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.
초록·키워드
입원일수는 의료비용과 건강보험 재정에 중대한 영향을 미치는 핵심 지표이며, 특히 장기입원은 의료자원의 효율적 배분에 있어 중요한 고려 요소이다. 본 연구에서는 퇴원손상심층조사 데이터를 활용하여 장기입원 여부를 예측하는 머신러닝 모델을 제안한다. 2008년부터 2022년까지의 데이터 3,633,134건을 활용하여 7개 모델을 구축하고 검증하였다. Logistic Regression, Decision Tree, Random Forest, XGBoost(eXtreme Gradient Boosting), LightGBM(Light Gradient Boosting Machine), CatBoost (Categorical Boosting), MLP (Multi-Layer Perceptron)를 비교 분석한 결과, CatBoost가 가장 높은 예측 성능을 보였다. 또한, 모델의 설명력을 제고하기 위해 XAI(eXplainable Artificial Intelligence) 기법인 SHAP(Shapley Additive exPlanations)을 이용하여 장기입원에 영향을 주는 주요 변수를 시각화하였다. 분석 결과 입원경로, 연령, Charlson 동반질환지수, 진료비 지불 방법이 장기입원 여부에 영향을 미치는 주요 요인으로 확인되었다. 본 연구의 결과는 병원의 효율적인 병실 운영과 환자 관리에 기여할 것으로 기대된다.
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) : I410-151-26-02-095586024
