• 산업융합연구
• /
• 제22권1호
• /
• pp.75-84
• /
• 2024

본 연구는 예비노인의 자아존중감이 주관적 건강 인식에 미치는 영향과 대인관계 능력의 매개효과를 검증하여 예비노년의 신체적·정신적 측면에서의 주관적 건강 인식 수준 향상을 위한 기초자료를 제공하는 데 목적이 있다. 분석을 위해 수도권을 중심으로 사회복지기관에서 운영하는 예비노인 프로그램 참여 55세 이상~64세 예비노인 270명을 대상으로 2023년 2월 16일부터 3월 16일까지 설문조사를 통해 자료를 수집하였으며, SPSS WIN 25.0과 PROCESS MACRO를 활용하였다. 분석방법은 빈도분석, 기술통계분석, 상관관계 분석을 실시하였고, 구조방정식 분석을 통해 대인관계 능력의 매개효과를 검증하였으며, 주요 분석결과는 다음과 같다. 첫째, 예비노인의 자아존중감은 주관적 건강 인식에 정(+)의 영향을 미치는 것으로 나타났다. 둘째, 에비노인의 자아존중감과 주관적 건강 인식 간의 관계에서 대인관계 능력은 매개효과가 나타났다. 이러한 결과를 토대로 향후 노년기에 활발하고 성공적인 노후 생활을 누릴 수 있는 기초자료를 제시하였다는 점에서 의의가 있다.

• 한국식품위생안전성학회지
• /
• 제39권2호
• /
• pp.171-179
• /
• 2024

기존 질병비용연구(COI)에서 환자의 여가시간 손실에 따른 경제적 영향은 상대적으로 적은 관심을 받아왔다. 또한, 기존연구들은 주로 만성질환 또는 중질환에 초점을 맞췄으며, 이로 인해 입원환자나 외래환자가 아닌 상대적으로 증상이 약한 자가치료환자들에 대해서는 충분히 다루지 못했다는 한계를 가지고 있다. 이에 본 연구에서는 자가치료 환자들을 포함하고, 더 나아가 고용 상태와 실제 여가활동 중단 기간 등을 고려하여 식중독으로 인한 여가손실의 연간 비용을 계산하였다. 이 과정에서 건강과 노동에 관한 통계 자료를 활용하고, 식중독으로 인한 여가손실을 정확히 평가하는 방법을 제시하였다. 연구 결과, 국내에서 식중독으로 인한 여가 손실에 따른 연간 경제적 비용은 약 7,845억 원(7억 2,800만 USD)으로 나타났다. 본 연구에서는 자가 치료 환자들을 포함하지 않거나 치료 시간과 고용 상태를 고려하지 않은 경우, 여가손실비용이 낮게 추정될 가능성을 제시하고 있다. 즉, 식중독과 같은 질병의 사회적 영향을 평가할 때 자가 치료, 고용 상태, 그리고 영향받는 전체 기간을 포함한 다양한 요소를 고려하는 것이 중요하다는 것을 의미한다. 이 연구 결과는 정책 결정자와 의료 전문가들에게 질병의 경제적 영향을 보다 넓은 관점에서 이해하고, 보건의료 자원을 더 효과적으로 배분하는 데 도움이 될 수 있는 중요한 통찰을 제공한다.

• 한국의료질향상학회지
• /
• 제30권1호
• /
• pp.120-131
• /
• 2024

Purpose: This study aimed to evaluate the impact of implementing a clinical pathways (CPs) on the clinical outcomes and costs of patients undergoing breast cancer surgery. Methods: This retrospective cohort study included patients who were newly diagnosed with primary breast cancer at the Samsung Medical Center between 2014 and 2019 (N=8482; 2931 patients in the pre-path and 5551 patients in the post-path). Clinical outcomes included reoperation during hospitalization, readmission, and emergency room visits within 30 days of discharge. The cost data for each unit were obtained from an activity-based management accounting system. We performed an interrupted time series analysis. Results: The post-path period showed a significantly shorter hospital length of stay (LOS) than the pre-path period (6.3 days in pre-path vs. 5.0 days in post-path; -1.3 days' difference; p=.001), and fewer reoperations during hospitalization and within 30 days after discharge than the pre-path period. After adjusting for inflation rates and relative value scores, the model demonstrated savings of $146 per patient in the post-path for total costs, and $537 per patient for patient out-of-pocket costs (p=.001). Conclusion: CPs can help reduce costs without compromising the quality of care by reducing the number of reoperations, readmissions, and complications.

