京都大学大学院 医学研究科 上野 恵子 様 社会疫学研究における対象者のセグメンテーションへの分析ツール活用事例

PDF版はこちら

福祉や医療の現場に還元できる施策を

ご研究にデータ解析を取り入れた経緯を教えていただけますか。

上野　社会疫学といって、学歴や所得、職業など個人や個人を取り巻く社会環境の違いで生じる健康格差に関する研究をしています。テーマは3つあり、1つめは生活保護受給者の健康・生活支援、2つめは救急車利用に関する問題、3つめは子どもと若者の社会的孤立・孤独の予防です。それぞれのテーマで対象となるデータを解析して状況や課題を整理し、その結果をもとに当事者の方々にお話を伺うことで現場に還元できる施策を提案しています。データ解析による量的研究とインタビューによる質的研究、そのどちらか一方だけでは探求できる範囲が限られてしまいます。ですから私は組み合わせることで、複雑な事象をより正しく理解し、課題に対応したいと考えています。

データ解析には Alkano の二項ソフトクラスタリング機能をお使いと聞きました。

上野　大学院時代に指導教官から、私たちの研究に役立ちそうなデータ解析手法としてvPLSA（確率的潜在意味解析法）を教えていただきました。当時、生活保護受給者に関する研究で対象者をグループ分けし、それぞれのグループごとの課題を見つけることができれば、福祉事務所が生活保護受給者に健康支援を提供する際に役立つのではないかというアイデアがあり、そのグループ分けの手法として指導教官とともに試してみたのが最初です。使い始めると、自分の研究スタイルに合っていると感じました。その後赴任したこの京都大学で、PLSA を改良した二項ソフトクラスタリング機能が実装されている Alkano を2022年に導入しました。

実際のクラスタリング事例を教えていただけますか。

上野　私が学会発表した研究を例にご説明します。ある地方都市の5年間の約54,000件の救急搬送データをもとに、医療機関に救急搬送され受診後に帰宅した人たち（18～64歳の成人）を二項ソフトクラスタリングでグループ（セグメント）分けしました。その結果、セグメント1「怪我や神経系疾患で平日深夜に救急搬送された人たち」、同2「週末日中の外傷や火事による救急搬送困難事案[1]となった人たち」、同3「他の医療機関へ転院搬送された人たち」、同4「急病のため住宅から救急搬送された人たち」、同5「交通事故のため救急搬送された人たち」、同6「日中平日に労災、災害、精神疾患のために管轄外の医療機関に救急搬送された人たち」の6つのセグメントに分けられました。 上記のセグメントの特徴は、セグメントに所属する変数をもとに決めます。セグメント4であれば、「消化器疾患」「住居からの救急要請」「急性疾患」などです。変数がセグメントに所属する度合いは所属確率といい、0から1の数値で表されます。今回の研究では、所属確率が0.5以上の変数をそのセグメントを特徴づける変数と定義しています。なお、所属確率が低い変数は他のセグメントにも所属している可能性があります。
この結果から、【セグメント4：急病のため住宅から救急搬送された人たち】で医療機関に救急搬送され受診後に帰宅した人は、「消化器系、呼吸器系、泌尿器系やがんといった疾患をもつ人」で、さらに「家族が救急車に同乗した」「週末・深夜の救急搬送」という情報もこのセグメントには含まれていることが分かります。

• 救急搬送困難事案：救急車が現場に到着してから出発までに要した時間が30分以上の症例を指す。

医療機関を受診後帰宅となった成人の救急車利用者のグループ分け（セグメント）の結果

論文：Ueno K, Teramoto C, Sawatari H, Tanabe K. Identifying subgroup characteristics of adult ambulance users with nonurgent medical conditions in Japan: A population-based observational study. Acute Med Surg. 2023;10:e911.

複雑な現象がこの解析で整理される。だから解決のヒントも浮かんでくる

この解析手法を使う意義は、どんなところにありますか。

上野　研究に向かい合うとき、私は「この現象はおそらくこうなっているのだろう」と仮説を立てます。仮説をデータから二項ソフトクラスタリングを活用し検証しているといえます。データに基づくグループ化によって、対象となる人たちが抱えているであろう問題やその原因が、より鮮明に見えてくるからです。
解析結果として出てくるグループは、変数や解析条件を変えれば違う結果になります。何回か試していくうちに自分の知識や経験に照らし合わせて、「そうだよね」と納得できる結果が得られます。そうして得られた結果は現実世界に近い状況を表現していて、他の研究者との意見交換や、対象者への支援策を検討するのに役立ちます。私が研究対象としている「社会」は答えのない世界です。多くの人がさまざまに考え動いている。そういう複雑な現状を研究者の視点から整理し、納得感のある形で表現するのに、この解析手法はとても有効だと思っています。

Alkano を導入して良かった点は何ですか。

上野　R でも二項ソフトクラスタリングと同様の解析ができると聞いて、試してみたことがあります。ただ私は統計解析の専門家ではないのでRを扱うのは難しく、二項ソフトクラスタリングの適切なコマンドを見つけて解析することができませんでした。Alkano を導入して良かったことは、NTTデータ数理システムのきめ細かなサポートを受けられたことです。ソフトウェアの使い方に始まり、データの整形やフォーマットといった初歩的なことから、解析の仕方で分からないことへのアドバイスまでいただくことができました。そのおかげで納得いく結果を短時間で得られ、他の研究業務に集中することができました。
使い勝手の面では、データ入力の際に手持ちのExcelファイルのデータを使えるという簡単な操作が気に入っています。データの整形といった前処理が必要なく、データを登録後、アイコンで必要な処理を行うことができます。パラメーター設定もクリック操作で可能なのがいいですね。

決定木など、他の解析手法からのアプローチもお考えだそうですね。

上野　研究を通じて現場に還元できる施策を立てたいと、常に思っています。そのためにはこれまでとは違うアプローチも必要ではないか、そうすれば課題解決への近道が見つかるのではないか、という思いで二項ソフトクラスタリングを使い始めました。ですから他の解析手法にも関心があります。いま使ってみたいと思っているのは Alkano の決定木です。決定木では、ある目的変数と関連する複数の条件を可視化できるので、例えば救急搬送されて重症と判断される人たちはどのような条件が揃っているのかといった検証ができると思っています。
さらに、BayoLinkS でベイジアンネットワークにもトライしたいと考えています。救急車利用者とその関連要因の因果関係を分かりやすく整理し、消防署の方々と結果をディスカッションすることで、持続的な救急医療体制の構築に向けた方策が見つかるのではないかと期待しています。

おわりに

今回は、「Alkano」を活用していただいた事例についてご紹介しました。データ分析を活用した課題解決について、少しでも興味をお持ちいただけたでしょうか？Alkano を紹介するオンラインウェビナーを無料開催しておりますので、気になった方はぜひご参加いただけると幸いです。

▼セミナー情報はこちら
Alkano の紹介セミナー

弊社NTTデータ数理システムでは、長年培ってきた数理科学の技術を基に、お客様のご要望に合わせた受託開発を承っております。「データはあるから何となく何かをやりたい…」というきっかけでも大丈夫です。お客様が解きたい課題を弊社技術スタッフが一緒に課題整理を行いながら、ご要望に合わせたご利用形態で課題解決をサポートします！ぜひお気軽にお問い合わせ、ご相談いただけると幸いです。