KR101796620B1 - 골절 위험 예측 장치 및 방법 - Google Patents

골절 위험 예측 장치 및 방법 Download PDF

Info

Publication number
KR101796620B1
KR101796620B1 KR1020160136723A KR20160136723A KR101796620B1 KR 101796620 B1 KR101796620 B1 KR 101796620B1 KR 1020160136723 A KR1020160136723 A KR 1020160136723A KR 20160136723 A KR20160136723 A KR 20160136723A KR 101796620 B1 KR101796620 B1 KR 101796620B1
Authority
KR
South Korea
Prior art keywords
fracture
fracture risk
variable
risk
assigned
Prior art date
Application number
KR1020160136723A
Other languages
English (en)
Inventor
하용찬
장선미
김하영
장은진
Original Assignee
중앙대학교 산학협력단
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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020160136723A priority Critical patent/KR101796620B1/ko
Application granted granted Critical
Publication of KR101796620B1 publication Critical patent/KR101796620B1/ko

Links

Images

Classifications

    • G06F19/3431—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H04W4/008—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Marketing (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명은 골절 위험 예측 장치 및 방법에 관한 것으로서, 구체적으로는 골절의 위험인자에 따라 골절 발생 확률을 측정함으로써 골다공증성 골절을 예측하는 골절 위험 예측 장치 및 방법에 관한 것이다.

