医療、福祉に貢献するために

医療、福祉に貢献するために
~ 株式会社メディチュア Blog

2019/07/21

総合入院体制加算の届出と病床規模の関係

総合入院体制加算の届出施設について、病床数と加算種類の分布を見た。
厚生局届出データ(2019年6月3日調査)を基に作成

実績要件が問われる総合入院体制加算は300床未満ではかなり厳しく、加算1は700床前後、加算2は500床前後、加算3は400床前後が、それぞれ多くなっている。

総合入院体制加算の背景には、大学病院並みの医療提供体制を評価する・・・といったものがあったはずなので、総合入院体制加算1の厳しさは仕方ないにしても、加算3、加算2、加算1と、診療内容の充実に対するステップアップを後押ししていると理解できる。

ちなみに、働き方改革で大病院の医師確保力が相対的に強くなり、中小病院では医師確保が難しくなることが想定される中で、総合入院体制加算の評価を高めることは、病院・診療機能の集約化を加速する可能性が高い。

2019/07/17

入退院支援加算の分析記事の後半

CBnewsに入退院支援加算に関する記事の後半を掲載いただいた。

入退院支援加算の取り組みを加速させるデータ分析・下 - CBnewsマネジメント 入退院支援加算の取り組みを加速させるデータ分析・下 - CBnewsマネジメント

病床機能報告データから可視化を試みたので、お読みいただけるとありがたい。


また、今日、明日とホスピタルショウの医用工学研究所のブースで、ミニセミナーを担当している。お時間があえば、ぜひ。

明日(7/18)のスケジュール
11:00~ 院内データ分析の切り口で診療報酬改定を考える
13:30~ マクロデータを経営に活かす思考とテクニック

2019/07/14

看護師の勤務形態をデータから見る

月刊保険診療、今月も表紙の裏に記事を掲載いただいた。6回の短期連載の予定だったものを延長中。

月刊保険診療7月号の記事

医療施設調査のデータを分析している。

2019/07/12

急性期一般入院料に絞り込んでも、ほぼ結果は同じだった

先日のこの記事の続きを。
「入退院支援加算の届出施設の方が在院日数が短い」のは擬似相関では - 株式会社メディチュア Blog 「入退院支援加算の届出施設の方が在院日数が短い」のは擬似相関では - 株式会社メディチュア Blog

上の記事では、一般病床を持っている病院を対象に絞り込んで縦軸(入退院支援加算の届出割合)を見ていたが、急性期一般入院料を持つ病院だけに限定した。その結果、入退院支援加算の届出割合が全体的にアップした。平均在院日数との関係はほぼ変わらず。


中医協の資料から「入退院支援加算の届出施設の方が在院日数が短い」のは事実だが、在院日数が短いのは入退院支援加算の届出が影響しているとは言えない。在院日数が短いのは、入退院支援加算の届出をできる病院は大病院ほど多く、大病院は在院日数が相対的に短いためだ、と考える方が自然だろう。

入退院支援加算の届出によって在院日数が短くなったかどうかを知るためには、同じ病床規模で、同じ在院日数病院の集団を作り、届出の有無によって、在院日数がどうなったかを見るべきだ。在院日数に影響しそうな要素(地域包括ケア病棟の設置など)を極力除外することも大事だろう。

2019/07/10

病床規模と急性期一般入院料1~7の比率の間に見られる関係性とは

ある分析のためのデータ整理。Pythonで処理したデータをグラフに。

急性期一般入院料の届出状況について、病床規模(総病床数)別に入院料の比率を見た。


病床規模が大きくなると、急性期一般入院料1が増える。大病院で急性期一般入院料2以降の病院は少ない。

ま、そうですよね。

2019/07/06

さすがにびっくり

先日の日慢協の定例会見。

日慢協BLOG —- 日本慢性期医療協会(JMC)の公式ブログサイト » 急性期病院で終末期、「ふさわしくない」 ── 6月27日の定例会見で武久会長 日慢協BLOG —- 日本慢性期医療協会(JMC)の公式ブログサイト » 急性期病院で終末期、「ふさわしくない」 ── 6月27日の定例会見で武久会長

