| 研究課題/領域番号 |
17K19793
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
近藤 尚己 東京大学, 大学院医学系研究科(医学部), 准教授 (20345705)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2020-03-31
|
| キーワード | 生活保護制度 / 健康格差 / マーケティング / セグメント分析 / 人工知能 |
|---|
| 研究実績の概要 |
経済的な困窮など、社会的ストレスを抱えていると健康づくりや受診行動を継続することが難しくなることが知られている。そのため、健康支援の対象者のおかれた社会的状況や健康状態、興味関心などのデータに基づき、対象者を分類し、対応法を選定・提供するというマーケティング手法の応用が効果的である可能性がある。
本研究では、生活保護受給者のデータベースを活用して、生活保護に至った背景や成育歴、生活歴、健康リテラシー等の情報に基づき、１．生活保護受給者への適切なケア提供に向けた集団セグメント化アルゴリズムを開発する。また、２．生活保護受給者の健康支援・生活支援システムへと応用し、その有効性と効果を検証する。
計画を開始する２９年度は、生活保護事業管理データベース事業者（北日本コンピューター株式会社）、及び２自治体との連携体制を構築した。数回の関係者会議、自治体関係者訪問と意見交換を行い、実地で活用しやすいシステム構成のあり方や、役立つ分析内容等に関する意見収集を行い、まとめた。収集するデータ仕様、各担当機関の役割分担、分析計画を具体化したのち、東京大学医学部倫理審査委員会からの許可を得た。その後自治体より匿名化されたデータを入手した。データベースに収められている情報の整理を行い、さらに問診や健診等のデータから集めるべき項目（健康状態や生活状況など）の整理をした。
入手したデータを複数のクラスター分析手法を用いて、受給者のセグメント化を行い、２０セグメントを抽出した。また、月に１５回以上の頻回受診をしている生活保護受給者の特徴として、独居、無職、といった特徴があることを回帰分析で明らかにし、関連論文を出版した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
本年度計画した、研究機関連携体制の構築、収集データ仕様決定をすべて達成した。３０年度に予定していた、現存データを用いた健康行動（頻回受診）の関連要因分析、生活保護受給者のセグメント化を達成し、支援システム開発のための作業を前倒しすることができた。計画していなかった論文執筆向けの分析を１本終了することができた。
|
| 今後の研究の推進方策 |
３０年度には、収集した個人管理データ、レセプトデータを用いて、セグメント化アルゴリズムの妥当性・信頼性の向上と各セグメントの意味付け、セグメントと関連する健康行動（喫煙・健診受診・頻回受診・治療アドヒアランスなど）との関連を分析する。確率的潜在意味分析等を用いたセグメント化を追加して検討する。３０年度後半より、分析対象自治体を最大１０程度まで増やし、福祉事務所のケースワーカーが対象者との面談時に入力するインターフェースを配布、生活歴や健康情報の収集を始める。年度内に、ケアプラン提案システムのプロトタイプをリリースする予定である。
３１年度は、ケアプランの実際の運用データ等を追加してセグメントをアップデートし、精度を高める。関連するケアプランのアップデート等、システム全体の最適化を進める。収集されたデータを用いて、適正な健康行動の維持や中止に関連する社会的要因についての分析を進め、論文にまとめる。
|
| 次年度使用額が生じた理由 |
本計画は初年度は次年度以降の本格的推進のための準備期間であり、その間の出費を抑え、次年度のデータ収集用インターフェースの開発、計画に参加する自治体の開拓、セグメント分析を効率化するための経費を次年度に持ち越し人件費等へのまとめた使用をすることで効率的に進められると判断したため。
|