Description

골절 위험 예측 장치 및 방법{APPARATUS AND METHOD FOR FRACTURE RISK PREDICTION}
본 발명은 골절 위험 예측 장치 및 방법에 관한 것으로서, 구체적으로는 골다공증과 골절의 위험인자에 따라 골절 발생 확률을 측정함으로써 골절 위험을 예측하는 장치 및 방법에 관한 것이다.
골다공증은 뼈의 양이 감소하고 뼈의 강도가 약해져서 골절이 쉽게 발생하는 전신적 골질환으로 정의된다.
이러한 골질환이 노년기에 발생하면 삶의 질이 크게 저하되고 가계의 비용 부담이 증가하기 때문에 골다공증 골절을 예방하기 위해서는 골다공증을 제대로 치료해야 한다. 그러나 골다공증은 골절이 발생할 때까지 별다른 증상이 없기 때문에 의료이용자체가 제대로 이루어지지 않고 있다.
골다공증 골절로 인한 질병부담을 줄이기 위해서는 골절의 고위험군을 선별해서 조기에 치료하는 것이 가장 중요하다. 현재 골다공증의 진단 기준으로 이용되는 낮은 골량은 골절 발생의 주요한 예측 인자로 널리 사용되고 있으나, 골밀도 만으로는 특이도가 낮아 치료가 필요한 환자들을 놓칠 수 있다.
국민건강 영양조사에서 설문조사를 통해 간접적으로 파악한 결과를 보면 골다공증 유병자중에서 골다공증을 인지하고 있는 사람은 22.4%에 불과했으며, 현재 골다공증 치료를 받고 있다고 응답한 사람도 11.1%에 지나지 않고 있다.
또한, 골다공증성 골절부위의 골절을 치료하는 의사도 환자의 골다공증을 의심하여 골밀도 검사를 진행하는 경우가 12-24% 불과하여, 의사의 골다공증에 대한 의식도 역시 높지 않다.
본 발명의 배경기술은 대한민국 등록특허 제10-0459493호(2004년 11월 22일 등록)에 개시되어 있다.
본 발명은 골다공증과 골절의 위험인자에 따라 골절 발생 확률을 측정함으로써 골절 위험을 예측하는 장치 및 방법을 제공한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
본 발명의 일 측면에 따르면, 골절 위험 예측 장치가 제공된다.
본 발명의 일 실시 예에 따른 골절 위험 예측 장치는 골절 위험 관련 질의에 응답하여 골절 위험 인자값을 입력받는 골절 위험 인자 입력부, 입력된 골절 위험 인자값을 골절 예측 모델에 대입하여 골절 발생 확률을 측정하는 골절 발생 확률 측정부, 측정된 결과를 기반으로 골절 위험을 예측하는 골절 위험 예측부를 포함하는 골절 위험 예측 장치를 포함할 수 있다.
본 발명의 다른 측면에 따르면, 골절 위험 예측 방법이 제공된다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법은 골절 위험 관련 질의에 응답하여 골절 위험 인자값을 입력받는 단계; 입력된 골절 위험 인자값을 골절 위험 모델에 대입하여 골절 발생 확률을 측정하는 단계; 측정된 골절 발생 확률을 기반으로 골절 위험을 예측하는 단계를 포함할 수 있다.
본 발명은 골절의 위험인자에 따라 골절 발생 확률을 측정함으로써 골절위험을 예측하는 장치 및 방법을 제공할 수 있다.
본 발명은 골절 발생 위험을 예측함으로써 적합한 진단 및 치료기준을 설정할 수 있다.
본 발명은 골절 유경험자 및 이차성 골다공증 위험요인을 가진 환자의 재발 골절 발생 위험을 상당부분 낮출 수 있다.
도 1은 본 발명의 일 실시 예에 따른 골절 예측을 위한 네트워크 시스템 구성을 도시한 도면.
도 2는 본 발명의 일 실시 예에 따른 골절 위험 예측 장치의 예를 나타내는 도면.
도 3 내지 도 8은 본 발명의 일 실시 예에 따른 골절 위험 예측 방법을 설명하기 위한 도면들.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명하도록 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 또한, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이하, 첨부된 도면을 참고하여 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시 예에 따른 골절 예측을 위한 네트워크 시스템 구성을 도시한 도면이다.
골절 예측을 위한 네트워크 시스템은, 단말기(10), 골절 위험 예측 장치(20), 데이터베이스를(30)를 포함한다.
단말기(10)는 PDA, 핸드폰 등의 모바일 기기, 터치 스크린 또는 키 패드를 구비한 컴퓨터 기록 장치 및 스캔, OMR 장치 중 어느 하나를 포함하고, 적외선 통신(IrDA: Infrared Data Association) 모듈, 블루투스(Bluetooth) 모듈 및 초광대역 통신(UWB: Ultra Wide Band) 모듈 중에서 어느 하나의 모듈을 탑재하여 통신망(네트워크)을 통하여 골절 위험 예측 장치(20)에 연결될 수 있다. 사용자는 인터넷에 접속하여 웹사이트 상에서 골절 위험 인자값을 입력할 수 있다.
골절 위험 예측 장치(20)는 입력된 골절 인자값을 골절 예측 모델에 대입하여 골절 발생 확률값을 측정할 수 있고, 측정된 결과에 따라 골절 위험을 예측한다.
데이터베이스(30) 는 사용자가 입력한 골절 위험 인자와, 골절 발생 위험을 확률적으로 예측하는 골절 예측 모델 및 예측 결과를 저장한다.