• Korean Journal of Radiology
• /
• 제24권5호
• /
• pp.454-464
• /
• 2023

Objective: We aimed to investigate current expectations and clinical adoption of artificial intelligence (AI) software among neuroradiologists in Korea. Materials and Methods: In April 2022, a 30-item online survey was conducted by neuroradiologists from the Korean Society of Neuroradiology (KSNR) to assess current user experiences, perceptions, attitudes, and future expectations regarding AI for neuro-applications. Respondents with experience in AI software were further investigated in terms of the number and type of software used, period of use, clinical usefulness, and future scope. Results were compared between respondents with and without experience with AI software through multivariable logistic regression and mediation analyses. Results: The survey was completed by 73 respondents, accounting for 21.9% (73/334) of the KSNR members; 72.6% (53/73) were familiar with AI and 58.9% (43/73) had used AI software, with approximately 86% (37/43) using 1-3 AI software programs and 51.2% (22/43) having up to one year of experience with AI software. Among AI software types, brain volumetry software was the most common (62.8% [27/43]). Although 52.1% (38/73) assumed that AI is currently useful in practice, 86.3% (63/73) expected it to be useful for clinical practice within 10 years. The main expected benefits were reducing the time spent on repetitive tasks (91.8% [67/73]) and improving reading accuracy and reducing errors (72.6% [53/73]). Those who experienced AI software were more familiar with AI (adjusted odds ratio, 7.1 [95% confidence interval, 1.81-27.81]; P = 0.005). More than half of the respondents with AI software experience (55.8% [24/43]) agreed that AI should be included in training curriculums, while almost all (95.3% [41/43]) believed that radiologists should coordinate to improve its performance. Conclusion: A majority of respondents experienced AI software and showed a proactive attitude toward adopting AI in clinical practice, suggesting that AI should be incorporated into training and active participation in AI development should be encouraged.

• Korean Journal of Radiology
• /
• 제23권5호
• /
• pp.505-516
• /
• 2022

Objective: To evaluate whether artificial intelligence (AI) for detecting breast cancer on mammography can improve the performance and time efficiency of radiologists reading mammograms. Materials and Methods: A commercial deep learning-based software for mammography was validated using external data collected from 200 patients, 100 each with and without breast cancer (40 with benign lesions and 60 without lesions) from one hospital. Ten readers, including five breast specialist radiologists (BSRs) and five general radiologists (GRs), assessed all mammography images using a seven-point scale to rate the likelihood of malignancy in two sessions, with and without the aid of the AI-based software, and the reading time was automatically recorded using a web-based reporting system. Two reading sessions were conducted with a two-month washout period in between. Differences in the area under the receiver operating characteristic curve (AUROC), sensitivity, specificity, and reading time between reading with and without AI were analyzed, accounting for data clustering by readers when indicated. Results: The AUROC of the AI alone, BSR (average across five readers), and GR (average across five readers) groups was 0.915 (95% confidence interval, 0.876-0.954), 0.813 (0.756-0.870), and 0.684 (0.616-0.752), respectively. With AI assistance, the AUROC significantly increased to 0.884 (0.840-0.928) and 0.833 (0.779-0.887) in the BSR and GR groups, respectively (p = 0.007 and p < 0.001, respectively). Sensitivity was improved by AI assistance in both groups (74.6% vs. 88.6% in BSR, p < 0.001; 52.1% vs. 79.4% in GR, p < 0.001), but the specificity did not differ significantly (66.6% vs. 66.4% in BSR, p = 0.238; 70.8% vs. 70.0% in GR, p = 0.689). The average reading time pooled across readers was significantly decreased by AI assistance for BSRs (82.73 vs. 73.04 seconds, p < 0.001) but increased in GRs (35.44 vs. 42.52 seconds, p < 0.001). Conclusion: AI-based software improved the performance of radiologists regardless of their experience and affected the reading time.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.67-74
• /
• 2024

본 논문에서는 기후 변화와 지속 가능한 수자원 관리의 중요성이 증가하는 가운데, 다양한 강우 측정 방법이 저수지 수위 예측 성능에 미치는 영향을 분석하기 위한 연구를 제시한다. 이를 위해 우리는 기상정보개방포털에서 제공하는 종관기상관측장비인 ASOS의 관측 강우, 자동기상관측장비인 AWS의 관측 강우, 그리고 면적강우비에 따라 재산정된 티센망 기반의 강우 데이터를 활용하여 신경망 기반 저수율 예측 모델에 대한 학습을 각각 수행하고, 학습된 모델의 예측 성능을 비교 및 분석하였다. 전라북도 소재 34개의 저수지에 대한 실험을 통해 각 강우량 측정방식이 저수율 예측 정확도 향상에 얼마나 기여하는지 조사하였다. 연구 결과, 티센망 기반의 강우 면적비를 활용한 저수지 강우 데이터가 가장 높은 예측 정확도를 제공한다는 것을 밝혀냈다. 이는 티센망이 주변 관측소들 사이의 정확한 거리를 고려함으로써 각 관측소가 대표하는 지역의 경계를 정의함으로써 각 지역의 실제 강우 상황을 더 정확하게 반영하기 때문이다. 이러한 발견은 정확한 지역 강우 데이터 학습이 저수율 예측에 있어 결정적인 요인 중 하나임을 시사한다. 더불어, 이 연구는 정밀한 강우 측정 및 데이터 분석의 중요성을 강조하며, 농업, 도시 계획, 홍수 관리와 같은 다양한 분야에서 예측 모델의 잠재적 응용 가능성을 제시한다.

