Epidemiological elucidation of the process of health-promoting effects of urban green spaces using artificial intelligence

本研究は、都市部における人間・社会・環境の相互作用に関する各種のデータをパネルデータとして取得し、人工知能を用いた時系列分析によって都市緑地の健康増進効果の発現プロセスを明らかすることを目的とした疫学研究に相当する。本研究は、申請者が独自に調査していた過去2時点分（2021年3月及び2022年3月）のパネルデータに関する追跡研究と位置づけられる。本研究が達成された暁には、データセットに含まれる多要因間の確率的因果関係が構造モデルとして図示され、都市緑地の健康増進効果に関するメカニズムとその効果を最大化する条件が明らかになる。本研究の初年度においては、主として、①本研究の採択に伴う調査内容の修正、②第3時点目の調査に関する準備、申請、実施、③本研究に関連する各種の学会発表等を行った。上記①と②に関しては、申請者が独自に調査した第1－2時点目の結果から明らかになった傾向をもとに、第3時点目（初年度）の調査の内容ついて計画し、2023年3月末（第1-2時点目の調査と同時期）に調査を実施した。この結果、第3時点目の調査（追跡研究）としては、約2000名弱から回答を得ることができた。今後については、第3時点目の調査についてデータ・クリーニングと初期解析を行い、第1－2時点のデータと連結して3時点のパネルデータ化を行い、時系列分析を実施する。また、上記③に関しては、本研究が採用している人工知能を用いた時系列パネルデータ分析に関する方法論について、国内外の緑地環境学、医学、混合研究法に関する学会において学会発表を複数回行い、機械学習やベイズ統計学を用いた方法論が本研究テーマである緑地と健康に関する研究分野において有望であることを発表した。

本研究は、都市部における人間・社会・環境の相互作用に関する各種のデータをパネルデータとして取得し、人工知能を用いた時系列分析によって都市緑地の健康増進効果の発現プロセスを明らかすることを目的とした疫学研究に相当する。本研究は、申請者が独自に調査していた過去2時点分（2021年3月及び2022年3月）のパネルデータに関する追跡研究と位置づけられる。本研究が達成された暁には、データセットに含まれる多要因間の確率的因果関係が構造モデルとして図示され、都市緑地の健康増進効果に関するメカニズムとその効果を最大化する条件が明らかになる。本研究の初年度においては、主として、①本研究の採択に伴う調査内容の修正、②第3時点目の調査に関する準備、申請、実施、③本研究に関連する各種の学会発表等を行った。上記①と②に関しては、申請者が独自に調査した第1－2時点目の結果から明らかになった傾向をもとに、第3時点目（初年度）の調査の内容ついて計画し、2023年3月末（第1-2時点目の調査と同時期）に調査を実施した。この結果、第3時点目の調査（追跡研究）としては、約2000名弱から回答を得ることができた。今後については、第3時点目の調査についてデータ・クリーニングと初期解析を行い、第1－2時点のデータと連結して3時点のパネルデータ化を行い、時系列分析を実施する。また、上記③に関しては、本研究が採用している人工知能を用いた時系列パネルデータ分析に関する方法論について、国内外の緑地環境学、医学、混合研究法に関する学会において学会発表を複数回行い、機械学習やベイズ統計学を用いた方法論が本研究テーマである緑地と健康に関する研究分野において有望であることを発表した。