Co-evolution of human and technology
筆者は親を棄てた者である．詳細は伏せるが父親が毒親であった．父親の資産状況が不明のため，相続は放棄するつもりであった．
先日，その父親が亡くなったと実家のある市の病院から留守電に録音が入っていた．留守電を聞いたのは職場に出勤してすぐであった．最初に思ったのは「ついに来たか」であった．いつかこの日が来ることを予期していた．知ってしまった以上，選択を迫られる．放置・無視するか，対応するか．
その病院にかけ直した．地域医療連携室の係の方が淡々と事実を伝えてくる．一旦電話を切り，職場の先輩に相談した．「すぐに行った方が良い」とのアドバイスに従うことにして一旦帰宅した．
国土数値情報ダウンロードサイトには様々なデータが蓄積されている．医療機関の位置データもその一つである．今回は茨城県の救急告示病院をQGISで表現することにした．
前回の投稿（心血管系または呼吸器系の入院歴のある高齢コホートメンバーの死亡リスクに及ぼす断熱改修および暖房の影響）では循環器系疾患および呼吸器系疾患による死亡率が断熱介入により減少することをみた．今回は断熱改修の費用対効果の経済的側面に焦点を当てる．
原著はここから読める．健康上の利益とエネルギー上の利益は，コストを2倍近く上回る，というのが本著の趣旨である．日本においてもこのようなエビデンスに基づく政策が実行されてほしい．
前回の記事では2019年の都道府県別の熱中症搬送人員数を1枚のグラフで描いた．今回は都道府県別に2008年から2021年までの熱中症搬送人員数の予測と実際をEXCELの組み合わせグラフで描く．
Heat-related mortality: a review and exploration of heterogeneityというレビューでは人口密度が高いほど熱の影響が大きいことが示されている．その理由として高度に設計された環境では蓄熱量が大きく，換気が悪く，自動車やエアコン等の熱源が局在するいわゆる都市のヒートアイランド現象が起きているためであると説明している．
それを受けて，詳細は割愛するが，都道府県総人口をその可住地面積（e-Statより）で割った人口密度を投入してみた．するとその係数は大きさこそ小さいものの，符号は負となり，投入前よりもAICが改善した(488368->478801)．人口密度が大きいほど搬送数が減少するという意味である．これはにわかには信じがたい．考えられる理由として，日本においては人口密度の高い都市部ほど空調導入率が高い可能性がある．しかし，空調導入率そのものの指標がないため，検証は困難である．
前回の記事（国土数値情報の二次医療圏テーブルの文字化けを解決する，医療機関テーブルに二次医療圏コードを追加する）では医療圏テーブル，医療機関テーブルを整備した．今回は人口動態予測を元に2045年の医療需給を予測する．
先の記事（国土数値情報の二次医療圏テーブルの文字化けを解決する）では二次医療圏テーブルの文字化けを解決した．今回は行政区域コードで集約したポリゴンを融合した一次医療圏テーブルの文字化けを解決し，医療機関テーブルに行政区域コードを追加する．
医療機関テーブルには二次医療圏コードが存在しない．そのため，ある医療機関がどの二次医療圏に属しているかを調べるには空間データを調べる必要がある．空間データは計算コストが高く，テーブルの結合条件に STWIthin() メソッドを使うのは時間がかかる．そのため，医療機関テーブルに二次医療圏コードを追加しようと考えた．
前回の記事（国土数値情報の令和2年の医療圏データの文字化けが直っていた）では国土数値情報の医療圏データで四苦八苦した様子を掲載した．今回は二次医療圏テーブルの文字化けの解決を試みる．
国土数値情報ダウンロードサービスには医療機関や医療圏の位置情報もある．今回は医療機関の Point データをダウンロードし，SQL Server にアップロードする方法を見つけたので備忘録として記載する．
“国土数値情報の医療機関のPointデータをダウンロードしQGIS経由でSQL Serverにアップロードする” の続きを読む
ヒントは経済産業省の平成29年度電力市場環境調査にあった．20 ページに就業人員の調査という項目があり，その下に統計データからの推計値がある．
日本標準産業分類で 331 電気業が 142800 名，日本標準職業分類で 641 発電員・変電員が 32800 名とある．これは 2015 年の国勢調査に基づいている．なら，次は元のデータに当たろう．