• Journal of Hospice and Palliative Care
• /
• 제21권1호
• /
• pp.23-32
• /
• 2018

목적: 미국 병원에서 만성폐색성폐질환으로 사망하는 환자의 연명치료 및 완화의료에 대한 연구는 부족한 현실이다. 이 연구에서는 병원의 의료비 추세 및 완화의료 이용 및 연명치료 이용과의 관련성을 파악하고자 하였다. 방법: 이 연구는 2005~2014년 미국 입원환자 샘플(National Inpatient Sample, NIS)을 후향적 코호트 디자인으로 전환하였으며, ICD-9-CM (International Classification of Diseases, 9th revision) 코드를 활용하여 완화의료 및 집중치료(전신지지치료, 호흡기치료, 호흡기 수술)를 받은 환자를 구분하였다. 결과: 연평균성장률(Compound Annual Growth Rates, CAGR)을 활용하여 병원 의료비의 시계열변화를 확인하였으며, 다수준 다변량 회귀분석을 통해 병원의 의료비에 영향을 미치는 요소를 파악하였다. 전체 77,394,755 입원 건 중 79,314명의 환자가 최종 분석에 사용되었다. 병원 의료비는 연평균성장률이 5.83% (P<0.001)였으며, 전신지지치료와 완화의료의 연평균성장률은 각각 5.98%와 19.89% 였다(모두, P<0.001). 전신지지치료, 호흡기 치료, 호흡기 수술은 각각 59.04%, 72.00%, 55.26%의 병원 의료비 상승에 영향을(모두, P<0.001) 주었던 반면 완화의료는 28.71%의 병원 의료비 감소에 영향을 주었다(P<0.001). 결론: 미국에서 만성폐색성폐질환으로 사망하는 환자 중 전신지지 치료는 병원 의료비 상승의 주된 원인인 반면 완화의료 이용은 비용절감에 영향이 있는 것으로 파악되었다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.103-128
• /
• 2021

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가 예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능 기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위 기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.