CBFAM: 코로나-19 데이터 세트 품질 분석을 기반으로 한 조건 기반의 특징 정렬 방법
CBFAM: Condition-based Feature Alignment Method based on the COVID-19 Dataset and Dataset Quality Analysis
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
코로나 19가 발생하면서 전 세계 공중 보건은 전례 없는 어려움에 직면했다. 방대한 양의 의료,보건 데이터가 생성되었지만 기존 데이터, 특히 코로나 19와 다른 질병 간의 연관성은 여전히 제한적이다. 이 연구의 목적은 개인 정보 보호 문제를 해결하면서 공중 보건 상태와 코로나 19 사이의 상관 관계를 탐색하기 위해 개인 개체 수준에서 질병 관리청(KDCA)의 2020, 2021년도 COVID-19 데이터와 KNHANES 데이터를 결합한다. 데이터를 통합하기 위해 Python의 pandas, numpy 라이브러리를 사용하여 집계된 통계의 개별 환자 기반의 행으로 변환하여 각 개체가 고유하도록 구현되었다. 결합된 데이터는 익명성과 무결성을 보장한다. 본 연구의 방법론을 사용하면 각 개체의 속성을 이용해 코로나19에 대한 구체적인 역학 연구를 수행할 수 있다. 궁극적으로 바이러스로 인한 사망 원인을 세부적으로 탐색하고 공중 보건 대응에 대한 정보를 제공하고 개선할 수 있다.
Abstract
With the outbreak of COVID-19, public health around the world faces unprecedented challenges. Although a vast amount of medical and health data has been generated, existing data, especially the link between COVID-19 and other diseases, is still limited. The purpose of this study is to combine the Korea Disease Control and Prevention Agency's 2020 and 2021 COVID-19 data and KNHANES data at the individual entity level to explore the correlation between public health conditions and COVID-19 while addressing privacy concerns. To integrate the data, Python's pandas and numpy libraries were used to convert aggregated statistics into individual patient-based rows, ensuring that each entity was unique. The combined data guarantees anonymity and integrity. Using the methodology of this study, it is possible to conduct specific epidemiological studies on COVID-19 using the properties of each entity. Ultimately, it could explore the causes of deaths from the virus in detail and inform and improve the public health response.
참고문헌 (11)
- Anastassopoulou, C., "Data-based analysis, modelling and forecasting of the COVID-19 outbreak", PloS one, 15(3), pp.e0230405~ (2020)
- Lv, Z., "Analysis of healthcare big data", Future Generation Computer Systems, 109, pp.103~110 (2020)
- Dashdondov, K., "Linear interpolation and Machine Learning Methods for Gas Leakage Prediction Base on Multi-source Data Integration", 한국융합학회논문지, 13(3), pp.33~41 (2022)
- H. J. Kwon, "Artificial Intelligence Research Survey based on Self-Supervised Learning for Labeled Data Dependancy Reduction", Journal of Artificial Intelligence Convergence Technology, 1(1), pp.25~30 (2021)
- Dashdondov, K., "Mahalanobis distance based multivariate outlier detection to improve performance of hypertension prediction", Neural Processing Letters, pp.1~13 (2021)
- D. J. Sai Kumar, "A Study on Covid-19 Analytics on Bigdata", 2023 3rd International Conference on Smart Data Intelligence (ICSMDI), pp.124~128 (2023)
- Wan-Taek Lee, "The Effects of Personal Emotion and Social Change Perception caused by COVID-19 on Disaster Response Perception after the Post-Endemic", Journal of Industrial Convergence, 20(8), pp.127~136 (2022)
- Worldwide Bayesian Causal Impact Analysis of Vaccine Administration on Deaths and Cases Associated with COVID-19: A BigData Analysis of 145Countries, "Beattie, K. A", Department of Political Science University of Alberta Alberta, ~ (2021)
- Bland, J. M., "Statistics notes : Cronbach's alpha", Bmj, 314(7080), pp.572~ (1997)
- Papastefanopoulos, V., "COVID-19 : a comparison of time series methods to forecast percentage of active cases per population", Applied sciences, 10(11), pp.3880~ (2020)
- Ullah, I., "A framework for anomaly detection in IoT networks using conditional generative adversarial networks", IEEE Access, 9, pp.165907~165931 (2021)