• 디지털융복합연구
• /
• 제15권2호
• /
• pp.273-283
• /
• 2017

본 연구는 의료기관이 자체적으로 재원일수관리 활동을 하도록 유도하기 위해 외래정보로 재원일수를 예측하여 입원환자 재원일수를 예측하고 재원일수관리의 효율성을 제공할 수 있는 융복합 맞춤형 재원일수 관리 시스템을 개발 방안을 제시하고자 하였다. 외래정보 자료를 기반으로 개발된 재원일수 예측 모형을 이용한 융복합의 맞춤형 재원일수 관리 웹 프로그램은 실시간 예측 재원일수 산출되도록 구현되었다. 예측 모형을 기반으로 장기재원예측 환자군, 집중 관리 환자군 등 재원일수관리 서비스 대상이 도출되었다. 장기재원예측 환자군, 집중관리 환자군에 장기 재원 예상 알림 서비스, 재원일수 초과 알림 서비스 등을 제공할 수 있어 맞춤형 재원일수 관리 시스템이 맞춤형 재원일수 관리에 효율적인 시스템인 것이 확인되었다. 이에 융복합 맞춤형 재원일수 관리 시스템 웹 활용을 위해서는 재원일수 예측 질환의 확대와 국가 차원의 시범운영 정책 추진 방안이 필요하다.

• 디지털융복합연구
• /
• 제10권1호
• /
• pp.413-422
• /
• 2012

본 연구는 급성심근경색증 입원환자를 대상으로 중증도가 보정된 적정 재원일수 예측모형을 개발하여 의료의 질 관리 및 정책 개발에 필요한 기초자료를 제시하고자 하였다. 2004-2006년 퇴원손상심층조사 자료 중 급성심근경색증 입원환자 2,309명을 대상으로 급성심근경색증 입원환자의 적정 재원일수 예측모형은 데이터마이닝을 이용하여 개발하였다. 의사결정나무 모형에 따라 급성심근경색증 입원환자의 평균재원일수에 가장 큰 영향을 미치는 변수는 관상동맥우회술(CABG)과 동반질환 건수로 나타났다. 앙상블 모형을 이용하여 개발된 급성심근경색증 입원환자의 중증도 보정 재원일수 모형 결과, 적정 재원일수와 실제 재원일수의 차이는 보험유형과 의료기관 소재지가 통계적으로 유의하게 나타났다. 따라서 재원일수의 변이를 줄이고 효율적으로 관리하기 위해 의료기관에서는 다빈도 질환에 대한 중증도 보정 적정 재원일수 예측모형을 개발하여 이를 의료정보시스템에 적용하고 관리하는 활동을 전개해야 할 것이다.

• 디지털융복합연구
• /
• 제16권1호
• /
• pp.231-242
• /
• 2018

병원 재원일수의 효율적 관리는 병원의 수익과 환자의 진료비 절감을 위해 매우 중요한 요소이다. 이러한 재원일수의 효율적 관리를 위해서는 병원들이 재원일수에 대해서 벤치마킹을 할 수 있도록 지원이 필요하고 재원일수 절감의 구체적인 방향을 제시해 줄 수 있는 재원일수 예측모형의 개발이 필요하다. 본 연구에서는 2013년과 2014년도 퇴원손상환자자료 중 급성뇌졸중 환자를 추출하여 분석용 자료를 만들고 인공지능을 이용하여 급성뇌졸중 환자의 재원일수 예측모형을 개발하였다. 분석용 자료는 훈련용 60%, 평가용 40%로 분류하였다. 모형개발은 전통적 통계기법인 다중회귀분석기법과 인공지능기법인 대화식 의사결정나무기법, 신경망 기법, 그리고 이들을 모두 통합한 앙상블기법을 이용하였다. 모형평가는 Root ASE(Absolute error) 지표를 이용하였는데, 다중회귀분석은 23.7, 대화식결정나무 23.7, 신경망 분석은 22.7, 앙상블은 22.7로 나타났고 이를 통하여 재원일수 예측모형 개발에 인공지능기법의 유용성이 입증되었다. 앞으로 재원일수 예측모형개발에 인공지능 기법을 보다 효율적으로 활용할 수 있는 방안에 대해서 계속적인 연구가 이루어 질 필요가 있다.

