[국내논문]머신러닝 기법을 활용한 고혈압 환자의 건강 관련 삶의 질 요인 예측 Using Machine Learning Techniques to Predict Health-Related Quality of Life Factors in Patients with Hypertension원문보기
Purpose : This study aims to identify the factors influencing health-related quality of life through machine learning of the general characteristics of patients with hypertension and to provide a basis for related research on patients, such as intervention strategies and management guidelines in the...
Purpose : This study aims to identify the factors influencing health-related quality of life through machine learning of the general characteristics of patients with hypertension and to provide a basis for related research on patients, such as intervention strategies and management guidelines in the field of physical therapy for health promotion. Methods : Annual data from the second Korean Health Panel (Version 2.0) from 2019 to 2020, conducted jointly by the Korea Health and Social Research Institute and the National Health Insurance Service, were analyzed (Korea Health Panel, 2024). The data used in this study was collected from January to July 2020, and the data was collected using computer-assisted face-to-face interviews. Of the 13,530 household members surveyed, 1,368 were selected as the final study participants after removing missing values from 3,448 individuals diagnosed with hypertension by a doctor. Results : The results showed that walking (P2) was the most significant factor affecting health-related quality of life in random forest, followed by perceived stress (HS1), body mass index (BMIc), total household income (TOTc), subjective health status (SRHc), marital status (Marr), and education level (Edu). Conclusion :To prevent and manage chronic diseases such as hypertension, as well as to provide customized interventions for patients in advanced stages of the disease, research should be conducted in the field of physical therapy to identify influencing factors using machine learning. Based on the findings of this study, we believe that there is a need for additional content that can be utilized in the field of physical therapy to improve the health-related quality of life of patients with hypertension, such as diagnostic assessment and intervention management guidelines for hypertension, and education on perceived stress and subjective health status.
Purpose : This study aims to identify the factors influencing health-related quality of life through machine learning of the general characteristics of patients with hypertension and to provide a basis for related research on patients, such as intervention strategies and management guidelines in the field of physical therapy for health promotion. Methods : Annual data from the second Korean Health Panel (Version 2.0) from 2019 to 2020, conducted jointly by the Korea Health and Social Research Institute and the National Health Insurance Service, were analyzed (Korea Health Panel, 2024). The data used in this study was collected from January to July 2020, and the data was collected using computer-assisted face-to-face interviews. Of the 13,530 household members surveyed, 1,368 were selected as the final study participants after removing missing values from 3,448 individuals diagnosed with hypertension by a doctor. Results : The results showed that walking (P2) was the most significant factor affecting health-related quality of life in random forest, followed by perceived stress (HS1), body mass index (BMIc), total household income (TOTc), subjective health status (SRHc), marital status (Marr), and education level (Edu). Conclusion :To prevent and manage chronic diseases such as hypertension, as well as to provide customized interventions for patients in advanced stages of the disease, research should be conducted in the field of physical therapy to identify influencing factors using machine learning. Based on the findings of this study, we believe that there is a need for additional content that can be utilized in the field of physical therapy to improve the health-related quality of life of patients with hypertension, such as diagnostic assessment and intervention management guidelines for hypertension, and education on perceived stress and subjective health status.
본 연구는 고혈압 환자의 성별, 나이, 교육 수준, 가구 총 소득, 결혼 여부, 체질량 지수, 우울감, 불안감, 자살생각, 스트레스 인지 정도, 주관적 건강 상태, 규칙적 운동 여부, 걷기, 흡연 여부, 음주 여부 정도를 머신러닝의 알고리즘 중 하나인 랜덤포레스트와 로지스틱 회귀분석 알고리즘을 적용하고 물리치료 영역에서 고혈압 환자의 건강 관련 삶의 질에 대한 영향요인을 파악하고자 한다. 각 분석방법에 따라 제시되는 주요 요인들을 비교하고 제시하여 고혈압 환자에게 고혈압 관리지침, 교육, 접근 가능한 내용 등을 살펴봄으로써 물리치료 연구의 기초자료를 제공하고자 한다.
제안 방법
일반적 특성은 성별, 나이, 결혼 여부, 교육 수준, 가구 총 소득, 규칙적 운동 여부, 걷기, 체질량지수(body mess index; BMI), 흡연 여부, 음주 여부, 스트레스 인지 정도, 우울감, 불안감, 자살 생각, 주관적 건강 상태를 확인하였다. 성별은 남성과 여성으로 분류하였으며, 연령은 60세 미만과 60세 이상으로 분류하였다.
