[논문]소셜 빅데이터를 이용한 낙태의 경향성과 정책적 예방전략

박명배; 채성현; 임진섭; 김춘배

doi:10.4332/kjhpa.2017.27.3.241

소셜 빅데이터를 이용한 낙태의 경향성과 정책적 예방전략
Induced Abortion Trends and Prevention Strategy Using Social Big-Data 원문보기

Health policy and management = 보건행정학회지, v.27 no.3, 2017년, pp.241 - 246

박명배 (배재대학교 실버보건학과) , 채성현 (연세대학교 원주의과대학 예방의학교실) , 임진섭 (배재대학교 실버보건학과) , 김춘배 (연세대학교 원주의과대학 예방의학교실)

Abstract ▼ AI-Helper

Background: The purpose of this study is to investigate the trends on the induced abortion in Korea using social big-data and confirm whether there was time series trends and seasonal characteristics in induced abortion. Methods: From October 1, 2007 to October 24, 2016, we used Naver's data lab query, and the search word was 'induced abortion' in Korean. The average trend of each year was analyzed and the seasonality was analyzed using the cosinor model. Results: There was no significant changes in search volume of abortion during that period. Monthly search volume was the highest in May followed by the order of June and April. On the other hand, the lowest month was December followed by the order of January, and September. The cosinor analysis showed statistically significant seasonal variations (amplitude, 4.46; confidence interval, 1.46-7.47; p< 0.0036). The search volume for induced abortion gradually increased to the lowest point at the end of November and was the highest at the end of May and declined again from June. Conclusion: There has been no significant changes in induced abortion for the past nine years, and seasonal changes in induced abortion have been identified. Therefore, considering the seasonality of the intervention program for the prevention of induced abortion, it will be effective to concentrate on the induced abortion from March to May.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이 연구는 국내 온라인 포털사이트에서 수집한 소셜 빅데이터를 바탕으로 우리나라 낙태에 대한 경향성을 파악하고자 한다. 이러한 연구목적을 달성하기 위해 구체적으로, 첫째, 국내에서 낙태 검색에 대한 시계열별 추세를 파악하고, 둘째, 낙태 검색에 대한 연주기별 계절적 특성이 있는지 확인한다.
이러한 연구목적을 달성하기 위해 구체적으로, 첫째, 국내에서 낙태 검색에 대한 시계열별 추세를 파악하고, 둘째, 낙태 검색에 대한 연주기별 계절적 특성이 있는지 확인한다. 이를 통해 우리나라의 낙태 방지 및 예방을 위한 효과적인 방안을 제시하고자 한다.

제안 방법

검색어는 ‘낙태’로 하였으며, 검색 범위는 지식인, 쇼핑, 블로그 등을 모두 포함한 통합검색으로 하였다.
낙태를 엄격히 금지하고 있는 법률적 여건에도 불구하고, 불법적으로 상당히 시행되고 있다고 예상되는 국내 낙태 관련 실태를 소셜 빅데이터를 이용하여 시계열 및 계절별로 분석하였다. 인공임신 중절 실태조사에 의하면[22], 2005년 약 34만 건의 낙태에서, 2011년도에는 약 17만 건으로 절반정도 감소한 것으로 추산하였다[30].
수집한 검색량 데이터는 기본적으로 주단위로 제공된 수치로 약 9년간의 시계열적 데이터를 꺾은선 그래프로 시각화하였다. 또한 1년을 단위로 연주기를 보기 위해 시간단위를 월별 평균으로 표준화하여 cosinor 분석을 실시하였다. 통계 패키지는 R i386 ver.
이 연구는 국내 온라인 포털사이트에서 수집한 소셜 빅데이터를 바탕으로 우리나라 낙태에 대한 경향성을 파악하고자 한다. 이러한 연구목적을 달성하기 위해 구체적으로, 첫째, 국내에서 낙태 검색에 대한 시계열별 추세를 파악하고, 둘째, 낙태 검색에 대한 연주기별 계절적 특성이 있는지 확인한다. 이를 통해 우리나라의 낙태 방지 및 예방을 위한 효과적인 방안을 제시하고자 한다.

