본 연구는 목의 손상 입원환자의 재원일수에 대한 중증도 보정 모형을 개발하고, 중증도 보정 재원일수 변이요인을 파악하여 국가 및 의료기관 차원에서의 재원일수 절감 방안을 제시하고자 하였다. 이를 위해 질병관리본부의 2004~2009년 퇴원손상심층조사 자료를 수집하였으며, 목의 손상 입원환자 14,096명을 추출하여 연구대상자로 하였다. 데이터마이닝 기법에 따라 목의 손상 입원환자의 중증도 보정 재원일수 모형을 개발하였다. 의사결정나무 모형을 이용하여 목의 손상 입원환자의 중증도 보정 재원일수 모형을 개발한 결과 목의 손상 입원환자의 재원일수에 영향을 미치는 요인에는 수술유무, 성, 연령, 입원경로, 손상기전, 척추증 및 추간판 장애 동반 유무, 척추 손상 유무, 두개골 및 얼굴 골절, 기타 골절, 염좌 및 긴장 등이 있었으며, 개발된 목의 손상 입원환자 중증도 보정 재원일수 모형에 따라 의료보장방식별 재원일수 변이요인을 파악한 결과 산재보험 입원환자의 경우 예측 재원일수(17.62일) 보다 실제 재원일수(42.57일)가 높게 나타났으며, 의료급여 입원환자 또한 예측 재원일수(11.84일)보다 실제 재원일수(22.11일)가 높은 것으로 조사되었다. 따라서 목의 손상 입원환자의 재원일수 관리를 위해서는 국가차원에서는 산재보험 입원환자에 대한 심사체계의 정비가 우선시 되어야 하며, 의료급여 입원환자에 대한 과잉 의료이용실태에 대한 정책적 대안마련이 필요하다. 의료기관 차원에서는 객관적이고, 신뢰성 높은 재원일수 관리 지표 산출을 통해 재원일수 관리에 지속적인 노력을 기울여야 한다.;This study aims to identify contributing factors to Severity-Adjusted LOS (Length of Stay) variation of patients damaged to neck in order to suggest ways of reducing the LOS at the national level and the medical institution level. 14,096 inpatients with neck injury were selected as the study population from the 2004-2009 Korean National Hospital Discharge in-depth Injury Survey Data. We developed a Severity-Adjusted LOS Model for neck injuries using data-mining methods. This study discovered that operation Y/N, sex, age, admission route, injury mechanism, comorbidities Y/N (spondylosis & intervertebral disc disorders, Spinal cord injury, Skull & facial fractures, Other fractures, sprains and strains etc.) were factors affecting LOS for patients hospitalized with neck injury. According to the results of the impact of the health-insurance type on severity-adjusted LOS, the real LOS was significantly higher than adjusted LOS for patients with the industrial accident compensation insurance or medical aid program. Therefore, in order to manage LOS of inpatients with neck injury, the government should improve the industrial accident compensation insurance review & assessment service and suggest alternatives on medical aid recipients’ excessive medical utilization. Also, the hospitals should take account of objective and reliable LOS statistics to effectively manage hospital LOS.
