• Clinical and Experimental Vaccine Research
• /
• 제12권1호
• /
• pp.13-24
• /
• 2023

This systematic and meta-analysis aims to evaluate humoral and cellular responses to the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) vaccine among kidney transplant recipients (KTRs). We conducted a systematic literature search across databases to evaluate seroconversion and cellular response rates in KTRs receiving SARS-CoV-2 vaccines. We extracted studies that assessed seroconversion rates described as the presence of antibody de novo positivity in KTRs following SARS-CoV-2 vaccination published up to January 23rd, 2022. We also performed meta-regression based on immunosuppression therapy used. A total of 44 studies involving 5,892 KTRs were included in this meta-analysis. The overall seroconversion rate following complete dose of vaccines was 39.2% (95% confidence interval [CI], 33.3%-45.3%) and cellular response rate was 41.6% (95% CI, 30.0%-53.6%). Meta-regression revealed that low antibody response rate was significantly associated with the high prevalence of mycophenolate mofetil/mycophenolic acid (p=0.04), belatacept (p=0.02), and antiCD25 induction therapy uses (p=0.04). Conversely, tacrolimus use was associated with higher antibody response (p=0.01). This meta-analysis suggests that postvaccination seroconversion and cellular response rates in KTRs are still low. And seroconversion rate was correlated with the type of immunosuppressive agent and induction therapy used. Additional doses of the SARS-CoV-2 vaccine for this population using a different type of vaccine are considered.

• 기술혁신연구
• /
• 제23권3호
• /
• pp.373-396
• /
• 2015

본 연구는 기술보증기금의 기술평가자료를 활용하여 고성장기업의 결정요인에 대하여 분석하였다. 본 연구가 기존 연구와 다른 점은 3가지이다. 첫째, 현재 고성장 기업이 아닌, 향후 고성장기업으로 성장할 기업의 결정요인을 분석하였다. 둘째, 고성장기업을 매출과 고용 2가지 측면에서 각각 구분하여 분석하였다 즉, 매출증가와 고용창출에서 모두 고성장을 달성한 경우, 고용창출 측면에서는 고성장을 기록했지만 매출증가 측면에서는 저성장인 경우, 그리고 매출증가만 고성장을 달성하고 고용창출은 저성장을 기록한 경우의 세 가지 유형으로 구분하여 분석하였다. 셋째, 기술보증기금 기술평가모형(KTRS)의 기술평가지표를 설명변수로 적용하였다. 분석결과, 기술의 수명주기상 위치가 적절하고 기술의 완성도가 높을 경우에는 향후 매출과 고용이 모두 고성장하고 있다. 기술인력관리가 잘 되는 기업은 고용측면에서는 고성장을 하지만 매출측면에서는 오히려 저성장하고 있다. 이러한 결과는 고용고성장기업이 주로 기술인력관리가 중요한 하이테크산업에서 발생될지도 모른다는 추론을 가능케 한다. 이에 하이테크산업 여부를 나타내는 더미변수를 추가하여 분석한 결과, 하이테크산업에 속한 기업은 고용고성장의 가능성이 높은 것으로 나타나 이러한 추론을 뒷받침하는 결과를 보였다.

• 경영과정보연구
• /
• 제36권2호
• /
• pp.93-111
• /
• 2017

본 연구는 4차 산업혁명을 맞이하여 ICT기반 미래 신성장동력 산업의 경제적 파급효과를 알아보고, 이를 위한 신성장 동력의 성공요인은 무엇인지 분석하고자 하였다. 이를 위해, 기술보증기금에서 제시하는 기술평가모형 자료를 활용하였다. 구체적으로, ICT기반 신성장동력 산업의 경제적 효과를 경제성과 공공성으로 나누어 효과를 검증하고, 기술평가모형의 요인들 즉, CEO역량, 기술성, 사업성이 기업의 경제성 및 공공성에 미치는 영향을 조사하였다. 분석결과, 미래성장동력 산업에 해당하는 기업의 경제성 및 공공성에 대한 파급효과는 긍정적으로 나타났으며, 기업의 사업화 역량은 경제성과 공공성 효과를 증가시킬 성공요인으로 나타났다. 이러한 연구결과를 토대로 미래 신성장동력 산업의 기술혁신 산업정책의 관리 및 지원방안을 제시하고자 한다.

