[논문]인공지능 모델을 이용한 청소년들의 천식 질환 발생 예측 모델

노미진; 박순창

doi:10.21219/jitam.2020.27.6.171

인공지능 모델을 이용한 청소년들의 천식 질환 발생 예측 모델
A Prediction Model of Asthma Diseases in Teenagers Using Artificial Intelligence Models 원문보기

Journal of information technology applications & management = 한국데이타베이스학회지, v.27 no.6, 2020년, pp.171 - 180

노미진 (Keimyung University, Department of Management Information System) , 박순창 (Hyupsung University, Department of Business Administration)

Abstract ▼ AI-Helper

With the recent increase in asthma, asthma has become recognized as one of the diseases. The perception that bronchial asthma is a chronic disease and requires treatment has been strengthened. In addition, asthma is recognized as a dangerous disease due to environmental changes and efforts are made to minimize these risks. However, the environmental impact on asthma is hardly a factor that individuals in asthmatic patients can cope with. Therefore, this study was conducted to see if the asthma disease could be replaced by the individual efforts of asthma patients. In particular, since the management of asthma is important during adolescence, we conducted research on asthma in teenagers. Utilizing support vector machines, artificial neural networks and deep learning techniques that have recently drawn attention, we propose models to predict the asthma of teenagers. The study also provides guidelines to avoid factors that can cause asthma in teenagers.

주제어

표/그림 (6)

그림 Research Process
그림 Number of Asthma by Gender
그림 Number of Asthma by Gender and Age
그림 Number of Asthma
그림 Number of Asthma by Stress, Sleep, and Exercise
표 The Results of Model Comparison

AI 본문요약
AI-Helper

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

문제 정의

천식뿐만아니라급성죄졸중,치매등과같은다양한질환에대한예측을수행하기위해머신러닝을활용하고 있으며예측모형을개발하고있다.그러므로본연구 에서도청소년들의천식을예측하기위하여인공지능 분석기법들을활용하여질병예측모형을제안하고자 한다.
인공 신경망은기업의파산여부, 자연어처리가격예측등다양한분야에서활용될수있으며높은예측결과를 제공할수있다[KimandKim, 2009]. 그러므로본연구는SVM(서포트벡터머신), 인공신경망분석, 딥러닝분석을활용하여천식예측모형을살펴보고자 한다.
, 2018], 청소년들의천식에대해서는인식이부족하다. 그러므로본연구는성장기의중요한시기인청소년들 을대상으로천식에대한연구를수행하려고한다.
이들연구에서도제안하고있는것처럼환경적인영향력은천식환자개인이대처할수있 는요인이라기보다는사회적으로해결해야하는과제 인것이다.그러므로본연구는천식환자개인의노력 으로천식이라는질병에대한대처가가능한지를살펴 보기위하여환자의개인과관련된요인들을연구해 보려고한다.
, 2018].그러므로본연구에서도천식이라는질병에대한예측모형을제안하기위하여 인공신경망분석을활용하여연구를수행하려고한다. 서포트벡터머신(SVM:SupportVectorMa- chine)은학습데이터세트를가장넓게분할하여초 평면을모델링하는분석기법이며, 높은정확도및고차원데이터를다룰수 있다.
여연구를수행할것이다.그러므로생활습관, 식습관, 환경특성, 기본특성과 같은 천식 발병과 관련 요인들을 파악할필요성이있으므로, 천식을 유발하는 생활습관, 식습관, 환경특성, 기본적인 특성을 활용하여 천식 예측모델을 살펴보고자 한다.즉,인공신경망분석을기반으로청소년들의천식예측모델을제안하 여, 청소년들이 천식 유발요인들을 피할 수 있는가이드라인을제공하고자본연구를수행한다.
살펴볼필요성이있었다.그러므로청소년들의연령과 성별을동시에고려하여천식발생빈도를살펴보았 다.남성의경우14세(4, 996건) 가천식발생건수가가장높은것으로나타났고, 다음으로13세(4, 954건) 가천식발생이높은것으로 나타났다.
또한학습에매우중요한시기인청소년들의천신예 방을위하여필요한연구이므로본연구를기반으로 중요한의의를제시하고자한다.청소년들의천식발 생의근본원인은개인별건강이중요한영향을미치 는것으로나타났고, 청소년들의건강을증진할수있는식습관이나운동이필요하다는것을 알 수 있었다.
본연구의데이터들은 질병관리본부로터다운로드한것이며, 그림 1에 본 논문의 연구 절차를 제시하였다.먼저,청소년관련연구들을기반으로청소년천식질환의중요성에대한연 구를살펴보고, 천식과관련된질병관련연구들을살펴본다.본연구는청소년질병중의하나인천식에대 한발병여부를살펴보기위한연구이므로인공신경망 관련문헌연구들을기반으로연구방법론을전반적으 로검토할것이다.
본연구는선행연구를고려하여청소년의천식질환유발에대한예측요인들을탐색하기위하여연구 를수행하였다.머신러닝기법으로인공신경망분석과 딥러닝기법을적용할것이다.
다음으로청소년천식질환과관련 된데이터를수집하여데이터를전처리를수행할것이 며, 청소년 천식 질환을 예측하기 위하여 예측모델을구축할것이다.서포트벡터머신, 인공신경망, 딥러닝이라는예측모델을기반으로청소년들의천식질환 예방을위한유용한가이드라인을제시하고자한다. <Figure1>은연구프로세스를도식화한것이다.
그러므로생활습관, 식습관, 환경특성, 기본특성과 같은 천식 발병과 관련 요인들을 파악할필요성이있으므로, 천식을 유발하는 생활습관, 식습관, 환경특성, 기본적인 특성을 활용하여 천식 예측모델을 살펴보고자 한다.즉,인공신경망분석을기반으로청소년들의천식예측모델을제안하 여, 청소년들이 천식 유발요인들을 피할 수 있는가이드라인을제공하고자본연구를수행한다.
청소년들의천식발생에영향을미치는다양한요인들을알아보기위하여빅데이터시각화를수행해보 았다.청소년들가정의재정상태, 스트레스받는정도, 잠을자는시간, 건강상태, 운동량과천식발생과의관련성에대해살펴보았다.

