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

いつもデータ分析はExcel、Access、SQL Server、R、Cで行っている。

Excel：数万件までの処理に最適。グラフ作成→パワーポイント・ワードの流れも容易

Access、SQL Server：件数が多く、SQLでの集計やテーブルの結合などを多用する場合に利用。ExcelのVLOOKUP等の処理が遅くなるような問題は大抵回避できる

R：統計解析で利用

C：大量データの抽出処理で利用。学生時代によく使用していた言語

これ以外にも、Web上のデータ収集にはExcelのVBAマクロを使ったり、APIを使ったデータ収集ではJavaを使ったりしている。

これらに加えて、今年からPythonを試行している。
例えば、介護事業経営実態調査（平成29年介護事業経営実態調査 年度次 | 政府統計の総合窓口）で開示されたエクセルファイル。複数のエクセルファイルを開くことなく、データを抽出し、整形し、グラフを作るところまで、プログラミングしてみた。

下は、出力したグラフの例。まず、常勤職員の「施設種類ごとの平均賃金」の分布を見たもの。職種別に6級地と7級地で比較できるようにしている。なお、PT、OT、STはばらつきが少ないように見えるが、対象施設種類が少ないためである。

職種ごとの賃金分布（常勤）　左：6級地　右：7級地
出所： 厚労省 平成29年介護事業経営実態調査を基に分析

次は、常勤・非常勤、施設種類、職種、の各条件を揃えた場合に、5級地と6級地の平均賃金を比較したグラフ。左は常勤、右は非常勤で構成している。

5級地と6級地の相関関係　左：常勤　右：非常勤
出所： 厚労省 平成29年介護事業経営実態調査を基に分析

どのグラフも、「だから何？」という結果だ。でも、グラフに大した意味などない。目的はPythonの練習。ゆえに、プログラム実行で、20以上のエクセルファイルから指定のセルの値を抜き出し、グラフ作成できただけで十分だ。

・・・と、ExcelのマクロやRでも近いことができていた内容ではあるが、だいぶ簡素な記述で実現できている（自己満足！！）。まだ不慣れなPythonをメインにして業務を行うのは非現実的だが、徐々にレベルをあげていきたい。

介護医療院のスタートで新たなチャレンジを

介護医療院がスタートした。

協会設立の記念シンポジウムは、m3の記事（下記リンク参照。会員限定かも）を読んだところ、かなり盛り上がったように思われる。

日本介護医療院協会が設立、記念シンポジウム開催「住まいと生活を医療が下支えする新たなモデル」医療維新 | m3.com

島根では、さっそく介護医療院を立ち上げたところもあるようだ。（島根県安来市議会議員のブログを参照 → 介護医療院昌寿苑開所式）

元々、大学・大学院で動脈硬化の研究のため健康診断のデータ分析をはじめたのがきっかけで、現在に至っている。そのため、予防医療や急性期医療のデータ分析を得意としてきた。しかし、データ分析の質向上のためには、より幅広い視野で分析を行うことが重要であり、慢性期医療や介護領域のデータ分析にもチャレンジしていきたいと考えている。分析結果等を表に出せるレベルにはなかなか達しないが、先日の下記CBnewsの記事のように、軸足は急性期に置き、慢性期医療のデータ分析を行うことで、新たな示唆が得られたように思う。

「認知症」による看護必要度アップを手放しで喜べるのか - CBnewsマネジメント

今日も介護領域のデータ分析をしていた。新しい領域のチャレンジは楽しい（時間があっという間に過ぎてしまうのが痛い・・・）。介護医療院のスタートがきっかけというわけではないが、弊社も新たなチャレンジをしていきたい。

英語の勉強

英語の勉強。

 

これも英語の勉強。

 

半分本当、半分うそ。
英語の勉強も兼ねてるが、中身も勉強。
残念ながら、エイプリルフールに人にくすっと笑わせる上品なうそをつく才能は自分にはない。

Home | Hashed Health