The study was to investigate the agreement rate between the statistical diagnosis of pattern identification by discriminant analysis and the clinical diagnosis of pattern identification by medical specialist in obese patients with BMI$\geqq$23. The agreement rate of deficiency of the sple...
The study was to investigate the agreement rate between the statistical diagnosis of pattern identification by discriminant analysis and the clinical diagnosis of pattern identification by medical specialist in obese patients with BMI$\geqq$23. The agreement rate of deficiency of the spleen, phlegm-retention, deficiency of Yang, retention of undigested food, stagnation of liver Gi, and blood stagnation are 0.40, 0.33, 0.52, 0.76, 0.71, and 0.66, respectively and accuracy rate and prediction rate using linear discriminant function are 0.59 and 0.61, respectively. Therefore, the complementary management in CRF questionnaires and/or consultation from experts will improve the accuracy and prediction rate, which will be helpful for pattern identification of obesity by clinical experts.
The study was to investigate the agreement rate between the statistical diagnosis of pattern identification by discriminant analysis and the clinical diagnosis of pattern identification by medical specialist in obese patients with BMI$\geqq$23. The agreement rate of deficiency of the spleen, phlegm-retention, deficiency of Yang, retention of undigested food, stagnation of liver Gi, and blood stagnation are 0.40, 0.33, 0.52, 0.76, 0.71, and 0.66, respectively and accuracy rate and prediction rate using linear discriminant function are 0.59 and 0.61, respectively. Therefore, the complementary management in CRF questionnaires and/or consultation from experts will improve the accuracy and prediction rate, which will be helpful for pattern identification of obesity by clinical experts.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 2007년도 11월부터 2007년 12월까지 지정된 24개 한방의료기관에 내원한 비만의 전단계인 과체중 환자 및 비만환자 총 1, 254명의 증상 정보를 이용하여 변증을 진단하기 위한 통계적 모델을 개발하여, 비만의 한방진단에 대한 과학적 토대를 구축하는데 있다.
제안 방법
수집 자료는 성별, 나이, 자가보고 비만 증상 정보를 환자로부터 설문 형태로 수집하였고, 신장, 체중, 허리둘레, 엉덩이 둘레를 측정하여 비만도를 도출하였으며, 한의사가 환자의 설문증상을 바탕으로 변증을 선택하였다. 만약 변증들이 혼재되어 있으면 한의사는 주증과 차증으로 나누어 변증 설문지에 기록하였다. 판별분석에서는 주증과 차증을 포함한 통계모형을 만들기 어려워 주증만을 고려하여 통계분석이 이루어졌다.
비만 환자의 변증을 분류하기 위해 판별분석을 사용하여 실시하였는데, 52개 지표를 다변량 통계 모형 에 포함시켜서 분석함에 있어 변증을 보다 정확히 판별하기 위해서는 충분한 자료를 확보해야 한다. 또한 판별함수분석에서 한 집단의 수가 지나치게 적으면 함수의 과잉적합성 (overfitting) 즉, 통계적으로 유의하지 않은 판별함수가 산출될 수도 있으므로, 특히 어혈 집단에 대한 자료(59례, 4.
수거된 설문지는 DB에 double entry로 자료가 입력되었으며, 자료의 정합성 검토(Unmatched Check)를 했다. 설문지 항목 52개를 독립변수로 하여 다변량분석법인 Discriminant Analysis를 사용하였고, SAS program for Windows 를 이용하였다 다변량 분석 법은 변증과 각 항목간의 관계를 알 수 있는 분석방법 중의 하나이다.
이하 과체중을 포함하여 비만변증모형이라고 표현하였다. 수집 자료는 성별, 나이, 자가보고 비만 증상 정보를 환자로부터 설문 형태로 수집하였고, 신장, 체중, 허리둘레, 엉덩이 둘레를 측정하여 비만도를 도출하였으며, 한의사가 환자의 설문증상을 바탕으로 변증을 선택하였다. 만약 변증들이 혼재되어 있으면 한의사는 주증과 차증으로 나누어 변증 설문지에 기록하였다.
였다. 한국한의학 연구원에서 개발한 한방비만 변증 설문지를 통하여 비허증, 담음증, 양허증 식적증, 간울증, 어혈 증의 6가지 변증유형으로 진단된 1, 487명 중 나이가 20세 이상이며, BM가 23 이상인 1, 254명의 과체중 환자에 대해서 분석하였다. 이하 과체중을 포함하여 비만변증모형이라고 표현하였다.
설문지 항목 52개를 독립변수로 하여 다변량분석법인 Discriminant Analysis를 사용하였고, SAS program for Windows 를 이용하였다 다변량 분석 법은 변증과 각 항목간의 관계를 알 수 있는 분석방법 중의 하나이다. 한방비만설문지는 비만과 관련된 6개의 변증(비허증, 담음증, 양허증, 식적증, 간울증, 어혈증)을 선정하였다. 그리고 전신증상 8개 항목, 정서/성격 8개 항목, 소화기능 18개 항목 그리고 순환기능 18개 항목 등 총 52개 항목이며, 각 항목은 5점 척도(1.
대상 데이터
1. 2007년도 11월부터 2(X)7년 12월까지 지정된 24개 한방의료기관에 내원한 20세 이상, BMI 23 이상인 1, 254명의 과체중 환자에 대해서 한방비만변증설문지를 통하여 비만에 대한 증상, 계측치 및 한의사 변증 결과를 수집하였다.
