、value_col の最初の非空値を返す。 """ return first_nonempty_value_from_rows( sort_rowtuples_by_followup(rows, followup_col), value_col ) def to_cycle_str(tsuiseki: str) -> str: """ '3ヶ月後' → '01', '1年後' → '02', '2年後' → '03', ..., '50年後' → '51' """ tsuiseki = tsuiseki.strip() #if tsuiseki == "3ヶ月後": # return "01" if "年後" in tsuiseki: try: year = int(tsuiseki.replace("年後", "").strip()) return f"{year:02}" # +1 することで3ヶ月後→01, 1年後→02, 2年後→03になる except: return "99" return "99" # 未知の値 def get_kensa_metadata(column_name): mapping = { # ドナー用 'T.Bil[検査値と合併症・再手術・再入院]': ('T.Bil', 'mg/dl', 'float', 1.2), 'D.Bil[検査値と合併症・再手術・再入院]': ('D.Bil', 'mg/dl', 'float', 0.4), 'AST[検査値と合併症・再手術・再入院]': ('AST', 'U/L', 'int', 35), 'ALT[検査値と合併症・再手術・再入院]': ('ALT', 'U/L', 'int', 35), 'PT[検査値と合併症・再手術・再入院]': ('PT-INR', None, 'int', 1.1), 'ワーファリンの使用[検査値と合併症・再手術・再入院]': ('ワーファリンの使用', None, 'str', '0'), 'INR[検査値と合併症・再手術・再入院]': ('PT-INR', None, 'float', 1.1), '疾患の有無[検査値と合併症・再手術・再入院]': ('疾患の有無', None, 'str', '0'), # レシピエント用（追跡時） 'T.Bil[追跡時の検査値]': ('T.Bil', 'mg/dl', 'float', 1.2), 'D.Bil[追跡時の検査値]': ('D.Bil', 'mg/dl', 'float', 0.4), 'AST[追跡時の検査値]': ('AST', 'U/L', 'int', 35), 'ALT[追跡時の検査値]': ('ALT', 'U/L', 'int', 35), 'INR[追跡時の検査値]': ('PT-INR', None, 'float', 1.1), 'ワーファリンの使用[追跡時の検査値]': ('ワーファリンの使用', None, 'str', '0'), } return mapping.get(column_name, (None, None, None, None)) def evaluate_kensa_code(value, dtype, threshold): if value in [None, '']: return 3 try: if dtype == 'float': return 2 if float(value) >= threshold else 1 elif dtype == 'int': return 2 if int(value) >= threshold else 1 elif dtype == 'str': # "無"なら2, "有"なら1, それ以外は3 if str(value).strip() == '無': return 0 elif str(value).strip() == '有': return 1 else: return threshold except (ValueError, TypeError): return 3 def get_sisetu_cd(facility_name): # 文字列化＆空/NaN処理 if pd.isna(facility_name): return "709999" name = str(facility_name).strip() if name == "": return "709999" # 完全一致のみ match = institution_df.loc[institution_df["Liter-j 施設名"] == name] if not match.empty: return match.iloc[0]["施設コード"] # 見つからなかった場合だけログ return "709999" def reset_tables(connection, cursor): # 削除順序（親を最後に） ordered_tables = [ "T_ISHOKU_KIHON_LIVER_LIV", "T_GAPPEI_D_LIV", "T_KENSA_D_LIV", "T_IJI_MENEKI_YOKUSEI_R_LIV", "T_REJECTION_R_LIV", "T_KENSA_R_LIV", "T_GAPPEI_R_LIV", "T_LIVING_R_LIV", "T_DONOR_LIVER_LIV", "T_LIVING_D_LIV", "T_DONOR_LIV", "T_NYURYOKUJOKYO_LIV", "T_ISHOKU_KIHON_LIV", "T_TRACER_IKO" # ← 最後に削除 ] BATCH_SIZE = 1000 # 削除対象 ID を基点テーブルから取得 cursor.execute("SELECT SEITAI_ISYOKU_ID FROM T_TRACER_IKO") all_target_ids = [row['SEITAI_ISYOKU_ID'] for row in cursor.fetchall()] if not all_target_ids: print("削除対象なし") return print("✅ 削除開始") for table in ordered_tables: print(f"削除中のテーブル：{table}") offset = 0 while offset < len(all_target_ids): batch_ids = all_target_ids[offset:offset+BATCH_SIZE] if not batch_ids: break id_placeholders = ",".join(["%s"] * len(batch_ids)) # 特殊ケース: DONOR_A_ID 経由 if table in ["T_GAPPEI_D_LIV", "T_KENSA_D_LIV", "T_LIVING_D_LIV"]: sql = f""" DELETE FROM {table} WHERE DONOR_A_ID IN ( SELECT tmp.DONOR_A_ID FROM ( SELECT T_DONOR_LIV.DONOR_A_ID FROM T_ISHOKU_KIHON_LIV INNER JOIN T_DONOR_LIV ON T_ISHOKU_KIHON_LIV.SEITAI_ISYOKU_ID = T_DONOR_LIV.SEITAI_ISYOKU_ID WHERE T_ISHOKU_KIHON_LIV.SEITAI_ISYOKU_ID IN ({id_placeholders}) LIMIT %s ) AS tmp ) """ params = batch_ids + [BATCH_SIZE] # 子テーブル群: SEITAI_ISYOKU_ID あり elif table in [ "T_KENSA_R_LIV", "T_IJI_MENEKI_YOKUSEI_R_LIV", "T_REJECTION_R_LIV", "T_GAPPEI_R_LIV", "T_LIVING_R_LIV", "T_DONOR_LIVER_LIV", "T_DONOR_LIV", "T_NYURYOKUJOKYO_LIV" ]: sql = f""" DELETE FROM {table} WHERE SEITAI_ISYOKU_ID IN ( SELECT tmp.SEITAI_ISYOKU_ID FROM ( SELECT SEITAI_ISYOKU_ID FROM T_ISHOKU_KIHON_LIV WHERE SEITAI_ISYOKU_ID IN ({id_placeholders}) LIMIT %s ) AS tmp ) """ params = batch_ids + [BATCH_SIZE] # 親テーブル群 else: sql = f""" DELETE FROM {table} WHERE SEITAI_ISYOKU_ID IN ({id_placeholders}) """ params = batch_ids cursor.execute(sql, params) deleted_count = cursor.rowcount connection.commit() if deleted_count > 0: print(f"{deleted_count} 件削除（{table}）") offset += BATCH_SIZE # --- 削除確認 --- if table in ["T_GAPPEI_D_LIV", "T_KENSA_D_LIV", "T_LIVING_D_LIV"]: sql = f""" SELECT COUNT(*) AS cnt FROM {table} t WHERE EXISTS ( SELECT 1 FROM T_ISHOKU_KIHON_LIV kihon INNER JOIN T_DONOR_LIV donor ON kihon.SEITAI_ISYOKU_ID = donor.SEITAI_ISYOKU_ID INNER JOIN T_TRACER_IKO iko ON iko.SEITAI_ISYOKU_ID = kihon.SEITAI_ISYOKU_ID WHERE donor.DONOR_A_ID = t.DONOR_A_ID ) """ else: sql = f""" SELECT COUNT(*) AS cnt FROM {table} t WHERE EXISTS ( SELECT 1 FROM T_TRACER_IKO iko WHERE iko.SEITAI_ISYOKU_ID = t.SEITAI_ISYOKU_ID ) """ cursor.execute(sql) remain = cursor.fetchone()['cnt'] if remain > 0: raise Exception(f"❌ {table} に {remain} 件の未削除データあり。処理を中断します。") else: print(f"✅ {table} の削除確認完了（残件 0 件）") print("✅ 外部キー制約を考慮した安全なバッチ削除完了") def apply_conversion_rules_to_row(table_name, mapping_row, all_row, recipient_rows, donor_rows, conversion_map, toshima_excluded_columns): result = [] for source_col, config in conversion_map.items(): source_col = source_col.strip() # 対象のテーブルでなければスキップ if config.get("target_table") != table_name: continue toshima_excluded_columns = [col.strip() for col in toshima_excluded_columns] # 戸嶋さんに相談しないといけないカラムはスキップ #if source_col.strip() in toshima_excluded_columns: #print(f"{source_col}############################ 戸嶋さんのところとっているよね？") #continue # 違う箇所で変換処理をしているので、変換処理をする必要がないカラムのため、処理をスキップする # 全部完了後に一応、戸嶋さんに確認する #if source_col.strip() in [ # "倫理的問題(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]", # "倫理的問題-その他（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]", # "倫理的問題-血縁関係（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]" #]: # print(f"{source_col}####### スキップ対象カラム（倫理的問題）") # continue #mapping_row["アルトマーク　項目名"] = mapping_row["アルトマーク　項目名"].astype(str).str.strip() #matching_rows = mapping_row[mapping_row["アルトマーク　項目名"] == source_col.strip()] matching_rows = mapping_row[mapping_row["アルトマーク　項目名"] == source_col.strip()] if not matching_rows.empty: target_column = matching_rows.iloc[0]['項目'] if target_column == '項目名（移植時）': if source_col.strip() not in all_row: if source_col.strip() == '抗体製剤-詳細(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]': print(f"だめよだめだめ {source_col} {raw_value}") if source_col.strip() == '保存液(D)[保存（ドナー）]': print(f"保存液(D)[保存（ドナー）]だめよだめだめ {source_col} {raw_value}") continue raw_value = all_row[source_col.strip()] print(f"all-data:{source_col.strip()}, {raw_value}") elif target_column == '項目名（レシピエントフォロー）' and recipient_rows: raw_value = first_nonempty_value_from_rows( recipient_rows, source_col.strip() ) if raw_value is None: continue #col_index = [col.strip() for col in recipient_rows[0][1].index] #if source_col.strip() in col_index: ## 最初の1件を取得している。空でも空でなくても # raw_value = recipient_rows[0][1][source_col.strip()] #else: # continue elif target_column == '項目名（ドナーフォロー）' and donor_rows: # 追跡順に並べ替え→source_col の最初に非空の値を取得 raw_value = first_nonempty_value_from_rows( donor_rows, source_col.strip() ) if raw_value is None: continue #col_index = [col.strip() for col in donor_rows[0][1].index] #if source_col.strip() in col_index: # ## 最初の1件を取得している。空でも空でなくても # raw_value = donor_rows[0][1][source_col.strip()] #else: # continue conv_type = config.get("type") if conv_type == "skip": continue if 'raw_value' not in locals(): #print(f"☑ UPDATEの条件に当てはまらないケースがある{target_column} {source_col} ") continue if conv_type == "multi_flag": for keyword, target_col in config["rules"].items(): value = 1 if keyword in str(raw_value) else 0 result.append((target_col, value, source_col)) elif conv_type == "multi_flag_split": # 候補を収集（all_row → recipient → donor） candidate_values = [str(raw_value).strip()] if raw_value else [] for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: candidate_values.append(val) # 最後の非空値を採用し、カンマで分割 final_value = next((v for v in reversed(candidate_values) if v), "") parts = [p.strip() for p in final_value.split(',') if p.strip()] # 各キーワードが含まれているか判定 for keyword, target_col in config["rules"].items(): value = 1 if keyword in parts else 0 result.append((target_col, value, source_col)) elif conv_type == "single_map": # 変換ルールを取得（文字列 → 数値のマッピング） rules = config["rules"] # 最初に all_row（メインのCSV）の値を候補に入れる（存在しない場合は空リスト） candidate_values = [str(raw_value).strip()] if raw_value else [] # recipient_rows（レシピエントの追跡データ）と donor_rows（ドナーの追跡データ）を順番に確認 # 目的は「CSVと追跡データのすべてから最新の非空データを取得する」ため if len(candidate_values) == 0: for row_set in [recipient_rows, donor_rows]: for row in row_set: # rowがタプル（(key, DataFrame)）の場合、DataFrameを取り出す df = row[1] if isinstance(row, tuple) else row # Series（1行だけのデータ）の場合はDataFrameに変換 if isinstance(df, pd.Series): df = df.to_frame().T # 対象カラムがデータフレーム内に存在するかチェック if source_col in df.columns: # 対象カラムの値を取得し、文字列として扱う（stripで前後空白を除去） val = str(df[source_col].values[0]).strip() # 値が存在する場合、候補リストに追加 if val: candidate_values.append(val) # 候補リストの中で、最後に見つかった非空データ（最新データ）を取得 final_value = next((v for v in reversed(candidate_values) if v), "") # 変換ルールに完全一致する場合、そのマッピング値を取得 if final_value in rules: mapped_value = rules[final_value] else: # 一致しない場合、default値を使用（なければNone） mapped_value = rules.get("default") ### 特別対応：片岡 if source_col == "悪性腫瘍[レシピエントの状態]": print(f"悪性腫瘍[レシピエントの状態] {type(final_value)},{final_value}, {source_col}") if source_col == "腫瘍の個数(R)[肝細胞癌歴ありの場合（レシピエント）]": if final_value == "それ以上": raw_value = all_row["腫瘍の個数-それ以上（テキスト）(R)[肝細胞癌歴ありの場合（レシピエント）]"] rules[final_value] if raw_value == "4": mapped_value = 4 if raw_value == "5": mapped_value = 5 if source_col == "single_map": result.append(("DONOR_TENKI_SIIN_CMNT", mapped_value, "死因-悪性新生物（テキスト）[現状]")) # 最終的な結果を出力リストに追加（カラム名、変換後の値、元のCSVカラム名） result.append((config["target_col"], mapped_value, source_col)) elif conv_type == "date_format": formatted = format_date_value(raw_value, config.get("format", "%Y%m%d")) result.append((config.get("target_col", source_col.strip()), formatted, source_col)) """ # raw_value に加え、recipient_rows・donor_rows も確認 candidate_values = [str(raw_value).strip()] if raw_value else [] for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: candidate_values.append(val) # 最後に見つかった非空の値を使う final_value = next((v for v in reversed(candidate_values) if v), None) try: dt = pd.to_datetime(final_value, errors='coerce') formatted = dt.strftime(config.get("format", "%Y%m%d")) if not pd.isna(dt) else None result.append((config.get("target_col", source_col), formatted, source_col)) except Exception as e: #print(f"❌ date_format error: {source_col} → {e}") result.append((config.get("target_col", source_col), None, source_col)) """ elif conv_type == "exist_flag": value_if_exists = config.get("value_if_exists", 1) value_if_not_exists = config.get("value_if_not_exists", 0) keywords = config.get("keywords") raw_str = str(raw_value).strip() if keywords: # キーワードのいずれかが含まれていれば存在と見なす exists = any(k in raw_str for k in keywords) value = value_if_exists if exists else value_if_not_exists else: value = value_if_exists if raw_str else value_if_not_exists result.append((config["target_col"], value, source_col)) elif conv_type == 'decimal_round': decimal_places = config.get('decimal_places', 0) value = process_decimal_round(raw_value, decimal_places) if not value in (None, '', ' '): result.append((config["target_col"], value, source_col)) elif conv_type == "pass_through": ## 特別対応 #if ("保存液-その他（テキスト）(D)[保存（ドナー）]" == source_col): #print(f"保存液-その他（テキスト）(D)[保存（ドナー）] {raw_value}, {source_col}") if ("腫瘍の個数-それ以上（テキスト）(R)[肝細胞癌歴ありの場合（レシピエント）]" == source_col): if raw_value == "4": continue if raw_value == "5": continue raw_value = raw_value.strip(" \t\u3000") if raw_value is not None else None if not raw_value in (None, '', ' '): result.append((config["target_col"], raw_value, source_col)) elif conv_type == "split_dates_backfill": target_cols = config["target_cols"] max_split = config.get("max_split", len(target_cols)) # 日付候補リスト（all_rowの値） candidate_dates = [] # ① all_row から値を取得 if ("合併症による再手術-手術日(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]" == source_col): candidate_comments = [] if raw_value: parts = [d.strip() for d in str(raw_value).split(",") if d.strip()] candidate_dates.extend(parts) target_raw_comments = all_row["合併症による再手術-術式(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]"] if target_raw_comments: parts = [d.strip() for d in str(target_raw_comments).split(",") if d.strip()] candidate_comments.extend(parts) # レシピエントの追跡データ for _idx, recipient_row in recipient_rows: target_col1 = "合併症による再手術-手術日[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]" if target_col1 in recipient_row: v = recipient_row[target_col1] parts = [d.strip() for d in str(v).split(",") if d.strip()] candidate_dates.extend(parts) target_col2 = "合併症による再手術-術式[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]" if target_col2 in recipient_row: v = recipient_row[target_col2] parts = [d.strip() for d in str(v).split(",") if d.strip()] candidate_comments.extend(parts) # 日付とコメントをペアにする pairs = list(zip(candidate_dates, candidate_comments)) print(f"ここが問題！！！！！！{candidate_dates} -> dates: {candidate_comments}, comments: {pairs}") # pandasで日付に変換してソート（時刻付き/なし両対応） pairs_sorted = sorted(pairs, key=lambda x: pd.to_datetime(x[0], errors="coerce")) # 最新5件を取り出す latest_5 = pairs_sorted[-5:] # 再び分解 date_target_cols = [ "GAPPEI_SAISYUJUTU_DATE", "GAPPEI_SAISYUJUTU_DATE2", "GAPPEI_SAISYUJUTU_DATE3", "GAPPEI_SAISYUJUTU_DATE4", "GAPPEI_SAISYUJUTU_DATE5", ] text_target_cols = [ "GAPPEI_SAISYUJUTU_JUTUSHIKI", "GAPPEI_SAISYUJUTU_JUTUSHIKI2", "GAPPEI_SAISYUJUTU_JUTUSHIKI3", "GAPPEI_SAISYUJUTU_JUTUSHIKI4", "GAPPEI_SAISYUJUTU_JUTUSHIKI5", ] sorted_dates = [d for d, c in latest_5] sorted_comments = [c for d, c in latest_5] print(f"ここが問題！！！！！！