[논문]전문가 변증과정을 반영한 중풍 변증 판별모형

이정섭; 김소연; 강병갑; 고미미; 김정철; 오달석; 김노수; 최선미; 방옥선

문제 정의

이러한 노력의 일환으로 통계적 방법 특히 판별분석에 의한 진단모형을 개발한 연구가 있었으나 적은 증례수로 인한 일반화의 어려움, 데이터의 분석과정에 변증과정을 충분히 반영하지 못한 점과 같은 문제점 등이 노출되었다. 본 연구에서는 다기관의 임상전문가들에 의해 수집된 중풍환자에 대한 변증결과와 이를 지지하는 임상자료를 바탕으로 실제 변증의 의미에 더욱 부합하는 진단모형을 도출하였고 이를 검증한 결과 기존의 연구보다 의미 있는 결과를 얻었기에 이에 보고하고자 한다.
얻어진 임상자료는 변증이 사전에 엄격한 기준에 의해 정해져 있고, 해당 변증은 환자의 다수 증상, 징후 정보를 통해 결정된다는 특징이 있어 이를 일반화하기 위하여 다수의 독립변수와 종속변수의 이상적 선형결합을 찾아내는 판별분석을 적용하여 수리적 모형을 도출하였다. 연구에 이용된 판별분석은 첫째, 다수 독립변수들의 구체적인 척도값을 근거로 대상들을 4개의 집단소속으로 분류하기 위한 모형을 마련하고, 둘째, 집단을 판별하는데 독립변수들의 상대적인 기여도를 평가하며, 마지막으로 판별모형을 검증표본에 대입하여 타당성을 평가하고 예측모형을 제시하는 것을 목표로 하고 있다³⁾ . 일반적으로 판별분석은 시행에 앞서 다음과 같은 가정을 살펴보아야 하는데 독립변수들이 실제로 종속변수를 설명하고, 종속변수와과 관련된 모든 독립변수들이 포함되어야 한다.

가설 설정

본 연구에 앞서 강^2,5)은 중풍환자에게서 나타난 증상, 징후 정보와 화열증, 습담증, 음허증, 기허증의 4개 변증결과 자료를 바탕으로 판별모형을 개발하였는데 여기에는 중풍환자에게 나타난 환자지표정보 모두가 변증을 설명하고 있다는 가정을 바탕으로 한다. 그러나 실제 변증은 개개 환자에게 나타나는 모든 증상, 징후 중 일부를 의사가 主症, 次症, 潛症 등으로 평가, 선택하여 증형을 확정하는 방법이므로 환자에게 나타난 증상, 징후 모두가변증 판단에 반영되지는 않는다.

