선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그 이유는 251문항에서 32문항으로 축소하는 과정에서 의미 있는 문항들이 탈락되었을 가능성이 있기 때문이다. 본 연구에서는 의사결정나무 방법을 개선하여 정확도를 더 높일 수 있는 방안을 찾아보고자 하였고 이를 위하여 8개 체질을 동시에 분류하시 않고 단계별 분류 방법을 활용하고자 하였다.
- 본 연구에서는 진단율을 높이기 위한 방안으로써 단계적 분류 방법을 구상하였고, 그 첫 단계로 교감 신경 항진 체질과 부교감신경 항진 체질로 분류하는 분석틀을 제시하고자 한다. 단계별 분석의 근거로 권15)은 火理이론을 토대로 인간이 自火와 相火의 크기에 따라 상대적인 장기 배열이 이루어지고, 자율신경의 근거가 됨을 바탕으로 팔체질 의학을 五輸穴을 이용하여 각 장기간의 생기의 불균형과 부조화를 계산 조절하여 만병을 치료하는 학문으로 정의하였다.
- 본 연구의 두 번째 목적은 어떤 문항 응답방식이 최상의 정확도를 도출하는지 살피는 것이었다. ‘신’의 251문항 응답 방식4)은 ‘0~5’ 등간 척도로 이루어져 있다.
- 본 연구의 목적은 기존에 진행한 설문지 연구의 정확도를 높이기 위함이었다. 이를 위해 권이 제시한 이론에 근거, 8개 체질을 교감신경 항진 체질(금수체질), 부교감신경 항진 체질(목토체질)의 두 개 군으로 분류하였다.
제안 방법
- 8개 체질로 진단된 대상자들을 목토, 금수의 두 체질로 바꿔서 진행하였다. 이전 논문에서 문항을 선별하는 과정 중 각 체질을 특징지을 수 있는 문항들이 탈락되는 사례가 있었는데 이를 보완하기 위해 단계적으로 설문을 하기로 하였다.
- ECM 32에서 251문항을 축소하기 위하여 분석된 방법 중 70.4%의 타당도를 보였던 의사결정나무 분석 방법을 다시 사용하였다. 김의 연구에서 의사결정나무가 최종적으로 선택되지 않은 이유는 정확도가 높지 않았기 때문이다.
- 이를 위해 권이 제시한 이론에 근거, 8개 체질을 교감신경 항진 체질(금수체질), 부교감신경 항진 체질(목토체질)의 두 개 군으로 분류하였다. 그 후 단계별 의사결정나무 방법을 통해 어떤 문항이, 어떤 문항응답방식에서 두개 군을 높은 정확도로 분류하는지 살펴본 후 다음과 같은 결론을 얻었다.
- 0은 문항과 무관, 1~5는 ‘조금 그렇다 ~ 매우 그렇다’에 해당하는 정도의 차이를 의미하는데 이는 대상자 개인의 기준에 따라 상대적으로 달라질 수 있다고 생각한다. 그래서 응답 방식의 기준을 명확히 하기 위해 우선 기존의 등간 척도를 이용하여 분석을 하고, 그 다음으로 등간 척도의 기준을 변경하여 분석을 해 본 뒤, 마지막으로 그렇다와 그렇지 않다 이분법 척도로 분석을 하여 어떤 응답 방식이 팔체질 설문지에 가장 적합한지를 비교, 분석해 보고자 한다.
- 문항에 대한 응답 척도 값은 우선 0,1,2,3,4,5로 원래 척도로 분석하였고, 두 번째로 0을 Not available(해당사항 없음)과 1, 2를 Low, 3을 Medium, 4, 5를 High로 변환하여 분석하였다. 그리고 세 번째로 평균값을 기준으로 Low와 High로 구분하여 분석하였고, 마지막으로 0을 Not available(해당사항 없음)과 1, 2, 3, 4, 5를 Yes(그렇다)로 긍정과 부정의 두 가지 응답으로 변환하여 분석하였다. 본 연구의 통계 분석은 SPSS Clementine Ver 14.
- 두 군을 나누는 기준은 팔체질 이론에 근거하여 교감신경 항진체질 (금, 수 체질), 부교감신경 항진체질 (목, 토 체질)로 구분하였다. 데이터에 목양, 목음, 토양, 토음체질로 진단받은 대상자를 목토체질로 금양, 금음, 수양, 수음체질로 진단 받은 대상자를 금수체질로 모은 뒤 의사결정나무를 실행하였다. 1027명의 대상자 중 금수 체질 대상자는 489명이었고, 목토 체질 대상자는 538명이었다.
