http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
- 검색키워드
- 저자 : 강진오 (검색결과 6 건)
-
-
데이터 마이닝 기법을 이용한 암 환자 진료비 예측 모형 구축에 관한 연구
강진오 고려대학교 경영대학원 2005 국내석사
"2003년 통계청 자료에 의하면 2002년 우리나라 전체 사망자 약 24만 3천여 명 중 암으로 인한 사망자는 약 5만 9천여 명으로 사망 원인 1위를 차지하고 있다. 또한 1991년 암으로 인한 사망자 수가 전체 인구 10만 명당 105.2명이었는데 비해 2001년에는 전체 인구 10만 명당 123.5명이 암으로 사망하여 암 관련 질환의 증가는 사회적으로 큰 문제가 되고 있는 상황이다. 암 환자수의 증가에 따라 암과 관련된 진료비도 큰 폭으로 증가하고 있는데, 건강보험심사평가원의 자료에 의하면 2000년 대비 2003년 암 환자 진료 청구건수는 입원과 외래를 합하여 1521059건에서 2262025건으로 149% 증가하였고, 요양급여비용은 약 7411억 원에서 1조 739억 원으로 145% 증가하였다. 또한 암 관련 진료비는 2003년 자료에 기준하여 총청구건수 624,488,627건 중 암 관련 청구 건수는 2,262,025건으로 0.36%에 불과하지만 총요양급여비용 20조 5335억 원의 5.25%를 차지할 정도로 국민 의료비에 주는 영향이 크다. 따라서 암에 대한 진료비를 예측하는 연구는 국가 정책적 측면에서 볼 때, 향후 암 관리 사업에 대하여도 매우 유용하게 사용 될 것이다. 기존의 진료비 예측에 대한 연구는 단순 회귀 분석이나 분산분석과 같은 통계적 기법을 이용한 경우가 많은데, 이러한 연구들은 환자 기록이 수많은 속성들을 가지고 있음에도 불구하고 의료 데이터에서 주로 수치적인 속성들을 바탕으로 회귀 모형을 만들어야 하기 때문에, 정확한 예측을 하기 어려운 측면이 많았다. 그러므로 본 연구에서는 암 환자의 진료비 발생에 관여하는 많은 다양한 속성들에 대한 변별이 가능한 데이터 마이닝 기법을 이용하여 연구를 시행하였다. 환자의 입원기록은 3654 건으로 총 변수의 수는 68 개, 입력변수는 65개, 출력변수는 진료비 총액, 의료보험 공단 부담액 2개로 하였다. 신경망과 의사결정나무 모형 모두 동일한 입, 출력 변수를 사용하였다. 신경망은 feed-forward backpropagation method를 이용하였고 2 hidden layer를 갖고 있다. Training data 70%, test data 30%로 할당하였고 Clementine 8.1 사용하여 분석하였다. 의사결정나무 모형은 maximum tree depth 30, training data 70%, test data 30%로 할당하여 Clementine 8.1 사용하여 분석하였다. 암 환자의 진료비 예측을 위한 신경망 모형과 의사결정 나무모형을 비교한 결과 신경망 모형이 더 우수한 것으로 나타났다. 신경망 모형은 진료비 총액, 의료보험 공단 부담액을 출력변수로 한 경우 상관계수 0.733, 0.841로 의사결정 나무 모형의 0.632, 0.69보다 더 우수한 결과를 보였다. 또한 신경망 모형과 의사결정나무 모형간의 선형관계는 진료비 총액을 출력변수로 한 경우 0.865, 의료보험 공단 부담액을 출력변수로 한 경우 0.778로 나타나 비교적 높은 상관관계를 보였다. 암 환자의 진료비를 예측하는데 있어서 신경망 모형과 의사결정나무 모형 모두 상당히 높은 예측율을 보였으나 신경망 모형이 의사결정나무 모형에 비해 좀 더 나은 결과를 보였다. 또한 암 환자의 진료비 예측에 있어서 두 모형간에 높은 선형 관계를 보여 어느 모형을 사용하든 간에 데이터 마이닝을 이용한 진료비 예측 모형은 한정된 의료 자원을 효율적이고 효과적으로 분배할 수 있고, 환자의 진료비 모형을 바탕으로 불필요한 치료나 검사가 있었는지를 추적할 수 있도록 하며, 환자에게도 미리 진료비에 대한 계획을 세울 수 있는 기회를 부여하는데 큰 도움이 될 것으로 판단하였다. 또한 이 모형들은 새로운 치료방법과 기존의 치료방법의 효과와 비용 효용성을 비교할 때 유용한 분석 방법이 될 것으로 기대한다. " BACKGROUND Analysis and prediction of the care cost related to cancer in Korea become very important for the allocation of medical resources and medical policies because the incidence and the expenditures of care for cancer is rapidly increasing. But most of the previously published studies to predict the expenditure were based on statistical analysis, so that they showed less satisfied results. Recently, data mining emerges as a better technique to extract useful information from the complex medical data, since it can handle such data effectively and efficiently. Thus we have compared two data mining models to predict the expenditures of cancer patients. METHODS The data is based on one years’ financial data of cancer patients treated in Kyung Hee University Hospital. Feature selection and null value processing was done by domain experts. The analysis included total expenditure of cancer patients and the charges paid by medical insurance system. Neural network model and Decision tree models were generated with Clementine 8.1. The results of the two data mining models were compared. RESULTS The linear correlation efficiencies to predict total cost of medical expenditure were 0.733 for neural network model and 0.632 for decision tree model. The linear correlation efficiencies to predict the cost paid by insurance company were 0.841 for neural network model and 0.69 for decision tree model. The linear correlation efficiency to compare neural network and decision tree models for the prediction of total charges of cancer patients was 0.778 and that for the prediction of charges paid by insurance company was 0.865, respectively. CONCLUSIONS The model obtained by neural network showed better performance in predicting the expenditures for cancer patients.