{source_col} -> dates: {sorted_dates}, comments: {sorted_comments}") for tcol, tval in zip(date_target_cols, sorted_dates): print(f"@@@@@@@STEP1@@@@@@@@@@@@@@@@@@@@@{tcol} {tval.replace("-", "")}") try: dt = datetime.strptime(tval, "%Y-%m-%d %H:%M:%S") except ValueError: dt = datetime.strptime(tval, "%Y-%m-%d") result.append((tcol, dt.strftime("%Y%m%d"), "合併症による再手術-手術日(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]")) for tcol, tval in zip(text_target_cols, sorted_comments): print(f"@@@@@@@STEP2@@@@@@@@@@@@@@@@@@@@@{tcol} {tval}") result.append((tcol, tval, "合併症による再手術-術式(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]")) for a, b,c in result: print(f"@@@@ DATA @@@@@@@@@@@@@@@@@{a} {b} {c}") else: if raw_value: parts = [d.strip() for d in str(raw_value).split(",") if d.strip()] candidate_dates.extend(parts) if len(candidate_dates) == 0: # ② recipient_rows と donor_rows も確認 for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: parts = [d.strip() for d in val.split(",") if d.strip()] candidate_dates.extend(parts) # 日付を datetime 型に変換して、nullは除外 parsed_dates = [] for d in candidate_dates: try: dt = pd.to_datetime(d, errors='coerce') if not pd.isna(dt): parsed_dates.append(dt) except Exception: continue # 変換エラーは無視 # 最大5件取得 sorted_dates = sorted(parsed_dates, reverse=True)[:max_split] use_text_pairing = False text_items = [] if source_col == "再手術-手術日(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]": text_raw_value = first_nonempty_value_from_rows( recipient_rows, "再手術-術式(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]" ) if text_raw_value is not None and str(text_raw_value).strip(): text_items = [s.strip() for s in str(text_raw_value).split(",") if s.strip()] use_text_pairing = True text_target_cols = [ "GAPPEI_SAISYUJUTU_JUTUSHIKI", "GAPPEI_SAISYUJUTU_JUTUSHIKI2", "GAPPEI_SAISYUJUTU_JUTUSHIKI3", "GAPPEI_SAISYUJUTU_JUTUSHIKI4", "GAPPEI_SAISYUJUTU_JUTUSHIKI5", ][:max_split] if use_text_pairing: # ---- 日付と術式をペアにしてソート ---- date_items = [d.strip() for d in candidate_dates if d and str(d).strip()] if len(date_items) != len(text_items): print(f"[warn] length mismatch: dates={len(date_items)} texts={len(text_items)}") pairs = [] for d, t in zip(date_items, text_items): # ずれがあれば短い方に自動で合わせる dt = pd.to_datetime(d, errors="coerce") if pd.isna(dt): continue pairs.append((dt, t)) # 日付の降順で最新5件 top_pairs = sorted(pairs, key=lambda x: x[0], reverse=True)[:max_split] # 出力（yyyyMMdd） formatted_dates = [dt.strftime("%Y%m%d") for dt, _ in top_pairs] sorted_texts = [t for _, t in top_pairs] # 必要なら後続で格納 else: # ---- 日付だけでソート ---- parsed_dates = [] for d in candidate_dates: dt = pd.to_datetime(d, errors="coerce") if not pd.isna(dt): parsed_dates.append(dt) sorted_dates = sorted(parsed_dates, reverse=True)[:max_split] formatted_dates = [d.strftime("%Y%m%d") for d in sorted_dates] # テキストは扱わない # パディング＆result 追加（従来どおり） padded_dates = formatted_dates + [None] * (len(target_cols) - len(formatted_dates)) for col, val in zip(target_cols, padded_dates): result.append((col, val, source_col)) if use_text_pairing: padded_texts = sorted_texts + [None] * (len(text_target_cols) - len(sorted_texts)) for tcol, tval in zip(text_target_cols, padded_texts): result.append((tcol, tval, source_col)) """ # yyyyMMdd 形式に変換 formatted_dates = [d.strftime("%Y%m%d") for d in sorted_dates] print(f"max2{formatted_dates}") # 必要な数まで None を補完 padded_dates = formatted_dates + [None] * (len(target_cols) - len(formatted_dates)) print(f"max3{padded_dates}") # 出力リストに追加 for col, val in zip(target_cols, padded_dates): result.append((col, val, source_col)) """ elif conv_type == "split_text_backfill": # 最終的に収集するテキストリスト collected_parts = [] # ① all_row の値を取得 if raw_value: parts = [d.strip() for d in re.split(r"[、,]", str(raw_value)) if d.strip()] collected_parts.extend(parts) # ② recipient_rows と donor_rows を後ろ（最新）から確認 if len(collected_parts) == 0: for row_set in [recipient_rows, donor_rows]: # 最新データを優先するため reversed でループ for row in reversed(row_set): df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: parts = [d.strip() for d in re.split(r"[、,]", val) if d.strip()] collected_parts.extend(parts) # 最大件数を設定 max_split = config.get("max_split", len(config["target_cols"])) # 取得した全データから最新の max_split 件を取得（リストの後ろを優先） collected_parts = collected_parts[-max_split:] if collected_parts else [] # 足りない分は None で埋める padded_parts = collected_parts + [None] * (len(config["target_cols"]) - len(collected_parts)) # 結果を出力リストに追加 result.extend([(col, val, source_col) for col, val in zip(config["target_cols"], padded_parts)]) elif conv_type == "multi_output_map": value_str = str(raw_value).strip() is_null = value_str == "" or pd.isna(raw_value) for target_col, rule_map in config["rules"].items(): result_value = None if is_null: result_value = rule_map.get("default", None) elif value_str.isdigit(): num = int(value_str) if str(num) in rule_map: result_value = rule_map[str(num)] elif num >= 1 and "1+" in rule_map: result_value = rule_map["1+"] else: result_value = rule_map.get("default", None) else: result_value = rule_map.get("default", None) if result_value == "value": result_value = raw_value # 元の値をそのまま使う result.append((target_col, result_value, source_col)) elif conv_type == "aggregate_sum_flagged": value_col = config["value_col"] sum_target_col = config["sum_target_col"] flag_target_col = config["flag_target_col"] rules = config.get("rules", {}) total_sum = 0 # 処理対象セット（例: recipient_rows, donor_rows） for row_set in [recipient_rows, donor_rows]: for row in row_set: # rowがtupleの場合（(key, DataFrame)） if isinstance(row, tuple): df = row[1] else: df = row # rowがそのままDataFrameまたはSeries # SeriesをDataFrameに変換 if isinstance(df, pd.Series): df = df.to_frame().T if value_col in df.columns: col_values = pd.to_numeric(df[value_col], errors='coerce').fillna(0) total_sum += col_values.sum() result.append((sum_target_col, int(total_sum), source_col)) if total_sum == 0: flag_value = rules.get("if_sum_equals_0", None) else: flag_value = rules.get("if_sum_greater_than_0", None) result.append((flag_target_col, flag_value, source_col)) elif conv_type == "paired_split_backfill": paired_date_col = source_col.strip() paired_text_col = config.get("paired_text_col", "").strip() max_split = config.get("max_split", 5) combined_pairs = [] # recipient_rows, donor_rows 両方からデータを取得 for row_set in [recipient_rows, donor_rows]: for row in row_set: # rowがtupleならDataFrameを取り出す df = row[1] if isinstance(row, tuple) else row # Series を DataFrame に変換 if isinstance(df, pd.Series): df = df.to_frame().T if paired_date_col in df.columns: date_values = str(df[paired_date_col].values[0]) text_values = str(df[paired_text_col].values[0]) if paired_text_col in df.columns else "" date_list = [d.strip() for d in date_values.split(',') if d.strip()] text_list = [t.strip() for t in text_values.split(',') if t.strip()] date_objs = [pd.to_datetime(d, errors='coerce') for d in date_list] valid_pairs = [(d, t) for d, t in zip(date_objs, text_list) if not pd.isna(d)] combined_pairs.extend(valid_pairs) # 最新順に並べ替えて、max_split件だけ取得 sorted_pairs = sorted(combined_pairs, key=lambda x: x[0], reverse=True)[:max_split] # 日付とテキストを分解 sorted_dates = [d.strftime("%Y%m%d") for d, _ in sorted_pairs] sorted_texts = [t for _, t in sorted_pairs] # 必要数だけNone埋め filled_dates = sorted_dates + [None] * (len(config["target_cols_date"]) - len(sorted_dates)) filled_texts = sorted_texts + [None] * (len(config["target_cols_text"]) - len(sorted_texts)) # 結果に追加（DATE） for col, val in zip(config["target_cols_date"], filled_dates): result.append((col, val, paired_date_col)) # 結果に追加（TEXT） for col, val in zip(config["target_cols_text"], filled_texts): result.append((col, val, paired_text_col)) elif conv_type == "latest_exist_and_detail_flag": flag_col = config["flag_target_col"] detail_col = config["detail_target_col"] latest_value = None # ① all_row を優先的に確認 if source_col in all_row and str(all_row[source_col]).strip(): latest_value = str(all_row[source_col]).strip() # ② all_row になければ recipient_rows / donor_rows を順に確認 if not latest_value: for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: latest_value = val # 上書きしていくので最後にある値が採用される # ③ 結果格納 if latest_value: result.append((flag_col, 1, source_col)) result.append((detail_col, latest_value, source_col)) else: result.append((flag_col, 0, source_col)) result.append((detail_col, None, source_col)) elif conv_type == "disease_code_mapping_regular": # DiseaseCodeProcessorを使用した新しい処理 processor = DiseaseCodeProcessor() # 1行のSeriesをDataFrameに変換 df_single_row = pd.DataFrame([all_row]) # 疾患コード変換処理を実行 processed_df = processor.process_disease_codes(df_single_row) processed_row = processed_df.iloc[0] # 結果をresultリストに追加 for i in range(1, 6): h_value = processed_row.get(f"GENSIKKAN{i}_H", '') l_value = processed_row.get(f"GENSIKKAN{i}_L", '') cmnt_value = processed_row.get(f"GENSIKKAN{i}_CMNT", '') if h_value: result.append((f"GENSIKKAN{i}_H", h_value, "disease_code_mapping_regular")) if l_value: result.append((f"GENSIKKAN{i}_L", l_value, "disease_code_mapping_regular")) if cmnt_value: result.append((f"GENSIKKAN{i}_CMNT", cmnt_value, "disease_code_mapping_regular")) elif conv_type == "disease_code_mapping_admin": admin_mappings = [ # パターン①: Primary non-function { "field": "Primary non-function(R)[初回調査用紙（レシピエント／ドナー情報）]", "h_value": "08", "l_value": "0801", "cmnt_field": None }, # パターン②: 慢性拒絶反応 { "field": "慢性拒絶反応(R)[初回調査用紙（レシピエント／ドナー情報）]", "h_value": "08", "l_value": "0802", "cmnt_field": None }, # パターン③: 原疾患の再発 { "field": "原疾患の再発(R)[初回調査用紙（レシピエント／ドナー情報）]", "h_value": "08", "l_value": "0803", "cmnt_field": "原疾患の再発（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]" }, # パターン④: 血管系合併症 { "field": "血管系合併症(R)[初回調査用紙（レシピエント／ドナー情報）]", "h_value": "08", "l_value": "0804", "cmnt_field": "血管系合併症（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]" }, # パターン⑤: その他 { "field": "その他(R)[初回調査用紙（レシピエント／ドナー情報）]", "h_value": "08", "l_value": "0805", "cmnt_field": "その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]" }, ] filed_count = 1 # 各疾患タイプを1回だけ処理するよう反復処理 for mapping in admin_mappings: if filed_count > 3: continue field = mapping["field"] cmnt_field = mapping["cmnt_field"] value = all_row[field] cmnt_value = all_row.get(cmnt_field) if cmnt_field in all_row else None if value == 'True': h_value = mapping["h_value"] l_value = mapping["l_value"] l_value = mapping["l_value"] result.append((f"GENSIKKAN_KANRISHA{filed_count}_H", h_value, field)) result.append((f"GENSIKKAN_KANRISHA{filed_count}_L", l_value, field)) if cmnt_value: result.append((f"GENSIKKAN_KANRISHA{filed_count}_CMNT", cmnt_value, cmnt_field)) filed_count = filed_count + 1 else: ## 群コードが入っていなかったら次のカラムを参照する continue elif conv_type == "multi_flag_split_contains": # 改行・カンマ・全角カンマ・読点を考慮して分割 parts = re.split(r"[,\n、，]", str(raw_value)) if raw_value else [] parts = [p.strip() for p in parts if p.strip()] for keyword, target_col in config["rules"].items(): value = 1 if any(keyword in p for p in parts) else 0 result.append((target_col, value, source_col)) elif conv_type == "conditional_flag_with_detail": main_flag_col = config["main_flag_col"] value_if_true = config["value_if_true"] value_if_false = config["value_if_false"] details_cfg = config["details"] details_col = details_cfg["source_col"] # まず main_flag を判断（all_row, recipient_rows, donor_rows） def get_value(col): if col in all_row and str(all_row[col]).strip(): return str(all_row[col]).strip() for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if col in df.columns: val = str(df[col].values[0]).strip() if val: return val return "" main_value = get_value(source_col) detail_value = get_value(details_col) # フラグの判定 if main_value == value_if_true: result.append((main_flag_col, 1, source_col)) for keyword, mapping in details_cfg["mappings"].items(): if keyword in detail_value: result.append((mapping["target_col"], 1, details_col)) # コメントが必要な場合 if "comment_col" in mapping and "comment_source_col" in mapping: comment_val = get_value(mapping["comment_source_col"]) result.append((mapping["comment_col"], comment_val, mapping["comment_source_col"])) else: result.append((mapping["target_col"], 0, details_col)) if "comment_col" in mapping: result.append((mapping["comment_col"], None, mapping["comment_source_col"])) elif main_value == value_if_false: result.append((main_flag_col, 0, source_col)) else: result.append((main_flag_col, None, source_col)) # 値が不明な場合 elif conv_type == "latest_date_from_split": candidate_values = [str(raw_value).strip()] if raw_value else [] for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: candidate_values.append(val) # 最後に見つかった非空値 final_value = next((v for v in reversed(candidate_values) if v), "") # カンマ区切り → 日付に変換 → 最新値を抽出 date_parts = [pd.to_datetime(d.strip(), errors="coerce") for d in final_value.split(",")] valid_dates = [d for d in date_parts if not pd.isna(d)] if valid_dates: latest_date = max(valid_dates) formatted = latest_date.strftime(config.get("format", "%Y%m%d")) else: formatted = None result.append((config.get("target_col", source_col), formatted, source_col)) elif conv_type == "minutes_to_hour_minute": candidate_values = [str(raw_value).strip()] if raw_value else [] for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: candidate_values.append(val) final_value = next((v for v in reversed(candidate_values) if v), "") try: total_minutes = int(final_value) hours = total_minutes // 60 minutes = total_minutes % 60 except Exception as e: #print(f"❌ minutes_to_hour_minute parse error: {source_col} → {e}") hours = None minutes = None result.append((config["target_cols"]["hour"], hours, source_col)) result.append((config["target_cols"]["minute"], minutes, source_col)) elif conv_type == "donor_jutsumae_fukki": status_value = str(all_row.get(source_col, "")).strip() fields = config.get("fields", {}) is_kenzon = status_value == "健存" is_byotai = status_value in ["死亡", "病悩", "病脳"] if is_kenzon: fukki_field = fields.get("復帰_健存_可否") katsudo_field = fields.get("復帰_健存_活動") riyu_field = fields.get("復帰_健存_理由区分") cmnt_field = fields.get("復帰_健存_理由詳細") fukki_value = all_row.get(fukki_field, "").strip() result.append(("JUTSUMAE_FUKKI", 1 if fukki_value == "可" else 0, fukki_field)) katsudo_value = all_row.get(katsudo_field, "").strip() result.append(("KATSUDO_JOKYO", katsudo_value, katsudo_field)) riyu_value = all_row.get(riyu_field, "").strip() riyu_mapped = 1 if riyu_value == "医学的" else 2 if riyu_value == "社会的" else None result.append(("JUTSUMAE_FUKKI_NOT", riyu_mapped, riyu_field)) cmnt_value = all_row.get(cmnt_field, "").strip() result.append(("JUTSUMAE_FUKKI_NOT_CMNT", cmnt_value, cmnt_field)) elif is_byotai: fukki_field = fields.get("復帰_病態_可否") katsudo_field = fields.get("復帰_病態_活動") riyu_field = fields.get("復帰_健存_理由区分") # 同じ項目名 period_field = fields.get("復帰_病態_期間") byonou_riyuu_field = fields.get("復帰_病態_理由詳細") fukki_value = all_row.get(fukki_field, "").strip() result.append(("JUTSUMAE_FUKKI", 1 if fukki_value == "可" else 0, fukki_field)) katsudo_value = all_row.get(katsudo_field, "").strip() result.append(("KATSUDO_JOKYO", katsudo_value, katsudo_field)) riyu_value = all_row.get(riyu_field, "").strip() riyu_mapped = 1 if riyu_value == "医学的" else 2 if riyu_value == "社会的" else None