제안 방법

청소년 들의환경특성중에서스트레스는평상시에스트레스 를느끼는정도로측정하였고, 재정적상태는청소년들이지각하는재정상태의정도로측정하였다.거주형 태는가족과함께사는경우, 친척집에사는경우, 하숙, 자취, 기숙사, 보육시설등으로조사하였다.청소년들의기본적인특성중에건강상태는평상시에자신 의건강상태에대한정도를측정하였고, 키와 몸무게는 최근에 측정한 값을 기준으로하였으며,성별과나이도조사하였다.
청소년들의천식발생에영향을미치는다양한요 인들을살펴보니, 잠, 운동, 스트레스가 중요하게 영향을 미치고 있음을 알 수 있었다.그러므로잠, 운동, 스트레스요인만을기준으로성별에따른천식발생을 자세히살펴보기위하여분석을해보았다.잠을많이 잘수록천식발생빈도가준다는것을알수있었으며, 성별도상관없이충분한잠은천식발생빈도를줄이 는데에도움이된다는것을보여준다.
제외하였고, SVMe수치속성만처리할수있기때문에로딩한 데이터세트에서범주형속성을수치유형으로전처리 하였다.또한속성간의값의범위가상당한차이가있 기때문에정규화를수행한후에모델링작업을수행하였다.모델링작업을하기위해서데이터세트를학 습데이터세트와테스트데이트세트로8:2로분할하 여서포트벡터머신, 인공신경망, 딥러닝과 같은 학습모델을 적용하였다.
또한속성간의값의범위가상당한차이가있 기때문에정규화를수행한후에모델링작업을수행하였다.모델링작업을하기위해서데이터세트를학 습데이터세트와테스트데이트세트로8:2로분할하 여서포트벡터머신, 인공신경망, 딥러닝과 같은 학습모델을 적용하였다.
본 연구의 데이터는 청소년 천식 질환을 예측하기위하여 결측치 값(missing value)은 제외하였고, SVMe수치속성만처리할수있기때문에로딩한 데이터세트에서범주형속성을수치유형으로전처리 하였다.또한속성간의값의범위가상당한차이가있 기때문에정규화를수행한후에모델링작업을수행하였다.
본연구는천식을유발하는생활습관, 식습관, 환경 특성, 기본적인 특성들을 기반으로 천식 예측모형을살펴보았다.즉, 본 연구는 청소년들의 천식 예측모형을 제안하기위하여, 천식 데이터를 훈련데이터와 테스트데이터로분류하였으며, 이들데이터를기반으로 SVM, NeuralNet, Deep Learning 이라는 세 가지예측모델을분석해보았다.
본연구는청소년들의천식발생빈도예측을위해 SVM, NeuralNet, Deep Learning 이라는 인공신경망 분석을활용하였다.인공신경망모형의성능평가의척도로는예측모형으로구현된연구의목적을 달성하기위하여정확도, RMSE, MAE를기반으로평가하였다.
기본적인 특성들을 기반으로 천식 예측모형을살펴보았다.즉, 본 연구는 청소년들의 천식 예측모형을 제안하기위하여, 천식 데이터를 훈련데이터와 테스트데이터로분류하였으며, 이들데이터를기반으로 SVM, NeuralNet, Deep Learning 이라는 세 가지예측모델을분석해보았다.모델의정확도, RMSE, MAE를기준으로모형의예측력을살펴보았을때에 NeuralNet모델이청소년들의천식예측모델로가 장우수한것으로 나타났다.
