[논문]클라우드 기반의 공개의료 빅데이터 분석을 통한 삶의 질에 영향을 미치는 요인분석

김민경; 조영복

doi:10.6109/jkiice.2018.22.6.835

클라우드 기반의 공개의료 빅데이터 분석을 통한 삶의 질에 영향을 미치는 요인분석
An Analysis of Factors Affecting Quality of Life through the Analysis of Public Health Big Data 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.22 no.6, 2018년, pp.835 - 841

김민경 (Department of Research & Development Center, SONOUM Inc) , 조영복 (Department of Computer & Information Security, Daejeon University)

초록
AI-Helper

본 연구에서 공개 의료 빅데이터 분석을 지역사회건강조사 2012~2014년 자료를 이용해 개인의 건강관련 삶의 질 차이와 삶의 질에 영향을 미치는 요인을 분석하였다. 제안논문에서는 공개의료 빅데이터 분석을 위해 Hadoop 기반의 Spack을 이용해 병렬처리 지원을 위한 클라우드 메니저를 구성하고 개인의 삶의 질에 영향을 미치는 요인을 하드웨어의 제약없이 빠르게 분석하였다. 건강관련 삶의 질에 미치는 영향을 개인적 특성과 지역사회 특성으로 구분하여 단계별 다수준 회귀분석(ANOVA, t-test)을 실시하였다. 연구결과 개인별 삶의 질에 영향을 미치는 요인으로는 남자 평균 73.8점, 여자 평균 70.0점으로 남자가 여자보다 건강관련 삶의 질이 높은 것으로 나타났다.

Abstract ▼ AI-Helper

In this study, we analyzed public health data analysis using the hadoop-based spack in the cloud environment using the data of the Community Health Survey from 2012 to 2014, and the factors affecting the quality of life and quality of life. In the proposed paper, we constructed a cloud manager for parallel processing support using Hadoop - based Spack for open medical big data analysis. And we analyzed the factors affecting the "quality of life" of the individual among open medical big data quickly without restriction of hardware. The effects of public health data on health - related quality of life were classified into personal characteristics and community characteristics. And multiple-level regression analysis (ANOVA, t-test). As a result of the experiment, the factors affecting the quality of life were 73.8 points for men and 70.0 points for women, indicating that men had higher health - related quality of life than women.

주제어

AI 본문요약
AI-Helper

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

문제 정의

또한 각 개인의 건강관련 삶의 질에 영향을 미치는 요인을 알아보기 위한다수준 분석 결과로 각 타입에서 성별에 따른 차이를 보였으며 교육수준 및 다양한 항목에서 삶의 질과 유의성을 보였다. 각 개인의 삶의 질에 영향을 미치는 건강관련 요인을 성별로 구분하고 단계별 다수준 회귀분석의 결과를 나타낸 것이다.
이와 같은 개인별 맞춤형 IT-Health 서비스 제공을 위한 데이터 소스, 즉, 다양한 디바이스로부터 생성된 정형/비정형 데이터들은 개별적으로도 그 가치가 매우 높지만, 다른 데이터와 상호 연계될 수 있다면, 그 잠재력은 기하급수적으로 커질 것이다. 따라서 본 논문에서는 공개 건강 빅데이터를 활용해 개인이 살아가는데 느끼는 건강관련 삶의 질을 분석한다. 삶의 질을 분석하기 위해 빅데이터 분석 플랫폼인 아파치 스파크 플랫폼을 이용하고 삶의 질 측정도구로는 이미 널리 사용되고 있는 Standard Gamble(SG), Time Trad-Off(TTO), visual Analogue Scale(VAS), SF-12, European EuroQoLquestionnaire(EQ-5D)을 사용한다.
대부분의 건강관련 삶의 질연구는 개인수준에서 건강관련 삶의 질을 평가하고, 자료를 EQ-VAS 측정도구로 다수준 분석 방법을 사용한 분석은 거의 없는 실정이다. 따라서 본 연구는 공개의료빅 데이터를 이용한 개인적 특성과 지역사회 특성에 따른 건강관련 삶의 질의 관련요인을 파악하여 지역사회정책 개발의 기초자료로 제공하고자 한다.
특히 보건의료 분야에서의 빅 데이터 분석은 사회경제적으로 큰 주목을 받고 있다[1,2]. 본 연구에서는 보건의료분야에서 생성되는 지역사회 건강조사 자료를 클라우드 환경에서 하둡과 DB Machine을 구축하고 분석한다. 현재는 과거에 비하여 경제성장, 의료기술의 발달, 평균수명의 연장 등으로 인해 국민의 생활수준은 향상되었음에도 불구하고 삶의 질은 낮아지고 있고 의료 초점은 질병 치료에서 질병 예방 및 관리로 패러다임의 변화로 국민 스스로 자신의 건강에 대해서 느끼고 평가하는 것이 중요하기 때문에 건강관련 삶의 질이 부각 되고 있다[3].

