$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

불균형 데이터 집합에서의 의사결정나무 추론: 종합 병원의 건강 보험료 청구 심사 사례
Decision Tree Induction with Imbalanced Data Set: A Case of Health Insurance Bill Audit in a General Hospital 원문보기

Information Systems Review, v.9 no.1, 2007년, pp.45 - 65  

허준 (SPSS Korea (주)데이터솔루션 컨설팅부문) ,  김종우 (한양대학교 경영대학 경영학부)

초록
AI-Helper 아이콘AI-Helper

다른 산업과 달리 병원/의료 산업에서는 건강 보험료 심사 평가라는 독특한 검증 과정이 필수적으로 있게 된다. 건강 보험료 심사 평가는 병원의 수익 문제 뿐 아니라 적정한 진료행위를 하는 병원이라는 이미지와도 맞물려 매우 중요한 분야이며, 특히 대형 종합병원일수록 이 부분에 많은 심사관련 인력들을 투입하여, 병원의 수익과 명예를 위해서 업무를 수행하고 있다. 본 논문은 이러한 건강보험료 청구 심사 과정에서, 사전에 수많은 진료 청구 건 중 심사 평가에서 삭감이 될 수 있는 진료 청구 건을 데이터 마이닝을 통해서 발견하여, 사전의 대비를 철저히 하고자 하는 한 국내 대형 종합병원의 사례를 소개하고자 한다. 데이터 마이닝을 적용함에 있어, 주요한 문제점 중 하나는 바로 지도학습 기법을 적용하기에 곤란한 데이터 불균형 문제가 발생하는 것이다. 이런 불균형 문제를 해소하고, 비교 조건 중에 가장 효율적인 삭감 예상 진료 건 탐지 모델을 만들어 내기 위하여, 데이터 불균형 문제의 기본 해법인 Sampling과 오분류 비용의 다양한 혼합적인 적용을 통하여, 적합한 조건을 가지는 의사결정 나무 모델을 도출하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In medical industry, health insurance bill audit is unique and essential process in general hospitals. The health insurance bill audit process is very important because not only for hospital's profit but also hospital's reputation. Particularly, at the large general hospitals many related workers in...

주제어

#데이터 불균형   #건강보험심사평가   #의사결정나무 분석   #오분류 비용  

참고문헌 (33)

  1. 강필성, 이형주, 조성준, '데이터 불균형 문제에서의 SVM 앙상블 기법의 적용', 한국정보과학회 가을 학술발표논문집, 제31권, 제2호, 2005, pp. 706-708 

  2. 김지현, 정종빈, '계급 불균형 자료의 분류 훈련표본 구성방법에 따른 효과', 응용통계연구, 제17권, 제3호, 2004, pp. 445-457 

    원문보기 상세보기

  3. 오장민, 장병탁, '불균형 데이터의 효과적 학습을 위한 커널 퍼셉트론 부스팅 기법', 한국정보과학회 춘계학술발표논문집(B), 2001, pp. 304-306 

  4. 유상진, 박문로, '데이터 마이닝 기법을 활용한 의료보험 진료비 청구 삭감분석 시스템 개발 및 구현에 관한 연구', Information Systems Review, Vol.7, No.1, pp. 275-295 

    원문보기 상세보기

  5. 이수연, 하호욱, 손태용, '의료기관과 심사기관의 심사업무인식도 비교연구', 병원경영학회지, 제9권, 제3호, 2004, pp. 71-97 

    원문보기 상세보기

  6. 장익암, '보험심사 간호사의 업무 스트레스와 대응방법 조사연구', 한양대학교 대학원 간호학과 석사학위 논문, 2000 

  7. 최길림, '의료보험입원진료비 청구누락방지를 위한 병원 자체심사에 관한 연구', 인제대학교 보건대학원 석사논문, 1995 

  8. 허명회, 이용구, 데이터마이닝 모델링과 사례, SPSS 아카데미, 2003 

  9. 허명회, 'K-means Clustering을 활용한 분류예측', 제 10회 SPSS 사용자 사례 발표회, 2005 

  10. Batista G., Pati, R.C., and Monard, M.C. 'A Study of The Behavior of Several Methods for Balancing Machine Learning Training Data', SIGKDD Exploring, Vol.6, No.1, 2004, pp. 20-29 

    상세보기 crossref

  11. Brieman, L., J.H. Friedman, R.A. Olshen and C. J. Stone, Classification and Regression Trees. Wadsworth, Belmont, 1984 

