KR101543190B1 - 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법 - Google Patents

대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법 Download PDF

Info

Publication number
KR101543190B1
KR101543190B1 KR1020140174993A KR20140174993A KR101543190B1 KR 101543190 B1 KR101543190 B1 KR 101543190B1 KR 1020140174993 A KR1020140174993 A KR 1020140174993A KR 20140174993 A KR20140174993 A KR 20140174993A KR 101543190 B1 KR101543190 B1 KR 101543190B1
Authority
KR
South Korea
Prior art keywords
atopic dermatitis
air pollution
symptoms
changes
individual
Prior art date
Application number
KR1020140174993A
Other languages
English (en)
Inventor
정해관
전병학
김은혜
김진섭
Original Assignee
성균관대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020140174993A priority Critical patent/KR101543190B1/ko
Application granted granted Critical
Publication of KR101543190B1 publication Critical patent/KR101543190B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data

Abstract

본 발명은 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법을 공개한다. 이 방법은 (a) 자료 수집부가 아토피 피부염 증상 변화에 대한 자료를 구축하는 단계; (b) 모델링부가 상기 자료에 일반화 가법 모형(Generalized additive model, GAM)을 적용함으로써 모델링하여 개인별로 증상이 발생할 확률 및 신뢰구간을 산출하는 단계; 및 (c) 위험 요소 예측부가 상기 산출된 확률 및 신뢰구간을 이용하여 실외 공기오염 위험요인의 집합 중 아토피 피부염 증상 악화에 영향을 미치는 대기오염 인자를 예측하는 단계;를 포함하는 것을 특징으로 한다. 본 발명에 의할 경우, 아토피 피부염에 대한 개인의 감수성으로 인한 불확실성을 감소시키고 구성원 개인에 대한 경향을 더욱 명확히 나타낼 수 있어 높은 수준의 내적 타당도를 확보할 수 있고, 집단에서 보이는 질병의 경향 보다는 환자 개인별 현재 상태에 대한 정보에 관심이 집중되어 있고 중증도가 매우 다양한 아토피 피부염의 개인별 증상정도를 일상생활 중 확인하여 관리할 수 있게 된다.

Description

대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법{A prediction method of individual symptom change of atopic dermatitis patients due to air pollution changes}

본 발명은 아토피 피부염 환아의 개인 증상 변화 예측 방법에 관한 것으로서, 특히 질환에 대한 개인의 감수성으로 인한 불확실성을 감소시키고 구성원 개인에 대한 경향을 좀 더 명확히 나타내기 위하여 개인별 누적 데이터를 사용함으로써, 아토피 피부염의 개인별 증상 발생 및 악화에 미리 대비할 수 있는 방법에 관한 것이다.

전세계적으로 만성재발성피부질환인 아토피 피부염 유병률은 15~25%로 흔한 질병이며, 피부질환은 건강의 전반적인 맥락에서 큰 부담으로 발생하고 있다.

세계 질병 부담연구(Global Burden of Disease, GBD) 2010년 보고서에 따르면 피부질환은 세계적인 질병부담의 18번째 원인으로 보고되고 있다. 국내에서도 2000년 24.9%에서 2006년 28.9%로 증가하면서, 환경보건학적 측면에서 중요한 어린이 질환으로 인식되고 있다.

도시개발과 급속한 산업화로 인한 대기 중 오염물질의 증가가 환경문제로 부각되면서 호흡기 질환이나 알레르기 질환과 같은 건강이상과 관련성이 보고되고 있다.

또한, 어린이들은 성인에 비해 호흡량이 상대적으로 높고 신체적으로 발달해가는 과정이기 때문에 공기 질에 더 민감한 것으로 알려져 있다.

이에 대기오염 자료를 이용하여 아토피 피부염 환아의 증상 변화를 개인 별로 예측할 수 있는 통계적 모형 기술의 필요성이 대두되고 있었다.

즉, 집단을 대상으로 한 연구에서 어떤 물질이 질병의 원인이 되는 것으로 나타났다고 하여 그것을 개인에게 적용시키는 것은 매우 부적절하며, 생태학적 오류가 발생하게 된다. 이는 연구결과가 집단의 경향을 나타내는 것이므로 집단의 구성원에게 연구결과를 개인별로 적용 할 수 없기 때문이다.