result.append(("JUTSUMAE_FUKKI_NOT", riyu_mapped, riyu_field)) period = all_row.get(period_field, "").strip() reason = all_row.get(byonou_riyuu_field, "").strip() cmnt_value = f"{period} {reason}".strip() if reason else period result.append(("JUTSUMAE_FUKKI_NOT_CMNT", cmnt_value, byonou_riyuu_field)) elif conv_type == "keyword_map_with_default": candidate_values = [str(raw_value).strip()] if raw_value else [] # recipient_rows → donor_rows からも追加で値を取得 for row_set in [recipient_rows, donor_rows]: for row in row_set: df = row[1] if isinstance(row, tuple) else row if isinstance(df, pd.Series): df = df.to_frame().T if source_col in df.columns: val = str(df[source_col].values[0]).strip() if val: candidate_values.append(val) # 最後に出現した非空値を使用 final_value = next((v for v in reversed(candidate_values) if v), "") matched = False rules = config.get("rules", {}) for keyword, rule in rules.items(): if keyword != "default" and keyword in final_value: result.append((rule["target_col"], rule["value"], source_col)) matched = True break if not matched and final_value: default_rule = rules.get("default", {}) if "target_col" in default_rule: result.append((default_rule["target_col"], default_rule.get("value"), source_col)) if "comment_col" in default_rule: result.append((default_rule["comment_col"], final_value, source_col)) elif conv_type == "split_minutes_to_hour_minute": try: minutes = int(float(raw_value)) if raw_value else 0 hours = minutes // 60 remainder = minutes % 60 result.append((config["hour_target_col"], hours, source_col)) result.append((config["minute_target_col"], remainder, source_col)) except (ValueError, TypeError): result.append((config["hour_target_col"], None, source_col)) result.append((config["minute_target_col"], None, source_col)) elif conv_type == "multi_flag_map_with_etc": raw_items = [s.strip() for s in str(raw_value).split(config.get("delimiter", ",")) if s.strip()] matched_keys = set(config["map"].keys()) used = set() for item in raw_items: if item in config["map"]: target_col = config["map"][item] result.append((target_col, 1, source_col)) used.add(item) # 未マッチがあったら etc フラグとコメント unmatched = [item for item in raw_items if item not in used] if unmatched: result.append((config["etc_flag_field"], 1, source_col)) result.append((config["etc_comment_field"], raw_value, source_col)) else: result.append((config["etc_flag_field"], 0, source_col)) result.append((config["etc_comment_field"], None, source_col)) elif conv_type == "conditional_multi_flag_map": value_str = str(raw_value).strip() rules = config.get("rules", {}) # 条件に一致するルールを探す if value_str in rules: update_rule = rules[value_str] else: update_rule = rules.get("default", {}) for target_col, target_value in update_rule.items(): result.append((target_col, target_value, source_col)) elif conv_type == "keyword_flag_map": text = str(raw_value) used = set() for keyword, target_col in config["keywords"].items(): if keyword in text: result.append((target_col, 1, source_col)) used.add(target_col) # 対象の全てのフィールドに対して未使用なら0 for target_col in set(config["keywords"].values()): if target_col not in used: result.append((target_col, 0, source_col)) elif conv_type == "multi_flag_split_contains_with_exist_flag": config_rules = config["config"]["rules"] exist_flag_col = config["config"]["exist_flag_col"] # 値が存在する場合は exist_flag_col を 1、存在しない場合は 0 if raw_value and str(raw_value).strip(): result.append((exist_flag_col, 1, source_col)) else: result.append((exist_flag_col, 0, source_col)) continue # 空ならこれ以上処理しない # データ分割（カンマ、改行、全角カンマ、読点） parts = re.split(r"[,\n、，]", str(raw_value)) parts = [p.strip() for p in parts if p.strip()] matched_keywords = set() # 既存：キーワードごとにフラグ判定（そのまま） for keyword, target_col in config_rules.items(): if any(keyword in p for p in parts): result.append((target_col, 1, source_col)) matched_keywords.add(target_col) else: result.append((target_col, 0, source_col)) # ★追加：ルール外（未マッチ）文字列を抽出 unmatched_parts = [] rule_keywords = list(config_rules.keys()) for p in parts: if not any((kw in p) for kw in rule_keywords): unmatched_parts.append(p) # ★追加：汎用のETC/コメント出力（設定されている場合のみ） etc_target_col = config["config"].get("etc_target_col") etc_comment_col = config["config"].get("etc_comment_col") if etc_target_col: if unmatched_parts: # ルール外がある場合は 1 を立てる result.append((etc_target_col, 1, source_col)) if etc_comment_col: # 複数あれば全角読点で結合（お好みで変更可） result.append((etc_comment_col, "、".join(unmatched_parts), source_col)) else: # ルール外が無ければ 0、およびコメントは空（出力不要ならこの2行は削除可） result.append((etc_target_col, 0, source_col)) if etc_comment_col: result.append((etc_comment_col, "", source_col)) # 既存のコメント出力（オプション）機能はそのまま comment_col = config["config"].get("comment_target_col") comment_targets = config["config"].get("comment_rules", []) if comment_col and any(target in matched_keywords for target in comment_targets): result.append((comment_col, raw_value, source_col)) elif conv_type == "conditional_text_map": """ 条件付きテキストマッピング 特定の値が選択された場合に、対応するテキストフィールドの値を取得する """ target_col = config.get("target_col") rules = config.get("rules", {}) # データ取得の優先順位: all.csv -> donor.csv -> recipient.csv value = None # all.csvから値を取得 if source_col in self.all_df.columns: value = self.all_df.at[row_idx, source_col] # allにない場合、donor/recipientを確認（最新データを取得） if pd.isna(value) or value == "": # (D)がついている場合はdonor優先 if "(D)" in source_col: value = self.get_latest_data_from_followup(source_col, row_idx, self.donor_df) # (R)がついている場合はrecipient優先 elif "(R)" in source_col: value = self.get_latest_data_from_followup(source_col, row_idx, self.recipient_df) # 識別子がない場合は両方確認 else: value = self.get_latest_data_from_followup(source_col, row_idx, self.donor_df) if pd.isna(value) or value == "": value = self.get_latest_data_from_followup(source_col, row_idx, self.recipient_df) if pd.isna(value) or value == "": continue # 値の変換処理 if str(value) in rules: rule = rules[str(value)] # rulesの値が辞書の場合（テキスト参照が必要） if isinstance(rule, dict) and "text_source_col" in rule: mapped_value = rule.get("value", value) text_col_name = rule["text_source_col"] # テキストフィールドからデータを取得（同じ優先順位） text_value = None # all.csvから値を取得 if text_col_name in self.all_df.columns: text_value = self.all_df.at[row_idx, text_col_name] # allにない場合、donor/recipientを確認（最新データを取得） if pd.isna(text_value) or text_value == "": if "(D)" in text_col_name: text_value = self.get_latest_data_from_followup(text_col_name, row_idx, self.donor_df) elif "(R)" in text_col_name: text_value = self.get_latest_data_from_followup(text_col_name, row_idx, self.recipient_df) else: text_value = self.get_latest_data_from_followup(text_col_name, row_idx, self.donor_df) if pd.isna(text_value) or text_value == "": text_value = self.get_latest_data_from_followup(text_col_name, row_idx, self.recipient_df) # テキスト値がある場合は、その値を使用 if not pd.isna(text_value) and str(text_value).strip() != "": final_value = str(text_value).strip() else: final_value = mapped_value else: # 通常のマッピング final_value = rule else: # デフォルト値処理 final_value = rules.get("default", value) # 結果をresultリストに追加 if final_value is not None: result.append((target_col, final_value, source_col)) # kan.py の apply_rules メソッドに追加する新しい変換タイプ elif conv_type == "multi_flag_with_unknown_handling": """ 複数フラグ分割（未知文字列処理付き） 指定されたキーワードにマッチするものは対応フィールドに1を設定 マッチしない文字列があれば、指定されたフィールドに1を設定し、コメントフィールドに格納 追加要件: - 「リツキシマブ」を含む場合、special_flags["rituximab_flag"] を 1（なければ 0） - 「バシリキシマブ」または「ATG」または「ALG」を含む場合、special_flags["antibody_flag"] を 1（なければ 0） """ config_rules = config["config"]["rules"] exist_flag_col = config["config"].get("exist_flag_col") unknown_flag_col = config["config"].get("unknown_flag_col", "KOTAI_ETC") unknown_comment_col = config["config"].get("unknown_comment_col", "KOTAI_ETC_CMNT") special_flags = config["config"].get("special_flags", {}) rituximab_flag_col = special_flags.get("rituximab_flag") # 例: "KOTAISHORI_FLG" antibody_flag_col = special_flags.get("antibody_flag") # 例: "DONYUKOTAI_FLG" # 値が存在する場合は exist_flag_col を 1、存在しない場合は 0 if raw_value and str(raw_value).strip(): if exist_flag_col: result.append((exist_flag_col, 1, source_col)) else: if exist_flag_col: result.append((exist_flag_col, 0, source_col)) # ルール対象フィールドは全て0 for target_col in config_rules.values(): result.append((target_col, 0, source_col)) # special flags も 0 if rituximab_flag_col: result.append((rituximab_flag_col, 0, source_col)) if antibody_flag_col: result.append((antibody_flag_col, 0, source_col)) # unknownフラグは0 result.append((unknown_flag_col, 0, source_col)) continue # データ分割（カンマのみ。必要なら読点/全角カンマを足してください） parts = re.split(r"[,]", str(raw_value)) parts = [p.strip() for p in parts if p.strip()] matched_targets = set() # マッチした出力カラム名 matched_keywords = set() # マッチしたキーワード（文字列） unknown_parts = [] # 各部分をチェック for part in parts: matched_keywords_in_part = set() # 既知のキーワードをすべてチェック（breakしない） for keyword, target_col in config_rules.items(): if keyword in part: # 同じターゲットに重複して 1 を積み上げないようにする if target_col not in matched_targets: result.append((target_col, 1, source_col)) matched_targets.add(target_col) matched_keywords.add(keyword) matched_keywords_in_part.add(keyword) # この部分で何もマッチしなかった場合のみ unknown_parts に追加 if not matched_keywords_in_part: unknown_parts.append(part) # マッチしなかったフィールドを0に設定 for target_col in config_rules.values(): if target_col not in matched_targets: result.append((target_col, 0, source_col)) # --- 追加: special flags の設定 --- # リツキシマブ検出 -> rituximab_flag を 1、それ以外は 0 if rituximab_flag_col: if "リツキシマブ" in matched_keywords: result.append((rituximab_flag_col, 1, source_col)) else: result.append((rituximab_flag_col, 0, source_col)) # バシリキシマブ or ATG or ALG 検出 -> antibody_flag を 1、それ以外は 0 if antibody_flag_col: if any(k in matched_keywords for k in ("バシリキシマブ", "ATG")): result.append((antibody_flag_col, 1, source_col)) elif "ALG" in str(raw_value): # ALGを含むかをチェック result.append((antibody_flag_col, 1, source_col)) else: result.append((antibody_flag_col, 0, source_col)) # --- 追加ここまで --- # 未知の文字列がある場合の処理 if unknown_parts: result.append((unknown_flag_col, 1, source_col)) result.append((unknown_comment_col, ",".join(unknown_parts), source_col)) else: result.append((unknown_flag_col, 0, source_col)) else: print(f"DEBUG: conv_type = {repr(conv_type)}") print(f"⚠️ 未対応の変換タイプ: {conv_type} ({source_col})") return result def update_table(cursor, connection, table_name, column_series, data_row, id_columns, id_values, ishoku_toroku_id, sisetsu_name, recipient_rows=None, donor_rows=None): if not isinstance(id_columns, (list, tuple)): id_columns = [id_columns] if not isinstance(id_values, (list, tuple)): id_values = [id_values] where_clause = " AND ".join([f"`{col}` = %s" for col in id_columns]) # 1. conversion_map による更新 conversion_results = apply_conversion_rules_to_row(table_name, column_series, data_row, recipient_rows, donor_rows, conversion_map, toshima_excluded_columns) for db_field_name, value, source_col in conversion_results: if value is None or value == "": continue try: sql = f"UPDATE {table_name} SET `{db_field_name}` = %s WHERE {where_clause}" ## デバック用 Start　片岡 #if db_field_name in ["ISYOKUGO_NINSINREKI","ISYOKUGO_NINSIN_CNT"]: #if any(substr in db_field_name for substr in ["AKUSEISIKKAN_ETC"]): #if any(substr in db_field_name for substr in ["GAPPEI", "TEKISHUTSU_LI_TYPE"]): # params = [value] + list(id_values) # 生SQL風に再現 formatted_sql = sql params = [value] + list(id_values) for p in params: val = f"'{p}'" if isinstance(p, str) else str(p) formatted_sql = formatted_sql.replace("%s", val, 1) print(f"▶️ 実行SQL: {formatted_sql}") ## デバック用 End cursor.execute(sql, [value] + list(id_values)) except Exception as e: #if source_col in [col.strip() for col in schema_mismatch_columns]: # pass #else: error_logs.append({ "テーブル名": table_name, "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "カラム名": db_field_name, "データ": value, "エラー内容": str(e) }) # 2. 通常カラムの更新（conversion_mapに含まれないもの） for _, row_update in column_series.iterrows(): key = row_update['アルトマーク　項目名'] db_field_name = row_update['物理名'] target_column = row_update['項目'] key_normalized = key.strip() #print(f"aaaa{key_normalized}") # 変換マップで処理済ならスキップ if key_normalized in conversion_map: continue # 移行しないデータはスキップする excluded_columns_strip = [col.strip() for col in excluded_columns] if key_normalized in excluded_columns_strip: continue value = None #if key_normalized in toshima_excluded_columns: # continue try: if target_column == '項目名（移植時）': matching_column = next((col for col in data_row.index if col.strip() == key_normalized), None) if matching_column: value = data_row.get(matching_column) elif target_column == '項目名（レシピエントフォロー）' and recipient_rows: for recipient_row in recipient_rows: if recipient_row[1][key_normalized]: value = recipient_row[1][key_normalized] elif target_column == '項目名（ドナーフォロー）' and donor_rows: for donor_row in donor_rows: if donor_row[1][key_normalized]: value = donor_row[1][key_normalized] if value is not None and value != "": sql = f"UPDATE {table_name} SET `{db_field_name}` = %s WHERE {where_clause}" cursor.execute(sql, [value] + list(id_values)) except Exception as e: #if key_normalized in [col.strip() for col in schema_mismatch_columns]: # pass #print(f"❌ 通常項目UPDATE失敗: {db_field_name}, 移植ID: {ishoku_toroku_id}, データ: {value} CSVカラム:{key_normalized}, エラー: {e}") #else: error_logs.append({ "テーブル名": table_name, "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "カラム名": db_field_name, "データ": value, "エラー内容": str(e) }) def get_latest_data_from_followup(self, col_name: str, row_idx: int, df: pd.DataFrame): """ フォローアップデータから最新のデータを取得（51年目→50年目→...→3ヶ月後の順でチェック） Args: col_name: カラム名 row_idx: 行インデックス df: 検索対象のDataFrame Returns: Any: 見つかった最新の値、見つからない場合はNone """ # フォローアップ順序（逆順：最新から古い順） followup_order_reverse = [f"{i}年後" for i in range(51, 0, -1)] + ["3ヶ月後"] # 基本カラム名（フォローアップ識別子を除去） base_col_name = col_name # フォローアップ順序で最新データを検索 for period in followup_order_reverse: # カラム名に期間が含まれているかチェック if period in col_name: # 既に期間が含まれている場合はそのまま使用 search_col_name = col_name else: # 期間を追加してカラム名を生成 # 例: "血液浄化法-詳細(R)[移植直前の状態...]" → "血液浄化法-詳細(R)[移植直前の状態...] 