Journal of the Korean Data and Information Science Society

The Korean Data and Information Science Society (한국데이터정보과학회)
권호 표지

A quantification study of blood test results for dyspnea patients

호흡곤란 환자에 대한 혈액검사 결과들의 수량화 연구

  • Received : 2011.04.12
  • Accepted : 2011.05.16
  • Published : 2011.05.31
Download PDF
⟨ Previous Next ⟩

Abstract

Park et. al (2010) proposed a statistical model for determining the admission or discharge of 668 patients with a chief complaint of dyspnea by the number of 11 blood tests belonging to the corresponding discharge intervals. Since this method does not take into consideration the importance of each blood test result, its performance might not be optimally good. In this study, we employ a quantification method to evaluate the importance of those blood test results, and then provide a new statistical mode that takes the importance into consideration. The results show that the performance of this new model is a little better than that of the model by Park et. al (2010).

Park 등 (2010)은 호흡곤란을 주호소로 내원한 668명의 환자를 대상으로 11개 혈액검사 결과 중 퇴원구간에 속한 결과의 개수를 가지고 입퇴원 결정을 위한 간편한 통계모형을 제안하였다. 그런데 11개 혈액검사의 결과에 대한 중요성을 고려하지 않아 모형의 성능이 떨어질 수 있다는 문제점이 있었다. 이 연구에서는 수량화 방법에 의해 11개 혈액검사 결과의 중요성을 평가해보고, 이 중요성을 고려한 통계모형을 도출하였다. 그 결과 중요성을 고려한 새로운 모형이 중요성을 고려하지 않은 기존 모형보다 다소 성능이 향상된 것을 발견할 수 있었다.

Keywords

References

  1. 이상훈, 박정은, 오경환 (2003). 데이터 분포를 고려한 연속 값 속성의 이산화. <한국퍼지 및 지능시스템 학회 논문지>, 13, 291-396.
  2. 허명회 (1992). <수량화 방법론의 이해>, 자유아카데미, 서울.
  3. Chawla, N. V., Japkowwicz, N. and Nolcz, A. (2004). Editorial: Special issue on learning from imbalanced data sets. SIGKDD Explorations, 6, 1-6. https://doi.org/10.1145/1046456.1046457
  4. Fayyad, U. M. and Irani, K. B. (1993). Multi-interval discretization of continuous attributes as preprocessing for classification learning. Proceedings of the 13th International Joint Conference on Artificial Intelligence, 1022-1027.
  5. Jevon, P. and Ewens, B. (2001). Assessment of a breathless patient. Nursing Standard, 15, 48-53.
  6. Johnson, R. A. and Wichern, D. W. (1992). Applied multivariate statistical analysis, 3rd Ed., Prentice Hall, New Jersey.
  7. Kerber, R. (1992). ChiMerge: Discretization of numeric attribute. Proceedings of the 10th National Conference on Artificial Intelligence (AAAI-92), 123-127.
  8. Kim, J. S., Jang, Y. M. and Na, J. H. (2005) Comparison of multiway discretization algorithms for data mining. Journal of the Korean Data & Information Science Society, 16, 801-813.
  9. Na, J. H., Kim, J. M. and Cho, W. S. (2005). Comparison of binary discretization algorithms for data mining. Journal of the Korean Data & Information Science Society, 16, 769-780.
  10. Park, C., Kim, T. Y., Kwon, O. J. and Park, H. S. (2010). A simple statistical model for determining the admission or discharge of dyspnea patients. Journal of the Korean Data & Information Science Society, 21, 279-289.
  11. Weiss, G. M. (2004). Mining with rarity: A unifying framework. SIGKDD Explorations, 6, 7-19. https://doi.org/10.1145/1007730.1007734