Project/Area Number |
22K10411
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 58010:Medical management and medical sociology-related
|
Research Institution | University of Toyama |
Principal Investigator |
関根 道和 富山大学, 学術研究部医学系, 教授 (30303225)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
Keywords | 国民健康保険 / 特定健康診査 / 健康格差 / ビッグデータ / 人工知能 |
Outline of Research at the Start |
人工知能による医学研究の重要性が認識され、研究成果の社会実装も行われるようになってきた。今回の研究では、富山県が管理する国民健康保険の特定健診情報や医療費情報を取得して、①地理情報システムを用いた生活習慣病、健康リスク行動、医療費の中学校区レベルでの地域間健康格差の可視化、②機械学習による地域間健康格差のモデル化を行う。地域間健康格差の可視化は、中学校区レベルのものは限られている。また、地域間健康格差の機械学習によるモデル化で、より精度の高い予測モデルを構築することができる。地域間健康格差の縮小や医療費の適正化等の持続可能な社会の実現に向けた健康施策の実現に資する将来性のある研究である。
|
Outline of Annual Research Achievements |
本研究では、富山県国民健康保険特定健診・医療費のデータから、①地理情報システムを用いた生活習慣病、健康リスク行動、医療費の中学校区レベルでの地域間健康格差の可視化(健康ハザードマップ(メタボマップ)の作成)、②機械学習による地域間健康格差(生活習慣病や医療費)のモデル化を行うことを目的としている。 令和4年度は、地理情報システムを用いた健康ハザードマップを作成することによる生活習慣病および健康リスク行動の地域間健康格差の可視化を行った。その結果、健康ハザードマップによる中学校区別の有病率では、メタボリック症候群の有病率は、男女とも、県西部に高く県東部に低い「西高東低」の分布を示した。健康リスク行動は、男性では、現在喫煙、運動不足、睡眠不足は、「西高東低」の分布を示した。女性では現在喫煙、毎日飲酒、睡眠不足は県央部に多く、運動不足は県西部に多かった。こうした健康リスク行動の地理的分布の差が、肥満や糖尿病、メタボリック症候群の地理的分布の差の原因となっている可能性があると考えられた。 地域間健康格差の可視化は、市町村レベルのものは多数存在するが、中学校区レベルのものは限られている。今後、地域間健康格差の機械学習によるモデル化を行うことで、地域間健康格差の縮小や医療費の適正化等の地域健康課題の解決と持続可能社会の実現に向けた研究を実施する。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究計画調書に記載のある令和4年度の研究をおおむね実施できたため。
|
Strategy for Future Research Activity |
令和5年度(2023年度)は、健康リスク行動と生活習慣病との関連性分析と、生活習慣病の地域間格差への健康リスク行動の寄与を、ロジスティック回帰分析等の多変量解析や機械学習によりモデルを構築する。
|