[논문]머신러닝 기반 사회인구학적 특징을 이용한 고혈압 예측모델

이범주

doi:10.3745/ktsde.2021.10.11.541

머신러닝 기반 사회인구학적 특징을 이용한 고혈압 예측모델
Prediction Model of Hypertension Using Sociodemographic Characteristics Based on Machine Learning 원문보기

정보처리학회논문지. KIPS transactions on software and data engineering. 소프트웨어 및 데이터 공학, v.10 no.11, 2021년, pp.541 - 546

이범주 (한국한의학연구원 디지털임상연구부)

초록
AI-Helper

최근 전 세계적으로 인공지능과 머신러닝을 기반으로 임상정보를 활용한 다양한 고혈압 식별 및 예측 모델이 개발되고 있다. 그러나 고혈압 관련 모델에 대한 대부분의 선행연구는 침습적 및 고가의 분석비용을 통한 변수들이 대부분 사용되었고, 인종과 국가의 특징에 대한 고려가 충분히 제시되지 않았다. 따라서 이 연구의 목적은 일반적인 사회인구 통계학적 변수만을 사용하여 쉽게 이해할 수 있는 한국인 성인 고혈압 예측 모델을 제시하는 것이다. 이 연구에서 사용된 데이터는 질병관리청 국민건강영양조사 (2018년)를 이용하였다. 남성에서, wrapper-based feature subset selection 메소드와 naive Bayes를 이용한 모델이 가장 높은 예측 성능 (ROC = 0.790, kappa = 0.396)을 보였다. 여성의 경우, correlation-based feature subset selection 메소드와 naive Bayes를 사용한 모델이 가장 높은 예측 성능(ROC = 0.850, kappa = 0.495)을 나타내었다. 또한 모든 모델들에서 사회인구 통계학적 변수들만을 이용한 고혈압의 예측 성능이 남성보다 여성에게서 더 높게 나타나는 것을 발견하였다. 본 연구의 결과인 machine learning 기반 고혈압 예측 모델은 한국인에 대한 단순한 사회인구학적 특성만을 사용하였기 때문에 향후 공중 보건 및 역학 분야에서 쉽게 사용될 수 있을 것으로 예상된다.

Abstract ▼ AI-Helper

Recently, there is a trend of developing various identification and prediction models for hypertension using clinical information based on artificial intelligence and machine learning around the world. However, most previous studies on identification or prediction models of hypertension lack the consideration of the ideas of non-invasive and cost-effective variables, race, region, and countries. Therefore, the objective of this study is to present hypertension prediction model that is easily understood using only general and simple sociodemographic variables. Data used in this study was based on the Korea National Health and Nutrition Examination Survey (2018). In men, the model using the naive Bayes with the wrapper-based feature subset selection method showed the highest predictive performance (ROC = 0.790, kappa = 0.396). In women, the model using the naive Bayes with correlation-based feature subset selection method showed the strongest predictive performance (ROC = 0.850, kappa = 0.495). We found that the predictive performance of hypertension based on only sociodemographic variables was higher in women than in men. We think that our models based on machine leaning may be readily used in the field of public health and epidemiology in the future because of the use of simple sociodemographic characteristics.

주제어

표/그림 (6)

표 Table 1. Sociodemographic Features and Statistical Analysis in Men
표 Table 2. Sociodemographic Features and Statistical Analysis in Women
그림 Fig. 1. Prediction Performance Evaluation of Hypertension in Men (ROC: The Area Under the Receiver Operating Characteristic Curve, Full Set: Full Feature Set, CFS: Correlation-Based Feature Subset Method, Wrapper: Wrapper-Based Feature Subset Method)
그림 Fig. 2. Prediction Performance Evaluation of Hypertension in Women (ROC: The Area Under the Receiver Operating Characteristic Curve, CFS: Correlation-Based Feature Subset)
표 Table 3. Detailed Performance Evaluation of Each Model
표 Table 4. Feature Subset Used in Final Models

참고문헌 (16)

B. J. Lee and J. Y. Kim, "Identification of type 2 diabetes risk factors using phenotypes consisting of anthropometry and triglycerides based on machine learning," IEEE Journal of Biomedical and Health Informatics, Vol.20, No.1, pp.39-46, 2015.

