Skip to main content
Announcements
Qlik Connect 2024! Seize endless possibilities! LEARN MORE
cancel
Showing results for 
Search instead for 
Did you mean: 
Taro_Murata
Employee
Employee

二次医療圏別の将来推計人口の比較(人口ピラミッドなど)

(2017/11/26更新)

・沖縄県の男性90歳以上の推計人口が漏れていましたので追加しました。

・チャートの表示等を一部修正しました

※國吉様ご指摘、アドバイスありがとうございました。


医療機関では地域の人口変化、医療需要の変化を把握し、病院経営に役立てることが非常に重要かと思います。


今回は、二次医療圏別の将来推計人口(2010年~2040年)の比較アプリを作成してみました。

二次医療圏別、市区町村別、性別別、年齢5歳階級別のデータを元にしていますので、

見たい切り口を変えながらデータを探索することが可能です。

まずは、日本全国の人口変動の概観です。これまでの推移と推計を性別別、年齢3区分別に表しています。

2015年頃から人口が減少傾向になるのがわかります。

※1945年は数値が欠損しているため一部補正。

男女別人口推移と推計.png

年齢3区分別人口推移と推計.png

次に、将来推計人口をもとに二次医療圏別の変化を詳しく見られるように以下のような画面を作ってみました。

左の散布図は、X軸が2010年の人口、Y軸が2010年からみた2040年の人口の変化率、ドットは二次医療圏です。

真ん中の散布図は、X軸は同じ、Y軸は高齢化率(総人口に占める65歳以上の割合)、ドットは同じく二次医療圏です。

右の折れ線グラフは、2010年の人口を基準とした2040年にかけての人口の変化率です。

二次医療圏別の人口変化_1.png

左の散布図の二次医療圏を選択してみます。

二次医療圏別の人口変化_2.png

ここでは、東京都の「区西北部」を選択すると、区西北部に含まれる市区町村が内訳として表示されます。

一つの二次医療圏でも、地域により人口の変化の傾向が様々であることがわかります。

人口変化_区西北部(東京都).png

また、別のシートに移動すると、2015年と2040年の5歳階級別の人口ピラミッドを見ることができます。

5歳階級別に人口構成がどうなっているか詳細が視覚的に把握できます。

人口ピラミッド_区西北部(東京都).png

このQlik Senseファイル(qvf)は公開(添付)していますので、Qlik Sense Desktopでご覧ください。

(ダウンロードしたファイルは、C:\Users\ユーザー名\Documents\Qlik\Sense\Appsのフォルダ内に保存してください)

データ参照元:

人口の推移と将来人口

http://www.stat.go.jp/data/nihon/02.htm (総務省)


男女・年齢(5歳)階級別データ--『日本の地域別将来推計人口』(平成25年3月推計)

http://www.ipss.go.jp/pp-shicyoson/j/shicyoson13/3kekka/Municipalities.asp (国立社会保障・人口問題研究所)

二次医療圏

http://www.data.go.jp/data/dataset/mhlw_20150115_0041 (厚生労働省

4 Replies
te2yak
Contributor II
Contributor II

村田 様

國吉です。お世話になっております。

興味深い内容を紹介いただきありがとうございます。

アレンジするイメージが湧いてきました。

人口推計のグラフの横に地図情報を載せると面白そうですね。

村田さんのQSを参考にしつつ、考えてみたいと思います。

Taro_Murata
Employee
Employee
Author

コメントありがとうございます。

完成しましたらぜひアップしてみてください。

(独り言)…二次医療圏の軽いポリゴン作らねば。。

te2yak
Contributor II
Contributor II

村田 様

國吉です。お世話になっております。

元データを拝見しました。

QSに入れる前の前処理の方法について教えてください。

男女・年齢(5歳)階級別データ--『日本の地域別将来推計人口』を見たのですが、かなりの情報量ですね。

すべての都道府県、市町村、男女の年齢階級別人口データに二次医療圏を付与してまとめたと考えてよろしいのでしょうか?

普通にまとめるとしてもかなりの作業量になると思いました。

もし前処理のコツがあれば教えてください。

Taro_Murata
Employee
Employee
Author

國吉様

はい、市区町村、年齢階級、性別別になっている一番細かなデータを利用してまとめてみました。

前処理についてはかなり力技でやっています(汗)

いろいろとやり方はあるとは思いますが、ご参考までに手順をまとめてみました。

オープンデータ利用の下準備(二次医療圏別将来推計人口の比較を例に)