머신러닝을 이용한 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발

Full metadata record

DC FieldValue
dc.contributor.author박종호
dc.contributor.author강성홍
dc.date.accessioned2019-04-10T06:46:33Z
dc.date.available2019-04-10T06:46:33Z
dc.date.created2019-03-31
dc.date.issued2019-03-31
dc.identifier.issn1226-072X
dc.identifier.issn2671-4531
dc.identifier.urihttp://repository.kihasa.re.kr/handle/201002/31781
dc.description.abstract본 연구는 머신러닝을 이용하여 동반상병 보정 방법에 따른 중증도 보정 재원일수 예측 모형을 개발하고 이를 평가하여 중증도 보정 재원일수 예측 모형 개발의 알고리즘을 제시하기 위해 수행되었다. 본 연구를 위해 2006년부터 2015년까지 10년간의 질병관리본부 퇴원손상심층조사 자료를 수집하였으며, 재원일수 관리가 시급한 신경계통의 질환을 대상으로 중증도 보정 재원일수 예측 모형을 개발하였다. 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발 시 동반상병 보정 방법은 CCI, ECI, CCS 진단군 분류 기준 등 3가지, 머신러닝 분석기법으로는 회귀분석, 의사결정나무, 랜덤 포레스트, 서포트 백터 회귀분석, 신경망 등 5가지를 적용하여 모형을 개발하고 개발된 모형을 평가하였다. 모형 평가 결과 CCS 진단군 분류 기준 동반상병 보정 방법 및 신경망을 이용하여 개발한 중증도 보정 예측 모형의 모형 설명력(R-square)이 가장 높았으며, 모형의 예측력이 가장 우수한 것으로 나타났다. 따라서 중증도 보정 재원일수 예측 모형 개발 시 CCS 진단군 분류 변수를 이용한 동반상병 보정 방법을 이용하여 중증도 보정 예측 모형을 개발하는 것이 필요하며, 머신러닝의 다양한 분석 기법 등을 이용하여 예측력 높은 중증도 보정 예측 모형을 개발하여 재원일수 변이요인 파악 등 재원일수 관리를 위해 활용하는 것이 필요하다.
dc.description.abstractThis study aims to develop a severity-adjusted length of stay predictive model according to comorbidity index by using machine learning and propose a algorithm of severity-adjusted length of stay (LOS) predictive model. The dataset was taken from Korea Centers for Disease Control and Prevention database of the hospital discharge survey from 2006 to 2015 and the severity-adjusted length of stay predictive model was developed for the nervous system patients to need a urgent management for length of stay. when it comes to the severity-adjusted length of stay predictive model about nervous system discharging patients, three tools were used for the severity-adjustment of comorbidity: the CCI, the ECI, and the CCS. The models using Regression, Decision Tree, Random Forest, Support Vector Regression, Neural Network as a Machine learning analysis methods were developed and then evaluate. As a result, Severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and Neural Network method has the highest R-square and has the most excellent prediction capability. In conclusion, there is a need to develop a severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and make use of severity-adjusted predictive model to has high prediction capability by using various machine-learning analytics.
dc.formattext/plain
dc.format.extent38
dc.languagekor
dc.publisher한국보건사회연구원
dc.rightsAn error occurred on the license name.
dc.rights.uriAn error occurred getting the license - uri.
dc.title머신러닝을 이용한 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발
dc.title.alternativeA Study on the Development of Predictive Model for Severity-Adjusted Length of Stay in Nervous System Patients Using Machine Learning
dc.typeArticle
dc.type.localArticle(Series)
dc.subject.keyword재원일수
dc.subject.keyword신경계통의 질환
dc.subject.keyword동반상병 보정
dc.subject.keyword머신러닝
dc.subject.keyword중증도 보정 예측 모형
dc.subject.keywordLength of Stay
dc.subject.keywordDiseases of the Nervous System
dc.subject.keywordComorbidity Index
dc.subject.keywordMachine Learning
dc.subject.keywordSeverity-Adjusted Predictive Model
dc.description.eprintVersionpublished
dc.citation.title보건사회연구
dc.citation.volume39
dc.citation.number1
dc.citation.date2019-03-31
dc.citation.startPage390
dc.citation.endPage427
dc.identifier.bibliographicCitation보건사회연구 제39권 1호, pp.390-427
dc.date.dateaccepted2019-04-10T06:46:33Z
dc.date.datesubmitted2019-04-10T06:46:33Z

qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

License

Browse