記事の最後の方に下記のような記載があり、
新公立病院改革プランによると、公立・公的病院の病床利用率はどんどん上がっていく予測が立てられている。しかし現実には、その逆になっていることは皆さんもご承知のとおりである。

「おっ、自分の主張と似ている!!」と、思わずツイッターにこの定例会見の記事をつぶやいた。

今日、その定例会見の資料を見て、びっくり。最後、自分の資料を引用くださってた。ありがたい。そして、この分析をしてくれたうちのスタッフに感謝。

2019/07/05

「入退院支援加算の届出施設の方が在院日数が短い」のは擬似相関では

7月3日に入退院支援加算に関する記事をCBnewに掲載いただいた。

同日、中医協の入院医療等の調査・評価分科会で、入退院支援加算に関する下記のようなデータが出てきた。

2019年7月3日開催 入院医療等の調査・評価分科会資料より引用

入退院支援加算を届け出ている施設の方が在院日数が短いとのことだ。CBnewsでも、翌日に下記の記事で述べられている。

入退院支援加算、届出施設の方が在院日数短い傾向 - 医療介護CBnews 入退院支援加算、届出施設の方が在院日数短い傾向 - 医療介護CBnews

在院日数の違いが、さも入退院支援加算の影響のように受け取れる分析結果だ。しかし本当だろうか?

DPC公開データから、急性期一般入院料に該当する病院の「その他病棟の入院含む」の延べ在院日数を基に、総病床数の規模に応じて、平均在院日数を算出した。また、2019年5月時点での一般病床を有する病院における総病床数の規模に応じた入退院支援加算の届出施設割合を算出した(ここには急性期一般入院料以外の病院も含まれてしまう)。

それぞれの算出した数値について、関係性をみたのが下のグラフだ。(各点にラベルで表記しているのは病床規模(床)。ばらつきの大きい100床未満は含めていない)

DPC公開データ(2017年度実績)、厚生局2019年5月時点届出情報を基に作成

非常に強い相関関係が見られる。というか、ほぼ直線。入退院支援加算は中小病院ほど届出ができておらず、中小病院は在院日数が長い。入退院支援加算の影響で在院日数が短くなっているかどうかを評価するのであれば、病床規模に応じた入院医療の特性の違いを考慮すべきである。

入退院支援加算は効率的な病床利用を促進することは否定しない。ただし、中医協のグラフは、在院日数の違いの真因を隠した状態で見せている疑似相関である可能性が高いのではないだろうか。(地域包括ケア病棟や回リハ、療養病棟のデータも示されているので、もう少し詳細な調査が必要だが・・・)

2019/07/01

常勤医師数と病床数の関係

厚生局のコード内容別医療機関一覧表のデータを用いて、病院の総病床数と常勤医数の関係をプロットしてみた。総病床数のうち、最も多い病床が一般・療養・精神の各グループを、青・赤・灰の各色でプロットしている。1点1病院。ただし、同じ病床数・常勤医数の病院が複数ある場合は、点を大きくしてある。


基本的には、病床数が多いところほど常勤医が多い。600床を超えるような病院はそれほど多くないが、常勤医の幅も大きく広がっている。

ただ、療養病床や精神病床が多い病院については、医師数が少ないので、このグラフではよくわからない。そこで、縦軸をログスケールにしたものが下のグラフ。療養病床の多い病院群では、総病床数が200床で常勤医は10名前後、400床でも10数名程度。精神病床の多い病院群では、総病床数が400床で10名前後となっている。


これらのことがわかって何の意味があるか??

