머신러닝을 이용한 미숙아의 재원일수 예측 융복합 연구Convergence study to predict length of stay in premature infants using machine learning
- Other Titles
- Convergence study to predict length of stay in premature infants using machine learning
- Authors
- 김촉환; 강성홍
- Issue Date
- 2021
- Publisher
- 한국디지털정책학회
- Keywords
- 재원일수; 머신러닝; 큐비스트; 인공신경망; 융복합 연구; Length of stay; machine learning; cubist; artificial neural network; convergence study
- Citation
- 디지털융복합연구, v.19, no.7, pp.271 - 282
- Journal Title
- 디지털융복합연구
- Volume
- 19
- Number
- 7
- Start Page
- 271
- End Page
- 282
- URI
- https://scholarworks.bwise.kr/sch/handle/2021.sw.sch/19063
- DOI
- 10.14400/JDC.2021.19.7.271
- ISSN
- 2713-6434
- Abstract
- 본 연구는 미숙아의 재원일수 예측 모형을 머신러닝 기법을 통해 개발하기 위해 수행 되었다. 모형 개발을 위해 질병관리본부에서 수집한 퇴원손상심층조사 자료의 2011년부터 2016년까지 퇴원한 미숙아 6,149건을 이용하였다. 입원 초기 신경망 모형은 설명력(R²)이 0.75로 다른 모형에 비해 우수 하였다. 입원 초기 변수에 임상진단을 CCS(Clinical class ification software)로 변환하여 추가 투입한 모형은 큐비스트(Cubist) 모형의 설명력(R²)이 0.81로 랜덤 포레스트(Random Forests), 그라디언트 부스트(Gradient boost), 신경망(neural network), 벌점화 회귀(Penalty regression) 모형에 비해 성능이 우수 하였다. 본 연구는 전국단위 데이터를 이용한 미숙아의 재원일수 예측 모형을 머신러닝을 통해 제시하고 그 활용 가능성을 확인하였다. 하지만 임상정보, 부모정보 등 데이터의 한계로 향후 성능 향상을 위한 추가 연구가 필요하다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - ETC > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.