• 한국노년학
• /
• 제29권2호
• /
• pp.529-546
• /
• 2009

노인우울은 유병율이 높을 뿐만 아니라 상당히 심각한 신체적, 심리사회적, 경제적 부담을 초래함에도 불구하고, 노화의 과정으로 또는 신체질환의 일부로 여겨지는 가운데 개입이 지연되고 있다. 건강문제를 해결하기 위한 시도가 일반적으로 당사자나 주변인들의 문제 인식에서 비롯되는 점에 비추어 볼 때, 우울증상에 대한 정확한 식별은 자기 자신은 물론 주위 노인들의 증상에 대한 조기발견과 개입을 촉진하는데 도움이 될 수 있다. 이에 본 연구에서는 대도시에 거주하는 노인 104명에 대한 면접 설문조사를 통해 우울증상에 대한 노인들의 식별력과 증상의 개념화 방식을 탐색하고 이에 영향을 미치는 요인들에 대한 분석을 실시했다. 연구결과, 우울증상을 식별할 수 있었던 노인은 전체 응답자의 14%에 불과했으며, 그 밖에는 외로움, 정서적 문제, 경제적 문제 등으로 인식했다. 75세 이상의 나이, 주된 정신건강정보원이 대중매체인 경우 식별력이 감소하는 것으로, 정신건강 지식이나 정보의 주된 원천이 정신건강 관련교육인 경우 식별력 증진에 도움이 되는 것으로 나타났다. 이와 같은 결과에 기초할 때, 노인의 우울증상 식별력을 증진시키기 위한 전략으로 정보지 비치나 일회성 행사위주의 정보전달보다 면대면의 구체적 정보제공과 상담 방식이 효과적일 것으로 보이며, 대중매체의 정신건강 및 질환 콘텐츠에 대한 면밀한 검토에 초점을 둔 후속 연구도 필요할 것이다.

• 사회복지연구
• /
• 제41권4호
• /
• pp.277-311
• /
• 2010

빈곤에는 인적자본 및 가족구조 등의 물질적 결핍 뿐 아니라 심리사회적 측면이 주요하게 관련되어 있음이 널리 제기됨에도 불구하고, 국내에서는 이에 대한 관련 연구성과들은 미흡한 실정이다. 이에 주목하여, 본 연구에서는 빈곤층의 심리사회적 측면이 빈곤지위의 결정 및 이의 변화에 어떠한 관련성을 지니는지를 정신건강 변수들을 중심으로 분석하고자 하였다. 분석에서는 한국복지패널 1~4차년도 자료를 활용하여, 우울 및 자아존중감 등의 정신건강 요인과 빈곤지위의 관계를 다양한 측면에서 분석하였는데, 주요 분석결과들은 다음과 같다. 첫째, 빈곤층과 비빈곤층의 정신건강 수준은 유의미한 차이가 있었다. 빈곤층 내부에서도 빈곤이 심각할수록 정신건강이 좋지 못한 것으로 나타나, 빈곤과 정신건강의 부적(-) 관계를 확인할 수 있었다. 둘째, 빈곤탈출 집단과 빈곤지속 집단의 정신건강 수준도 유의미한 차이를 보여, 정신건강이 빈곤지위 변화와도 밀접한 관련성을 지니고 있음을 확인할 수 있었다. 셋째, 빈곤경험 양상은 정신건강에 따라 상당한 차이가 있는 것으로 분석되었는데, 정신건강수준이 양호하지 못할수록 빈곤 경험율 및 빈곤지속의 경험이 높고, 빈곤경험기간도 긴 것으로 확인되었다. 또한, 이들의 빈곤 탈출율은 낮은 반면 빈곤 지속율은 높은 것으로 나타났다. 넷째, 여타 관련 변수들을 통제한 모델에 대한 분석에서는 정신건강이 빈곤지위 및 빈곤지위 변화에의 주요 결정 요인의 하나로 확인되었다. 본 연구 결과는 빈곤지위 및 이의 변화에 정신건강의 주요한 영향을 보여주는 바로, 우리사회의 빈곤문제에 효과적으로 대처하기 위해서는 물질적 결핍에 대한 지원에만 치중된 정책적 접근에서 벗어나 빈곤층의 정신건강 문제에 대한 적극적인 개입 및 지원이 요청됨을 정책적 함의로 시사하여 준다.