1つ目の意味はプログラムの確認。新しく組んだプログラムが正しく処理できているか。あまりにも想定と異なる数値だったら、処理を見直すことができる。

2つ目の意味は人口あたり医師数や医師偏在指標などの医師配置に関する基礎データ収集の一環。

とりあえず、プログラムは大丈夫そうでほっとした・・・。

(2019/7/1 19:45追記)
病床機能報告(2017年度)のデータから、同じグラフを作成。精神病床は報告対象でないため、分析できず。一般・療養はほぼ同じ結果になっているようだ。

出所:病床機能報告(2017年年度)データを基に作成

2019/06/22

回リハの環境変化を話したら6分オーバーに

今週、CBnewsに回リハに関する記事を掲載いただいた。

急速な経営環境の変化が生じている回リハ病棟 - CBnewsマネジメント 急速な経営環境の変化が生じている回リハ病棟 - CBnewsマネジメント

水曜、鹿児島で話をさせていただく機会があったのだが、セミナー冒頭、欲張ってこの記事の内容を話したら、この話の分だけ時間が延びてしまった。痛いミス。参加者のみなさま、失礼いたしました。

2019/06/12

回リハの届出状況から見えてくる病院経営環境変化

昨年4月から今年6月までの回リハの入院料の届出状況の移り変わり。
着実に入院料1が増えている。入院料2と4が減っている。(調査年月の横軸は等間隔ではないので、ペースが落ちているわけではない)

回リハ入院料届出病院数の推移 出所:厚生局届出情報を基に作成
注1:年月は厚生局のデータ調査日
注2:1医療機関で複数入院料を届出しているものもそれぞれカウント
想定以上に実績指数をクリアしている。ということは・・・

2019/06/07

新しいプログラムで標榜診療科データの可視化

新しいデータ分析のプログラムで、病院機能の違いを可視化する試み。病院の標榜診療科に心臓血管外科があるかないかで、病床数や常勤医師数がどの程度違うのかを見た。
厚生局の届出データ(2019年6月4日取得)を基に作成

心外があれば、病床数は200床以上のところが多く、なければ200床未満が多い。医師数の中央値も、心外ありは50人を超えているのに対し、なければ非常に少ない。当たり前の結果だが、具体的な数値を得ることができた。

この分析結果は全国の8300程度の全病院を対象にしているが、都道府県別でも比較できるし、一般病床を持つ病院だけを対象に比較もできる。やりたいことは・・・、数値検証が終わったら今後の原稿などで紹介したい。

2019/06/06

集約化の度合いの定量化

昨日、CBnewsに症例集約化の記事を掲載いただいた。

症例集約化が進まない地域は麻酔科医には魅力がない? - CBnewsマネジメント 症例集約化が進まない地域は麻酔科医には魅力がない? - CBnewsマネジメント

全麻症例は集約化が進んでいることを以前から述べていたが、地域によって、集約化の度合いが異なることを数値で示してみた。

ちなみに記事後半でハーフィンダール指数を件数で補正した新たな指標で評価を行っている。記事では補正に関する詳細な説明は割愛したが、簡単に説明すると、全麻の症例数に応じた都道府県別のハーフィンダール指数の理論値を推定し、実際のハーフィンダール指数と比較することで、相対的に集約化が進んでいる・進んでいないを評価している。

その理論値の導出はかなり強引な手法を使った。(余談だが、対数方程式を解いたのが久しぶりすぎて、合っているか不安なのだが、良さそうな数値になったので、合っていると信じたい・・・)

2019/06/05

これもプログラミング?(本業と関係ありません)

弊社のロボット1号
本業とほぼ関係ない話題。

昨年の秋に遊びで作ったロボット。ベースはタミヤのロボット(タミヤ 楽しい工作シリーズ カムプログラムロボット工作セット)で、それを改造して、携帯からBluetooth通信で操作できるようにした。ついでに衝突防止のセンサーをつけた(即席ゆえ、テープで止めてある・・・)。あと、カメラをつけて、自動運転させたいな・・・と考えていたが半年以上止まっている。

プログラムで動かすために、Arduino Unoというボードを別途用意し、モバイルバッテリーで駆動させているのだが、色々改造しなくても、もうすべてセットになっている製品が今度発売になるらしい。




色々苦労したのに・・・(とは言え、苦労自体が楽しいので、まぁいいのだが)。

2019/05/23

医療・介護系の求人倍率は、今後どうなるか??

