ポートフォリオ最適化
「現状あと一歩で取れる加算が複数ある。 限られた事務工数の中で、どれから着手すれば最大の収益増になるかを提案する」 ためのシミュレータです。
何をやっているか
- 判定エンジンの結果から、「あと一歩で取れる」加算 を抽出
algorithm_judgementがwaiting/unknown/claimed_but_requirements_unknownapplicabilityがnot_applicableでないもの
- 各加算について以下を見積もり:
- 月額収益（円） — 級地 × 算定対象者数 × 単位/日 × 稼働日数
- 必要工数 (effort) — 不足エビデンス件数（高優先度は 1.5×）
- 優先度スコア (priority) — 収益 / 工数 × priority_hint 補正
- 連動加算ヒント — 処遇改善系で何 % 上乗せされるか
- priority 降順でランキング表示、各カードに「次にやることリスト」を提示
使い方
UI
- 履歴から解析を開く → 「📊 ポートフォリオ最適化」タブ
- 級地を変えて再試算 のセレクタで地域単価を切り替え可能
- 上位の候補から アクションアイテム が並ぶ
- ログイン済なら、自分の過去レビュー判断（💡 通常承認/差戻し）が badge で表示される
API
解析の判定結果をその場で渡して最適化（無料プランでも利用可）
POST /api/portfolio/optimize
Content-Type: application/json
X-CSRF-Token: <csrf>
{
"judge": { ...judge.run() の戻り値... },
"region_grade": "1"
}
region_grade は "1" 〜 "7" または "other"。未指定なら judge.region_grade を使い、
それも無ければ "other" に正規化されます。
保存済の解析を対象にする（有料プラン）
GET /api/analyses/:id/portfolio?region_grade=1
Authorization: Bearer <Firebase ID Token>
レスポンスには 自分の過去判断サマリ (learning_hint) も自動で merge されます。
級地表の取得
GET /api/regional-grades
1..7 と other の 8 グレード、上乗せ率、代表地域を返します。
自分のレビュー学習サマリ
GET /api/me/review-learning
Authorization: Bearer <Firebase ID Token>
過去 1000 件までの自分の review_decisions を kasan_key 別に集約。
approved / returned / awaiting_review のカウントと tendency（傾向ラベル）を返します。
レスポンスのキー
主要なキーだけ抜粋:
{
"service": "tsusho_kaigo",
"service_month": "2026-04",
"region_grade": "1",
"region_grade_label": "1級地",
"yen_per_unit": 10.9,
"total_potential_yen_per_month": 2352350,
"total_with_chain_yen_per_month": 2657030, // 処遇改善連動を含めた合計
"recommendation_count": 13,
"recommendations": [
{
"kasan_key": "kobetsu_kinou_I_ro",
"kasan_name": "個別機能訓練加算Ⅰ(ロ)",
"algorithm_judgement": "unknown",
"missing_evidence": [{ "label": "...", "next_action": "..." }],
"revenue_per_month_yen": 510294,
"revenue_with_chain_yen": 591241, // 処遇改善上乗せを反映
"target_user_count": 28,
"target_user_source": "estimated", // all|care_level|dementia|field|estimated|fallback|none
"target_user_rationale": "個別機能訓練計画を作成できる利用者（推定 70%）",
"days_per_month": 22,
"unit_used": { "kind": "per_day", "value": 85 },
"effort_score": 1.0,
"priority_score": 510294,
"interaction_hint": {
"type": "chained_uplift",
"rate": 0.159,
"applied_kasans": [{ "kasan_key": "shoguu_kaizen_I" }],
"label": "処遇改善系の連動で実質 +15.9% （≈ 81,137 円/月 上乗せ）",
"bonus_yen_per_month": 81137
},
"learning_hint": {
"approved": 5,
"returned": 0,
"awaiting_review": 1,
"approval_rate": 1.0,
"tendency": "consistently_approved",
"last_decision": "approved",
"last_decision_at": "2026-04-10T08:14:00.000Z"
},
"learning_tendency_label": "通常承認",
"action_items": ["..."]
}
],
"assumptions": {
"yen_per_unit": 10.9,
"region_grade": "1",
"region_grade_label": "1級地",
"days_per_month": 22,
"note": "..."
