[논문]연관성 규칙 기반 영양소를 이용한 골다공증 예측 모델

유정훈; 이범주

doi:10.17703/jcct.2020.6.3.457

초록
AI-Helper

골다공증은 주로 노인에서 나타나는 질병으로써 뼈 질량 및 조직의 구조적 악화에 따라 골절의 위험을 증가시킨다. 본 연구의 목적은 영양소 성분과 골다공증과의 연관성을 파악하고, 영양소 성분을 기반으로 골다공증을 예측하는 모델을 생성 및 평가하는 것이다. 실험방법으로 binary logistic regression을 이용하여 연관성분석을 수행하였고, naive Bayes 알고리즘과 variable subset selection 메소드를 이용하여 예측 모델을 생성하였다. 단일 변수들에 대한 분석결과는 남성에서 식품섭취량과 비타민 B2가 골다공증을 예측하는데 가장 높은 the area under the receiver operating characteristic curve (AUC)값을 나타내었다. 여성에서는 단일불포화지방산이 가장 높은 AUC값을 나타내었다. 여성 골다공증 예측모델에서는 Correlation based feature subset 및 wrapper 기반 feature subset 메소드를 이용하여 생성된 모델이 0.662의 AUC 값을 얻었다. 남성에서 전체변수를 이용한 모델은 0.626의 AUC를 얻었고, 그외 남성 모델들에서는 민감도와 1-특이도에서 예측 성능이 매우 낮았다. 이러한 연구결과는 향후 골다공증 치료 및 예방을 위한 기반정보로 활용할수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

Osteoporosis is a disease that occurs mainly in the elderly and increases the risk of fractures due to structural deterioration of bone mass and tissues. The purpose of this study are to assess the relationship between nutritional components and osteoporosis and to evaluate models for predicting ost...

Osteoporosis is a disease that occurs mainly in the elderly and increases the risk of fractures due to structural deterioration of bone mass and tissues. The purpose of this study are to assess the relationship between nutritional components and osteoporosis and to evaluate models for predicting osteoporosis based on nutrient components. In experimental method, association was performed using binary logistic regression, and predictive models were generated using the naive Bayes algorithm and variable subset selection methods. The analysis results for single variables indicated that food intake and vitamin B2 showed the highest value of the area under the receiver operating characteristic curve (AUC) for predicting osteoporosis in men. In women, monounsaturated fatty acids showed the highest AUC value. In prediction model of female osteoporosis, the models generated by the correlation based feature subset and wrapper based variable subset methods showed an AUC value of 0.662. In men, the model by the full variable obtained an AUC of 0.626, and in other male models, the predictive performance was very low in sensitivity and 1-specificity. The results of these studies are expected to be used as the basic information for the treatment and prevention of osteoporosis.

주제어

표/그림 (6)

표 표 1. 연구참가자 특성 (N=4,761) Table 1. Characteristics of the study population (N=4,761)
표 표2. 이분형 로지스틱 회귀분석을 사용한 골다공증 진단의 오즈비 및 AUC (남성) (N=1,961) Table 2. Odds Ratios and AUC for osteoporosis diagnosis using the binary logistic regression (Male) (N=1,961) 　
그림 그림 1. 골다골증 예측 모델의 AUC 값의 비교평가 Figure 1. AUCs of prediction model of Osteoporosis
표 표3. 이분형 로지스틱 회귀분석을 사용한 골다공증 진단의 오즈비 및 AUC (여성) (N=2,800) Table 3. Odds Ratios and AUC for osteoporosis diagnosis using the binary logistic regression (Female) (N=2,800)
표 표 4. 각 예측 모델별 세부 성능 비교 Table 4. Detailed performance of each prediction models
표 표 5. Variable subset selection 실험에서 선택되어 골다골증 예측모델에 포함된 변수들 Table 5. Selected variable in each prediction model by variable subset selection methods