3ヶ月後" search_col_name = f"{base_col_name} {period}" # DataFrameに該当カラムが存在するかチェック if search_col_name in df.columns: value = df.at[row_idx, search_col_name] # 有効な値が見つかった場合は返す if not pd.isna(value) and str(value).strip() != "": return value # フォローアップデータが見つからない場合、基本カラムをチェック if base_col_name in df.columns: value = df.at[row_idx, base_col_name] if not pd.isna(value) and str(value).strip() != "": return value return None # DB接続情報 #db_config = { # "host": "mysql-db", # "user": "root", # "password": "admin", # "database": "tracer", # "charset": "utf8mb4", # "cursorclass": pymysql.cursors.DictCursor #} ### 片岡 db_config = { "host": "db", # コンテナ名 "user": "root", "password": "123456", "database": "dev_TRACERDB7", "charset": "utf8mb4", "cursorclass": pymysql.cursors.DictCursor } """該当テーブル T_ISHOKU_KIHON_LIV T_ISHOKU_KIHON_LIVER_LIV T_DONOR_LIV T_DONOR_LIVER_LIV T_LIVING_R_LIV T_GAPPEI_R_LIV T_REJECTION_R_LIV T_IJI_MENEKI_YOKUSEI_R_LIV T_KENSA_R_LIV T_KENSA_D_LIV T_GAPPEI_D_LIV """ # 空データ挿入対象テーブルと設定値 table_names = [ "T_ISHOKU_KIHON_LIV", ## 移植基本情報(共通-生体) / １レコード　　　　※問題あり "T_TRACER_IKO", ## TRACER移行紐づけ / ※複数行だけど、１レコード "T_ISHOKU_KIHON_LIVER_LIV", ## 移植基本情報(肝-生体) / 1レコード　　　　※問題あり "T_DONOR_LIV", ## ドナー情報(共通-生体) / 1レコード　　　　※問題あり "T_DONOR_LIVER_LIV", ## ドナー情報(肝-生体) / 1レコード　　　　※問題あり "T_GAPPEI_R_LIV", ## 合併症R(生体-レシピエント) / 複数レコード　　　※問題あり "T_GAPPEI_D_LIV", ## 合併症D(生体-ドナー) / 複数レコード　　　※問題あり "T_LIVING_R_LIV", ## 生活状況R(生体-レシピエント) / 複数レコード　　※一旦完了　戸嶋さんに確認中 "T_LIVING_D_LIV", "T_REJECTION_R_LIV", ## 拒絶反応R(生体-レシピエント) / 複数レコード ※一旦完了　戸嶋さんに確認中 "T_IJI_MENEKI_YOKUSEI_R_LIV", ## 維持期免疫抑制薬R(生体-レシピエント) / 複数レコード ※一旦完了　戸嶋さんに確認中 問題あり "T_KENSA_R_LIV", ## 検査項目R(生体-レシピエント) / 複数レコード ※完了 "T_KENSA_D_LIV", ## 検査項目D(生体-ドナー) / 複数レコード ※完了 ] institution_df = pd.read_csv("/csv/liver/shisetsu.csv", encoding="cp932", dtype=str).fillna("") # TRACERデータ（仮にCSVなどで読み込み済とする） # 実際には元データや整備済DataFrameを使ってください #tracer_df = pd.read_csv("/csv/liver/LITREJ_肝臓_移植時_250217.csv", encoding='cp932', dtype=str).fillna("") #tracer_df = pd.read_csv("/csv/liver/all.csv", encoding='cp932', dtype=str).fillna("") tracer_df = pd.read_excel("/csv/liver/R移植時.xlsx", sheet_name="LITREJ_20250630184614_all", dtype=str).fillna("") tracer_df = tracer_df[tracer_df['生体肝／脳死肝の別'].str.strip() == '生体肝'] # 数値的にIDが189以上の行を抽出（astypeでintに変換）　ID変更片岡 #tracer_df = tracer_df[tracer_df['移植登録ID'].astype(int) == 10743] #tracer_df = tracer_df[tracer_df['移植登録ID'].astype(int).between(1, 200)] # 除外リスト（肝臓移植ID） #exclude_ids = [196, 362, 365, 433, 501, 502, 504, 506, 507, 508, 509, 513, 514, 515, 518, 519] exclude_ids=[] # デバック用 IDが"189"の行を抽出（文字列で一致） #tracer_df = tracer_df[tracer_df['移植登録ID'] == '196'] # 件数を出力して確認 #print(f"抽出された件数: {len(filtered_df)} 件") # 先頭1件だけ表示 #print(filtered_df.head(1)) #donor_df = pd.read_csv("/csv/liver/LITREJ_肝臓_移植後経過_ドナー_250217.csv", encoding='cp932', dtype=str).fillna("") #recipient_df = pd.read_csv("/csv/liver/LITREJ_肝臓_移植後経過_レシピエント_250217.csv", encoding='cp932', dtype=str).fillna("") #institution_df = pd.read_csv("/csv/liver/施設.csv", sep="\t", dtype=str).fillna("") #mapping_dict = pd.read_excel("/csv/liver/移行データ対応表.xlsx", sheet_name=None) # 手動でソート順を定義 followup_order = ["3ヶ月後"] + [f"{i}年後" for i in range(1, 51)] #donor_df = pd.read_csv("/csv/liver/R移植時.xlsx", encoding='cp932', dtype=str).fillna("") donor_df = pd.read_excel("/csv/liver/D移植後.xlsx", sheet_name="LITREJ_20250630185101_donor_fol", dtype=str).fillna("") # カテゴリ型として順序を指定 donor_df["追跡調査の種類[ドナー追跡調査]"] = pd.Categorical( donor_df["追跡調査の種類[ドナー追跡調査]"], categories=followup_order, ordered=True ) # ソート実行 donor_df.sort_values( by=["肝臓移植ID[ドナー追跡調査]", "追跡調査の種類[ドナー追跡調査]"], ascending=True, inplace=True ) #recipient_df = pd.read_csv("/csv/liver/recipient.csv", encoding='cp932', dtype=str).fillna("") recipient_df = pd.read_excel("/csv/liver/R移植後.xlsx", sheet_name="LITREJ_20250630185917_recipient", dtype=str).fillna("") # カテゴリ型として順序を指定 recipient_df["追跡調査の種類[レシピエント追跡調査]"] = pd.Categorical( recipient_df["追跡調査の種類[レシピエント追跡調査]"], categories=followup_order, ordered=True ) # R監視者用原疾患 recipient_genshikan_df = pd.read_excel("/csv/liver/R管理者原疾患.xlsx", sheet_name="登録元データ2001.12.5", dtype=str).fillna("") # ソート実行 recipient_df.sort_values( by=["肝臓移植ID[レシピエント追跡調査]", "追跡調査の種類[レシピエント追跡調査]"], ascending=True, inplace=True ) mapping_dict = pd.read_excel("/csv/liver/map.xlsx", sheet_name=None, keep_default_na=False) change_list_df = pd.read_csv("/csv/liver/map_table_list.csv", sep="\t", dtype=str).fillna("") error_logs = [] # エラー情報をここにためるリスト df_mapping = mapping_dict['肝臓_生体'] """ カラムの項目を表示する tracer_df_columns = tracer_df.columns.tolist() print(tracer_df_columns) ['移植登録ID', '作成日', '生体肝／脳死肝の別', '施設名', '診療科', '電話番号', 'FAX番号', '担当医名', '移植肝亜区域', '移植肝亜区域-中肝静脈', '移植肝重量', '移植日', '移植回数', '移植回数（テキスト）', '姓(R)[初回調査用紙（レシピエント／ドナー情報）]', '名(R)[初回調査用紙（レシピエント／ドナー情報）]', '性別(R)[初回調査用紙（レシピエント／ドナー情報）]', '生年月日(R)[初回調査用紙（レシピエント／ドナー情報）]', '年齢(R)[初回調査用紙（レシピエント／ドナー情報）]', '月齢(R)[初回調査用紙（レシピエント／ドナー情報）]', 'カルテ番号／ID(R)[初回調査用紙（レシピエント／ドナー情報）]', '胆汁鬱滞性疾患(R)[初回調査用紙（レシピエント／ドナー情報）]', '胆汁鬱滞性疾患-詳細(R)[初回調査用紙（レシピエント／ドナー情報）]', '胆汁鬱滞性疾患-その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '胆汁鬱滞性疾患-群コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '胆汁鬱滞性疾患-疾患コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '腫瘍性疾患(R)[初回調査用紙（レシピエント／ドナー情報）]', '腫瘍性疾患-詳細(R)[初回調査用紙（レシピエント／ドナー情報）]', '腫瘍性疾患-他の原発性（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '腫瘍性疾患-転移性（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '腫瘍性疾患-群コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '腫瘍性疾患-疾患コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '肝細胞性疾患（肝硬変）(R)[初回調査用紙（レシピエント／ドナー情報）]', '肝細胞性疾患（肝硬変）-詳細(R)[初回調査用紙（レシピエント／ドナー情報）]', '肝細胞性疾患（肝硬変）-その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '肝細胞性疾患（肝硬変）-群コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '肝細胞性疾患（肝硬変）-疾患コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '急性肝不全(R)[初回調査用紙（レシピエント／ドナー情報）]', '急性肝不全-詳細(R)[初回調査用紙（レシピエント／ドナー情報）]', '急性肝不全-他のviral（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '急性肝不全-薬剤性（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '急性肝不全-その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '急性肝不全-群コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '急性肝不全-疾患コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '代謝性疾患(R)[初回調査用紙（レシピエント／ドナー情報）]', '代謝性疾患-詳細(R)[初回調査用紙（レシピエント／ドナー情報）]', '代謝性疾患-Glycogen Storage Disease（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '代謝性疾患-その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '代謝性疾患-群コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '代謝性疾患-疾患コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '血管性疾患(R)[初回調査用紙（レシピエント／ドナー情報）]', '血管性疾患-詳細(R)[初回調査用紙（レシピエント／ドナー情報）]', '血管性疾患-その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '血管性疾患-群コード(R)[初回調査用紙（レシピエント／ドナー情報）]', '血管性疾患-疾患コード(R)[初回調査用紙（レシピエント／ドナー情報）]', 'その他の疾患(R)[初回調査用紙（レシピエント／ドナー情報）]', 'その他の疾患-詳細(R)[初回調査用紙（レシピエント／ドナー情報）]', 'その他の疾患-その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', 'その他の疾患-群コード(R)[初回調査用紙（レシピエント／ドナー情報）]', 'その他の疾患-疾患コード(R)[初回調査用紙（レシピエント／ドナー情報）]', 'Primary non-function(R)[初回調査用紙（レシピエント／ドナー情報）]', '慢性拒絶反応(R)[初回調査用紙（レシピエント／ドナー情報）]', '原疾患の再発(R)[初回調査用紙（レシピエント／ドナー情報）]', '原疾患の再発（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '血管系合併症(R)[初回調査用紙（レシピエント／ドナー情報）]', '血管系合併症（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', 'その他(R)[初回調査用紙（レシピエント／ドナー情報）]', 'その他（テキスト）(R)[初回調査用紙（レシピエント／ドナー情報）]', '姓(D)[初回調査用紙（レシピエント／ドナー情報）]', '名(D)[初回調査用紙（レシピエント／ドナー情報）]', '性別(D)[初回調査用紙（レシピエント／ドナー情報）]', '生年月日(D)[初回調査用紙（レシピエント／ドナー情報）]', '年齢(D)[初回調査用紙（レシピエント／ドナー情報）]', '月齢(D)[初回調査用紙（レシピエント／ドナー情報）]', '人種(R)[レシピエント情報／ドナー情報]', '人種-その他（テキスト）(R)[レシピエント情報／ドナー情報]', '身長(R)[レシピエント情報／ドナー情報]', '体重(R)[レシピエント情報／ドナー情報]', 'ABO血液型(R)[レシピエント情報／ドナー情報]', 'Rh血液型(R)[レシピエント情報／ドナー情報]', 'HLA Type:A1(R)[レシピエント情報／ドナー情報]', 'HLA Type:A2(R)[レシピエント情報／ドナー情報]', 'HLA Type:B1(R)[レシピエント情報／ドナー情報]', 'HLA Type:B2(R)[レシピエント情報／ドナー情報]', 'HLA Type:C1(R)[レシピエント情報／ドナー情報]', 'HLA Type:C2(R)[レシピエント情報／ドナー情報]', 'HLA Type:DR1(R)[レシピエント情報／ドナー情報]', 'HLA Type:DR2(R)[レシピエント情報／ドナー情報]', '年齢(D)[レシピエント情報／ドナー情報]', '人種(D)[レシピエント情報／ドナー情報]', '人種-その他（テキスト）(D)[レシピエント情報／ドナー情報]', '身長(D)[レシピエント情報／ドナー情報]', '体重(D)[レシピエント情報／ドナー情報]', 'ABO血液型(D)[レシピエント情報／ドナー情報]', 'Rh血液型(D)[レシピエント情報／ドナー情報]', 'HLA Type:A1(D)[レシピエント情報／ドナー情報]', 'HLA Type:A2(D)[レシピエント情報／ドナー情報]', 'HLA Type:B1(D)[レシピエント情報／ドナー情報]', 'HLA Type:B2(D)[レシピエント情報／ドナー情報]', 'HLA Type:C1(D)[レシピエント情報／ドナー情報]', 'HLA Type:C2(D)[レシピエント情報／ドナー情報]', 'HLA Type:DR1(D)[レシピエント情報／ドナー情報]', 'HLA Type:DR2(D)[レシピエント情報／ドナー情報]', '腹水(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '脳症(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '血液浄化法(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '血液浄化法-詳細(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '血液浄化法-詳細-その他（テキスト）(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '肝細胞癌歴(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '透析治療(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '肝肺症候群(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '肺高血圧(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Quality of Life(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'PS(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Platelet(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'T.Bil(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'D.Bil(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Alb(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Creatinine(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'PT(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'ワーファリンの使用(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'INR(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Na(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBsAg(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBsAb(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBeAg(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBeAb(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBcAb(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBV-DNA(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HCVAb(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HCV-RNA(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HIV(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'ATLA(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'CMV(IgG)(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'MELDスコア(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'PELDスコア(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'CTPスコア(R)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '死因(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '死因-頭部外傷（その他）（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '死因-脳血管障害（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '死因-脳腫瘍（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '死因-その他（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '経過中の心停止(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '昇圧剤の使用(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '種類(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '使用量(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '種類(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_1', '使用量(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_2', '既往歴(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '既往歴-有（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'アルコール歴(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '種類と一日量(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '年数(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '併存症(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '併存症-詳細(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '併存症-詳細-その他（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '脂肪肝(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '脂肪肝-有（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'AST(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'ALT(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'T.Bil(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Na(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBsAg(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBsAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBeAg(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBeAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBcAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HCVAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HIV(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'ATLA(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'CMV(IgG)(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '血液(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '血液-菌種（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'レシピエントとの関係(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'レシピエントとの関係-その他血縁者（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'レシピエントとの関係-その他血縁者以外（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '既往歴(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_3', '既往歴-有（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_4', '併存症(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_5', '併存症-詳細(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_6', '併存症-詳細-その他（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_7', '脂肪肝(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_8', '脂肪肝-有（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_9', '倫理的問題(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '倫理的問題-詳細(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '倫理的問題-合併症（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '倫理的問題-血縁関係（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', '倫理的問題-その他（テキスト）(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'AST(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_10', 'ALT(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_11', 'T.Bil(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_12', 'D.Bil(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Alb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'Creatinine(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'PT(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'ワーファリンの使用(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'INR(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'APTT(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]', 'HBsAg(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_13', 'HBsAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_14', 'HBeAg(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_15', 'HBeAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_16', 'HBcAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_17', 'HCVAb(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_18', 'ATLA(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_19', 