제안 방법

4 프로그램을 이용하였다. 공개의료빅데이터(지역사회건강조사) 자료를 기반으로 전체 인구를 대표할 수 있는 표본의 대표성을 위해 가중치를 부여하고 분석한다. 제안 모델에서 분석타입은 첫 번째 지역 간 변이를 확인하기 위한 독립변수를 모두 추가하지 않고 절편만 포함하는 기초모형을 분석한다.
본 연구에서는 다수준 분석을 위해 3가지 타입을 구축하였다. 기초분석타입은 지역 간의 변이를 추정하기 위해 개인수준과 지역수준 변수 모두를 포함하지 않은 타입을 유의수준 0.05를 기준으로 구축하였다.
제안 모델에서 분석타입은 첫 번째 지역 간 변이를 확인하기 위한 독립변수를 모두 추가하지 않고 절편만 포함하는 기초모형을 분석한다. 두 번째는 지역 수준 고정 효과를 제외한 개인 수준의 변수만을 추가하여 개인요인이 건강관련 삶의 질에 미치는 영향을 분석하였다. 세 번째 모형에서는 두 번째 모형에 지역사회요인 변수를 추가하여 지역사회요인이 건강관련 삶의 질에 미치는 영향을 분석하였다.
그림 3은 제안 논문에서 빅 데이터 분석의 효율을 위해 탄력적 분산 데이터 처리를 스파크의 RDD(ResilientDistributed Data Set)을 활용한 구조를 나타낸 것이다. 또한 제안 논문에서는 몽고 DB를 구축하고 스파크 코어로 구성한 후 그림 3의 분산처리 결과를 저장한다. 또한 Spark은 인-메모리에서 처리하는 데이터의 손실을방지하기 위해서 RDD를 활용하고 모든 데이터는 RDD로 만들어져서 처리에 사용된다.
본 논문에서는 클라우드 환경에서 공개의료 빅데이터 분석을 위해 하둡기반의 스파크를 이용해 개인의 삶의 질에 영향을 미치는 요인을 하드웨어의 제약 없이 빠르게 분석하였다. 분석데이터는 2012년부터 2014년 지역사회건강조사 자료 중 EQ—VAS에 응답한 19세 이상의 성인을 대상으로 일반적 특성, 건강행태, 사회 자본을 빅 데이터 분석을 통해 분석하고 분석결과를 삶의 질에 영향을 분석하였다.
분석에는 SAS의 Glimmix procedure를 이용하였다. 본 연구에서는 다수준 분석을 위해 3가지 타입을 구축하였다. 기초분석타입은 지역 간의 변이를 추정하기 위해 개인수준과 지역수준 변수 모두를 포함하지 않은 타입을 유의수준 0.
분석데이터는 2012년부터 2014년 지역사회건강조사 자료 중 EQ—VAS에 응답한 19세 이상의 성인을 대상으로 일반적 특성, 건강행태, 사회 자본을 빅 데이터 분석을 통해 분석하고 분석결과를 삶의 질에 영향을 분석하였다.
두 번째는 지역 수준 고정 효과를 제외한 개인 수준의 변수만을 추가하여 개인요인이 건강관련 삶의 질에 미치는 영향을 분석하였다. 세 번째 모형에서는 두 번째 모형에 지역사회요인 변수를 추가하여 지역사회요인이 건강관련 삶의 질에 미치는 영향을 분석하였다.
이와 같이 제안 논문은 분산실행을 위해 다수의 이그제큐터 프로세스로 드라이버 코어 프로세스를 결합하고 필요에 따라 확장과 축소를 탄력적 사용한다.
제안 논문에서는 연구모델을 개인수준 변수와 지역 수준 변수를 각각 투입하는 타입과 모두 투입하는 타입이다. 연구모델에서의 설명력은 기초타입의 각 수준 분산에서 연구모델의 변수 투입으로 설명되는 각 수준 분산의 비율로 구할 수 있다.
제안 논문에서는 하드웨어적 자원을 통한 분석성능평가를 실행하기 위해 각 노드에서 CPU자원의 사용량은 1Core로 한정하고 HDFS의 Replication 수는 2로 조정하였다. 클러스터 구성은 Master Node 1대와 Slave Node의 수를 각각 2, 4, 6, 8대 구성하고 메모리를 2GB부터 총 8GB까지 늘려가며 메모리 사용량을 평가하였다.
제안 논문의 스파크를 활용한 데이터의 분산 처리는 클라우드 그리드 형태의 분산 인덱스 정보를 생성하고 RDD상에 저장한 다음 해당 인덱스 정보를 재사용해 삶의 질에 영향을 미치는 요인 분석을 수행한다.
공개의료빅데이터(지역사회건강조사) 자료를 기반으로 전체 인구를 대표할 수 있는 표본의 대표성을 위해 가중치를 부여하고 분석한다. 제안 모델에서 분석타입은 첫 번째 지역 간 변이를 확인하기 위한 독립변수를 모두 추가하지 않고 절편만 포함하는 기초모형을 분석한다. 두 번째는 지역 수준 고정 효과를 제외한 개인 수준의 변수만을 추가하여 개인요인이 건강관련 삶의 질에 미치는 영향을 분석하였다.
제안 논문에서는 하드웨어적 자원을 통한 분석성능평가를 실행하기 위해 각 노드에서 CPU자원의 사용량은 1Core로 한정하고 HDFS의 Replication 수는 2로 조정하였다. 클러스터 구성은 Master Node 1대와 Slave Node의 수를 각각 2, 4, 6, 8대 구성하고 메모리를 2GB부터 총 8GB까지 늘려가며 메모리 사용량을 평가하였다.

