• 대한간호학회지
• /
• 제53권4호
• /
• pp.426-438
• /
• 2023

Purpose: Walking practice is a representative indicator of the level of physical activity of local residents. Although the world health organization addressed reduction in prevalence of insufficient physical activity as a global target, the rate of walking practice in Korea has not improved and there are large regional disparities. Therefore, this study aimed to explore the spatial variations of walking practice and its associated factors in Korea. Methods: A secondary analysis was conducted using Community Health Outcome and Health Determinants Database 1.3 from Korea Centers for Disease Control and Prevention. A total of 229 districts was included in the analysis. We compared the ordinary least squares (OLS) and the geographically weighted regression (GWR) to explore the associated factors of walking practice. MGWR 2.2.1 software was used to explore the spatial distribution of walking practice and modeling the GWR. Results: Walking practice had spatial variations across the country. The results showed that the GWR model had better accommodation of spatial autocorrelation than the OLS model. The GWR results indicated that different predictors of walking practice across regions of Korea. Conclusion: The findings of this study may provide insight to nursing researchers, health professionals, and policy makers in planning health programs to promote walking practices in their respective communities.

• 농촌계획
• /
• 제23권3호
• /
• pp.13-20
• /
• 2017

본 연구는 가나의 비료 보조금 정책(Fertilizer subsidy program: FSP)의 농업 생산성에 대한 영향을 분석하였다. 가나의 군(district) 지역 수준의 농업 생산량 및 투입요소에 대한 자료를 사용하여, FSP 도입 이전과 FSP 도입 이후의 농업 생산성을 계측하였다. 지역적으로 상이한 수준의 농업 생산성을 반영하기 위한 지리적가중회귀(GWR)모형을 사용하여 계측의 오류를 줄이고 공간이질성을 고려하였다. 추정 결과를 바탕으로 ArcMap을 이용하여 생산성을 지도로 시각화 한 자료를 살펴보면, FSP 도입 이후 농업 생산성이 전반적으로 개선되었으며 그 중에서도 생산성이 크게 향상된 지역을 특정할 수 있다. 이러한 공간적 변화는 FSP의 지역적 할당의 효율성 증진을 위한 의사결정 자료로 이용 가능하며, 국내 ODA 추진기관에서 농업 지도 및 지원을 위해 유용한 정보로 사용할 수 있다.

• 지적과 국토정보
• /
• 제48권1호
• /
• pp.169-186
• /
• 2018

급속한 고령화 사회에서 노인인구가 갖는 사회적 영향력은 더욱 가속화될 것이다. 본 연구에서는 인공지능 방법론 중 머신러닝, 인공신경망, 국토정보 분석을 통해 노인복지 취약지구를 추출하는 방법론을 정립하는데 목적을 두었다. 분석방향 정립을 위해 65세 이상 노인, 공무원, 노인복지 시설물 담당자와 인터뷰 후 방향을 설정하였다. 경기도 용인시를 대상으로 500 m 공간단위 벡터 기반 격자에 15분 이내 지리적 거리 수용력, 노인복지 향유도, 공시지가, 이동통신 기반 노인활동을 지표로 설정하였다. 10단계 군집형성 후 모의학습 결과 RBF 커널 알고리즘을 활용한 머신러닝 서포트 벡터머신에서 83.2%의 예측정확도가 나타났다. 그리고 역전파 알고리즘을 활용한 인공신경망에서 높은 상관성 결과(0.63)가 나타났다. 변수간 공간적 자기상관성을 분석하기 위해 지리적 가중회귀분석을 수행했다. 분석결과 결정계수가 70.1%로 모형으로 나타나 설명력이 우수한 것으로 나타났다. 변수의 공간적 이상값 여부와 분포패턴을 검토하기 위해 국지적인 공간적 자기상관성 지수인 Moran's I 계수와 Getis-Ord Gi 계수를 분석하였다. 분석결과 용인시 신도시인 수지 기흥구에서 노인복지 취약지구가 발생하는 특성을 보였다. 본 연구의 인공지능 모의방법과 국토정보 분석의 연계는 최근 정부의 지역여건을 고려한 노인복지 불균형을 해결하는데 활용될 수 있을 것이다.

• 대한간호학회지
• /
• 제53권1호
• /
• pp.101-114
• /
• 2023

Purpose: This study aimed to identify regional differences in problem drinking among adult males in single-person households and predict the determinants. Methods: This study used data from the 2019 Community Health Survey. Geographically weighted regression analysis was performed on 8,625 adult males in single-person households who had been consuming alcohol for the past year. The Si-Gun-Gu was selected as the spatial unit. Results: The top 10 regions for problem drinking among adult males in single-person households were located in the Jeju-do and Jeollanam-do areas near the southern coast, whereas the bottom 10 regions were located in the Incheon and northern Gyeonggi-do areas. Smoking, economic activity, and educational level were common factors affecting problem drinking among this population. Among the determinants of regional disparities in problem drinking among adult males in single-person households, personal factors included age, smoking, depression level, economic activity, educational level, and leisure activity, while regional factors included population and karaoke venue ratio. Conclusion: Problem drinking among adult males in single-person households varies by region, and the variables affecting each particular area differ. Therefore, it is necessary to develop interventions tailored to individuals and regions that reflect the characteristics of each region by prioritizing smoking, economic activity, and educational level as the common factors.