- 우선 크게 두 개의 군으로 분류하여 특징지을 수 있는 문항들을 복원하고자 하였다. 두 군을 나누는 기준은 팔체질 이론에 근거하여 교감신경 항진체질 (금, 수 체질), 부교감신경 항진체질 (목, 토 체질)로 구분하였다. 데이터에 목양, 목음, 토양, 토음체질로 진단받은 대상자를 목토체질로 금양, 금음, 수양, 수음체질로 진단 받은 대상자를 금수체질로 모은 뒤 의사결정나무를 실행하였다.
- 이러한 두 군으로 분류 결과 높은 정확도를 나타내었고 이는 임상에서 설문을 통한 섭생법을 제시할 수 있음을 의미한다. 또한 두군으로 분류함으로써 전체 인구 비율 중 극히 적은 비중을 차지하는 토음체질의 대상자 수로 인한 문제를 배재하고 연구를 진행 할 수 있었다.
- 문항에 대한 응답 척도 값은 우선 0,1,2,3,4,5로 원래 척도로 분석하였고, 두 번째로 0을 Not available(해당사항 없음)과 1, 2를 Low, 3을 Medium, 4, 5를 High로 변환하여 분석하였다. 그리고 세 번째로 평균값을 기준으로 Low와 High로 구분하여 분석하였고, 마지막으로 0을 Not available(해당사항 없음)과 1, 2, 3, 4, 5를 Yes(그렇다)로 긍정과 부정의 두 가지 응답으로 변환하여 분석하였다.
- 의 연구 대상으로 2007년 3~6월까지 18개의 8체질 전문 한의원을 내원하여 진단된 925명의 환자와 2009년 5~9월까지 10개의 8체질 전문 한의원을 내원하여 진단된 102명의 환자, 총 1027명에게 스스로 설문을 작성하게 하였다. 설문 문항을 작성할 때 스스로 해당되는 문항에 대해서는 그 정도를 1~5점까지 작성하게 하였고, 해당되지 않는 문항에 대해서는 작성하지 않게 하였다. 2007년 신8)의 팔체질 진단 전문가 시스템의 251개의 설문 문항을 사용하였다.
- 이전 논문에서 문항을 선별하는 과정 중 각 체질을 특징지을 수 있는 문항들이 탈락되는 사례가 있었는데 이를 보완하기 위해 단계적으로 설문을 하기로 하였다. 우선 크게 두 개의 군으로 분류하여 특징지을 수 있는 문항들을 복원하고자 하였다. 두 군을 나누는 기준은 팔체질 이론에 근거하여 교감신경 항진체질 (금, 수 체질), 부교감신경 항진체질 (목, 토 체질)로 구분하였다.
- 1~5는 Yes의 의미를 포함하고 있기에 Low, Medium, High로 나누는 것보다 이분법 척도가 명확한 결과가 나왔다고 생각한다. 이 결과를 바탕으로의 Yes or No의 이분법 설문지를 만들었다. Figure 8.
- 이 과정에서 토음 체질의 경우 사례 부족으로, 평균값과 유의성에서 특이할 만한 오차를 만듦으로써 높은 체질별 응답률의 설문이 통계적 유의성에서 제외되는 경우가 발생하였다. 이 연구를 토대로 2010년 김14)이 1027명을 상대로 판별분석, 요인분석, 의사결정나무, 전문가의견, 전문가 공유 문항의 타당도를 각각 비교하여 가장 타당도가 높은 판별분석 32문항(79%)으로 ECM-32 프로그램을 개발하였다. 이 중 의사결정나무 방법은 8개 체질을 한 번에 분류를 하여 100개가 넘는 노드를 생성하여 타당도가 판별 분석에 비하여 높게 나오지 않아서 채택되지 않았다.
- 본 연구의 목적은 기존에 진행한 설문지 연구의 정확도를 높이기 위함이었다. 이를 위해 권이 제시한 이론에 근거, 8개 체질을 교감신경 항진 체질(금수체질), 부교감신경 항진 체질(목토체질)의 두 개 군으로 분류하였다. 그 후 단계별 의사결정나무 방법을 통해 어떤 문항이, 어떤 문항응답방식에서 두개 군을 높은 정확도로 분류하는지 살펴본 후 다음과 같은 결론을 얻었다.