  12. Chawla, N.V., Kevin W. Boywer, Lawrence O. Hall, and W. Philip Kegelmeyer, 'SMOTE: Synthetic Minority Over-Sampling Technique', Journal of Artificial Intelligence Research, Vol.16, 2002, pp. 231-357 

  13. Chawla, N. V., Nathalie Japkowicz, and Aleksander Kolcz, 'Editorial: Special Issue on Learning from Imbalanced Data Sets', SIGKDD Exploring, Vol.6, No.1, 2004, pp. 1-6 

    상세보기 crossref

  14. Cristianini, N., and J. Shawe-Taylor, An Introduction to Support Vector Machines and Other Kernel-Based Learning Methods, Cambridge: Cambridge University Press, 2000 

  15. Fawcett, T. and F. Provost. 'Combining Data Mining and Machine Learning for Effective User Profile', In Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining, Portland, OR. AAAI. 1996, pp. 8-13 

  16. Fawcett, T. and F. Provost, 'Adaptive Fraud Detection', Data Mining and Knowledge Discovery, Vol.1, 1997, pp. 291-316 

    상세보기 crossref

  17. Guo, H., and H. L. Viktor, 'Learning from Imbalanced Data Sets with Boosting and Data Generation: The DataBoost-IM Approach', SIGKDD Explorations, Vol.6, No.1, 2004, pp. 30-39 

    상세보기 crossref

  18. Hart, P.E., 'The Condensed Nearest Neighbor Rule', IEEE Transactions on Information Theory, Vol.14, No.3, 1968, pp. 515-516 

    상세보기 crossref

  19. Huang, Kaizhu, Haiqin Yang, Irwin King, and Michael R. Lyu, 'Learning Classifiers from Imbalanced Data Based on Biased Minimax Probability Machine', Proceedings of the '04' IEEE Computer society conference on computer vision and pattern recognition (CVPR'04), 2004, pp. 558-563 

  20. Huang, Yueh-Min, Chun-Min Hung, and Hewijin Christine Jiau, 'Evaluation of Neural Networks and Data Mining Methods on a Credit Assessment Task for Class Imbalance Problem', accepted for publication in Nonlinear Analysis: Real World Applications, 2005 

  21. Japkowicz, Nathalie., 'The Class Imbalance Problem: Significance and Strategies', In Proceedings of the 2000 International Conference on Artificial Intelligence, 2000 

  22. Jo, Taeho., and Nathalie Japkowicz, 'Class Imbalances Versus Small Disjuncts', SIGKDD Explorations, Vol.6, No.1, 2004, pp. 40-49 

    상세보기 crossref

  23. Kass, G. 'An Exploratory Technique for Investigating Large Quantities of Categorical Delta', Applied Statistics, Vol.29, No.2, 1980, pp. 119-127 

    상세보기 crossref

  24. Laurikkala, J., 'Improving Identification of Difficult Small Classes by Balancing Class Distribution', Tech Rep. A-2001-2, University of Tampere, 2001 

  25. Lewis, D. and Marc Ringuette, 'A Comparison of Two Learning Algorithms for Text Categorization', In Proceedings of SDAIR-94, 3rd Annual Symposium on DocumentAnalysis and Information Retrieval, 1994, pp. 81-93 

  26. Loh, W. and Y. Shin Forthcoming: Split Selection Methods for Classification Trees, Statistica Sinica, Taiwan, 1997 

  27. Kubat, M., Robert C. Holte and Stan Matwin, 'Machine Learning for The Detection of Oil Spills in Satellite Radar Images', Machine Learning, Vol.30, 1998, pp. 195-215 

    crossref

  28. Quinlan, R., C4.5: Programs for Machine Learning, Morgan Kaufmann Publishers, San Mateo, California, 1992 

  29. Radivojac, P., Nitesh V. Chawla, A. Keith Dunker, and Zoran Obradovic, 'Classification and Knowledge Discovery in Protein Databases', Journal of Biomedical Informatics, Vol.37, 2004, pp. 224-239 

    상세보기 crossref

  30. Su, Chao-Ton, Long-Sheng Chen, and Yuehwem Yih, 'Knowledge Acquisition through Information Granulation for Imbalanced Data', Expert Systems with Applications, Vol.29, 2005, pp. 1-11 

    상세보기 crossref

  31. Weiss, G.M., and F. Provost, The Effect of Class Distribution on Classifier Learning. Technical Report, Department of Computer Science, Rutgers University, 2001 

  32. http://www.nhic.or.kr, 건강보험관리공단 홈페이지 

  33. http://www.hira.or.kr, 건강보험심사평가원 홈페이지 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로