• 대한간호학회지
• /
• 제41권3호
• /
• pp.423-431
• /
• 2011

Purpose: The study was designed to determine the discriminating ability of a Bayesian network (BN) for predicting risk for pressure ulcers. Methods: Analysis was done using a retrospective cohort, nursing records representing 21,114 hospital days, 3,348 patients at risk for ulcers, admitted to the intensive care unit of a tertiary teaching hospital between January 2004 and January 2007. A BN model and two logistic regression (LR) versions, model-I and .II, were compared, varying the nature, number and quality of input variables. Classification competence and case coverage of the models were tested and compared using a threefold cross validation method. Results: Average incidence of ulcers was 6.12%. Of the two LR models, model-I demonstrated better indexes of statistical model fits. The BN model had a sensitivity of 81.95%, specificity of 75.63%, positive and negative predictive values of 35.62% and 96.22% respectively. The area under the receiver operating characteristic (AUROC) was 85.01% implying moderate to good overall performance, which was similar to LR model-I. However, regarding case coverage, the BN model was 100% compared to 15.88% of LR. Conclusion: Discriminating ability of the BN model was found to be acceptable and case coverage proved to be excellent for clinical use.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권5호
• /
• pp.203-210
• /
• 2022

보건의료 데이터를 사용하는 연구 및 기업이 늘어나며 세계적으로 보건의료 데이터 활성화를 위한 노력을 진행 중이다. 하지만 기관에 따라 사용하는 시스템과 서식이 다르다. 이에 본 연구는 EEG Report의 의무기록 유형을 분류하는 기저 모델 구축을 통해 향후 다기관의 텍스트 데이터를 유형에 따라 분류하는 기저 모델을 구축하였다. EEG Report 분류를 위해 4가지의 딥러닝 기반 알고리즘에 대해 비교하였다. 실험 결과 One-Hot Encoding으로 벡터화하여 학습한 ANN 모델이 71%의 정확도로 가장 높은 성능을 보였다.

• Journal of Preventive Medicine and Public Health
• /
• 제16권1호
• /
• pp.113-120
• /
• 1983

The main objective of this case study is to develop demand forecasting model for durg inventory control in a university hospital. This study is based on the pertinent records during the period of January 1975 to August 1981 in the pharmacy and stock departments of the hospital. Through the analysis of the above records the author made some major findings as follows: 1. In A.B.C. classification, the biggest demand (A class) consists of 9 items which include 6 items of antibiotics. 2. Demand forecasting level of an index or discrepancy in A class drug compared with real demand for 6 months is average 30.4% by X-11 Arima method and 84.6% by Winter's method respectively. 3. After the correcting ty the number of bed, demand forecasting of drug compared with real demand for 6 months is average 23.1% by X-11 Arima method and 46.6% by Winter's method respectively.

• 종양간호연구
• /
• 제5권1호
• /
• pp.3-10
• /
• 2005

Back ground: Nurses now occupy one third of all hospital human resources. Therefore, efficient management of nursing manpower is getting more important. While it is very clear that nursing workload requirement analysis and patient severity classification should be done first for the efficient allocation of nursing workforce, these processes have been conducted manually with ad hoc rule. Purposes: This study was tried to make a predict model for patient classification according to nursing need. We tried to find the easier and faster method to classify nursing patients that can help efficient management of nursing manpower. Methods: The nursing patient classifications data of the hospitalized cancer patients in one of the biggest cancer center in Korea during 2003.1.1-2003.12.31 were assessed by trained nurses. This study developed a prediction model and analyzing nursing needs by data mining techniques. Patients were classified by three different data mining techniques, (Logistic regression, Decision tree and Neural network) and the results were assessed. Results: The data set was created using 165,073 records of 2,228 patients classification database. Main explaining variables were as follows in 3 different data mining techniques. 1) Logistic regression : age, month and section. 2) Decision tree : section, month, age and tumor. 3) Neural network : section, diagnosis, age, sex, metastasis, hospital days and month. Among these three techniques, neural network showed the best prediction power in ROC curve verification. As the result of the patient classification prediction model developed by neural network based on nurse needs, the prediction accuracy was 84.06%. Conclusion: The patient classification prediction model was developed and tested in this study using real patients data. The result can be employed for more accurate calculation of required nursing staff and effective use of labor force.

• 기록학연구
• /
• 제50호
• /
• pp.273-309
• /
• 2016

서울시는 다른 기관과 달리 기능분류시스템 구축과 업무관리시스템 도입 사이에 3년의 시간차가 발생하여 기능분류체계의 현행관리가 되지 못했고, 이것은 기록관리기준표를 수립하지 못하는 문제로 이어졌다. 2012년 9월 서울시는 기록관리와 정보공개를 전담하는 정보공개정책과의 신설을 통해 기능분류시스템과 기록관리기준표의 운영부서를 통합하였다. 이를 계기로 2013~2014년 2년에 걸쳐 'BRM 및 기록관리기준표 정비사업(이하 BRM 정비사업)'을 추진하게 되었다. 본 연구는 서울시 사례를 중심으로 BRM 정비를 통한 기록관리기준표 개선사례를 소개하고자 한다. 서울시 BRM 정비사업은 업무담당자의 부담과 업무관리시스템의 운영공백을 최소화하기 위한 정비방법론을 수립하였다. 업무관리시스템 도입 후 분류체계를 정비하는 선례가 없는 상황에서 관련부서와의 긴밀한 협의를 통해 독자적인 절차를 개발하고 정비결과를 시스템에 탑재하였다. 또한 BRM 정비사업을 성공적으로 수행하고 향후 안정적인 운영을 위해 BRM 부서관리자를 대상으로 정비 전 후 2차례에 걸쳐 교육을 진행하였고, 정비사업 기간 동안 뉴스레터를 배포하여 전 직원들의 적극적인 참여를 유도하고 기록관리 인식을 높이기 위해 노력하였다. 뿐만 아니라 정비성과를 유지하고 향후 BRM의 체계적인 관리를 위해 기록관리시스템에 단위과제 현황기능 개발, 업무관리시스템에 과제관리 기능 보완, BRM 목적별 분류체계를 서울시 정보소통광장의 서비스에 적용하는 등 여러 개선사항을 마련하였다. 본 연구가 새롭게 BRM을 도입하려는 기관 또는 분류체계 정비사업을 준비하는 기관에서 시행착오를 줄이는데 참고사례가 될 수 있기를 바란다.