제안 방법

2005년부터 중풍임상전문가들의 토의와 합의 및 이를 뒷받침하는 임상연구를 통해 개발된 5개 변증(화열증, 습담증, 어혈증, 기허증, 음허증)과 증상지표를 반영하여 증례기록지를 개발하였으며 이를 통해 임상자료를 수집하였다. 증례기록지의 각 세부 지표는 ‘매우 그렇다’-‘그렇다’-‘아니다’의 3단계 척도를 사용하여 표기하였고, 2008년 10월 1일부터는 증례기록지 작성 후 의사가 변증하는데 중요하게 고려한 지표를 추가적으로 표기하였다.
이 기준에 따라 13개의 지표가 제거되었고 53개의 변증근거정보의 지표를 독립변수로 4개 변증 (화열증, 습담증, 음허증, 기허증)을 종속변수로 하여 다변량 분석법인 판별분석을 실시하여 정확 율을 알아보았다. 도출된 판별모형의 타당성을 검토하기 위해 환자의 변증과 전체지표정보를 포함한 검증표본을 활용하여 예측 정확율을 검토하였다(Fig. 1). 이러한 일련의 분석과정은 SAS 9.
변증을 확정하기 위한 방법으로 본 연구에 참여하는 연구자 들의 합의에 의해 한방병원에서 2년 이상 중풍을 진료한 임상전문가 2인이 서로 독립적으로 사진과정을 거쳐 화열증, 습담증, 기허증, 음허증의 4개 변증 중 하나로만 변증하고, 그 변증이 일치하는 환자를 해당 변증군으로 설정하였다. 어혈증의 경우 독립 변수의 개수보다 샘플수가 적어 결과에 대한 객관성 확보가 어렵다는 선행연구의 문제제기에 따라 분석 시 종속변수에서 제외하였다²⁾.
본 연구는 ‘뇌혈관질환의 한의 변증진단 표준화 및 과학화 기반연구’의 한국형 중풍변증표준안-Ⅱ를 바탕으로 개발된 증례 기록지를 사용하여 전국 13개 한방병원에서 수집한 임상자료를 기반으로 하고 있다. 얻어진 임상자료는 변증이 사전에 엄격한 기준에 의해 정해져 있고, 해당 변증은 환자의 다수 증상, 징후 정보를 통해 결정된다는 특징이 있어 이를 일반화하기 위하여 다수의 독립변수와 종속변수의 이상적 선형결합을 찾아내는 판별분석을 적용하여 수리적 모형을 도출하였다. 연구에 이용된 판별분석은 첫째, 다수 독립변수들의 구체적인 척도값을 근거로 대상들을 4개의 집단소속으로 분류하기 위한 모형을 마련하고, 둘째, 집단을 판별하는데 독립변수들의 상대적인 기여도를 평가하며, 마지막으로 판별모형을 검증표본에 대입하여 타당성을 평가하고 예측모형을 제시하는 것을 목표로 하고 있다³⁾ .
그러나 실제 변증은 개개 환자에게 나타나는 모든 증상, 징후 중 일부를 의사가 主症, 次症, 潛症 등으로 평가, 선택하여 증형을 확정하는 방법이므로 환자에게 나타난 증상, 징후 모두가변증 판단에 반영되지는 않는다. 이러한 변증과정에서 나타나는 지표의 선택과정에 대한 정보를 얻기 위해 연구팀은 2008년 10월 1일부터 모든 환자지표정보 조사 후 변증근거정보를 추가적으로 기재하였다.
임상 전문가 2인의 변증이 일치하는 임상자료 중에서 어혈증을 제외한 516명의 자료를 대상으로 53개 변증근거정보를 독립변수로 하여 화열증, 습담증, 기허증, 음허증의 4개 변증에 대한 선형판별함수를 도출하였다(Table 2). 도출된 변증 판별모형의 정확률은 93.
전문가 변증과정을 반영한 판별모형 개발을 위해 변증 결과와 변증근거정보를 활용하였는데, 변증근거정보 중 전체 환자의 3% 이하로 나타난 지표는 독립변수에서 제외하고 분석하였다. 이 기준에 따라 13개의 지표가 제거되었고 53개의 변증근거정보의 지표를 독립변수로 4개 변증 (화열증, 습담증, 음허증, 기허증)을 종속변수로 하여 다변량 분석법인 판별분석을 실시하여 정확 율을 알아보았다.
증례기록지의 각 세부 지표는 ‘매우 그렇다’-‘그렇다’-‘아니다’의 3단계 척도를 사용하여 표기하였고, 2008년 10월 1일부터는 증례기록지 작성 후 의사가 변증하는데 중요하게 고려한 지표를 추가적으로 표기하였다. 증례기록지의 지표 항목을 모든 연구자들이 정확하고 일관된 기준으로 작성하게 하기 위하여 표준작업지침서를 제정하였으며 연 2회 정기적인 교육을 실시하였다.