'CMV(IgG)(D)[移植直前の状態（レシピエント）／提供直前の状態（ドナー）]_20', '他臓器（組織）の移植の既往(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '他臓器（組織）の移植の既往-有（テキスト）(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '他臓器（組織）の同時移植(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '他臓器（組織）の同時移植-その他（テキスト）(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '手術時間(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '無肝期(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '手術法(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '分割（split）移植(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '分割（split）移植-Yes：他施設（テキスト）(R)[移植手術（レシピエント）／摘出手術（ドナー）]', 'ドミノ移植(R)[移植手術（レシピエント）／摘出手術（ドナー）]', 'ドミノ移植-Yes：他施設（テキスト）(R)[移植手術（レシピエント）／摘出手術（ドナー）]', 'GV/SLV (%)(R)[移植手術（レシピエント）／摘出手術（ドナー）]', 'GRWR(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '門脈血栓(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '特殊な門脈再建(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '特殊な門脈再建-有（テキスト）(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '胆道再建(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '出血量(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '輸血量(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '赤血球液(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '新鮮凍結血漿(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '血小板(R)[移植手術（レシピエント）／摘出手術（ドナー）]', 'その他(R)[移植手術（レシピエント）／摘出手術（ドナー）]', '摘出手術日(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '他の摘出臓器(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '他の摘出臓器-詳細(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '他の摘出臓器-詳細-有（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '肝摘出チーム(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '肝摘出チーム-他施設（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '提供施設(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '手術時間(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '摘出肝(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '摘出肝-その他（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '摘出肝重量(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '残肝率(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '他の摘出臓器・組織(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '他の摘出臓器・組織-詳細(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '他の摘出臓器・組織-血管（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '他の摘出臓器・組織-その他（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '出血量(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '輸血(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '輸血-詳細(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '自己血（術前採血）（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '同種血-詳細(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '同種血-赤血球液（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '同種血-新鮮凍結血漿（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '同種血-血小板（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', '同種血-その他（テキスト）(D)[移植手術（レシピエント）／摘出手術（ドナー）]', 'ステロイド(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', 'カルシニュリン・ インヒビター(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', 'カルシニュリン・ インヒビター-詳細(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', 'mTOR阻害剤(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', 'mTOR阻害剤-詳細(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '核酸合成阻害(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '核酸合成阻害-詳細(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '抗体製剤(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '抗体製剤-詳細(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', 'その他(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', 'その他（テキスト）(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '抗体価(IgG) 抗A抗体処置前(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '抗体価(IgG) 抗A抗体処置後(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '抗体価(IgG) 抗B抗体処置前(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '抗体価(IgG) 抗B抗体処置後(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '抗体処理法(R)[免疫抑制：導入期（移植後1カ月以内）、ABO不適合移植（レシピエント）]', '合併症(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '出血(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '出血-部位（テキスト）(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'Primary non-function(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '免疫学的合併症(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '免疫学的合併症-詳細(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血管系合併症(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血管系合併症-詳細(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血管系合併症-その他（テキスト）(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血栓症(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血栓症-その他（テキスト）(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '狭窄(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '狭窄-その他（テキスト）(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '胆道合併症(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '胆道合併症-詳細(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '胆道合併症-その他（テキスト）(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '感染症(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '感染症（テキスト）(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他（テキスト）(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '合併症による再手術(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '合併症による再手術-手術日(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '合併症による再手術-術式(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血清T. Bil最高値(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血清T. Bil最高値-D.Bil(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血清T. Bil最高値-術後＿日目(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'T.BillND(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'D.BillND(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'T. Bil 5.0以上の持続期間(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'T. Bil 5.0以上の持続期間 ＿日間(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'T. Bil 2.0以上の継続期間(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'T. Bil 2.0以上の継続期間 ＿日間(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血清AST最高値(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血清AST最高値-術後＿日目(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'AST ND(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血清ALT最高値(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血清ALT最高値-術後＿日目(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'ALT ND(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'PT最低値(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'PT最低値-術後＿日目(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'PT ND(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血中アンモニア最高値(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '血中アンモニア最高値-術後＿日目(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'アンモニアND(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '合併症(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '出血(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '出血-部位（テキスト）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '心血管系(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '心血管系（テキスト）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '呼吸器系(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '呼吸器系-詳細(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '呼吸器系-その他（テキスト）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '胆道系(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '胆道系-詳細(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '胆道系-その他（テキスト）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他の消化器系(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他の消化器系-詳細(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他の消化器系-その他（テキスト）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '手術部位感染（SSI）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'それ以外の感染症(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'それ以外の感染症-部位（テキスト）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他-詳細(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', 'その他-その他（テキスト）(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '再手術(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '再手術-手術日(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '再手術-術式(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '退院日西暦(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '術後入院日数(D)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]', '治療歴(R)[肝細胞癌歴ありの場合（レシピエント）]', 'viableな肝細胞癌(R)[肝細胞癌歴ありの場合（レシピエント）]', '腫瘍の個数(R)[肝細胞癌歴ありの場合（レシピエント）]', '腫瘍の個数-それ以上（テキスト）(R)[肝細胞癌歴ありの場合（レシピエント）]', '腫瘍の最大径(R)[肝細胞癌歴ありの場合（レシピエント）]', '腫瘍の最大径-5cm以上（テキスト）(R)[肝細胞癌歴ありの場合（レシピエント）]', 'AFP(R)[肝細胞癌歴ありの場合（レシピエント）]', 'AFP-15ng/ml以上99999ng/ml以下（テキスト）(R)[肝細胞癌歴ありの場合（レシピエント）]', 'PIVKA-II(R)[肝細胞癌歴ありの場合（レシピエント）]', 'PIVKA-II-40mAU/ml以上99999mAU/ml以下（テキスト）(R)[肝細胞癌歴ありの場合（レシピエント）]', '初期潅流(D)[保存（ドナー）]', '初期潅流-その他（テキスト）(D)[保存（ドナー）]', '保存液(D)[保存（ドナー）]', '保存液-その他（テキスト）(D)[保存（ドナー）]', 'リンス液(D)[保存（ドナー）]', 'リンス液-詳細(D)[保存（ドナー）]', 'リンス液-その他（テキスト）(D)[保存（ドナー）]', '冷虚血時間(D)[保存（ドナー）]', '温虚血時間(D)[保存（ドナー）]', '全虚血時間(D)[保存（ドナー）]', '登録年[追加情報(管理者用)]', '登録No[追加情報(管理者用)]', 'RecNo[追加情報(管理者用)]', 'CDNo[追加情報(管理者用)]', 'LDNo(D)[追加情報(管理者用)]', '原疾患[追加情報(管理者用)]', '郡コード[追加情報(管理者用)]', '疾患コード1[追加情報(管理者用)]', '疾患コード2[追加情報(管理者用)]', 'ABO適合[追加情報(管理者用)]', '最終確認日(R)[追加情報(管理者用)]', '最終確認日(D)[追加情報(管理者用)]', 'G予後[追加情報(管理者用)]', 'G最終確認日[追加情報(管理者用)]', '死因(R)[追加情報(管理者用)]', 'ドミノ[追加情報(管理者用)]', 'ドミノ相方[追加情報(管理者用)]', 'Split[追加情報(管理者用)]', 'Split相方[追加情報(管理者用)]', 'APOLT[追加情報(管理者用)]', '備考[追加情報(管理者用)]', 'ドナー死因(D)[追加情報(管理者用)]', 'レシピエント最終予後調査日', 'ドナー最終予後調査日'] donor_columns = donor_df.columns.tolist() recipient_columns = recipient_df.columns.tolist() print(donor_columns) ['肝臓移植ID[ドナー追跡調査]', '調査日[ドナー追跡調査]', '追跡調査の種類[ドナー追跡調査]', '現状[現状]', '最終生存確認日[現状]', '術前状態への完全復帰[現状]', '否の場合、その理由[現状]', '具体的理由（テキスト）[現状]', '活動状況；術前に比べて（テキスト）[現状]', 'Quality of Life[現状]', 'PS[現状]', '向精神薬（睡眠導入剤を含む）の継続的使用[現状]', '向精神薬（睡眠導入剤を含む）の継続的使用-詳細[現状]', '向精神薬（睡眠導入剤を含む）の継続的使用-その他（テキスト）[現状]', '最終生存確認日[現状].1', '病脳の場合：その理由[現状]', '病脳期間[現状]', '通常生活への復帰[現状]', '活動状況；術前に比べて[現状]', 'Quality of Life[現状].1', 'PS[現状].1', '向精神薬（睡眠導入剤を含む）の継続的使用[現状].1', '向精神薬（睡眠導入剤を含む）の継続的使用-詳細[現状].1', '向精神薬（睡眠導入剤を含む）の継続的使用-その他（テキスト）[現状].1', '死亡：死亡日[現状]', '死因[現状]', '死因-消化器疾患（その他）（テキスト）[現状]', '死因-悪性新生物（テキスト）[現状]', '死因-その他（テキスト）[現状]', 'T.Bil[検査値と合併症・再手術・再入院]', 'D.Bil[検査値と合併症・再手術・再入院]', 'AST[検査値と合併症・再手術・再入院]', 'ALT[検査値と合併症・再手術・再入院]', 'PT[検査値と合併症・再手術・再入院]', 'ワーファリンの使用[検査値と合併症・再手術・再入院]', 'INR[検査値と合併症・再手術・再入院]', '疾患の有無[検査値と合併症・再手術・再入院]', '心血管系[検査値と合併症・再手術・再入院]', '心血管系（テキスト）[検査値と合併症・再手術・再入院]', '呼吸器系[検査値と合併症・再手術・再入院]', '呼吸器系（テキスト）[検査値と合併症・再手術・再入院]', '胆道系[検査値と合併症・再手術・再入院]', '胆道系-詳細[検査値と合併症・再手術・再入院]', '胆道系-その他（テキスト）[検査値と合併症・再手術・再入院]', 'その他の消化器系[検査値と合併症・再手術・再入院]', 'その他の消化器系-詳細[検査値と合併症・再手術・再入院]', 'その他の消化器系-その他（テキスト）[検査値と合併症・再手術・再入院]', '手術部位感染（SSI）[検査値と合併症・再手術・再入院]', 'それ以外の感染症[検査値と合併症・再手術・再入院]', 'それ以外の感染症-部位（テキスト）[検査値と合併症・再手術・再入院]', 'その他[検査値と合併症・再手術・再入院]', 'その他（テキスト）[検査値と合併症・再手術・再入院]', '再手術（前回報告以降のもののみ）[検査値と合併症・再手術・再入院]', '再入院（前回報告以降のもののみ）[検査値と合併症・再手術・再入院]', '再手術（前回報告以降のもののみ）-手術日[検査値と合併症・再手術・再入院]', '再手術（前回報告以降のもののみ）-術式[検査値と合併症・再手術・再入院]', '再入院（前回報告以降のもののみ）-入院年月日[検査値と合併症・再手術・再入院]', '再入院（前回報告以降のもののみ）-理由[検査値と合併症・再手術・再入院]'] print(recipient_columns) ['肝臓移植ID[レシピエント追跡調査]', '調査日[レシピエント追跡調査]', '追跡調査の種類[レシピエント追跡調査]', 'レシピエントの状態[レシピエントの状態]', '最終生存確認日[レシピエントの状態]', 'Quality of Life[レシピエントの状態]', 'PS[レシピエントの状態]', '向精神薬（睡眠導入剤を含む）の継続的使用[レシピエントの状態]', '向精神薬（睡眠導入剤を含む）の継続的使用-詳細[レシピエントの状態]', '向精神薬（睡眠導入剤を含む）の継続的使用-その他（テキスト）[レシピエントの状態]', '禁酒の継続について[レシピエントの状態]', '専門医療機関(精神科)によるフォローアップの有無[レシピエントの状態]', '自助グループへの参加の有無[レシピエントの状態]', '死亡日[レシピエントの状態]', '出血[レシピエントの状態]', '出血-部位（テキスト）[レシピエントの状態]', 'Primary non-function[レシピエントの状態]', '拒絶反応[レシピエントの状態]', '血管系合併症[レシピエントの状態]', '血管系合併症-詳細[レシピエントの状態]', '血管系合併症-その他（テキスト）[レシピエントの状態]', '血栓症[レシピエントの状態]', '血栓症-その他（テキスト）[レシピエントの状態]', '狭窄[レシピエントの状態]', '狭窄-その他（テキスト）[レシピエントの状態]', '胆道合併症[レシピエントの状態]', '胆道合併症-詳細[レシピエントの状態]', '胆道合併症-その他（テキスト）[レシピエントの状態]', '感染症[レシピエントの状態]', '感染症（テキスト）[レシピエントの状態]', '原疾患の再発[レシピエントの状態]', '原疾患の再発（テキスト）[レシピエントの状態]', 'PTLD[レシピエントの状態]', '悪性腫瘍[レシピエントの状態]', '悪性腫瘍（テキスト）[レシピエントの状態]', 'その他[レシピエントの状態]', 'その他（テキスト）[レシピエントの状態]', '最終生存確認日[レシピエントの状態].1', '施設名[レシピエントの状態]', '主治医名[レシピエントの状態]', '郵便番号[レシピエントの状態]', '住所[レシピエントの状態]', 'TEL[レシピエントの状態]', 'FAX[レシピエントの状態]', 'ステロイド[免疫抑制：維持期（現在）]', 'カルシニュリン・ インヒビター[免疫抑制：維持期（現在）]', 'カルシニュリン・ インヒビター-詳細[免疫抑制：維持期（現在）]', 'mTOR阻害剤[免疫抑制：維持期（現在）]', 'mTOR阻害剤 -詳細[免疫抑制：維持期（現在）]', '核酸合成阻害[免疫抑制：維持期（現在）]', '核酸合成阻害-詳細[免疫抑制：維持期（現在）]', 'その他[免疫抑制：維持期（現在）]', 'その他（テキスト）[免疫抑制：維持期（現在）]', '出血[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '出血-部位（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', 'Primary non-function[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '免疫学的合併症[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '血管系合併症[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '血管系合併症-詳細[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '血管系合併症-その他（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '血栓症[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '血栓症-その他（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '狭窄[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '狭窄-その他（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '胆道合併症[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '胆道合併症-詳細[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '胆道合併症-その他（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '感染症[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '感染症（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '原疾患の再発（HCC再発を含む）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '原疾患の再発（HCC再発を含む）（詳細）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '原疾患の再発（HCC再発を含む）（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '原疾患の再発（診断年月日）（詳細）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '原疾患の再発（診断年月日）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', 'PTLD[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '悪性腫瘍（HCC再発を除く）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '悪性腫瘍（HCC再発を除く）（詳細）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '悪性腫瘍（HCC再発を除く）（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '悪性腫瘍（診断年月日）（詳細）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '悪性腫瘍（診断年月日）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', 'その他[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', 'その他（テキスト）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '合併症による再手術[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '合併症による再手術-手術日[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '合併症による再手術-術式[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '合併症による再入院[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '合併症による再入院-入院年月日[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '合併症による再入院-理由[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '妊娠回数[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', '出産回数[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]', 