인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
노인의 치매 발병과 관련된 개인단위 수준의 연구는 많이 이루어져 왔으나, 장기간에 걸친 축적된 자료를 바탕으로 미래의 치매 유병률을 예측하는 지역단위 수준의 연구는 부족한 실정이다. 본 연구는 우리나라 228개 시군구에 대해 2015년부터 2021년까지 7년간 축적된 치매 유병률 데이터를 활용하여, Long Short-Term Memory(LSTM) 기반의 딥러닝 기법을 통해 시공간적 관점에서 미래의 치매 유병률을 예측하고자 수행하였다. 지리가중회귀분석(Geographically Weighted Regression)에서 LSTM이 예측한 유병률은 실제 유병률과 높은 상관관계를 보였다(Adjusted R2 2022년 0.992 vs 2023년 0.985). 비수도권 지역의 치매유병률은 7년간 반복적인 경향을 보여, training data에 따른 LSTM 예측 결과와 실제 치매 유병률 간에 높은
상관성(local coefficient: 0.97 이상)을 보여주고 있다. 비수도권 지역에 대한 LSTM 예측의 신뢰도가 높다는 사실은 비수도권에 거주하는 노인들이 타지역에 비해 치매에 노출될 가능성이 높다는 것을 의미한다. 본 연구는 과거의 시공간 자료를 바탕으로 치매 유병률을 예측하지 않은 선행연구의 한계를 극복할 수 있는 중요한 참고자료로 활용될 수 있을 것으로 판단된다.
상관성(local coefficient: 0.97 이상)을 보여주고 있다. 비수도권 지역에 대한 LSTM 예측의 신뢰도가 높다는 사실은 비수도권에 거주하는 노인들이 타지역에 비해 치매에 노출될 가능성이 높다는 것을 의미한다. 본 연구는 과거의 시공간 자료를 바탕으로 치매 유병률을 예측하지 않은 선행연구의 한계를 극복할 수 있는 중요한 참고자료로 활용될 수 있을 것으로 판단된다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092463707