대상 데이터
본 연구는 한국의료패널의 홈페이지에서 연간 데이터에 대한 자료 활용 동의서를 작성한 후 사용승인을 받아 본 연구의 원시데이터로 사용하였다. 한국보건사회연구원과 국민건강보험공단이 공동으로 진행한 2019년부터 2020년까지 한국의료패널 2기 연간 데이터(Version 2.
본 연구는 한국의료패널의 홈페이지에서 연간 데이터에 대한 자료 활용 동의서를 작성한 후 사용승인을 받아 본 연구의 원시데이터로 사용하였다. 한국보건사회연구원과 국민건강보험공단이 공동으로 진행한 2019년부터 2020년까지 한국의료패널 2기 연간 데이터(Version 2.0)를 분석에 활용하였다(Korea Health Panel, 2024). 2기 한국의료패널은 전국적인 규모의 대표성 유지를 위해 2016년 인구주택총조사의 등록 센서스를 표본추출틀로 하고 있다.
2기 한국의료패널은 전국적인 규모의 대표성 유지를 위해 2016년 인구주택총조사의 등록 센서스를 표본추출틀로 하고 있다. 17개의 시도, 동부 및 읍면 부를 지역별로 표본 조사구를 선정한 후, 확률비례 2단 층화집락추출법으로 708개의 표본 조사구 내의 가구에서 조사대상을 선정하였다. 본 연구에서 활용한 2기 연간 데이터의 조사 시기는 2020년 01월부터 07월까지 조사되었으며, 컴퓨터를 활용한 대인 면접 방법(computer assisted personal interviewing; CAPI)으로 자료가 수집되었다.
17개의 시도, 동부 및 읍면 부를 지역별로 표본 조사구를 선정한 후, 확률비례 2단 층화집락추출법으로 708개의 표본 조사구 내의 가구에서 조사대상을 선정하였다. 본 연구에서 활용한 2기 연간 데이터의 조사 시기는 2020년 01월부터 07월까지 조사되었으며, 컴퓨터를 활용한 대인 면접 방법(computer assisted personal interviewing; CAPI)으로 자료가 수집되었다. 본 연구는 조사된 13,530명의 가구원 중, 의사로부터 고혈압 진단을 받은 3,448명에서 결측값을 제거한 1,368명을 최종 연구대상자로 선정하였다.
본 연구에서 활용한 2기 연간 데이터의 조사 시기는 2020년 01월부터 07월까지 조사되었으며, 컴퓨터를 활용한 대인 면접 방법(computer assisted personal interviewing; CAPI)으로 자료가 수집되었다. 본 연구는 조사된 13,530명의 가구원 중, 의사로부터 고혈압 진단을 받은 3,448명에서 결측값을 제거한 1,368명을 최종 연구대상자로 선정하였다.
본 연구는 고혈압 환자의 삶의 질을 파악하고, 고혈압 관련 질환 연구에 기초자료로 제공하기 위해 분석한 연구로 2019년부터 시행한 한국의료패널 2기 연간 데이터를 활용하여 2차 자료 분석을 통해 진행하였다. 대상자의 일반적 특성은 빈도분석과 기술통계 분석을 실시하였고, 고혈압 환자의 건강 관련 삶의 질에 미치는 영향요인을 확인하기 위해서 머신러닝의 기법 중 하나인 랜덤포레스트와 로지스틱 회귀분석 알고리즘을 활용하였다.
데이터처리
본 연구의 빈도분석과 기술통계량은 IBM SPSS software 프로그램(version 22.0, IBM Corp., USA)을 사용하여 분석하였고, 머신러닝과 그에 따른 시각화는 R program version 4.2.3의 패키지 중 random forest와 foreign을 사용하였다. 대상자의 개인적, 환경적 특성, 생리적 요인, 증상 경험, 일반적 건강 지각, 건강 증진 행위 및 건강 관련 삶의 질은 빈도 분석과 기술 통계량을 이용하여 실수와 백분율, 평균과 표준편차를 산출하였다.
3의 패키지 중 random forest와 foreign을 사용하였다. 대상자의 개인적, 환경적 특성, 생리적 요인, 증상 경험, 일반적 건강 지각, 건강 증진 행위 및 건강 관련 삶의 질은 빈도 분석과 기술 통계량을 이용하여 실수와 백분율, 평균과 표준편차를 산출하였다. 연구대상자의 건강 관련 삶의 질에 미치는 영향 요인을 파악하기 위해 랜덤포레스트, 로지스틱 회귀분석 알고리즘을 활용하였다.