청소년들의식습관중에서아침식사는 밥, 빵, 선식, 죽, 시리얼 등 아침 식사를 하는 정도로 측정하였고,과일섭취는과일주스를제외하고과일을먹는정도로측정하였다.채소섭취는김치를제외하 고채소반찬, 샐러드 등을 포함 하여 채소 섭취 정도로측정하였고, 물섭취는생수, 탄산수, 보리수등을포함하여물을마시는횟수정도로측정하였다.청소년 들의환경특성중에서스트레스는평상시에스트레스 를느끼는정도로측정하였고, 재정적상태는청소년들이지각하는재정상태의정도로측정하였다.
청소년들의기본적인특성중에건강상태는평상시에자신 의건강상태에대한정도를측정하였고, 키와 몸무게는 최근에 측정한 값을 기준으로하였으며,성별과나이도조사하였다.천식발병은의사에게진단받은정 도로측정하였다.
채소섭취는김치를제외하 고채소반찬, 샐러드 등을 포함 하여 채소 섭취 정도로측정하였고, 물섭취는생수, 탄산수, 보리수등을포함하여물을마시는횟수정도로측정하였다.청소년 들의환경특성중에서스트레스는평상시에스트레스 를느끼는정도로측정하였고, 재정적상태는청소년들이지각하는재정상태의정도로측정하였다.거주형 태는가족과함께사는경우, 친척집에사는경우, 하숙, 자취, 기숙사, 보육시설등으로조사하였다.
았다.청소년들가정의재정상태, 스트레스받는정도, 잠을자는시간, 건강상태, 운동량과천식발생과의관련성에대해살펴보았다.청소년들의가정재정상태 가천식발생에대한차이를나타내지는않고있었다.
거주형 태는가족과함께사는경우, 친척집에사는경우, 하숙, 자취, 기숙사, 보육시설등으로조사하였다.청소년들의기본적인특성중에건강상태는평상시에자신 의건강상태에대한정도를측정하였고, 키와 몸무게는 최근에 측정한 값을 기준으로하였으며,성별과나이도조사하였다.천식발병은의사에게진단받은정 도로측정하였다.
청소년들의생활습관중에서운동량은심장박동이평상시보다증가하거나숨이찬정도의신체활동을하는 횟수정도로측정하였고, 수면은최근잠을잔시간정도로측정하였다.청결은비누를이용하여씻는정도 를측정하였다.
청결은비누를이용하여씻는정도 를측정하였다.청소년들의식습관중에서아침식사는 밥, 빵, 선식, 죽, 시리얼 등 아침 식사를 하는 정도로 측정하였고,과일섭취는과일주스를제외하고과일을먹는정도로측정하였다.채소섭취는김치를제외하 고채소반찬, 샐러드 등을 포함 하여 채소 섭취 정도로측정하였고, 물섭취는생수, 탄산수, 보리수등을포함하여물을마시는횟수정도로측정하였다.
청소년들의천식을예측하기위한학습모델을적용하기전에데이터에대한트렌드를파악하기위하여 데이터에대한기초적인분석을수행해보았으며, 빅데이터시각화프로그램중에서널리사용되고있는 Tableau2020.1버전으로청소년들의천식에대한 분석을시각화를수행하여나타내었다.청소년들의성 별에따라서천식발생률을살펴보았으며, 성별에 따른 청소년들의 천식 발생 빈도를 보면남성(29, 058 명)이여성(26, 689명) 보다높은빈도를나타내고있다는것을알수있었다(<Figure2>참조).

