| 研究課題/領域番号 |
19H05487
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
野口 晴子 早稲田大学, 政治経済学術院, 教授 (90329318)
|
|---|
| 研究分担者 |
川村 顕 神奈川県立保健福祉大学, ヘルスイノベーション研究科, 教授 (10422198)
朝日 透 早稲田大学, 理工学術院, 教授 (80222595)
阿波谷 敏英 高知大学, 教育研究部医療学系医学教育部門, その他(教授相当) (10467863)
花岡 智恵 東洋大学, 経済学部, 准教授 (30536032)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2023-03-31
|
| キーワード | 健康政策研究 / 因果推論に裏付けられた科学的根拠 / 文理融合によるビッグデータの利活用促進 / 価格政策と数量政策 / 定量分析と定性分析との融合 |
|---|
| 研究実績の概要 |
本研究プロジェクトにとって折り返しの年となった令和2年度において、COVID-19感染拡大の影響により、本研究の遂行に必要な医療・介護サービスの需給にかかる各種データの二次利用・第三者提供が1年以上遅延し、データベースの基盤構築に深刻な影響があったものの、本年度の終盤にほぼ全てのデータが出そろい、データベースに着手することが出来た。第2に、分析拠点となる早稲田大学において，『介護給付費実態調査』（介護レセプト1.2億件）、及び、NDBデータ(医療レセプト129億件，特定検診データ2億件)を導入するため，ストレージ(Synology NAS FS3017 & Crucial MX300 × 24)を設置を完了し，データ整備に必要な研究環境・設備をほぼ完了した。第3に、データ整備に必要なデータサイエンスを専門とする人材を確保し、『介護給付費実態調査』をRで解析し、都道府県ごとに基本統計量を可視化することの出来るアプリケーションを開発した。最終年度においては、本研究の「文理融合」の特徴を活かし，本年度に整備したデータベースと介護データアプリケーションを活用し、support vector machine 等の機械学習の手法を用いた研究、深層学習等を用いたサービスミックスの予測を行った解析、NDBを用いた価格政策に資する需要の価格弾力性の推定、そして、term frequency-inverse document frequency(tf-idf)等を用いた形態素の重要度を測定し、その上で、主成分分析やクラスター分析により、診療・介護報酬の改定に携わる厚生労働省所管の議事録をテキストマイニングにかけることで、ステークホルダー間での意見の協調・対立関係等政策決定過程メカニズムを明らかにする。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
本研究プロジェクトにとって折り返しの年となった令和2年度において、COVID-19感染拡大の影響により、本研究の遂行に必要な医療・介護サービスの需給にかかる各種データの二次利用・第三者提供が1年以上遅延し、本年度の前半では進捗に大幅な遅れが見られた。しかし、第1に、本年度の終盤にほぼ全てのデータが出そろい、また、データサイエンスを専門とする人材が確保されたため、『介護給付費実態調査』をRで解析し、都道府県ごとに基本統計量を可視化することの出来るアプリケーションを開発することが出来た。現在、令和2年度の遅延を取り戻すため、解析に活用するデータベースの基盤整備を急ぎ行っている状況である。第2に、当該テーマに対する国内外における学際的な領域の先行研究に関するレビューを行った結果、事前の予想通り、本来学際的でなければならない研究テーマであるにもかかわらず、分野横断的な研究が極めて少数であることが明らかになった。
|
| 今後の研究の推進方策 |
最終年度においては、本研究の「文理融合」の特徴を活かし，第1に、本年度に整備したデータベースと介護データアプリケーションを活用し、support vector machine 等の機械学習の手法を用いた研究、深層学習等を用いたサービスミックスの予測を行った解析、第2に、NDBを用いた価格政策に資する需要の価格弾力性の推定、そして、第3に、term frequency-inverse document frequency(tf-idf)等を用いた形態素の重要度を測定し、その上で、主成分分析やクラスター分析により、診療・介護報酬の改定に携わる厚生労働省所管の議事録をテキストマイニングにかけることで、ステークホルダー間での意見の協調・対立関係等政策決定過程メカニズムを明らかにする。
|