• 디지털융복합연구
• /
• 제11권6호
• /
• pp.221-233
• /
• 2013

본 연구는 뇌졸중 환자의 효율적인 재원일수 관리를 위해 행정자료를 이용하여 우리나라 의료기관을 이용한 뇌졸중 입원환자의 중증도 보정 적정 재원일수 예측 모형을 개발하고 이를 의료기관에서 활용할 수 있는 방안을 제시하고자 하였다. 이를 위해 2004-2009년 퇴원손상심층조사 자료 중 뇌졸중 입원환자 23,134명을 대상으로 데이터마이닝 기법을 이용하여 뇌졸중 입원환자의 적정 재원일수 예측모형을 개발하였다. 의사결정나무 모형에 따라 뇌졸중 입원환자의 평균재원일수에 가장 큰 영향을 미치는 변수는 뇌졸중 발생유형이었으며, 의사결정나무를 이용하여 개발된 뇌졸중 입원환자의 중증도 보정 재원일수 모형 결과, 적정 재원일수와 실제 재원일수의 차이는 진료비지불방법, 의료기관 소재지, 병상규모가 모두 통계적으로 유의하게 나타났다. 따라서 뇌졸중 입원환자의 재원일수 변이를 줄이고 효율적으로 관리하기 위해서는 개발된 모형을 의료기관의 의료정보시스템에 적용하고 관리하는 활동을 전개해야 할 것이다.

• 한국콘텐츠학회논문지
• /
• 제11권9호
• /
• pp.372-383
• /
• 2011

본 연구의 목적은 관상동맥중재술 입원 환자의 재원일수의 변이를 규명하기 위해 중증도 보정 모형을 개발하였다. 2004~2006년 퇴원손상환자 조사자료 중 관상동맥중재술 입원 환자 1,011건을 연구대상으로 하였으며, 재원일수의 변이분석은 t검정, 분산분석을 실시하였고, 중증도 보정 재원일수 모형은 데이터마이닝 기법을 이용하였다. 개발된 다중회귀분석 모형을 이용하여 예측 재원일수를 산출하고 이를 실제 재원일수와 비교한 결과 병상규모별, 보험유형과 지역별로 재원일수의 변이가 존재하는 것으로 나타났다. 환자 특성과 중증도를 통제하고 나타난 재원일수의 변이는 공급자 요인으로 설명될 수 있는데, 진료행태나 의료자원에 대한 후속 연구가 필요한 것으로 보인다. 본 연구는 행정 데이터를 이용하여 중증도 모형을 개발하고 변이를 확인하였다는 점에서 활용의 효용성을 높이는 데 기여할 것으로 사료된다.

• 디지털융복합연구
• /
• 제19권7호
• /
• pp.271-282
• /
• 2021

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.

• 한국산학기술학회논문지
• /
• 제12권3호
• /
• pp.1234-1243
• /
• 2011

본 연구의 목적은 지역사회획득 폐렴 입원 환자의 재원일수의 변이를 분석하기 위해 중증도 모형을 개발하였다. 2004~2006년 퇴원손상환자 조사자료 중 지역사회획득 폐렴환자 5,353건을 연구대상으로 하였으며, 재원일수의 차이분석은 t검정, 분산분석을 실시하였고, 중증도 보정 재원일수 예측 모형은 데이터마이닝 기법을 이용하였다. 여자에 비해 남자, 연령이 많을수록, 의료급여, 응급실 경유 환자의 재원일수가 긴 반면, 병원사망 여부에 따라서는 유의한 차이가 없었다. 개발된 의사결정나무 모형을 이용하여 예측 재원일수를 산출하고 표준화한 값을 비교한 결과 타지역 진료여부에 따라서 재원일수의 차이는 없는 반면, 보험유형과 지역별로 재원일수의 변이가 존재하는 것으로 나타났다. 환자 특성과 중증도를 통제하고 나타난 재원일수의 변이는 공급자 요인으로 설명될 수 있는데, 진료행태나 의료자원에 대한 후속 연구가 필요한 것으로 보인다. 본 연구는 행정 데이터를 이용하여 중증도 모형을 개발하고 변이를 확인하였다는 점에서 활용의 효용성을 높이는 데 기여할 것으로 사료된다.

