排総研ブログ

３ . 冬眠期のクマが排泄しなくてもよい理由で誤りは？   ①   代謝率の低下   ②   腸内の停滞   ③   尿の再吸収   ④   汗の分泌   正解は④汗の分泌です。 冬眠期に特異的なタンパク質代謝機構が備わっているため、北米に生息するアメリカクロクマは冬ごもりに入る前に脂肪をたっぷり蓄えます。冬眠期には飲まず食わずで、排泄もしませんが、エネルギーは蓄えられた脂肪から得られます。しかし、タンパク質の代謝も行われます。通常、タンパク質の代謝によってアミノ酸が分解されると最終的に尿素が生成されますが、アメリカクロクマの冬眠期では血中尿素が冬眠前よりも低下しています。 この低下の要因の 1 つとして、冬眠期には血中尿素が腸上皮を通じて腸管内に拡散し、腸内細菌のウレアーゼによってアンモニアと二酸化炭素に分解され、アンモニアが血中に戻ってタンパク質の合成に再利用される特異的な機序が推測されています。これにより、血中尿素の低下が実現され、アメリカクロクマは冬眠期間中に体内の窒素を節約していると考えられています。 このような特殊な代謝機構が、アメリカクロクマの冬眠期の生存戦略として重要な役割を果たしているとされています。

2.腎臓は人間には２個、象は 5 個、牛は 30 個持っています。ではクジラの最大種であるシロナガスクジラは何個持っているか？   ①   500 個   ②   1000 個   ③   1500 個   ④   3000 個   解説：正解は④ 3000 個です。 　人間には腎臓が２個ありますが、象には５個、牛には３０個もの腎臓がありますが、シロナガスクジラの３０００個です。シロナガスクジラには 1 つ 1 つ独立した機能を備えた小さな腎臓（小腎）が約３０００個もあり、それらが大きな袋に入った状態で１つにまとまっています。クジラは餌となるプランクトンやオキアミを海水ごと大量に飲み込んで摂取するため、海の塩分も一緒に吸収してしまいます。この塩分を効率よく排出するためには大きな腎臓が必要となり発達したのではないかと言われています。

雑学の効用と排泄トリビア トリビア（雑学）には多くの利点がありますが、その 1 つは、新しいことを学ぶ機会を与えてくれることです。また、さまざまな分野の知識を結び付け、専門用語などによって生じる障壁を打ち破るのにも役立ちます。新しいことを学ぶことで、視野が広がり、想像力が豊かになります。トリビアは脳を活性化し、日々のモチベーションを高めてくれます。では、排泄にまつわる次の四者択一式問題に答えてみましょう ！   １ . 紙おむつが誕生した国はどこ？   ①   アメリカ   ②   イギリス   ③   ドイツ   ④   スウェーデン   解説：正解は④スウェーデンです。 1940 年代半ば、第二次世界大戦中のドイツによる経済封鎖で、スウェーデンは綿の供給が途絶え、赤ちゃんの布おむつが不足しました。そこで、綿の代わりに紙を使った紙おむつがスウェーデンで開発されました。それから日本でも 1950 年代に販売が始まり、後にテープ式や高分子吸水材を使用した改良が行われ、 1990 年にはパンツ式が登場しました。現代では、紙おむつが広く使われています。

