로지스틱 회귀분석, 랜덤포레스트, XGBoost를 이용한 우리나라 노인의 신체기능장애의 예측 모형 개발

국문 초록 (Abstract)

노인의 신체기능은 노년기 삶의 질과 의료 및 장기요양의 필요를 결정하는 주요 요인이자 활동적 노화의 핵심요인이다. 노인의 신체기능 상태는 일반적으로 일상생활수행능력(ADL)으로 평가하는데, ADL을 통해 고령자의 독립적인 생활의 가능 여부를 판단할 수 있다. ADL의 관련요인을 파악한 선행연구들은 주로 회귀분석을 이용하여 신체기능장애의 고위험군을 예측하였는데, 회귀분석은 개별 위험요인을 확인하는 데는 유용하지만, 다중위험요인을 파악하는 데는 한계가 있다. 또한, 회귀모형은 변수들의 독립성과 정규성을 가정하는데, 질병처럼 분포의 정규성이 위배되는 데이터의 경우 정확한 결과를 도출해 내는 것이 어렵다. 이러한 회귀모형의 한계점을 해결하는 방법으로 최근 다양한 분야에서 랜덤포레스트와 eXtreme Gradient Boosting(XGBoost)가 널리 사용되고 있다. 한편, 빅데이터를 이용한 장애 예측에서는 불균형 데이터의 문제가 발생할 가능성이 높다. 이러한 불균형한 데이터는 머신러닝의 수행과정에서 예측의 오류를 야기시켜서 모형의 성능을 저하시키므로 이를 해결하기 위한 불균형 데이터 처리 기법이 필요하다. 본 연구는 로지스틱 회귀분석, 랜덤포레스트, XGBoost를 이용하여 우리나라 지역사회 노인들의 신체기능 장애를 예측하는 모형을 개발하고, 질병 데이터에서 샘플링 방법의 성능 비교를 통해서 앙상블 기반 머신러닝의 개발을 위한 불균형 데이터의 효과적인 처리 방법을 제안하였다.
본 연구는 전국 조사를 완료한 65세 이상 지역사회에 거주하는 노인 3,351명을 분석하였다. 결과변수는 표준화된 검사인 K-ADL을 이용하여 측정한 노인의 신체기능장애 여부로 정의하였다. 예측모형은 로지스틱 회귀분석, 랜덤포레스트, XGBoost를 이용해서 개발하였고, 모델의 예측성능을 위해서 ROC curve의 AUC(Area under the curve)를 산출하여, 정확도, 민감도, 특이도를 비교하였다.
총 12개의 예측모형((로지스틱 회귀분석, 랜덤포레스트, XGBoost) x (원시자료, Undersampling, Oversampling, SMOTE))의 정확도, 민감도, 특이도를 비교한 결과, 본 연구에서는 정확도 0.67, 민감도 0.81, 특이도 0.75로 도출된 SMOTE 기반 XGBoost가 예측성능이 가장 우수한 모델로 확인되었다. 이 결과는 y클래스가 불균형인 이분형의 건강조사자료를 이용하여 예측모형을 개발할 경우에는 SMOTE에 기반한 XGBoost 모델을 이용하는 것이 효율적임을 시사한다.