대상자의 개인적, 환경적 특성, 생리적 요인, 증상 경험, 일반적 건강 지각, 건강 증진 행위 및 건강 관련 삶의 질은 빈도 분석과 기술 통계량을 이용하여 실수와 백분율, 평균과 표준편차를 산출하였다. 연구대상자의 건강 관련 삶의 질에 미치는 영향 요인을 파악하기 위해 랜덤포레스트, 로지스틱 회귀분석 알고리즘을 활용하였다. 통계적 유의수준은 양측검정에서 .
고혈압 환자의 일반적 특성이 건강 관련 삶의 질에 미치는 영향 요인을 검증하기 위해 로지스틱 회귀분석을 실시하였다(Table 5).
본 연구는 고혈압 환자의 삶의 질을 파악하고, 고혈압 관련 질환 연구에 기초자료로 제공하기 위해 분석한 연구로 2019년부터 시행한 한국의료패널 2기 연간 데이터를 활용하여 2차 자료 분석을 통해 진행하였다. 대상자의 일반적 특성은 빈도분석과 기술통계 분석을 실시하였고, 고혈압 환자의 건강 관련 삶의 질에 미치는 영향요인을 확인하기 위해서 머신러닝의 기법 중 하나인 랜덤포레스트와 로지스틱 회귀분석 알고리즘을 활용하였다.
이론/모형
Euroqol 그룹이 개발한 삶의 질 도구(Euroqol-5 dimension; EQ-5D)를 활용하여 연구대상자의 건강 관련 삶의 질을 나타냈다(Devlin & Brooks, 2017)
본 연구는 한국의료패널 2기 연간데이터를 활용하여 고혈압 환자의 건강 관련 삶의 질에 대한 영향요인 분석모형을 활용하여 연구하였다. 본 연구에서 분석된 요인들을 활용하여 향후 물리치료적 관점에서의 고혈압과 관련된 진단평가와 중재 관리지침, 스트레스와 주관적 건강 상태에 대한 관리 교육 등에 대한 기초자료를 제공할 수 있을 것이라고 생각된다.
성능/효과
EQ-5D 종합 점수는 5에서 15 사이의 값을 가지며, 대상자의 전반적인 삶의 질에 대한 평균 및 표준편차는 6.35±1.60점이며, EQ-5D Index의 평균 및 표준편차는 0.94±0.24점으로 나타났다
대상자의 건강 관련 삶의 질은 5가지의 하부 영역 중 운동능력, 자기 관리, 일상활동, 불안/우울에 대한 결과, 응답은 문제없음(68.5~90.1 %), 다소 문제 있음(9.1~31.1 %), 매우 심각한 문제 있음(0.3~0.7 %) 순으로 문제없음이 가장 많은 것으로 나타났다. 통증/불편은 문제없음이 48.
Table 4는 상대적으로 정확도 및 중요도가 높은 설명변수부터 순서대로 작성한 표이며 Fig 1은 하나의 범주 및 척도를 구성하는 설명변수를 중심으로 상대적 정확도 및 중요도를 시각화 한 것이다. 각 설명변수별 정확도 중 가장 높은 정확도는 우울감(HS2)으로 나타났으며, 그 뒤를 이어 불안감(HS3), 결혼 여부(Marr), 주관적 건강 상태(SRHc), 자살 생각(HS4), 성별 (Gender) 등의 순으로 나타났다.
반대로 값이 1 미만인 경우에는 노드의 불순도를 충분히 감소시키지 못하여 모델의 예측에 1이상인 경우에 비해 상대적으로 중요한 역할을 하지 못했다는 것을 의미한다. 따라서 건강 관련 삶의 질에 영향을 미치는 요인들 중 가장 큰 영향을 미치는 요인은 걷기(P2)로 나타났으며, 그 뒤를 이어 스트레스 인지 정도(HS1), 체질량지수(BMIc), 가구 총 소득(TOTc), 주관적 건강 상태(SRHc), 결혼 여부(Marr), 교육수준(Edu) 등의 순으로 나타났다(Fig 1).
로지스틱 회귀분석 결과, 고혈압 환자의 일반적 특성에 해당하는 모든 독립 변수들이 건강 관련 삶의 질에 통계적으로 유의미한 영향을 미치지 않는 것으로 나타났다(p>.05)(Table 6).
