• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.533-539
• /
• 2023

본 연구는 강원도 강릉시에 위치한 A기관의 2020년부터 2021년 중심 데이터로 손상으로 입원한 환자를 손상외인코드를 통해 낙상환자를 분석하고자 하였다. 낙상환자의 손상외인코드인 W00부터 W19까지 20건의 코드를 분류한 후, 많이 발생한 W18, W01, W10, W13을 분석하였다. 손상외인코드 W18은 동일 면상에서의 기타 낙상으로 S72, Z47의 빈도수가 가장 많았으며, S72는 대퇴골의 골절, Z47은 정형외과적 추적치료이다. 손상외인코드 W01은 미끄러짐, 걸림 및 헛디딤에 의한 동일 면상에서의 낙상으로 W18과 같이 대퇴골의 골절인 S72와 정형외과적 추적치료 Z47이 많이 나타나는 것으로 판단하였다. W10은 계단에서의 낙상으로 뇌진탕, 경막외출혈 등이 있는 두개내손상 S06이 많이 나타났다. 마지막으로 W13은 빌딩 또는 구조물에서의 낙상으로 40대~70대에서 91%가 발생하여 중장년층이 많이 발생하는 것을 확인할 수 있었고, Z47은 정형외과적 추적치료가 가장 많았으며, S72는 대퇴골의 골절이 두 번째로 많은 것으로 나타났다. 이와 같이 낙상환자의 빈도수를 분석하여 낙상사고별 많이 발생하는 나이와 주진단코드를 분석하였다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.526-532
• /
• 2023

낙상사고는 세계적으로 매년 42만 건 이상 발생하는 치명적인 사고이다. 따라서, 낙상 환자를 연구하고자 낙상환자의 손상외인코드와 주진단 S코드의 연관성을 찾고, 낙상 환자의 주진단 S코드 데이터를 가지고 손상외인코드를 예측할 수 있는 예측모델을 개발하였다. 본 연구에서는 강원특별자치도 강릉시에 있는 A 기관의 2020~2021년 2년간의 데이터를 받아 낙상에 관련된 손상외인코드 W00~W19까지 데이터만 추출하고, 낙상 손상외인코드 중 예측모형을 개발할 정도의 주진단 S코드를 가지고 있는 W01, W10, W13, W18 데이터를 가지고 예측모형 개발하였다. 데이터 중 80%는 훈련용 데이터, 20%는 테스트용 데이터로 분류하였다. 모형 개발은 MLP(Multi-Layer Perceptron)을 이용하여 6개의 변수(성별, 나이, 주진단S코드, 수술유무, 입원유무, 음주유무)를 입력층에 64개의 노드를 가진 2개의 은닉층, 출력층은 softmax 활성화 함수를 이용하여 손상외인코드 W01, W10, W13, W18 총 4개의 노드를 가진 출력층으로 구성하여 개발하였다. 학습결과 첫 번째 학습했을 때 31.2%의 정확도를 가졌지만, 30번째는 87.5%의 정확도를 나타냈고 이를 통해 낙상환자의 낙상외인코드와 주진단 S코드의 연관성을 확인할 수 있었다.