대상 데이터

검색어는 ‘낙태’로 하였으며, 검색 범위는 지식인, 쇼핑, 블로그 등을 모두 포함한 통합검색으로 하였다. 검색기간은 최근 9년간의 데이터인 2007년 10월 1일부터 2016년 10월 24일까지의 자료를 사용하였다
수집한 검색량 데이터는 기본적으로 주단위로 제공된 수치로 약 9년간의 시계열적 데이터를 꺾은선 그래프로 시각화하였다. 또한 1년을 단위로 연주기를 보기 위해 시간단위를 월별 평균으로 표준화하여 cosinor 분석을 실시하였다.
연구자료는 국내 최대 포털사이트인 네이버(naver.com)를 통해 수집하였다. 네이버 검색엔진은 2010년 1월부터 2013년 12월까지 국내 점유율이 70.
하지만 이는 통계조사에 의한 추정으로 당시 전문가 의견들에서도 실제로 감소하였는지에 대해서는 많은 의구심이 있었다. 이번 연구대상의 기간은 2007년 10월부터 2016년 10월까지로 원 자료의 제한으로 인해 앞선 실태조사의 2005년을 포함하고 있지 못하다. 하지만 시계열로 최근 9년을 확인 한 결과, 연도별 평균에 있어 약간의 차이는 있었으나, 전체적으로 증가 또는 감소의 추세를 확인하지 못하였다.
또한 1년을 단위로 연주기를 보기 위해 시간단위를 월별 평균으로 표준화하여 cosinor 분석을 실시하였다. 통계 패키지는 R i386 ver. 3.3.0 (https://www.r-project.org/)을 사용하였다

성능/효과

월을 시간단위로 1년 주기에 대한 cosinor 분석을 한 결과, 통계적으로 유의미한 계절성이 있었다(amplitude, 4.46; confidence interval, 1.46 –7.47; p<0.0036).

후속연구

이에 반해, 이 연구가 갖는 제한점은 다음과 같다. 첫째, 웹 기반에 의한 검색량을 분석한 사례로 낙태건수에 대한 실제 수치와 건수를 예측하지는 못한다. 둘째, 실제 어떠한 특성을 가진 대상자가 검색을 했는지에 대한 특성별 통계 산출이 어렵다는 단점이 있다.
특히 위의 시기는 일선 초·중·고등학교와 대학교의 새 학년이 시작되는 기간으로 학교를 대상으로 하는 생활터별 접근을 체계적으로 한다면 좀 더 효과적으로 낙태를 예방할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	빅데이터란?	빅데이터(big-data)란 “대량의 정형 또는 비정형 데이터의 집합 및 이러한 데이터로부터의 가치를 추출하고 결과를 분석하는 기술”로 정의한다[1]. 일반적으로 양(volume), 속도(velocity), 다양성 (variety)의 3가지 기본적인 특성을 가지고 있는 것을 말하며, 무수히 많은 자료로부터 의미 있는 정보를 재생산할 수 있다는 가치 (value)를 추가하기도한다[2,3].
	빅데이터의 특성은?	빅데이터(big-data)란 “대량의 정형 또는 비정형 데이터의 집합 및 이러한 데이터로부터의 가치를 추출하고 결과를 분석하는 기술”로 정의한다[1]. 일반적으로 양(volume), 속도(velocity), 다양성 (variety)의 3가지 기본적인 특성을 가지고 있는 것을 말하며, 무수히 많은 자료로부터 의미 있는 정보를 재생산할 수 있다는 가치 (value)를 추가하기도한다[2,3].
	빅데이터의 가장 주요한 장점은?	빅데이터의 가장 주요한 장점으로는 현실 세계의 현황을 비용· 효과적으로 비교적 정확하게 파악할 수 있다는 것이다. 미국 국립 암연구소 등 국제기구와 협력하여 진행하고 있는 국내 인체자원은행사업(http://kbn.

참고문헌 (49)

Wikidepia. Big data [Internet]. San Francisco (CA): Wikimedia Foundation [Cited 2017 Mar 1]. Available from: https://en.wikipedia.org/wiki/Big_data.
McAfee A, Brynjolfsson E, Davenport TH. Big data: the management revolution. Harvard Bus Rev 2012;90(10):60-68.

상세보기
Gantz J, Reinsel D. The digital universe in 2020: big data, bigger digital shadows, and biggest growth in the far east. Framingham (MA): International Data Corporation; 2013.
Hoover R, Sheth P, Burde A. Determining the accuracy of open-access databases for identifying commonly prescribed oral medications. J Am Pharm Assoc (2003) 2016;56(1):37-40. DOI: https://doi.org/10.1016/j.japh.2015.11.009.

상세보기
Laffer MS, Feldman SR. Improving medication adherence through technology: analyzing the managing meds video challenge. Skin Res Technol 2014;20(1):62-66. DOI: https://doi.org/10.1111/srt.12084.

상세보기
Yang HY. The methodology for using the bigdata. Seoul: Korea Institute of Science and Technology Evaluation and Planning; 2012.
Carneiro HA, Mylonakis E. Google trends: a web-based tool for real-time surveillance of disease outbreaks. Clin Infect Dis 2009;49(10):1557-1564. DOI: https://doi.org/10.1086/630200.