랜덤포레스트 알고리즘의 중요도 결과, 고혈압 환자의 건강 관련 삶의 질에 영향을 주는 가장 큰 주요 요인은 걷기(P2)로 나타났으며, 그 뒤를 이어 스트레스 인지 정도(HS1), 체질량 지수(BMIc), 가구 총 소득(TOTc), 주관적 건강 상태(SRHc), 결혼 여부(Marr), 교육 수준(Edu) 순으로 나타났다.
또한 스트레스 인지 정도는 건강 관련 삶의 질에 영향을 미치는 것으로 나타났다. 여러 선행연구들을 살펴보면, 대부분의 연구에서는 스트레스가 고위험군일수록 건강 관련 삶의 질이 낮아지는 것으로 나타났다.
특히 로지스틱 회귀분석의 결과, 고혈압 환자의 일반적 특성은 건강 관련 삶의 질에 유의미한 영향을 미치지 않는 것으로 나타났는데(p>.05), 이러한 결과는 변수 중 EQ-5D index의 데이터 분포가 1,368명 중 0.678이상인 그룹이 1,288명, 0.678미만인 그룹이 80명으로 불균형하게 분포되어 로지스틱 회귀분석 알고리즘이 효과적으로 구별하지 못한 것으로 생각된다
주관적 건강 상태는 고혈압 환자의 건강 관련 삶의 질에 있어 영향을 미치는 것으로 나타났다. Korean Statistical Information Service(2024)의 조사에 의하면, 주관적인 건강 상태와 건강 관련 삶의 질 점수는 나이가 증가할수록 낮아지는 것으로 나타났다.
교육 수준은 건강 관련 삶의 질에 높은 영향을 미치는 것으로 나타났다. 이는 노인의 건강 관련 삶의 질에 대한 연구를 한 Lee(2014)의 연구 결과에서도 교육 수준이 높을수록 삶의 질 수준이 높게 나타났다.
본 연구에서 분석된 요인들을 활용하여 향후 물리치료적 관점에서의 고혈압과 관련된 진단평가와 중재 관리지침, 스트레스와 주관적 건강 상태에 대한 관리 교육 등에 대한 기초자료를 제공할 수 있을 것이라고 생각된다. 또한, 머신러닝의 분석기법 중 랜덤포레스트와 로지스틱 회귀분석 알고리즘을 활용하여 전국 규모의 데이터를 분석한 연구로써 고혈압 환자의 일반적 특성에 따라 건강 관련 삶의 질 수준을 파악할 수 있었다. 이를 바탕으로 머신러닝을 통한 고혈압 환자의 건강 관련 삶의 질의 영향요인 분석과 관련된 다양한 분야에서 고혈압 관련 연구에 대한 중요한 기반 정보로 활용될 수 있을 것이다.
후속연구
본 연구는 고혈압 환자의 성별, 나이, 교육 수준, 가구 총 소득, 결혼 여부, 체질량 지수, 우울감, 불안감, 자살생각, 스트레스 인지 정도, 주관적 건강 상태, 규칙적 운동 여부, 걷기, 흡연 여부, 음주 여부 정도를 머신러닝의 알고리즘 중 하나인 랜덤포레스트와 로지스틱 회귀분석 알고리즘을 적용하고 물리치료 영역에서 고혈압 환자의 건강 관련 삶의 질에 대한 영향요인을 파악하고자 한다. 각 분석방법에 따라 제시되는 주요 요인들을 비교하고 제시하여 고혈압 환자에게 고혈압 관리지침, 교육, 접근 가능한 내용 등을 살펴봄으로써 물리치료 연구의 기초자료를 제공하고자 한다.
따라서 주관적 건강 상태는 본인이 고혈압 환자라는 긍정적 인식과 더불어 개인적 건강관리 차원에서 고혈압을 관리 하는 경우도 있으며, 부정적인 경우에도 건강관리가 필요하다는 동기부여가 되는 경우가 있는 것으로 보인다. 그러므로 향후 고혈압 환자의 건강 관련 삶의 질과 관련된 변인들을 조사할 때, 주관적 건강 상태에 대한 사전 정보를 체계적으로 파악한 후 연구를 진행하는 것이 필요하다고 생각된다.
