의료 데이터 매시업과 빅데이터 기법 활용을 통한 환자의 재입원 가능성 예측과 원인 분석 = Prediction of Rehospitalization of Patients and Finding Causes of It with Data Mashup and Bigdata Analysis

다국어 초록 (Multilingual Abstract)

Big data has been applied to diverse applications as it can create valuable information from large-sized data which is from diverse communication devices in the medical industry. This study predicts the patient group of acute hospital transfer that the patient's dis-ease is so worse that they are transferred to the hospital. In addition, this study's aim is to increase the healthcare quality that the hos-pital and convalescent hospital is performing. This study finds the differences between the patient group who returns to the hospital as inpatients and the patient group who does not return to the hospital through analysis of 43,986 patients data in convalescent hospital. We obtained six variables that were derived 10 days stool average dependence, 30 days ingestion total dependence times, 10 days mov-ing average dependence, 10 days ingestion average dependence, 30 days stool total non-dependent times, 30 indoor movement depend-ence times of the daily activities auxiliary data. The study uses data mining tools such as decision tree, logistic regression, and neural network to predict the rehospitalization of the patients based on the variables in front of. Decision tree shows the highest prediction performance when the performance of these three methods are compared. This study is expected to contribute to the prediction of ur-gent rehospitalization of patients who stay in convalescent hospital.

국문 초록 (Abstract)

최근 정보통신의 발달로 의료분야에서 대량의 데이터로부터 가치 있는 정보를 생성해 내는 빅데이터 기술이 활발히 활용되고 있다. 본 연구는 요양병원 내 환자의 질환이 악화되어 병원으로 이송되는 급성병원이송 환자군을 예측하여 위험 환자군에 대한 등급 관리와 선행 관리를 통해 병원 및 요양병원이 수행하는 의료 서비스의 질을 증대시키는 것을 목적으로 한다. 연구를 위해 병원에서 퇴원 후 요양병원에 입원가료중인 환자(43,986명)를 대상으로 일상활동보조와 급성병원이송 간의 관계를 규명하기 위해 통계분석 기법과 시각화 기법으로 데이터 탐색과정을 통해 재입원 환자와 재입원하지 않는 환자들과의 차이점을 파악하였다. 일상활동보조 데이터 중 10일 용변(대변) 평균의존도, 30일 취식 총 의존횟수, 10일 이동 평균의존도, 10일 취식 평균의존도, 30일 용변(대변) 총 비의존횟수, 30일 실내이동 총 의존횟수의 6개 변수가 도출되었다. 추출된 변수를 기반으로 환자의 재입원 확률을 예측하기 위해 3가지 데이터 마이닝 분석기법을 활용하여 그중 의사결정나무가 급성병원이송 환자를 예측하는 데 가장 우수한 분석 모델로 판단되었다. 본 연구는 요양병원 내 환자의 질환이 악화되어 병원으로 이송되는 급성병원이송 환자군을 예측하는 데 중요한 기반이 될 것으로 기대된다.

참고문헌 (Reference)

1 김광환, "환자이탈군 특성요인과 이탈환자 예측모형에 관한 연구 -데이터마이닝을 활용하여-" 한국산학기술학회 10 (10): 3480-3486, 2009

2 한정수, "클라우드 환경에서 의료 빅데이터 활용 및 전망" 한국디지털정책학회 12 (12): 341-347, 2014

3 서혜숙, "제2형 당뇨병의 위험인자 분석을 위한 다층 퍼셉트론과로지스틱 회귀 모델의 비교" 22 (22): 369-375, 2001

4 유광호, "인공신경망 기법에 근거한 지반물성치의 불확실성을 최소화하기 위한 터널 역해석 사례연구" 사단법인 한국터널지하공간학회 14 (14): 37-53, 2012

5 김현경, "의사결정나무 분석기법을 이용한 뇌졸중 지식 취약군 규명" 한국간호과학회 44 (44): 97-107, 2014

6 브라이언 이스트우드, "의료 IT+빅데이터 분석 10가지 실제 사례"

7 문형준, "응급의료센터와 중환자실에서 시행된 중심정맥카테터 감염률 비교" 대한응급의학회 22 (22): 669-675, 2011

8 이영호, "신경망을 이용한 생활습관성 질환 시스템 설계" 한국디지털정책학회 10 (10): 1-6, 2012

9 정석훈, "신경망과 의사결정 나무를 이용한 충수돌기염 환자의 재원일수 예측모형 개발" 한국산학기술학회 10 (10): 1424-1432, 2009

10 신용재, "모바일과 의료서비스 간의 새로운 융합 가능성에 관한 연구" 한국IT서비스학회 11 : 27-39, 2012

11 김명종, "로지스틱 회귀분석과 인공신경망을 적용한 내부회계관리제도 평가모형의 성과비교" 한국국제회계학회 (46) : 1-30, 2012

12 박일수, "데이터마이닝을 이용한 위암 예측모형 개발과 활용" 한국데이터정보과학회 21 (21): 1253-1261, 2010

13 박선아, "데이터 마이닝을 이용한 입원 암 환자 간호 중증도 예측모델 구축" 대한종양간호학회 5 (5): 3-11, 2005

14 김유미, "데이터 마이닝을 이용한 당뇨환자의 관리요인에 관한 연구" 한국산학기술학회 10 (10): 1100-1108, 2009

15 온승엽, "단백체 스펙트럼 데이터의 분류를 위한 랜덤 포리스트 기반 특성 선택 알고리즘" 한국시뮬레이션학회 22 (22): 139-147, 2013

16 배재권, "규칙유도기법을 이용한 정보시스템 프로젝트 실패 조기감지시스템 구축에 관한 연구" 국제e-비즈니스학회 13 (13): 25-43, 2012

17 이인재, "국내외 보건의료 빅데이터 현황 및과제" 정보통신기술진흥센터 14-22, 2014

18 Armoni, A., "Use of neural networks in medical diagnosis" 15 (15): 100-104, 1997

19 Prasad, A. M., "Newer classification and regression tree techniques: bagging and random forests for ecological prediction" 9 (9): 181-199, 2006

20 Quinlan, J. R., "Induction of decision trees" 1 (1): 81-106, 1986

21 McFadden, D., "Conditional logit analysis of qualitative choice behavior"

22 Sestito, S., "Automated knowledge acquisition" Prentice Hall 1994