대상 데이터

다음으로부산이중학교25 개교, 고등학교26개교를추출하였으며, 경남이 중학교 26개교, 고등학교26개교, 대구에서 중학교 21개교, 고등학교 21개교를 추출하였다.나머지지역으로는인천, 광주, 대전, 울산 등의 지역을 대상으로 다양한 표본을추출하였다.
경기가 가장 큰 표본으로 중학교 80개교, 고등학교 79개교를표본으로추출하였고, 서울도 상당수의 표본을 차지하였으며 중학교58개교,고등학교60개교를표본으로추출하였다.다음으로부산이중학교25 개교, 고등학교26개교를추출하였으며, 경남이 중학교 26개교, 고등학교26개교, 대구에서 중학교 21개교, 고등학교 21개교를 추출하였다.나머지지역으로는인천, 광주, 대전, 울산 등의 지역을 대상으로 다양한 표본을추출하였다.
본 연구는 기존의 천식 환자들 중에서 일부를 추출한임상데이터기반의연구와는달리, data-checked="false">청소년들의천식환자들을대상으로진행된데이터를활용하였다. 또한학습에매우중요한시기인청소년들의천신예 방을위하여필요한연구이므로본연구를기반으로 중요한의의를제시하고자한다.
본 연구는 질병관리본부로부터 2019년청소년건강행태조사자료57,303건을활용하였다.이자료는전국중․고등학교재학생들을대상으로조사가수행되 었으며, 표본학교800개중에서중학교400개교, 고등학교 400개교를 추출하였고, 시도, 지역군, 학교급 (중학교/일반계교/특수화계고)등다양한표본을추 출하였다.
본연구에서사용된데이터는청소년들의생활습관 (운동량, 수면, 청결), 식습관(아침식사, 과일섭취, 채소 섭취, 물섭취), 환경특성(스트레스, 재정상태, 거주 형태), 기본특성(건강상태, 키, 몸무게, 성별, 나이)과천식발병과의관계를파악하기위한데이터를활용하 였다.
303건을활용하였다.이자료는전국중․고등학교재학생들을대상으로조사가수행되 었으며, 표본학교800개중에서중학교400개교, 고등학교 400개교를 추출하였고, 시도, 지역군, 학교급 (중학교/일반계교/특수화계고)등다양한표본을추 출하였다.표본학교내에서각학년별1개학급을추 출하였으며표본학급내의전체학생을조사하였다.
이자료는전국중․고등학교재학생들을대상으로조사가수행되 었으며, 표본학교800개중에서중학교400개교, 고등학교 400개교를 추출하였고, 시도, 지역군, 학교급 (중학교/일반계교/특수화계고)등다양한표본을추 출하였다.표본학교내에서각학년별1개학급을추 출하였으며표본학급내의전체학생을조사하였다. 경기가 가장 큰 표본으로 중학교 80개교, 고등학교 79개교를표본으로추출하였고, 서울도 상당수의 표본을 차지하였으며 중학교58개교,고등학교60개교를표본으로추출하였다.

