$\require{mediawiki-texvc}$

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.

데이터 마이닝을 이용한 고혈압환자의 당뇨질환 동반에 관한 데이터 질 관리 알고리즘 개발
Developing data quality management algorithm for Hypertension Patients accompanied with Diabetes Mellitus By Data Mining 원문보기

디지털융복합연구 = Journal of digital convergence, v.14 no.7, 2016년, pp.309 - 319  

황규연 (부산대학교병원) ,  이은숙 (부산대학교병원) ,  김고원 (부산대학교병원) ,  홍성옥 (질병관리본부) ,  박정선 (한국보건산업진흥원) ,  곽미숙 (한국보건산업진흥원) ,  이예진 (한국보건산업진흥원) ,  임채혁 (인제대학교 보건행정학과) ,  박태현 (인제대학교 보건행정학과) ,  박종호 (인제대학교 보건행정학과) ,  강성홍 (인제대학교 보건행정학과)

초록
AI-Helper 아이콘AI-Helper

보건의료데이터의 질적 수준을 향상시키기 위해서는 데이터 질 관리 알고리즘을 개발할 필요성이 있다. 이에 본 연구에서는 질환의 유병률, 입원율이 높은 고혈압 환자의 당뇨질환 동반에 관련된 데이터 질 관리 알고리즘을 개발하고자 하였다. 이를 위해 2011년, 2012년 퇴원손상심층조사 자료 중 고혈압 환자 61,199건을 추출하여 분석대상으로 하였다. 데이터 마이닝의 대화식 의사결정나무 방법과 Outlier Detection 방법론을 통해 데이터 질 관리 알고리즘 개발한 결과 고혈압 환자가 당뇨병을 동반상병으로 가지는데 영향을 미치는 요인으로는 성별, 연령, 당뇨병성 사구체 장애, 당뇨병성 망막병증, 당병성 다발성 신경병증 등이 있었다. 의사결정나무 결과에 따라 당뇨병을 동반상병으로 가질 확률 값이 80% 이상이거나, 20% 이하인 집단을 Outlier(극단치)로 정의하고, 고혈압 환자의 당뇨 동반에 대한 극단치를 가지는 6개 집단을 발견하였다. 이와 같이 Outlier(극단치) 집단에 포함되는 실제 데이터를 확인하여 데이터의 질적 수준을 향상 시킬 필요가 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

There is a need to develop a data quality management algorithm in order to improve the quality of health care data. In this study, we developed a data quality control algorithms associated diseases related to diabetes in patients with hypertension. To make a data quality algorithm, we extracted hype...

주제어

#데이터 마이닝   #데이터 질 관리 알고리즘   #Outlier Detection 방법론   #고혈압   #당뇨  

참고문헌 (20)

  1. Health Insurance Review & Assessment Service, "Survey results of medical information status", 14p, 2014. 

  2. Yoomi Kim, Ilsoo Park, Misook Kwak, Misun Kim, Yae-En Kim. "Health Information Management", chapter 8, Secondary Data Sources, 2014. 

  3. Korea Database Agency, "2010 Data quality management maturity level research report", p13, 2010. 

  4. Insook cho, "Assessing the Quality of Structured Data Entry for the Secondary Use of Electronic Medical Records", Med Informatics, Vol. 15, No. 4, pp.423-431, 2009. 

  5. Medical Record Insitute, "HEALTHCARE DOCUMENTATION: A REPORT ON INFORMATION CAPTURE AND REPORT GENERATION", pp,11-14, 2002. 

  6. Nicole Lewis, informationweek Health care connecring the healthcare thechnology community, http://www.informationweek.com/healthcare/clinical-information-systems/poor-data-management-costs-healthcare-providers/d/d-id/1105481?, July 24, 2012. 

  7. Juliano, "A Systemic Review Of Outlier Detection Techniques In Medical Data: Preminary Data", 2011. 

  8. K.Suganya, S.Dhamodharan, "Assessment of Data Quality in Health Care Using Association Rules", International Journal of Engineering and Advanced Technology, Vol 3, No 4, pp.36-37, 2014. 

  9. S. preetha, V. Radha, "Enhanced Outlier Detection Method Using Association Rule Mining Technique", International Journal of Computer Applications, Vol 42. No.7, 2012. 

  10. National Health Insurance Corporation, Benefits by Classification of 298 Disease Categories, 2014. 

  11. Korea Centers for Disease Control and Prevention , Discharge damage depth investigation 2011, 2012. 

  12. Yoomi Kim, Daegon Cho, Sungok Hong, Eunju Kim, Sunghong Kang, "Analysis on Geographical Variations of the Prevalence of Hypertension Using Multi-year Data", The Korean Geographical Society, vol 49, No.6, pp. 935-948, 2014. 

  13. Ankerst, M., Elsen, C., Ester, M., Kriegel, H.P., "Visual Classication: An Interactive Approach to Decision Tree Construction", KDD '99 Proceedings of the fifth ACM SIGKDD international conference on Knowledge discovery and datamining, pp. 392-396, 1999. 

  14. Mi-Jin Kim, Yoon-Sik Yoo, "A Study on the Application Methods of Big data in the Healthcare Field", 2015. 

  15. Eun-Young Jung, Byoung-Hui Jeong, Eun-Sil Yoon, Dong-Jin Kim, Yoon-Young Park, Dong-Kyun Park, "Personalized diet and exercise management service based on PHR", Journal of The Korea Society of Computer and Information, Vol. 17 No. 9, pp.113-125. 2012. 

  16. Statistics Korea, Korean standard classification of Disease 2010, 2010. 

  17. Statistics Korea, Korean standard classification of Disease Vol 2 Instruction Manual 2010, 2010. 

  18. Statistics Korea, Korean standard classification of Disease Vol 3 Index 2010, 2010. 

  19. Young-Jun Kim, "Convergence of Business Information System Process using Knowledge-based Method", Journal of the Korea Convergence Society, Vol. 6, No. 4, pp. 65-71, 2015. 

  20. yong-won kim, "A study on Convergent & Adaptive Quality Analysis using DQnA model", Journal of the Korea Convergence Society, Vol. 5, No. 4, pp. 21-25, 2014. 

    원문보기 상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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