吽育（うん育）のすすめ 「生きることは食べること」とよく言われますが、私共が運営するひまわり保育園の厨房には、子どもや保護者が食事を作る様子が見える「食育の窓」を設けています。食育の目標は、人々に食について教え、健康的な食生活を身につける手助けをすることです。しかし、私たちは「生きることは排泄すること」を忘れてしまっているようで、学校の多くの子どもたちがトイレでストレスや恥ずかしさを感じています。   著者は最近、多くの糖尿病患者が自分の病気の名前に感じる不快感についての記事を読みました。この不快感は、差別や偏見につながる可能性があります。著者は臨床検査技師として、大・小便が人の健康に関する重要な情報を提供していることを知っています。しかし、現代社会では、身体の機能が不潔だとか不都合だとか、議論したり、認めたりすることを避けがちです。   この問題を解決するために、子どもたちが排泄の重要性を学び、自分自身の健康に関心を持つことを目的とした「便育」という活動を推進している人々がいます。排泄は生命の自然で必要な部分であることを理解しておくことが重要であり、排泄について話したり、関連する問題に対処したりすることを恥じるべきではありません。   そこで、諸説ある「うんち」の語源の阿吽説から最終産物の意を汲んで「吽育（うん育）」との用語を造語してみました。つまり、「吽育（うん育）」とは、排泄の意味を知り、自分たちの生活を振り返り、自分自身の健康や生活に興味を持って欲しいという活動です。まさに、今こそ「吽育」が必要になっていると考えます。

「失禁」という言葉は、オランダ語の lekheid （漏れ）の訳語として蘭方医によって考案された言葉です。「禁」という字には、「ふさぐ」「とどめる」といった意味があり、「失」という字は「あやまち」や「そこなう」といった意味があります。このことから、「失禁」は「とどめそこなう」という意味で作られた言葉だと考えられます。つまり、失禁とは、自分の意思とは無関係に、排泄が起こってしまうことを指します。「禁」は自分でコントロールすることを意味し、「失」は文字通り「なくす」、「うしなう」を意味します。両方を合わせると、「失禁」は排泄のコントロールを失うことを意味します。   逆に考えると、「失禁」の反対語は日本語では「禁制」となります。つまり、排泄などのコントロールができていることを意味します。英語では、「 continence 」という言葉が使われ、節制や抑制を意味します。「禁制」の反対語は「失禁」であり、コントロールを失った状態を指します。英語では、「 incontinence 」という言葉が使われ、排泄の自制ができない状態を指します。   「おしっこ」という言葉の語源については、「お」という接頭語は御を意味し、美化語の表現です。「し」という字は、江戸時代の女性が用いた言葉「しし」あるいは「しーしー」に由来し、小便を表します。「っこ」は、接尾語の「こ」で、何かをする行為を表わすものです。例えば、「かけっこ」や「にらめっこ」などがあります。   一方、「うんこ」という言葉は、「うん」といういきむ声に、接尾語「こ」が付いたものです。他方では、「阿吽」の阿ははじまりを表し、「吽（うん）」を終末として関連付ける説もあります。この説では、中国仏教で大小便を最終産物の「吽」と呼び、大小便の溜まり場を「吽置（うんち）」としていたことから、そのことが日本に伝わったようです。   一般社会を見渡すと、どの業界にも独自の言葉使いがあり、それを理解している人にとっては効率的ですが、理解していない人にとっては混乱を招きます。これらの業界用語を使うことは一見、合理的で効率よく思えますが、業界以外の人や専門的な経験知の乏しい人々にとっては誤解を招き、重要な情報が伝わらない可能性があります。   そのため、業界用語等...