• 문화기술의 융합
• /
• 제10권2호
• /
• pp.215-224
• /
• 2024

본 연구는 국내 간호대학생의 신생아 시뮬레이션 실습교육 관련 연구동향을 살펴보기 위한 서술적 조사연구이다. 문헌수집은 국내 6개 전자 데이터베이스에서 ('신생아 시뮬레이션')과 ('간호학생' OR '간호대학생' OR '학생간호사')로 조합하여 검색한 결과 총 17편을 선정하였다. 연구결과는 2011년~2015년 7편으로 시작하여 2016년~2020년 5편과 2021년~2023년 5편으로 다소 감소하는 것으로 나타났다. 연구설계는 양적연구 총 16편(94%)으로 중재연구 15편(88%), 서술적 조사연구 1편(6%)이고, 혼합연구는 1편(6%)이었다. 시뮬레이션 주요 사례 주제는 고위험 신생아 간호 9편(52%), 호흡곤란증후군 중환아 간호 3편(18%), 신생아 간호 3편(18%) 정상 신생아 간호 1편(6%), 신생아 응급 기도 간호 1편(6%)으로 나타났다. 주요 결과 변수 및 적용효과는 임상수행능력 5편(19.2%)이 가장 많았고 그 다음 순으로 실습만족도 3편(11.5%)이었고 적용 효과가 있는 것으로 나타났다. 결론적으로 간호대학생의 신생아 시뮬레이션 실습교육의 확대, 반복연구, 질적연구 등 다양한 연구방법이 요구된다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.67-83
• /
• 2018

2013년 누적인원 2억명을 돌파한 한국의 영화 산업은 매년 괄목할만한 성장을 거듭하여 왔다. 하지만 2015년을 기점으로 한국의 영화 산업은 저성장 시대로 접어들어, 2016년에는 마이너스 성장을 기록하였다. 영화산업을 이루고 있는 각 이해당사자(제작사, 배급사, 극장주 등)들은 개봉 영화에 대한 시장의 반응을 예측하고 탄력적으로 대응하는 전략을 수립해 시장의 이익을 극대화하려고 한다. 이에 본 연구는 개봉 후 역동적으로 변화하는 관람객 수요 변화에 대한 탄력적인 대응을 할 수 있도록 주차 별 관람객 수를 예측하는데 목적을 두고 있다. 분석을 위해 선행연구에서 사용되었던 요인 뿐 아니라 개봉 후 역동적으로 변화하는 영화의 흥행순위, 매출 점유율, 흥행순위 변동 폭 등 선행연구에서 사용되지 않았던 데이터들을 새로운 요인으로 사용하고 Naive Bays, Random Forest, Support Vector Machine, Multi Layer Perception등의 기계학습 기법을 이용하여 개봉 일 후, 개봉 1주 후, 개봉 2주 후 시점에는 차주 누적 관람객 수를 예측하고 개봉 3주 후 시점에는 총 관람객 수를 예측하였다. 새롭게 제시한 변수들을 포함한 모델과 포함하지 않은 모델을 구성하여 실험하였고 비교를 위해 매 예측시점마다 동일한 예측 요인을 사용하여 총 관람객 수도 예측해보았다. 분석결과 동일한 시점에 총 관람객 수를 예측했을 경우 보다 차주 누적 관람객 수를 예측하는 것이 더 높은 정확도를 보였으며, 새롭게 제시한 변수들을 포함한 모델의 정확도가 대부분 높았으며 통계적으로 그 차이가 유의함으로써 정확도에 기여했음을 확인할 수 있었다. 기계학습 기법 중에는 Random Forest가 가장 높은 정확도를 보였다.