• 벤처창업연구
• /
• 제18권2호
• /
• pp.53-66
• /
• 2023

롤 모델은 개인의 직업 혹은 경력선택에 영향을 주기도 한다고 알려져 있다. 창업을 선택함에 있어서 롤 모델의 긍정적 영향은 많은 연구를 통해 이미 밝혀진 바가 있다. 롤 모델로는 혈연으로 연결된 가족 구성원인 부모형제 및 친척뿐만 아니라 사회적 관계로 만난 지인을 롤 모델로 선정한다고 한다. 본 연구에서는 자기이외에 롤 모델이 없는 창업자들과 롤 모델이 있는 창업자들로 구분하였다. 그리고 롤 모델이 있는 창업자들과 롤 모델이 없는 창업자들 간에 개인속성, 기업가정신 요인들, 학습지향성의 차이를 검증하고자 하였다. 또, 부모형제 및 친척 롤 모델을 강한 유대의 롤 모델로 지인 롤 모델을 약한 유대의 롤 모델로 구분하였다. 강한 유대 롤 모델을 가진 창업자들과 약한 유대 롤 모델을 가진 창업자들 간에 개인속성, 혁신성, 진취성, 위험감수성, 학습지향성의 차이를 검증하고자 하였다. 이를 위해 요인분석, t-검증 및 로지스틱 회귀분석을 실시하였다. 본 연구를 통해 밝혀진 실증분석 결과는 다음과 같다. 첫째, 롤 모델이 없는 창업자들 중 여성의 비율이 높은 것으로 나타났다. 둘째, 약한 유대의 롤 모델을 가진 창업자들이 강한 유대의 롤 모델을 가진 창업자들에 비해 큰 규모의 창업기업을 운영한다는 것이 밝혀졌다. 셋째, 약한 유대의 롤 모델을 가진 창업자들이 강한 유대의 롤 모델을 가진 창업자들에 비해 학습지향성이 더 높은 것으로 나타났다. 넷째, 로지스틱 회귀분석을 통해 살펴본 결과 롤 모델의 유무에 대한 영향은 성별, 학습지향성, 위험감수성, 창업규모 순인 것으로 나타났다. 다섯째, 로지스틱 회귀분석 결과에서 롤 모델의 유형에 대한 영향은 학습지향성, 창업규모의 순인 것으로 나타났다.

• Korean Journal of Radiology
• /
• 제22권6호
• /
• pp.994-1004
• /
• 2021

Objective: To extract pulmonary and cardiovascular metrics from chest CTs of patients with coronavirus disease 2019 (COVID-19) using a fully automated deep learning-based approach and assess their potential to predict patient management. Materials and Methods: All initial chest CTs of patients who tested positive for severe acute respiratory syndrome coronavirus 2 at our emergency department between March 25 and April 25, 2020, were identified (n = 120). Three patient management groups were defined: group 1 (outpatient), group 2 (general ward), and group 3 (intensive care unit [ICU]). Multiple pulmonary and cardiovascular metrics were extracted from the chest CT images using deep learning. Additionally, six laboratory findings indicating inflammation and cellular damage were considered. Differences in CT metrics, laboratory findings, and demographics between the patient management groups were assessed. The potential of these parameters to predict patients' needs for intensive care (yes/no) was analyzed using logistic regression and receiver operating characteristic curves. Internal and external validity were assessed using 109 independent chest CT scans. Results: While demographic parameters alone (sex and age) were not sufficient to predict ICU management status, both CT metrics alone (including both pulmonary and cardiovascular metrics; area under the curve [AUC] = 0.88; 95% confidence interval [CI] = 0.79-0.97) and laboratory findings alone (C-reactive protein, lactate dehydrogenase, white blood cell count, and albumin; AUC = 0.86; 95% CI = 0.77-0.94) were good classifiers. Excellent performance was achieved by a combination of demographic parameters, CT metrics, and laboratory findings (AUC = 0.91; 95% CI = 0.85-0.98). Application of a model that combined both pulmonary CT metrics and demographic parameters on a dataset from another hospital indicated its external validity (AUC = 0.77; 95% CI = 0.66-0.88). Conclusion: Chest CT of patients with COVID-19 contains valuable information that can be accessed using automated image analysis. These metrics are useful for the prediction of patient management.

