[논문]위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측

최소영; 김주창; 정경용

doi:10.15207/jkcs.2019.10.7.001

위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측
Prediction of Dietary Knowledge using Multiple Regression Analysis for Preventing Stomach Diseases 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.10 no.7, 2019년, pp.1 - 6

최소영 (경기대학교 컴퓨터과학과) , 김주창 (경기대학교 컴퓨터과학과) , 정경용 (경기대학교 컴퓨터공학부)

초록
AI-Helper

현대사회는 1인가구가 증가함에 따라 불규칙한 식습관으로 인해 영양이 불균형하게 포진되어있다. 이러한 식습관은 위장질환, 소화기 질환 등 만성질환의 발병률을 증가시켰다. 본 논문은 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측을 제안한다. 제안하는 방법은 식이지식 예측을 통해 사용자의 위장질환과 식이영양을 관리하는 방법이다. 헬스 플랫폼에서 스마트 기기를 통해 수집된 사용자의 PHR을 통합한다. 통합된 데이터로부터 다중회귀분석을 이용하여 사용자의 식이와 활동량 변화를 분석한다. 사용자의 식이 성분과 소모 칼로리, 기초대사와 같은 상황정보를 입력으로 적절한 식이성분, 위장질환 수치의 변화를 예측하고 필요할 것으로 나타나는 영양성분을 사용자에게 권장한다. 이를 통해 현대인들은 균형 잡힌 식사를 통해 위장질환을 관리할 수 있다.

Abstract ▼ AI-Helper

Modern society is undergoing nutritional imbalance according to the diet as the number of one person increases. This is increasing the incidence of chronic diseases such as gastrointestinal diseases and digestive diseases. This study suggests the prediction of dietary knowledge using multiple regression analysis for preventing chronic stomach diseases. The proposed method manages user's stomach diseases and dietary nutrition through the prediction of nutrition knowledge. It collects user's PHR through smart device and integrates in the health platform. The integrated data analyzes the dietary and activity of the user through multiple regression analysis. It predicts the required nutrients and provides services to users through applications. Therefore, it suggests recommended dietary components and consumed calories, appropriate dietary components based on the user's basal metabolism, and gastrointestinal levels. With the personalized health management, modern people can manage gastrointestinal diseases through a balanced diet.

주제어

표/그림 (4)

표 Table 1. Definition of variables
표 Table 2. Preprocessed dietary data
그림 Fig. 1. Management of Nutrition Knowledge using Multiple Regression Analysis
표 Table 3. Performance evaluation

AI 본문요약
AI-Helper

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

문제 정의

특히, 모든 사용자가 의료 종사자와 비슷한 수준의 지식을 가질 수 없기 때문에 사용자가 직접 데이터를 입력하는 경우에 근삿값을 사용하거나 입력을 하지 않아 데이터에서 오차가 발생할 확률도 있다. 따라서 본 논문에서는 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측을 제안한다. 이는 사용자의 상황정보를 활용하여 식이영양의 변화와 위장질환의 발병 확률을 예측하는 건강관리 모델이다.
특히, 모든 사용자가 의료 종사자와 비슷한 수준의 지식을 가질 수 없기 때문에 사용자가 직접 데이터를 입력하는 경우에 근삿값을 사용하거나 입력을 하지 않아 데이터에서 오차가 발생할 확률도 있다. 따라서 본 논문에서는 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측을 제안한다. 이는 사용자의 상황정보를 활용하여 식이영양의 변화와 위장질환의 발병 확률을 예측하는 건강관리 모델이다.