Korea Hypertension Management Association(2024)의 고혈압 건강 상식에 의하면, 고혈압 환자에게 있어 운동량 증가, 체중감량, 건강식사법, 스트레스 완화 등을 통해 고혈압을 관리하는데 있어 중요하다고 보고하였다. 그러므로 한국의료패널 2기 연간데이터를 활용하여 고혈압 환자의 건강 관련 삶의 질에 미치는 영향 요인을 파악한 본 연구의 결과들을 토대로, 고혈압과 같은 만성질환에 대한 예방 및 관리를 비롯하여 이미 질환이 진행된 상황에서 환자에 대한 교육과 운동 종류 및 기간, 건강 상태와 관련하여 맞춤형 중재를 제공하기 위해 고혈압 진단평가와 중재 관리지침, 스트레스의 인지 정도와 주관적 건강 상태에 대한 교육 등 활용 가능한 추가적인 내용이 필요할 것으로 생각된다. 이를 위해서는 다른 보건의료분야 뿐만 아니라 물리치료 분야에서도 머신러닝을 활용하여 영향 요인를 파악하는 연구가 시행되어야 할 것이다.
그러므로 한국의료패널 2기 연간데이터를 활용하여 고혈압 환자의 건강 관련 삶의 질에 미치는 영향 요인을 파악한 본 연구의 결과들을 토대로, 고혈압과 같은 만성질환에 대한 예방 및 관리를 비롯하여 이미 질환이 진행된 상황에서 환자에 대한 교육과 운동 종류 및 기간, 건강 상태와 관련하여 맞춤형 중재를 제공하기 위해 고혈압 진단평가와 중재 관리지침, 스트레스의 인지 정도와 주관적 건강 상태에 대한 교육 등 활용 가능한 추가적인 내용이 필요할 것으로 생각된다. 이를 위해서는 다른 보건의료분야 뿐만 아니라 물리치료 분야에서도 머신러닝을 활용하여 영향 요인를 파악하는 연구가 시행되어야 할 것이다.
본 연구는 다음과 같은 제한점을 가진다. 첫째, 랜덤포레스트와 로지스틱 회귀분석 간의 성능 평가와 비교는 이루어지지 않았기 때문에 향후 추가적 외부 검증 및 의사결정나무(decision tree), 서포트 벡터 머신(support vector machine; SVM)과 같은 다른 머신러닝 알고리즘을 기반으로 한 심층적인 연구가 이루어져야 할 것이다. 둘째, 랜덤 포레스트와 로지스틱 회귀분석 결과, 재현율(recall)이 100 %가 나오는데, 이는 특이도(specificity)가 0이라는 뜻과도 같다.
이러한 영향을 완전히 배제할 수 없었으며, 본 연구의 결과를 일반화하기에 어려움이 있다. 셋째, 대상자의 특성과 관련하여 한국의료패널에서 제공되는 자료 중 고혈압과 관련된 위험인자의 모든 요인을 충분히 활용하지 못하였다. 특히 건강 관련 삶의 질은 단일 요인 보다는 여러 요인의 복합적인 영향을 받을 가능성이 있으며, 고혈압 환자 개개인의 특성에 따라 건강 관련 삶의 질에 영향을 미치는 요인들이 다를 수 있다고 생각된다.
본 연구는 한국의료패널 2기 연간데이터를 활용하여 고혈압 환자의 건강 관련 삶의 질에 대한 영향요인 분석모형을 활용하여 연구하였다. 본 연구에서 분석된 요인들을 활용하여 향후 물리치료적 관점에서의 고혈압과 관련된 진단평가와 중재 관리지침, 스트레스와 주관적 건강 상태에 대한 관리 교육 등에 대한 기초자료를 제공할 수 있을 것이라고 생각된다. 또한, 머신러닝의 분석기법 중 랜덤포레스트와 로지스틱 회귀분석 알고리즘을 활용하여 전국 규모의 데이터를 분석한 연구로써 고혈압 환자의 일반적 특성에 따라 건강 관련 삶의 질 수준을 파악할 수 있었다.
또한, 머신러닝의 분석기법 중 랜덤포레스트와 로지스틱 회귀분석 알고리즘을 활용하여 전국 규모의 데이터를 분석한 연구로써 고혈압 환자의 일반적 특성에 따라 건강 관련 삶의 질 수준을 파악할 수 있었다. 이를 바탕으로 머신러닝을 통한 고혈압 환자의 건강 관련 삶의 질의 영향요인 분석과 관련된 다양한 분야에서 고혈압 관련 연구에 대한 중요한 기반 정보로 활용될 수 있을 것이다. 추후 연구에서도 고혈압 환자와 연관된 요인들을 보다 충분히 고려하고, 다양한 머신러닝 알고리즘을 적용하여 고혈압과 그에 관련된 질환에 대해서 물리치료 연구에 활용되기를 기대한다.