• 지능정보연구
• /
• 제23권2호
• /
• pp.1-17
• /
• 2017

딥러닝 프레임워크의 대표적인 기능으로는 '자동미분'과 'GPU의 활용' 등을 들 수 있다. 본 논문은 파이썬의 라이브러리 형태로 사용 가능한 프레임워크 중에서 구글의 텐서플로와 마이크로소프트의 CNTK, 그리고 텐서플로의 원조라고 할 수 있는 티아노를 비교하였다. 본문에서는 자동미분의 개념과 GPU의 활용형태를 간단히 설명하고, 그 다음에 logistic regression을 실행하는 예를 통하여 각 프레임워크의 문법을 알아본 뒤에, 마지막으로 대표적인 딥러닝 응용인 CNN의 예제를 실행시켜보고 코딩의 편의성과 실행속도 등을 확인해 보았다. 그 결과, 편의성의 관점에서 보면 티아노가 가장 코딩 하기가 어렵고, CNTK와 텐서플로는 많은 부분이 비슷하게 추상화 되어 있어서 코딩이 비슷하지만 가중치와 편향을 직접 정의하느냐의 여부에서 차이를 보였다. 그리고 각 프레임워크의 실행속도에 대한 평가는 '큰 차이는 없다'는 것이다. 텐서플로는 티아노에 비하여 속도가 느리다는 평가가 있어왔는데, 본 연구의 실험에 의하면, 비록 CNN 모형에 국한되었지만, 텐서플로가 아주 조금이지만 빠른 것으로 나타났다. CNTK의 경우에도, 비록 실험환경이 달랐지만, 실험환경의 차이에 의한 속도의 차이의 편차범위 이내에 있는 것으로 판단이 되었다. 본 연구에서는 세 종류의 딥러닝 프레임워크만을 살펴보았는데, 위키피디아에 따르면 딥러닝 프레임워크의 종류는 12가지가 있으며, 각 프레임워크의 특징을 15가지 속성으로 구분하여 차이를 특정하고 있다. 그 많은 속성 중에서 사용자의 입장에서 볼 때 중요한 속성은 어떤 언어(파이썬, C++, Java, 등)로 사용가능한지, 어떤 딥러닝 모형에 대한 라이브러리가 잘 구현되어 있는지 등일 것이다. 그리고 사용자가 대규모의 딥러닝 모형을 구축한다면, 다중 GPU 혹은 다중 서버를 지원하는지의 여부도 중요할 것이다. 또한 딥러닝 모형을 처음 학습하는 경우에는 사용설명서가 많은지 예제 프로그램이 많은지 여부도 중요한 기준이 될 것이다.