도 2는 본 발명의 일 실시 예에 따른 골절 위험 예측 장치의 예를 나타내는 도면이다.
골절 위험 예측 장치(20)는 골절위험인자 입력부(21), 골절발생확률 측정부(22), 골절위험 예측부(23)를 포함한다. 이하, 각 구성 요소별로 그 기능을 상술하기로 한다.
골절위험인자 입력부(21)는 사용자로부터 적어도 하나 이상의 골절 위험 인자값을 입력받는다. 여기서 골절 위험 인자값은 사용자의 성별, 체중, 나이, 신장, 취약성 골절의 과거력, 현재흡연, 음주, 운동, 경구 글루코코르티코이드 사용, 류마티스 관절염, 이차성 골다공증 중 적어도 하나를 포함하는 골절 위험 인자값을 입력 받을 수 있다.
골절발생확률 측정부(22)는 입력받은 골절 위험 인자값을 골절 예측 모델의 변수 값으로 대입하여 골절 발생 확률을 측정한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 장치(20)는 수학식 1 내지 수학식 3을 이용하여 골절 발생 확률을 측정할 수 있다. 이때, 입력받은 골절 위험 인자값의 성별이 남성일 경우는 수학식 2를 수학식 1에 적용하고, 입력받은 골절 위험 인자값의 성별이 여성일 경우는 수학식 3을 수학식 1에 적용하여 골절 발생 확률을 측정할 수 있다.
Figure 112016102124977-pat00001
수학식 1에서,
Figure 112016102124977-pat00002
이고,
Figure 112016102124977-pat00003
는 회귀계수,
Figure 112016102124977-pat00004
는 k 개의 위험 요인,
Figure 112016102124977-pat00005
는 각 위험요인의 평균값,
Figure 112016102124977-pat00006
는 누적 분포 기저 위험, t는 시간을 나타낸다.
Figure 112016102124977-pat00007
Figure 112016102124977-pat00008
골절발생확률 측정부(22)는 입력받은 골절 위험 인자값 중 취약성 골절의 과거력, 현재흡연, 음주, 운동, 경구 글루코코르티코이드 사용, 류마티스 관절염, 이차성 골다공증이 존재하면, 골절 예측 모델의 해당 변수 값에 1을 대입하고, 존재하지 않으면 0을 대입한다.
골절위험 예측부(23)는 측정된 확률을 기반으로 골절 위험 예측 결과를 생성하고, 생성된 골절 위험 예측 결과는 데이터베이스(30)에 저장 후, 사용자의 단말기(10)로 출력한다.
도 3 내지 도 8은 본 발명의 일 실시 예에 따른 골절 위험 예측 방법을 설명하기 위한 도면들이다.
본 발명에 따른 골절 위험 예측 방법(30)은 사용자로부터 골절 위험 인자값을 입력받는 단계(S31), 입력된 골절 위험 인자값을 기반으로 골절 발생 확률을 측정하는 단계(S32), 측정된 확률을 기반으로 골절 위험을 예측하는 단계(S33)를 포함한다.
단계 S31에서 골절 위험 예측 방법(30)은 사용자로부터 적어도 하나 이상의 골절 위험 인자값을 입력받는다.
도 4를 참조하면, 본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자의 성별, 체중, 나이, 신장, 취약성 골절의 과거력, 현재흡연, 음주, 운동, 경구 글루코코르티코이드 사용, 류마티스 관절염, 이차성 골다공증 중 적어도 하나를 포함하는 골절 위험 인자값을 입력받을 수 있다. 입력받은 골절 위험 인자값은 골절 예측 모델의 예측 변수값으로 사용한다.
단계 S32에서 골절 위험 예측 방법(30)은 단계 S31에서 입력받은 적어도 하나 이상의 골절 위험 인자값을 골절 위험 모델에 대입하여 골절 발생 확률값을 측정한다. 이때, 골절 위험 모델은 수학식 1과 같이 누적 발생률 함수를 이용한다.
도 5를 참조하면, 본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 골절 예측 모델의 위험요인을 건강보험, 청구자료 및 일반건강검진자료 중 적어도 하나를 참조하여 정의하고, 골절 예측 모델의 위험 요인의 값을 산출할 수 있다.
본 발명의 실시 예에 따른 골절 위험 예측 방법(30)은 골절 예측 모델의 위험요인 중 신체질량지수(BMI: Body Mass Index), 흡연, 음주, 운동은 일반건강검진자료를 이용하여 정의하고, 취약성 골절의 과거력은 건강보험 청구자료를 참조하여 검진일 이전 2년 동안 척추, 위팔뼈, 손목, 고관절, 쇄골, 발목의 골절 발생 과거력이 있는 경우로 정의할 수 있으며, 경구 글루코코르티코이드 사용은 건강보험 청구자료를 참조하여 검진일 이전 1년 동안 90일 이상 사용한 경우로 정의하고, 류머티스성 관절염은 건강보험 청구자료를 참조하여 검진일 이전 1년 동안 류마티스 관절염 진단명으로 외래 2번 이상 또는 입원 1번 이상 의료이용을 한 경우로 정의할 수 있다. 