이를 바탕으로 머신러닝을 통한 고혈압 환자의 건강 관련 삶의 질의 영향요인 분석과 관련된 다양한 분야에서 고혈압 관련 연구에 대한 중요한 기반 정보로 활용될 수 있을 것이다. 추후 연구에서도 고혈압 환자와 연관된 요인들을 보다 충분히 고려하고, 다양한 머신러닝 알고리즘을 적용하여 고혈압과 그에 관련된 질환에 대해서 물리치료 연구에 활용되기를 기대한다.
참고문헌 (36)
Baek SK, Park JH, Kang SH, et al(2018). A study on the？development of severity-adjusted mortality prediction？model for discharged patient with acute stroke using？machine learning. Journal of the Korea？Academia-Industrial Cooperation Society, 19(11),？126-136. DOI: 10.5762/KAIS.2018.19.11.126？
Bang SY, Hyeon SS(2018). Health behaviors and quality of？life in the elderly with high blood pressure. Journal of？Digital Contents Society, 19(11), 2159-2166. DOI:10.9728/dcs.2018.19.11.2159？
Byeon HW, Cho SH(2015). The predictive modeling of？middle-aged hypertension using integrated method of？decision tree and neural network. Asia-pacific Journal of？Multimedia Services Convergent with Art, Humanities,？and Sociology, 23(4), 13-28. DOI: 10.14257/AJMAHS.2015.04.25？
Chang SJ, Jang SJ, Lee SH, et al(2017). Factors influencing？quality of life and its measurements in patients with？hypertension : a systematic review. Journal of Muscle？and Joint Health, 24(1), 24-36. DOI: 10.5953/JMJH.2017.24.1.24？
Cho SU, Kim KL, Lee SE, et al(2023). A correlation？analysis between depression and economic activity using？logistic regression. Proceedings of Symposium of the？Korean Institute of communications and Information？Sciences, 159, 1086-1087.？
Choi MN, Lee EH(2015). Relationships of depression？symptom, self-esteem, and stress to health-related？quality of life in patients with hypertension registered to？a community health center. Journal of Korean Public？Health Nursing, 29(2), 165-176. DOI:10.5932/JKPHN.2015.29.2.165？
Kang SA, Kim SH, Ryu MH(2022). Analysis of？hypertension risk factors by life cycle based on machine？learning. Journal of the Korea Industrial Information？Systems Research, 27(5), 73-82. DOI: 10.9723/jksiis.2022.27.5.073？
Kang SJ(2016). Factors influencing quality of life among？cancer survivors : using KNHANES 2010-2014. Journal？of the Korea Contents Association, 16(9), 628-637.？
Kim AC, Bae HJ(2020). Impact of physical activity, body？mass index and depression on the health related quality？of life according to the presence of hypertension in the？elderly women. Journal of the Korea AcademiaIndustrial Cooperation Society, 21(11), 543-553. DOI:10.5762/kais.2020.21.11.543？
Kim ES(2021). Factor influencing health-related quality of？life in Korean hypertensive seniors with osteoarthritis.？Journal of the Korea Academia-Industrial cooperation？Society, 22(3), 169-180. DOI: 10.5762/KAIS.2021.22.3.169？
Kim HS, Jeong SH, Park SK(2019). Decision-tree analysis？to predict blood pressure control status among？hypertension patients taking antihypertensive？medications. Journal of Korean Biological Nursing？Science, 21(1), 85-97. DOI: 10.7586/jkbns.2019.21.1.85？
Kim HJ, Min ES(2020). Health behaviors and quality of？life by life cycle of hypertensive patients. Journal of？Convergence for Information Technology, 10(7), 58-66.？DOI: 10.22156/CS4SMB.2020.10.07.058？
Kim KS(2022). A study on health behaviors of the young？adults and the elderly with hypertension : a secondary？analysis of the 2018 Korea health panel data. Journal of？Industrial Convergence, 20(11), 141-148. DOI:10.22678/JIC.2022.20.11.141？
Kim SH, Kim MJ(2018). Factors influencing quality of life？in a serious case : the sixth Korea national health and？nutrition examination survey. Journal of Korean Society？for School & Community Health Education, 19(1),？13-25.？
Kim YJ(2018). Issues and responses to advances in AI？technology. Korea Institute of Science & Technology？Evaluation and Planning, Issue Weekly, 34(252), 1-29.？
