머신러닝을 활용한 심근경색증/협심증 예측 및 주요 위험요인 선별 (Prediction of Myocardial Infarction/Angina and Selection of Major Risk Factors Using Machine Learning)

서지정보

· 발행기관 : 한국자료분석학회
· 수록지 정보 : Journal of The Korean Data Analysis Society / 20권 / 2호 / 647 ~ 656페이지
· 저자명 : 임화경

초록

본 연구에서는 국민건강영양조사 제6기(2013-2015) 원시자료에 포함되어 있는 인구사회학적특성, 개인과거병력, 가족병력, 건강설문 그리고 건강검진 자료들을 활용하여, 심근경색증/협심증 발생을 예측하고 동시에 심근경색증/협심증 발생에 영향을 미치는 여러 가지 요인들 중 가장 주요한 위험요인들을 찾기 위해서 B-LASSO모형을 제안하였다. 훈련자료(training data)를 이용하여 모형을 구축하고 검증자료(test data)에서 모형들의 예측성능을 AUC를 이용하여 평가한 결과, B-LASSO모형의 예측성능이 LASSO, Random Forest, CART, SVM 모형들에 비하여 우수하였다. B-LASSO모형으로부터 추정된 심근경색증/협심증 발생에 영향을 미치는 주요 위험요인들의 중요도 순위는 연령, 고혈압 의사진단받음, 이상지질혈증 의사진단받음, 허혈성심장질환 가족력 순이었으며 남자가 여자보다 심근경색증/협심증 발생 위험이 더 높은 것으로 나타났다. 남자의 경우 당뇨병 의사진단을 받았거나 일상 활동에 지장이 있거나 빈혈이 있는 사람이 그렇지 않은 사람에 비해 심근경색증/협심증 발생 위험도가 높았으며, 여자의 경우 뇌졸중 의사진단을 받았거나 스트레스를 많이 받는 사람이 그렇지 않은 사람보다 심근경색증/협심증 발생 위험도가 높았다.

영어초록

In this study, the B-LASSO model was proposed to predict the incidence of myocardial infarction/angina using the Korea national health and nutrition examination survey (KNHANES 2013-2015) data and to select the most important risk factors among the factors affecting myocardial infarction/angina. The prediction performance of the B-LASSO model was superior to that of the LASSO, Random Forest, CART, and SVM models in test data. The major risk factors affecting myocardial infarction/angina incidence estimated from the B-LASSO model were age, doctor-diagnosed hypertension, doctor-diagnosed dyslipidemia, family history of ischemic heart disease, and gender. Men had a higher risk of myocardial infarction/angina than women. The risk of myocardial infarction/angina was higher in men who had doctor-diagnosed diabetes or anemia than in those who did not. The risk of myocardial infarction/angina was higher in women with a doctor-diagnosed stroke or a lot of stress than in those without.

참고자료

· 없음