폐경 여성에서 트리기반 머신러닝 모델로부터 골다공증 예측
Predictive of Osteoporosis by Tree-based Machine Learning Model in Post-menopause Woman
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
In this study, the prevalence of osteoporosis was predicted based on 10 independent variables such as age, weight, and alcohol consumption and 4 tree-based machine-learning models, and the performance of each model was compared. Also the model with the highest performance was used to check the performance by clearing the independent variable, and Area Under Curve(ACU) was utilized to evaluate the performance of the model. The ACU for each model was Decision tree 0.663, Random forest 0.704, GBM 0.702, and XGBoost 0.710 and the importance of the variable was shown in the order of age, weight, and family history. As a result of using XGBoost, the highest performance model and clearing independent variables, the ACU shows the best performance of 0.750 with 7 independent variables. This data suggests that this method be applied to predict osteoporosis, but also other various diseases. In addition, it is expected to be used as basic data for big data research in the health care field.
Abstract
In this study, the prevalence of osteoporosis was predicted based on 10 independent variables such as age, weight, and alcohol consumption and 4 tree-based machine-learning models, and the performance of each model was compared. Also the model with the highest performance was used to check the performance by clearing the independent variable, and Area Under Curve(ACU) was utilized to evaluate the performance of the model. The ACU for each model was Decision tree 0.663, Random forest 0.704, GBM 0.702, and XGBoost 0.710 and the importance of the variable was shown in the order of age, weight, and family history. As a result of using XGBoost, the highest performance model and clearing independent variables, the ACU shows the best performance of 0.750 with 7 independent variables. This data suggests that this method be applied to predict osteoporosis, but also other various diseases. In addition, it is expected to be used as basic data for big data research in the health care field.
참고문헌 (27)
- 박형무, "한국 폐경 및 폐경 주변기 여성에서 골다공증 예측을 위한 자가 측정표 (Osteoporosis Self assessment Toolfor Asian, OSTA)의 유용성", Obstetrics & Gynecology Science, 46(2), pp.4~4 (2003), 대한산부인과학회
- Kang B, "Manual of bone densitometry" (2009), Cheongwoon
- 유정훈, "연관성 규칙 기반 영양소를 이용한 골다공증 예측 모델", 문화기술의 융합, 6(3), pp.457~462 (2020), 국제문화기술진흥원
- 이규철, "폐경기 여성들의 골다공증 예측인자로서 체중과 체질량지수의 비교", Korean Journal of Family Medicine, 26(10), pp.15~19 (2005), 대한가정의학회
- 김기영, "머신러닝 기법을 활용한 피부 유형 판단 도구 모델에 관한 연구", 조형미디어학, 21(4), pp.115~121 (2018), 한국일러스아트학회
- 장진수, "RNN을 이용한 제2형 당뇨병 예측모델 개발", 디지털융복합연구, 17(8), pp.249~255 (2019), 한국디지털정책학회[DOI]
- Kwon C, "Python machine learning complete guide" (2019), Wikibooks
- Géron A, "Hands-on machine learning with scikit-learn & tensorflow" (2016), Hanbit Media Inc
- 한지형, "머신러닝을 통한 가계의 재무스트레스 영향요인 예측 및 분석: XGBoost의 활용", 소비자학연구, 30(2), pp.21~43 (2019), 한국소비자학회[DOI]
- 이성화, "기계적 부하 가설의 재고찰:비만은 골다공증을 예방하는가?", 통계연구, 19(2), pp.1~29 (2014), 통계청
- 백기현, "골밀도 측정 및 임상적용에 관한 ISCD 공식 견해", Endocrinology and Metabolism, 20(1), pp.1~7 (2005), 대한내분비학회
- Kim D, "New guidelines for the diagnosis and fracture risk assessment of osteoporosis", Journal of Bone Metabolism, 15(1), pp.1~8 (2008)
- 김경숙, "우리나라 성인남녀의 골밀도 관련요인: 국민건강영양조사 제 5기 1, 2차 년도(2010년, 2011년)", 농촌의학.지역보건, 39(4), pp.240~255 (2014), 한국농촌의학.지역보건학회[DOI]
- Choi J, "Prevalence and risk factors of osteoporosis and osteopenia in Korean women : Cross-sectional study", Journal of Menopausal Medicine, 14(1), pp.35~49 (2008)
- 이형탁, "머신러닝 분류 알고리즘을 활용한 선박 접안속도 영향요소의 중요도 분석", 해양환경안전학회지, 26(2), pp.139~148 (2020), 해양환경안전학회[DOI]
- 이범주, "머신러닝 기반 체지방 측정정보를 이용한 고콜레스테롤혈증 예측모델", 문화기술의 융합, 5(4), pp.413~420 (2019), 국제문화기술진흥원
- 홍종선, "AUC 최적화를 이용한 낮은 부도율 자료의 모수추정", 응용통계연구, 29(2), pp.309~319 (2016), 한국통계학회
- 박지연, "폐경 전·후 여성의 골밀도 및 골대사 지표에 영향을 미치는 요인", Journal of Nutrition and Health, 44(1), pp.29~40 (2011), 한국영양학회
- 김지영, "중년남성의 골다공증에 대한 지식, 건강신념 및 자기효능감이 골다공증 예방행위에 미치는 영향", 대한보건연구, 46(2), pp.13~28 (2020), 사단법인 대한보건협회[DOI]
- 이현주, "전북지역 성인여성의 골다공증 지식, 골다공증관련 요인에 대한 관심 및 예방적건강행동에 관한 연구", Journal of Nutrition and Health, 51(6), pp.526~537 (2018), 한국영양학회
- 김태희, "폐경 전후 여성의 골다공증 관리의 차이", 대한폐경학회지, 17(1), pp.21~26 (2011), 대한폐경학회[DOI]
- 송태종, "폐경 및 폐경 주변기 여성에서 골다공증을예측하는 위험지표들의 유용성", Obstetrics & Gynecology Science, 48(11), pp.2627~2634 (2005), 대한산부인과학회
- Lee J, "Factors influencing osteoporosis", Korean Academy of Community Health Nursing, 14(2), pp.253~262 (2003)
- 최필선, "머신러닝 기법을 이용한 대졸자 취업예측 모형", 직업능력개발연구, 21(1), pp.31~54 (2018), 한국직업능력연구원[DOI]
- 이기성, "머신러닝을 이용한 의료 및 광고 블로그 분류", 한국산학기술학회논문지, 19(11), pp.730~737 (2018), 한국산학기술학회[DOI]
- 엄지수, "머신러닝을 이용한 에너지 선택적 유방촬영의 진단 정확도 향상에 관한 연구", 방사선기술과학, 42(1), pp.9~17 (2019), 대한방사선과학회[DOI]
- 이인호, "트리 기반 앙상블 방법을 활용한 자동 평가 모형 개발 및 평가: 서울특별시 주거용 아파트를 사례로", 한국데이터정보과학회지, 31(2), pp.375~389 (2020), 한국데이터정보과학회[DOI]