• Journal of the Korean Data Analysis Society
• /
• 제20권6호
• /
• pp.2993-3002
• /
• 2018

본 연구는 투자용 기술평가등급모형 개발에 대한 사례연구이다. 투자용 기술평가등급모형은 기술금융의 지원대상을 융자에서 투자로 확대하기 위하여 금융위원회와 산업통상자원부가 협업으로 추진한 프로젝트이다. 실제개발은 기술보증기금과 산업기술진흥원이 진행한 것으로 기술형 투자펀드를 운영하기 위하여 사전에 TCB가 운영할 표준모형을 개발한 것이다. 투자용 기술평가모형은 고성장기업을 예측하는 것을 목표로 개발하였다. 모형은 통계모형과 전문가모형으로 구성하고 이를 종합하여 등급을 산출하는 구조로 구성하였다. 여기서 통계모형은 예측에 유의한 변수를 파악하여 이를 로짓회귀분석을 활용하여 모형화하였다. 전문가모형은 전문가들의 의견을 수렴하여 각 평가항목의 가중치를 파악하여 모형을 설정하였다. 전문가는 벤처기업 투자를 하는 벤처캐피탈리스트와 모형을 운영할 TCB의 심사역의 의견을 종합하였다. 모형의 등급체계는 10등급으로 구성하여 제시하였다. 그 모형의 등급별 분포는 기보의 KTRS 등급별 분포와 일치하도록 하였다. 흥미로운 것은 기술성과 시장성 을 중시하고 있다는 것이다. 여신을 위한 기술평가등급모형에서는 경영자역량이나 사업성을 중시하고 있는 것과는 상당한 차이가 있는 것이다.

• 지능정보연구
• /
• 제23권1호
• /
• pp.23-46
• /
• 2017

2000년대 이전부터 북미 유럽의 선진국을 중심으로 특정 기업이나 사업(프로젝트)에 관한 가치를 평가하는 사례는 있어 왔으나, 개별 기술(특허)의 경제적 가치를 산정하는 체계나 방법론은 국내를 중심으로 최근 들어 활성화되어 왔다. 이러한 기술가치평가 분야는 기술이전(거래), 현물출자, 사업타당성 분석, 투자유치, 세무/소송 등의 다양한 용도로 활용되고 있다. 물론 기술보증기금의 KTRS, 발명진흥회의 SMART 3.1과 같이, 평가대상기술에 대한 기술력(등급) 평가 혹은 특허등급평가를 정성적으로 수행하는 온라인 시스템은 존재해 왔으나, 대상기술의 정량적인 가치금액까지 산출해 주는 웹기반 지능형 기술가치평가 시스템은 한국과학기술정보연구원(KISTI)에 의해 유일하게 개발 및 공식 오픈되어 확산 활용되고 있다. 본 고에서는 KISTI에서 개발 운영중인 웹기반 'STAR-Value' 시스템을 중심으로, 탑재된 방법론 및 평가모델의 유형, 이를 지원하는 참조정보 및 데이터베이스(D/B)가 어떻게 연계 활용되는지를 소개한다. 특히 미래에 발생할 경제적 수익을 추정하여 현재가치화하는 소득접근법 기반의 대표 모델인 현금흐름할인(DCF) 모델과 특정 로열티율을 기반으로 로열티수입료의 현재가치를 기술료 대가로 산정하는 로열티절감모델을 포함한 6개 모델, 그리고 관련 지원정보(기술수명, 기업(업종)재무정보, 할인율, 산업기술요소 등)의 데이터 기반 연계 방식에 대해 살펴본다. STAR-Value 시스템은 평가대상기술에 대한 국제특허분류(IPC) 혹은 한국표준산업분류(KSIC) 등의 분류 정보로부터 기술순환주기(TCT) 지수, 유사업종(혹은 유사기업)의 매출액 성장률 및 수익성 데이터, 업종별 가중평균자본비용(WACC) 및 산업기술요소 지수 등 메타데이터값을 자동적으로 불러오고 여기에 조정요인을 반영하여 기술가치의 산출결과가 높은 신뢰성 및 객관성을 가지도록 한다. 나아가 대상기술의 잠재적 시장규모와 해당 사업화주체의 시장점유율에 대한 정보까지 보유 재무데이터 기반으로 참조값을 제시하거나 기존에 완료된 평가사례 축적 기반으로 업종별 유사 기술의 가치범위값을 제시해 준다면, 본 시스템이 보다 지능형으로 지원 모듈을 연계 활용하고 실시간으로 손쉽게 고(高)정확도의 기술가치범위를 제시해 줄 수 있을 것으로 기대된다. 본 고에서는 웹기반 STAR-Value 시스템이 참조데이터 기반으로 지능형 연계를 수행하도록 해주는 모형선택 가이드라인 지원기능, 기술가치범위 추론 지원기능, 유사기업 선정 기반의 시장점유율 산정 지원기능의 내부 로직 구성을 설명한다. 상기 지원기능을 통해 비전문가(또는 초보자) 수준에서 최적의 평가모형 선택, 기술가치 범위 추론, 유사기업 선택 및 시장점유율 산정에 대한 정보지원이 데이터 사이언스 및 기계학습 기반으로 수행될 수 있다. 본 연구는 기술가치평가 분야의 이론적 타당성을 평가실무에서 활용할 수 있는 평가모델 및 지원정보를 실제 탑재한 웹기반 시스템의 소개에 의미가 있으며, 추가적으로 보다 객관적이고 손쉬운 지능형 지원시스템의 활용성을 높임으로써, 앞으로 기술사업화의 제 분야에서 다양하게 활용할 수 있을 것으로 기대된다.