따라서, 질환에 대한 개인의 감수성으로 인한 불확실성을 감소시키고 구성원 개인에 대한 경향을 좀 더 명확히 나타내기 위해서는 개인별 누적 데이터를 사용한 결과 사용하는 것이 매우 적합하며, 이는 높은 수준의 내적 타당도를 확보하는 방법이다.

어떤 물질이 질병 발생에 기여하는 정도를 승산비(odds ratio, OR)로 나타내고, 이 값이 통계적 확률(ex: p-value)값과 유의수준에 의하여 1과 차이가 클 것이라 믿어질 때 이 물질이 질병발생에 유의미한 영향을 끼친다고 해석한다.

여기에서, 승산비는 로지스틱 회귀분석이 많이 활용되는 의학분야에서 발병 위험성, 수술에 대한 사망 위험성 등을 분석하는데 이용하는 위험성의 정도를 의미하며, 이런 위험성에 대해 독립변수(예측변수)의 영향력을 알기 위해 계산하고 전체적인 분류모형을 얻기 위해 사용한다.

이때, 유의수준은 대개 엄격하기 마련인데(예를 들어, 알파 에러 = 5%), 아주 명확한 증거가 있을 경우에만 원인이라고 인정하겠다는 의도가 있는 것이다.

물질의 양의 변화에 따라 OR도 일정한 비율로 변화한다고 가정하고(log(OR)에 대한 선형 가정: 로지스틱 회귀분석) 숫자 하나로 효과를 표시하여 간단히 원인에 대하여 해석한다.

하지만, 원인을 찾기 위한 모형과 예측을 위한 모형구성은 접근부터 다르기 때문에, 이렇게 원인을 찾기 위해 구성한 모형이 꼭 올바른 예측모형이라고 할 수는 없다.

또한, 환아 또는 보호자의 경우 집단에서 보이는 질병의 경향 보다는 본인 또는 자녀의 현재 상태에 대한 정보에 모든 관심이 집중되어 있는데, 아토피 피부염의 경우 환자 개인별 증상의 중증도가 매우 다양하며, 일상생활 중 증상정도를 확인하여 관리하는 보호자의 성향도 매우 다양하기 때문에 더더욱 개인 별 예측이 절실히 필요한 실정이다.

이와 관련된 종래 기술을 검토하면 다음과 같다.

한국등록특허 제 10-0673252 호는 사용자의 질병에 대한 발생 확률을 이동통신 단말기를 통해 제공하여, 건강 관리의 체계적 실행을 유도할 수 있는 예측 방법을 개시한다. 그러나, 본 종래기술에서는 사용자의 개인별 환경정보와 현재 건강상태를 각 질병의 증세정보와 단순 비교하여 해당 질병의 발병 여부를 판단하고 있을 뿐, 질병(아토피)의 발생에 영향을 주는 대기오염 데이터에 기초한 환자별 개인 모형(GAM)을 구성하고, 이에 따라 환자의 증상 변화를 개인 별로 예측하는 구성을 제공하지는 못하고 있다.

한국등록특허 제 10-1111610 호는 통신망을 통해 환부 영상을 수신하여 환부 영상에 대한 분석을 통해 질병의 발명 여부와 진행 정도를 판단하는 의료 진단 검사 장치 및 방법을 개시한다.

그러나, 본 종래기술에서는 아토피 원격 진료를 실현하기 위해 환부 영상에 기초하여 아토피 피부염 증상을 판단할 뿐, 일별 대기오염 데이터에 기초하여 아토피 피부염 환자의 증상 변화를 개인 별로 예측하는 구성을 제공하지는 못하고 있다.

(특허문헌 1) KR 10-0673252 B

(특허문헌 2) KR 10-1111610 B

본 발명의 목적은 대기오염 데이터를 기반으로 개인 별 아토피 피부염관련 증상 발생 예측모형을 개발 후 일별 예측 내용을 환아 또는 보호자에게 개인 단위로 고지하여 증상 발생 및 악화에 미리 대비하도록 할 수 있는 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법을 제공하는 것이다.