AI 본문요약
AI-Helper

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

문제 정의

그러나, 국내에서 아직까지 머신러닝을 기반으로 영양소 변수를 이용하여 골다공증을 예측할 수 있는 모델에 대한 연구가 없었다. 따라서 본 연구는 기존의 영양소 변수와 골다공증 사이의 연관성 분석을 수행하고, 영양소 성분들을 기반으로 머신러닝 기법을 사용하여 골다공증 진단여부 예측모델을 개발하고자 한다. 이러한 연구결과는 건강 스크리닝 분야에서 질병 예측에 공헌할 수 있을 것으로 예측한다.
현재까지, 이러한 골다공증 및 기타 질병들에 대하여 빅데이터, 인공지능 및 머신러닝 등을 활용하여 특정 질병의 예측 또는 식별관련 연구들이 수 없이 진행되고 있으나 [15, 16], 현재까지, 오직 영양소 성분만으로 골다공증 진단을 예측한 연구는 국내에 없었다. 따라서, 본 연구는 국가에서 정기적으로 실시하는 건강검진에서 영양소 성분 정보만을 이용하여 골다공증 식별에 대한 가능성을 제시하는 것에 의의가 있다. 향후 연구는 더 많은 샘플 수의 확보를 통하여 예측모델의 성능을 높이는 것이다.
본 연구는 2018년에 전국적으로 실시된 제 7기 3차 년도 국민건강영양조사 자료(질병관리본부 연구윤리위원회 승인번호: 2018-01-03-P-A)를 사용하여 영양소 성분 변수들과 골다공증의 연관성을 탐색하고 예측모델을 만들고자 하였다. 원시자료의 전체 샘플 수 7,992명 중에서, 19세 미만 대상자(n=1,405), 연구에서 사용된 주요 변수에 대한 응답을 하지 않은 대상자(n=1,826)를 제외한 4,761명을 연구 대상으로 사용되었다.
본 연구에서는 영양소 성분이 골다공증에 미치는 영향을 탐색하고 예측모델을 만들고자 하였다. 연구결과로 남성은 1.

제안 방법

국민건강영양조사의 영양소 성분 변수들은 조사 1일 전 섭취 음식의 종류와 섭취량을 기반으로 2015 한국인 영양소 섭취기준을 사용하여 가공한 변수이다[11]. 개인이 하루 동안 섭취한 모든 음식 및 식품으로부터의 영양소 섭취량의 합으로, 26개의 변수를 사용하였다. 연구집단의 특성을 파악하기 위해 성별, 연령, 육수준, 직업 분류, 음주여부, 흡연여부, 결혼상태를 포함한 사회인구학적 변수와 15초 맥박수, 수축기 혈압, 이완기 혈압, 신장, 체중, 허리 둘레, 체질량 지수를 포함한 신체계측 변수를 사용하였다.
3 버전을 사용하였다. 데이터 셋의 2/3에 해당하는 샘플을 트레이닝 셋으로 이용하여 모델을 생성하였고, 나머지 1/3의 샘플을 테스트 셋으로 이용하여 모델을 평가하였다. 모델 생성을 위한 알고리즘은 naive Bayes를 이용하였고, 모델생성 과정에서 전체 변수 셋을 이용한 모델과 두 가지 variable subset selection method 을 이용하여 남녀 각각 총 3가지 모델을 생성하였다.
예를 들어 여성들을 대상으로 의사결정나무와 서포트 벡터 머신 모델을 사용하여 골밀도 감소를 예측한 연구에서는 칼슘, 태양빛 노출, 체질량 지수, 신체활동, 임신 횟수와 칼슘 섭취 순으로 중요도가 높다고 보고하였다 [13]. 또한 신경네트워크 모델을 적용하여 칼슘 섭취, 단백질 섭취, 임신 횟수, 신장, 체질량 지수 등 식습관 및 생활 습관 요인들로만 여성들의 골밀도 값을 예측하였다[14]. 이러한 연구들과 본 연구와의 차이점은 다음과 같다.
골다공증을 예측하는데 가장 높은 예측력을 나타내는 변수로 남성에서는 식품섭취량, 비타민 B2, 수분, 비타민 A 순이었고, 여성에서는 단일불포화지방산, 지방, 포화지방산, 콜레스테롤 순이었다. 또한 여성 및 남성에 대한 골다공증 예측모델을 생성하여 그 정확도를 평가하였다. 이러한 연구는 향후 국민보건에 대한 기초 자료로 활용이 가능할 것이다.
본 실험에서는 영양소 관련 변수들과 골다공증사이의 연관성분석과 예측력을 비교하기 위해 binary logistic regression을 사용한 p-value와 odds ratio (OR)와 변수 각각에 대한 the area under the receiver operating characteristic curve (AUC)를 구하였다. 통계분석을 위해서 R 4.
개인이 하루 동안 섭취한 모든 음식 및 식품으로부터의 영양소 섭취량의 합으로, 26개의 변수를 사용하였다. 연구집단의 특성을 파악하기 위해 성별, 연령, 육수준, 직업 분류, 음주여부, 흡연여부, 결혼상태를 포함한 사회인구학적 변수와 15초 맥박수, 수축기 혈압, 이완기 혈압, 신장, 체중, 허리 둘레, 체질량 지수를 포함한 신체계측 변수를 사용하였다.
표 2와 3은 영양소 성분 변수 각각에 대한 골다공증 예측력 비교와 연관성분석을 위하여 OR과 AUC값을 남녀별로 기술하였다. 남성에서는 영양소 성분 변수들 중에서 식품섭취량과 비타민 B2가 골다공증을 예측하는데 가장 높은 AUC 값을 나타내었다 (OR = 0.

