• Quality Improvement in Health Care
• /
• v.15 no.1
• /
• pp.73-78
• /
• 2009

문제: 오늘날 간호사는 과거와 달리 현대적 보건의료 요구를 해결할 수 있는 체계적인 이론과 기술을 습득하도록 훈련된 고급 전문 인력이고, 간호행위를 생산하기 위해서는 서비스의 생산원가 뿐만 아니라 전문 인력으로서의 훈련 및 유지비용 등도 투입되어야만 가능하게 함으로서 2008년 7월부터 시행한 중환자실 간호등급에 따른 간호수가 책정으로 인해 중환자실 내에서 이루어지고 있는 많은 간호행위 중 수가를 받을 수 있는 부분이 생기게 되었고 간호행위의 중요성과 더불어 간호를 시행 후 받을 수 있는 수가에 대한 간호사들의 입력에 대한 의무도 늘어나게 되었다. 이에 빈번히 누락되고 있는 간호수가 관리를 통한 경제적 손실을 방지해야 할 필요성을 느껴 개선활동을 하고자 한다. 목적: 2008년 7월부터 시행한 중환자실 간호등급에 따른 간호수가 책정으로 인해 중환자실내에서 이루어지고 있는 간호 행위의 중요성을 인식하고 구체적인 문제 분석과 간호 현장에서의 개선안을 도출함으로써 경제적 손실을 방지할 수 있는 간호수가 누락률을 감소시키고자 함이다. 의료기관: 대구파티마병원 내과 중환자실. 질 향상 활동: 업무개선의 방법으로 환자 개인별 간호수가 입력 누락 방지 체크 리스트 사용 및 처방 전달 시스템의 간호수가 재입력 화면을 이용하여 입력의 용이성 도모하였고 입력된 간호수가를 처방 전달 시스템 간호수가 조회 프로그램을 이용해 익일 누락여부를 매일 모니터링 하였다. 교육 및 홍보활동으로는 간호수가 입력누락 방지를 위한 간호수가 입력 지침을 제작하여 전체간호사는 년 2회, 신규간호사는 개별 교육을 실시하였으며, 월별 간호수가 누락통계를 실명 공고 하여 간호수가 다 빈도 누락 간호사는 추가 개별교육을 실시하였다. 개선효과: 간호수가 입력 프로세스 개선을 통해 간호수가 평균 누락률이 개선 전 6.5%, 개선 후 1.2%로 5.3%의 누락 감소율을 보였으며 역치 5%를 달성하였고 간호수가 누락금액은 개선 전 2,992,752원, 개선 후 590,787원으로 2,401,965원의 누락 효과 비용을 구할 수 있었다. 본 QA활동으로 중환자실 간호수가 전산입력에 대한 체계적인 교육부재와 신규간호사들의 잦은 전산누락이 있어왔으나 표준화 된 체크리스트 지침과 입력확인 작업으로 전산입력 누락률이 감소하는 효과를 가져왔다. 추후 심평원 청구 작업을 하는 부서와 연계되어 실제 청구 누락률에 대한 비교와 간호사 근무연수와 간호수가 입력 누락률에 대한 상관관계 조사를 제언 해 본다.

• Journal of the Earthquake Engineering Society of Korea
• /
• v.4 no.2
• /
• pp.47-56
• /
• 2000

지반-구조물 상호작용 시스템 구조물의 진동제어 시스템 복합재료 구조물과 같은 비비례 감쇠 구조물의 경우 정확한 동적응답을 얻기 위해서는 감쇠행렬을 고려한 고유치 문제를 계산하는 것이 필수적이다 그러나 대부분의 고유치 해법에서는 구하고자 하는 고유치 중 일부를 누락시킬 수 있기 때문에 어떤 고유치 해법이 실제문제에 응용 가능한 방법이 되기 위해서는 누락된 고유치의 존재 여부를 검사하는 기법을 포함하고 있어야만 한다. 비감쇠나 비례감쇠 시스템의 경우에는 널리 알려진 Sturm 수열성질을 이용하여 누락된 고유치를 쉽게 검사할 수 있는 반면에 비비례 감쇠 시스템의 경우에는 널리 알려진 Sturm 수열 성질을 이용하여 누락된 고유치를 쉽게 검사할 수 있는 반면에 비비례 감쇠 시스템의 경우에는 아직까지 검사 기법이 개발되어 있지않다 본 논문에서는 편각의 원리를 이용하여 감쇠행렬을 고려한 고유치 문제의 누락된 고유치의 존재여부를 검사하는 기법을 제안하였다 제안방법의 효용성을 검증하기 위하여 두가지 수치예제를 고려하였다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.14 no.2
• /
• pp.1-13
• /
• 2015