상기 목적을 달성하기 위한 본 발명의 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법은 (a) 자료 수집부가 아토피 피부염 증상 변화에 대한 자료를 구축하는 단계; (b) 모델링부가 상기 자료에 일반화 가법 모형(Generalized additive model, GAM)을 적용함으로써 모델링하여 개인별로 증상이 발생할 확률 및 신뢰구간을 산출하는 단계; 및 (c) 위험 요소 예측부가 상기 산출된 확률 및 신뢰구간을 이용하여 실외 공기오염 위험요인의 집합 중 아토피 피부염 증상 악화에 영향을 미치는 대기오염 인자를 예측하는 단계;를 포함하는 것을 특징으로 한다.

본 발명에 의할 경우, 아토피 피부염에 대한 개인의 감수성으로 인한 불확실성을 감소시키고 구성원 개인에 대한 경향을 더욱 명확히 나타낼 수 있어 높은 수준의 내적 타당도를 확보할 수 있고, 집단에서 보이는 질병의 경향 보다는 환자 개인별 현재 상태에 대한 정보에 관심이 집중되어 있고 중증도가 매우 다양한 아토피 피부염의 개인별 증상정도를 일상생활 중 확인하여 관리할 수 있게 된다.

도 1은 본 발명에 따른 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 장치의 블록도이다.
도 2는 본 발명에 따른 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법의 동작을 나타내는 순서도이다.
도 3은 본 발명에 따라 아토피 피부염 환아의 개인 증상 변화를 예측하기 위해 필요한 경시적 자료 데이터베이스의 구성도이다.
도 4는 본 발명에 따라 실외 공기오염 위험요인 중 오존 및 질산화물에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.
도 5는 본 발명에 따라 실외 공기오염 위험요인 중 이황화물에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.
도 6은 본 발명에 따라 실외 공기오염 위험요인 중 온도 변화에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.
도 7은 본 발명에 따라 실외 공기오염 위험요인 중 습도 변화에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.
도 8은 본 발명에 따라 복합적인 실외 공기오염 위험요인에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법을 설명하면 다음과 같다.

도 1은 본 발명에 따른 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 장치의 블록도로서, 자료 수집부(100), 모델링부(200) 및 위험 요소 예측부(300)를 구비한다.

도 1을 참조하여 본 발명에 따른 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 장치의 동작을 설명하면 다음과 같다.

자료 수집부(100)는 아토피 피부염 증상 변화에 대한 환아들의 집락 내(within-cluster) 반복 측정된 형태로 구축된 경시적 자료(longitudinal data)를 구축한다.

모델링부(200)는 상기 집락 내 경시적 자료에 일반화 가법 모형 (Generalized additive model, GAM)을 적용함으로써 모델링하여 개인별로 증상이 발생할 확률 및 신뢰구간을 산출한다.

위험 요소 예측부(300)는 상기 산출된 확률 및 신뢰구간을 이용하여 실외 공기오염 위험요인의 집합 중 민감한 반응을 야기하여 아토피 피부염 증상 악화에 영향을 미치는 대기오염 인자를 예측한다.

도 2는 본 발명에 따른 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법의 동작을 나타내는 순서도이다.

도 3은 본 발명에 따라 아토피 피부염 환아의 개인 증상 변화를 예측하기 위해 필요한 경시적 자료 데이터베이스의 구성도이다.

도 4는 본 발명에 따라 실외 공기오염 위험요인 중 오존 및 질산화물에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.

도 5는 본 발명에 따라 실외 공기오염 위험요인 중 이황화물에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.

도 6은 본 발명에 따라 실외 공기오염 위험요인 중 온도 변화에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.

도 7은 본 발명에 따라 실외 공기오염 위험요인 중 습도 변화에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.

도 8은 본 발명에 따라 복합적인 실외 공기오염 위험요인에 대한 민감 반응 및 증상 악화에 대하여 4가지 지연 시간(lag time)에 따른 승산비의 변화를 나타내는 그래프이다.

