意識が高すぎる自分の研究紹介

メディカルにおいて、実は安全性に関するビッグイシューが存在する。

誰もがイシューだと思っていたが、ペンディングされ続けてきた、そんなフィールド。
そのイシューとは、メディカルアクシデントの定量的アプローチによるソリューションだ。

メディカルフィールドにおいては、十分な見える化が進んでいない。理事長は医師でなければなく、家族経営も多いため、とてもトランスペアレンシーが担保されているとは言えず、コーポレートガバナンスが行き届いていないのである。

定量化は代表的な見える化的メソッドであるが、その中でもナースマターについては定量化が難しい。
どうしてもドクターの処置にプライオリティがおかれてしまうため、ナースマターのインプルーブメントに関するバジェットが小さいこともあるが、何より制度が整っていないことに他ならない。
KPIやマイルストーンも、診療報酬など定量的メトリクスが多い医師とは異なり設定しづらく、単純にPDCAを回せる形ではないのだ。
一般的な会社と異なり、業務改善用のシステムをアウトソーシングするのにも問題がある。

さらに、メディカルアクシデントのサンプル数もイシューだ。
当然、統計解析やML、DLを使っていくとなるとｎ数が重要になるが、メディカルアクシデントは日本全体で一年に400回程度しか起こらない。
アナライズする時には一つの病院とアライアンスを組んでいくわけで、そうすると一年に2,3個あればいい方だ。これでは少なすぎる。

さて、現状のアナリシスは基本的には定性的なものだ。
まずマネジメントについて。一般企業ならばVRIOを用いたコアコンピテンシーの把握によってコンペティターに対するイニシアティブを評価したり、原価計算によるコストリダクションを考慮したり、QC7つ道具による品質管理を試みるだろう。
しかし医療においては、コンペティターの定義が難しく、サービス業であるためABC等でしかコスト計算もできないため、KGIが立てにくい。フラット型組織なので、業務の中に複数の業務セグメンテーションがミックスされており、品質管理も道半ばである。

私は今の研究室にアサインされて、ボスから紹介された中で最もイノベーティブだと感じたのがこのテーマだ。フィジビリの低いグランドデザインにも思えたが、ゼロベースで考えていくことでジャストアイデアを得た。
それは、ハインリッヒの法則を用いることで、メディカルアクシデントではなくメディカルインシデントについてアナリシスを行い、それをメディカルアクシデントに応用するというものだ。

幸いアライアンスに関してコンセンサスを取ることに成功した病院があったので、自分はこのメディカルインシデントについてのシステムをビルド・ブラッシュアップし、さらなるシナジーを求め、この結果を病院のマネジメント陣営にサジェスチョンすることで、リソース再編などを含めた、よりハイクオリティのセーフティーネットを組んでもらうことにした。
やっていることは病院の経営コンサルティングに近い。

このようなビッグピクチャーを描き、現在は専らメディカル領域のデータアナリストとして日々コミットしている。
タイトではあるが、今後も日本の未来を支えていくために、現場に即したアジャイルな開発を試みていこうと思う。

～日本語訳～

メディカルにおいて、実は安全性に関するビッグイシューが存在する。

医療において、実は安全性に関する非常に重要な問題がある。

誰もがイシューだと思っていたが、ペンディングされ続けてきた、そんなフィールド。
そのイシューとは、メディカルアクシデントの定量的アプローチによるソリューションだ。

誰もが問題であることは認識していたが、放置され続けてきた領域である。
その問題とは、医療事故に対する定量分析である。

メディカルフィールドにおいては、十分な見える化が進んでいない。理事長は医師でなければなく、家族経営も多いため、とてもトランスペアレンシーが担保されているとは言えず、コーポレートガバナンスが行き届いていないのである。

医療業界においては、十分な可視化が進んでいない。理事長(取締役みたいなものです)は医師でなければならず、家族経営も多いため、とても透明性があるとは言えず、企業統治が行き届いていないのである。

定量化は代表的な見える化的メソッドであるが、その中でもナースマターについては定量化が難しい。
どうしてもドクターの処置にプライオリティがおかれてしまうため、ナースマターのインプルーブメントに関するバジェットが小さいこともあるが、何より制度が整っていないことに他ならない。
KPIやマイルストーンも、診療報酬など定量的メトリクスが多い医師とは異なり設定しづらく、単純にPDCAを回せる形ではないのだ。
一般的な会社と異なり、業務改善用のシステムをアウトソーシングするのにも問題がある。
一般的な会社と異なりシステムをアウトソーシングするのにも問題がある。