제안 방법

첫 번째 단계에서 실제 사용자는 지속적으로 자신의 라이프로그를 입력하고, 식이지식 예측 모델을 통해 변화를 예측한다. 두 번째 단계에서 예측값과 사용자의 권장 섭취량 비교결과를 이용하여 사용자의 건강상태에 적합한 식품을 추천한다.
건강보험심사평가원의 데이터 분석결과 이러한 위장질환을 앓는 청년층의 비율이 점차 증가하고 있음이 밝혀졌다. 따라서 이에 대비한 해결 방안으로 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측 방법을 개발하였다. 이는 사용자가 애플리케이션에 섭취한 식이 데이터와 운동량을 입력하여 수집하였고, 수집된 데이터는 플랫폼에 맞게 전처리를 수행하였다.
다수의 사용자의 데이터가 저장된 헬스 플랫폼은 다중회귀분석을 통해 각 사용자별 식이영양과 라이프로그를 분석한다. 분석결과를 기반으로 사용자에게 필요한 식이성분과 위장질환 위험 수치를 예측한다. PHR 실증 데이터는 비고정적 시계열 데이터이기 때문에 고정적 시계열로 변환한다.
따라서 식이지식 관리의 개인화를 위해 두 가지 방법을 병행한다. 사용자의 PHR을 상황정보로 이용하여 다중회귀분석 기반의 식이지식 예측, 헬스케어 상황정보 모델[13], 식이지식 온톨로지[14]를 통해 적합한 개인화 서비스를 추론한다.
따라서 이에 대비한 해결 방안으로 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측 방법을 개발하였다. 이는 사용자가 애플리케이션에 섭취한 식이 데이터와 운동량을 입력하여 수집하였고, 수집된 데이터는 플랫폼에 맞게 전처리를 수행하였다. 이를 주기적으로 헬스 플랫폼으로 전송하여 다중회귀기법을 통해 사용자의 섭취 영양 상태와 운동량의 경향에 따라 분석하였다.
이는 사용자가 애플리케이션에 섭취한 식이 데이터와 운동량을 입력하여 수집하였고, 수집된 데이터는 플랫폼에 맞게 전처리를 수행하였다. 이를 주기적으로 헬스 플랫폼으로 전송하여 다중회귀기법을 통해 사용자의 섭취 영양 상태와 운동량의 경향에 따라 분석하였다. 이를 통해 부족하거나 과다할 것으로 예상되는 영양소와 위장질환의 발생 가능성을 예측할 수 있었다.
PHR 실증 데이터는 비고정적 시계열 데이터이기 때문에 고정적 시계열로 변환한다. 제안하는 방법을 이용하여 사용자에게 필요한 영양소 공급을 위한 식단의 추천, 위장질환의 위험수치를 알림을 통해 개인화된 식이관리가 가능하다.
이는 크게 두 단계로 구분할 수 있다. 첫 번째 단계에서 실제 사용자는 지속적으로 자신의 라이프로그를 입력하고, 식이지식 예측 모델을 통해 변화를 예측한다. 두 번째 단계에서 예측값과 사용자의 권장 섭취량 비교결과를 이용하여 사용자의 건강상태에 적합한 식품을 추천한다.

대상 데이터

이는 헬스케어 실증 데이터를 이용하며, 90일간의 데이터 중 65일의 데이터를 다중회귀분석에 활용한다. 12월 1일부터 65일 동안의 데이터를 분석에 활용하고, 그 이후의 데이터를 테스트에 활용한다. 각 사용자의 주간 영양소별 식이섭취, 운동량의 추이를 분석하여 사용자의 미래 식이, 위장질환 수치를 예측할 수 있다.
제안하는 모델인 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측의 성능평가를 수행하였다. 성능평가는 분석에 활용한 30명에 대한 65일간의 데이터를 제외한 25일 동안의 데이터를 사용한다. 이는 헬스케어 실증 대상자를 위장장애가 있는 그룹과 없는 그룹이 있으며 이를 구분하여 평가를 진행한다.
이는 헬스케어 실증 데이터로 대상자 30명으로부터 2018년 12월 1일부터 2019년 2월 28일까지 90일간 수집된 데이터이다. 실증을 위한 변수는 ICT 기반 영양 관리 서비스[11]에서 식품을 구성하는 주요 영양성분과 위장질환과 관련된 변수로 구성한다.
Table 2는 사용자에 따른 전처리한 식이 데이터를 나타낸다. 이는 헬스케어 실증 데이터로 대상자 30명으로부터 2018년 12월 1일부터 2019년 2월 28일까지 90일간 수집된 데이터이다. 실증을 위한 변수는 ICT 기반 영양 관리 서비스[11]에서 식품을 구성하는 주요 영양성분과 위장질환과 관련된 변수로 구성한다.

데이터처리

사용자가 식사, 걸음 수 등의 라이프로그를 스마트 디바이스에 기록하면, 사용자에 따른 PHR은 회귀식의 변수에 맞게 전처리되어 헬스 플랫폼에 로딩된다. 다수의 사용자의 데이터가 저장된 헬스 플랫폼은 다중회귀분석을 통해 각 사용자별 식이영양과 라이프로그를 분석한다. 분석결과를 기반으로 사용자에게 필요한 식이성분과 위장질환 위험 수치를 예측한다.
시계열적 특성을 갖는 사용자의 PHR 데이터는 전처리 과정을 거쳐 식이데이터인 사용자의 식단은 탄수화물, 단백질, 지방으로 변환되고 운동량인 걸음 수, 이동거리는 소모 칼로리로 변환된다. 이와 같이 변환된 데이터는 통계적 계산을 위해 R을 활용하여 다중회귀분석[12]을 수행한다. 이는 헬스케어 실증 데이터를 이용하며, 90일간의 데이터 중 65일의 데이터를 다중회귀분석에 활용한다.
제안하는 모델인 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측의 성능평가를 수행하였다. 성능평가는 분석에 활용한 30명에 대한 65일간의 데이터를 제외한 25일 동안의 데이터를 사용한다.

이론/모형

식이 지식 서비스 온톨로지는 사용자의 건강상태에 적합한 식이지식을 추천하기 위한 모델이다[14]. 식품섭취 내역에 따라 예측된 섭취열량과 영양소를 헬스 상황정보 모델[13]을 이용하여 사용자의 건강상태와 비교한다. Fig.