도 1 내지 도 7을 참조하여 본 발명에 따른 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법의 일 실시예의 동작을 설명하면 다음과 같다.

자료의 구축

먼저, 아토피 피부염 환아의 일별 증상 발생 유무 또는 증상 발생 정도 (점수척도) 데이터와 거주지역의 대기오염 관련 지표들의 자료가 필요하다(S110).

특히, 증상발생과 관련된 데이터는 기록된 날짜가 일정수준은 넘어야 하는데, 개인 별 증상기록에 대한 표본수가 일정 수 이상 되어야 안정적으로 예측모형을 만들 수 있다.

도 3은 본 발명에 따라 아토피 피부염 환아의 개인 증상 변화를 예측하기 위해 필요한 경시적 자료 데이터베이스의 구성도로서, 일 단위 기상 자료 DB(410), 시간 단위 대기오염 자료 DB(420), 일 단위 증상 관련 다이어리 DB(430)를 포함하고, 이들은 모두 환경, 건강 통합 DB(440)에 저장된다.

일 단위 기상 자료 DB(410)에는 기온 및 습도가 있고, 시간 단위 대기오염 자료 DB(420)에는 미세먼지, 이산화질소, 이산화항, 일산화탄소, 오존 및 휘발성 유기화합물이 있다.

통계적 예측 모델링

본 실시예에서의 예측모형은 원인을 정확히 밝혀내기 위한 것이 아니라, 알고 있는 정보를 총동원하여 질병 및 증상 발생을 잘 예측할 수 있는 정확하고 정밀한 모형을 만들기 위한 것이다.

따라서, 유의미한 통계적 확률값(p-value)의 확보가 중요하지 않으며, 기본 선형가정을 고집할 필요도 없다. 가장 중요한 것은 “얼마나 실제 질병발생을 잘 예측하는 모형인가?” 이다.

즉, 1차적 평가기준은 내적 타당도를 얼마큼 만족시키는지가 될 것이며, 민감성(sensitivity) 및 특이성(specificity)을 고려한 ROC(Receiving operating characteristic) 곡선의 AUC(area under curve) 값이 지표로 되어, 궁극적으로 데이터가 증가하면서 계속 모형을 업데이트할 수 있도록 한다.

이를 통하여 본 발명은 예측력이 높은 모형을 구성하고 지속적으로 모형을 업데이트하여 환자의 질병 또는 증상 발생에 대해 예측을 수행하게 되며, 시간의 흐름에 따라 데이터가 누적되어 더욱 신뢰도가 높은 모형을 구성할 수 있게 된다.

일반적으로, 예측해야 하는 아토피 피부염의 증상변화 또는 증상의 정도는 환아에 따라 다른데, 시간을 무증상으로 하는 환아의 경우 아주 약한 아토피 피부염 증상의 발생을 예측하는 것이 의미가 있고, 만성적인 증상을 갖고 있는 환아의 경우 아토피 피부염 증상의 발생 예측 보다 심각한 증상으로의 변화를 예측하는 것이 환아 및 보호자에게 도움이 된다.

따라서, 본 예측모형에서는 아토피 피부염 환아의 일별 개인 증상에 대한 점수 기록 중 가장 흔하게 나타나는 점수를 기준으로 그보다 높은 점수의 발생을 예측하는 모형을 만들었으며, 개인별 아토피 피부염의 증상에 대한 기준 점수를 확정한 후 환아별 개인 모형을 개발하였다.

2. 실험내용, 결과 활용예

아토피 피부염 환아 별 개인모형 개발에 이용한 자료는 일별 SO2, PM10, O3, NO2, CO, 평균 온도, 습도이며, 이들의 효과에 대해 선형관계에 얽매이지 않고 유연한 가정을 하였으며, 다음의 수학식을 이용하여 일반화 가법 모형(generalized additive model, GAM)을 구성하였다(S120).

[수학식 1]

Logit(p) = α + s(SO2) + s(PM10) + s(O3) + s(CO) + s(NO2) + s(mean temp) + s(humidity)

여기에서, Logit은 한 개인이 특정대안에 대해 느끼는 효용을 그 대안에 대한 선택확률로 연결시켜 주는 선택모델의 일종이고, p는 증상발생 확률, α는 인터셉트(intercept), s는 연화 스플라인(smoothing spline)을 의미한다.