이론/모형

인공신경망모형의성능평가의척도로는예측모형으로구현된연구의목적을 달성하기위하여정확도, RMSE, MAE를기반으로평가하였다.정확도(Accuracy)란전체검증사례중 에서긍정과부정사례와는상관없이맞게예측한비 율이얼마인지를나타내는지표이다.

성능/효과

하지 만남성과여성모두12세와18세에천식발생빈도가 낮다는것을알수있었다(<Figure3>참조).그러므 로청소년들은남성과여성구분없이13세에서17세 까지는천식에대한발생빈도가높으므로매우조심해 야하는시기임을알 수 있었다.
즉, 청소년들의질병중의하나인천식은가정의재정상태라는요 인보다는개인의건강에영향력을미칠수있는스트 레스, 잠, 기본적인건강상태, 운동량이더중요한요인임을알 수 있었다.그러므로청소년시기에천식의 발생빈도를줄이기위해서는스트레스를적게받고 충분한잠을자야하며, 기본적인건강을유지하면서지속적인운동이필요하다는것을 알 수 있었다. 청소년들의천식발생에영향을미치는다양한요 인들을살펴보니, 잠, 운동, 스트레스가 중요하게 영향을 미치고 있음을 알 수 있었다.
반면청소년들이 스트레스받는 정도와 천식과의 관계를보면,스트레스를많이받는청소년일수록천식발생빈도가높고스트레스를적게받을수록천식발생빈도 가낮다는것을 알 수 있었다.또한청소년들의잠자는 시간과천식발생빈도와의관계를살펴보면, 잠을충분히자는학생들보다는잠을충분히자지않는학생 들에게천식에대한발생빈도가높은것으로나타났 다.청소년들의건강상태와천식발생빈도와의관계 를보면, 청소년들의기본적인건강상태가좋을수록천식의발생빈도가적으며건강상태가좋지않을수록 천식의발생빈도가높은것으로 나타났다.
마지막으로 청소년들의운동량과천식발생빈도와의관계를보 면, 청소년들이운동을많이할수록천식이적게발생하고운동량이적을수록천식의발생빈도가높다는 것을알수있었다(참조).
운동을열심히 할수록천식발생빈도가준다는것을알수있었으며, 운동도성별과는별개로중요한요인임을알 수 있었다.마지막으로스트레스가천식에미치는영향이있 음을알수있었고, 스트레스를 많이 받을 수록 천식 발생 빈도가높다는것을 알 수 있었다.남성,여성모두스트레스가천식에영향을미친다는것을보여준다.
즉, 본 연구는 청소년들의 천식 예측모형을 제안하기위하여, 천식 데이터를 훈련데이터와 테스트데이터로분류하였으며, 이들데이터를기반으로 SVM, NeuralNet, Deep Learning 이라는 세 가지예측모델을분석해보았다.모델의정확도, RMSE, MAE를기준으로모형의예측력을살펴보았을때에 NeuralNet모델이청소년들의천식예측모델로가 장우수한것으로 나타났다.
가정의재정상태가좋은청소년들이나좋지않은청 소년들이나천식발생빈도는유사하게나타났다.반면청소년들이 스트레스받는 정도와 천식과의 관계를보면,스트레스를많이받는청소년일수록천식발생빈도가높고스트레스를적게받을수록천식발생빈도 가낮다는것을 알 수 있었다.또한청소년들의잠자는 시간과천식발생빈도와의관계를살펴보면, 잠을충분히자는학생들보다는잠을충분히자지않는학생 들에게천식에대한발생빈도가높은것으로나타났 다.