-
서론: Esports 산업이 점차 인기가 많아지고 ‘프로’ 수준에 도달하면서, Esports는 이제 “정신 스포츠” 혹은 “뇌 스포츠” 로 생각되고 있다. Esports가 전통적인 스포츠 종목처럼 논의되고 있다보니, 선수들 또한 프로페셔널, 그리고 그 분야의 전문가로 생각되어진다. 여러 운동 선수들의 심리적, 인지적 특성들을 알아보기 위한 여러 연구가 이미 진행되어 왔다. Esports 선수들의 심리적, 인지적 강점을 연구하기 위해, 우리는 Esports 선수들, 프로야구 선수들, 건강대조군 간의 심리적, 인지적 특성들을 비교하였다. 또한 우리는 선수들 중 엘리트 군과 비엘리트 군을 나눠 비교하였다. 연구 방법: 우리는 3군을 모집했다 ; Esports 선수군(n=55), 프로야구 선수군(n=57), 그리고 나이와 성을 매치한 건강대조군(n=60). Esports 선수들은 엘리트(n=12), 비엘리트(n=43) 으로 나뉘었고, 프로야구 선수들은 엘리트(n=14), 비엘리트(n=43) 으로 나뉘었다. 모든 Esports 선수들은 KesPA에 등록되어있었고, 모든 프로야구 선수들은 KBO에 등록되어 있었다. 건강대조군의 포함 기준은 다음과 같았다 : 1) 남성, 2) 19-23세, 3) 야구선수의 과거가 없어야 하며, 4) 1주일에 30시간 이하의 인터넷 게임 시간. 우리는 TCI와 STAI-KY를 통해 선수들의 심리적 특성을 측정하였다. 또한 <modified Tower of London test>, <Emotional Perception test>, and <Mental rotation test>를 통해 선수들의 인지적 특성을 측정하였다. 결론: 특성과 성격, 그리고 ‘불안 조절’ 의 측면에 있어서, Esports 선수들은 프로야구 선수들과 유사한 심리적 특성을 가졌으며, 이 것은 일반 인구들과 다른 점이었다. 두 선수 군들 모두 더 높은 자극 추구, 자기지향성, 자기초월성을 보였으며, 반대로 낮은 불안 상태 점수을 보였다. 한편 Esports 선수들은 프로야구 선수들에 비해 높은 작업기억과 낮은 직감 능력을 보였다. 이와 비슷한 관점으로, 엘리트 Esports 선수들 및 프로야구 선수들이 비엘리트 선수들에 비해 유사한 우수성을 보였다. 즉 몇몇 심리적, 인지적 특성은 “프로” Esports 선수 및 야구선수가 되는 것에 있어 중요할 수 있으며, 또한 프로 중에서도 “엘리트” 가 되는데에도 중요할 수 있다는 것이다. The Esports industry is increasing in popularity and is now at the professional level, defined as mental sports or brain sports. We hypothesized that Esports players may have a significant advantage over the general population in terms of psychological and cognitive characteristics which may be similar to that of professional baseball players. We recruited three participant groups: Esports players (n=55), pro-baseball players (n=57), and age- and sex-matched healthy comparison subjects (n=60). Esports players were divided into elite (n=12) and non-elite (n=43), as were pro-baseball players (n=14 and 43, respectively). All Esports players were registered in the Korean Esports Association (KeSPA), and all pro-baseball players played in the Korea Baseball Organization (KBO). We assessed the temperament and character inventory (TCI), as well as the state and trait anxiety inventory, Korean version (STAI-KY), to estimate players’ psychological characteristics. We also assessed the modified Tower of London test, the emotional perception test, and the mental rotation test to estimate the players’ cognitive characteristics. In terms of temperament, character, and anxiety control, Esports players have similar psychological characteristics to pro-baseball players, which differ from those of the general population. Both player groups showed higher novelty seeking, self-directedness, and self-transcendence scores, as well as decreased state anxiety scores. However, Esports players showed higher working memory and lower intuitive ability than pro-baseball players. Elite Esports players and elite pro-baseball players showed similar superiority over non-elite players. Some psychological and cognitive characteristics might be crucial to becoming a professional or elite Esports or sports player.
-
-
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