대상 데이터

본 논문에서 제안하는 시스템은 하둡기반 빅 데이터질의처리 엔진이 탑재된 클라우드 환경에서 분석 서비스를 사용하였다. 연구 도구로 건강관련 삶의 질에 대해살펴보기 위해 삶의 질은 건강 관련 삶의 질과 비 건강관련 삶의 질로 구분할 수 있는데, 보건의료분야에서는 “건강 관련 삶의 질”이라는 표현을 주로 사용한다.

데이터처리

연구모델에서의 설명력은 기초타입의 각 수준 분산에서 연구모델의 변수 투입으로 설명되는 각 수준 분산의 비율로 구할 수 있다. 분석에는 SAS의 Glimmix procedure를 이용하였다. 본 연구에서는 다수준 분석을 위해 3가지 타입을 구축하였다.

이론/모형

본 연구에서는 2012년부터 2014년 EQ-VAS에 응답한 19세 이상의 성인을 대상으로 분석타입을 정의하고 EQ-5D는 위의 문항을 초로 문항마다 상이한 가치점수를 부여하여 점수를 산출할 있다. 본 연구는 일반적으로 사용되는 시간 교환법(Time Trade-Off; TTO) 방식을 이용해 가치점수를 추정한다. 식 1은 가치 추정점수 TTO를 나타낸 것이다[12,13].
따라서 본 논문에서는 공개 건강 빅데이터를 활용해 개인이 살아가는데 느끼는 건강관련 삶의 질을 분석한다. 삶의 질을 분석하기 위해 빅데이터 분석 플랫폼인 아파치 스파크 플랫폼을 이용하고 삶의 질 측정도구로는 이미 널리 사용되고 있는 Standard Gamble(SG), Time Trad-Off(TTO), visual Analogue Scale(VAS), SF-12, European EuroQoLquestionnaire(EQ-5D)을 사용한다. 그 중 EQ-VAS는 눈금자 위에 오늘 자신의 건강상태가 얼마나 좋고 나쁜지를 표시하도록 하여 건강관련 삶의 질을 평가한 것이다.
의료정보 빅 데이터 분석을 위해 제안 논문에서는 오픈 소스 플랫폼인 클라우드 플랫폼을 활용한다. 클라우드 플랫폼에서 빅 데이터 분석을 위한 아파치 스파크 클러스터 구조를 그림 2와 같이 구성한다.

