메뉴 건너뛰기
.. 내서재 .. 알림
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
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김은주 (누베베) 박영배 (누베베) 최가혜 (누베베) 임영우 (누베베) 옥지명 (누베베) 노은영 (경희대학교) 송태민 (삼육대학교) 강지훈 (한국산업기술대학교) 이향숙 (경희대학교) 김서영 (누베베)
저널정보
대한한의학회 대한한의학회지 대한한의학회지 제41권 제2호
발행연도
2020.6
수록면
58 - 79 (22page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Objectives: The purpose of this study is to predict the weight loss by applying machine learning using real-world clinical data from overweight and obese adults on weight loss program in 4 Korean Medicine obesity clinics.
Methods: From January, 2017 to May, 2019, we collected data from overweight and obese adults (BMI≥23 ㎏/m2) who registered for a 3-month Gamitaeeumjowi-tang prescription program. Predictive analysis was conducted at the time of three prescriptions, and the expected reduced rate and reduced weight at the next order of prescription were predicted as binary classification (classification benchmark: highest quartile, median, lowest quartile). For the median, further analysis was conducted after using the variable selection method. The data set for each analysis was 25,988 in the first, 6,304 in the second, and 833 in the third. 5-fold cross validation was used to prevent overfitting.
Results: Prediction accuracy was increased from 1<SUP>st</SUP> to 2<SUP>nd</SUP> and 3<SUP>rd</SUP> analysis. After selecting the variables based on the median, artificial neural network showed the highest accuracy in 1<SUP>st</SUP> (54.69%), 2<SUP>nd</SUP> (73.52%), and 3<SUP>rd</SUP> (81.88%) prediction analysis based on reduced rate. The prediction performance was additionally confirmed through AUC, Random Forest showed the highest in 1<SUP>st</SUP> (0.640), 2<SUP>nd</SUP> (0.816), and 3<SUP>rd</SUP> (0.939) prediction analysis based on reduced weight.
Conclusions: The prediction of weight loss by applying machine learning showed that the accuracy was improved by using the initial weight loss information. There is a possibility that it can be used to screen patients who need intensive intervention when expected weight loss is low.
#Machine learning #Obesity #Weight loss #Artificial intelligence

목차

서론
대상 및 방법
결과
고찰
결론
참고문헌

참고문헌 (37)

참고문헌 신청
Hill JO / 2012 / Energy balance and obesity / Circulation 126(1):126~132 google schola Haidar YM / 2011 / Obesity epidemiology / Clin Colon Rectal Surg 24(4):205~210 google schola Wall KC / 2020 / Obesity is associated with an increased prevalence of glenohumeral osteoarthritis and arthroplasty : A cohort study / Orthop Clin N Am 51(2):259~264 google schola Kolb R / 2016 / Obesity and cancer : inflammation bridges the two / Curr Opin Pharmacol 29:77~89 google schola Handjieva-Darlenska T / 2010 / Initial weight loss on an 800-kcal diet as a predictor of weight loss success after 8 weeks : the Diogenes study / Eur J Clin Nutr 64(9):994~999 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

홀소자 자성맥진기와 광용적맥파계를 이용한 요골동맥과 손가락 모세혈관의 혈류속도 특성 비교
김원태 ,  최락건 ,  신명우 외 5명 한국자기학회 학술연구발표회 논문개요집 2023 .11
학습 데이터셋에 따른 딥러닝 모델의 말벌 검출 정확도 비교
곽희진 ,  권영재 ,  이철희 Journal of Apiculture 2023 .09
분자구조 특징 및 화학물질-단백질 네트워크 정보를 활용한 딥러닝 기반 안드로겐 수용체 길항물질 예측 모델 개발
최지원 ,  조희영 ,  박우규 외 4명 환경독성보건학회 심포지엄 및 학술대회 2023 .05
다양한 기원의 자연유기물질(NOM) 특성화를 위한 PARAFAC 기법 및 머신러닝의 활용
임도경 ,  박종관 환경독성보건학회 심포지엄 및 학술대회 2022 .05
유전독성 스크리닝을 위한 머신러닝 모델 개발: OECD TG471 데이터를 중심으로
배수용 ,  이종가 ,  임창원 외 1명 환경독성보건학회 심포지엄 및 학술대회 2020 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-519-000679976