• Clinical and Experimental Pediatrics
• /
• 제51권6호
• /
• pp.584-596
• /
• 2008

목 적 : 소아과 외래를 방문하는 환자의 치료순응도 및 이에 영향을 미치는 요인에 대해 알아보기 위하여 본 연구를 시행하였다. 방 법 : 2003년 10월에 1개 대학병원의 소아과와 개인 연합의원의 외래를 방문한 환자 보호자 357명을 대상으로 설문 조사하였다. 건강신념모형(Health Belief Model)을 바탕으로 어머니의 자기 효능감과 가족의 지지를 추가한 새로운 연구모형을 개발하였는데, 연구 모형에 포함된 변수로는 치료 순응도, 감수성, 심각성, 유익성, 장애도, 행동계기, 자기 효능감, 가족의 지지 그리고 사회인구학적 특성 등이었다. 결 과 : 소아 환자의 치료 순응도 중 재진 날짜를 정확하게 지키는 순응군은 62.9%, 약물 복용 간격과 시간을 지키는 순응군은 41.6%이었고, 마지막으로 정확한 양을 복용하는 순응군은 65.8%이었다. 세가지를 모두 정확하게 지킨 순응군은 27.2%이었다. 치료 순응도 중 정확한 양을 준수한 경우만을 소아 약물 치료에서 순응군이라고 정의하였을 때, 단순분석 결과에서는 건강신념모델의 변수 중 감수성, 심각성, 유익성, 장애도가 그리고 가족의 지지, 자기 효능감이 유의한 변수였으며(P<0.05), 로지스틱 회귀분석과 경로분석에서는 감수성, 심각성, 자기 효능감이 높을수록, 장애도가 낮을수록 치료 순응도가 유의하게 높았으며(P<0.05), 특히 자기 효능감이 가장 큰 영향을 미치는 것으로 나타났다. 결 론 : 소아 환자의 순응도를 높이기 위해서는 약물 치료에 대한 보호자 교육을 통하여 인지율을 높이고, 동기 유발과 보상, 그리고 가정에서도 쉽게 경구 복용이 가능하도록 향기롭고 맛이 좋은 시럽 형태의 약들이 개발되어야 하며, 정확한 양을 측정하여 복용할 수 있도록 측정용 주사기 또는 숟가락 제공시 의사와 약사의 조언 등으로 장애요인과 보호자의 자기 효능감을 고취시켜 환자의 치료 순응도를 높여야 할 것이다. 또한 의료인들은 소아 환자에서 치료 실패시 이의 원인으로 반드시 환아의 약물의 순응 여부를 점검할 필요가 있다.

• 한국작물학회지
• /
• 제55권4호
• /
• pp.275-283
• /
• 2010

이 등(2009b)의 보고에서는 등숙기 기온과 일사량이 종실중 및 종실질소함량에 미치는 영향과 이들 관계를 분석하였고, 이 등(2009a)의 보고에서는 등숙기 생육형질이 종실중 및 종실질소함량에 미치는 영향과 이들 관계를 분석하였다. 본 연구는 종실중 및 종실질소함량과 등숙기 기상(온도, 일사량) 및 등숙기 생육형질과의 관계를 이용하여 등숙기간 중 종실중 및 종실질소함량의 형성과정을 추정하는 모형을 구축하고자 하였다. 1. 출수후 등숙 진전에 따른 유효적산온도(AET, 임계온도 $7^{\circ}C$)와 적산일사량(AR)의 상승적에 따른 종실중과 종실질소함량의 변화를 나타내었을 때 통일한 AET ${\times}$ AR에서도 종실 종 및 종실질소함량의 상당한 변이가 존재하였다. 2. Logistic 함수를 이용하여 AET ${\times}$ AR에 따른 종실중과 종실질소함량의 최대경계선을 추정하였으며, 이를 각각 최대 종실중(GWmax)과 최대 종실질소함량(GNmax) 추정식으로 이용하였다. 3. 등숙기 생육형질 종 엽면적지수, 지상부 총건물중, 영화수 및 지상부 총질소함량이 등숙기간 중 종실중과 종실질소함량의 변이에 관여하였으며, 이들 등숙기 생육형질과 GWmax 및 GNmax를 이용하여 다음과 같은 종실중과 종실질소함량 추정식을 설정하였다. $$GW_E\;=\;6.557{\cdot}GWmax{\cdot}TDW^{0.5223}{\cdot}GNO^{-0.5582}$$ $$GN_E\;=\;150.20{\cdot}GNmax{\cdot}TNU^{0.5203}{\cdot}GNO^{-0.6205}$$ 4. 설정된 종실중 및 종실질소함량 추정 모델식을 이용하여 실제 종실중 및 종실질소함량을 추정하는 모형을 구축하였는데, 종실중 및 종실질소함량을 일부 과대 또는 과소 추정하였으나 대체적으로 실측값과 일치하는 경향이었으며, 등숙기 생육형질에 의하여 발생한 다양한 종실중 및 종실질소함량 변이를 비교적 잘 추정하였다.