- 8개 체질로 진단된 대상자들을 목토, 금수의 두 체질로 바꿔서 진행하였다. 이전 논문에서 문항을 선별하는 과정 중 각 체질을 특징지을 수 있는 문항들이 탈락되는 사례가 있었는데 이를 보완하기 위해 단계적으로 설문을 하기로 하였다. 우선 크게 두 개의 군으로 분류하여 특징지을 수 있는 문항들을 복원하고자 하였다.
대상 데이터
- 데이터에 목양, 목음, 토양, 토음체질로 진단받은 대상자를 목토체질로 금양, 금음, 수양, 수음체질로 진단 받은 대상자를 금수체질로 모은 뒤 의사결정나무를 실행하였다. 1027명의 대상자 중 금수 체질 대상자는 489명이었고, 목토 체질 대상자는 538명이었다.
- 설문 문항을 작성할 때 스스로 해당되는 문항에 대해서는 그 정도를 1~5점까지 작성하게 하였고, 해당되지 않는 문항에 대해서는 작성하지 않게 하였다. 2007년 신8)의 팔체질 진단 전문가 시스템의 251개의 설문 문항을 사용하였다.
- 본 연구는 2010년 김14)의 연구 대상으로 2007년 3~6월까지 18개의 8체질 전문 한의원을 내원하여 진단된 925명의 환자와 2009년 5~9월까지 10개의 8체질 전문 한의원을 내원하여 진단된 102명의 환자, 총 1027명에게 스스로 설문을 작성하게 하였다. 설문 문항을 작성할 때 스스로 해당되는 문항에 대해서는 그 정도를 1~5점까지 작성하게 하였고, 해당되지 않는 문항에 대해서는 작성하지 않게 하였다.
데이터처리
- 그리고 세 번째로 평균값을 기준으로 Low와 High로 구분하여 분석하였고, 마지막으로 0을 Not available(해당사항 없음)과 1, 2, 3, 4, 5를 Yes(그렇다)로 긍정과 부정의 두 가지 응답으로 변환하여 분석하였다. 본 연구의 통계 분석은 SPSS Clementine Ver 14.0을 사용하였다.
- 를 하였다. 분류된 문항들을 대상으로 independent sample t-test를 실시하여 통계적으로 유의성 있는 문항들을 분류하였다. 이 과정에서 토음 체질의 경우 사례 부족으로, 평균값과 유의성에서 특이할 만한 오차를 만듦으로써 높은 체질별 응답률의 설문이 통계적 유의성에서 제외되는 경우가 발생하였다.
성능/효과
- 팔체질 이론에 따르면 8가지 체질의 장부 배열은 자율신경에 기초하고 침 치료 시에 자율신경조절을 중점적으로 다룬다.20) 금체질과 수체질은 교감신경 항진 체질로 체표 대사가 활성화된 체질이고, 목체질과 토체질은 부교감신경 항진 체질로 체내 대사가 활성화 된 체질로 두 군으로 나누어진 섭생법을 제시하고 있다. 이러한 두 군으로 분류 결과 높은 정확도를 나타내었고 이는 임상에서 설문을 통한 섭생법을 제시할 수 있음을 의미한다.
- 결과 값을 알고 있는 8체질 진단 설문 결과를 분석하는데 있어 의사결정나무가 좋은 Classification 방법임에도 선행연구에서는 의사결정나무로 8개의 체질을 한 번에 분류하는 것은 많은 가지를 만들어내어 유의한 문항을 선별하기가 어려웠다. 그래서 단계별로 두 개 군씩 나누어서 분류를 시도하였고 그 결과 93%의 정확도를 보였다.18) 본 연구에서는 두 개 군으로 분류한 결과 높은 정확도를 보였으므로 팔체질 연구의 초기단계에서 의사결정나무는 충분히 연구 가치가 있다고 사료된다.
- 의사결정나무를 통한 두 개 군 분석 결과 첫 번째 문항인 돼지고기를 먹고 불편한 적이 있는지(F5e) 여부로 85%의 정확도로 분류할 수 있음을 알 수 있다. 그리고 총 9개의 문항, 개인당 최대 6문항으로 체질 감별이 가능하였다. 이는 향후 연구에 있어서 더 높은 정확도와 적은 문항수로 설문지가 개발될 수 있음을 보여준다.
- 두 번째로 0, Low, Medium, High로 척도를 변환하여 분석한 결과 선택된 문항은 총 7개이고, 노드 수는 7개였다. Figure 3.
