Economic Effects Before and After Reorganization and Networking of Public Hospitals and Network Organization Using AI Machine Learning
| Project/Area Number |
23K09614
|
|---|
| 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 | Miyazaki Sangyo-keiei University |
|---|
Principal Investigator |
川島 秀樹 宮崎産業経営大学, 経営学部, 教授 (90516931)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
白木 秀典 千葉商科大学, 経済研究所, 研究員 (10614373)
|
|---|
| Project Period (FY) |
2023-04-01 – 2028-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2027: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2026: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2025: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | ネットワーク化 / 病院建替え / 情報ネット化 / 地域包括ケア / 民間病院との関わり / 病床の機能分化 / 後方支援体制 / 軽症急性期 / 病院再編ネットワーク化 / 経営分析 / 病院の経済効果 / AI機械学習 / DPCデータ |
|---|
| Outline of Research at the Start |
本研究では、公立病院改革により再編・ネットワーク化をおこなった病院の経済効果（事前、事後）について調査・研究を行う。次に「病院ネットワーク化」の事例について、全国の公立・公的病院に関する厚生労働省のDPCデータ、総務省の病院事業決算状況、WAM NETなどの病院経営データを用いてAIの機械学習ライブラリscikit-learnによる分類・特徴量の考察を行う。それらの事例を基に病院経営体制について考察し、心理的安全性が高い職場を考慮したネットワーク組織をまとめる。AIの機械学習により全国のDPC病院の学習済みモデルを作成し、ネットワーク化病院の経営状態の予測結果を出力する。
|
| Outline of Annual Research Achievements |
公立病院で再編した前後の経営状況を数量的にデータサイエンスの手法を使って計測した。明らかにしたのは、ネットワーク化を行った病院の経営効果を見ることである。6病院の中で病院建替えに伴うネットワーク化の病院（①桑名市総合医療センター、②南奈良総合医療センター、③青森県つがる総合病院、④日本海総合病院）、情報ネットワーク化をおこなっている病院（⑥島根県立中央病院）、地域の人口減少と過疎化に伴い、地域医療機関、福祉施設との連携を深め、地域包括ケアシステムを推進している病院（⑤公立世羅中央病院）について経営状況を考察した。
病院建替えに伴うネットワーク化の病院は、労働生産性は高く、高度医療、高機能で、再編統合した病院よりもコストがかからない（中コスト）。また、患者1人1日当たりの診療収入に関して、公立病院、独立行政法人の平均診療収入並みを得ている（中単価）。一般的に医療圏で10万人以上 の人口があるところでは、成功していると考えられる。また、島根県立中央病院のような情報ネット化を実施している病院は、徐々に労働生産性を上昇させている。さらに、公立世羅中央病院のように地域包括ケアシステムを推進している病院は、労働生産性は高くないが、低コスト、低単価であった。
次に、統合再編・ネットワーク化を行った病院について、民間病院にどう影響をもたらすのか、その関わりについて考察した。ネットワーク化成功事例の病院は、病床の機能を分化し、患者の状態に応じて必要な医療を受けられる体制と、一つの病院で入院を完結するのではなく、地域全体で患者を支える後方支援の体制をとっていた。また、近隣の民間病院は後方支援病院として、軽症急性期や回復期病院としての生き残りを図っていると考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ネットワーク化の病院について、現状分析を行えた。
DPCデータ分析も、手作業ながらも順調に解析している。
DPCデータを分析する手法として、データサイエンスの手法を用いてPythonプログラムによる欠損値データ処理も簡単に行うことができた。
|
| Strategy for Future Research Activity |
今年度は、医療経営データとDPCデータを作成する。総務省公立病院財務諸表データ、病院経営データ、DPCデータを全国の公立・公的病院から集めて、データの前処理を行う。
DPCデータでは、①病院機能評価の個票、②DPC退院患者のデータが揃っている。病院の診療機能とそのレベルが同じフォーマットで４年分くらい報告されてまとめられている。施設毎時、ベッドの病棟毎の機能（ＩＣＵとか地域包括ケア病床など）、患者数や在院日数、施設基準、医療機器、人員体制がわかるので、どの程度の実力の病院かがわかる。
②のDPC退院患者のデータは診療データを簡略にまとめたもので、DPC制度に参加している
急性期病院のデータである。診療内容をさらに細かく、臓器別、病名毎にそろえたものを患者数、平均在院日数、手術のありなしとともに発表している。これらのデータを総務省の病院事業決算状況・経営分析比較表、その他の医療経営データをソートキー（①施設コード（都道府県番号（2桁）＋ 医療機関コード（7桁））②年度）を用いてマッチング処理を行う。これらを、AccessやSQLiteデータベースに登録する。
|
Report
(1 results)
Research Products
(5 results)