Traffic volume data is basic information that is used in a wide variety of fields. Existing missing traffic volume data imputation method did not take the effect on the rainfall. This research analyzed considering of the rainfall effect in missing traffic volume data imputation method. In order to consider the effect of rainfall, established the following assumption. When missing of traffic volume data generated in rainy days it would be more accurate to use only the traffic volume data of the past rainy days. To confirm this assumption, compared for accuracy of imputed results at three kinds of imputation method(Unconditional Mean, Auto Regression, Expectation-Maximization Algorithm). The analysis results, the case on consideration of the rainfall effect was more low error occurred.

• Smart Media Journal
• /
• v.8 no.4
• /
• pp.80-84
• /
• 2019

As a result of AMI rapidly expanding and distributing its products, variety of services that utilize data on the use of electricity are increasing. In order to make these services more effective, missing metric data needs to be corrected, compensating for which Euclidean similarity is used to find customers with similar usage patterns. Throughout such a process, we propose a method for correcting missing data and provide comparison with the preceding methods.

• Journal of Korean Society of Transportation
• /
• v.28 no.3
• /
• pp.61-74
• /
• 2010

ITS (Intelligent transportation systems) collects real-time traffic data, and accumulates vest historical data. But tremendous historical data has not been managed and employed efficiently. With the introduction of data management systems like ADMS (Archived Data Management System), the potentiality of huge historical data dramatically surfs up. However, traffic data in any data management system includes missing values in nature, and one of major obstacles in applying these data has been the missing data because it makes an entire dataset useless every so often. For these reasons, imputation techniques take a key role in data management systems. To address these limitations, this paper presents a promising imputation technique which could be mounted in data management systems and robustly generates the estimations for missing values included in historical data. The developed model, based on NPR (Non-Parametric Regression) approach, employs various traffic data patterns in historical data and is designated for practical requirements such as the minimization of parameters, computational speed, the imputation of various types of missing data, and multiple imputation. The model was tested under the conditions of various missing data types. The results showed that the model outperforms reported existing approaches in the side of prediction accuracy, and meets the computational speed required to be mounted in traffic data management systems.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.399-402
• /
• 2022

본 논문에서는 불완전한 시계열 데이터를 활용하기 전 데이터를 선별하여 활용하는 방법을 소개한다. 시계열 데이터의 품질은 수집 네트워크와 수집 기기의 시간적 변화와 같은 가변적 상황에 의존적이므로 불규칙적으로 이상 혹은 누락 데이터가 발생한다. 이때 에러를 포함하였다는 이유로 일괄적으로 데이터를 제거하여 활용하지 않거나, 혹은 누락 데이터의 구간을 조건 없이 복원하여 활용한다면 원하지 않는 결과를 초래할 수 있다. 제안하는 방법은 시계열 데이터의 구간에 대한 누락 데이터의 통계적 정보를 축출하고 이에 기반하여 활용 목적과 활용 가능한 품질의 기준에 부합하지 않는다면 활용 불가능한 데이터라고 판별하고 미리 분석 등의 데이터 활용 시 자동 제외하는 구조를 제안하고 실험하였다. 제안하는 방법은 활용 목적과 상황에 적응적으로 누락 값을 포함하는 데이터의 빠른 활용 판단이 가능하며 보다 나은 분석 결과를 얻을 수 있다.

• Proceedings of the Earthquake Engineering Society of Korea Conference
• /
• 2001.04a
• /
• pp.172-179
• /
• 2001

비감쇠 혹은 비비례감쇠 시스템의 고유치를 구하기 위한 대부분의 방법들은 저차의 몇 개의 모드만을 사용하여 동적응답을 구하는 경우 누락된 고유치의 존재여부를 검사하기 위해 잘 알려진 Sturm 수열 성질(Sturm sequence property)을 이용한다. 반면 감쇠시스템 즉, 지반-구조물의 진동제어 시스템, 복합재료 구조물과 같은 경우에는 저차 몇 개의 모드만을 사용할 경우 누락 고유치를 검사할 수 있는 효율적인 기법이 아직 확립되지 않은 상태이다. 본 논문에서는 Gleyse의 정리를 이용하여 감쇠스템의 누락된 고유치를 검사하는 기법을 제안하고 이 방법의 효용성을 수치예제를 통하여 검증하였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.10 no.6
• /
• pp.683-690
• /
• 2015

