$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"

과학기술 지식인프라 ScienceON

상세검색 다국어 입력
도움말도움말
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

MyON담기
내보내기

기상 및 소셜미디어 정보를 활용한 인플루엔자 예측모형

Influenza prediction models by using meteorological and social media informations

Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지 v.26 no.5 , 2015년, pp.1087 - 1095  
황은지 (한국보건산업진흥원 ) ;  나종화 ( 충북대학교 정보통계학과/비즈니스데이터융합학과)
초록

인플루엔자는 흔히 독감으로 불리는 질병으로 인플루엔자 바이러스가 호흡기 (코, 인후, 기관지, 폐 등)에 감염되어 생기는 병이다. 감기와는 달리 심한 증상을 나타내거나 생명이 위험한 합병증 (폐렴 등)을 유발할 수도 있다. 본 연구에서는 인플루엔자에 대한 예측모형을 다루었으며, 주로 회귀적인 모형을 고려하였다. 기존의 연구들이 주로 기상요인을 예측변수로 사용한 반면, 본 연구에서는 소셜요인의 효과를 살펴보았으며 그 결과 기상요인과 대등한 설명력을 가짐을 확인하였다. 반응변수로는 국민건강보험공단에서 제공하는 인플루엔자 진료건수가 사용되었고, 설명변수에는 기상청에서 제공하는 기상정보와 트위터에서의 인플루엔자 연관키워드 빈도가 사용되었다. 모형의 비교를 위해 시계열 모형도 함께 제시되었다.

Abstract

Influenza, commonly known as "the flu", is an infectious disease caused by the influenza virus. We consider, in this paper, regression models as a prediction model of influenza disease. While most of previous researches use mainly the meteorological variables as a predictive variables, we consider social media information in the models. As a result, we found that the contributions of two-type of informations are comparable. We used the medical treatment data of influenza provided by Natioal Health Insurance Survice (NHIS) and the meteorological data provided by Korea Meteorological Administration (KMA). We collect social media information (twitter buzz amount) from Twitter. Time series model is also considered for comparison.

주제어

#소셜미디어   #연관키워드   #예측모형   #인플루엔자  

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
인플루엔자
인플루엔자는 무엇을 유발할 수 있는가?
감기와는 달리 심한 증상을 나타내거나 생명이 위험한 합병증 (폐렴 등)을 유발할 수도 있다.

인플루엔자는 흔히 독감으로 불리는 질병으로 인플루엔자 바이러스가 호흡기 (코, 인후, 기관지, 폐 등)에 감염되어 생기는 병이다. 감기와는 달리 심한 증상을 나타내거나 생명이 위험한 합병증 (폐렴 등)을 유발할 수도 있다. 본 연구에서는 인플루엔자에 대한 예측모형을 다루었으며, 주로 회귀적인 모형을 고려하였다.

인플루엔자
인플루엔자는 무엇인가?
흔히 독감으로 불리는 질병으로 인플루엔자 바이러스가 호흡기 (코, 인후, 기관지, 폐 등)에 감염되어 생기는 병

인플루엔자는 흔히 독감으로 불리는 질병으로 인플루엔자 바이러스가 호흡기 (코, 인후, 기관지, 폐 등)에 감염되어 생기는 병이다. 감기와는 달리 심한 증상을 나타내거나 생명이 위험한 합병증 (폐렴 등)을 유발할 수도 있다.

감기
감기는 몇 가지 바이러스에 의해 발생하는가?
100여가지

인플루엔자는 독감 (flu) 또는 계절 독감 (seasonal flu)로도 불리는 질병으로 감기와 증상이 비슷하여 구별하기가 힘들지만, 일반적으로 감기는 증상이 약하고, 인플루엔자는 증상이 중하다. 감기는 100여가지 바이러스에 의해 발생하며, 인플루엔자는 인플루엔자 바이러스에 의해 발병한다. 인플루엔자에 감염되면 코, 목, 폐에서 시작하여 몸 전체로 퍼지며, 인플루엔자에 걸린 사람이 기침이나 재채기를 할 때 퍼진다.