대상 데이터

본 연구는 2018년에 전국적으로 실시된 제 7기 3차 년도 국민건강영양조사 자료(질병관리본부 연구윤리위원회 승인번호: 2018-01-03-P-A)를 사용하여 영양소 성분 변수들과 골다공증의 연관성을 탐색하고 예측모델을 만들고자 하였다. 원시자료의 전체 샘플 수 7,992명 중에서, 19세 미만 대상자(n=1,405), 연구에서 사용된 주요 변수에 대한 응답을 하지 않은 대상자(n=1,826)를 제외한 4,761명을 연구 대상으로 사용되었다.

데이터처리

variable subset selection method에서는 correlation-based feature subset selection method (Best-first search)와 wrapper-based subset selection method (Best search)를 이용하였다. 예측모델들의 평가를 위하여 AUC를 주 평가 지표로 사용하였고, 세부적인 평가를 위하여 민감도와 1-특이도를 계산하였다.

이론/모형

모델 생성을 위한 알고리즘은 naive Bayes를 이용하였고, 모델생성 과정에서 전체 변수 셋을 이용한 모델과 두 가지 variable subset selection method 을 이용하여 남녀 각각 총 3가지 모델을 생성하였다. variable subset selection method에서는 correlation-based feature subset selection method (Best-first search)와 wrapper-based subset selection method (Best search)를 이용하였다. 예측모델들의 평가를 위하여 AUC를 주 평가 지표로 사용하였고, 세부적인 평가를 위하여 민감도와 1-특이도를 계산하였다.
데이터 셋의 2/3에 해당하는 샘플을 트레이닝 셋으로 이용하여 모델을 생성하였고, 나머지 1/3의 샘플을 테스트 셋으로 이용하여 모델을 평가하였다. 모델 생성을 위한 알고리즘은 naive Bayes를 이용하였고, 모델생성 과정에서 전체 변수 셋을 이용한 모델과 두 가지 variable subset selection method 을 이용하여 남녀 각각 총 3가지 모델을 생성하였다. variable subset selection method에서는 correlation-based feature subset selection method (Best-first search)와 wrapper-based subset selection method (Best search)를 이용하였다.