이차성 골다공증은 약물과 질환에 의해 정의할 수 있으며, 건강보험 청구자료를 참조하여, 약제의 경우는 검진일 이전 1년 동안 90일 이상 사용한 경우, 질환의 경우는 검진일 이전 1년 동안 해당 상병으로 외래 2번 이상 또는 입원 1번 이상 의료이용을 한 경우로 정의할 수 있다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)에서 골절 위험 모델은 성별에 따라 수학식 2 내지 3과 같이 정의한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자의 성별을 입력받아 남성일 경우는 수학식 2를 사용하고, 여성일 경우는 수학식 3을 사용하여 골절 발생 확률을 측정한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자의 연령을 입력받아 연령이 50-59세일 경우는 수학식 2 내지 수학식 3의 연령 60대, 연령 70대, 연령 80대 변수 각각에 0, 0, 0을 대입하고, 60-69세일 경우는 1, 0, 0을 대입하고, 70-79세일 경우는 0, 1, 0을 대입하고, 80-90세일 경우는 0, 0, 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자의 체중 및 신장을 입력받아 신체질량지수를 산출하여, 신체질량지수가 18.5 미만일 경우, 수학식 2 내지 수학식 3의 저체중, 과체중, 비만 변수 각각에 1, 0, 0을 대입하고, 신체질량지수가 18.5 내지 22.9이면 0, 0, 0을 대입하고, 신체질량지수가 23 내지 24.9이면 0, 1, 0을 대입하고, 신체질량지수가 25 이상이면 0, 0, 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자가 검진일 이전 2년 동안 취약성 골절(척추, 위팔뼈, 손목, 고관절, 쇄골, 발목) 과거력이 있는 경우, 수학식 2 내지 수학식 3의 취약성 골절 과거력 변수에 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자가 현재흡연 중 일 경우, 수학식 2 내지 수학식 3의 현재흡연 변수에 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자가 남성일 경우에 하루 5단위 이상 음주 또는 여성일 경우에 하루 3단위 이상 음주를 할 때, 수학식 2 내지 수학식 3의 음주 변수에 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자가 주 1회 이상 운동을 할 경우, 수학식 2 내지 수학식 3의 운동 변수에 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자가 검진일 이전 1년 동안 90일 이상 경구 글루코코르티코이드를 사용한 경우, 수학식 2 내지 수학식 3의 경구글루코코르티코이드 변수에 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자가 검진일 이전 1년 동안 류머티스성 관절염 진단명으로 외래 2번, 입원 1번 의료 이용을 하였으면, 수학식 2 내지 수학식 3의 류마티스 관절염 변수에 1을 대입한다.
본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 사용자가 검진일 이전 1년 동안 90일 이상 동안 항전간제, 항응고제, 과량의 갑상선 호르몬제, 아로마타제 억제제를 복용하거나, 고프로락틴혈증, 뇌화수체저하증, 조기난소부전증, Tumer's & Klinefelter's syndrome, 쿠싱증후군, 부갑성선기능항진증, 갑상선기능항진증, 말기신부전증, 만성폐쇄성 폐질환, 위장 우회술, 염증성 장질환, 다발성 골수종, 특발성 고칼슘뇨증의 질환으로 검진일 이전 1년 동안 외래 2번 이상 또는 입원 1번 이상 의료이용을 하였으면, 수학식 2 내지 수학식 3의 이차성 골다공증 변수에 1을 대입한다.
도 6 내지 7을 참조하면, 본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 골절 예측 모델을 이용하여, 각 단일 위험 요인에 따른 연령별 골절 발생 확률을 측정할 수 있다.
단계 S33에서 골절 위험 예측 방법(30)은 단계 S32에서 측정된 골절 발생 확률로부터 골절 위험을 예측한다.
도 8 참조하면, 본 발명의 일 실시 예에 따른 골절 위험 예측 방법(30)은 측정한 골절 발생 확률을 기반으로 골절 위험을 예측한다. 이때, 골절 예측 요인별 골절 위험을 최소위험, 저위험, 중위험, 고위험, 매우위험도로 도시화 할 수 있다.
또한, 일 실시 예에 따른 골다공증성 골절 위험 예측 방법(30)은 개별 위험인자들의 골절 위험 가중치를 파악함으로써 사용자별 골절 발생 위험과 건강 행태 개선 목표치를 설정할 수 있다.
본 발명의 다양한 실시 예에 따른 골절 위험 예측 방법은 다양한 서버 등의 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현될 수 있다. 또한, 본 발명에 따른 골절 위험 예측 방법을 실행하는 프로그램 및 애플리케이션은 컴퓨터 수단에 설치되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
이제까지 본 발명에 대하여 그 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10: 단말기
20: 골절 위험 예측 장치
30: 데이터베이스