성능/효과

0으로 남자가 여자보다 높았다. 개인적 특성에 따른 건강관련 삶의 질 수준은 남자와 여자 모두 연령이 낮을수록, 도시에 사는 경우, 교육수준이 높을수록, 월 가구소득이 높을수록, 세대유형은 2세대, 3세대, 1세대 순으로, 배우자가 있는 경우, 만성질환이 없는 경우, 스트레스가 적을수록 건강관련 삶의 질이 높았다. 또한 각 개인의 건강관련 삶의 질에 영향을 미치는 요인을 알아보기 위한다수준 분석 결과로 각 타입에서 성별에 따른 차이를 보였으며 교육수준 및 다양한 항목에서 삶의 질과 유의성을 보였다.
분석결과 성별, 나이, 도시농촌 구분, 교육수준, 월 가구소득, 세대유형, 배우자 유무, 만성질환 유무, 스트레스수준이 건강관련 삶의 질에 영향을 미치는 것으로 나타났다. 다수준 분석에서 이를 보정한 상태에서는 고령인구비율, 복지예산비중, 제정자립도 등 지역사회특징이 건강관련 삶의 유의한 영향을 주어 건강관련 삶의 질은 개인적 특성뿐만 아니라 지역사회 특성에도 영향을 미치는 것으로 나타났다. 이와 같이 많은 변수적 속성을 지닌 의료 건강데이터 분석을 클라우드 환경에서 메모리 등 하드웨어의 종속 없이 활용할 수 있음을 증명하였다.
개인적 특성에 따른 건강관련 삶의 질 수준은 남자와 여자 모두 연령이 낮을수록, 도시에 사는 경우, 교육수준이 높을수록, 월 가구소득이 높을수록, 세대유형은 2세대, 3세대, 1세대 순으로, 배우자가 있는 경우, 만성질환이 없는 경우, 스트레스가 적을수록 건강관련 삶의 질이 높았다. 또한 각 개인의 건강관련 삶의 질에 영향을 미치는 요인을 알아보기 위한다수준 분석 결과로 각 타입에서 성별에 따른 차이를 보였으며 교육수준 및 다양한 항목에서 삶의 질과 유의성을 보였다. 각 개인의 삶의 질에 영향을 미치는 건강관련 요인을 성별로 구분하고 단계별 다수준 회귀분석의 결과를 나타낸 것이다.
분석데이터는 2012년부터 2014년 지역사회건강조사 자료 중 EQ—VAS에 응답한 19세 이상의 성인을 대상으로 일반적 특성, 건강행태, 사회 자본을 빅 데이터 분석을 통해 분석하고 분석결과를 삶의 질에 영향을 분석하였다. 분석결과 성별, 나이, 도시농촌 구분, 교육수준, 월 가구소득, 세대유형, 배우자 유무, 만성질환 유무, 스트레스수준이 건강관련 삶의 질에 영향을 미치는 것으로 나타났다. 다수준 분석에서 이를 보정한 상태에서는 고령인구비율, 복지예산비중, 제정자립도 등 지역사회특징이 건강관련 삶의 유의한 영향을 주어 건강관련 삶의 질은 개인적 특성뿐만 아니라 지역사회 특성에도 영향을 미치는 것으로 나타났다.
다수준 분석에서 이를 보정한 상태에서는 고령인구비율, 복지예산비중, 제정자립도 등 지역사회특징이 건강관련 삶의 유의한 영향을 주어 건강관련 삶의 질은 개인적 특성뿐만 아니라 지역사회 특성에도 영향을 미치는 것으로 나타났다. 이와 같이 많은 변수적 속성을 지닌 의료 건강데이터 분석을 클라우드 환경에서 메모리 등 하드웨어의 종속 없이 활용할 수 있음을 증명하였다. 향후 의료 빅데이터 분석을 위해 클라우드와 오픈소스를 활용할 수 있는 하드웨어에 독립적인 플랫폼 제공을 위한 연구가 지속되어야 할 것이다.