- 마지막으로 Yes or No의 이등분 척도법을 사용한 결과 선택된 문항은 총 9개이고, 노드 수는 9개였다. Figure 4.
- 의사결정나무 활용 시 문항 척도 값의 점수 산정에 대해 여러 방법을 시도해봤을 때 Y/N가 가장 명료하고 정확도가 높았다. 이는 기존의 연구에서 사용되었던 등간척도 보다 이분법 척도가 팔체질 설문 연구에서 더 유리하다는 것을 보여주는 것으로 조금이라도 증상이 있다면 체질 감별이 될 수 있음을 의미한다.
- 의사결정나무를 통한 두 개 군 분석 결과 첫 번째 문항인 돼지고기를 먹고 불편한 적이 있는지(F5e) 여부로 85%의 정확도로 분류할 수 있음을 알 수 있다. 그리고 총 9개의 문항, 개인당 최대 6문항으로 체질 감별이 가능하였다.
- 이 중 이분법 척도의 정확도가 가장 높았고, 가장 많이 세분화 되었다. 이는 기존 연구에서 진행된 등간 척도와 달리 이분법 척도로 설문 답안을 만들 수 있음을 의미하고, Flow차트의 개발 가능성을 제시할 수 있었다, 또한 설문으로 두 개 군 분류가 가능함을 보임으로써 임상에서 생활 섭생법을 구체적으로 제시할 수 있게 되었다.
- 이 중 이분법 척도의 정확도가 가장 높았고, 가장 많이 세분화 되었다. 이는 기존 연구에서 진행된 등간 척도와 달리 이분법 척도로 설문 답안을 만들 수 있음을 의미하고, Flow차트의 개발 가능성을 제시할 수 있었다, 또한 설문으로 두 개 군 분류가 가능함을 보임으로써 임상에서 생활 섭생법을 구체적으로 제시할 수 있게 되었다.
- 20) 금체질과 수체질은 교감신경 항진 체질로 체표 대사가 활성화된 체질이고, 목체질과 토체질은 부교감신경 항진 체질로 체내 대사가 활성화 된 체질로 두 군으로 나누어진 섭생법을 제시하고 있다. 이러한 두 군으로 분류 결과 높은 정확도를 나타내었고 이는 임상에서 설문을 통한 섭생법을 제시할 수 있음을 의미한다. 또한 두군으로 분류함으로써 전체 인구 비율 중 극히 적은 비중을 차지하는 토음체질의 대상자 수로 인한 문제를 배재하고 연구를 진행 할 수 있었다.
- 첫 번째로 0,1,2,3,4,5의 등간 척도법을 사용한 결과 선택된 문항은 총 6개이고, 노드 수는 7개였다. Figure 2.
후속연구
- 그래서 단계별로 두 개 군씩 나누어서 분류를 시도하였고 그 결과 93%의 정확도를 보였다.18) 본 연구에서는 두 개 군으로 분류한 결과 높은 정확도를 보였으므로 팔체질 연구의 초기단계에서 의사결정나무는 충분히 연구 가치가 있다고 사료된다.
- 본 연구는 금수체질과 목토체질로만 나누었지만 향후 연구에서는 각 체질에 따른 추가적인 의사결정 나무 연구가 필요하다고 사료되고, 앞으로의 과제이다. 금수체질과 목토체질은 서로 차이점과 유사점이 있음에도 불구하고 이것은 섭생 제시일 뿐 구체적인 치료는 각 8개 체질별로 진행되기에 좀 더 세분화된 연구 분석이 필요하다.
- 본 연구는 금수체질과 목토체질로만 나누었지만 향후 연구에서는 각 체질에 따른 추가적인 의사결정 나무 연구가 필요하다고 사료되고, 앞으로의 과제이다. 금수체질과 목토체질은 서로 차이점과 유사점이 있음에도 불구하고 이것은 섭생 제시일 뿐 구체적인 치료는 각 8개 체질별로 진행되기에 좀 더 세분화된 연구 분석이 필요하다.
- 그리고 총 9개의 문항, 개인당 최대 6문항으로 체질 감별이 가능하였다. 이는 향후 연구에 있어서 더 높은 정확도와 적은 문항수로 설문지가 개발될 수 있음을 보여준다.
- 이를 토대로 향후 연구에서 의사결정 나무를 이용하여 4개 군으로 나누고, 최종적으로 8개 체질로 분류하는 것이 가능한 것으로 보이며, 적은 문항수로 높은 정확도를 보일 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.