有効求人倍率、2000年4月以降の19年分の推移。

(画像をクリックすると拡大します)
出所: 厚生労働省 一般職業紹介状況(職業安定業務統計)のデータを基に作成
※2012年3月以前は介護関係サービスの分類自体が無いため、関連する「家庭生活支援サービスの職業」を点線で表記

医師は2014年頭、看護師は2012年末がピーク。(医師には歯科医師、薬剤師なども含む。看護師には助産師、保健師も含む)

介護サービス関係は、現在進行形で上昇中。

なお、灰色の線は全職種計のトレンド。リーマンショック後に底が来て、それ以降、上昇している。

余談だが、自分が新社会人として就職したタイミングは、リーマンショック以前で全職種計の有効求人倍率が一番低かったあたりで、いわゆる就職氷河期。

2019/05/21

食塩摂取量の平均値をプログラムでグラフに

社内研修用の課題。国民健康・栄養調査の「食塩摂取量の平均値(20歳以上、性・都道府県別、年齢調整値)」のデータから、食塩摂取量の2010年-2012年-2016年の男女別の推移を箱ひげ図で見たもの。
都道府県別 食塩摂取量の分布推移

課題の目的は、大体、次のようなもの。
・e-statをAPI経由でデータ取得
・欠損値の扱い(熊本県の2016年度のデータがない)
・箱ひげ図の表示

グラフは問題なさそうだ。年々、食塩摂取量が減っている様子が分かる。ちなみに外れ値になっているのは沖縄県。

余談だが、先週、ある病院の食堂で昼食をとった際、テーブルの上には減塩の中濃ソースがのっていた。
塩分50%カット 中濃ソース200ml|商品情報|ブルドックソース株式会社 塩分50%カット 中濃ソース200ml|商品情報|ブルドックソース株式会社

2019/05/20

様々な視点を学ぶ

『都民とともに問う 都立病院の「民営化」』を読んだ。色々な考え方がある。様々な視点を学ぶことは有益である。

よろしければ、下記のリンクも参照を。
東京都病院経営本部
都立病院新改革実行プラン2018

経営改善のノウハウが詰まった議事録 - 株式会社メディチュア Blog 経営改善のノウハウが詰まった議事録 - 株式会社メディチュア Blog

 

2019/05/16

月刊保険診療の短期連載と医用工学研究所のコラム

月刊保険診療、5月号に短期連載中の記事を掲載いただいた。病床機能報告データの活用について、グラフを2つ載せている。自院の立ち位置を把握する参考にいただければ幸いだ。

医学通信社 医学通信社 月刊保険診療

もうひとつ。株式会社医用工学研究所でメール配信していただいている病院経営戦略コラム。おそらく昨日、5回目が配信されているはず。今回は病床利用率をテーマに書いている。機械学習にも少しだけ触れているので、興味があれば医用工学研究所にお問い合わせを。


2019/05/09

改定に向けた仮説整理 ~看護必要度を切り口に~

ゴールデンウィーク前に書いた記事、掲載いただいた。

20年度改定を見据えた看護必要度のチェック事項(上) - CBnewsマネジメント 20年度改定を見据えた看護必要度のチェック事項(上) - CBnewsマネジメント

改定を意識し伝えたいことを簡潔に書こうとしたのだが、残念ながらうまくまとめる能力はなく発散してしまった。そのため、無理矢理、前半と後半に分けてみた。

前半は「年代別」、後半は「看護必要度Ⅱ」をテーマに整理した。

個人的には、後半の最後の項目に強い思い入れがあるので、次回をお楽しみに。

2019/05/04

東海道本線の平均寿命

東海道本線の駅の所在地ごとの平均寿命をプロットしてみた。
東海道本線(とうかいどうほんせん)は、東京都千代田区の東京駅から兵庫県神戸市中央区の神戸駅までを結ぶJRの鉄道路線である。東海道本線 - Wikipedia
東京駅から神戸駅まで。横軸は東京からの距離、縦軸は平均寿命(青:男性、赤:女性)。

