調査を行う場合は、質的調査ではなく多数を対象とした量的・統
性・要件、調査票の配布数と期待回収数（サンプルサイズ）の決
質問内容を記入すること。
した学会参加を含む）を行う場合は、既存資料やインターネット
になっておらず現地を訪問して明らかになること、調査対象の機
-死亡トレンドを考慮した予測値との比較れまでのコミュニケーションの状況について記入すること。

目標 1

脳卒中・冠動脈疾患の死亡減少評価方法の確立

脳卒中と循環器病の死亡率減少を 47 都道府県毎に客観的に評価
→ 観測死亡率と高精度予測モデルによる予測死亡率を比較
評価方法の確立 -死亡トレンドを考慮した予測値との比較-

研究代表者

FA1015
飯原 弘二

都道府県毎に客観的に評価するために、観測死亡率と高精度予
Bayesian-APC model
：年齢・時代・世代(APC)効果を抽出することで、高精度な予測値を算出可能
方法を提案する。具体的には、過去
25 年の死亡
率トレンドから
する

は当
法と
年/

を
レン
る。

従来の手法と比較し、死亡数(都道府県/年齢群/ 性/暦年/ 疾患)
の予測精度が良好と報告
Kiyoshige, Ogata, Iihara, Nishimura et al. Lancet Regional Health Western Pacific. 2022

予測死亡率と観測死亡率を比較することで、
都道府県毎に死亡トレンドを考慮し、循環器死亡数減少を評価

のキャリブレーションを検討する。当予測モデルは COVID-19 の
推定値が 2023 に更新されたためである。
卒中と冠動脈
各年度の計画・方法
疾患死亡数に対して当予測モデルの予測値と 2020
認する。データリソースは人口動態統計の死亡統計とする。その
2024 年度：上記予測モデルのキャリブレーションを検討する。
ットとデメリットを整理する。

（当予測モデルは COVID-19 の pandemic 前に開発したことと将来人口推定値が 2023 に更新されたため）

新規指標の提案
標に関して、各指標の達成度を都道府県毎等で比較を行う。ま
2025 年度：脳卒中と冠動脈疾患死亡数に対して当予測モデルの予測値と2020 年以降の観測値を比較し予測精度を確認する。
、アウトカムとの関連を検討する。有
用と考えられる指標は、定
データリソースは人口動態統計の死亡統計とする。
9
うとともに、地域の実情に応じた目標等を提案する。
その結果を基に、班員で当評価方法のメリットとデメリットを整理する。
はじめとする DPC データ、NDB 等を用いた後向き研究を行う。