Lee HH, Chung SH, Choi EJ(2016). A case study on？machine learning applications and performance？improvement in learning algorithm. Journal of Digital？Convergence, 14(2), 245-258. DOI: 10.14400/JDC.2016.14.2.245？
Lee HS(2014). The factors influencing health-related quality？of life in the elderly - focused on the general？characteristics, health habits, mental health, chronic？diseases, and nutrient intake status: data from the fifth？Korea national health and nutrition examination survey？(KNHANES V), 2010~2012. Korean Journal of？Community Nutrition, 19(5), 479-489. DOI: 10.5720/kjcn.2014.19.5.479？
Lee HY(2018). Evaluation and management of hypertensive？patients according to new hypertension guideline.？Korean Journal of Medicine, 93(5), 447-451. DOI:10.3904/kjm.2018.93.5.447？
Lee KE, Cho EH(2016). Factors influencing health related？quality of life in patients with hypertension : based on？the 5th Korean national health and nutrition examination？survey. Journal of the Korea Contents Association,？16(5), 399-409. DOI: 10.5392/JKCA.2016.16.05.399？
Lee KY, Kim JH(2016). Artificial intelligence technology？trends and IBM watson references in the medical field.？Korean Medical Education Review, 18(2), 51-57. DOI:10.17496/KMER.2016.18.2.51？
Lim HK(2018). Prediction of myocardial infarction/angina？and selection of major risk factors using machine？learning. Journal of The Korean Data Analysis Society,？20(2), 647-656. DOI: 10.37727/jkdas.2018.20.2.647？
Mills KT, Bundy JD, Kelly TN, et al(2016). Global？disparities of hypertension prevalence and control: a？systematic analysis of population-based studies from 90？countries. Circulation, 134(6), 441-50. DOI:10.1161/CIRCULATIONAHA.115.018912？
Park CY(2015). Data mining with R. Rev. 1st, Seoul,？Kyowoo media, pp.431.？
Park JA, Hong JY(2017). Factors influencing quality of life？in adult cancer patients : the sixth Korea national health？and nutrition examination survey (KNHANES VI-2),？2014. Journal of the Korea Academia-Industrial？cooperation Society, 18(5), 382-390. DOI: 10.5762/KAIS.2017.18.5.382？
Rhee EJ(2022). Current status of obesity treatment in？Korea: based on the 2020 Korean society for the study？of obesity guidelines for obesity management. Journal？of the Korean Medical Association, 65(7), 388-392.？DOI: 10.5124/jkma.2022.65.7.388？
Samadian F, Dalili N, Jamalian A(2016). Lifestyle？modifications to prevent and control hypertension. Iran J？Kidney Dis, 10(5), 237-263.？
Youn JH, Kim JS, Cho KH, et al(2015). Trends in？cardiovascular disease risk factors by obesity: Korea？national health and nutrition examination survey？2001~2013. Korean Journal of Family Practice, 5(3),？382-388.？
Korea Disease Control and Prevention Agency. Trends in？hypertension prevalence 2012-2022, 2024. Available at？https://doi.org/10.56786/PHWR.2024.17.17.3 Accessed？May 29, 2024.？
Korea Health Panel. Sampling and panel？characteristics(version 2.0). Available at https://www.khp.re.kr:444/web/survey/sampling.do Accessed March？10, 2024.？
Korea Hypertension Management Association. Hypertension？health facts-cure, 2024. Available at http://www.khma.or.kr/hypertension/cure.php Accessed May 29, 2024.？
Korean Statistical Information Service, Subjective Health？Status, Available at https://kosis.kr/statHtml/statHtml.do?orgId143&tblIdDT_11430222_2022&vw_cdMT_ZTITLE&list_id114_11437_002_005&seqNo&lang_modeko&languagekor&obj_var_id&itm_id&conn_pathMT_ZTITLE Accessed March 10, 2024.？
The Korean Society of Hypertension. Korean society of？hypertension guidelines, 2024. Available at？https://www.koreanhypertension.org/reference/guide?moderead&idno10081 Accessed March 10, 2024.？
이 논문을 인용한 문헌
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.