Claims (5)

  1. 삭제
  2. 삭제
  3. 골절 위험 예측 장치에 있어서,
    골절 위험 관련 질의에 응답하여 골절 위험 인자값을 입력받는 골절 위험 인자 입력부;
    입력된 골절 위험 인자값을 골절 예측 모델에 대입하여 골절 발생 확률을 측 정하는 골절 발생 확률 측정부; 및
    측정된 결과를 기반으로 골절 위험을 예측하는 골절 위험 예측부를 포함하되,
    상기 입력된 골절 위험 인자 값 중 성별이 남성이면, 남성 골절 예측 모델인 수학식 1을 사용하여 골절 위험 발생 확률을 측정하되,
    Figure 112017080005689-pat00033

    상기
    Figure 112017080005689-pat00034
    는 골절 위험 발생 확률을 의미하고, 상기
    Figure 112017080005689-pat00035
    는 누적 분포 기저 위험이며, 상기 t는 예측 시간을 의미하고, 상기
    Figure 112017080005689-pat00036
    는 회귀계수이며, 상기
    Figure 112017080005689-pat00037
    는 k 개의 위험 요인이고, 상기
    Figure 112017080005689-pat00038
    는 각 위험 요인의 평균값을 의미하며,
    상기 연령 60대 변수는 입력된 골절 위험 인자값 중 연령이 60-69세이면 1이 대입되고, 상기 연령 70대 변수는 입력된 골절 위험 인자값 중 연령이 70-79세이면 1이 대입되고, 상기 연령 80대 변수는 입력된 골절 위험 인자값 중 연령이 80-90세이면 1이 대입되고,
    상기 저체중, 상기 과체중, 상기 비만은 입력받은 골절 위험 인자값 중 체중 및 신장으로부터 신체질량지수를 산출하여, 신체질량지수가 18.5 미만이면 상기 저체중 변수에 1이 대입되고, 신체질량지수가 23 내지 24.9이면 상기 과체중 변수에 1이 대입되고, 신체질량지수가 25 이상이면 상기 비만 변수에 1이 대입되며,
    상기 취약성 골절 과거력 변수는 사용자가 검진일 이전 2년 동안 취약성 골절(척추, 위팔뼈, 손목, 고관절, 쇄골, 발목) 과거력이 있는 경우에 1이 대입되고,
    상기 현재 흡연 변수는 사용자가 현재흡연 중 일 경우에 1이 대입되고,
    상기 음주 변수는 하루 5단위 음주(남성) 또는 하루 3단위 음주(여성)의 경우에 1이 대입되고,
    상기 운동 변수는 사용자가 주 1회 운동을 할 경우에 1이 대입되고,
    상기 경구 글루코코르티코이드 변수는 사용자가 검진일 이전 1년 동안 90일 이상 상기 경구글루코코르티코이드를 사용한 경우에 1이 대입되고,
    상기 류머티스성 관절염 변수는 사용자가 검진일 이전 1년 동안 류머티스성 관절염 진단명으로 외래 2번, 입원 1번 의료 이용을 하였으면 1이 대입되고,
    상기 이차성 골다공증 변수는 사용자가 항전간제, 항응고제, 과량의 갑상선 호르몬제, 아로마타제 억제제를 복용하거나, 고프로락틴혈증, 뇌화수체저하증, 조기난소부전증, Tumer's & Klinefelter's syndrome, 쿠싱증후군, 부갑성선기능항진증, 갑상선기능항진증, 말기신부전증, 만성폐쇄성 폐질환, 위장 우회술, 염증성 장질환, 다발성 골수종 특발성 고칼슘뇨증 중 적어도 하나의 질환이 있을 경우에 1이 대입되는 골절 위험 예측 장치.
  4. 골절 위험 예측 장치에 있어서,
    골절 위험 관련 질의에 응답하여 골절 위험 인자값을 입력받는 골절 위험 인자 입력부;
    입력된 골절 위험 인자값을 골절 예측 모델에 대입하여 골절 발생 확률을 측 정하는 골절 발생 확률 측정부; 및
    측정된 결과를 기반으로 골절 위험을 예측하는 골절 위험 예측부를 포함하되,
    상기 입력된 골절 위험 인자값의 성별이 여성이면, 여성 골절 예측 모델인 수학식 2를 사용하여 골절 위험 발생 확률을 측정하되,
    Figure 112017080005689-pat00039

