• 농촌의학ㆍ지역보건
• /
• 제34권1호
• /
• pp.101-112
• /
• 2009

2007년 11월 현재 운영 중인 전국 73개 도축장 및 62개 부산물처리장에서 근무하고 있는 소 도축 관련 종사자 1,503명(도축작업자 859명, 부산물처리자 358명, 검사관 및 검사보조원 191명, 등급판정사 및 보조원 95명)을 대상으로 3가지 인수공통감염증(브루셀라증, 큐열, 장출혈성대장균감염증)에 대한 인지도 및 전파경로, 예방법 등에 대한 설문조사를 실시하여 각 직종별로 인수공통감염증에 대한 인지도를 성별, 연령대별, 학력별로 분석하였다. 각 인수공통감염증의 인지율은 브루셀라증이 83.9%로 높은데 비해, 장출혈성대장균감염증은 62.1%이었고, 큐열은 18.5%이었다. 큐열의 경우, 도축작업자와 부산물처리자, 등급판정사 및 보조원의 인지율이 각각 6.6%, 10.3%, 18.9%에 불과했다. 직종별로는 도축작업자와 부산물처리자의 인지율이 검사관 및 검사보조원이나 등급판정사 및 보조원에 비하여 낮고, 같은 직종 내에서는 브루셀라증과 장출혈성대장균감염증의 인지율이 학력이 증가함에 따라 유의미하게 높아지는 경향을 보였다. 또한 다항로지스틱 회귀분석 결과 학력이 유의미하게 인지도에 영향을 주는 요인으로 밝혀져 고위험군을 대상으로 인수공통감염증 전반에 대한 기초적인 교육의 중요성이 강조된다. 각 인수공통감염증의 전파경로로 대부분의 종사자들이 경구를 통한 감염에 대해서는 올바르게 인지하고 있었지만, 그 외의 감염경로에 대해서는 모르거나 잘못 알고 있는 경우가 많았다. 인수공통감염증의 예방이 어려운 이유를 묻는 질문에서 도축작업자와 부산물처리자는 ‘예방법을 몰라서’가, 검사관 및 검사보조원과 등급판정사 및 보조원은 ‘보호구는 있는데 착용하면 불편하고 거추장스러워서’가 가장 많은 답변이었다. 이번 연구의 결과를 토대로 큐열에 대한 홍보교육을 강화하여야 할 것이며, 도축작업자와 부산물처리자에 대해서는 인수공통전염병 전반에 대한 기초교육과 함께 예방법에 대한 교육을 실시해야 할 것이다.

• 한국산학기술학회논문지
• /
• 제17권10호
• /
• pp.591-599
• /
• 2016

국민건강보험공단 직장가입자들 중 만 20세 이상의 장애인 건강검진 수검자들을 대상으로 2009년도 3,186명, 2013년도 3,611명의 경증장애인들을 조사하였다. 경증 장애인은 장애인 분류표준 기준으로 지체장애, 뇌병변장애, 시각장애, 청각장애, 지적장애, 정신장애, 신장장애, 기타장애 판정을 받은 장애인들 중 3~6등급 장애인으로 그룹화하였다. 연구의 목적은 경증장애인들의 비만이 고혈당, 고혈압, 고콜레스테롤에 미치는 위험성을 살펴보고자 한다. 측정 항목으로는 복부비만, Body Mass Index, 공복시 혈당, 총콜레스테롤, 이완기 확장기혈압을 조사하였으며, 비만도와 각 질환의 위험군과의 관련성을 살펴보기 위해 교차분석과 다항 로지스틱회귀분석을 시행하였다. 그 결과, 남성, 연령이 낮을수록, 소득이 높을수록 복부비만과 BMI가 증가하였다. 또한, 각 질환별 이상군에서 복부비만군과 BMI의 위험도가 높았다. 2009년도는 BMI 비만군이 정상군에 비해 고혈압 위험도는 1.51배 높게 나타났다. 복부비만군은 정상인에 비해 고콜레스롤은 1.59배, 고혈압은 1.26배, 고혈당은 1.54배 더 높은 위험도를 나타냈다. 2013년도는 BMI 비만군이 정상군에 비해 고콜레스테롤은 1.72배, 고혈압은 1.43배 더 높은 위험도를 나타냈다. 복부비만인은 정상인에 비해 고혈당의 위험도가 1.59배 더 높게 나타났다. 장애인에서 비만의 위험도가 정상인에 비해 더 높게 나타난 결과로 보아, 장애인들의 정기적인 건강검진 수검율을 높이고 확대실시하여, 장애인들의 질병양상을 확인하고, 비만예방에 대한 적절한 교육과 관심이 요구되어진다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 경영정보학연구
• /
• 제16권3호
• /
• pp.161-177
• /
• 2014

기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.