성능/효과

영양성분은 사용자의 건강과 직접적으로 관련이 있어 식단관리를 통해 올바른 섭취가 필요하다[1,2]. 또한 1인가구가 증가함에 따라 영양성분을 고려한 식단보다 인스턴트 식품의 섭취행태가 크게 높아졌다. 이는 사회 전반적으로 청년층에게 영양불균형을 초래하여 위장 질환, 소화기 질환, 비만 등 다양한 질병의 원인이 된다.
이에 따라 탄수화물, 나트륨, 포화지방산의 과도한 섭취는 위장질환을 촉구하고, 단백질은 완화요인이 될 수 있다. 성능평가결과 제안하는 위장질환 예방을 위한 다중회귀분석을 이용한 식이지식 예측 모델은 높은 추정치로 위장질환 수치를 추측할 수 있음을 알 수 있다. 또한 추정된 회귀식의 독립변수를 통해 사용자의 위장질환 수치에 대비한 식이성분을 권장할 수 있다.
이는 사회 전반적으로 청년층에게 영양불균형을 초래하여 위장 질환, 소화기 질환, 비만 등 다양한 질병의 원인이 된다. 실례로 건강보험심사평가원 데이터를 분석한 결과, 소화기 염증질환인 크론병 발병은 10대 기준 0.76명에서 1.3명으로 71%, 20대는 0.64명에서 0.88명으로 37% 증가 했으며. 궤양성 대장염의 경우도 10대와 20대에서 상대적으로 발병률이 크게 높아졌다고 조사되었다[3].
이를 통해 부족하거나 과다할 것으로 예상되는 영양소와 위장질환의 발생 가능성을 예측할 수 있었다. 예측 결과는 한국영양학회에서 제공하는 한국인 영양섭취기준에 대하여 결핍과 포화를 판단하였다. 이는 사용자에게 필요한 영양성분, 운동량 등의 정보를 제공함으로써 사용자의 적합한 개인화된 식이지식 관리를 지원한다.
이를 주기적으로 헬스 플랫폼으로 전송하여 다중회귀기법을 통해 사용자의 섭취 영양 상태와 운동량의 경향에 따라 분석하였다. 이를 통해 부족하거나 과다할 것으로 예상되는 영양소와 위장질환의 발생 가능성을 예측할 수 있었다. 예측 결과는 한국영양학회에서 제공하는 한국인 영양섭취기준에 대하여 결핍과 포화를 판단하였다.
이는 만성 위장질환자의 불규칙적인 식습관으로 인해 예측의 정확도가 낮아져 발생하는 현상으로 비교적 규칙적인 식습관을 가진 Test3에서는 상관관계나 오차가 우수하게 나타난다. 전체 대상자의 데이터를 사용한 Test1에 대한 상관계수는 0.8277로 높게 나타나 종속변수가 독립변수에 따라 변동될 확률 즉, 종속변수인 위장질환과 독립변수인 탄수화물, 단백질, 나트륨, 포화지방산의 관계가 밀접함을 알 수 있다. 평균절대오차는 0.
8277로 높게 나타나 종속변수가 독립변수에 따라 변동될 확률 즉, 종속변수인 위장질환과 독립변수인 탄수화물, 단백질, 나트륨, 포화지방산의 관계가 밀접함을 알 수 있다. 평균절대오차는 0.2111로 측정값과 실제값의 차이가 크지 않아 회귀식을 추정하는데 미친 오차의 영향이 상대적으로 낮아 데이터의 정확도가 높음을 알 수 있다. 평균 제곱근 오차는 0.

질의응답

핵심어	질문	논문에서 추출한 답변
	ARIMA는 어떤 모델들이 결합된 모델인가?	ARMA모델이 고정적인 시계열에 적용이 가능하다면, ARIMA는 분석 대상이 비고정적인 시계열에서 적용이 가능하다[8]. ARIMA는 자기회귀모델인 AR(Auto Regression)과 이동평균모델인 MA(Moving Average)가 결합된 모델이다. 데이터가 비고정적 시계열 데이터일 경우 변환이 필요하다.
	PHR의 영향이 큰 비중을 차지하면서도 논란의 이유와 해결방안은?	보다 정밀한 의료를 위해서는 PHR의 영향이 큰 비중을 차지한다. 하지만 라이프로그, 질병기록과 같은 PHR 데이터는 환자의 사생활에 관련한 규제로 인해 상용화에 대한 논란이 있다[14,15]. 이에 대한 방안으로 제시된 개인 주도형 플랫폼은 사용자 개인에게 동의를 얻음으로써 데이터 규제문제를 해결한다[11]. 이러한 개인 주도 방식을 차용한 개인 건강기록 기반 정밀의료 플랫폼은 사용자 스스로 데이터를 입력, 저장, 수집하여 분석 및 활용이 가능한 구조이다[7].
	PHR의 특징은?	PHR(Personal Health Record)는 사용자의 라이프로그, 질병이력, 유전요인 등의 정보로 구성된다[6]. 사용자의 PHR에 대한 분석을 통해 정밀의료가 가능하다. 정밀의료는 환자의 정보에 따라 최적화된 치료방안을 제공하는 개인화 의료행위이다[7,15]. 보다 정밀한 의료를 위해서는 PHR의 영향이 큰 비중을 차지한다.

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