• 한국의학물리학회지:의학물리
• /
• 제21권3호
• /
• pp.253-260
• /
• 2010

대다수의 근접치료용 방사선치료계획장치는 AAPM TG-43의 계산식에 기반을 둔 선량계산 알고리듬을 적용하고 있으나 이는 조직의 비균질성을 적절히 고려하지 못한다. 본 연구에서는 몬테칼로 방법을 이용하여 강내고선량근접치료계획을 검증하는 체계를 구축하고자 하였으며, 특히 환자의 CT 영상을 이용하여 물질정보로 변환한 후 직접 몬테칼로 계산을 수행하는 방법의 타당성에 초점을 맞추었다. 판형 팬텀 및 자궁경부암 환자의 CT 영상을 Plato (Nucletron, Netherlands) 치료계획장치를 이용하여 근접치료계획을 수행한 후 여기서 얻어진 인자들을 이용하여 EGSnrc 기반의 DOSXYZnrc 코드로 몬테칼로 계산을 수행하였으며, EBT 필름측정 결과와 비교하였다. DOSXYZnrc 코드의 선원 모델링 특성 상 후장전 장치의 $^{192}Ir$ 선원들을 직육면체 형태로 근사화하여 모델링하였으며 계산 시 체적소의 크기는 $2{\times}2{\times}2\;mm^3$로 하였다. 균질 매질 내에서는 TG-43 기반의 선량계산 결과와 몬테칼로 선량계산 결과가 잘 일치함을 확인할 수 있었으나 고밀도 물질이 포함된 비균질 매질 내에서는 오차가 커졌다. 환자의 경우 A점 및 B점의 오차는 3% 이내, 평균선량 오차는 5% 정도였다. 그러나 기존 선량계산 알고리듬의 경우 고밀도 물질의 영향을 적절히 고려하지 못하여 표적의 선량을 과대평가하여 실제로는 더 적은 선량이 들어갈 우려가 있다. 본 연구에서 제안된 선량계산 검증체계는 타당하며 선량 계산 결과도 실제와 잘 일치함을 확인할 수 있었다. 또한 기존의 선량계산 알고리듬으로 계산된 치료계획결과를 확인할 경우에는 주의가 필요하며, 몬테칼로 방법과 같은 독립적인 검증 시스템이 유용할 것이다.

• 지능정보연구
• /
• 제20권4호
• /
• pp.121-139
• /
• 2014

기업의 부도 예측은 재무 및 회계 분야에서 매우 중요한 연구 주제이다. 기업의 부도로 인해 발생하는 비용이 매우 크기 때문에 부도 예측의 정확성은 금융기관으로서는 매우 중요한 일이다. 최근에는 여러 개의 모형을 결합하는 앙상블 모형을 부도 예측에 적용해 보려는 연구가 큰 관심을 끌고 있다. 앙상블 모형은 개별 모형보다 더 좋은 성과를 내기 위해 여러 개의 분류기를 결합하는 것이다. 이와 같은 앙상블 분류기는 분류기의 일반화 성능을 개선하는 데 매우 유용한 것으로 알려져 있다. 본 논문은 부도 예측 모형의 성과 개선에 관한 연구이다. 이를 위해 사례 선택(Instance Selection)을 활용한 배깅(Bagging) 모형을 제안하였다. 사례 선택은 원 데이터에서 가장 대표성 있고 관련성 높은 데이터를 선택하고 예측 모형에 악영향을 줄 수 있는 불필요한 데이터를 제거하는 것으로 이를 통해 예측 성과 개선도 기대할 수 있다. 배깅은 학습데이터에 변화를 줌으로써 기저 분류기들을 다양화시키는 앙상블 기법으로 단순하면서도 성과가 매우 좋은 것으로 알려져 있다. 사례 선택과 배깅은 각각 모형의 성과를 개선시킬 수 있는 잠재력이 있지만 이들 두 기법의 결합에 관한 연구는 아직까지 없는 것이 현실이다. 본 연구에서는 부도 예측 모형의 성과를 개선하기 위해 사례 선택과 배깅을 연결하는 새로운 모형을 제안하였다. 최적의 사례 선택을 위해 유전자 알고리즘이 사용되었으며, 이를 통해 최적의 사례 선택 조합을 찾고 이 결과를 배깅 앙상블 모형에 전달하여 새로운 형태의 배깅 앙상블 모형을 구성하게 된다. 본 연구에서 제안한 새로운 앙상블 모형의 성과를 검증하기 위해 ROC 커브, AUC, 예측정확도 등과 같은 성과지표를 사용해 다양한 모형과 비교 분석해 보았다. 실제 기업데이터를 사용해 실험한 결과 본 논문에서 제안한 새로운 형태의 모형이 가장 좋은 성과를 보임을 알 수 있었다.