出所: 平成27年市区町村別生命表を基に作成

特に意味はない。ビジュアライゼーションの練習。

2019/05/02

携帯で写真を撮ったら、それが病院かどうか判断できるプログラム

社内課題。
以前作った画像で病院かどうか判断できるプログラムをAWSで公開。
携帯からアクセスすると、撮った写真を判断できるように。

表紙に病院の絵が描いてある本を撮って試してみたら、病院ではないと判断された。

携帯で写真を撮って、病院かどうか判断した結果

このプログラム、公開しっぱなしにしておいてもいいのだけど、社内研修目的で、実用性もないので、サービス停止しておこう・・・。

2019/04/19

亀の歩みで少しずつ進めているpython化

昨年度から続けてきた社内のpython化。本業の合間に、e-learningの研修を各々で受けたり、歩みは遅いものの少しずつ形にできるようになってきた。下記のグラフも、スタッフが勉強のために作ったもの。e-StatのデータをAPIで取ってきてグラフにしている。

出所: 人口推計 平成30年10月1日現在人口推計 を基に作成

プログラムを組んだ時点では、平成29年10月1日現在の人口推計しか公表されていなかったのだが、4月12日に最新の平成30年分が公表されたため、取得する表の番号を変えただけで、グラフも変わった。こういったところがプログラムの良いところ。

でも、このグラフを作るだけなら、e-Statからデータを落としてきて、エクセルで作業すれば、ものの数分で終わる(プログラムの勉強なので、多少時間がかかっても良いが・・・)。もちろん、ただグラフを書くためだけにpython化を図っているのではない。その先の目的のためなのだが、その先に到達するにはまだまだ時間がかかりそうだ。

2019/04/18

富山を取り上げたのは・・・

CBnewsに記事を掲載いただいた。

富山医療圏の医療環境の変化が示唆するものは - CBnewsマネジメント 富山医療圏の医療環境の変化が示唆するものは - CBnewsマネジメント

富山を選んだ。理由は興味深い※エリアだから。ちなみに、ここ5年では富山にクライアントもいないし分析の依頼もない。ただ、個人的に、現地調査にも行き(もう3年前だった・・・)、定期的に分析している。

たぶん、富山城の一角で撮った写真

※なぜ興味深いか。それは人口40万人(広域合併する前は30万人くらい)の町に、大学・県立・市立・赤十字・済生会があり、それぞれの病院が機能的に非常に充実しているから

趣味だが、昨年末、富山市を電車で縦断。下の写真は岐阜県との県境の富山側の駅。

富山市の南端の猪谷駅

全然、記事と関係ないことばかりを書いたが、富山市は中心市街地活性化基本計画を作っていたり、色々興味深い地域であり、その中でどのような環境変化が起きているか考えると、また面白い。
富山市 富山市中心市街地活性化基本計画 富山市 富山市中心市街地活性化基本計画

記事で紹介した分析は、その切り口などはどのエリアでも使えるものだと思う。お時間があれば、記事をお読みいただけれると幸いだ。

2019/04/17

セミナーのご案内(5/31)

来月末、CBnewsでのセミナーのご案内です。

【第2回】ダウンサイジングに負けない病院へhttps://www.cbnews.jp/seminar/entry/20190409123648
■ 日時 2019年5月31日(金)18:00~20:30(17:30開場)
■ 場所 住友浜松町ビル1F Seminar Room
■ 対象者 医療機関に携わる方、医療に関わる企業の方
■ 受講料 一般価格:12,000円 (税込)  会員価格:9,800円 (税込)

もしご都合がよろしければ、ぜひ、ご参加検討ください。

2019/04/16

病床利用率の変化は、地域の医療需要変化や診療報酬改定の影響を受ける

病院報告の年度ごと・都道府県ごとの病床利用率を整理した。
色が上から下に薄くなっている。つまり、年々利用率が下がっているということ。これは、これまでのセミナーや執筆記事でも、都道府県ごとの数値を折れ線グラフで重ねるとみな「右肩下がり」であると述べてきたとおり。

ヒートマップにしてみて、一部の年度に横筋が見える気がする・・・。(≒とある年度で同じ変化をしている) 例えば、17年度・18年度・19年度あたり。

病床利用率(全病床)の推移
横軸:都道府県コード(0は全国計)、縦軸:年度(平成) 色:濃(利用率高)⇔薄(利用率低)
出所: 病院報告のデータを基に作成

そこで、年度の軸で微分。傾きをグラフに(下図)。18年度・19年度に赤い帯が見えてきた。全国的に利用率が下がったことを意味している。
病床利用率(全病床)の対前年度変化率の推移
横軸・縦軸:上のグラフと同じ 色:青(増加)⇔赤(減少)
出所: 病院報告のデータを基に作成