후속연구

이러한 미래형 보건의료 기술의 중심에는 보건의료의 패러다임 변화와 더불어 요구되는 개인 맞춤형(personalized) 건강관리 서비스가 있다. 일상에서 생성되는 건강행태 데이터나 유전적으로 가지고 있는 유전정보나 진단 및 처방정보, 일생생활에서 생성되는 건강습관이나 행태 데이터 등 모든 정보를 종합적으로 분석해 개개인에 맞춤형 건강관리서비스를 제공할 수 있다면 질병예방, 약물 부작용 및 치료효과의 증대 등을 통해 의료비 감소는 물론 건강증진을 모두 만족할 수 있을 것으로 기대된다.[6,7].
이와 같이 많은 변수적 속성을 지닌 의료 건강데이터 분석을 클라우드 환경에서 메모리 등 하드웨어의 종속 없이 활용할 수 있음을 증명하였다. 향후 의료 빅데이터 분석을 위해 클라우드와 오픈소스를 활용할 수 있는 하드웨어에 독립적인 플랫폼 제공을 위한 연구가 지속되어야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	개인의 특성에 따른 건강관련 삶의 질 수준은 어떠한가?	0으로 남자가 여자보다 높았다. 개인적 특성에 따른 건강관련 삶의 질 수준은 남자와 여자 모두 연령이 낮을수록, 도시에 사는 경우, 교육수준이 높을수록, 월 가구소득이 높을수록, 세대유형은 2세대, 3세대, 1세대 순으로, 배우자가 있는 경우, 만성질환이 없는 경우, 스트레스가 적을수록 건강관련 삶의 질이 높았다. 또한 각 개인의 건강관련 삶의 질에 영향을 미치는 요인을 알아보기 위한다수준 분석 결과로 각 타입에서 성별에 따른 차이를 보였으며 교육수준 및 다양한 항목에서 삶의 질과 유의성을 보였다.
	빅 데이터란?	빅 데이터란 기존 데이터베이스의 데이터 저장·관리· 분석 능력을 초과하는 다양한 형식을 가진 대량의 데이터를 의미한다. 빅 데이터는 여러 다양한 분야에서 생성 및 활용되고 있으며 특히 주목받고 있는 분야는 보건의료 분야로 빅 데이터가 활용되고 있다.
	건강관련 삶의 질에 미치는 영향을 회귀분석한 결과 성별에 따른 차이는 어떠한가?	건강관련 삶의 질에 미치는 영향을 개인적 특성과 지역사회 특성으로 구분하여 단계별 다수준 회귀분석(ANOVA, t-test)을 실시하였다. 연구결과 개인별 삶의 질에 영향을 미치는 요인으로는 남자 평균 73.8점, 여자 평균 70.0점으로 남자가 여자보다 건강관련 삶의 질이 높은 것으로 나타났다.

참고문헌 (12)

K. Y. Kim, B. Y. Chun, S. Kam, S. W. Lee, K. S. Park, and S. C. Chae, "Development of Measurement Scale for the Quality of Life in Hypertensive Patients," International Journal of preventive medicine and public health, vol.38, no.1, pp.61-70, February 2005.
M. J. Calvert, and N. Freemantle, "Use of Health-related Quality of life in Prescrib in Research. Part1:Why Evaluated Health-related Quality of Life?", Journal of clinical pharmacy and therapeutics, vol. 28, no. 6, pp. 513-521. December 2003.

상세보기
A. Bowing, Z. Gabriel, J. Dykes, O. Evans, A. Fleissing, D. Banister, and S. Sutton, "Let's ask them: A national survey of definition of quality of life and its enhancement among people aged 65 and over," International Journal of Aging and Human Developent, vol.56, no.4, pp.269-306, June 2003.

상세보기
Y. B. Cho S. H. Woo and S. H. Lee, "The Big Data Analysis and Medical Quality Management for Wellness", Journal of the Korea Society of Computer & Information, vol.19, no. 12, pp. 101-109, December 2014.
K. H. Ko, Y. H. An and K. W. Kim, "Measuring and enhancing ways of social capital in local government," Research Report Seoul Korea Research Institute for Local Administration. 2012
S,Y Kang, S.J Youn and Y.S. Shin, "A Basic Study on Environmental Health Service Utilizing Big Data," Korea Environment Institute :KEI Working Paper, vol 7, 2015
T.M Song, "Tend Analysis of Health and Welfare Policy Based on Social Big Data," Journal of the Health-welfare Policy Forum, vol. 7, pp. 101-113, July 2017.
C.M. An, "Big Data Platform Status and Issue Analysis," ETRI Insight Report 2017-33, 2017
D.M Seo, S.K Song, S.W. Lee and I. C. Yun,"Government Big Data Analysis Technology Application Trend." Weekly Technology Trend Data of KOSEN Trend Report 1556-01, 2014
S. S. Kim, M. Y. Chung, T. W. Lee and J. H. Won, "Implementation of Medical Data-Based Big Data Analytics Service," Journal of the Korea Information Science Society, vol. no. pp.157-159, December 2015.
A. Floratou, U. F. Minhas, and F.Ozcan, "SQL-on-Hadoop: Full Circle Back to Shared-nothing Database Architectures," In Proceedings of the VLDB Endowment, vol. 7, no. 12, pp. 1295-1306, Hangzhou, China, 2014.
J. H. Lee, M. K. Jea, M. J. Jo and H. S. Son, " Big Data Utilization Trend in Healthcare," Journal of the Korea Institute of Information and Communication Engineering, vol. 32, no.1, pp.63-75, January 2015.

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