연구대상은 2007년도 11월부터 2007년 12월까지 지정된 24개 한방의료기관에 내원한 환자들을 대상으로 자료를 수집하 였다. 한국한의학 연구원에서 개발한 한방비만 변증 설문지를 통하여 비허증, 담음증, 양허증 식적증, 간울증, 어혈 증의 6가지 변증유형으로 진단된 1, 487명 중 나이가 20세 이상이며, BM가 23 이상인 1, 254명의 과체중 환자에 대해서 분석하였다.
데이터처리
만약 변증들이 혼재되어 있으면 한의사는 주증과 차증으로 나누어 변증 설문지에 기록하였다. 판별분석에서는 주증과 차증을 포함한 통계모형을 만들기 어려워 주증만을 고려하여 통계분석이 이루어졌다.
이론/모형
설문지 항목 52개를 독립변수로 하여 다변량분석법인 Discriminant Analysis를 사용하였고, SAS program for Windows 를 이용하였다 다변량 분석 법은 변증과 각 항목간의 관계를 알 수 있는 분석방법 중의 하나이다. 한방비만설문지는 비만과 관련된 6개의 변증(비허증, 담음증, 양허증, 식적증, 간울증, 어혈증)을 선정하였다.
성능/효과
2. 전체적으로 전문가는 식적증(325례)과 간울증(313례)을약 51% 정도 진단하였다.
3. 변증별 6개의 판별식에 따라 정확도가 59%, 예측도가 61%인 비만변증예측모형을 개발하였다. 변증별로 살펴보면, 비허증 기명(40.
전반적으로 보아 약 41%가 현재의 판별식으로 분류된 결과가 맞지 않을 가능성이 있다. 따라서 현재의 판별식에 의해 분류를 했을 때, 분류 결과가 맞을 것이라고 약 61% 예측할 수 있다(Table 5).
또한 변증별 충화를 통해서 층화되지 않았을 때와 어떻게 정확도가 다른지 보는 것도 고려를 해봐야 할 것이다. 또한 1, 254 증례를 이용하여 도출된 변증별 판별함수를 이용하여 새로운 비만 환자에 대한 설문자료를 변증별로 판별이 가능하다. 아직 정확도가 59%, 예측도가 61%이지만, 설문지 항목에 대한 보완과 전문가 자문을 통해서 정확도와 예측도를 높이면, 전문가들의 비만 변증 진단에 유익한 도움이 될 것이라고 생각된다.
변증별 6개의 판별식에 따라 정확도가 59%, 예측도가 61%인 비만변증예측모형을 개발하였다. 변증별로 살펴보면, 비허증 기명(40.34%), 담음증 51명(32.69), 양허 증 90명(51.72%), 식적증 236명(76.38%), 간울증 209명 (70.61%), 어혈증은 36명(65.45%)이 정확하게 판별되었고, 비허증 62%, 담음증 66%, 양허증 42%, 식적증 23%, 간울증 11%, 어혈증 39%가 현재의 판별식으로 잘못 분류될 가능성이 있다.
비허증에 진단된 비만환자는 기명(40.34%)이 정확하게 판별되었으며, 담음증은 51명(32.69), 양허증은 90명(51.72%), 식적증은 236명(76.38%), 간울증은 209명(70.61%), 어혈증은 36명(65.45%)이 정확하게 판별되었다. 전체 환자들에 대하여 피셔 판별식 에 의해 분류된 최종 결과는 59%가 정확히 분류되었다(Table 4).
45%)이 정확하게 판별되었다. 전체 환자들에 대하여 피셔 판별식 에 의해 분류된 최종 결과는 59%가 정확히 분류되었다(Table 4).
전체적으로 전문가는 식적증(325례)과 간울증(313려})을 약 51% 정도 진단하였다(Table 1).
총 1, 254 증례를 대상으로 전문가가 내린 비만 변증의 분포를 살펴보면, BMI 기준에 따라 과체중(23 m BMI < 25)에서는 간울증(114례), 비허증(85순이었으며, 경도비만(25 < BMI < 30)에서는 식적증(193례), 간울증(163례)순이었다, 고도비만에서도 식적증(41례), 간울증(36례)순이었다. 전체적으로 전문가는 식적증(325례)과 간울증(313려})을 약 51% 정도 진단하였다(Table 1).
총 1, 254 증례를 대상으로 전문가는 식적증(325례)과 간 울증(313려))을 약 51% 정도 진단하였으며, 어혈증(59례)은 4.7%였다. 이는 비만을 변증으로 분류했을 때 식적증과간울증으로 진단될 확률이 가장 많고, 어혈증으로 진단할 확률이 가장 적었다.
이는 비만을 변증으로 분류했을 때 식적증과간울증으로 진단될 확률이 가장 많고, 어혈증으로 진단할 확률이 가장 적었다. 판별식을 통하여 비허증에 진단된 비만 환자는 기명(40.34%)이 정확하게 판별되었으며, 담음 증은 51명(32.69), 양허증은 90명(51.72%), 식적증은 236명 (76.38%), 간울증은 209명(70.61%), 어혈증은 36명(65.45%) 이 정확하게 판별되었다 비허증, 담음증에서 정확도가 40.34%, 32.69%로 낮았으며, 다른 변증은 비슷한 정확도를 나타냈다.
후속연구
7%)가 많이 필요하며 만약 어혈 집단의 수가 원래 적은 것이라면, 다른 변증 군과 분리해서 분석을 수행해야 할 것이다. 또한 변증별 충화를 통해서 층화되지 않았을 때와 어떻게 정확도가 다른지 보는 것도 고려를 해봐야 할 것이다. 또한 1, 254 증례를 이용하여 도출된 변증별 판별함수를 이용하여 새로운 비만 환자에 대한 설문자료를 변증별로 판별이 가능하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.