平成18年度は7対1導入の改定があった年。看護師確保が課題となった病院などでは、病床稼働の適正化を図ったものと思われる。経営的に極めて厳しかったと思われる。

なお、平成22年度のところには青帯が見える。これは利用率が上がったことを意味している。プラス改定だったこの年は、病床利用率もプラスに働いた。また、23年度の一部の県(福島など)に濃い赤が見られるのは東日本大震災の影響だろう。

情報の可視化は、気づかなかったことに気づくきっかけにもなる。

2019/04/15

来院患者の可視化を試みる

医学通信社 月刊/保険診療 2019年4月号に短期連載5回目を掲載いただいた。

今回は病院だけでなく、クリニックも若干意識した内容に。患者の来院状況を把握し、改善したいという課題感は珍しくない。ただし、課題が漠然としている、具体的な取り組みが分からないなど、継続的・組織的な取り組みにまで落とし込めていないところが多い。さらに数値・指標に基づきアクションの見直しまで出来ているところはかなり少ない。

可視化を試みることで、その結果から、漠然とした課題が明確になることもあるし、可視化の試行錯誤をしている中で、課題が明確になることもある。そういったきっかけを掴んでもらえれば・・・というのが今回の記事だ。

しかし、文章をまとめるのは難しい。決められた文字数で簡潔になんて芸当は自分には無理なのだが、編集の力でうまくまとめられている。素晴らしい。

2019/04/11

「介護従事者処遇状況等調査結果」から比較対象の把握の重要性を考える

下記の会議で、平成30年度介護従事者処遇状況等調査結果(案)が示された。

https://www.mhlw.go.jp/stf/shingi2/0000202420_00017.html 第170回社会保障審議会介護給付費分科会(ペーパーレス)資料 平成31年4月10日(水)15:30~17:30 https://www.mhlw.go.jp/stf/shingi2/0000202420_00017.html

「第80表 介護職員の平均給与額等(月給・非常勤の者),サービス種類別,勤続年数別(加算(Ⅰ)~(Ⅴ)を取得している事業所)」の平均給与額をグラフにした。


濃い青線(平成30年平均給与額)が薄い青線(平均29年平均給与額)より上に来ている。昨日の会議では、勤続年数全体で10,850円アップしたと報告がされているようだ。ただし、である。これはあくまでも同じ人が1年でどの程度アップしたかを見ているもの。平成30年の勤続年数10年と、平成29年の勤続年数10年を比較しているのではない。平成30年の勤続年数10年と、その人達の平成29年を比較しているのだ。

それゆえ、平成29年度の調査結果もほぼ同じだ(下記参照)。

そこで、平成30年の勤続年数10年と平成29年の勤続年数10年を比較した。

ほとんど変わってない?? 勤続1~3年くらいは若干アップしたように見える。なお、調査に答えている事業所や職員の変化が給与に影響を与える可能性もあるが、母数はそれぞれ1万人以上いるので、影響はそれほど大きくないだろう。

これらの数値は適切にベースアップされているかなどを把握するためで、極めて重要な意味がある(そのため、基本給など、細分化して調査している)。ただ、「アップした」という意味を正しく理解するためには、何と何を比較しているか分からずにいると勘違いすることもある。注意が必要だ。

2019/04/10

介護事業経営実態調査のデータ取得プログラム

平成29年の介護事業経営実態調査のデータを総務省統計局のe-Statのウェブサイトからダウンロードするpythonプログラム。(注: workfolderは各自設定が必要。また実行すると20くらいのファイルと一気にダウンロードしてしまうので、むやみに実行させないこと)

import requests
import urllib.parse

workfolder = "C:\\tmp\\"