이와 같은 일반화 가법 모형은 일반 선형 모형보다 유연한 모형을 구성하여 모형의 내적 타당도를 높일수 있게 된다.

도 4 내지 도 8에서 보는 바와 같이, 각각의 실외 공기오염 위험요인마다 당일 수치(Lag0), 1일전 수치(Lag1), 2일전 수치(Lag2), 3일치 이동 평균(moving average) 수치((Lag0+Lag1+Lag2)/3)에 대한 4가지 파생 변수가 있다.

따라서, 각각의 실외 공기오염 위험요인마다 선택방법은 5가지(모형에 포함시키지 않음, Lag0, Lag1, Lag2, Mavg)가 존재하며, 이에 따라 총 모형에 들어갈 실외 공기오염 위험요인의 집합의 개수는 5^7=78125 가지가 된다.

총 모형에 들어갈 실외 공기오염 위험요인의 집합을 ROC 곡선의 AUC가 큰 순서대로 정렬하여 값이 가장 큰 것을 최종 예측모형으로 정하고, 표본수가 충분하지 않거나 증상 발생의 변화가 적은 경우는 분석대상에서 제외한다.

도 4에서 보는 바와 같이, 환아 1의 경우, 당일 수치(Lag0)에서는 실외 공기오염 위험요인 중 O3 및 SO2에 민감한 반응을 보여 증상이 악화되었고, 1일전 수치(Lag1)에서는 SO2에만 민감한 반응을 보여 증상이 악화되어, 3일치 이동 평균(moving average) 수치에서는 O3 및 SO2에 민감한 반응을 보여 증상이 악화된 것으로 관측되었다(S130).

도 5에서 보는 바와 같이, 환아 2의 경우, 당일 수치(Lag0), 1일전 수치(Lag1), 2일전 수치(Lag2), 3일치 이동 평균(moving average) 수치 모두에서 실외 공기오염 위험요인 중 SO2에 민감한 반응을 보여 증상이 악화된 것으로 관측되었다.

도 6에서 보는 바와 같이, 환아 3의 경우, 당일 수치(Lag0), 1일전 수치(Lag1), 2일전 수치(Lag2), 3일치 이동 평균(moving average) 수치 모두에서 실외 공기오염 위험요인 중 온도에 민감한 반응을 보여 증상이 악화된 것으로 관측되었다.

도 7에서 보는 바와 같이, 환아 4의 경우, 당일 수치(Lag0) 및 3일치 이동 평균(moving average) 수치에서 실외 공기오염 위험요인 중 습도에 민감한 반응을 보여 증상이 악화된 것으로 관측되었다.

도 8에서 보는 바와 같이, 환아 5의 경우, 당일 수치(Lag0)에서는 실외 공기오염 위험요인 중 온도, O3 및 SO2에 민감한 반응을 보여 증상이 악화되었고, 1일전 수치(Lag1), 2일전 수치(Lag2) 및 3일치 이동 평균(moving average) 수치 에서는 온도, O3, SO2 및 습도에 민감한 반응을 보여 증상이 악화된 것으로 관측되었다.

이와 같이, 일단 모형이 정해지면 실외 공기오염 위험요인을 이용하여 개인별로 기준이 다른 흔하지 않은 증상이 발생할 확률과 그 신뢰구간을 산출할 수 있고, 이 정보를 각 가정에 전달한다.

그리고, 모형은 한번 만들면 계속 그것을 이용하는 것이 아니라, 데이터를 새로 얻으면 그 정보까지 합쳐서 새로 모형을 구성하게 되므로 모형은 지속적으로 업데이트 된다.

이와 같이, 본 발명에 따른 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법은 대기오염 데이터를 기반으로 개인 별 아토피 피부염관련 증상 발생 예측모형을 개발 후 일별 예측 내용을 환아 또는 보호자에게 개인 단위로 고지하여 증상 발생 및 악화에 미리 대비하도록 할 수 있다.