'AST[追跡時の検査値]', 'ALT[追跡時の検査値]', 'Platelet[追跡時の検査値]', 'T.Bil[追跡時の検査値]', 'D.Bil[追跡時の検査値]', 'Alb[追跡時の検査値]', 'Creatinine[追跡時の検査値]', 'PT[追跡時の検査値]', 'ワーファリンの使用[追跡時の検査値]', 'INR[追跡時の検査値]', 'HBsAg[追跡時の検査値]', 'HBsAb[追跡時の検査値]', 'HBeAg[追跡時の検査値]', 'HBeAb[追跡時の検査値]', 'HBcAb[追跡時の検査値]', 'HBV-DNA[追跡時の検査値]', 'HCVAb[追跡時の検査値]', 'HCV-RNA[追跡時の検査値]', 'HIV[追跡時の検査値]', 'ATLA[追跡時の検査値]', 'CMV(IgG)[追跡時の検査値]', 'AFP[追跡時の検査値]', 'AFP-15ng/ml以上99999ng/ml以下（テキスト）[追跡時の検査値]', 'PIVKA-II[追跡時の検査値]', 'PIVKA-II-40mAU/ml以上99999mAU/ml以下（テキスト）[追跡時の検査値]'] """ institution_df = pd.read_csv("/csv/liver/shisetsu.csv", dtype=str, encoding="cp932").fillna("") # CSVファイルにはないデフォルト値 tracer_df["DEL_FLG"] = 0 tracer_df["INS_USER_ID"] = 1 tracer_df["INS_PROGRAM_ID"] = 1 # 施設名を施設コードに変換する tracer_df["ISYOKU_ISYOKUSISETU_CD"] = tracer_df["施設名"].apply(get_sisetu_cd) tracer_df["RECNO"] = tracer_df["RecNo[追加情報(管理者用)]"] ################################################ # tracer_dfを「生体肝」に限定 # 出力ファイルを準備 """ with open("output44444.txt", "w", encoding="utf-8") as f: for _, row in tracer_df.iterrows(): # 既存条件で抽出 matched_recipient_df = recipient_df[ (recipient_df['肝臓移植ID[レシピエント追跡調査]'] == row['移植登録ID']) & (recipient_df['追跡調査の種類[レシピエント追跡調査]'] != '3ヶ月後') ] if matched_recipient_df.empty: continue # 施設名が空の行だけを対象 matched_recipient_df = matched_recipient_df[matched_recipient_df["施設名[レシピエントの状態]"].fillna("") == ""] if matched_recipient_df.empty: continue # 追加条件: check_columns のいずれかに値が入っているか for i, rec_row in matched_recipient_df.iterrows(): base_val = row['合併症による再手術-手術日(R)[手術合併症・再手術・再入院（レシピエント）／術後検査値と手術合併症・再手術（ドナー）]'] recipient_val = rec_row.get("合併症による再手術-手術日[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]", "") # それぞれをカンマで分割してリスト化 base_list = [v.strip() for v in base_val.split(",") if v.strip()] recipient_list = [v.strip() for v in recipient_val.split(",") if v.strip()] # 連結（重複削除する場合は下を有効化） merged_list = base_list + recipient_list # merged_list = list(dict.fromkeys(base_list + recipient_list)) if merged_list: merged_val = ",".join(merged_list) line = f"{row['移植登録ID']},{len(base_list)},{len(recipient_list)},{len(merged_list)},'{merged_val}'\n" f.write(line) print("完了！！！") exit() """ ##################################################### ISYOKU_ISYOKUSISETU_CD = "" #try: start=True if start: connection = pymysql.connect(**db_config) with connection.cursor() as cursor: print("✅ DB接続成功") # 初期化処理を一括で呼び出し # 片岡 print(f"✅ DB初期化開始") # 腎臓のデータもあるのでテーブルの削除はしない reset_tables(connection, cursor) print(f"✅ DB初期化完了") for index, row in tracer_df.iterrows(): connection.begin() #print("カラム一覧:", list(row.index)) ## ３ヶ月後のデータは除外する matched_recipient_df = recipient_df[ (recipient_df['肝臓移植ID[レシピエント追跡調査]'] == row['移植登録ID']) & (recipient_df['追跡調査の種類[レシピエント追跡調査]'] != '3ヶ月後') ] recipient_df_sorted = sort_df_by_followup_desc(matched_recipient_df, '追跡調査の種類[レシピエント追跡調査]') matched_donor_df = donor_df[ (donor_df['肝臓移植ID[ドナー追跡調査]'] == row['移植登録ID']) & (donor_df['追跡調査の種類[ドナー追跡調査]'] != '3ヶ月後') ] # 外側の処理で持っている現在の行(row)の「移植登録ID」と一致するレコードだけに絞り込み matched_recipient_genshikan_df = recipient_genshikan_df[ recipient_genshikan_df['移植登録ID'] == str(row['移植登録ID']) ] donor_df_sorted = sort_df_by_followup_desc(matched_donor_df,'追跡調査の種類[ドナー追跡調査]') recipient_rows = list(recipient_df_sorted.iterrows()) donor_rows = list(donor_df_sorted.iterrows()) """ for i, (idx, r) in enumerate(recipient_rows[:20], 1): print(f"{i:02d}. idx={idx}, 追跡={r['追跡調査の種類[レシピエント追跡調査]']}") for i, (idx, r) in enumerate(donor_rows[:20], 1): print(f"{i:02d}. idx={idx}, 追跡={r['追跡調査の種類[ドナー追跡調査]']}") recipient_latest_seizon = first_nonempty_value_from_rows(recipient_rows, '最終生存確認日[レシピエントの状態]') donor_latest_alt = first_nonempty_value_from_rows(donor_rows, 'ALT[検査値と合併症・再手術・再入院]') print('最新の最終生存確認日（Recipient）:', recipient_latest_seizon) print('最新の ALT（Donor）:', donor_latest_alt) exit() """ recipient_latest_seizon = first_nonempty_value_from_rows(recipient_rows, '最終生存確認日[レシピエントの状態]') ishoku_toroku_id = row["移植登録ID"] if "移植登録ID" in row else "UNKNOWN" sisetsu_name = row["施設名"] #print(f"✅{table_names}") #print(f"#### 移植ID: {ishoku_toroku_id} #####################################################################") #print("▶️ ######## 登録処理スタート ############") for table_name in table_names: column_series = df_mapping.query(f'テーブル物理名 == "{table_name}"') print(f"🚗{table_name}") if table_name == 'T_ISHOKU_KIHON_LIV': try: ISYOKU_ISYOKUSISETU_CD = row["ISYOKU_ISYOKUSISETU_CD"] # INSERT対象カラムと値（NOT NULL のみ） insert_columns = ["ISYOKU_ISYOKUSISETU_CD", "ZOKI_CODE", "DEL_FLG", "INS_USER_ID", "INS_PROGRAM_ID"] insert_values = [ row["ISYOKU_ISYOKUSISETU_CD"], # 例：施設コード（上で変換済） 3, # 臓器コード 0, # DEL_FLG（削除フラグ） 1, # INS_USER_ID（登録ユーザ） 1 # INS_PROGRAM_ID（登録プログラム） ] sql = f""" INSERT INTO T_ISHOKU_KIHON_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) #connection.commit() # 自動採番されたIDを取得 seitai_ishoku_id = cursor.lastrowid RECIPIENT_ID = str(seitai_ishoku_id)[-7:].zfill(7) #print(f"✅ 登録完了：SEITAI_ISYOKU_ID = {seitai_ishoku_id}") # TRACER_ID生成 organ_code = "3" # 肝臓 transplant_type_code = "1" # 生体間移植 # 移植日 → 年取得（8桁: YYYYMMDD → YYYY） year = row["移植日"][:4] if "移植日" in row and row["移植日"] else "2024" # 同年・同TRACERプレフィックスの最大連番取得 prefix = f"{organ_code}{transplant_type_code}{year}" cursor.execute( "SELECT MAX(TRACER_ID) AS max_id FROM T_ISHOKU_KIHON_LIV WHERE TRACER_ID LIKE %s", (f"{prefix}____",) ) result = cursor.fetchone() if result["max_id"]: last_seq = int(result["max_id"][-4:]) next_seq = last_seq + 1 else: next_seq = 1 tracer_id = f"{prefix}{next_seq:04d}" # TRACER_ID更新 cursor.execute( "UPDATE T_ISHOKU_KIHON_LIV SET TRACER_ID = %s, RECIPIENT_ID=%s WHERE SEITAI_ISYOKU_ID = %s", (tracer_id, RECIPIENT_ID, seitai_ishoku_id) ) connection.commit() # connection.commit() #print(f"✅ TRACER_ID 生成＆更新済: {tracer_id}") except Exception as e: print(f"❌ INSERT失敗: T_ISHOKU_KIHON_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_ISHOKU_KIHON_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) #connection.rollback() continue # 処理を次に進める（任意） ## 更新処理 # ✅ ここで一気にupdate_tableで更新処理をまとめる！！ update_table( cursor=cursor, connection=connection, table_name="T_ISHOKU_KIHON_LIV", column_series=column_series, data_row=row, id_columns="SEITAI_ISYOKU_ID", id_values=seitai_ishoku_id, ishoku_toroku_id=ishoku_toroku_id, sisetsu_name=sisetsu_name, recipient_rows=recipient_rows, donor_rows=donor_rows ) elif table_name == 'T_TRACER_IKO': # INSERT対象カラムと値（NOT NULL のみ） ishoku_toroku_id = row["移植登録ID"] if "移植登録ID" in row else "UNKNOWN" recno = row["RECNO"] if "RECNO" in row else "0000" cursor.execute("SELECT 1 FROM T_TRACER_IKO WHERE TRACER_ID=%s LIMIT 1", (tracer_id,)) exists = cursor.fetchone() is not None if exists: print(f"超問題！！！T_TRACER_IKO Error ### {tracer_id} / {seitai_ishoku_id} / {ishoku_toroku_id}") else: cursor.execute(""" INSERT INTO T_TRACER_IKO (TRACER_ID, ZOKI_CODE, SEITAI_ISYOKU_ID, ISHOKU_TOROKU_ID, RECNO) VALUES (%s, %s, %s, %s, %s) """, (tracer_id, organ_code, seitai_ishoku_id, ishoku_toroku_id, recno)) #tracer_iko_sql = # INSERT INTO T_TRACER_IKO # (TRACER_ID, ZOKI_CODE, SEITAI_ISYOKU_ID, ISHOKU_TOROKU_ID, RECNO) # VALUES (%s, %s, %s, %s, %s) # #cursor.execute(tracer_iko_sql, (tracer_id, organ_code, seitai_ishoku_id, ishoku_toroku_id, recno)) #print(f"✅ T_TRACER_IKO にも登録完了: TRACER_ID={tracer_id}, 登録ID={ishoku_toroku_id}, RECNO={recno}") elif table_name == 'T_ISHOKU_KIHON_LIVER_LIV': # 必須カラムだけでINSERT required_columns = ["SEITAI_ISYOKU_ID", "INS_USER_ID", "INS_PROGRAM_ID"] insert_values = [seitai_ishoku_id, 1, 1] try: sql = f""" INSERT INTO T_ISHOKU_KIHON_LIVER_LIV ({','.join(required_columns)}) VALUES ({','.join(['%s'] * len(required_columns))}) """ cursor.execute(sql, insert_values) #print(f"✅ T_ISHOKU_KIHON_LIVER_LIV に登録完了: SEITAI_ISYOKU_ID={seitai_ishoku_id}") except Exception as e: print(f"❌ INSERT失敗: T_ISHOKU_KIHON_LIVER_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_ISHOKU_KIHON_LIVER_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() continue # 処理を次に進める（任意） update_table( cursor=cursor, connection=connection, table_name="T_ISHOKU_KIHON_LIVER_LIV", column_series=column_series, data_row=row, id_columns="SEITAI_ISYOKU_ID", id_values=seitai_ishoku_id, ishoku_toroku_id=ishoku_toroku_id, sisetsu_name=sisetsu_name, recipient_rows=recipient_rows, donor_rows=donor_rows ) # DataFrameに対して直接 iterrows() で回す。 for kanri_gen_index, kanri_gen_row in matched_recipient_genshikan_df.iterrows(): # f文字列の内側キーはシングルクォートに変更（ダブルだと字句が壊れる） # 出力ラベルも不適切語をやめて "DEBUG" に変更 print(f"[DEBUG] transplant_id={kanri_gen_row.get('移植登録ID')} 原疾患={kanri_gen_row.get('原疾患')}") elif table_name == 'T_DONOR_LIV': # 仮登録せずに、先に ID を生成する cursor.execute("SELECT MAX(DONOR_ID) AS max_id FROM T_DONOR_LIV") result = cursor.fetchone() next_donor_id = int(result['max_id']) + 1 if result['max_id'] else 1 donor_id_str = str(next_donor_id).zfill(7) try: insert_columns = ["DONOR_ID", "SEITAI_ISYOKU_ID", "INS_USER_ID", "INS_PROGRAM_ID"] insert_values = [donor_id_str, seitai_ishoku_id, 1, 1] sql = f""" INSERT INTO T_DONOR_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) connection.commit() donor_a_id = cursor.lastrowid DONOR_ID = str(donor_a_id)[-7:].zfill(7) cursor.execute( "UPDATE T_DONOR_LIV SET DONOR_ID = %s WHERE DONOR_A_ID = %s", (DONOR_ID, donor_a_id) ) connection.commit() #print(f"✅ T_DONOR_LIV 登録完了: DONOR_ID={donor_id_str}, DONOR_A_ID={donor_a_id}") except Exception as e: print(f"❌ INSERT失敗: T_DONOR_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_DONOR_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() continue # 処理を次に進める（任意） update_table( cursor=cursor, connection=connection, table_name="T_DONOR_LIV", column_series=column_series, data_row=row, id_columns="DONOR_A_ID", id_values=donor_a_id, ishoku_toroku_id=ishoku_toroku_id, sisetsu_name=sisetsu_name, recipient_rows=recipient_rows, donor_rows=donor_rows ) elif table_name == 'T_DONOR_LIVER_LIV': try: insert_columns = ["SEITAI_ISYOKU_ID", "DONOR_A_ID", "INS_USER_ID", "INS_PROGRAM_ID"] insert_values = [seitai_ishoku_id, donor_a_id, 1, 1] sql = f""" INSERT INTO T_DONOR_LIVER_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ #print(sql) cursor.execute(sql, insert_values) connection.commit() #print(f"✅ T_DONOR_LIVER_LIV 登録完了: SEITAI_ISYOKU_ID={seitai_ishoku_id}, DONOR_A_ID={donor_a_id}") except Exception as e: print(f"❌ INSERT失敗: T_DONOR_LIVER_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_DONOR_LIVER_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() continue # 処理を次に進める（任意） # 更新処理も続けて update_table( cursor=cursor, connection=connection, table_name="T_DONOR_LIVER_LIV", column_series=column_series, data_row=row, id_columns=["SEITAI_ISYOKU_ID", "DONOR_A_ID"], id_values=[seitai_ishoku_id, donor_a_id], ishoku_toroku_id=ishoku_toroku_id, sisetsu_name=sisetsu_name, recipient_rows=recipient_rows, donor_rows=donor_rows ) nyuryoku_rows = [ { "KANJA_KBN": "0", # 1:recipient "KANJA_ID": seitai_ishoku_id, # 生体移植ID "KIROKU_TIMING": "0", # 0:新規 "NYURYOKUJOKYO": "0", # 0:未入力 }, { "KANJA_KBN": "1", # ドナー:ドナーID.A "KANJA_ID": donor_a_id, "KIROKU_TIMING": "0", # 1:移植 "NYURYOKUJOKYO": "0", # 1:完了 } ] # for nyuryoku in nyuryoku_rows: insert_sql = """ INSERT INTO T_NYURYOKUJOKYO_LIV ( SEITAI_ISYOKU_ID, KANJA_KBN, KANJA_ID, KIROKU_TIMING, NYURYOKUJOKYO, INS_USER_ID, INS_PROGRAM_ID, INS_DATE, UPD_USER_ID, UPD_PROGRAM_ID, UPD_DATE ) VALUES (%s, %s, %s, %s, %s, %s, %s, NOW(), %s, %s, NOW()) """ insert_params = ( seitai_ishoku_id, nyuryoku["KANJA_KBN"], nyuryoku["KANJA_ID"], nyuryoku["KIROKU_TIMING"], nyuryoku["NYURYOKUJOKYO"], "1", # INS_USER_ID "1", # INS_PROGRAM_ID "1", # UPD_USER_ID "1" # UPD_PROGRAM_ID ) # 既存行の一意特定に使うキー列は環境に合わせて調整してください # ここでは (SEITAI_ISYOKU_ID, KANJA_KBN, KANJA_ID, KIROKU_TIMING) を想定 update_sql_for_duplicate = """ UPDATE T_NYURYOKUJOKYO_LIV SET NYURYOKUJOKYO = %s, UPD_USER_ID = %s, UPD_PROGRAM_ID= %s, UPD_DATE = NOW() WHERE SEITAI_ISYOKU_ID = %s AND KANJA_KBN = %s AND KANJA_ID = %s AND KIROKU_TIMING = %s """ update_params_for_duplicate = ( nyuryoku["NYURYOKUJOKYO"], "1", "1", seitai_ishoku_id, nyuryoku["KANJA_KBN"], nyuryoku["KANJA_ID"], nyuryoku["KIROKU_TIMING"] ) try: cursor.execute(insert_sql, insert_params) connection.commit() except IntegrityError as e: # 1062 = Duplicate entry（主キー/ユニークキー重複） if e.args and e.args[0] == 1062: try: cursor.execute(update_sql_for_duplicate, update_params_for_duplicate) connection.commit() print("ℹ️ 既存行があったため UPDATE に切替えて完了: T_NYURYOKUJOKYO_LIV") except Exception as e2: connection.rollback() print(f"❌ UPSERT(UPDATE)失敗: T_NYURYOKUJOKYO_LIV, エラー: {e2}") error_logs.append({ "テーブル名": "T_NYURYOKUJOKYO_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": update_sql_for_duplicate, "入力値": update_params_for_duplicate, "エラー内容": str(e2) }) else: connection.rollback() print(f"❌ INSERT失敗: T_NYURYOKUJOKYO_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_NYURYOKUJOKYO_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": insert_sql, "入力値": insert_params, "エラー内容": str(e) }) except Exception as e: connection.rollback() print(f"❌ INSERT失敗(その他): T_NYURYOKUJOKYO_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_NYURYOKUJOKYO_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": insert_sql, "入力値": insert_params, "エラー内容": str(e) }) # 先頭の非空を取得 current_statu_value = first_nonempty_value_from_rows(donor_rows, "現状[現状]") or "" is_alive = any(k in str(current_statu_value) for k in ("健存", "生存")) qol_map = { "入院中（ICU）": 5, "入院中（一般病棟）": 4, "自宅療養、就労・就学不能
（学齢期以前では成長停止）": 3, "パートタイムの就労、常時の就学不能（学齢期以前では成長低下）": 2, "パートタイムの就労、常時の就学不能
（学齢期以前では成長低下）": 2, "常時の就労・就学（学齢期以前では正常な成長）": 1, "常時の就労・就学