성능/효과

6% 골다공증 진단을 받았다. 골다공증을 예측하는데 가장 높은 예측력을 나타내는 변수로 남성에서는 식품섭취량, 비타민 B2, 수분, 비타민 A 순이었고, 여성에서는 단일불포화지방산, 지방, 포화지방산, 콜레스테롤 순이었다. 또한 여성 및 남성에 대한 골다공증 예측모델을 생성하여 그 정확도를 평가하였다.
665). 두 번째로 예측력이 좋은 변수는 수분이었으며 (OR = 0.554 [0.313, 0.904], AUC = 0.646), 그 다음은 비타민 A였다 (OR = 0.520 [0.229, 0.984], AUC = 0.645). 여성에서 골다공증을 예측하는데 가장 높은 AUC 값을 보인 변수는 단일불포화지방산이었다 (OR = 0.
본 연구에서는 영양소 성분이 골다공증에 미치는 영향을 탐색하고 예측모델을 만들고자 하였다. 연구결과로 남성은 1.2%, 여성은 13.6% 골다공증 진단을 받았다. 골다공증을 예측하는데 가장 높은 예측력을 나타내는 변수로 남성에서는 식품섭취량, 비타민 B2, 수분, 비타민 A 순이었고, 여성에서는 단일불포화지방산, 지방, 포화지방산, 콜레스테롤 순이었다.
그러나 남성 모델중에서 CFS와 wrapper 기반 모델이 전체변수를 사용한 모델보다 AUC값은 높았으나 실제적으로 세부 성능평가에서는 골다공증 군에 대한 예측 성능이 매우 낮았다. 전체적으로, 남성보다는 여성의 골다공증 예측이 더 우수한 것으로 나타냈으며, 남성에서는 전체변수를 사용한 모델만 세부적인 성능이 타당성을 나타났고, variable subset selection 메소드를 이용한 모델은 예측 모델로서 적절치 않은 것으로 나타났다. 각 모델들에 대한 세부적인 성능평가는 표 4에 기술되었으며, variable subset selection 메소드들을 이용하여 생성된 모델에 포함된 최종 변수들은 표 5에 나타내었다.

후속연구

또한 여성 및 남성에 대한 골다공증 예측모델을 생성하여 그 정확도를 평가하였다. 이러한 연구는 향후 국민보건에 대한 기초 자료로 활용이 가능할 것이다.
따라서, 본 연구는 국가에서 정기적으로 실시하는 건강검진에서 영양소 성분 정보만을 이용하여 골다공증 식별에 대한 가능성을 제시하는 것에 의의가 있다. 향후 연구는 더 많은 샘플 수의 확보를 통하여 예측모델의 성능을 높이는 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	골다공증(osteoporosis)이란 어떤 질병인가?	골다공증(osteoporosis)은 낮은 뼈 질량과 뼈 조직의 미세한 구조적 악화로 인해 뼈를 약화시키고 그에 따라 골절 위험을 증가시키는 질병이다 [1, 2]. 골다공증은 노인에서 매우 중요한 질병들 중에 하나이며, 한국에서는 65세 이상 인구가 2000년 7.
	골밀도에 영향을 미치는 요인에는 대표적으로 어떤 것들이 있는가?	골밀도에 영향을 미치는 요인으로는 유전적 요인, 호르몬, 운동습관, 흡연, 음주 등 다양한 위험 요인이 있다 [9]. 또한 영양소 성분도 골밀도에 크게 영향을 미치는 변수이다 [10].
	칼슘 [4, 5], 마그네슘 [6], 단백질 [7], 비타민 D 등이 골다공증에 큰 요인임을 무엇을 통해 알 수 있는가?	전 세계적으로 골밀도, 뼈 질량 등 골다공증과 밀접한 관련이 있는 지표들에 대한 연구들에서 칼슘 [4, 5], 마그네슘 [6], 단백질 [7], 비타민 D [8] 등의 영양소 성분들은 골다공증과 연관성이 있다고 보고되었다. 예를 들어 Welten et al. 등이 수행한 메타 분석은 칼슘 섭취가 골밀도 감소를 예방하는데 통계적으로 유의미한 연관성이 있다고 보고하였다 [5]. 또 다른 연구에서는 전체 에너지 섭취량을 보정한 이후에도 마그네슘의 섭취가 높을수록 전체 뼈 질량이 높다고 언급하였다 [6].

참고문헌 (16)

Consensus, A. Consensus development conference: diagnosis, prophylaxis, and treatment of osteoporosis. The American journal of medicine. 1993;94(6):646-650. doi: 10.1016/0002-9343(93)90218-e.

상세보기
Kanis, J. A., Melton III, L. J., Christiansen, C., Johnston, C. C., & Khaltaev, N. The diagnosis of osteoporosis. Journal of bone and mineral research. 1994;9(8):1137-1141. https://doi.org/10.1002/jbmr.5650090802

상세보기
통계청. 통계청, 2018 고령자 통계, 2018.
Cumming, R. G. Calcium intake and bone mass: a quantitative review of the evidence. Calcified Tissue International. 1990;47(4):194-201. https://doi.org/10.1007/BF02555919

상세보기
Welten, D. C., Kemper, H. C., Post, G. B., & Van Staveren, W. A. A meta-analysis of the effect of calcium intake on bone mass in young and middle aged females and males. The Journal of nutrition. 1995;125(11):2802-2813.