이를 통하여, 아토피 피부염에 대한 개인의 감수성으로 인한 불확실성을 감소시키고 구성원 개인에 대한 경향을 더욱 명확히 나타낼 수 있어 높은 수준의 내적 타당도를 확보할 수 있고, 집단에서 보이는 질병의 경향 보다는 환자 개인별 현재 상태에 대한 정보에 관심이 집중되어 있고 중증도가 매우 다양한 아토피 피부염의 개인별 증상정도를 일상생활 중 확인하여 관리할 수 있게 된다.

상기에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 당업계에서 통상의 지식을 가진 자라면 이하의 특허 청구범위에 기재된 본 발명의 사상 및 영역을 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

100: 자료 수집부
200: 모델링부
300: 위험 요소 예측부

Claims (8)

  1. (a) 자료 수집부가 아토피 피부염 증상 변화에 대한 자료를 구축하는 단계;
    (b) 모델링부가 상기 자료에 일반화 가법 모형(Generalized additive model, GAM)을 적용함으로써 모델링하여 개인별로 증상이 발생할 확률 및 신뢰구간을 산출하는 단계; 및
    (c) 위험 요소 예측부가 상기 산출된 확률 및 신뢰구간을 이용하여 실외 공기오염 위험요인의 집합 중 아토피 피부염 증상 악화에 영향을 미치는 대기오염 인자를 예측하는 단계를 포함하며,
    상기 (b) 단계는
    상기 일반화 가법 모형 중 상기 아토피 피부염 증상 변화에 대한 민감성(sensitivity) 및 특이성(specificity)을 고려한 ROC(Receiving operating characteristic) 곡선의 AUC(area under curve) 값을 지표로 이용하여 내적 타당도를 증가시키는 것을 특징으로 하는,
    대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 (b) 단계는
    상기 실외 공기오염 위험요인의 집합을 상기 AUC가 큰 순서대로 정렬하는 단계;
    상기 실외 공기오염 위험요인의 표본수가 미리 설정된 개수 미만이거나 상기 아토피 피부염 증상 변화가 미리 설정된 정도 미만인 경우는 분석대상에서 제외하는 단계; 및
    상기 AUC가 가장 큰 실외 공기오염 위험요인을 최종 예측모형으로 정하는 단계;
    를 포함하는 것을 특징으로 하는,
    대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법.
  4. 제 1 항에 있어서,
    상기 (b) 단계는
    상기 실외 공기오염 위험요인의 집합마다 당일 수치(Lag0), 1일전 수치(Lag1), 2일전 수치(Lag2), 3일치 이동 평균(moving average) 수치에 대한 파생 변수를 이용하는 것을 특징으로 하는,
    대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법.
  5. 제 4 항에 있어서,
    상기 3일치 이동 평균은
    당일 수치(Lag0), 1일전 수치(Lag1) 및 2일전 수치(Lag2)의 산술 평균값인 것을 특징으로 하는,
    대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법.
  6. 제 1 항에 있어서,
    상기 일반화 가법 모형은
    Logit(p) = α + s(SO2) + s(PM10) + s(O3) + s(CO) + s(NO2) + s(mean temp) + s(humidity) 에 의해 모델링되고,
    상기 Logit은 대안에 대한 선택확률로 연결시켜 주는 선택모델, 상기 p는 증상발생 확률, 상기 α는 인터셉트(intercept), 상기 s는 연화 스플라인(smoothing spline)을 나타내는 것을 특징으로 하는,
    대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법.
  7. 제 1 항에 있어서,
    상기 자료는
    상기 아토피 피부염 환아의 일별 증상 발생 유무 또는 증상 발생 정도 데이터와 거주지역의 대기오염 관련 지표들인 것을 특징으로 하는,
    대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법.
  8. 제 1 항에 있어서,
    상기 자료는
    일별 SO2, PM10, O3, NO2, CO, 평균 온도 및 습도 중 어느 하나 이상인 것을 특징으로 하는,
    대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법.
KR1020140174993A 2014-12-08 2014-12-08 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법 KR101543190B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140174993A KR101543190B1 (ko) 2014-12-08 2014-12-08 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140174993A KR101543190B1 (ko) 2014-12-08 2014-12-08 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법