질의응답 정보가 도움이 되었나요?

저자의 다른 논문

황은지(1) Na, Jong-Hwa(39)

참고문헌 (19)

  1. 1. Askitas, N. and Zimmermann, K. F. (2009). Google econometrics and unemployment forecasting, IZA Discussion Paper, 4201. 
  2. 2. Box, G. E. P. and Jenkins, G. M. (1976). Time series analysis : Forecasting and control, Holden Day, San Francisco. 
  3. 3. Cho, S. A. (2012). nvestigation of association between influenza occurrence and climate factors using time series analysis, Master's Thesis, Korea University, Seoul. 
  4. 4. Cho, S., Sohn, C. H., Jo, M. W., Shin, S. Y., Lee, J. H., Ryoo, S. M., Kim, W. Y. and Seo, D. W. (2013). Correlation between national influenza surweillance data and google trends in South Korea, PLos ONE, 8, doi:10.1371/journal.pone.0081422. 
  5. 5. Choi, H. (2010). Predicting initial claims for unemployment benefits, Google Technical Report. 
  6. 6. Choi, H. and Varian, H. (2012). Predicting the present with google trends, The Econometric Record, 88, 2-9. 
  7. 7. D'Amuri, F. (2009). Predicting unemployment in short samples with internet job search query data, MPRA paper, 18403. 
  8. 8. D'Amuri, F. and Marcucci, J. (2009). Google it! forecasting the US unemployment rate with a google job search index, Bank of Italy. 
  9. 9. Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S. and Brilliant, L. (2009). Detecting influenza epidemics using search engine query data, Nature, 457, 1012-1014. 
  10. 10. Haines and Patz (2004). Health Effects of Climate Change, The Journal of the American Medical Association, 291, 99-103. 
  11. 11. Jang, M. (2011). A study on the prediction of regional influenza patients by using meteorological factors, Proceedings of the Autumn Meeting of KMS, 292-293. 
  12. 12. Lee, H. J. (2014). Analysis of statistical models on temperature at the seosan city in Korea, Journal of the Korean Data & Information Science Society, 25, 1293-1300. 
  13. 13. Manangan, A. P. (2006). Influenza prevalence in the US associated with climate factors, analyzed at multiple spatial and temporal scales, Master Thesis, Georgia State University. 
  14. 14. Na, J. H. and Kim, E. S. (2013). Forecasting unemployment rate using social media information, Journal of the Korea Industrial Information Systems Research, 18, 95-101. 
  15. 15. Pablo, F. (2004). Climate, weather and flu diagnoses incidence in the region of Santander (Northern Sapain) during the 1999-2000 epidemic diffusion period, Kluwer Academic Publishers, 20, 223-228. 
  16. 16. SAS and UN Global Pulse. (2011). Using social media and online conversations to add depth to unemployment statistics, White Paper, 1-21. 
  17. 17. Son, K. T. and Kim, D. H. (2015). Development of statictical forecast model for $PM_{10}$ concentration over Seoul, Journal of the Korean Data & Information Science Society, 26, 289-299. 
  18. 18. Xiao, H., Tian, H., Lin, X., Gao, L., Dai, X., Zhang, X., Chen, B., Zhao, Z. and Xu, J. (2013). Influence of extreme weather and meteorological anomalies on outbreaks of influenza (H1N1), Prevention Medicine & Hygienics, 58, 741-749. 
  19. 19. Xu, W., Li, Z. and Chen, Q. (2012). Forecasting the unemployment rate by neural networks using search engine query data, 2012 45th Hawaii International Conference on System Sciences, 3591-3599. 

이 논문을 인용한 문헌 (2)

  1. 나종화, 황은지 2017. "R의 Shiny를 이용한 시각화 분석 활용 사례" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 28(6): 1279~1290 
  2. 안소진, 이재은, 장대흥 2017. "고차원 자료에서 영향점의 영향을 평가하기 위한 그래픽 방법" Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, 28(6): 1291~1300 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문과 연관된 기능

이 논문과 함께 이용한 콘텐츠

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답