상세보기
New, S. A., Robins, S. P., Campbell, M. K., Martin, J. C., Garton, M. J., Bolton-Smith, C., & Reid, D. M. Dietary influences on bone mass and bone metabolism: further evidence of a positive link between fruit and vegetable consumption and bone health?. The American journal of clinical nutrition. 2000;71(1):142-151. doi: 10.1093/ajcn/71.1.142.

상세보기
Hannan, Marian T., Katherine L. Tucker, Bess DawsonHughes, L. Adrienne Cupples, David T. Felson, & Douglas P. Kiel. Effect of dietary protein on bone loss in elderly men and women: the Framingham Osteoporosis Study. Journal of bone and mineral research. 2000;15(12):2504-2512. doi: 10.1359/jbmr.2000.15.12.2504.

상세보기
Ooms, M. E., Roos, J. C., Bezemer, P. D., Van Der Vijgh, W. J., Bouter, L. M., & Lips, P. A. U. L. Prevention of bone loss by vitamin D supplementation in elderly women: a randomized double-blind trial. The Journal of Clinical Endocrinology & Metabolism. 1995;80(4):1052-1058. doi: 10.1210/jcem.80.4.7714065.

상세보기
Cohen, A. J., & Roe, F. J. C. Review of risk factors for osteoporosis with particular reference to a possible aetiological role of dietary salt. Food and Chemical Toxicology. 2000;38(2-3):237-253. doi: 10.1016/s0278-6915(99)00145-3.

상세보기
Prentice, A. Is nutrition important in osteoporosis?. Proceedings of the Nutrition Society. 1997;56(1B):357-367. doi: https://doi.org/10.1079/PNS19970038.

상세보기
보건복지부. 2015 한국인 영양소 섭취기준. 2015
Dawson-Hughes, B., Harris, S. S., Krall, E. A., & Dallal, G. E. Effect of calcium and vitamin D supplementation on bone density in men and women 65 years of age or older. New England Journal of Medicine. 1997;337(10):670-676. doi: 10.1056/NEJM199709043371003.

상세보기
Ordonez, C., Matias, J. M., de Cos Juez, J. F., & Garcia, P. J. Machine learning techniques applied to the determination of osteoporosis incidence in post-menopausal women. Mathematical and Computer Modelling. 2009;50(5-6):673-679. https://doi.org/10.1016/j.mcm.2008.12.024

상세보기
de Cos Juez, F. J., Suarez-Suarez, M. A., Lasheras, F. S., & Murcia-Mazon, A. Application of neural networks to the study of the influence of diet and lifestyle on the value of bone mineral density in post-menopausal women. Mathematical and computer modelling. 2011;54(7-8):1665-1670. https://doi.org/10.1016/j.mcm.2010.11.069

상세보기
Bum Ju Lee. Prediction model of hypercholesterolemia using body fat mass based on machine learning. The Journal of the Convergence on Culture Technology. 2019;5(4):413-420 . https://doi.org/10.17703/JCCT.2019.5.4.413
Seung Hyeog Moon. A Study on Securing Global Big Data Competitiveness based on its Environment Analysis. The Journal of the Convergence on Culture Technology. 2019;5(2):361-366.

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

연관성 규칙 기반 영양소를 이용한 골다공증 예측 모델
Prediction model of osteoporosis using nutritional components based on association 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

연관성 규칙 기반 영양소를 이용한 골다공증 예측 모델 Prediction model of osteoporosis using nutritional components based on association 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (6) 모든 표/그림 보기

표/그림 (6) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

이범주 (8)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연관성 규칙 기반 영양소를 이용한 골다공증 예측 모델
Prediction model of osteoporosis using nutritional components based on association 원문보기

초록
AI-Helper

표/그림 (6)

표/그림 (6)

AI 본문요약
AI-Helper