상세보기
Dugas AF, Hsieh YH, Levin SR, Pines JM, Mareiniss DP, Mohareb A, et al. Google flu trends: correlation with emergency department influenza rates and crowding metrics. Clin Infect Dis 2012;54(4):463-469. DOI: https://doi.org/10.1093/cid/cir883.

상세보기
Kang M, Zhong H, He J, Rutherford S, Yang F. Using Google trends for influenza surveillance in South China. PLoS One 2013;8(1):e55205. DOI: https://doi.org/10.1371/journal.pone.0055205.

상세보기
Cho S, Sohn CH, Jo MW, Shin SY, Lee JH, Ryoo SM, et al. Correlation between national influenza surveillance data and google trends in South Korea. PLoS One 2013;8(12):e81422. DOI: https://doi.org/10.1371/journal.pone.0081422.

상세보기
Bhattacharya I, Ramachandran A, Bhattacharya J, Dogra NK. Google trends for formulating GIS mapping of disease outbreaks in India. Int J Geoinform 2013;9(3):9-19.
Yang AC, Huang NE, Peng CK, Tsai SJ. Do seasons have an influence on the incidence of depression?: the use of an internet search engine query data as a proxy of human affect. PLoS One 2010;5(10):e13728. DOI: https://doi.org/10.1371/journal.pone.0013728.

상세보기
Ayers JW, Althouse BM, Allem JP, Rosenquist JN, Ford DE. Seasonality in seeking mental health information on Google. Am J Prev Med 2013; 44(5):520-525. DOI: https://doi.org/10.1016/j.amepre.2013.01.012.

상세보기
Lee BY, Lim JT, Yoo J. Utilization of social media analysis using big data. J Korea Contents Assoc 2013;13(2):211-219. DOI: https://doi.org/10.5392/JKCA.2013.13.02.211.

원문보기 상세보기
Butler D. When Google got flu wrong. Nature 2013;494(7436):155-156. DOI: https://doi.org/10.1038/494155a.

상세보기
Lazer D, Kennedy R, King G, Vespignani A. Big data: the parable of Google flu: traps in big data analysis. Science 2014;343(6176):1203-1205. DOI: https://doi.org/10.1126/science.1248506.

상세보기
Song TM, Song J, An JY, Jin D. Multivariate analysis of factors for search on suicide using social big data. Korean J Health Educ Promot 2013; 30(3):59-73. DOI: https://doi.org/10.14367/kjhep.2013.30.3.059.

원문보기 상세보기
Song TM, Song J, Cheon MK. Predicting tobacco risk factors by using social big data. J Korean Data Inf Sci Soc 2015;26(5):1047-1059. DOI: https://doi.org/10.7465/jkdi.2015.26.5.1047.

원문보기 상세보기
Korea Institute for Health and Social Affairs. Prediction and implication development of at-risk youth based on bigdata. Sejong: Korea Institute for Health and Social Affairs; 2015.
National Institute of Health. Abortion [Internet]. Bethesda (MD): National Institute of Health [Cited 2016 Nov 1]. Available from: https://medlineplus.gov/abortion.html.
World Health Organization. Safe abortion: technical and policy guidance for health systems. Geneva: World Health Organization; 2012.
Korea University, Ministry of Health and Welfare. The induced abortion survey and police development. Seoul: Korea University; 2005.
Internet Trend. Search engine [Internet]. [place unknown]: Internet Trend [Cited 2016 Nov 1]. Available from: http://internettrend.co.kr/trendForward.tsp.
Tanaka T, Natsume T, Shibata H, Nozawa K, Kojima S, Tsuchiya M, et al. Circadian rhythm of blood pressure in primary aldosteronism and renovascular hypertension: analysis by the cosinor method. Jpn Circ J 1983;47(7):788-794. DOI: https://doi.org/10.1253/jcj.47.788.

상세보기
Massin MM, Maeyns K, Withofs N, Ravet F, Gerard P. Circadian rhythm of heart rate and heart rate variability. Arch Dis Child 2000;83(2):179-182. DOI: https://doi.org/10.1136/adc.83.2.179.

상세보기
Portela A, Northrup G, Halberg F, Cornelissen G, Wendt H, Melby JC, et al. Changes in human blood pressure with season, age and solar cycles: a 26 year record. Int J Biometeorol 1996;39(4):176-181. DOI: https://doi.org/10.1007/bf01221388.

상세보기
Oberg AL, Ferguson JA, McIntyre LM, Horner RD. Incidence of stroke and season of the year: evidence of an association. Am J Epidemiol 2000;152(6):558-564. DOI: https://doi.org/10.1093/aje/152.6.558.