• 한국문헌정보학회지
• /
• 제49권3호
• /
• pp.135-154
• /
• 2015

본 연구는 개화기 방한 서양인 기록물의 디지털 아카이브를 구축하여 지역문화콘텐츠로 활용하기 위하여 수행되었다. 수집대상 자료는 서양인 기록물 11권이고, 주제분류체계로부터 10개의 대주제와 120개의 소주제를 추출하였다. 37개 메타데이터 항목에 맞추어 텍스트 내용의 분석과 입력자료 유형을 분류하고 엑셀로 된 데이터베이스를 구축하였다. 그리고 디지털 아카이브 시스템 모델과 5개의 메뉴로 구성된 홈페이지 구축(안)을 제시하였다. 추후연구를 위해 아카이빙 구축을 위한 데이터의 지속적인 발굴과 아카이브 확대 방안, 아카이브 시스템간의 활발한 연계, 시스템 표준화, 시스템 호환성과 사용자 편의성을 고려한 시스템 설계를 제언하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3384-3398
• /
• 2020

In recent years, as the environment has become an important issue in dealing with food, energy, and urban development, diverse environment-related applications such as environmental monitoring and ecosystem management have emerged. In such applications, automatic classification of animals using video or sound is very useful in terms of cost and convenience. So far, many works have been done for animal sounds classification using artificial intelligence techniques such as a convolutional neural network. However, most of them have dealt only with the sound of a specific class of animals such as bird sounds or insect sounds. Due to this, they are not suitable for classifying various types of animal sounds. In this paper, we propose a sound classification scheme based on a multi-feature network for classifying sounds of multiple species of animals. To do that, we first collected multiple animal sound datasets and grouped them into classes. Then, we extracted their audio features by generating mixed records and used those features for training. To evaluate the effectiveness of our scheme, we constructed an animal sound classification model and performed various experiments. We report some of the results.

• 기록학연구
• /
• 제58호
• /
• pp.299-332
• /
• 2018

이 연구는 학교 기록물 분류의 현황을 분석하여 오분류 실태와 그 원인을 밝히고, 이를 토대로 기록관리기준표의 개선방안을 도출하기 위한 것이다. 이를 위해 우선 표본으로 설정된 초, 중, 고 4개 학교가 1년 동안 생산 접수한 기록물을 전수 분석하여 오분류로 의심되는 사례들을 파악하였다. 오분류의 원인 분석과 대안 제시를 위해 행정실장 2명, 공 사립 주무관 2명, 기록연구사 7명 등 총 11명의 자문단을 구성하여 2차에 걸친 집단 면담을 실시하였다. 학교 기록관리기준표에 제시된 공통업무를 중심으로 오분류가 빈번히 이루어지는 33개의 단위과제를 선별하였고, 이들 단위 과제를 중심으로 오분류의 원인을 분석하였다. 오분류의 핵심 원인을 2가지로 유형화하였으며 이러한 원인별로 해설 보강과 복잡한 업무에 대한 업무흐름도 추가라는 기록관리기준표 개선방안을 제시하였다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 간호행정학회지
• /
• 제8권3호
• /
• pp.411-430
• /
• 2002

Purpose : This study was to develop Nursing Process Model of abdominal surgery patient using nursing diagnoses of NANDA, Nursing Interventions Classification(NIC), and Nursing Outcomes Classification(NOC). Method : The data in database were collected from nursing records in sixty patients with abdominal surgery admitted in a university hospital and open questionnaires of thirteen nurses. Systematic nursing process resulting from each nursing diagnoses, most common, was developed by the statistical analysis through database query from clinical database of abdominal surgery patients. Result : 51 nursing diagnoses were identified in abdominal surgery patients. The most commonly occurred nursing diagnoses were Pain, Risk for Infection, Sleep Pattern Disturbance, Hyperthermia, Altered Nutrition: Less Than Body Requirements in order. The linkage lists of NANDA to NIC and NANDA to NOC, and the nursing activities according to nursing diagnoses of abdominal surgery patients were identified in unit. Conclusion : Nursing Process of abdominal surgery patients was comprised of core nursing diagnoses, core nursing interventions, core nursing outcomes which provides the most reliable data in unit and could make nurses facilitate nursing process easily without full consideration of knowledge about nursing language classification system. Therefore, it could support nurses' decision making and recording of nursing process especially in the computerized patient record system if unit nursing process model using standardized nursing language system which contains of their own core nursing process data was developed.