상세보기
B. J. Lee, B. Ku, J. Nam, D. D. Pham, and J. Y. Kim, "Prediction of fasting plasma glucose status using anthropometric measures for diagnosing type 2 diabetes," IEEE Journal of Biomedical and Health Informatics, Vol.18, No.2, pp.555-561, 2014.

상세보기
Z. Ren, et al., "A novel predicted model for hypertension based on a large cross-sectional study," Scientific Reports, Vol.10, No.10615, pp.1-9, 2020.

상세보기
B. J. Lee and J. Y. Kim, "Identification of the best anthropometric predictors of serum high- and low-density lipoproteins using machine learning," IEEE Journal of Biomedical and Health Informatics, Vol.19, No.5, pp.1747-1756, 2015.

상세보기
B. J. Lee and J. Y. Kim, "Indicators of hypertriglyceridemia from anthropometric measures based on data mining," Computers in Biology and Medicine, Vol.57, pp.201-211, 2015.

상세보기
B. M. Heo and K. H. Ryu, "Prediction of prehypertenison and hypertension based on anthropometry, blood parameters, and spirometry," International Journal of Environmental Research and Public Health, Vol.15, No.11, pp.2571, 2018.

상세보기
B. J. Lee and J. Y. Kim, "Predicting visceral obesity based on facial characteristics," BMC Complementary and Alternative Medicine, Vol.14, No.248, pp.1-9, 2014.

상세보기
K. Tsoi, et al., "Applications of artificial intelligence for hypertension management," Journal of Clinical Hypertension (Greenwich), Vol.23, No.3, pp.568-574, 2021.

상세보기
B. J. Lee and B. Ku, "A comparison of trunk circumference and width indices for hypertension and type 2 diabetes in a large-scale screening: A retrospective cross-sectional study," Scientific Reports, Vol.8, No.13284, pp.1-10, 2018.
B. J. Lee and M. H. Yim, "Comparison of anthropometric and body composition indices in the identification of metabolic risk factors," Scientific Reports, Vol.11, No.9931, pp.1-10, 2021.

상세보기
J. A. Kim, et al., "The prevalence and risk factors associated with isolated untreated systolic hypertension in Korea: The Korean National Health and Nutrition Survey 2001," Journal of Human Hypertension, Vol.21, No.2, pp.107-113, 2007.

상세보기
B. J. Lee and J. Y. Kim, "A comparison of the predictive power of anthropometric indices for hypertension and hypotension risk," PLoS ONE, Vo.9, No.1, pp.e84897, 2014.

상세보기
B. J. Lee, Y. J. Jeon, B. Ku, J. U. Kim, J. H. Bae, and J. Y. Kim, "Association of hypertension with physical factors of wrist pulse waves using a computational approach: A pilot study," BMC Complementary and Alternative Medicine, Vol.15, No.222, pp.1-9, 2015.

상세보기
L. Ang, B. J. Lee, H. Kim, and M. H. Yim, "Prediction of hypertension based on facial complexion," Diagnostics, Vol.11, No.540, pp.1-13, 2021.
L. Zhang, et al., "Prediction of hypertension, hyperglycemia and dyslipidemia from retinal fundus photographs via deep learning: A cross-sectional study of chronic diseases in central China," PLoS ONE, Vol.15, No.5, pp.e0233166, 2020.

상세보기
L. A. AlKaabi, L. Sl. Ahmed, M. F. Al Attiyah, and M. E. Abdel-Rahman, "Predicting hypertension using machine learning: Findings from qatar biobank study," PLoS ONE, Vol.15, No.10, pp.e0240370, 2020.

상세보기

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