  🔵 Amazon Services International LLC ／ Feb.02.2025   万民が気持ちよく排泄できる社会を目指して 　　～ EBCC と新刊書籍の意義～ 社会医療法人崇徳会 地域総合サービスセンター   副センター長 山口勇司   【はじめに】 万民が気持ちよく排泄できる社会の実現を目指し、私はこれまで排泄ケアに関する相談やブログ・ SNS を通じた啓蒙活動、そして教本の出版に取り組んできました。既に Amazon で５冊の書籍を出版しており、今回は特に「 Evidence-based Continence Care （ EBCC ）」に焦点を当てた 2 冊の新刊を紹介します。　 EBCC は「科学的根拠に基づいた排泄ケア」を意味し、私たちの活動の合言葉です。ここでは、 2 冊の書籍の内容と目的を詳しく解説し、 EBCC が排泄ケアや医療・介護現場に与える影響について考察します。 【 EBCC の意義と書籍の目的】 EBCC とは、 Evidence-based （根拠に基づいた）、 Continence （排尿や排便のコントロール）、 Care （ケア・世話・治療）を組み合わせた概念で、科学的根拠に基づく排泄ケアを指します。このアプローチは、単なる経験や勘に頼るのではなく、データや統計的手法を用いてケアの質を向上させることを目指します。排泄は人間の尊厳に関わる基本的な行為であり、その支援には科学的裏付けが不可欠です。 新刊書籍はこの理念を具現化するものです。書籍 1 「因果推論と排泄ケア : Python を学び、因果推論で検証！根拠に基づくケアの仕組づくり」では、因果推論と Python プログラミングを活用し、排泄ケアの実践的可能性を探ります。一方、書籍 2 「医療従事者が書いた因果推論と推測統計学 : Python シミュレーションの実践で、根拠に基づく仕組を作る」は、「排泄ケア」という言葉に馴染みのない読者向けに記述を控え、医療従事者が統計的手法を学び、ケアの仕組みを構築することを目的としています。 【書籍 1 ：因果推論と排泄ケアの融合】 書籍 1 は、排泄ケアと統計的因果推論を結びつけるユニークな試みです。因果推論は...

Amazon Services International LLC ／ Sep 21, 2023   排泄ケア経営の試み ～ SWOT 、 BSC 等の経営管理手法を用いた戦略的排泄ケアへの挑戦～   社会医療法人　崇徳会　地域総合サービスセンター　山口勇司   経営手法を排泄ケアに適用した理由は、「経営手法が効率的な運営や目標達成に役立つ方法論であり、排泄ケアにも適用可能である」と考えたからです。これにより、資源の最適化、品質向上、スタッフのモチベーション向上などを実現し、充実した排泄ケアの提供が期待できます。具体的な経営手法として、 SWOT 分析やクロス SWOT 分析、バランススコアカード（ BSC ）等を排泄ケアに活用しました。これらの手法は、現状把握はじめ目標までの戦略立案や合理的運営の評価に役立ちます。 本書では、排泄ケアに経営手法を適用する取り組みを紹介しております。特に、医療や介護・福祉分野における科学的手法の導入の重要性を強調し、経営管理手法の導入により、ケアの質向上が期待されます。そして、「根拠に基づく排泄ケア (EBCC ： Evidence Based Continence Care) 」と「効果的な排泄ケアの仕組づくり」の一環であると考えています。 本書は学術的な検討であり、実際の現場への適用は未確認ですが、新たな知見を得てヘルスケアの質向上に貢献したいとの願いが込められています。読者からのご意見やフィードバック事例を歓迎します。   経営手法の現場応用による排泄ケアの展望 【はじめに】 経営者は経営手法を用いて事業の継続発展を追求しています。しかしながら、現場の職員はケアには真摯な姿勢を持ちながらも、経営手法に対しては理解不足なケースが多く見られます。本書では、現場のナースやケアワーカーが経営手法を取り入れて排泄ケアを捉える際に生じる影響を考察します。さらに、経営者や管理者が経営手法を現場のケアに応用するメリットについても議論します。   1. 現場の職員による経営手法の応用 経営手法は通常、経営戦略や効率改善を目的として採用されますが、それをケアに応用することはどのような効果があるのでしょうか。現場のナース...

生成AIプロンプトデザインの基本原則とは？ 生成AIプロンプトデザインの基本原則は、情報を効果的に伝え、望ましいアウトプットを得るための重要な要素を包含しています。以下に主要な原則を示します。 生成AIプロンプトデザインの基本原則 明確性 プロンプトの内容を具体的かつ簡潔にすることで、AIが意図を正確に解釈しやすくなります。 例「データ分析に関するPythonコードを生成してください」など。 コンテキストの提供 必要な背景情報や条件を与えることで、より適切な応答を得られます。 例: 「データセットの形式はCSVで、100行以上のデータを含むことを前提にしてください。」 目的の設定 明確なゴールを示すことで、AIが最適な提案や解決策を生成できます。 例「マーケティングキャンペーンのアイデアを5つ提案してください。」 柔軟性の確保 「創造性を加味したアイデアを考える」や「条件を緩やかに解釈して答える」など、柔軟な応答を促す工夫を含める。 反復可能性の設計 同じプロンプトを使い回しても、安定した結果を得られるような形式を考える。 この原則を活用することで、生成AIから求める答えを効率的に引き出せますし、最終的なアウトプットの質も高まります。