상세보기
Degerud E, Hoff R, Nygard O, Strand E, Nilsen DW, Nordrehaug JE, et al. Cosinor modelling of seasonal variation in 25-hydroxyvitamin D concentrations in cardiovascular patients in Norway. Eur J Clin Nutr 2016;70(4):517-522. DOI: https://doi.org/10.1038/ejcn.2015.200.

상세보기
Cornelissen G. Cosinor-based rhythmometry. Theor Biol Med Model 2014;11:16. DOI: https://doi.org/10.1186/1742-4682-11-16.

상세보기
Yonsei University, Ministry of Health and Welfare. The induced abortion survey and police development. Seoul: Yonsei University; 2011.
Ministry of Health and Welfare. Falling induced abortion rate!: decreased 28% in the past three years. Sejong: Ministry of Health and Welfare; 2012.
Park HM. A study on status and policy of induced abortion. Seoul: Korean Institute of Criminology; 2011.
Lee BH. The issue of induced abortion. Suwon: Gyeonggi Research Institute; 2015.
Jones RK, Kost K. Underreporting of induced and spontaneous abortion in the United States: an analysis of the 2002 National Survey of Family Growth. Stud Fam Plann 2007;38(3):187-197. DOI: https://doi.org/10.1111/j.1728-4465.2007.00130.x.

상세보기
Korean Statistical Information Service. Changes in the number and rate of population dynamics [Internet]. Daejeon: Statistics Korea; 2017 [cited 2017 Aug 7]. Available from: http://kosis.kr/statHtml/statHtml.do?orgId101&tblIdDT_1B8000F&vw_cdMT_OTITLE&list_idMT_CTITLE_C_CF&scrId&seqNo&lang_modeko&obj_var_id&itm_id&conn_pathE1#.
Yadava KN, Dube D, Marwah SM. A study of seasonal trends in delivery and medical termination of pregnancy. J Obstet Gynaecol India 1979;29(2):256-257.
Petersen DJ, Alexander GR. Seasonal variation in adolescent conceptions, induced abortions, and late initiation of prenatal care. Public Health Rep 1992;107(6):701-706.

상세보기
Wellings K, Macdowall W, Catchpole M, Goodrich J. Seasonal variations in sexual activity and their implications for sexual health promotion. J R Soc Med 1999;92(2):60-64. DOI: https://doi.org/10.1177/014107689909200204.

상세보기
Grimes DA, Benson J, Singh S, Romero M, Ganatra B, Okonofua FE, et al. Unsafe abortion: the preventable pandemic. Lancet 2006;368(9550):1908-1919. DOI: https://doi.org/10.1016/S0140-6736(06)69481-6.

상세보기
Korea Institute for Health and Social Affairs. Policy issues on abortion in Korea. Sejong: Korea Institute for Health and Social Affairs; 2010.
Korea Institute for Health and Social Affairs. The 2015 national survey on fertility and family health and welfare. Sejong: Korea Institute for Health and Social Affairs; 2015.
Lee MJ. Reviewing socioeconomic reasons for abortion in Korea. Seoul: Korean Women's Development Institute; 2010.
Hwang SW, Chung CW. Contraception behaviors in unmarried men and women: a descriptive qualitative approach. Perspect Nurs Sci 2012;9(2):71-82.
Calabretto H. Emergency contraception: knowledge and attitudes in a group of Australian university students. Aust N Z J Public Health 2009; 33(3):234-239. DOI: https://doi.org/10.1111/j.1753-6405.2009.00381.x.

상세보기
Choi SY, Kim YH, Oh HS. A study on sexual behavior, pregnancy and contraception knowledge in female adolescent. Korean J Women Health Nurs 2004;10(1):42-50.
Choi JH, Kim KE, Shin MA. Contraceptive knowledge, contraceptive attitude, and contraceptive use among college students: function of gender, age, and residence. Korean J Hum Ecol 2010;19(3):511-522. DOI: https://doi.org/10.5934/KJHE.2010.19.3.511.

원문보기 상세보기
Lee GR, Kim JA. Influencing factors on knowledge of contraception. J Converg Cult Technol 2015;1(4):19-26. DOI: https://doi.org/10.17703/JCCT.2015.1.4.19.

원문보기 상세보기
Korea Centers for Disease Control and Prevention. The Korea youth risk behavior web-based survey report. Cheongju: Korea Centers for Disease Control and Prevention; 2015.
Yoo SM. A study on unwed teenage mothers [master's thesis]. Seoul: Dongguk University; 2001.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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