定量化は代表的な可視化手法であるが、その中でも看護師業務については定量化が難しい。
どうしても医師の処置に優先度が置かれてしまうため、看護師業務の改善に関する予算が小さいこともあるが、何より制度が整っていないことに他ならない。
重要業績評価指標や進捗管理のための節目も、診療報酬など定量的指標が多い医師とは異なり設定しづらく、単純にPlan（計画）→Do（実行）→Check（評価）→Act（改善）の4段階を進めていくことができない(質を担保するのが難しい)のだ。

さらに、メディカルアクシデントのサンプル数もイシューだ。
当然、統計解析やML、DLを使っていくとなるとｎ数が重要になるが、メディカルアクシデントは日本全体で一年に400回程度しか起こらない。
アナライズする時には一つの病院とアライアンスを組んでいくわけで、そうすると一年に2,3個あればいい方だ。これでは少なすぎる。

さらに、医療事故の標本数も問題だ。
当然、統計解析や機械学習、深層学習を使っていくとなると標本数が重要になるが、医療事故は日本全体で一年に400回程度しか起こらない。
分析するときには一つの病院と提携するので、そうすると一年に2,3個あればいい方だ。これでは少なすぎる。

さて、現状のアナリシスは基本的には定性的なものだ。まずマネジメントについて。一般企業ならばVRIOを用いたコアコンピテンシーの把握によってコンペティターに対するイニシアティブを評価したり、原価計算によるコストリダクションを考慮したり、QC7つ道具による品質管理を試みるだろう。しかし医療においては、コンペティターの定義が難しく、サービス業であるためABC等でしかコスト計算もできないため、KGIが立てにくい。フラット型組織なので、業務の中に複数の業務セグメンテーションがミックスされており、品質管理も道半ばである。

さて、現状の分析は基本的には定性的なものだ。まず経営について。一般企業ならばVRIO(Value、Rarity、Imitability、Organizationの4つから自社の経営資源について市場での競争優位性を把握する手法)を用いた組織の核となる技術や特色の把握によって競合に対する優位性を評価したり、原価計算による費用減を考慮したり、QC7つ道具(品質管理に用いられる7つの手法：パレート図、特性要因図、グラフ、チェックシート、ヒストグラム、散布図、層別)による品質管理を試みるだろう。しかし医療においては、競合の定義が難しく、サービス業であるため活動基準原価計算等でしか費用の計算もできないため、経営目標達成指標が立てにくい。フラット型組織(ドラッガーの提唱する組織運営法の一つで、一つのチームに対等かつ異なる職能を持つ人が混在する組織)であることから業務の中に複数の業務が混ざっているため、品質管理も道半ばである。

私は今の研究室にアサインされて、ボスから紹介された中で最もイノベーティブだと感じたのがこのテーマだ。フィジビリの低いグランドデザインにも思えたが、ゼロベースで考えていくことでジャストアイデアを得た。
それは、ハインリッヒの法則を用いることで、メディカルアクシデントではなくメディカルインシデントについてアナリシスを行い、それをメディカルアクシデントに応用するというものだ。

私は今の研究室に配属されて、教授から紹介された中で最も革新的でやりがいを感じたのがこの研究テーマだ。実現可能性の低い壮大な計画にも思えたが、一から考え直すことでふと天啓を得た。
それは、ハインリッヒの法則(重大事故と軽微事故・インシデントの数は比例するという経験則)を用いることで、医療事故ではなくインシデント(これだけは日本語訳できない、悔しい！)について分析を行い、それを医療事故に応用するというものだ。

幸いアライアンスに関してコンセンサスを取ることに成功した病院があったので、自分はこのメディカルインシデントについてのシステムをビルド・ブラッシュアップし、さらなるシナジーを求め、この結果を病院のマネジメント陣営にサジェスチョンすることで、リソース再編などを含めた、よりハイクオリティのセーフティーネットを組んでもらうことにした。
やっていることは病院の経営コンサルティングに近い。

幸い提携に関して合意していただいた病院があったので、自分はこのインシデントについてのシステムを構築・発展し、さらなる相乗効果を求め、この結果を病院の経営陣営に提示することで、従業員・資金・設備の再編などを含めた、より質の高く安全が担保される組織運営を実現させようと考えた。
やっていることは病院の経営コンサルティングに近い(僕が経営コンサルティングに進む理由の一つです)

このようなビッグピクチャーを描き、現在は専らメディカル領域のデータアナリストとして日々コミットしている。
タイトではあるが、今後も日本の未来を支えていくために、現場に即したアジャイルな開発を試みていこうと思う。

このような大局図を描き、現在は専ら医療領域の統計分析屋として日々活動している。
難しくはあるが、今後も今後も日本の未来を支えていくために、現場に即した臨機応変な開発を試みていこうと思う。

無駄にカタカナを使うのはやめよう。