感情や判断力の有無に焦点を当てながら、生成AIのプロンプトデザインと上司のマネジメントスキルの類似点と相違点を考えてましょう。 類似点と相違点の対比表 考慮すべきポイント 感情的な配慮 上司は部下の感情に寄り添いながらモチベーションを引き出せます。一方で生成AIはそのような配慮ができないため、指示の受け手がどのように感じるかを想定する必要があります。 独自の判断力と責任 部下は状況判断や責任を持つ一方、生成AIは指示の結果責任を持つことはできず、すべてユーザーに帰属します。 適応能力の進化 部下は新しいスキルや情報を取り入れることができますが、生成AIは事前にプログラムされた範囲外の進化はできません。 この対比からすると、感情や判断力のある人間の行動に対して、生成AIを補助的に活用することで、双方の強みを引き出せる可能性が見えてきます。

医療・介護・福祉事業所は、より厳しい経営状況に置かれることになり、人材確保とともに経営の効率（人材活用を含む）の向上が急務となっている。そこで、生産性向上に資するガイドライン（厚労省他）を紹介する。 業務改善により生産性向上を目指す資料 ①施設系サービスの事業所向け→https://www.mhlw.go.jp/content/12300000/Seisansei_shisetsu_Guide.pdf ②居宅系サービスの事業所向け→https://www.mhlw.go.jp/content/12300000/Seisansei_kyotaku_Guide.pdf ③医療系サービスの事業所向け→https://www.wam.go.jp/content/img/kpi/kpi_001.pdf ④「介護の価値を高める」10週間で職場を劇的に変える動画（１～8回）→https://www.youtube.com/playlist?list=PLMG33RKISnWhKPjnXD8CqE0ioXGqlmUrt ⑤介護分野における生産性向上の取組の好事例について→https://www.mhlw.go.jp/stf/kaigo-seisansei_jirei.html

リーダーシップには多くの種類があり、それぞれの特性と生成AIのプロンプトデザインを比較してみようと考えました。ここでは、代表的なリーダーシップスタイルと生成AIのプロンプトデザインの特徴を対比しつつ、分析してみます。 リーダーシップの種類と生成 AI のプロンプトデザイン 比較表 リーダーシップの種類と生成 AI のプロンプトデザインの 分析 変革型リーダーシップとの比較 変革型リーダーは「大きなビジョン」を共有しながらチームの可能性を引き出します。一方、生成AIは具体的な目標や条件を明確にすると成果を最大化できるため、プロンプト設計が変革型リーダーの「目標設定」と類似しています。ただし、感情を使った鼓舞ができない点が異なります。 サーバントリーダーシップとの比較 サーバントリーダーは個人の成長を重視しますが、生成AIは成長の概念がなく、指示内容に忠実である点が対照的です。その代わり、適切なプロンプトを用意すれば「サポートツール」として部下の能力を最大限に引き出せます。 指示型リーダーシップとの比較 指示型リーダーと生成AIは「明確な指示」において共通しますが、生成AIは柔軟性が限定されているため、状況に応じた判断力が必要な場面では指示型リーダーの方が優位です。 生成AIのプロンプトデザインは、「リーダーシップのツール」として補助的に使うことで、それぞれのリーダーシップスタイルを強化できる可能性があります。

