都道府県別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

 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.

“都道府県別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” の続きを読む

世界保健機関の住宅と健康ガイドラインの死亡率に関する参考文献

 これまでの投稿においても参照されている世界保健機関の住宅と健康ガイドラインでは476もの文献が参照されている.この中から死亡率に言及した参考文献を抽出し,要訳とともに掲載する.なお,翻訳は機械翻訳によるものに手動で訂正を加えたものであり,日本語として難解な箇所もある.

“世界保健機関の住宅と健康ガイドラインの死亡率に関する参考文献” の続きを読む

ヨーロッパにおける冬季超過死亡率:主要リスク因子を同定した国家間分析

 日本の住宅の断熱性はクソだ!では感情的な投稿を行ったが,本稿ではデータをもとに住宅の断熱性能の重要性を述べる.この論文の提起する問題は皆が思っていることであるが,データで示されたのは初めてだと思う.

 論文自体はここから読める.全訳したが,筆者の英語力の乏しさゆえ,やや読解しにくいところはご容赦いただきたい.

“ヨーロッパにおける冬季超過死亡率:主要リスク因子を同定した国家間分析” の続きを読む

第 6 章 空間データをインポートする (Beginning Spatial with SQL Server 2008)

 多くの空間アプリケーションがカスタム定義の空間機能を組み合わせている.例えば顧客セットの局在と,広く受け入れられた表現の空間データ,地球上の汎用性のある特徴,例えば国や州の境界線,世界の主要都市の局在および主要な道路や鉄道の経路などである.この情報は自分自身で作成するよりも,多くの代替可能な資源が存在しており,そこから普通に使うための空間データを取得して空間アプリケーションに搭載できる.

 本章では,そこから一般公開された空間情報を取得できる資源,そこでそのデータが普通に提供されるフォーマットおよびその情報を SQL Server にインポートするのに使える技術を紹介しよう.

“第 6 章 空間データをインポートする (Beginning Spatial with SQL Server 2008)” の続きを読む