    상기
    Figure 112017080005689-pat00040
    는 골절 위험 발생 확률을 의미하고, 상기
    Figure 112017080005689-pat00041
    는 누적 분포 기저 위험이며, 상기 t는 예측 시간을 의미하고, 상기
    Figure 112017080005689-pat00042
    는 회귀계수이며, 상기
    Figure 112017080005689-pat00043
    는 k 개의 위험 요인이고, 상기
    Figure 112017080005689-pat00044
    는 각 위험 요인의 평균값을 의미하며,
    상기 연령 60대 변수는 입력된 골절 위험 인자값 중 연령이 60-69세이면 1이 대입되고, 상기 연령 70대 변수는 입력된 골절 위험 인자값 중 연령이 70-79세이면 1이 대입되고, 상기 연령 80대 변수는 입력된 골절 위험 인자값 중 연령이 80-90세이면 1이 대입되고,
    상기 저체중, 상기 과체중, 상기 비만은 입력받은 골절 위험 인자값 중 체중 및 신장으로부터 신체질량지수를 산출하여, 신체질량지수가 18.5 미만이면 상기 저체중 변수에 1이 대입되고, 신체질량지수가 23 내지 24.9이면 상기 과체중 변수에 1이 대입되고, 신체질량지수가 25 이상이면 상기 비만 변수에 1이 대입되며,
    상기 취약성 골절 과거력 변수는 사용자가 검진일 이전 2년 동안 취약성 골절(척추, 위팔뼈, 손목, 고관절, 쇄골, 발목) 과거력이 있는 경우에 1이 대입되고,
    상기 현재 흡연 변수는 사용자가 현재흡연 중 일 경우에 1이 대입되고,
    상기 음주 변수는 하루 5단위 음주(남성) 또는 하루 3단위 음주(여성)의 경우에 1이 대입되고,
    상기 운동 변수는 사용자가 주 1회 운동을 할 경우에 1이 대입되고,
    상기 경구 글루코코르티코이드 변수는 사용자가 검진일 이전 1년 동안 90일 이상 상기 경구글루코코르티코이드를 사용한 경우에 1이 대입되고,
    상기 류머티스성 관절염 변수는 사용자가 검진일 이전 1년 동안 류머티스성 관절염 진단명으로 외래 2번, 입원 1번 의료 이용을 하였으면 1이 대입되고,
    상기 이차성 골다공증 변수는 사용자가 항전간제, 항응고제, 과량의 갑상선 호르몬제, 아로마타제 억제제를 복용하거나, 고프로락틴혈증, 뇌화수체저하증, 조기난소부전증, Tumer's & Klinefelter's syndrome, 쿠싱증후군, 부갑성선기능항진증, 갑상선기능항진증, 말기신부전증, 만성폐쇄성 폐질환, 위장 우회술, 염증성 장질환, 다발성 골수종, 특발성 고칼슘뇨증 중 적어도 하나의 질환이 있을 경우에 1이 대입되는 골절 위험 예측 장치.
  5. 골절 위험 예측 방법에 있어서,
    골절 위험 관련 질의에 응답하여 골절 위험 인자값을 입력받는 단계;
    입력된 골절 위험 인자값을 골절 위험 모델에 대입하여 골절 발생 확률을 측정하는 단계; 및
    측정된 골절 발생 확률을 기반으로 골절 위험을 예측하는 단계를 포함하되,
    상기 입력된 골절 위험 인자 값 중 성별이 남성이면, 남성 골절 예측 모델인 수학식 1을 사용하여 골절 위험 발생 확률을 측정하고,
    Figure 112017080005689-pat00045

    상기 입력된 골절 위험 인자값의 성별이 여성이면, 여성 골절 예측 모델인 수학식 2를 사용하여 골절 위험 발생 확률을 측정하되,
    Figure 112017080005689-pat00046