• 사회복지연구
• /
• 제44권3호
• /
• pp.85-112
• /
• 2013

본 연구는 은퇴생활의 이질성과 다양성을 전제로 우리나라 중 고령자의 은퇴 전과 후의 생활만족도 변화양상에 있어 복수의 변화궤적을 확인하고, 각 궤적의 형태와 특성을 파악하는 것을 목적으로 한다. 국민노후보장패널 1차~3차 자료(2005~2009)를 활용하여 만 50세에서 만 69세인 중 고령자 중 1차 시점과 2차 시점 사이에 완전은퇴 또는 부분 은퇴한 243명의 자료를 분석하였다. 생활만족도의 다중궤적을 분석하기 위해 잠재집단성장분석(latent class growth analysis, LCGA)을 실시하였으며, 하위 변화유형별 궤적집단의 결정요인을 파악하기 위해 다항로지스틱 회귀분석을 실시하였다. 연구결과, 우리나라 중 고령자의 은퇴 전후 생활만족의 변화양상은 세 개의 유형이 존재하는 것으로 나타났다. 첫 번째 유형은 은퇴와 관계없이 은퇴 전과 후 모두 높은 수준의 생활만족도를 보이는 '고수준 유지형(47.7%)', 두 번째는 은퇴 전에는 생활만족도 수준이 높지만 은퇴 후 생활만족도가 감소하는 '고수준 감소형(42.8%)', 그리고 은퇴 전 생활만족도 수준이 낮았으며, 은퇴 이후에도 만족이 지속적으로 감소하는 '저수준 감소형(9.5%)'으로 구분되었다. 즉, 은퇴로 인한 삶의 질이 감소하는 위험집단은 약 50%에 이르며, 이 중 약 10%는 가장 취약한 집단으로 분석되었다. 이러한 은퇴 전후 생활만족도 변화유형을 예측하는 요인을 응답자의 개인특성, 경제적 상태, 그리고 은퇴전 직장특성으로 구분하여 다항로지스틱 회귀분석을 실시하여다. 그 결과 은퇴 전보다 은퇴 후의 건강상태가 좋을수록 '고수준 감소형'보다 '고수준 유지형'에 속한 승산이 높았다. 그리고 교육수준이 중졸이하이고, 은퇴 이후 건강수준이 좋아지기 보다는 유지되고, 가구소득이 낮고, 은퇴전 종사상 지위가 임시 일용직인 중 고령자일수록 '고수준 유지형'보다는 '저수준 감소형'에 속할 승산이 높게 나타났다. 본 연구결과를 바탕으로 중 고령자들이 은퇴 전환과정을 성공적으로 보내기 위한 사회복지적 함의를 제시하고, 본 연구의 제한점과 후속연구방향에 대해 제시하였다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.167-181
• /
• 2018