生成 AI のプロンプトデザインと他の一般的な管理スタイル（リーダーシップや権威型管理）の違いを比較し、対比表にまとめてみました。 管理スタイル比較表 分析 生成 AI のプロンプトデザイン は明確かつ即応性が高いですが、感情や創造性への直接的な影響力は限定的です。 一方で、 リーダーシップ型管理 は感情や創造性を取り入れる柔軟性があり、チーム全体の力を引き出すのが強みです。 権威型管理 は厳格で明快な指示が得意ですが、柔軟性や感情面のサポートには課題があります。 これらを統合的に考えれば、生成 AI を「補助的なツール」としてリーダーシップ型管理に活用することで、効率性と創造性を両立できる可能性があります。

NHK 大阪のディレクターから取材を受けた内容をまとめて論じてみました！ 排泄ケアにおける尊厳の保持と社会システムの課題　～「おむつ」をめぐる心理的・文化的考察～ 社会医療法人崇徳会地域総合サービスセンター 排泄ケア総合研究所（排総研）代表　山口勇司 はじめに 現代の長寿社会において、おむつに代表される排泄ケ現代の長寿社会において、おむつに代表される排泄ケア用品は、高齢者や要介護者の生活維持に不可欠な基盤となっている。しかし、その利用は単なる生理現象への対応にとどまらず、個人の尊厳やアイデンティティと深く結びついた複雑な課題を内包している。利用者が示す心理的抵抗は、介護現場における重要な課題の一つであり、その背景には個人の内面的な葛藤に加え、ケアを提供する側との関係性や、社会文化的な規範が複雑に影響していると考えられる。 本稿は、おむつの使用に伴う心理的抵抗の要因を分析し、ケアの現場で求められる尊厳を保持するためのコミュニケーションのあり方を考察する。さらに、日本の文化的な背景を考察し、排泄ケアの課題を通して、これからの社会が目指すべき方向性を提言することを目的とする。   1.  排泄自立の喪失に伴う心理的抵抗とその要因 高齢者がおむつの使用に抵抗を示す事例は、介護現場において頻繁に報告されている。これは単なる物理的な不快感によるものではなく、その受容が個人の心理に与える深刻な影響に起因する。主要な要因として、「自立性の喪失」と「羞恥心」が挙げられる。 排泄の自立は、人間が自己の身体をコントロールできているという感覚の根幹をなす。おむつの使用は、このコントロール能力を失い、他者に依存せざるを得なくなったという事実を象徴的に示すものである。この「自立の喪失」は、自己評価の低下や役割喪失感を引き起こし、抑うつ的な心理状態に繋がりかねない、深刻な心性の危機である。 加えて、排泄行為が有する極めて高いプライベート性は、強い「羞恥心」を喚起する。特に家族によるケアの場合、親子関係や夫婦関係といった既存の関係性の中で、かつては自立していた自身の「衰えた姿」を露呈することへの屈辱感が、頑なな拒否を生む一因となる。 介護実践家の三好春樹は、介護における「関係障害」という概念を提唱し、例えば認知行動を単に「わかろう」...

因果探索と因果推論 の協調関係 因果探索と因果推論は、対立するものではなく、 非常に相性が良く、連続した分析ワークフローを形成 します。 1. 【 Step 1・ 因果探索】仮説の生成   　　　手元にデータはあるものの、何が原因で何が結果なのか、専門家の知見だけでは分からない複雑な状況で、まず因果探索を行います。これにより、データに基づいた「因果構造の仮説（因果グラフ）」を複数見つけ出すことができます。 2. 【 Step 2・ 因果推論】効果の検証・定量化   　　　次に、因果探索で得られた因果グラフの仮説に基づき、特に知りたい部分（例 :  施策 A →  結果 B ）の因果効果の大きさを因果推論の手法で推定します。 　このように、 因果探索で「あたり」をつけ、因果推論で「確信」を得る という流れは、データ駆動での科学的な意思決定において非常に強力なアプローチです。 今後の展望 因果科学の分野は、 AI ・機械学習の発展とともに急速に進化しており、今後の展望として以下のような点が期待されています。 機械学習との融合 　 従来の機械学習モデルは「予測」は得意ですが、「なぜその予測になるのか」という説明や、モデルが学習したデータとは異なる状況への応用が苦手でした。因果の考え方を取り入れることで、より堅牢で説明可能な AI （ Explainable AI, XAI ）の実現が進むと期待されています。 自動化とツールの進化 　 因果探索から因果推論までをシームレスに行うためのソフトウェアやライブラリの開発が進んでいます。これにより、専門家でなくても、より簡単に因果分析をビジネスや研究の現場で活用できるようになります。 生成 AI （ LLM ）との連携 　 大規模言語モデル（ LLM ）が持つ膨大な知識を「専門家のドメイン知識」として活用し、因果探索の精度を高める研究が進んでいます。また、逆に因果モデルを使って生成 AI の出力の信頼性を高める試みも始まっています。 より複雑な問題への挑戦 　 複数の要因が時間とともに相互に影響しあうような、より動的で複雑なシステムの因果関係（例 :  経済政策の効果、気候変動のメカニズム解明など）を解き明かすための研究が活発化しています。 　因果推論と因果探索は、単なるデータ分析技術...