In Rough set, attribute missing values have several problems such as reduct and core estimation. Further, they do not give some discernable pattern for decision tree construction. Now, there are several methods such as substitutions of typical attribute values, assignment of every possible value, event covering, C4.5 and special LEMS algorithm. However, they are mainly substitutions into frequently appearing values or common attribute ones. Thus, decision rules with high information loss are derived in case that important attribute values are missing in pattern matching. In particular, there is difficult to implement cross validation of the decision rules. In this paper we suggest new method for substituting the missing attribute values into high information gain by using entropy variation among given attributes, and thereby completing the information table. The suggested method is validated by conducting the same rough set analysis on the incomplete information system using the software ROSE.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.23 no.5
• /
• pp.495-507
• /
• 2019

Data sparsity is one of the main challenges for the recommender system. The recommender system contains massive data in which only a small part is the observed data and the others are missing data. Most studies assume that missing data is randomly missing from the dataset. Therefore, they only use observed data to train recommendation model, then recommend items to users. In actual case, however, missing data do not lost randomly. In our research, treat these missing data as negative examples of users' interest. Three sample methods are seamlessly integrated into SVD++ algorithm and then propose SVD++_W, SVD++_R and SVD++_KNN algorithm. Experimental results show that proposed sample methods effectively improve the precision in Top-N recommendation over the baseline algorithms. Among the three improved algorithms, SVD++_KNN has the best performance, which shows that the KNN sample method is a more effective way to extract the negative examples of the users' interest.

• Progress in Medical Physics
• /
• v.10 no.2
• /
• pp.95-101
• /
• 1999

The aims of this report are to classify the incorrect data of patients and the errors of dose and dose distribution observed in QA activities on teleradiotherapy chart, and to analyze their frequency. In our department, radiation physicists check several sheets of patient chart to reduce numeric errors before starting radiation therapy and at least once a week, which include history, port diagram, MU calculation or treatment planning summary and daily treatment sheet. The observed errors are classified as followings. 1) Identity of patient, 2) Omitted or unrecorded history sheet even though not including the item related to dose, 3) Omission of port diagram, or omitted or erroneous data, 4) Erroneous calculation of MU and point dose, and important causes, 5) Loss of summary sheet of treatment planning, and erroneous data of patient in the sheet, 6) Erroneous record of radiation therapy, and errors of daily dose, port setup, MU and accumulated dose in the daily treatment sheet, 7) Errors leading inexact dose or dose distribution, errors not administerd even though its possibility, and simply recorded errors, 8) Omission of sign. Number of errors was counted rather than the number of patients. In radiotherapy chart QA from Jun 17, 1996 to Jul 31, 1999, no error of patient identity had been observed. 431 Errors in 399 patient charts had been observed and there were 405 physical errors, 9 cases of omitted or unrecorded history sheet, and 17 unsigned. There were 23 cases (5.7%) of omitted port diagram, 21 cases (5.2%) of omitted data and 73 cases (18.0 %) of erroneous data in port diagram, 13 cases (3.2 %) treated without MU calculation, 68 cases (16.3 %) of erroneous MU, 8 cases (2.0%) of erroneous point dose, 1 case (0.2 %) of omitted treatment planning summary, 11 cases (2.7%) of erroneous input of patient data, 13 cases (3.2%) of uncorrected record of treatment, 20 cases (4.9%) of discordant daily doses in MU calculation sheet and daily treatment sheet, 33 cases (8.1%) of erroneous setup, 52 cases (12.8%) of MU setting error, 61 cases (15.1%) of erroneous accumulated dose. Cases of error leading inexact dose or dose distribution were 239 (59.0 %), cases of error not administered even though its possibility were 142 (35.1 %), and cases of simply recorded error were 24 (5.9 %). The numeric errors observed in radiotherapy chart ranged over various items. Because errors observed can actually contribute to erroneous dose or dose distribution, or have the possibility to lead such errors, thorough QA activity in physical aspects of radiotherapy charts is required.