본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수집된 소셜 빅데이터를 네트워크 분석과 데이터마이닝의 의사결정나무 분석기법을 적용하여 분석함으로써 한국의 인터넷 중독(internet addiction disorder)관련 위험에 대한 예측모형을 개발하고자 하였다. 주제분석(text mining)과 요인분석(factor analysis)에서 인터넷 중독 감정은 일반과 중독으로 분류되어 소셜 빅데이터 문서에서 인터넷 중독여부의 의사결정이 가능한 것으로 나타났다. 인터넷 중독 폐해요인의 위험예측에 가장 영향력이 높은 요인은 ‘불안요인’이 높고 ‘유해요인’이 높은 요인으로 나타났으며, 인터넷 중독 영향요인의 위험예측에 가장 영향력이 높은 요인은 ‘정신건강요인’이 높고 ‘친구관계요인’이 높은 조합으로 나타났다. 본 연구는 소셜 빅데이터에서 수집된 인터넷 관련 문서에 대한 네트워크 분석과 데이터마이닝 분석을 통하여 우리나라의 인터넷 중독 위험에 대한 예측모형을 제시한 점에서 정책적·분석방법론적으로 의의가 있다. 또한, 실제적인 내용을 빠르게 효과적으로 파악하여 사회조사가 지닌 한계를 보완할 수 있는 새로운 조사방법으로서의 소셜 빅데이터의 가치를 확인하였다는 점에서 조사방법론적 의의를 가진다고 할 수 있다.;The purpose of this study is to develop a prediction model about risk factors related to Korean Internet Addiction Disorder, by applying network analysis and decision making-tree analysis to the social big data that are collected from online news sites, blogs, internet cafes, social network service, and internet message boards. The Big Data Document made possible to figure out the decision-making process of Internet Addiction classification through text Mining and factor analysis, which are classified into two categories as ‘general’ and ‘addiction’. A Combination of highest ‘anxiety factor’ and high ‘harmful factor’ had the most influence on Internet addiction. Also, both highest ‘mental health factors’ and high ‘relationship with friends factors’ influenced the most when it comes to Internet addiction. Based on the study, data mining analysis and network analysis of Internet Social Big Data was presented as a prediction model for Internet addiction risk factor, which was considered significant in both policy and analysis methodology.
본 연구는 의사결정트리를 이용하여 성인의 미충족 치과의료 경험의 영향 요인을 파악하고, 미충족 치과의료 경험 가능성이 높은 위험집단 및 치과의료 미충족 이유에 따른 집단을 분류하여 그 특성을 분석하였다. 자료는 제6기(2013~2015년) 국민건강영양조사의 만 19세 이상 성인 15,918명이며, 연구에 이용된 변수는 인구사회학적 특성, 건강행태적 특성, 정신인지적 특성, 건강관련 특성, 구강건강 특성 등이다. 자료는 복합표본분석, 의사결정트리, 로지스틱회귀 분석을 실시하였다. 연구결과 미충족 치과의료에 미치는 영향 요인은 저작불편호소가 가장 중요한 요인이었으며 다음으로 가구소득수준, 스트레스, 연령, 경제활동 상태, 고할압 의사진단 등의 순으로 나타났다. 저작불편을 호소하고 가구소득 수준이 낮은 65세 이상의 보험급여 가입자 그룹의 미충족 치과의료 경험이 67.8%로 전체 미충족 치과의료 경험률 31.3% 대비 두 배 이상 높았다. 또한 미충족 치과의료의 이유를 의료접근성 모형의 단계에 따라 위험집단의 특성을 파악해 본 결과, 의료필요의 인지(12.5%), 의료추구(21.8%), 의료도달(27.0%), 의료이용(36.9%)의 단계에 이를수록 미충족 치과의료의 이유에 대한 분율이 높았다. 본 연구는 미충족 치과의료의 영향요인과 이유를 체계적으로 분석하기 위해 의료접근성 모형 및 의사결정트리를 이용하여 위험집단을 분류하고 이들의 특성을 파악하였다. 치과의료 접근성 향상을 위해서는 미충족 치과의료 위험집단의 특성별로 의료인지, 의료추구 단계에서부터 보건교육, 사회적 지지 등의 개입이 필요하다.;The purpose of this study was to analyze the factors affecting the unmet dental care of adults using decision trees and to classify them according to the risk group of unmet dental care and the group of reasons for unmet dental care. The data are 15,918 adults aged 19 and over in the National Health and Nutrition Examination Survey during the 6th period (2013 - 2015). The variables used in the study were socio-demographic characteristics, health behavior characteristics, mental health characteristics, oral health characteristics. Data were analyzed by composite sample, decision tree, and logistic regression analysis. The results of this study are as follows. Dental complaints such as mastication discomfort were the most important factors affecting unmet dental care, followed by household income level, stress, age, economic activity status. 67.8% of those who have a complaint of mastication discomfort, low income and medical aid-insured group 65 years old or older experienced unmet dental care. This is over two times compared with overall unmet dental care experience 31.3%. In addition, the reason for the unmet dental care was classified according to the stages of the access model to health care. The results were as follows: recognition of dental needs (12.5%), dental care pursuit (21.8%), dental reach (27.0%), and use of dental care (36.9%). This study analyzed systematically the factors and reasons of unmet dental care using a health care access model and decision tree analysis. In order to improve accessibility of dental care, interventions such as health education and social support are needed for each type of unmet dental health risk group, especially classified according to early stages of access to health care such as first stage of perception of needs and desire for care and second stage of health care seeking.