  因果探索は「何が原因か？」という因果関係の地図（構造）を見つけ出す ことであり、 因果推論は「その原因が結果にどれくらいの影響を与えたか？」という効果の大きさ を測ることです。 因果推論と因果探索の違い 両者は「因果関係」を扱う点で共通していますが、その目的とアプローチが明確に異なります。 【具体例】 ある EC サイトで「売上を伸ばしたい」と考えたとします。 因果探索のフェーズ 問い　 そもそも売上に影響を与えている要因は何か？「サイト訪問者数」「広告費」「セール実施の有無」「商品のレビュー数」などのうち、どれがどれの原因になっているのか？ アプローチ　 データだけを頼りに、これらの変数間の因果関係の構造（矢印の向き）を推定し、「広告費 → サイト訪問者数 → 売上」や「セール実施 → 売上」といった因果グラフの仮説を立てます。 因果推論のフェーズ 問い　 上記の因果探索で「広告費が売上を増やす」という関係が示唆されたとします。では、「広告費を 100 万円増やしたら、売上は具体的にいくら増えるのか？」という効果の大きさを知りたい。 アプローチ　 「広告費 → 売上」という因果構造を前提に、過去のデータから広告費の増減が売上に与えた影響の大きさ（因果効果）を、交絡因子（セールなど他の要因）の影響を取り除きながら正確に推定します。

GAN（Generative Adversarial Network）を用いた因果探索の実装 コ ードの目的 因果構造データの生成   サンプルデータには、 X1 -> X2 -> X3 の因果構造を仮定しています。 GAN を使用したデータ生成  GAN で生成したデータが、元の因果構造をどの程度再現できるか確認します。 DAG の描画   真の因果構造（ DAG ）を視覚化。 背景 GAN を用いる因果探索では、生成モデルがデータの分布を再現し、それを基に因果構造を明らかにするアプローチが採られます。 生成されたデータを更に解析することで、新たな因果関係の発見や因果ネットワークの推定が可能です。 このコードは基礎的な例で、実際の応用では、生成データと実データ間の因果一致をさらに詳しく評価する必要があります。 引用アドレス 　 https://deus-ex-machina-ism.com/?p=52535&amp=1 GAN （ Generative Adversarial Network ）を用いた因果探索の実装は、生成モデルと因果関係推定の組み合わせを活用する高度なアプローチです。以下に、シンプルな GAN を利用して因果構造の学習を行う例を示します。この例では、因果構造を暗黙的に学習し、生成されるデータを基に解析します。 コード例  GAN で因果探索 以下は、 GAN を活用して因果グラフを推定する簡単な例です。 python import numpy as np import tensorflow as tf from tensorflow.keras import layers import networkx as nx import matplotlib.pyplot as plt   # データ生成（因果構造に基づくサンプルデータ） def generate_data(n_samples):     x1 = np.random.uniform(-1, 1, n_samples)     x2 = 2 * x1 + np.ra...