지난 10여 년간 딥러닝(Deep Learning)은 다양한 기계학습 알고리즘 중에서 많은 주목을 받아 왔다. 특히 이미지를 인식하고 분류하는데 효과적인 알고리즘으로 알려져 있는 합성곱 신경망(Convolutional Neural Network, CNN)은 여러 분야의 분류 및 예측 문제에 널리 응용되고 있다. 본 연구에서는 기계학습 연구에서 가장 어려운 예측 문제 중 하나인 주식시장 예측에 합성곱 신경망을 적용하고자 한다. 구체적으로 본 연구에서는 그래프를 입력값으로 사용하여 주식시장의 방향(상승 또는 하락)을 예측하는 이진분류기로써 합성곱 신경망을 적용하였다. 이는 그래프를 보고 주가지수가 오를 것인지 내릴 것인지에 대해 경향을 예측하는 이른바 기술적 분석가를 모방하는 기계학습 알고리즘을 개발하는 과제라 할 수 있다. 본 연구는 크게 다음의 네 단계로 수행된다. 첫 번째 단계에서는 데이터 세트를 5일 단위로 나눈다. 두 번째 단계에서는 5일 단위로 나눈 데이터에 대하여 그래프를 만든다. 세 번째 단계에서는 이전 단계에서 생성된 그래프를 사용하여 학습용과 검증용 데이터 세트를 나누고 합성곱 신경망 분류기를 학습시킨다. 네 번째 단계에서는 검증용 데이터 세트를 사용하여 다른 분류 모형들과 성과를 비교한다. 제안한 모델의 유효성을 검증하기 위해 2009년 1월부터 2017년 2월까지의 약 8년간의 KOSPI200 데이터 2,026건의 실험 데이터를 사용하였다. 실험 데이터 세트는 CCI, 모멘텀, ROC 등 한국 주식시장에서 사용하는 대표적인 기술지표 12개로 구성되었다. 결과적으로 실험 데이터 세트에 합성곱 신경망 알고리즘을 적용하였을 때 로지스틱회귀모형, 단일계층신경망, SVM과 비교하여 제안모형인 CNN이 통계적으로 유의한 수준의 예측 정확도를 나타냈다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.149-169
• /
• 2020

현 정부의 주요 국책사업 중 하나인 도시재생 뉴딜사업은 매년 100 곳씩, 5년간 500곳을대상으로 50조를 투자하여 낙후된 지역을 개발하는 것으로 언론과 지자체의 높은 이목이 집중되고 있다. 그러나, 현재 이 사업모델은 면적 규모에 따라 "우리동네 살리기, 주거정비지원형, 일반근린형, 중심시가지형, 경제기반형" 등 다섯 가지로 나뉘어 추진되어 그 지역 본래의 특성을 반영하지 못하고 있다. 국내 도시재생 성공 키워드는 "주민 참여", "지역특화" "부처협업", "민관협력"이다. 성공 키워드에 따르면 지자체에서 정부에게 도시재생 사업을 제안할 때 지역주민, 민간기업의 도움과 함께 도시의 특성을 정확히 이해하고 도시의 특성에 어울리는 방향으로 사업을 추진하는 것이 가장 중요하다는 것을 알 수 있다. 또한 도시재생 사업 후 발생하는 부작용 중 하나인 젠트리피케이션 문제를 고려하면 그 지역 특성에 맞는 도시재생 유형을 선정하여 추진하는 것이 중요하다. 이에 본 연구는 '도시재생 뉴딜 사업' 방법론의 한계점을 보완하기 위해, 기존 서울시가 지역 특성에 기반하여 추진하고 있는 "2025 서울시 도시재생 전략계획"의 도시재생 유형을 참고하여 도시재생 사업지에 맞는 도시재생 유형을 추천하는 시스템을 머신러닝 알고리즘을 활용하여 제안하고자 한다. 서울시 도시재생 유형은 "저이용저개발, 쇠퇴낙후, 노후주거, 역사문화자원 특화" 네 가지로 분류된다 (Shon and Park, 2017). 지역 특성을 파악하기 위해 총 4가지 도시재생 유형에 대해 사업이 진행된 22개의 지역에 대한 뉴스 미디어 10만여건의 텍스트 데이터를 수집하였다. 수집된 텍스트를 이용하여 도시재생 유형에 따른 지역별 주요 키워드를 도출하고 토픽모델링을 수행하여 유형별 차이가 있는 지 탐색해 보았다. 다음 단계로 주어진 텍스트를 기반으로 도시재생 유형을 추천하는 추천시스템 구축을 위해 텍스트 데이터를 벡터로 변환하여 머신러닝 분류모델을 개발하였고, 이를 검증한 결과 97% 정확도를 보였다. 따라서 본 연구에서 제안하는 추천 시스템은 도시재생 사업을 진행하는 과정에서 신규 사업지의 지역 특성에 기반한 도시재생 유형을 추천할 수 있을 것으로 기대된다.