（学齢期以前では正常な成長）": 1, "不明": 6, "default": None } if is_alive: # ── 生存 ────────────────────────────────────────────── jutsumae_fukki = 1 if str(first_nonempty_value_from_rows(donor_rows, '術前状態への完全復帰[現状]') or '').strip() == '可' else 0 jutsumae_fukki_not = first_nonempty_value_from_rows(donor_rows, '否の場合、その理由[現状]') jutsumae_fukki_not = ( 1 if "医学的" in (jutsumae_fukki_not or "") else 2 if "社会的" in (jutsumae_fukki_not or "") else None ) jutsumae_fukki_not_cmnt = first_nonempty_value_from_rows(donor_rows, '具体的理由（テキスト）[現状]') katsudo_jokyo = first_nonempty_value_from_rows(donor_rows, '活動状況；術前に比べて（テキスト）[現状]') qol = first_nonempty_value_from_rows(donor_rows, 'Quality of Life[現状]') qol = qol_map.get(qol, None) else: # ── 生存以外 ─────────────────────────────────────────── # 理由や期間は適宜コメントへ併合する運用に合わせてください reason = first_nonempty_value_from_rows(donor_rows, '病脳の場合：その理由[現状]') period = first_nonempty_value_from_rows(donor_rows, '病脳期間[現状]') # 余計な空白を除去して文字列化 r = str(reason or '').strip() p = str(period or '').strip() # 両方あれば " / " で連結、どちらか一方ならそのまま、両方空なら空文字 jutsumae_fukki_not = (r + " / " + p) if (r and p) else (r or p) jutsumae_fukki = 1 if str(first_nonempty_value_from_rows(donor_rows, '通常生活への復帰[現状]') or '').strip() == '可' else 0 katsudo_jokyo = first_nonempty_value_from_rows(donor_rows, '活動状況；術前に比べて[現状]') qol = first_nonempty_value_from_rows(donor_rows, 'Quality of Life[現状]') qol = qol_map.get(qol, None) # 死因テキストの連結（空はスキップ・重複除去・順序保持） cols = [ '死因-消化器疾患（その他）（テキスト）[現状]', '死因-悪性新生物（テキスト）[現状]', '死因-その他（テキスト）[現状]', ] _vals = [first_nonempty_value_from_rows(donor_rows, c) for c in cols] _parts = [] for v in _vals: # None 対策 & 前後空白除去 s = str(v if v is not None else "").strip() # NaN/None 文字列化対策 if s == "" or s.lower() in ("nan", "none"): continue # 全角→半角などの揺れ対策（使える環境なら） try: import unicodedata s = unicodedata.normalize("NFKC", s) except Exception: pass _parts.append(s) # 重複除去（順序保持） _seen, _uniq = set(), [] for x in _parts: if x not in _seen: _seen.add(x) _uniq.append(x) donor_tenki_siin_cmnt = " / ".join(_uniq) if _uniq else None # 生存以外では具体的理由コメントを死因コメントに寄せる例 jutsumae_fukki_not_cmnt = donor_tenki_siin_cmnt # 空文字→None（NULL）にそろえる jutsumae_fukki = (str(jutsumae_fukki).strip() or None) if jutsumae_fukki is not None else None jutsumae_fukki_not = (str(jutsumae_fukki_not).strip() or None) if jutsumae_fukki_not is not None else None jutsumae_fukki_not_cmnt = (str(jutsumae_fukki_not_cmnt).strip() or None) if jutsumae_fukki_not_cmnt is not None else None katsudo_jokyo = (str(katsudo_jokyo).strip() or None) if katsudo_jokyo is not None else None qol = (str(qol).strip() or None) if qol is not None else None # 2テーブル更新（同一トランザクション推奨） try: # T_DONOR_LIVER_LIV update_sql = """ UPDATE T_DONOR_LIVER_LIV SET JUTSUMAE_FUKKI = %s, JUTSUMAE_FUKKI_NOT = %s, JUTSUMAE_FUKKI_NOT_CMNT = %s, KATSUDO_JOKYO = %s, UPD_USER_ID = %s, UPD_PROGRAM_ID = %s, UPD_DATE = NOW() WHERE SEITAI_ISYOKU_ID = %s AND DONOR_A_ID = %s """ update_params = ( jutsumae_fukki, jutsumae_fukki_not, jutsumae_fukki_not_cmnt, katsudo_jokyo, "1", "1", seitai_ishoku_id, donor_a_id, ) cursor.execute(update_sql, update_params) # T_DONOR_LIV update_sql = """ UPDATE T_DONOR_LIV SET QOL = %s, UPD_USER_ID = %s, UPD_PROGRAM_ID = %s, UPD_DATE = NOW() WHERE SEITAI_ISYOKU_ID = %s AND DONOR_A_ID = %s """ update_params = ( qol, "1", "1", seitai_ishoku_id, donor_a_id, ) cursor.execute(update_sql, update_params) connection.commit() except Exception as e: print(f"❌ UPDATE失敗: T_DONOR_LIVER_LIV（JUTSUMAE+QOL関連）, DONOR_A_ID={donor_a_id}, エラー: {e}") error_logs.append({ "テーブル名": "T_DONOR_LIVER_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": update_sql, "入力値": update_params, "エラー内容": str(e) }) connection.rollback() ## 更新処理だがupdate_table関数では補えないので個別で行う """ qol_map = { "入院中（ICU）": 1, "入院中（一般病棟）": 1, "自宅療養、就労・就学不能
（学齢期以前では成長停止）": 2, "パートタイムの就労、常時の就学不能（学齢期以前では成長低下）": 4, "パートタイムの就労、常時の就学不能
（学齢期以前では成長低下）": 4, "常時の就労・就学（学齢期以前では正常な成長）": 5, "常時の就労・就学
（学齢期以前では正常な成長）": 5, "不明": 99 } for donor_row in donor_rows: _, row = donor_row genjo = str(row.get("現状[現状]", "")).strip() jutzen_fukki = 0 jutzen_fukki_not = None jutzen_fukki_not_cmnt = None katsudo_jokyo = None qol_raw = str(row.get("Quality of Life[現状]", "")).strip() qol = qol_map.get(qol_raw, None) if genjo == "健存": if str(row.get("術前状態への完全復帰[現状]", "")).strip() == "可": jutzen_fukki = 1 else: reason = str(row.get("否の場合、その理由[現状]", "")).strip() if reason == "医学的": jutzen_fukki_not = 1 elif reason == "社会的": jutzen_fukki_not = 2 # 健存かつ「否」の場合、コメントも設定 jutzen_fukki_not_cmnt = str(row.get("具体的理由（テキスト）[現状]", "")).strip() raw_value = row.get("活動状況；術前に比べて（テキスト）[現状]", "") katsudo_jokyo = None if str(raw_value).strip() == "" else str(raw_value).strip() else: if str(row.get("通常生活への復帰[現状]", "")).strip() == "可": jutzen_fukki = 1 else: byonou_reason = str(row.get("病脳の場合：その理由[現状]", "")).strip() byonou_period = str(row.get("病脳期間[現状]", "")).strip() if byonou_reason or byonou_period: jutzen_fukki_not = 1 if genjo == "脳": jutzen_fukki_not_cmnt = f"{byonou_reason} {byonou_period}".strip() raw_value = row.get("活動状況；術前に比べて[現状]", "") katsudo_jokyo = None if str(raw_value).strip() == "" else str(raw_value).strip() try: update_sql = UPDATE T_DONOR_LIVER_LIV SET JUTSUMAE_FUKKI = %s, JUTSUMAE_FUKKI_NOT = %s, JUTSUMAE_FUKKI_NOT_CMNT = %s, KATSUDO_JOKYO = %s, UPD_USER_ID = %s, UPD_PROGRAM_ID = %s, UPD_DATE = NOW() WHERE SEITAI_ISYOKU_ID = %s AND DONOR_A_ID = %s update_params = ( jutzen_fukki, jutzen_fukki_not, jutzen_fukki_not_cmnt, katsudo_jokyo, "1", "1", seitai_ishoku_id, donor_a_id ) cursor.execute(update_sql, update_params) update_sql = UPDATE T_DONOR_LIV SET QOL = %s WHERE SEITAI_ISYOKU_ID = %s AND DONOR_A_ID = %s update_params = ( qol, seitai_ishoku_id, donor_a_id ) cursor.execute(update_sql, update_params) connection.commit() except Exception as e: print(f"❌ UPDATE失敗: T_DONOR_LIVER_LIV（JUTSUMAE+QOL関連）, DONOR_A_ID={donor_a_id}, エラー: {e}") error_logs.append({ "テーブル名": "T_DONOR_LIVER_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": update_sql, "入力値": update_params, "エラー内容": str(e) }) connection.rollback() """ elif table_name == 'T_GAPPEI_D_LIV': for index__, row in donor_rows: row_data = row.to_dict() if isinstance(row, pd.Series) else row original_date = row_data.get("調査日[ドナー追跡調査]") try: parsed_date = datetime.strptime(original_date, "%Y-%m-%d %H:%M:%S") nyuin_date = parsed_date.strftime("%Y%m%d") except Exception: nyuin_date = "" ## 入院年月日がない nyuin_date = "" def insert_gappei(gappei, gappei_l, nyuin_date="", cmnt=None): try: insert_columns = ["DONOR_A_ID", "GAPPEI", "GAPPEI_L", "NYUIN_DATE", "INS_USER_ID", "INS_PROGRAM_ID", "DEL_FLG"] insert_values = [donor_a_id, gappei, gappei_l, nyuin_date or "", 1, 1, 0] if cmnt: insert_columns.append("CMNT") insert_values.append(cmnt) sql = f""" INSERT INTO T_GAPPEI_D_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) connection.commit() except Exception as e: print(f"❌ INSERT失敗: T_GAPPEI_D_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_GAPPEI_D_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() # 心血管系 if row_data.get("心血管系[検査値と合併症・再手術・再入院]") == "True": insert_gappei("08", "0801", nyuin_date=nyuin_date, cmnt=row_data.get("心血管系（テキスト）[検査値と合併症・再手術・再入院]")) # 呼吸器系 if row_data.get("呼吸器系[検査値と合併症・再手術・再入院]") == "True": details = str(row_data.get("胆道系-詳細[検査値と合併症・再手術・再入院]", "")).split(',') for d in details: d = d.strip() gappei_l = {"縫合不全": "0601", "狭窄": "0602", "その他": "0603"}.get(d, "0603") insert_gappei("06", "9901", nyuin_date=nyuin_date, cmnt=row_data.get("呼吸器系（テキスト）[検査値と合併症・再手術・再入院]")) # 胆道系 if row_data.get("胆道系[検査値と合併症・再手術・再入院]") == "True": details = str(row_data.get("胆道系-詳細[検査値と合併症・再手術・再入院]", "")).split(',') for d in details: d = d.strip() gappei_l = {"縫合不全": "0601", "狭窄": "0602", "その他": "0603"}.get(d, "0603") insert_gappei("06", gappei_l, nyuin_date=nyuin_date, cmnt=row_data.get("胆道系-その他（テキスト）[検査値と合併症・再手術・再入院]")) # その他の消化器系 if row_data.get("その他の消化器系[検査値と合併症・再手術・再入院]") == "True": details = str(row_data.get("その他の消化器系-その他（テキスト）[検査値と合併症・再手術・再入院]", "")).split(',') insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=row_data.get("その他の消化器系-その他（テキスト）[検査値と合併症・再手術・再入院]")) if row_data.get("それ以外の感染症[検査値と合併症・再手術・再入院]") == "True": details = str(row_data.get("その他の消化器系-その他（テキスト）[検査値と合併症・再手術・再入院]", "")).split(',') insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=row_data.get("それ以外の感染症-部位（テキスト）[検査値と合併症・再手術・再入院]")) if row_data.get("その他[検査値と合併症・再手術・再入院]") == "True": details = str(row_data.get("その他（テキスト）[検査値と合併症・再手術・再入院]", "")).split(',') insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=row_data.get("その他（テキスト）[検査値と合併症・再手術・再入院]")) # 文字列をその場で分割（, と 全角・読点「、」の両方に対応） date_items = [s.strip() for s in re.split(r'[,\u3001]\s*', row_data.get("再入院（前回報告以降のもののみ）-入院年月日[検査値と合併症・再手術・再入院]", "")) if s.strip()] proc_items = [s.strip() for s in re.split(r'[,\u3001]\s*', row_data.get("再手術（前回報告以降のもののみ）-術式[検査値と合併症・再手術・再入院]", "")) if s.strip()] # 2) "2023-2-27 00:00:00" / "2023/2/27T00:00" などの「時間付き」を無視して日付だけ取り出す # "/"→"-" に寄せてから、"T" または空白でsplitして先頭だけ使用 dates = [re.split(r'[ T]', s.replace('/', '-'))[0] for s in date_items] # 3) ペアでinsert（長さ不一致は短い方に合わせる） for d, p in zip(dates, proc_items): if re.fullmatch(r"\d{4}-\d{1,2}-\d{1,2}", d or ""): dt = datetime.strptime(d, "%Y-%m-%d") # フォーマットは YYYY-M-D 想定 nyuin_date = dt.strftime("%Y%m%d") insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=p) # 4) 参考までに不一致を通知（必要なければ削ってOK） if len(dates) != len(proc_items): print(f"Warning: counts differ. dates={len(dates)}, procs={len(proc_items)}") date_items = [s.strip() for s in re.split(r'[,\u3001]\s*', row_data.get("再手術（前回報告以降のもののみ）-手術日[検査値と合併症・再手術・再入院]", "")) if s.strip()] proc_items = [s.strip() for s in re.split(r'[,\u3001]\s*', row_data.get("再手術（前回報告以降のもののみ）-術式[検査値と合併症・再手術・再入院]", "")) if s.strip()] # 2) "2023-2-27 00:00:00" / "2023/2/27T00:00" などの「時間付き」を無視して日付だけ取り出す # "/"→"-" に寄せてから、"T" または空白でsplitして先頭だけ使用 dates = [re.split(r'[ T]', s.replace('/', '-'))[0] for s in date_items] # 3) ペアでinsert（長さ不一致は短い方に合わせる） for d, p in zip(dates, proc_items): if re.fullmatch(r"\d{4}-\d{1,2}-\d{1,2}", d or ""): dt = datetime.strptime(d, "%Y-%m-%d") # フォーマットは YYYY-M-D 想定 nyuin_date = dt.strftime("%Y%m%d") insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=p) # 4) 参考までに不一致を通知（必要なければ削ってOK） if len(dates) != len(proc_items): print(f"Warning: counts differ. dates={len(dates)}, procs={len(proc_items)}") elif table_name == 'T_GAPPEI_R_LIV': gappei_rules = [] # データソースとしてrecipient_rowsの最新1件（または複数）を対象 for index__, row in recipient_rows: row_data = row.to_dict() if isinstance(row, pd.Series) else row original_date = row_data.get("調査日[レシピエント追跡調査]") # 変換処理 try: parsed_date = datetime.strptime(original_date, "%Y-%m-%d %H:%M:%S") nyuin_date = parsed_date.strftime("%Y%m%d") except (TypeError, ValueError): nyuin_date = None # または空文字など適宜処理 ## 入院年月日がない #nyuin_date = "" def insert_gappei(gappei, gappei_l, nyuin_date="", cmnt=None): try: insert_columns = [ "SEITAI_ISYOKU_ID", "GAPPEI", "GAPPEI_L", "NYUIN_DATE", "INS_USER_ID", "INS_PROGRAM_ID", "DEL_FLG" ] insert_values = [ seitai_ishoku_id, gappei, gappei_l, nyuin_date or "", 1, 1, 0 ] if cmnt: insert_columns.append("CMNT") insert_values.append(cmnt) sql = f""" INSERT INTO T_GAPPEI_R_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) connection.commit() except Exception as e: print(f"❌ INSERT失敗: T_GAPPEI_R_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_GAPPEI_R_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() # 出血 if row_data.get("出血[レシピエントの状態]") == "True": insert_gappei("01", "0101", nyuin_date=nyuin_date, cmnt=row_data.get("出血-部位（テキスト）[レシピエントの状態]")) # Primary non-function if row_data.get("Primary non-function[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]") == True: insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt="Primary non-function") # 血栓症 if pd.notna(row_data.get("血栓症[レシピエントの状態]")): thrombo_parts = str(row_data.get("血栓症[レシピエントの状態]")) for part in thrombo_parts.split(','): part = part.strip() gappei_l = { "門脈": "0402", "動脈": "0403", "肝静脈": "0401", "その他": "0404" }.get(part, "0404") insert_gappei("04", gappei_l, nyuin_date=nyuin_date, cmnt=row_data.get("血栓症-その他（テキスト）[レシピエントの状態]")) # 狭窄 if pd.notna(row_data.get("狭窄[レシピエントの状態]")): stenosis_parts = str(row_data.get("狭窄[レシピエントの状態]")) for part in stenosis_parts.split(','): part = part.strip() gappei_l = { "肝動脈": "0501", "門脈": "0502", "肝静脈": "0503", "その他": "0504" }.get(part, "0504") insert_gappei("05", gappei_l, nyuin_date=nyuin_date, cmnt=row_data.get("狭窄-その他（テキスト）[レシピエントの状態]")) # 胆道合併症 if row_data.get("胆道合併症[レシピエントの状態]") == "True": detail_parts = str(row_data.get("胆道合併症-詳細[レシピエントの状態]", "")).split(',') for detail in detail_parts: detail = detail.strip() gappei_l = { "縫合不全": "0601", "狭窄": "0602", "その他": "0603" }.get(detail, "0603") insert_gappei("06", gappei_l, nyuin_date=nyuin_date, cmnt=row_data.get("胆道合併症-その他（テキスト）[レシピエントの状態]")) # 感染症 if row_data.get("感染症[レシピエントの状態]") == "True": insert_gappei("03", "0304", nyuin_date=nyuin_date, cmnt=row_data.get("感染症（テキスト）[レシピエントの状態]")) # 血管系合併症-詳細 if pd.notna(row_data.get("血管系合併症-詳細[レシピエントの状態]")): parts = str(row_data.get("血管系合併症-詳細[レシピエントの状態]", "")).split(',') cmnt_val = row_data.get("血管系合併症-その他（テキスト）[レシピエントの状態]", "") for p in parts: p = p.strip() gappei = { "血栓症": "04", "狭窄": "05", "その他": "99" }.get(p, "99") gappei_l = { "門脈盗血": "0402", "outflow obstruction": "0403", "肝静脈うっ滞": "0403", "脾動脈瘤": "0404", "DIC": "0101", "肝動脈解離": "0401" }.get(cmnt_val, "9901") insert_gappei(gappei, gappei_l, nyuin_date, cmnt=cmnt_val) # 合併症による再入院-理由[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ] if row_data.get("合併症による再入院-理由[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]") == "True": insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=row_data.get("合併症による再入院-理由[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]")) # その他 if row_data.get("その他[レシピエントの状態]") == "True": insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=row_data.get("その他（テキスト）[レシピエントの状態]")) # 文字列をその場で分割（, と 全角・読点「、」の両方に対応） date_items = [s.strip() for s in re.split(r'[,\u3001]\s*', row_data.get("合併症による再入院-入院年月日[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]", "")) if s.strip()] proc_items = [s.strip() for s in re.split(r'[,\u3001]\s*', row_data.get("合併症による再入院-理由[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]", "")) if s.strip()] # 2) "2023-2-27 00:00:00" / "2023/2/27T00:00" などの「時間付き」を無視して日付だけ取り出す # "/"→"-" に寄せてから、"T" または空白でsplitして先頭だけ使用 dates = [re.split(r'[ T]', s.replace('/', '-'))[0] for s in date_items] # 3) ペアでinsert（長さ不一致は短い方に合わせる） for d, p in zip(dates, proc_items): if re.fullmatch(r"\d{4}-\d{1,2}-\d{1,2}", d or ""): dt = datetime.strptime(d, "%Y-%m-%d") # フォーマットは YYYY-M-D 想定 nyuin_date = dt.strftime("%Y%m%d") insert_gappei("99", "9901", nyuin_date=nyuin_date, cmnt=p) # 4) 参考までに不一致を通知（必要なければ削ってOK） if len(dates) != len(proc_items): print(f"Warning: counts differ. dates={len(dates)}, procs={len(proc_items)}") elif table_name == 'T_LIVING_R_LIV': for index_t_living_r_liv, row_t_living_r_liv in recipient_rows: #if int(row_t_living_r_liv['肝臓移植ID[レシピエント追跡調査]']) in exclude_ids: # continue original_date = row_t_living_r_liv['調査日[レシピエント追跡調査]'] if pd.isna(original_date) or original_date == '': original_date = row_t_living_r_liv['最終生存確認日[レシピエントの状態]'] if not original_date: continue #input_date = datetime.strptime(original_date, '%Y/%m/%d').strftime('%Y%m%d') if original_date: # 肝臓移植ID[レシピエント追跡調査] = 11109のデータのように「2024/1/30」が複数あるので、分と秒数で乱数を生成してユニークにする date8 = pd.to_datetime(original_date, errors='coerce').strftime('%Y%m%d') input_date = f"{date8}00{random_mmss()}" # ← HH=00 を固定、MMSSは乱数 followup_cycle = row_t_living_r_liv.get("追跡調査の種類[レシピエント追跡調査]","") #if not followup_cycle or followup_cycle.strip() == "": # continue cycle_str = followup_cycle.replace("年後", "").zfill(2) # recipientの施設情報を取得する facility = row_t_living_r_liv['施設名[レシピエントの状態]'] isyoku_isyokusisetu_cd = get_sisetu_cd(facility) ## defaultならskipする if isyoku_isyokusisetu_cd == "709999": continue # 移植時の方を使う #isyoku_isyokusisetu_cd = ISYOKU_ISYOKUSISETU_CD try: insert_columns = ["SEITAI_ISYOKU_ID", "INPUT_DATE", "SISETU_CD", "CYCLE", "INS_USER_ID", "INS_PROGRAM_ID"] insert_values = [seitai_ishoku_id, input_date, isyoku_isyokusisetu_cd, cycle_str, 1, 1] sql = f""" INSERT INTO T_LIVING_R_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) # --- 各種フィールドの変換 --- labels = [ ('入院中（ICU）', 1), ('入院中（一般病棟）', 1), ('自宅療養、就労・就学不能（学齢期以前では成長停止）', 2), ('自宅療養、就労・就学不能
