| 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 | 健康格差 / 機械学習 / マーケティング / 社会疫学 / 生活保護 / 健康の社会的決定要因 / 行動科学 |
|---|
| 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、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東京大学医学部倫理審査委員会からの許可を得た。30年度は2自治体の生活保護管理データと医療保険のレセプトを入手して分析した。ソフトクラスタリング手法を用いて、受給者のセグメント化を行った。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。国民生活基礎調査との比較により、生活保護受給者やその子どもが一般集団に比べてどのような疾病での受診が多いかといった分析を追加し、論文等で学術報告した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
以下に記載した交付申請時の予定はすべて完了した。追加でより妥当性の高いソフトクラスタリング手法を用いた分析を年代別に行い、複数の学会発表を行った。分析結果の一部は厚生労働省の社会福祉推進事業の報告書等に引用された。ケアプラン提案システムのプロトタイプをリリースして、自治体から使い勝手等についての意見収集を行った。さらに、データ収集する自治体を増やし、また収集するデータ項目を増やすため、約10自治体において現在生活保護を受給している世帯に対する調査票を開発し、送付する仕組みを整えた。
（交付申請時の予定）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。
|
| 今後の研究の推進方策 |
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。データを収集する自治体数を最大10程度まで増やす。収集されたアンケートデータを用いて、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 |
2019年度に予定しているアンケートデータとレセプトデータを連結した分析の効率を上げるために次年度使用する費用を追加して確保した。最終年度中盤にデータを入手する予定であるため、年度後半に短時間で実施する必要があり、そのため費用単価が上がると予想されたため。次年度使用額の大半は分析と関連する学術補助に充てる。
|