The purpose of this study was to analyze big data related to the “COVID-19 blues” to explore major issues and public response. The data were collected using web crawling from January 2020 through March 2021 and analyzed using text mining analysis. The results indicated that the main keywords related to Corona blues were ‘overcoming,’ ‘anxiety,’ ‘person,’ ‘mind,’ ‘prolonged,’ ‘symptom,’ ‘stress,’ and ‘sequela.’ The main N-gram keywords in the data were depression-anxiety, depression-overcoming, and corona-sequela. In relation to COVID-19 blues, words with high co-occurrence frequencies were anxiety, blue, and depression. Our keyword correlation analysis found that the words most related to ‘corona’ were ‘blue’, ‘symptoms’, and ‘restoration’, and the words most related to ‘blues’ were ‘depression’, ‘friend’, and ‘thought’. Topic modeling indicated that 10 topics were ‘confusion due to working from home’, ‘nearby mental health services’, ‘symptoms of COVID-19 blues’, ‘transition to depression’, ‘withdrawal in interpersonal relationships’, ‘youth academic turmoil’, ‘psychological difficulties of youth’, ‘the aftereffects of COVID-19’, ‘birthday blues’, and ‘weight gain’. Big data analysis revealed the need for more inclusive strategies of mental support for COVID-19 blues. Implications for intervention and recommendations for further research are provided.
본 연구는 빅데이터를 활용하여 ‘코로나 우울’과 관련된 전반적인 이슈와 사회적 반응들을 탐색하기 위해 시도되었다. 이를 위해 ‘코로나’와 ‘우울’의 키워드를 사용하여 2020년 1월 19일부터 2021년 3월까지 국내 포털사이트와 SNS에 게시된 글을 통해 데이터를 수집하였고, 텍스톰 프로그램을 이용하여 텍스트 마이닝 분석을 실시하였다. 본 연구의 주요 결과는 다음과 같다. 첫째, 코로나 우울과 관련하여 상위순위로 나타나는 핵심 키워드는 ‘극복’, ‘불안’, ‘사람’, ‘마음’, ‘장기’, ‘증상’, ‘스트레스’, ‘후유증’ 등 이었다. 둘째, N-gram 분석 결과, 의미 있는 상위 키워드는 ‘우울-불안’, ‘우울-극복’, ‘코로나-후유증’ 등이었다. 셋째, 매트릭스 분석 결과, 코로나 우울 관련 검색을 통해 동시 출현빈도가 높은 단어는 불안, 블루, 우울증 등으로 나타났다. 넷째, 주요 키워드들의 상관계수를 분석한 결과 ‘코로나’와 가장 연관성이 높은 단어는 ‘블루’, ‘증상’, ‘극복’이었고, ‘우울’과 가장 연관성이 높은 단어는 ‘우울증’, ‘친구’, ‘생각’이었다. 넷째, 토픽모델링 결과 코로나 우울과 관련된 상위 주요 주제는 ‘재택근무로 인한 혼란’, ‘인근 심리치료서비스 요구’, ‘코로나 우울의 증상’, ‘우울증으로 악화’, ‘대인관계의 위축’, ‘학업 혼란’, ‘청소년 정신건강 문제’, ‘코로나 후유증’, ‘생일 우울증’, ‘체중 증가’로 나타났다. 마지막으로 본 연구의 주요 결과를 바탕으로 코로나 우울 극복 및 추후 신종 감염병 발생 시 사람들의 정신건강 문제 예방을 위한 시사점과 연구의 의의에 대해 논의하였다.