（学齢期以前では成長停止）', 2), ('パートタイムの就労、常時の就学不能（学齢期以前では成長低下）', 4), ('パートタイムの就労、常時の就学不能
（学齢期以前では成長低下）', 4), ('常時の就労・就学（学齢期以前では正常な成長）', 5), ('常時の就労・就学
（学齢期以前では正常な成長）', 5), ('不明', 99), ] # 正規化したキーで辞書化（
の有無や空白違いも同じキーに収束） qol_map = {canon(label): code for label, code in labels} # 単一値の変換 qol_raw = row_t_living_r_liv.get('Quality of Life[レシピエントの状態]') qol_code = None if qol_raw is None else qol_map.get(canon(qol_raw), None) ps_map = {'0': 1, '1': 2, '2': 3, '3': 4, '4': 5, '不明': 6} ps = ps_map.get(str(row_t_living_r_liv.get('PS[レシピエントの状態]')).strip(), None) kousei_flg_raw = row_t_living_r_liv.get('向精神薬（睡眠導入剤を含む）の継続的使用[レシピエントの状態]') kousei_flg = 1 if kousei_flg_raw == '有' else 0 if kousei_flg_raw == '無' else None detail = row_t_living_r_liv.get('向精神薬（睡眠導入剤を含む）の継続的使用-詳細[レシピエントの状態]', '') detail_list = [d.strip() for d in detail.split(',') if d.strip()] koufuan = 1 if '抗不安薬（睡眠導入剤を含む）' in detail_list else 0 kouutsu = 1 if '抗うつ薬' in detail_list else 0 kousei = 1 if '向精神薬' in detail_list else 0 etc = 1 if 'その他' in detail_list else 0 etc_cmnt = row_t_living_r_liv.get('向精神薬（睡眠導入剤を含む）の継続的使用-その他（テキスト）[レシピエントの状態]') abst = row_t_living_r_liv.get('禁酒の継続について[レシピエントの状態]', '') kankohen_flg = 1 if abst else 0 kankohen_kinsyu_flg = 1 if abst else 0 if abst else None followup_raw = row_t_living_r_liv.get('専門医療機関(精神科)によるフォローアップの有無[レシピエントの状態]') followup = 1 if followup_raw == '有' else 0 if followup_raw == '無' else None selfhelp = row_t_living_r_liv.get('自助グループへの参加の有無[レシピエントの状態]') selfhelp_flg = 1 if selfhelp == '有' else 0 if selfhelp == '無' else None update_sql = """ UPDATE T_LIVING_R_LIV SET SHAKAIFUKKI_JOKYO = %s, PS = %s, KOUSEISINYAKU_FLG = %s, KOUSEISINYAKU_KOUFUANYAKU = %s, KOUSEISINYAKU_KOUUTUYAKU = %s, KOUSEISINYAKU_KOUSEISINYAKU = %s, KOUSEISINYAKU_ETC = %s, KOUSEISINYAKU_ETC_CMNT = %s, KANKOHEN_FLG = %s, KANKOHEN_KINSYU_FLG = %s, KANKOHEN_FOLLOWUP_FLG = %s, KANKOHEN_JIJYO_GRP_FLG = %s, UPD_USER_ID = 1, UPD_PROGRAM_ID = 1 WHERE SEITAI_ISYOKU_ID = %s AND INPUT_DATE = %s """ print(update_sql) update_values = [ qol_code,ps, kousei_flg, koufuan, kouutsu, kousei, etc, etc_cmnt, kankohen_flg, kankohen_kinsyu_flg, followup, selfhelp_flg, seitai_ishoku_id, input_date ] cursor.execute(update_sql, update_values) connection.commit() except Exception as e: connection.rollback() error_logs.append({ "テーブル名": "T_LIVING_R_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) elif table_name == 'T_REJECTION_R_LIV': ## 下記の診断日でよいのでしょうか。 ## 原疾患の再発（診断年月日）（詳細）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ]の値がTRUE ## 原疾患の再発（診断年月日）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ] ## 悪性腫瘍（診断年月日）（詳細）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ] ## 悪性腫瘍（診断年月日）[合併症・再手術・再入院・妊娠・出産：前回調査以降のもののみ] for index_t_rejection_r_liv, row_t_rejection_r_liv in recipient_rows: id = row_t_living_r_liv['肝臓移植ID[レシピエント追跡調査]'] #### 報告: 調査日及び最終生存確認日が不正なデータはスキップする #### ここで指定しているIDはCSVファイルの肝臓移植ID[レシピエント追跡調査]を指定する if int(id) in exclude_ids: continue # このIDの場合はスキップ（何もしない） ## 梅先生のデータが来たら参照する指定されている最新の日付までのデータを登録している。 ## 現在は調査日が設定されていれば全て登録している original_date = row_t_rejection_r_liv['調査日[レシピエント追跡調査]'] # 変換処理 if original_date: #input_date = datetime.strptime(original_date, '%Y/%m/%d').strftime('%Y%m%d') input_date = pd.to_datetime(original_date, errors='coerce').strftime('%Y%m%d') else: continue rejection_val = row_t_rejection_r_liv.get('拒絶反応[レシピエントの状態]') if rejection_val == "true": rejection_code = 1 elif rejection_val == "false": rejection_code = 0 elif rejection_val in [None, ""]: rejection_code = None else: rejection_code = None # その他の予期しない値もNULL扱い try: ### REJECTION_TYPEは「1:急性拒絶反応」を固定 insert_columns = ["SEITAI_ISYOKU_ID", "REJECTION_TYPE", "SINDAN_DATE", "REJECTION_TIRYOU_FLG", "INS_USER_ID", "INS_PROGRAM_ID"] insert_values = [seitai_ishoku_id, 1, input_date, rejection_code, 1, 1] sql = f""" INSERT INTO T_REJECTION_R_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) connection.commit() #print(f"✅ T_REJECTION_R_LIV 登録完了: SEITAI_ISYOKU_ID={seitai_ishoku_id} SINDAN_DATEs={input_date} CSVのID={row_t_rejection_r_liv['肝臓移植ID[レシピエント追跡調査]']}") except Exception as e: print(f"❌ INSERT失敗: T_REJECTION_R_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_REJECTION_R_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() elif table_name == 'T_KENSA_R_LIV': target_csv_columns = [ 'AST[追跡時の検査値]', 'ALT[追跡時の検査値]', 'T.Bil[追跡時の検査値]', 'D.Bil[追跡時の検査値]', 'ワーファリンの使用[追跡時の検査値]', 'INR[追跡時の検査値]', ] for target_csv_column in target_csv_columns: loop_cnt = 1 for index__t_kensa_r_liv, row__t_kensa_r_liv in recipient_rows: try: kensa_value = row__t_kensa_r_liv.get(target_csv_column,None) ## もし空白やNaNならスキップ if pd.isna(kensa_value) or kensa_value == "": continue # 空白やNaNはスキップ cycle_str = f"{loop_cnt:02}" kensa_name, kensa_unit, dtype, threshold = get_kensa_metadata(target_csv_column) kensa_code = evaluate_kensa_code(kensa_value, dtype, threshold) insert_columns = [ "SEITAI_ISYOKU_ID", "KENSA_NAME", "KENSA_VALUE_CODE", "KENSA_VALUE", "KENSA_UNIT", "CYCLE", "INS_USER_ID", "INS_PROGRAM_ID" ] insert_values = [ seitai_ishoku_id, kensa_name, kensa_code, kensa_value, kensa_unit, cycle_str, 1, 1 ] sql = f""" INSERT INTO T_KENSA_R_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) connection.commit() except Exception as e: print(f"❌ INSERT失敗: T_KENSA_R_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_KENSA_R_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() loop_cnt += 1 elif table_name == 'T_KENSA_D_LIV': # このテーブルは更新処理は行わず、そのままデータを登録するだけでおわり。 target_csv_columns = [ 'T.Bil[検査値と合併症・再手術・再入院]', 'D.Bil[検査値と合併症・再手術・再入院]', 'AST[検査値と合併症・再手術・再入院]', 'ALT[検査値と合併症・再手術・再入院]', 'PT[検査値と合併症・再手術・再入院]', 'ワーファリンの使用[検査値と合併症・再手術・再入院]', 'INR[検査値と合併症・再手術・再入院]', '疾患の有無[検査値と合併症・再手術・再入院]', ] for index__t_kensa_d_liv, row__t_kensa_d_liv in donor_rows: # ✅ donor_rows が外側で正しい for target_csv_column in target_csv_columns: try: kensa_value = row__t_kensa_d_liv.get(target_csv_column) cycle_str = to_cycle_str(row__t_kensa_d_liv.get("追跡調査の種類[ドナー追跡調査]")) kensa_name, kensa_unit, dtype, threshold = get_kensa_metadata(target_csv_column) kensa_code = evaluate_kensa_code(kensa_value, dtype, threshold) # 重複チェック SQL check_sql = """ SELECT COUNT(*) as cnt FROM T_KENSA_D_LIV WHERE DONOR_A_ID = %s AND KENSA_NAME = %s AND CYCLE = %s """ cursor.execute(check_sql, (donor_a_id, kensa_name, cycle_str)) count = cursor.fetchone()['cnt'] if count > 0: print(f"⚠️ 重複データ検出: {donor_a_id} - {kensa_name} - {cycle_str} → スキップ") continue # 登録スキップ if pd.notna(kensa_value) and kensa_value != "": insert_columns = [ "DONOR_A_ID", "KENSA_NAME", "KENSA_VALUE_CODE", "KENSA_VALUE", "KENSA_UNIT", "CYCLE", "INS_USER_ID", "INS_PROGRAM_ID" ] insert_values = [ donor_a_id, kensa_name, kensa_code, kensa_value, kensa_unit, cycle_str, 1, 1 ] sql = f""" INSERT INTO T_KENSA_D_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) connection.commit() except Exception as e: print(f"❌ INSERT失敗: T_KENSA_D_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_KENSA_D_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() elif table_name == 'T_IJI_MENEKI_YOKUSEI_R_LIV': try: for _, rec in recipient_rows: test_id = rec.get("肝臓移植ID[レシピエント追跡調査]") followup_cycle = rec.get("追跡調査の種類[レシピエント追跡調査]") if not followup_cycle or followup_cycle.strip() == "": continue cycle_str = followup_cycle.replace("年後", "").zfill(2) # 値の取得と変換 steroid_val = rec.get('ステロイド[免疫抑制：維持期（現在）]') cs = 1 if steroid_val == 'True' else 2 if steroid_val == 'False' else None cni_detail = rec.get('カルシニュリン・ インヒビター-詳細[免疫抑制：維持期（現在）]', '') or '' tac = 1 if 'FK506' in cni_detail else 0 csa = 1 if 'CyA' in cni_detail else 0 mtor_detail = rec.get('mTOR阻害剤 -詳細[免疫抑制：維持期（現在）]') evl = 1 if 'Rapamycin' in mtor_detail else 0 rap = 1 if 'RAD' in mtor_detail else 0 nukleic_detail = rec.get('核酸合成阻害-詳細[免疫抑制：維持期（現在）]', '') or '' mmf = 1 if 'MMF' in nukleic_detail else 0 az = 1 if 'AZP' in nukleic_detail else 0 mz = 1 if 'MZR' in nukleic_detail else 0 cp = 1 if 'CP' in nukleic_detail else 0 meneki_etc= 1 if rec.get('その他（テキスト）[免疫抑制：維持期（現在）]') else 0 meneki_etc_cmt = rec.get('その他（テキスト）[免疫抑制：維持期（現在）]') exists_sql = """ SELECT 1 FROM T_IJI_MENEKI_YOKUSEI_R_LIV WHERE SEITAI_ISYOKU_ID = %s AND CYCLE = %s LIMIT 1 """ cursor.execute(exists_sql, (seitai_ishoku_id, cycle_str)) if cursor.fetchone(): # 既にあるのでスキップ # ここでログだけ出すなど print(f"skip: ({seitai_ishoku_id}, {cycle_str}) は既存") continue # 登録処理（初回 insert） insert_columns = [ "SEITAI_ISYOKU_ID", "CYCLE", "INS_USER_ID", "INS_PROGRAM_ID" ] insert_values = [ seitai_ishoku_id, cycle_str, 1, 1 ] sql = f""" INSERT INTO T_IJI_MENEKI_YOKUSEI_R_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) # 追加項目を update（キー：SEITAI_ISYOKU_ID + CYCLE） update_sql = """ UPDATE T_IJI_MENEKI_YOKUSEI_R_LIV SET CS = %s, TAC = %s, CSA = %s, EVL = %s, RAP = %s, MMF = %s, AZ = %s, MZ = %s, MENEKI_ETC = %s, MENEKI_ETC_CMNT = %s, CP = %s, UPD_USER_ID = %s, UPD_PROGRAM_ID = %s WHERE SEITAI_ISYOKU_ID = %s AND CYCLE = %s """ update_values = [cs, tac, csa, evl, rap, mmf, az, mz, meneki_etc, meneki_etc_cmt, cp, 1, 1, seitai_ishoku_id, cycle_str] cursor.execute(update_sql, update_values) connection.commit() except Exception as e: print("エラーになっている？") error_logs.append({ "テーブル名": "T_IJI_MENEKI_YOKUSEI_R_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() elif table_name == 'T_LIVING_D_LIV': original_date = None input_date = None for index_living_d, row_living_d in donor_rows: try: # 必須項目処理 sisetu_cd = ISYOKU_ISYOKUSISETU_CD # 要: 施設名列が存在していること followup_cycle = row_living_d.get("追跡調査の種類[ドナー追跡調査]","") #if not followup_cycle or followup_cycle.strip() == "": # continue cycle_str = followup_cycle.replace("年後", "").zfill(2) original_date = row_living_d.get('調査日[ドナー追跡調査]') if pd.isna(original_date) or original_date == '': original_date = row_living_d.get('最終生存確認日[現状]') if not original_date: continue #input_date = datetime.strptime(original_date, '%Y/%m/%d').strftime('%Y%m%d') if original_date: date8 = pd.to_datetime(original_date, errors='coerce').strftime('%Y%m%d') input_date = f"{date8}00{random_mmss()}" # ← HH=00 を固定、MMSSは乱数 current_statu_value = row_living_d.get('現状[現状]') is_alive = any(k in str(current_statu_value) for k in ("健存", "生存")) ### 共通項目 # PS変換 ps_raw = str(row_living_d.get("PS[現状]", "")).strip() ps_map = {"0": 1, "1": 2, "2": 3, "3": 4, "4": 5, "不明": 6} ps_value = ps_map.get(ps_raw, None) # 向精神薬有無 med_raw = str(row_living_d.get("向精神薬（睡眠導入剤を含む）の継続的使用[現状]", "")).strip() med_flag = 1 if med_raw == "有" else 0 if med_raw == "無" else None # 詳細（フラグ） med_detail_raw = str(row_living_d.get("向精神薬（睡眠導入剤を含む）の継続的使用-詳細[現状]", "")).strip() kouseisinyaku_koufuanyaku_flg = 1 if "抗不安薬" in med_detail_raw else 0 kouseisinyaku_kouutuyaku_flg = 1 if "抗うつ薬" in med_detail_raw else 0 kouseisinyaku_kouseisinyaku_flg = 1 if "向精神薬" in med_detail_raw else 0 kouseisinyaku_etc_flg = 1 if "その他" in med_detail_raw else 0 # コメント etc_comment = str(row_living_d.get("向精神薬（睡眠導入剤を含む）の継続的使用-その他（テキスト）[現状]", "")).strip() if is_alive: jutsumae_fukki = 1 if str(row_living_d.get('術前状態への完全復帰[現状]') or '').strip() == '可' else 0 jutsumae_fukki_not = row_living_d.get('否の場合、その理由[現状]') jutsumae_fukki_not = ( 1 if "医学的" in (jutsumae_fukki_not or "") else 2 if "社会的" in (jutsumae_fukki_not or "") else None ) jutsumae_fukki_not_cmnt = row_living_d.get('具体的理由（テキスト）[現状]') katsudo_jokyo = row_living_d.get('活動状況；術前に比べて（テキスト）[現状]', None) if katsudo_jokyo =="": katsudo_jokyo = None else: reason = row_living_d.get('病脳の場合：その理由[現状]') period = row_living_d.get('病脳期間[現状]') # 余計な空白を除去して文字列化 r = str(reason or '').strip() p = str(period or '').strip() # 両方あれば " / " で連結、どちらか一方ならそのまま、両方空なら空文字 jutsumae_fukki_not_cmnt = (r + " / " + p) if (r and p) else (r or p) jutsumae_fukki_not = 0 jutsumae_fukki = 1 if str(row_living_d.get('通常生活への復帰[現状]') or '').strip() == '可' else 0 katsudo_jokyo = row_living_d.get('活動状況；術前に比べて[現状]', None) if katsudo_jokyo =="": katsudo_jokyo = None insert_columns = [ "DONOR_A_ID", "INPUT_DATE", "SISETU_CD", "CYCLE", "PS", "KOUSEISINYAKU_FLG", "KOUSEISINYAKU_KOUFUANYAKU", "KOUSEISINYAKU_KOUUTUYAKU", "KOUSEISINYAKU_KOUSEISINYAKU", "KOUSEISINYAKU_ETC", "JUTSUMAE_FUKKI", "JUTSUMAE_FUKKI_NOT", "JUTSUMAE_FUKKI_NOT_CMNT", "KATSUDO_JOKYO", "KOUSEISINYAKU_ETC_CMNT", "INS_USER_ID", "INS_PROGRAM_ID", "DEL_FLG" ] insert_values = [ donor_a_id, input_date, sisetu_cd, cycle_str, ps_value, med_flag, kouseisinyaku_koufuanyaku_flg, kouseisinyaku_kouutuyaku_flg, kouseisinyaku_kouseisinyaku_flg, kouseisinyaku_etc_flg, jutsumae_fukki, jutsumae_fukki_not, jutsumae_fukki_not_cmnt, katsudo_jokyo, etc_comment, 1, 1, 0 ] sql = f""" INSERT INTO T_LIVING_D_LIV ({','.join(insert_columns)}) VALUES ({','.join(['%s'] * len(insert_columns))}) """ cursor.execute(sql, insert_values) connection.commit() except Exception as e: print(f"❌ INSERT失敗: T_LIVING_D_LIV, エラー: {e}") error_logs.append({ "テーブル名": "T_LIVING_D_LIV", "移植登録ID": ishoku_toroku_id, "施設名": sisetsu_name, "SQL": sql, "入力値": insert_values, "エラー内容": str(e) }) connection.rollback() else: connection.commit() pass #print("@@@@@@@@@@@@@@@@@@@ ") #print(table_name) #print(tracer_df["移植登録ID"]) connection.commit() #except Exception as e: # print(f"❌ エラー: {e}") # connection.rollback() #finally: # connection.close() # print("✅ DB接続を終了しました。") if error_logs: # もしエラーが1件以上あれば df_error = pd.DataFrame(error_logs) df_error.to_csv('error_logs_kanzou_20250930_last.csv', index=False, encoding='utf-8-sig') # 日本語対応のためutf-8-sigで print("✅ エラーログを error_logs.csv に出力しました！") else: print("✅ エラーはありませんでした！")