• 한국산학기술학회논문지
• /
• 제10권6호
• /
• pp.1424-1432
• /
• 2009

충수돌기염 환자의 LoS(Length of Stay)를 예측하는 것은 병상의 운영에 적지 않은 영향을 준다. 본 논문에서는 Neural Networks와 Decision Tree를 이용하여 LoS와 연관이 높은 입력변수들을 찾아 그 의미를 분석하며, 찾아낸 입력변수들을 이용하여 다양한 LoS 예측 모형을 개발하고 그 성능을 비교하였다. 모형의 예측 정확성을 높이기 위하여 Bagging과 Boosting 등의 Ensemble 기법도 적용하였다. 실험 결과, Decision Tree 모형이 Neural Networks 모형보다 좀 더 적은 수의 속성을 가지고도 거의 통일한 예측력을 보였으며, Ensemble 기법 중에서는 Bagging 기법이 Boosting 기법보다 좋은 결과를 보여주었다. 의사결정나무 기법은 Neural Networks 기법에 비해 설명력이 있으며, 충수돌기염의 LoS 예측에 매우 효과적이었고, 중요 입력 변수의 선정에도 좋은 결과를 보여줌에 따라 향후 적극적인 기법의 도입이 필요하다고 할 수 있다.

• 한국산학기술학회논문지
• /
• 제20권4호
• /
• pp.435-447
• /
• 2019

불필요한 재입원을 예방하기 위해서는 재입원 확률이 높은 집단을 집중적으로 관리할 필요가 있다. 이를 위해서는 재입원 예측모형의 개발이 필요하다. 재원예측 모형을 개발하기 위해 1개 대학병원의 2016년에서 2017년의 2년간의 퇴원요약환자 데이터를 수집하였다. 이때 재입원 환자는 연구 기간 내에 2번 이상 퇴원한 환자라 정의 하였다. 재입원환자의 특성을 파악하기 위해 기술통계와 교착분석을 실시하였다. 재입원 예측 모형개발은 데이터마이닝 기법인 로지스틱회귀모형, 신경망, 의사결정모형을 이용하였다. 모형평가는 AUC(Area Under Curve)를 이용하였다. 로지스틱회귀모형이 AUC가 0.81로 가장 우수하게 나옴에 따라 본 연구에서는 로지스틱 회귀모형을 최종 재입원 예측 모형으로 선정을 하였다. 로지스틱회귀모형에서 선정된 재입원에 영향을 끼치는 주요한 변수는 성별, 연령, 지역, 주진단군, Charlson 동반질환지수, 퇴원과, 응급실 경유 여부, 수술여부, 재원일수, 총비용, 보험종류 등이었다. 본 연구에서 개발한 모형은 1개병원의 2년치 자료이므로 일반화하기에는 제한점이 있다. 추후에 여러 병원 장기간의 데이터를 수집하여 일반화 할 수 있는 모형을 개발하는 것이 필요하다. 더 나아가 계획에 없던 재입원 까지 예측을 할 수 있는 모형을 개발하는 것이 필요하다.

• 대한교통학회지
• /
• 제18권5호
• /
• pp.7-16
• /
• 2000

본 논문은 고속도로사고의 시간-공간적 반복성을 검증하고 이러한 현상의 원인을 규명하는 연구이다. 이를 위해 중부고속도로를 대상으로 계절성 유무검증과 계절성인자의 요인분석을 위한 계절군집별 모형을 개발, 해석하였다. 먼저 자가조직지도와 사고지표(월평균 사고율과 월평균 대물피해환산치) 분석을 통해, 국내 고속도로사고의 계절성이 존재하는 것을 확인하였으며, 집합적 계층적 군집분석기법을 사용하여 적정 계절군집수를 분석한 결과 겨울군집 봄가을군집, 여름군집의 3개 군집으로 분리되었다. 또한 해당 군집의 대표값은 겨울군집이 사상 자수와 사고차량수는 적은 반면 사고의 치명도는 매우 높은 것으로 나타났으며, 여름군집은 사상자수와 사고차량수는 많은 반면, 사고의 치명도는 다소 낮은 것으로 나타났다. 또한 계절군집별로 회귀모형식을 개발하여 계절군집별 사고특성을 검토한 결과, 계절성 유발인자(교통량, 안개, 결빙일수, 강설량, 강우량)와 계절군집의 사고가 매우 밀접한 관계를 가지고 있었으며 이들의 차이에 따라 국외 또는 지역별로 계절성의 특성이 다소 달라지는 것으로 분석되었다. 아울러, 이러한 연구결과는 사고다발지점선정기법, 사고예측 및 기술 모형 개발, 안전 관리를 위한 재원의 배분문제 등의 사고안전관리계획을 합리화하는 기초자료로 활용되리라 판단된다.