국민건강보험 빅데이터를 활용한 주요 만성질환 발생률 예측모형의 개발과 활용*
Predicting the Risk of Major Chronic Diseases and Its Application: Using NHIS Big Data
2
조회
0
다운로드
7
인용
0
참고문헌
키워드
초록
고령화와 생활습관 악화로 인해 만성질환의 예방과 관리에 대한 수요가 증대되어왔다. 이에 개인의 미래 만성질환 발병 위험률을 사전에 추정하고 위험요인을 식별하기 위하여 본 연구에서는 대표성 있는 의료빅데이터인 국민건강보험공단 표본 코호트 DB의 건강검진 기록과 진료기록을 활용하여 주요 만성질환과 의료적 사건을 예측하는 모형을 만들었다. 예측모형으로 해석과 활용 측면에서 이점을 가진 벌점 로지스틱 회귀모형을 사용하였으며, 벌점항은 머신러닝 방법론에 입각하여 최적화하였다. 최종적으로 적합된 모형별 예측력을 평가하고 주요 위험요인으로 선정된 변수들을 검토한 뒤, 예측모형의 활용방안에 대해 검토하기 위해 주요 질환 추정 위험률을 기반으로 개인들을 등급화하여 등급별 위험도와 주요 검진지표의 분포를 살펴보았다. 본 연구에서 개발된 위험률 산출 및 등급화 모형이 개인의 위험률 평가, 개인의 주요 위험요인 식별을 통한 보다 비용-효율적인 건강관리 서비스 개발의 토대가 되기를 기대한다.
Abstract
Demand for the prevention and management of chronic diseases has risen due to ongoing societal aging and prevalent unhealthy lifestyle. To estimate an individual’s risk of chronic disease in advance and to identify major risk factors, this study used health examination records and medical records of the representative medical big data, the NHIS national sample cohort DB, to develop models to predict major chronic diseases and medical events. As a prediction model, a L1 penalized logistic regression model with advantages in terms of interpretation and utilization was used, and the penalty term was tuned based on the machine learning methodology. Finally, after evaluating the fitted models’ performance and reviewing the variables selected as risk factors, to explore the applicability of the models, individuals were graded based on the estimated risks, and distribution of morbidity rate and major health indicator levels by grade were examined. It is expected that the risk calculation and grading model suggested in this study will serve as the basis for the development of more cost-efficient health care services through evaluation of individual risk rates and identification of major risk factors.
참고문헌 (26)
- 건강보험공단, "2019 건강보험통계연보", ~ (2021)
- 권혁성, "건강수준 평점화 모형을 적용한 건강등급 산정 방법에 관한 연구", 보험학회지, (123), pp.38~85 (2020), 한국보험학회[DOI]
- 이현복, "노인의료비 추계와 건강보험에 대한 시사점", 보험학회지, (117), pp.43~68 (2019), 한국보험학회[DOI]
- 국민건강정보DB 활용 빅데이터 연구의 질 향상을 위한 분석방법 점검도구 개발 연구-국민건강정보DB 활용 문헌들의 방법론 고찰, "임현선", 국민건강보험 일산병원 연구소, ~ (2020)
- 질병관리청, "2021 만성질환 현황과 이슈", ~ (2021)
- 2021 고령자 통계, "통계청", ~ (2021)
- 2021년 사망원인통계 결과, "통계청", ~ (2022)
- 당뇨환자의 당뇨합병증 발생률과 사망률 예측 및 의료비 추정 모형 개발, "홍석철", 보험개발원, ~ (2017)
- 고혈압⋅고지혈증 환자의 합병증 발생률과 사망률 예측 및 의료비 추정 모형 개발, "홍석철", 보험개발원, ~ (2018)
- 주요 만성질환 예측모형 및 건강관리 시스템 개발, "홍석철", 보험개발원, ~ (2019)
- 최슬기, "Effect of Smoking Cessation and Reduction on the Risk of Cancer in Korean Men: A Population Based Study", Cancer Research and Treatment, 50(4), pp.1114~1120 (2018), 대한암학회
- Choi, Seulggie, "Combined associations of changes in noncombustible nicotine or tobacco product and combustible cigarette use habits with subsequent short-term cardiovascular disease risk among South Korean men : a nationwide cohort study", Circulation, 144(19), pp.1528~1538 (2021)
- DeLong, Elizabeth R., "Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach", Biometrics, pp.837~845 (1988)
- Friedman, Jerome, "glmnet: Lasso and elastic-net regularized generalized linear models", R package version 1.4, 1~24 (2009)
- Hastie, Trevor, "The elements of statistical learning: data mining, inference, and prediction Vol. 2" (2009), Springer
- Hwang, Seo Yun, "Association of air pollutants with incident chronic kidney disease in a nationally representative cohort of Korean adults", International journal of environmental research and public health, 18(7), pp.3775~ (2021)
- Ko, Ahryoung, et al, "Effect of Lipid-Testing Interval on Stoke Risk among Newly Diagnosed Dyslipidemia Patients Initiated on Statins", Journal of clinical medicine, 8(5), pp.742~ (2019)
- Kim, Kyuwoong, "Weight gain after smoking cessation does not modify its protective effect on myocardial infarction and stroke: evidence from a cohort study of men", European heart journal, 39(17), pp.1523~1531 (2018)
- Kim, Kyuwoong, "Association of fasting serum glucose level and type 2 diabetes with hepatocellular carcinoma in men with chronic hepatitis B infection : A large cohort study", European Journal of Cancer, 102, pp.103~113 (2018)
- Levey, Andrew S., "A more accurate method to estimate glomerular filtrationrate from serum creatinine : a new prediction equation", Annals of internal medicine, 130(6), pp.461~470 (1999)
- 오필재, "건강수준의 측정 및 평점화 모형의 설계", 응용통계연구, 33(3), pp.239~256 (2020), 한국통계학회
- Pavlou, Menelaos, "How to develop a more accurate risk prediction model when there are few events", Bmj, 351 (2015)
- Razavian, Narges, "Population-level prediction of type 2 diabetes from claims data and analysis of risk factors", Big Data, 3(4), pp.277~287 (2015)
- Schwartz Naama, "Predictive modeling of inpatient mortality in departments of internal medicine", Internal and Emergency Medicine, 13(2), pp.205~211 (2018)
- Seidler, Tim, "A machine learning approach for the prediction of pulmonary hypertension", Journal of the American College of Cardiology, 73(9), pp.1589~1589 (2019)
- Song, Shinjeong, "Relation of chronic obstructive pulmonary disease to cardiovascular disease in the general population", The American journal of cardiology, 120(8), pp.1399~1404 (2017)