[논문]데이터마이닝을 이용한 심혈관질환 판별 모델 방법론 연구

이범주

doi:10.17703/jcct.2022.8.4.339

초록
AI-Helper

심혈관 질환은 전 세계적으로 주요 사망원인들 중 하나이다. 본 연구는 보다 우수한 심혈관질환 판별 모델을 생성하기 위한 방법에 대한 연구로써, 3가지 변수 선택법과 7가지 머신러닝 알고리즘을 바탕으로 사회인구학적 변수들을 이용하여 고혈압과 이상지질혈증 판별모델들을 생성하고, 생성된 모델들의 성능을 비교 평가한다. 본 연구의 결과에서는 두 가지 질병 모두에서, 전체변수 및 correlation-based feature subset selection 메소드 기반 모델들에서는 naive Bayes 모델이 다른 머신러닝을 이용한 모델들보다 다소 우수한 판별 성능이 있는 것으로 나타났고, wrapper 메소드 기반 변수 선택법에서는 logistic regression 모델이 다른 모든 모델보다 성능이 다소 우수한 것으로 나타났다. 본 연구의 결과는 원격의료 및 대중보건 분야에서 향후 한국인의 심혈관질환 판별 및 예측 모델 생성을 위한 참고자료로 활용될 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

Cardiovascular diseases is one of the leading causes of death in the world. The objectives of this study were to build various models using sociodemographic variables based on three variable selection methods and seven machine learning algorithms for the identification of hypertension and dyslipidem...

Cardiovascular diseases is one of the leading causes of death in the world. The objectives of this study were to build various models using sociodemographic variables based on three variable selection methods and seven machine learning algorithms for the identification of hypertension and dyslipidemia and to evaluate predictive powers of the models. In experiments based on full variables and correlation-based feature subset selection methods, our results showed that performance of models using naive Bayes was better than those of models using other machine learning algorithms in both two diseases. In wrapper-based feature subset selection method, performance of models using logistic regression was higher than those of models using other algorithms. Our finding may provide basic data for public health and machine learning fields.

주제어

표/그림 (7)

그림 그림 1. 본 실험에 적용된 샘플 추출 프로세스 Figure 1. Process of sample extraction used in this study
표 표 1. 고혈압 판별 모델에 사용된 샘플 및 변수들에 대한 통계분석 결과 Table 1. The results of statistical analysis for samples and variables used in hypertension model
표 표 2. 이상지질혈증 판별 모델에 사용된 샘플 및 변수들에 대한 통계분석 결과 Table 2. The results of statistical analysis for samples and variables used in dyslipidemia model
그림 그림 2. 심혈관질환판별모델생성및평가를위한실험디자인 Figure 2. Experiment design to build and evaluate identification models of cardiovascular diseases
표 표 3. 고혈압 판별 모델 성능 평가 결과 Table 3. Results of performance evaluation of identification models of hypertension
표 표 4. 이상지질혈증 판별 모델 성능 평가 결과 Table 4. Results of performance evaluation of identification models of dyslipidemia
표 표 5. 변수 선택법에서 선별된 최종 변수 리스트 Table 5. Lists of final variables extracted by variable subset selection methods

참고문헌 (9)

H.H. Lee, S.M.J. Cho, H. Lee, J. Baek, J.H. Bae, W.J. Chung, H.C. Kim, "Korea Heart Disease Fact Sheet 2020: Analysis of Nationwide Data," Korean circulation journal, Vol. 51, No. 6, pp. 495-503, 2021. DOI.org/10.4070/kcj.2021.0097

상세보기
B.J. Lee, J.Y. Kim, "A Comparison of the Predictive Power of Anthropometric Indices for Hypertension and Hypotension Risk," PLoS ONE, Vol. 90, No. 1, pp. e84897, 2014. DOI.org/10.1371/journal.pone.0084897

상세보기
B.J. Lee, 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, pp. 13284, 2018. DOI.org/10.1038/s41598-018-31624-x

상세보기
J.H. Chi, B.J. Lee, "Risk factors for hypertension and diabetes comorbidity in a Korean population: A cross-sectional study," PLoS ONE Vol. 17, No. 1, pp. e0262757, 2022. DOI.org/10.1371/journal.pone.0262757

상세보기
C.F. Lin, Y.H. Chang, S.C. Chien, Y.H. Lin, H.T. Yeh, "Epidemiology of Dyslipidemia in the Asia Pacific Region," International Journal of Gerontology, Vol. 12, No. 1, pp. 2-6, 2018. DOI.org/10.1016/j.ijge.2018.02.010

상세보기
B.J. Lee, "Prediction Model of Hypertension Using Sociodemographic Characteristics Based on Machine Learning," KIPS Transactions on Software and Data Engineering, Vol. 10, No. 11, pp. 541-546, 2021. DOI.org/10.3745/KTSDE.2021.10.11.541

원문보기 상세보기
M.H. Kim, J.H. Seo, J.Y. Lee, "Nomogram building to predict dyslipidemia using a naive Bayesian classifier model," The Korean Journal of Applied Statistics, Vol. 32, No. 4, pp. 619-630, 2019. DOI.org/10.5351/KJAS.2019.32.4.619

원문보기 상세보기
Y.H. Lee, E.M. Kwak, M. Jo, "Factors affecting cardiovascular disease in Korea adults: Focusing on smoking behavior including urine cotnine and health behaviors," The Journal of the Convergence on Culture Technology, Vol. 7, No. 3, pp. 293-301, 2021. DOI.org/10.17703/JCCT.2021.7.3.293

원문보기 상세보기
X. Z, F. Tang, J. Ji, W. Han, P. Lu, "Risk Prediction of Dyslipidemia for Chinese Han Adults Using Random Forest Survival Model," Clinical Epidemioloy. Vol. 11, pp. 1047-1055, 2019. DOI.org/10.2147/CLEP.S223694

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

데이터마이닝을 이용한 심혈관질환 판별 모델 방법론 연구
A study of methodology for identification models of cardiovascular diseases based on data mining 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (7)

표/그림 (7)

참고문헌 (9)

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

데이터마이닝을 이용한 심혈관질환 판별 모델 방법론 연구 A study of methodology for identification models of cardiovascular diseases based on data mining 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (7) 모든 표/그림 보기

표/그림 (7) 슬라이드로 보기

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

이범주 (10)

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

데이터마이닝을 이용한 심혈관질환 판별 모델 방법론 연구
A study of methodology for identification models of cardiovascular diseases based on data mining 원문보기

초록
AI-Helper

표/그림 (7)

표/그림 (7)