• 해부∙생물인류학
• /
• 제31권4호
• /
• pp.121-131
• /
• 2018

사람의 키는 당사자가 갖고 있는 고유한 생물학적 특질이기 때문에 어떤 사람의 신원을 특정하고자 할 때 유용한 단서로 활용할 수 있다. 이러한 이유로 범죄 사건이나 재난 상황이 발생한 경우 신원 불상 피해자의 신원을 확인하기 위해 표준화된 절차에 따라 키를 추정한다. 하지만 키를 추정하는 절차나 방법이 올바르지 않다면 추정된 키의 정확도는 낮을 수밖에 없다. 본 연구에서는 국내에서 발견된 백골 변사자에 대한 법의인류학적 감정 내용 가운데 키 추정을 위해 사용되는 방법의 적정성을 검토하고 키 추정치의 정확도를 높일 수 있는 방법들을 살펴보고자 한다. 이를 위해 국립과학수사연구원에 의뢰된 560건의 백골 변사자에 대한 부검 결과를 검토하였고, 구체적인 논의를 위해 고(故) 유병언씨(이하 '유씨'로 칭함)의 키 추정 사례를 이용하였다. 유씨의 키는 Trotter (1970)의 공식 가운데 표준오차가 더 적은 종아리뼈 공식이 있음에도 불구하고 넙다리뼈 공식을 이용해 추정됐다. 추정 결과를 보고하는데 있어서 '표준오차(standard error)'를 '오차구간'으로 간주함으로써 추정치의 범위를 지나치게 좁게 제시했다. 또, 나이듦에 따른 키 감소분을 고려하지 않았기 때문에 부검감정서 상의 유씨의 키는 사망 당시의 키가 아닌 생전 당시의 최고 키라고 해석하는 게 타당하다. 마지막으로, 한국인 여성의 키를 추정하기 위해 백인 여성 공식을 사용하게 되면 실제보다 키를 작게 추정할 가능성이 높다. 키 추정의 정확도를 높이기 위해 해부학적 방법을 고려할 필요가 있다. 만약 해부학적 방법의 적용이 곤란한 경우라면 한국인 자료를 이용해 개발된 공식을 적용하는 게 바람직하다. 1980년대 이후 한국인 자료를 이용해 키를 추정할 수 있는 방법들이 다수 개발됐다. 한국인을 대상으로 한 공식을 적용해 변사자의 키를 보다 정확히 추정한다면 향후 한국에서 발견된 변사자의 신원 확인 가능성 또한 높아질 것으로 기대된다.

• 환경영향평가
• /
• 제30권1호
• /
• pp.13-23
• /
• 2021

본 연구는 수달의 주요이동 패턴을 예측하기 위하여 EN-Simulator프로그램을 활용하여 주요 이동경로 분석을 실시하였다. 연구범위는 대구시 안심습지를 중심으로 반경 7.5 km를 최종 범위로 설정하여 시뮬레이션 분석을 하였으며, 모형 검증을 위해 현지조사를 활용하였다. 가상의 수달 개체수는 1,000마리, 이동 스텝 수는 격자 당 1,000 스텝으로 설정하였으며, 총 841개 격자에 대하여 시뮬레이션을 실행하였다. 분석결과, 평균 147.6±112.1 개체가 간격 50m 조건에서 분석범위 경계 지점에 도착하였다. 시뮬레이션 검증결과, 수달의 주요 이동 확률이 높은 지역 가운데 시뮬레이션의 '매우 높음 지역'에서 8개 수달흔적 지점(13.1%), '높음 지역'에서 9개 지점(14.8%)으로 나타났다. 반면 이동확률이 낮은 지역에서는 '낮음 지역' 8개 지점(13.1%)과 '매우 낮음 지역' 4개 지점(6.6%)으로 나타났다. 시뮬레이션의 검증결과 높음 결과값을 가지는 지역에서 특히 실제 수달의 서식 흔적이 많이 나타났다. 또한 이동확률의 등급 별 단위 면적(1×1㎢ 당)에 따른 수달 출현지점과의 상관관계를 알아본 결과, 가장 높은 확률로 이동하는 지역에서 단위 면적당 6.8개 흔적이 발견된 반면, 이동 확률이 낮은 지역은 0.1개 지점으로 분석되었다. 수달이 하천 지역의 주요경로를 이용하는 측면에서 보통 수준 이상 결과 지역에서는 23개(63.9%)로 많은 서식흔적이 발견되어 시뮬레이션의 주요 이동경로가 실제 수달 개체의 이동로로 활용되고 있는 것으로 나타났다. EN-Simulator 분석은 수달의 이동경로 선택에 있어서 공간특성이 이동가능성에 어떤 영향을 미치는지 예측 가능하고 분석값을 활용하여 주요 이동경로 내 추가 서식지 조성 및 로드킬 위험 지역을 사전에 파악하여 예방 가능하도록 하는 등의 기초자료로 활용 가능할 것으로 판단된다.

