データセット:メンタルヘルス系スタートアップの失敗事例(2000年~2026年)、18項目で分類
Dataset: Dead mental health startups, 2000-2026, coded on 18 fields (mentalium.me)
要約
この記事は、2000年から2026年の間に市場から撤退した542のデジタルメンタルヘルス企業に関するデータセットを公開しています。データには、事業モデル、資金調達額、撤退理由、臨床的根拠、共同創業者、収益モデル、国、運営年数などが含まれます。特に、顧客が直接支払うか、機関が支払うかによって、企業の存続率に大きな差があることが示されています。
全文翻訳
データセット:2000年から2026年までのメンタルヘルス系スタートアップ542社の倒産データ、18項目で分類
データのダウンロード
フォーム、メールアドレス、サインアップは不要です。ライセンスはCC BY 4.0なので、自由に使用、再公開、構築にご利用ください。
- mh-graveyard-companies.csv — 542行、1社につき1行。メインテーブルです。
- mh-graveyard-companies.json — 同じデータ、同じフィールド名でJSON形式です。
- mh-graveyard-labels-rationale.csv — 1,084行:すべての分類ラベルの根拠となった記述です。
- README.md — 完全なデータ辞書、手法、限界について記載されています。
- LICENSE.txt — CC BY 4.0ライセンスと推奨される引用方法です。
データの内容
2000年から2026年の間に市場を去った542社のデジタルメンタルヘルス関連組織のデータです。これには、閉鎖、破産、買収、ピボット、統合などが含まれます。各社は最大18項目で分類されています。その中には、ビジネスモデル、実際の支払い元、調達した資金、撤退理由、臨床的エビデンス、医療専門家としての共同創業者、収益モデル、エグジットの規模、国、事業期間などが含まれます。
さらに、4つの独立した分類軸があります。製品の種類 (product_type)、組織の種類 (entity_type)、臨床医の代替であったか、あるいは臨床医を補完するものであったか (care_mode)、そして人間の臨床医が関与していたか否かです。
1つのフィールドはカテゴリではありません。key_mistake は、各社を破綻させた原因についての段落です。
自分で調査結果を再現する
レポート内のすべての割合は、これらの行から計算されています。以下に実例を示します。
import csv
rows = list(csv.DictReader(open('mh-graveyard-companies.csv', encoding='utf-8')))
INSTITUTIONAL = {'employer', 'insurer', 'clinic', 'hospital', 'school'}
def rates(group):
n = len(group)
dead = sum(1 for r in group if r['outcome'] == 'dead')
return f'n={n} died {round(100*dead/n)}%'
print(rates([r for r in rows if r['payer'] == 'consumer'])) # n=258 died 53%
print(rates([r for r in rows if r['payer'] in INSTITUTIONAL])) # n=254 died 21%
| カット | 結果 |
|---|---|
| 消費者が支払う | n=258 · 死亡率 53% · エグジット率 32% |
| 機関が支払う | n=254 · 死亡率 21% · エグジット率 57% |
| B2C | n=210 · 死亡率 53% |
| B2B | n=214 · 死亡率 24% |
| 一括購入 | n=26 · 死亡率 85% |
| 医療専門家としての共同創業者 — はい | n=156 · エグジット率 47% |
| 医療専門家としての共同創業者 — いいえ | n=254 · エグジット率 47% |
| 臨床医の代替、機関が支払う | n=22 · 死亡率 50% |
| ケア提供、機関が支払う | n=69 · 死亡率 9% |
誰が支払うかという点は、創業チームの誰よりも、生存率をはるかに良く予測します。臨床医としての共同創業者は、エグジット率を全く変化させません。47%対47%です。
分類はLLM支援
4つの軸は手作業でコーディングされたものではありません。LLMエージェントが各社の完全な説明を読み、固定された分類体系に基づいてラベルを割り当てました。これは手法の最も弱い部分であり、まさに mh-graveyard-labels-rationale.csv にすべてのラベルの根拠となる記述が記載されている理由です。コーディングは、信頼するのではなく、チェックすることができます。
事実に関するフィールドは他のソースから取得されています。資金調達、日付、国、結果は、Crunchbase、CB Insights、Tracxn、公開されているデッドプールデータベース、アプリストアからの削除、Ahrefsのドメインデータ、業界紙から取得されており、これらのいずれも分類ステップを経由していません。
もしラベルに同意できない点が見つかった場合、それがこのデータでできる最も有用なことです。
示されていないこと
これはランダムサンプルではなく、墓地です。ここにいるすべての企業はすでに市場から撤退しているので、割合はグループ間を比較するものであり、失敗の確率ではありません。資金調達は59%の企業で開示されており、資金カットはそれらの企業のみで実行されます。サンプルのおよそ67%は米国と英国の企業です。観測数が25未満のグループは、正確な値ではなく、方向性を示します。
買収も成功とは限りません。これらの取引の一部は、破産からの投げ売りです。
完全なレポート
このデータに基づいて構築された344ページのレポートは、7つの発見、企業ストーリーの完全なカタログ、およびすべての結論の背後にある算術を示す付録をカバーしています。
メンタルヘルス系スタートアップの墓場:542社の倒産企業、7つのパターン
私は Mentalium を構築する際にこれをまとめました。MentaliumはボイスベースのCBT日記アプリです。このニッチな分野で何年も製品を開発する前に、なぜこれほど多くの企業が倒産しているのかを知りたかったのです。