본연구의모델평가결과를보면, SVMe정확도 (93.19%)는 상당히 우수하게 나타났지만 RMSE (0.320)와MAE(0.300)지표가양호하다고보기에 는어려움이있다.DeepLearning모델평가결과 를보면정확도(74.
잠을많이 잘수록천식발생빈도가준다는것을알수있었으며, 성별도상관없이충분한잠은천식발생빈도를줄이 는데에도움이된다는것을보여준다.운동을열심히 할수록천식발생빈도가준다는것을알수있었으며, 운동도성별과는별개로중요한요인임을알 수 있었다.마지막으로스트레스가천식에미치는영향이있 음을알수있었고, 스트레스를 많이 받을 수록 천식 발생 빈도가높다는것을 알 수 있었다.
다음으로17세(4, 438건), 13세(4, 374건), 16세(4, 320 건)순으로천식발생건수가차례대로나타났다.즉, 연령으로천식발생건수를살펴보면,남성이나여성모두14세에천식발생건수가가장높다는것을알수 있었다.다음으로는여성은15세, 남성은13세가천식발생빈도가높게나타난다는것을보여준다.
마지막으로 청소년들의운동량과천식발생빈도와의관계를보 면, 청소년들이운동을많이할수록천식이적게발생하고운동량이적을수록천식의발생빈도가높다는 것을알수있었다(<Figure4>참조).즉, 청소년들의질병중의하나인천식은가정의재정상태라는요 인보다는개인의건강에영향력을미칠수있는스트 레스, 잠, 기본적인건강상태, 운동량이더중요한요인임을알 수 있었다.그러므로청소년시기에천식의 발생빈도를줄이기위해서는스트레스를적게받고 충분한잠을자야하며, 기본적인건강을유지하면서지속적인운동이필요하다는것을 알 수 있었다.
또한청소년들의잠자는 시간과천식발생빈도와의관계를살펴보면, 잠을충분히자는학생들보다는잠을충분히자지않는학생 들에게천식에대한발생빈도가높은것으로나타났 다.청소년들의건강상태와천식발생빈도와의관계 를보면, 청소년들의기본적인건강상태가좋을수록천식의발생빈도가적으며건강상태가좋지않을수록 천식의발생빈도가높은것으로 나타났다.마지막으로 청소년들의운동량과천식발생빈도와의관계를보 면, 청소년들이운동을많이할수록천식이적게발생하고운동량이적을수록천식의발생빈도가높다는 것을알수있었다(<Figure4>참조).
또한학습에매우중요한시기인청소년들의천신예 방을위하여필요한연구이므로본연구를기반으로 중요한의의를제시하고자한다.청소년들의천식발 생의근본원인은개인별건강이중요한영향을미치 는것으로나타났고, 청소년들의건강을증진할수있는식습관이나운동이필요하다는것을 알 수 있었다. 또한청소년들의천식발생예측모형을구축함으로써 질병예방을위하여활용할수있을것으로보인다.
그러므로청소년시기에천식의 발생빈도를줄이기위해서는스트레스를적게받고 충분한잠을자야하며, 기본적인건강을유지하면서지속적인운동이필요하다는것을 알 수 있었다. 청소년들의천식발생에영향을미치는다양한요 인들을살펴보니, 잠, 운동, 스트레스가 중요하게 영향을 미치고 있음을 알 수 있었다.그러므로잠, 운동, 스트레스요인만을기준으로성별에따른천식발생을 자세히살펴보기위하여분석을해보았다.