• Pediatric Infection and Vaccine
• /
• 제30권2호
• /
• pp.73-83
• /
• 2023

목적: 본 연구의 목적은 혈액종양 기저질환으로 치료 중 유증상 코로나바이러스감염증-19(COVID-19)으로 확진 된 소아청소년에서 바이러스 부하(viral load)의 변화를 확인하고자 하였다. 방법: 후향적 종단 코호트연구(retrospective longitudinal cohort study)로, 19세 미만 소아청소년 중 악성 빈혈, 혈액암, 또는 고형암으로 치료 중인 상태에서 2022년 3월 1일부터 8월 30일 사이에 SARS-CoV-2 PCR 양성으로 유증상 코로나바이러스감염증-19가 확진 된 환자를 대상으로 하였다. 환자들의 의무 기록과 전화 문진으로 임상 증상과 전파경로, 그리고 증상의 경과에 대한 자료를 얻었고, 서울성모병원에서 시행했던 SARS-CoV-2 PCR titer 값을 분석하였다. 확진 이후 E gene RT-PCR Ct value ≥25을 전파가능성이 낮은 상태로 정의하였다. 결과: 6개월의 연구 기간 동안 총 43명의 환자에서 44번의 COVID-19 확진 사례가 포함되었다. 환자의 평균 연령은 8세(interquartile range, 4.9-10.5)였으며, 가장 흔한 기저 질환은 급성 림프구성 백혈병(n=30, 68.2%)이었고, 다음으로 조혈모세포이식 후(n=8, 18.2%) 상태인 환자들이었다. 대부분 경증 COVID-19 (n=32, 72.7%)에 해당이 되었고, 3명의 환자(7.0%)는 중증/위중증 COVID-19에 해당되어 산소 치료를 받았다. 2.3% (n=1)는 COVID-19 관련 급성 호흡곤란 증후군으로 사망하였다. 확진 이후 E gene RT-PCR Ct값이 ≥25을 도달한 시점이 15-21일인 환자는 총 39.4%(n=13)이었고, 22-28일에 도달한 환자는 30.3% (n=10)이었다. 15.2% (n=5)의 환자에서는 확진 후 28일이 지난 시점에서도 Ct값 <25를 유지하였다. E gene Ct값이 <25 장기간 지속되는 위험인자로 난치성 악성 종양 상태(β, 67.0; 95% CI, 7.0-17.0; P=0.030)가 유의한 관련이 있었다. 한 환자는 확진 후 Ct 값이 <25으로 유지되던 중, 확진 후 86일 째 보호자로 상주하던 어머니에게 바이러스를 전파하였다. 결론: 난치성 악성 종양 상태에서 유증상 COVID-19에 확진 되는 경우 바이러스를 장기간 배출 할 수 있기 때문에, 이런 환자군에서는 PCR 기반 바이러스 전파 예방 조치가 도움이 될 수 있다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.