대상 데이터

2008년 10월부터 2009년 6월까지 수집된 자료 중 임상전문가 2인의 변증이 일치하면서 단일 변증인 임상 자료 541례 중 어혈증을 제외한 516례를 대상으로 분석하였다. 변증별 분포는 화열증이 35.
변증의 판별모형을 수립하기 위하여 본 연구에서는 2008년 10월 1일부터 2009년 9월 30일까지 13개 한방병원에서 수집한 임상자료 중 임상전문가 2인에 의해 화열증, 습담증, 기허증, 음허증으로 확정된 516개의 자료를 사용하였다. 분석에 상대적으로 빈도가 적은 독립변수들을 제외한 것은 해당 변수들이 실제 판별분석에 사용되더라도 결과에 미치는 영향이 미미하며, 임상적으로는 다른 변수들에 비해 중요하지 않은 지표로 받아들여지기 때문이다(Table 1).
본 연구는 ‘뇌혈관질환의 한의 변증진단 표준화 및 과학화 기반연구’의 한국형 중풍변증표준안-Ⅱ를 바탕으로 개발된 증례 기록지를 사용하여 전국 13개 한방병원에서 수집한 임상자료를 기반으로 하고 있다.
본 연구는 2008년 10월 1일부터 2009년 9월 30일까지 12개월간 전국 13개 한방병원에 입원한 중풍환자 중 정상적인 의사소통이 가능하고 신경학적 결손증상과 CT, MRI 등 영상의학적 진단이 일치하거나 영상의학적 확진 없이도 임상전문가 2인에 의해 중풍이라고 판단된 경우, 신경학적 결손증상이 24시간 이상 지속되고 발병일이 1개월 이내인 환자를 대상으로 하였으며 외상성 중풍은 제외하였다.
독립변수 선택을 위한 변증근거정보의 빈도를 살펴본 결과 총 66개의 지표 중 13개의 지표는 전체 환자에서의 빈도가 3%미만으로 나타났다. 임상적 의미를 확보하고 판별분석의 정확성 향상을 위하여 13개의 지표를 제외한 53개의 지표를 분석에 사용하였다(Table 1).

데이터처리

전문가 변증과정을 반영한 판별모형 개발을 위해 변증 결과와 변증근거정보를 활용하였는데, 변증근거정보 중 전체 환자의 3% 이하로 나타난 지표는 독립변수에서 제외하고 분석하였다. 이 기준에 따라 13개의 지표가 제거되었고 53개의 변증근거정보의 지표를 독립변수로 4개 변증 (화열증, 습담증, 음허증, 기허증)을 종속변수로 하여 다변량 분석법인 판별분석을 실시하여 정확 율을 알아보았다. 도출된 판별모형의 타당성을 검토하기 위해 환자의 변증과 전체지표정보를 포함한 검증표본을 활용하여 예측 정확율을 검토하였다(Fig.

성능/효과

본 연구에서는 비록 임의 분할표본은 아니지만 환자전체정보를 검증표본으로 하여 타당성을 검토하였는데 이는 검증표본이 향후 수집될 표본과 동질하다는 가정에 부합하기 때문이다. 그 결과 판별모형의 예측정확율은 80.43%로 강²⁾의 71.63% 보다 향상된 예측결과를 나타내었다(Table 3). 결국 본 연구에서 개발된 판별모형은 기존 모형에 비해 실제 임상전문가들의 변증과정과 그 결과 값이 잘 반영된 모형이면서 동시에 중풍 환자의 변증 판별 예측에도 더 나은 결과를 보여 향후 임상에서 좋은 중풍 진단 모형으로 활용될 수 있을 것으로 전망된다.
임상 전문가 2인의 변증이 일치하는 임상자료 중에서 어혈증을 제외한 516명의 자료를 대상으로 53개 변증근거정보를 독립변수로 하여 화열증, 습담증, 기허증, 음허증의 4개 변증에 대한 선형판별함수를 도출하였다(Table 2). 도출된 변증 판별모형의 정확률은 93.2%이었고, 변증 판별모형을 검증표본인 전체 환자의 전체지표정보에 적용한 결과 그 예측정확율은 80.43%로 나타났다(Table 3).
독립변수 선택을 위한 변증근거정보의 빈도를 살펴본 결과 총 66개의 지표 중 13개의 지표는 전체 환자에서의 빈도가 3%미만으로 나타났다. 임상적 의미를 확보하고 판별분석의 정확성 향상을 위하여 13개의 지표를 제외한 53개의 지표를 분석에 사용하였다(Table 1).
분석에 상대적으로 빈도가 적은 독립변수들을 제외한 것은 해당 변수들이 실제 판별분석에 사용되더라도 결과에 미치는 영향이 미미하며, 임상적으로는 다른 변수들에 비해 중요하지 않은 지표로 받아들여지기 때문이다(Table 1). 변증근거정보의 각 지표를 0-1-2점의 척도로 판별분석을 실시하여 선형판별함수를 얻었고 판별함수에 의해 분류된 자기 정확율은 93.20%로 나타나 기존 연구의 74.22% 보다 높게 나타났다(Table 2).
2008년 10월부터 2009년 6월까지 수집된 자료 중 임상전문가 2인의 변증이 일치하면서 단일 변증인 임상 자료 541례 중 어혈증을 제외한 516례를 대상으로 분석하였다. 변증별 분포는 화열증이 35.7%로 가장 많았으며, 습담증, 기허증, 음허증 순으로 나타났다(Fig. 2).