Publications (1)

Publication Number Publication Date
KR101543190B1 true KR101543190B1 (ko) 2015-08-10

Family

ID=53886478

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140174993A KR101543190B1 (ko) 2014-12-08 2014-12-08 대기오염 변화에 따른 아토피 피부염 환아의 개인 증상 변화 예측 방법

Country Status (1)

Country Link
KR (1) KR101543190B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2630063C1 (ru) * 2016-07-11 2017-09-05 Федеральное государственное бюджетное образовательное учреждение высшего образования "Астраханский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО Астраханский ГМУ Минздрава России) Способ прогнозирования степени тяжести атопического дерматита у детей
WO2018169224A1 (ko) * 2017-03-16 2018-09-20 사회복지법인 삼성생명공익재단 알레르기 질환 환자 맞춤형 환경 통합관리 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문(한국독성학회 심포지움 및 학술발표회, 2014.10.14)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2630063C1 (ru) * 2016-07-11 2017-09-05 Федеральное государственное бюджетное образовательное учреждение высшего образования "Астраханский государственный медицинский университет" Министерства здравоохранения Российской Федерации (ФГБОУ ВО Астраханский ГМУ Минздрава России) Способ прогнозирования степени тяжести атопического дерматита у детей
WO2018169224A1 (ko) * 2017-03-16 2018-09-20 사회복지법인 삼성생명공익재단 알레르기 질환 환자 맞춤형 환경 통합관리 시스템

Similar Documents

Publication Publication Date Title
Nakhapakorn et al. An information value based analysis of physical and climatic factors affecting dengue fever and dengue haemorrhagic fever incidence
Harris et al. The interaction of country of origin, acculturation, and gender role ideology on wife abuse
Chatterji et al. The health of aging populations in China and India
Dupre et al. Disaggregating the effects of marital trajectories on health
Fried et al. What are'good'depression symptoms? Comparing the centrality of DSM and non-DSM symptoms of depression in a network analysis
Chandola et al. Pathways between education and health: a causal modelling approach
Falcoz et al. The Thoracic Surgery Scoring System (Thoracoscore): risk model for in-hospital death in 15,183 patients requiring thoracic surgery
Boyle et al. Place effects for areas defined by administrative boundaries
Vergouwe et al. External validity of risk models: use of benchmark values to disentangle a case-mix effect from incorrect coefficients
Francis et al. Quality or quantity? Exploring the relationship between Public Open Space attributes and mental health in Perth, Western Australia
Rosenquist et al. Social network determinants of depression
Murdock et al. Stress, coping, and differentiation of self: A test of Bowen theory
Varkevisser et al. Do patients choose hospitals with high quality ratings? Empirical evidence from the market for angioplasty in the Netherlands
Alcock et al. Longitudinal effects on mental health of moving to greener and less green urban areas
Borges et al. Risk factors for the incidence and persistence of suicide-related outcomes: a 10-year follow-up study using the National Comorbidity Surveys
McLaughlin et al. Childhood adversities and adult psychopathology in the National Comorbidity Survey Replication (NCS-R) III: associations with functional impairment related to DSM-IV disorders
Kessler et al. Screening for serious mental illness in the general population with the K6 screening scale: results from the WHO World Mental Health (WMH) survey initiative
Collins et al. An independent and external validation of QRISK2 cardiovascular disease risk score: a prospective open cohort study
Elliott et al. A new method for estimating race/ethnicity and associated disparities where administrative records lack self‐reported race/ethnicity
Payne-Sturges et al. National environmental health measures for minority and low-income populations: tracking social disparities in environmental health
Abe-Kim et al. Predictors of help seeking for emotional distress among Chinese Americans: Family matters.
Bolton et al. Parents bereaved by offspring suicide: a population-based longitudinal case-control study
Shetty et al. Changes in US hospitalization and mortality rates following smoking bans
Millett et al. Hospital admissions for childhood asthma after smoke-free legislation in England
Humphreys et al. Physical activity and health outcomes: evidence from Canada

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180820

Year of fee payment: 4