# e-statのエクセルダウンロードボタン押下によるファイル取得処理
def download_table(path):

    # ページアクセス
    session = requests.Session()

    # ボタンクリック
    res = session.get(path)
    res.raise_for_status()

    # レスポンスで返ってきたコンテンツを保存
    contentType = res.headers['Content-Type']
    contentDisposition = res.headers['Content-Disposition']
    ATTRIBUTE = "attachment; filename*=UTF-8''"
    fileName = urllib.parse.unquote(contentDisposition[contentDisposition.find(ATTRIBUTE) + len(ATTRIBUTE):])

    with open(workfolder + fileName, 'wb') as saveFile:
            saveFile.write(res.content)

for id in range(31637406, 31637428): #平成29年介護事業経営実態調査 第23表から第43表まで
    # 表番号指定
    tableID = str(id).zfill(12)
    
    # ファイルダウンロードボタンのURL設定
    api = "https://www.e-stat.go.jp/stat-search/file-download?statInfId={key}&fileKind=0"
    url = api.format(key = tableID)   

    download_table(url)


このプログラムでダウンロードしたファイルを、さらに別プログラムで処理した結果が下記の内容。

意味のないグラフだが、大きな一歩である・・・かもしれないグラフ - 株式会社メディチュア Blog 意味のないグラフだが、大きな一歩である・・・かもしれないグラフ - 株式会社メディチュア Blog

2019/04/09

サンプルプログラム

平成29年の医療施設調査のデータを総務省統計局のe-StatのウェブサイトからAPI経由で取得し、jupyter notebook内でグラフまで表示させるpythonプログラム。

import requests, json
import pandas as pd
import re
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

# APIキーの指定
apikey = "oooooooooooooooooooooooooooooooooooooooooooooooooo" # 各自取得したAPIキーに置き換え
    
# APIのURL設定
api = "http://api.e-stat.go.jp/rest/2.1/app/json/getStatsData?appId={key}&lang=J&statsDataId=0003286300&metaGetFlg=Y&cntGetFlg=N&sectionHeaderFlg=1"
url = api.format(key = apikey)

# APIにリクエスト
r = requests.get(url)
# JSON形式からデコード
data = json.loads(r.text)

# コード・デコード値取得
class_data = data["GET_STATS_DATA"]["STATISTICAL_DATA"]["CLASS_INF"]["CLASS_OBJ"]
df1 = pd.DataFrame(class_data[1]["CLASS"]) # cat01 年度
df2 = pd.DataFrame(class_data[2]["CLASS"]) # cat02 病床規模
df3 = pd.DataFrame(class_data[3]["CLASS"]) # cat03 データ種類

# データ取得
x_data = []
y_data = []

for value in data["GET_STATS_DATA"]["STATISTICAL_DATA"]["DATA_INF"]["VALUE"]:
    if value["@cat02"] == "1" and value["@cat03"] == "100": # cat02 総数  cat03 総数(病院数)
        x_data.append(value["@cat01"]) # cat01 年度
        y_data.append(value["$"]) # 値
        
# cat01 デコード(西暦の年度抽出)
x_label = []
year = re.compile(r'\d\d\d\d') # 正規表現で西暦抽出

for xlabel in x_data:
    labeldata = df1[df1['@code'] == xlabel]
    x_year = year.search(labeldata['@name'].to_string())
    x_label.append(int(x_year.group()))

# グラフ表示
plt.plot(x_label, y_data)

これを実行すると、下記のようなグラフが表示される。


今年度は、暇を見つけて、プログラムを出していこうかと・・・。

医師の高齢化をどう表現するか

先週CBnewsに掲載いただいた記事(「医師の高齢化」は在宅医療のブレーキに? - CBnewsマネジメント)で、ボツにしたグラフ。診療所医師の都道府県別の平均年齢推移。年齢の違いを色で表現(赤:高 緑:低)。

ただ、残念ながら、情報が多すぎ。グラデーションはきれいだけど、上下関係には意味があまりない。


結果としてどのグラフが残ったかは、CBnewsの記事をご覧いただきたい。

2019/04/07

「医療計画」と「がん計画」の効果を高める

去年お世話になった乃木坂スクールのご紹介。

#11 「医療計画」と「がん計画」の効果を高める~役立つツール「ロジックモデル」を活用して~(地域医療福祉ジャーナリズム特論)|コースのご案内|国際医療福祉大学大学院 乃木坂スクールin赤坂 #11 「医療計画」と「がん計画」の効果を高める~役立つツール「ロジックモデル」を活用して~(地域医療福祉ジャーナリズム特論)|コースのご案内|国際医療福祉大学大学院 乃木坂スクールin赤坂