후속연구

63% 보다 향상된 예측결과를 나타내었다(Table 3). 결국 본 연구에서 개발된 판별모형은 기존 모형에 비해 실제 임상전문가들의 변증과정과 그 결과 값이 잘 반영된 모형이면서 동시에 중풍 환자의 변증 판별 예측에도 더 나은 결과를 보여 향후 임상에서 좋은 중풍 진단 모형으로 활용될 수 있을 것으로 전망된다. 다만 기존 연구와 마찬가지로 변증과 연관된 많은 독립변수들을 적절 하게 조절하지 못한 점은 한계로 지적될 수 있으며, 향후 지표 사이의 상호관계를 파악하여 간명한 지표를 제시한다면 더욱 간단하면서도 정확한 판별결과를 얻을 수 있을 것이다.
결국 본 연구에서 개발된 판별모형은 기존 모형에 비해 실제 임상전문가들의 변증과정과 그 결과 값이 잘 반영된 모형이면서 동시에 중풍 환자의 변증 판별 예측에도 더 나은 결과를 보여 향후 임상에서 좋은 중풍 진단 모형으로 활용될 수 있을 것으로 전망된다. 다만 기존 연구와 마찬가지로 변증과 연관된 많은 독립변수들을 적절 하게 조절하지 못한 점은 한계로 지적될 수 있으며, 향후 지표 사이의 상호관계를 파악하여 간명한 지표를 제시한다면 더욱 간단하면서도 정확한 판별결과를 얻을 수 있을 것이다.

핵심어	질문	논문에서 추출한 답변
	한의악에서 변증이란 무엇인가?	한의학에서 진단 과정 즉 변증은 사진의 방법을 통해 환자의 증상, 징후를 수집하고 이를 한의학적인 방법으로 해석하여 증형을 도출해내는 과정으로 수집한 정보의 내용과 방법, 그리고 해석방법 모두 서양의학과는 다른 특징이 있다1) . 한의학에서 변증은 치료 원칙와 예후를 판단하는데 매우 중요한 과정이나 변증을 이루는 증상, 징후들의 조합이 정형화되어 있지 않아 이에 대한 객관화 요구가 계속 이어지고 있다.
	판별모형의 타당성을 어떻게 검토하였나?	일반적으로 판별모형의 타당성을 검토하기 위하여 전체의 표본을 분석표본과 검증표본으로 나눈 뒤 분석표본을 사용하여 판별함수을 얻고 이를 검증표본에 적용하여 그 예측정확율을 평가한다. 강2)은 전체 데이터를 임의로 80%와 20%로 나누어 분석 표본과 검증표본으로 사용하였는데 그 결과 예측정확율은 71.
	도출된 선형판별함수에서의 정확률은 몇퍼센트인가?	임상 전문가 2인의 변증이 일치하는 임상자료 중에서 어혈증을 제외한 516명의 자료를 대상으로 53개 변증근거정보를 독립변수로 하여 화열증, 습담증, 기허증, 음허증의 4개 변증에 대한 선형판별함수를 도출하였다(Table 2). 도출된 변증 판별모형의 정확률은 93.2%이었고, 변증 판별모형을 검증표본인 전체 환자의 전체지표정보에 적용한 결과 그 예측정확율은 80.43%로 나타났다(Table 3).

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

전문가 변증과정을 반영한 중풍 변증 판별모형
Discriminant Model for Pattern Identifications in Stroke Patients Based on Pattern Diagnosis Processed by Oriental Physicians 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

전문가 변증과정을 반영한 중풍 변증 판별모형 Discriminant Model for Pattern Identifications in Stroke Patients Based on Pattern Diagnosis Processed by Oriental Physicians 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

이정섭 (20) 강병갑 (65) 고미미 (43) 김정철 (16) 오달석 (28) 김노수 (7) 최선미 (253) 방옥선 (31)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

전문가 변증과정을 반영한 중풍 변증 판별모형
Discriminant Model for Pattern Identifications in Stroke Patients Based on Pattern Diagnosis Processed by Oriental Physicians 원문보기

AI 본문요약
AI-Helper