急救需求预测(与横滨市立大学共同研究)

2017年度对急救出场件数进行了建模,以计算预测值为目标进行了研究。关于那个成果在市长例行记者招待会上发表,被汇总在记者发表资料中。

以下是建模时使用的数据:

关于数据的各项目

• 觉知年......横滨市消防局知道救护车请求的年(西历4位)
• 觉知月......横滨市消防局知道救护车请求的月份(1～12)
• 知道日・・・横滨市消防局知道救护车请求之日(1～31)
• 知道时・・・横滨市消防局知道救护车的请求时(0～23)
• 伤病者数......不仅仅是运送的人,也包括因某种原因最终没有搬运的人。

※如果未输入数据,则为“未输入”。

关于数据的各项目

• 觉知年......横滨市消防局知道救护车请求的年(西历4位)
• 觉知月......横滨市消防局知道救护车请求的月份(1～12)
• 区分居住...伤病者的地址(市内、市外、外国、其他)
  • 市内・・・住在横滨市内的伤病者
  • 市外・・・住在横滨市外(日本国内)的伤病者
  • 外国......住在日本国外的伤病者
  • 其他......住址不定、住址不明等,地址不明的伤病者
• 伤病者数......不仅仅是运送的人,也包括因某种原因最终没有搬运的人。

※如果未输入数据,则为“未输入”。

关于数据的各项目

• 觉知年......横滨市消防局知道救护车请求的年(西历4位)
• 觉知月......横滨市消防局知道救护车请求的月份(1～12)
• 出场场所行政区...18个行政区(鹤见区、神奈川区、西区、中区、南区、港南区、保土谷区、旭区、矶子区、金泽区、港北区、绿区、青叶区、都筑区、户冢区、荣区、泉区、濑谷区)以及市外
• 伤病者数......不仅仅是运送的人,也包括因某种原因最终没有搬运的人。

※如果未输入数据,则为“未输入”。

关于数据的各项目

• 觉知年......横滨市消防局知道救护车请求的年(西历4位)
• 觉知月......横滨市消防局知道救护车请求的月份(1～12)
• 事故类别......发生急救请求的理由(急病、一般负伤、交通事故)
  • 急病・・・因疾病而作为急救业务处理的
  • 一般负伤......不属于火灾、自然灾害、水难、劳动灾害、运动竞技、加害、自损行为等的意外事故
  • 交通事故・・・交通机关相互或与行人发生冲突、接触造成的事故
• 年龄区分・・・伤病者的年龄区分(高龄者、成人、少年以下)
  • 老年人......65岁以上
  • 成人......18岁以上64岁以下
  • 少年以下......17岁以下
• 伤病者数......不仅仅是运送的人,也包括因某种原因最终没有搬运的人。

※如果未输入数据,则为“未输入”。

从横滨市消防局急救企划课的宣传费中提取了关于急救适当利用的预算额,是每年度的数据。

横滨市急救电话咨询是从2016年开始的服务,由于数据还很少,所以固定在2016年的利用率(市内人口比)的3.07%。

使用横滨市统计书的“第2章人口5年龄(各岁、5岁阶级)、行政区、男女分开人口”,获得了市内人口的数据。

同样使用横滨市统计书的“第2章人口19上下班、上学人口的行政区别状况”(1)昼夜人口、流出入人口及人口密度”,基于到2030年为止流入人口没有大的变动的假设,制作了基础数据。

使用了横滨市以人口普查为基准计算出的未来人口推算(当时是2010年基准)。

气象厅(外部网站)公开的过去的气象数据(外部网站)使用了2016年中每一天的气象数据。

从横滨市文化观光局公开的年度报告(现在没有相应的页面)中,取得了2010～2015年外国人住宿人数。

从日本政府发表的入境目标值(外部网站)到2030年外国人住宿人数的推算,作为外国居住者在横滨市的急救需求预测的基础数据。

除了周六、周日之外,国民的节日(外部网站)是“休息日”,其他的日子是工作日。

按以下分类计算了每天的件数(件数/日)以及每小时的件数(件数/点)。

• 住宅区分
• 按居住区划分(每小时)
• 行政区
• 年龄区分和事故类别的交叉分类

对最佳模型进行了探索,使用重回归分析,将上述请求的数量/天作为响应变量,将主要原因候补作为说明变量。也就是说,当将y作为事件数/天(响应变量)的矢量,X作为主要候选(描述变量)的计划矩阵时,将以下模型应用于数据。

y=Xβ+ε,但是,ε～Nn(0,Δ2P)

在这里,ε是遵循具有平均矢量0、共分散矩阵Δ2P(P为相关行列)的n维正态分布Nn的误差矢量,n是分析对象天数(标本数)。误差项假设自我回归(AR)结构,模型选择是根据AIC进行的。此外,事件数/点的模型还使用了在事件数/天中选择的模型,添加了觉知时(虚拟变量)和人口动态变量和感知时的交替作用。

根据上述步骤得到的每个模型的系数参数β的估计值如下:

通过使用探索获得的最佳模型,为解释变量提供未来一年的估计值,计算了2017-2030年的案件数/天和案件数/小时的预测值。

关于数据的各项目

•觉知年......横滨市消防局知道救护车请求的年(西历4位)
•对市内居住者每天的平均急救出场件数(预测值)
•对市外居住者一天的平均急救出场数(预测值)
•对国外居住者的平均每天急救出场数(预测值)

关于数据的各项目

• 觉知年......横滨市消防局知道救护车请求的年(西历4位)
• 知道时...横滨市消防局知道救护车的请求时(0～23)
• 对市内居住者每天的平均急救出场件数(预测值)
• 对市外居住者一天的平均急救出场数(预测值)
• 对国外居住者的平均每天急救出场数(预测值)

关于数据的各项目

• 觉知年......横滨市消防局知道救护车请求的年(西历4位)
• 鹤见区一天的平均出场次数(预测值)
• 神奈川区一天的平均出场次数(预测值)
• 西区一天的平均出场次数(预测值)
• 中区一天的平均出场次数(预测值)
• 南区一天的平均出场次数(预测值)
• 港南区一天的平均出场次数(预测值)
• 保土谷区一天的平均出场次数(预测值)
• 旭区一天的平均出场次数(预测值)
• 矶子区一天的平均出场次数(预测值)
• 金泽区一天的平均出场次数(预测值)
• 港北区一天的平均出场次数(预测值)
• 绿区一天的平均出场次数(预测值)
• 青叶区一天的平均出场次数(预测值)
• 都筑区一天的平均出场次数(预测值)
• 户冢区一天的平均出场次数(预测值)
• 荣区一天的平均出场次数(预测值)
• 泉区一天的平均出场次数(预测值)
• 濑谷区一天的平均出场次数(预测值)
• 到市外一天的平均出场次数(预测值)

关于数据的各项目

• 觉知年......横滨市消防局知道救护车请求的年(西历4位)
• 每天平均伤者数:少年以下的急病(预测值)
• 每天平均伤者数:少年以下的一般受伤(预测值)
• 每天平均伤者数:少年以下的交通事故(预测值)
• 每天平均伤者数:成人急病(预测值)
• 每天平均伤者数:成人一般受伤(预测值)
• 每天平均伤者数:成人交通事故(预测值)
• 每天平均伤者数:老年人的急病(预测值)
• 每天平均伤者数:老年人一般受伤(预测值)
• 每天平均伤者数:老年人的交通事故(预测值)