후속연구

본연구의결과를보면, 청소년들의 건강요인들은 고려하였지만, 외부환경요인들은 고려하지 않고 있다.그러므로향후연구에서는온도, 습도, 미세먼지등과같은외부환경요인들을고려하여청소년들의 천식을연구한다면좀더의미있는연구결과를제안 할수있을것이다.
다음으로청소년들의천식발생빈도가성별에따라서다르게나타났으므로성별과연령을함께고려하여 살펴볼필요성이있었다.그러므로청소년들의연령과 성별을동시에고려하여천식발생빈도를살펴보았 다.
본연구는청소년질병중의하나인천식에대 한발병여부를살펴보기위한연구이므로인공신경망 관련문헌연구들을기반으로연구방법론을전반적으 로검토할것이다.다음으로청소년천식질환과관련 된데이터를수집하여데이터를전처리를수행할것이 며, 청소년 천식 질환을 예측하기 위하여 예측모델을구축할것이다.서포트벡터머신, 인공신경망, 딥러닝이라는예측모델을기반으로청소년들의천식질환 예방을위한유용한가이드라인을제시하고자한다.
청소년들의천식발 생의근본원인은개인별건강이중요한영향을미치 는것으로나타났고, 청소년들의건강을증진할수있는식습관이나운동이필요하다는것을 알 수 있었다. 또한청소년들의천식발생예측모형을구축함으로써 질병예방을위하여활용할수있을것으로보인다.특 히인공신경망분석을통하여질병을예측한다면학문 적으로뿐만아니라실무적으로도의의가있는것으로 보인다.
먼저,청소년관련연구들을기반으로청소년천식질환의중요성에대한연 구를살펴보고, 천식과관련된질병관련연구들을살펴본다.본연구는청소년질병중의하나인천식에대 한발병여부를살펴보기위한연구이므로인공신경망 관련문헌연구들을기반으로연구방법론을전반적으 로검토할것이다.다음으로청소년천식질환과관련 된데이터를수집하여데이터를전처리를수행할것이 며, 청소년 천식 질환을 예측하기 위하여 예측모델을구축할것이다.
질병예측모형을활용하여청소년들의천식을예방하기위해서천신과연관성이있는요인들을고려하 여연구를수행할것이다.그러므로생활습관, 식습관, 환경특성, 기본특성과 같은 천식 발병과 관련 요인들을 파악할필요성이있으므로, 천식을 유발하는 생활습관, 식습관, 환경특성, 기본적인 특성을 활용하여 천식 예측모델을 살펴보고자 한다.

참고문헌 (11)

Baek, S. G., Park, J. H., Kang, S. H., and Park, H. J., "A study on the development of severity-adjusted mortality prediction model for discharged patient with acute stroke using machine learning", Journal of the Korea AcademiaIndustrial, Vol. 19, No. 1, 2018, pp. 126-136.
Huang, W., Nakamori, Y., and Wang, S. Y., "Forecasting Stock Market Movement Direction with Support Vector Machine", Computers and Operations Research, Vol. 32, No. 10, 2005, pp. 2513-2522.

상세보기
Kim, H. M. and Kim, H., "A Study on Predicting Cryptocurrency Distribution Prices Using Machine Learning Techniques", Journal of Distribution Science, Vol. 10, No. 11, 2019, pp. 93-101.

원문보기 상세보기
Kim, S. W., "Development and Application of Risk Recovery Index using Machine Learning Algorithms", Journal of Information Technology Applications and Management, Vol. 23, No. 4, 2016, pp. 25-39.

원문보기 상세보기
Ko, H. S., Choi, S. H., and Rha, Y. H., "Role of Fractional Exhaled Nitric Oxide in Predicting Development of Allergic Rhinits in Children with Bronchial Asthma", Pediatric Allergy and Respiratory Disease, Vol. 22, No. 2, 2012, pp. 180-187.

상세보기
Lee, K. C. and Shin, K. S., "Hybrid AI Approach to Knowledge Management by Integrating Case-Based Reasoning and Genetic Algorithms", Journal of Information Technology Applications and Management, Vol. 1, 1999, pp. 3-27.
Lee, K. K., "Correlation Analysis About the Effect of Asian Dust Storm and Related Forecasts on Asthma Disease", Journal of society of Korea industrial and Systems Engineering, Vol. 35, No. 3, 2012, pp. 234-239.
Park, Y. E., Chaffar, S., Kim, M. S., and Ko, H. Y., "Predicting Arab Consumers' Preferences on the Korean Contents Distribution", Journal of Distribution Science, Vol. 15, No. 4, 2017, pp. 33-40.

원문보기 상세보기
Shin, N. and Bae, S., "A Study on the Prediction of the Number of Treatment Cases for Particulate Matter-related Diseases Incorporating Structured and Unstructured data", The Korean Society for Quality Management Proceeding, 2020.
Soyiri, I. N., Reidpath, D. D., and Sarran, C., "Forecasting Peak Asthma Admissions in London : An Application of Quantile Regression Models", International Journal of Biometeorol, Vol. 57, 2013, pp. 569-78.

상세보기
Yun et al., "The Development of Patienttailored Asthma Prediction Model for the Alarm System", Allergy Asthma Respir Dis, Vol. 4, No. 5, 2016, pp. 328-339.

상세보기

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