}
}
計算式
月額収益
revenue_per_month_yen
= unit （単位/日 または 単位/月）
× target_user_count （後述の filter で求める）
× days_per_month （月単位なら 1、それ以外は 22）
× yen_per_unit （regional-pricing 由来）
revenue_per_user_per_day が roi_estimation に明示されていればそれを優先します。
地域単価 (yen_per_unit)
yen_per_unit = 10 × (1 + 上乗せ率 × 人件費割合)
級地別の上乗せ率（厚労省告示）:
| 級地 | 上乗せ率 | 代表地域（例） |
|---|---|---|
| 1 級地 | 20% | 東京 23 区中心 |
| 2 級地 | 16% | 東京・神奈川の一部 |
| 3 級地 | 15% | 千葉・埼玉の一部 |
| 4 級地 | 12% | 中核都市の一部 |
| 5 級地 | 10% | 県庁所在地など |
| 6 級地 | 6% | 地方都市 |
| 7 級地 | 3% | 町村部 |
| その他 | 0% | それ以外 |
サービス別の人件費割合（同告示）:
| サービス | 人件費割合 |
|---|---|
| 訪問介護 / 訪問入浴 / 居宅介護支援 | 70% |
| 訪問看護 / 訪問リハ | 55% |
| 通所介護 / 通所リハ / 短期入所 / 小規模多機能 / 特養 | 45% |
例（通所介護・1 級地）: 10 × (1 + 0.20 × 0.45) = 10.90 円/単位。
算定対象者数 (target_user_count)
regulatory_master/target_user_filters.json に定義された predicate を user_summary に対して評価します。
| predicate | 計算 |
|---|---|
all |
user_summary.users_total（全員） |
care_level_min:N |
youkaigo_N..5 の合計 |
dementia_min:LEVEL |
LEVEL 以上の認知症日常生活自立度の合計（I < IIa < IIb < IIIa < IIIb < IV < M） |
dementia_related |
dementia_related_count フィールド |
medical_dependency |
medical_dependency_count |
terminal |
terminal_care_related_count |
discharge_support |
discharge_support_related_count |
emergency_response |
emergency_response_related_count |
estimated_ratio:F |
users_total × F（推定割合のフォールバック） |
未定義の kasan は all（全員）として扱われます。
工数 (effort)
effort_score = 1.0 + Σ (missing_evidence × 重み)
重み:
priority = '高'→ 1.5- それ以外 → 1.0
優先度
priority_score = (revenue / effort) × priority_hint_multiplier
priority_hint から:
- 「取得価値大」 → ×1.3
- 「ボーダー / 注意 / 要確認」 → ×0.95
数値そのものより 並び順 で判断してください。
連動加算（処遇改善等）
処遇改善加算 / 特定処遇改善加算 / ベースアップ等支援加算は、本体報酬に 対する % 上乗せ の加算です。判定結果でこれらが currently_claimed または clear であれば、各候補に
interaction_hint.bonus_yen_per_month として「実質いくら上乗せされるか」を併記します。
処遇改善加算Ⅰ (約 13.7%) + ベースアップ (約 2.2%) → 候補本体の +15.9%
なお現実装は単純化しており、加算ごとの「処遇改善対象/対象外」を厳密に判別はしません。 目安値 として使ってください。
学習ヒント (Firebase ログイン時のみ)
自分が過去にレビューでどう判断したかを集計し、各加算カードに badge で表示します。
| tendency | 表示 | 条件 |
|---|---|---|
consistently_approved |
通常承認 | approved ≥ 3 かつ returned = 0 |
consistently_returned |
通常差戻し | returned ≥ 3 かつ approved = 0 |
usually_approved |
承認傾向 | approved ≥ 2 × returned |
usually_returned |
差戻し傾向 | returned ≥ 2 × approved |
mixed |
判断分かれる | 上記いずれにも該当しない |
sample_too_small |
（履歴少） | 判定済合計 < 2 |
「いつも返している加算」を反射的に承認しないよう、レビュー時の注意喚起として機能します。
前提と限界（現時点）
- 地域単価: ✅ 級地 × サービスの人件費割合で正確に計算（市区町村→級地の自動マッピングは未実装）
- 算定対象者数: ✅ 構造化フィールド + 推定比率で計算。utilization rate（実際に算定された日数 / 総日数）は加味していません
- 連動加算: ✅ 処遇改善系の概算 % 上乗せをヒント表示。実際のサービス区分・取得状況に応じた厳密値ではありません
- 学習: ✅ 自分の過去判断を表示。AI で「ほぼ自動承認」する機能はまだありません
ロードマップ
- 地域単価（級地）対応
- 算定対象者数の精緻化（要介護度・認知症レベル・推定比率）
- 連動加算ヒント（処遇改善・特定処遇改善・ベースアップ）
- 自分の過去判断をヒント表示
- 市区町村 → 級地の自動マッピング
- 利用日数の推定（user_summary や CPOS 実績から）
- 工数の人時 (h) 推定（証跡種別ごとの平均工数を持つ）
- AI による自動承認候補の提示（学習データから）
関連ファイル
- 実装:
app/src/services/portfolio.js— メインロジックapp/src/services/regional-pricing.js— 地域単価app/src/services/target-user-filter.js— 算定対象者app/src/services/interaction-hints.js— 連動加算ヒントapp/src/services/review-learning.js— 学習ヒント
- 設定:
regulatory_master/regional_unit_prices.jsonregulatory_master/target_user_filters.json
- エンドポイント:
app/src/server.jsの/api/portfolio/optimize,/api/analyses/:id/portfolio,/api/regional-grades,/api/me/review-learning