메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 / 회원가입
고객센터 ENG
주제분류
인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(국립안동대학교) (국립안동대학교) (국립안동대학교) (국립안동대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제35권 제6호
오류 신고하기
표지

피인용 2

검색

    초록·키워드

    보건의료 분야에서 관심이 있는 환자의 외래방문횟수, 입원횟수와 같은 의료이용자료는 0이 많이 발생하는 오른쪽으로 꼬리가 긴 과대산포가 있는 카운트 자료라는 특성을 가지고 있다. 영과잉 카운트 자료인 경우, 영과잉 포아송 (zero inflated Poisson; ZIP) 회귀모형 또는 영과인 음이항( zero inflated negative binomial; ZINB ) 회귀모형을 적용할 수 있다. 본 연구에서 이상치와 영과잉으로 인해 과대산포가 있는 의료이용 자료를 이용하여, ZIP, ZINB 회귀모형과 랜덤 포레스트 (random forest; RF), 그레이디언트 부스팅 머신 (gradient boosting machine; GBM), 극한 그레이디언트 부스팅 (eXtreme gradient boosting; XGBoost ) 방법을 적용하여 예측력을 비교한 결과, 0의 비율이 높고 산포가 큰 비의사방문횟수 분석에서 RF, GBM, XGBoost 방법의 예측력이 영과잉 카운트 회귀모형보다 다소 높게 나타났다. 추가적으로 기계학습 방법을 이용한 예측모형에 설명 가능한 인공지능(eXplainable artificial intelligence; XAI) 방법인 shapley additive explanations (SHAP) 분석을 실시하여 의사방문횟수 예측값에 영향을 많이 미치는 공변량을 파악하였다.
    #기계학습 #설명가능한 인공지능 #영과잉 자료 #의료이용 #카운트 회귀모형 #Count regression #explainable artificial intelligence #healthcare utilization #machine learning #zero-inflated data

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-091199020