지능형 통증 간호중재 유헬스 시스템 성능분석

국문 초록 (Abstract)

개인화 추천 시스템은 자동화된 정보 필터링 기술을 적용하여 사용자의 취향에 맞는 상품을 추천해 주는 시스템이다. 이러한 기술 중 협력적 필터링은 비슷한 패턴을 가진 형태들을 식별해 내는 기법이다. 따라서 이를 이용하면 과거 유사한 형태를 가진 환자의 자료를 통하여 통증 강도를 유추 하거나 분류된 환자의 프로필의 유사도에 따라 관련 사정을 추출하는 것이 가능하게 된다. 유사도 가중치 추출의 대표적인 방법인 피어슨 상관계수를 사용하는 방법은 데이터의 양에 따라 표본 데이터가 적은 경우 예측 값이 부정확해지고 양이 방대한 경우 계산량이 제곱으로 늘어 신속한 결과를 추출할 수 없게 되는 단점이 있다. 본 논문에서는 MAE와 순위 스코어를 사용하여 의미있는 데이터를 추출하기 위한 표본 자료의 규모와 유사도 군집량을 비교하여 구현된 지능형 통증 간호중재 유헬스 시스템의 우수성을 확인하였다. 이를 통하여 통증 환자의 고통호소를 간호사가 신속하게 파악할 수 있도록 기초자료와 가이드라인을 제공하게 되고, 따라서 환자의 안위 증진이 향상되게 된다.

다국어 초록 (Multilingual Abstract)

A personalized recommendation system is a recommendation system that recommends goods to users taste by using an automated information filtering technology. A collaborative filtering method in this technology is a method that discriminates certain types, which represent similar patterns. Thus, it is possible to estimate the pain strength based on the data of the patients who have the past similar types and extract related conditions according to the similarity in classified patients. A representative method using the Pearson correlation coefficient for extracting the similarity weight may represent inexact results as the sample data is small according to the amount of data. Also, it has a disadvantage that it is not possible to fast draw results due to the increase in calculations as a square scale as the sample data is large. In this paper, the excellency of the intelligence pain nursing intervention u-health system implemented by comparing the scale and similarity group of the sample data for extracting significant data is verified through the evaluation of MAE and Raking scoring. Based on the results of this verification, it is possible to present basic data and guidelines of the pain of patients recognized by nurses and that leads to improve the welfare of patients.

목차 (Table of Contents)

• 요약
• Abstract
• I. 서론
• Ⅱ. 지능형 통증 간호중재 유헬스 시스템
• Ⅲ. 지능형 통증 간호중재 유헬스 시스템 성능 분석
• Ⅳ. 결론
• 참고문헌

참고문헌 (Reference)

1 류현, "협력적 필터링 기법을 이용한 통증 간호중재 지원 시스템" 상지대학교 교육대학원 2011

2 최순희, "표준화된 간호진단, In 중재 및 결과 분류" 정문각 2004

3 장영준, "척추수술 환자의 수술 후 통증 변화와 통증 조절 중재에 대한 만족도" 전북대학교 대학원 2005

4 김진현, "전국 의료기관의 수술 후 통증관리 실태 분석" 대한마취통증의학회 55 (55): 458-466, 2008

5 박인숙, "일개 대학병원 내과 병동 입원환자의 전자의무기록에 사용된 통증간호 기록 분석" 병원간호사회 16 (16): 123-132, 2010

6 이준규, "인터넷 개인화 아이템 추천 알고리즘에 대한 연구 : 협업 필터링을 중심으로" 연세대학교 대학원 2001

7 정귀임, "암환자 통증관리에 대한 의료인의 지식에 관한 조사연구" 병원간호사회 10 (10): 111-124, 2004

8 보건복지부, "암성통증관리지침 권고안" 보건복지부 2003

9 류현, "보건산업에서 협력적 필터링을 이용한 통증 간호중재 지원 방법" 한국콘텐츠학회 11 (11): 1-8, 2011

10 "국가암정보센터"

11 J. Manning, "Technology Assessment. A Framework for Generating Questions Useful in Evaluating Nursing Information Systems" 15 (15): 141-146, 1997

12 International Association for the Study of Pain, "Pain terms: A Current List of the Definitions and Notes on Usage" 216-221, 1986

13 S. A. Brekken, "Pain management: A Regulatory Issue" 32 (32): 288-295, 2008

14 C. W. Song, "Localized Approximation Method Using Inertial Compensation in WSNs" 14 (14): 3591-3600, 2011

15 D. Billsus, "Learning Collaborative Information Filters" 46-53, 1998

16 C. W. Song, "Interactive Middleware Architecture for Lifelog based Context Awareness" 2013

17 H. Yoo, "Development of Pain Prescription Decision Systems for Nursing Intervention, In ICITCS11, LNEE 120" Springer 435-444, 2011

18 K. D. Lee, "Context and Profile based Cascade Classifier for Efficient People Detection and Safety Care System" 63 (63): 27-44, 2013

19 Y. G. Jung, "A Study of a Valid Frequency Range using Correlation Analysis of Throat Signal" 14 (14): 3791-3799, 2011

20 Y. F. Wang, "A Personalized Recommender System for the Cosmetic Business" 26 (26): 427-434, 2004