| 研究課題/領域番号 |
18K09960
|
|---|
| 研究機関 | 保健医療経営大学 |
|---|
研究代表者 |
川島 秀樹 保健医療経営大学, 保健医療経営学部, 教授 (90516931)
|
|---|
| 研究分担者 |
林 勝裕 保健医療経営大学, 保健医療経営学部, 教授 (10516983)
永石 尚也 山形大学, 学術研究院, 講師 (20782923)
後藤 浩士 保健医療経営大学, 保健医療経営学部, 准教授 (20808852)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2023-03-31
|
| キーワード | アンケート調査 / 自治体病院統合 / 満足度調査 / ゲーム立地理論 / 病院の通院時間 |
|---|
| 研究実績の概要 |
2018年度前期は、公共機関から自治体病院に関する資料を取り寄せ、八女市役所職員、筑後市役所職員、桐明県会議員、八女市の小川市会議員などに質問を行い、Y病院およびC病院の現状を調査した。
2018年度後期は、共同研究者である林・後藤氏と現状を明確に把握するために、2018年10月1日から11月8日までに一般市民を対象としたアンケート（郵送依頼400通、回答数137通、回収率34.3%）を実施し、自治体病院の現状と課題（統合可否とその影響）について考察することにした。これらの結果については、2018年12月の九州経済学会「地域医療圏における自治体病院の現状と問題点」や聖マリア医学会「自治体病院の統合可否に関する問題点について」において発表している。
まず、ゲーム立地理論のホテリングモデルを使って、Y病院とC病院の中間地点に新しい病院を設立する場合、病院の通院時間は約1時間以内、距離的に10㎞以内の制約があると考えられる。次に、自治体病院に行かない人たちが存在する。理由として、①自宅近くに信頼できる病院（かかりつけ医）が存在、②自宅または職場から遠いため、③待ち時間が長そうだから、④八女筑後医療圏以外（例えば久留米市）の病院へ行くからである。さらに、病院全体の満足度、再受診、近親の方に紹介するかの回答は、両病院とも評価が高くなく、「自宅や職場に最も近いことが」自治体病院を利用した理由になっている。病院への移動手段は全体的に85%が自動車であり、バスは0%であった。特に、Y病院利用者は91%が自動車を使っていた。最後に、筑後市ではY・C両病院の利用者が多く、八女市ではY病院の利用が多いことも今回の調査であきらかとなった。
また、自治体病院は地域の社会経済システムを支える拠点でもあり、地域における貢献や産業の持続可能性を持っている。
|
| 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
地域住民の病院利用度と患者需要を調査した。ケーススタディとして福岡県の病院事例について、アンケートによる調査と分析を行った。そのあとに、インターネットのWeb情報（ブログやSNSなど）から、データを集積してトレンドを解析した。研究の方法としては、データ収集とキーワードを抽出し・集積した。
これらのアンケート調査結果を、Accessデータベースに登録し、解析することが出来た。2018年度に2回の学会発表を行い、好評であった。また、九州経済学会においては「地域医療圏における自治体病院の現状と課題」という論題で投稿している。
|
| 今後の研究の推進方策 |
2019年度前期においては、6月に日本経済政策学会において「公立病院の統合問題と産業連関表による経済効果」を発表する。また、人工知能の一部分であるエージェントモデルartisocによる人工構築社会を組み立てる予定である。これは、株式会社構造計画研究所の講習会やサポートを受けることによってより精緻なシステムになると思われる。
また、2019年後期においては、日本地域学会において「八女筑後医療圏における公立病院の評判分析」について発表する予定である。公立病院の評判について、アンケートの自由記述欄に残されたコメントの中から抽出・分析することにした。
まず、公立病院の満足度を調べ、病院の存在意義を論じてみる。データベースに蓄積した巨大なテキストデータの集合を統計学や人工知能技術を使ってコンピュータによって解析し、これまで知られていなかった規則性や傾向など、何らかの有用な知見を得ることを実践する。これは、テキストマイニングと呼ばれている。データ解析のツールとして、統計解析言語のRと人工知能言語であるPythonを用い、試行するテキストマイニングは経済学において新たな挑戦であり、処理方法を例示する。
次に、MASのモデル構築によるシミュレーション分析を行う。2つの病院が合併した時の影響について分析する。そのためにはMASのartisoc社会システム・モデルを用いて、個人エージェントのライフサイクルを定義する。ライフイベントが起こるかどうかは、乱数を発生して事象が起こるかどうか判断する。そして、判断に使う遷移確率は、公式で使われているパラメータを利用することが有効である。この部分はマイクロシミュレーションの個人・世帯のライフサイクルモデルで培った部分である。その後、施設エージェント（民間、公立系）を追加し、病院利用者がどのように動いていくのか、利用者の満足度を出力する。
|
| 次年度使用額が生じた理由 |
人工知能機械学習パソコンを安いものにしたのと、モニターを1台しか購入しなかったので、次年度使用額が生じた。
|