自分も計画を立てるお手伝いをすることが少なくない。とは言え体系的に学んだわけでもないだけに、こういった内容を講義形式でまとまって聞ける機会は貴重だろう。

乃木坂スクールは他にもいろいろ開講されているようなので、興味があればぜひ。

2019/04/04

医師の高齢化が進む長崎県

CBnewsに記事を掲載いただいた。

「医師の高齢化」は在宅医療のブレーキに? - CBnewsマネジメント 「医師の高齢化」は在宅医療のブレーキに? - CBnewsマネジメント

内容は3月10日のブログ(下記)で触れた分析をベースにした在宅医療に関するもの。

在宅医療の現状を垣間見る - 株式会社メディチュア Blog 在宅医療の現状を垣間見る - 株式会社メディチュア Blog

3月10日時点では、連載の内容にまとめるのは難しいと思っていたが、3月24日にCBnewsのセミナーを拝聴し、医師の高齢化で整理することに決めた。

今回の記事の最後、診療所医師の平均年齢変化をマッピングしたものがある。見てもらえば、長崎県で高齢化が進んでいることが分かる。以前、長崎で「医師の高齢化が進んでいる」「高齢化した医師は、勤務実態が確かではない。働いているとしても、戦力は若い人の半分にも満たない」などと言った話を聞いていた。長崎は、医師の高齢化が感覚ではなく、数値で把握できるほど、特異的なエリアだった。

2019/03/23

月刊医療経営士に

月刊 医療経営士(http://www.jmp.co.jp/mmms/)の4月号に「機能評価係数Ⅱ大研究!」という特集でインタビュー記事を掲載いただきました。


適当に好き放題話しただけなのですが、記事ではうまくまとめてくださり感謝です。貴重な機会を頂戴し、ありがとうございました。

2019/03/20

7対1で単価が低い病院は要注意

今朝、CBnewsに掲載いただいた記事は、やや強引な分析。

急性期の低単価病院は利益率が低い!? - CBnewsマネジメント 急性期の低単価病院は利益率が低い!? - CBnewsマネジメント
病床機能報告のデータを使って収益性を評価するという、妥当性に疑問符のつく内容。(とは言っても、これまでの分析結果などからある程度妥当だと思っているので記事に書いている。でたらめではない)

収入最大化を目指すのであれば、看護配置は「手厚くする」のが答えだろう。ただ、利益最大化を目指すのであれば、最適な配置や最適な診療内容があるのでは?というのが記事の主旨だ。

単価次第では人件費率が重荷になり、利益率が下がることを示唆している分析結果を載せた。そしたら、ちょうど良いタイミングで、昨日、WAMの17年度調査の結果についてCBnewsに記事が掲載されていた。


この記事にある7対1病院の病床規模別の表から、規模別の平均単価、利益率を計算すると、低単価では利益率がマイナス、高単価ではプラスになっていた(自分が示した結果と似た傾向!!!)。

自分の記事のタイトルに「!?」をつけたのは、言い切る自信がなかったからだ。でもWAMの記事を読んで、まったくの見当違いの内容ではなさそうでほっとした。

2019/03/19

個人的な印象の域を出なかった事象が明確になった

「保険者別の後発医薬品の使用割合」が下記に公表されている。
これまでマクロなデータがなかったために個人的印象の域を出なかったことだが、はっきりとした。医療関係、製薬関係がジェネリック率が低いと2015年9月に言及していた。


ちなみに、冒頭の厚労省のデータでざっくり確認したところ、企業健保では、ジェネリック率の下位20健保のうち17健保が医療・製薬関係。下位50健保では35健保が医療・製薬関係だった。自分の想像は間違っていなかったようだ。

さらに後発医薬品使用割合と所得の関係を見たのは下記の記事。よろしければあわせてどうぞ。
後発医薬品使用割合と所得の関係 - 株式会社メディチュア Blog
Related Posts Plugin for WordPress, Blogger...