    상기
    Figure 112017080005689-pat00047
    는 골절 위험 발생 확률을 의미하고, 상기
    Figure 112017080005689-pat00048
    는 누적 분포 기저 위험이며, 상기 t는 예측 시간을 의미하고, 상기
    Figure 112017080005689-pat00049
    는 회귀계수이며, 상기
    Figure 112017080005689-pat00050
    는 k 개의 위험 요인이고, 상기
    Figure 112017080005689-pat00051
    는 각 위험 요인의 평균값을 의미하며,
    상기 연령 60대 변수는 입력된 골절 위험 인자값 중 연령이 60-69세이면 1이 대입되고, 상기 연령 70대 변수는 입력된 골절 위험 인자값 중 연령이 70-79세이면 1이 대입되고, 상기 연령 80대 변수는 입력된 골절 위험 인자값 중 연령이 80-90세 이면 1이 대입되고,
    상기 저체중, 상기 과체중, 상기 비만은 입력받은 골절 위험 인자값 중 체중 및 신장으로부터 신체질량지수를 산출하여, 신체질량지수가 18.5 미만이면 상기 저 체중 변수에 1이 대입되고, 신체질량지수가 23 내지 24.9이면 상기 과체중 변수에 1이 대입되고, 신체질량지수가 25 이상이면 상기 비만 변수에 1이 대입되며,
    상기 취약성 골절 과거력 변수는 사용자가 검진일 이전 2년 동안 취약성 골절(척추, 위팔뼈, 손목, 고관절, 쇄골, 발목) 과거력이 있는 경우에 1이 대입되고,
    상기 현재 흡연 변수는 사용자가 현재흡연 중 일 경우에 1이 대입되고, 상기 음주 변수는 하루 5단위 음주(남성) 또는 하루 3단위 음주(여성)의 경우에 1이 대입되고,
    상기 운동 변수는 사용자가 주 1회 운동을 할 경우에 1이 대입되고, 상기 경구 글루코코르티코이드 변수는 사용자가 검진일 이전 1년 동안 90일이상 상기 경구 글루코코르티코이드를 사용한 경우에 1이 대입되고,
    상기 류머티스성 관절염 변수는 사용자가 검진일 이전 1년 동안 류머티스성 관절염 진단명으로 외래 2번, 입원 1번 의료 이용을 하였으면 1이 대입되고,
    상기 이차성 골다공증 변수는 사용자가 항전간제, 항응고제, 과량의 갑상선 호르몬제, 아로마타제 억제제를 복용하거나, 고프로락틴혈증, 뇌화수체저하증, 조 기난소부전증, Tumer's & Klinefelter's syndrome, 쿠싱증후군, 부갑성선기능항진 증, 갑상선기능항진증, 말기신부전증, 만성폐쇄성 폐질환, 위장 우회술, 염증성 장 질환, 다발성 골수종, 특발성 고칼슘뇨증 중 적어도 하나의 질환이 있을 경우에 1 이 대입되는 골절 위험 예측 방법.
KR1020160136723A 2016-10-20 2016-10-20 골절 위험 예측 장치 및 방법 KR101796620B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160136723A KR101796620B1 (ko) 2016-10-20 2016-10-20 골절 위험 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160136723A KR101796620B1 (ko) 2016-10-20 2016-10-20 골절 위험 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101796620B1 true KR101796620B1 (ko) 2017-11-13

Family

ID=60386144

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160136723A KR101796620B1 (ko) 2016-10-20 2016-10-20 골절 위험 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101796620B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210051893A (ko) * 2019-10-31 2021-05-10 한국생산기술연구원 비균질 인공뼈 시편 제조방법 및 비균질성을 갖는 뼈의 골다공증 예측 방법
CN113450901A (zh) * 2020-05-28 2021-09-28 孙羽 呼吸支持系统的控制方法、装置、呼吸支持系统
CN115331825A (zh) * 2022-07-26 2022-11-11 上海交通大学医学院附属新华医院 一种基于大数据多层次特征挖掘的骨折风险预测模型
KR20230081843A (ko) 2021-11-30 2023-06-08 (주)인실리코젠 골다공증 위험도 예측 시스템
WO2023173294A1 (zh) * 2022-03-15 2023-09-21 生物岛实验室 模型训练方法、装置、设备、存储介质及程序产品
CN116796818A (zh) * 2022-03-15 2023-09-22 生物岛实验室 模型训练方法、装置、设备、存储介质及程序产品

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210051893A (ko) * 2019-10-31 2021-05-10 한국생산기술연구원 비균질 인공뼈 시편 제조방법 및 비균질성을 갖는 뼈의 골다공증 예측 방법
KR102323516B1 (ko) * 2019-10-31 2021-11-09 한국생산기술연구원 비균질 인공뼈 시편 제조방법 및 비균질성을 갖는 뼈의 골다공증 예측 방법
CN113450901A (zh) * 2020-05-28 2021-09-28 孙羽 呼吸支持系统的控制方法、装置、呼吸支持系统
KR20230081843A (ko) 2021-11-30 2023-06-08 (주)인실리코젠 골다공증 위험도 예측 시스템
WO2023173294A1 (zh) * 2022-03-15 2023-09-21 生物岛实验室 模型训练方法、装置、设备、存储介质及程序产品
CN116796818A (zh) * 2022-03-15 2023-09-22 生物岛实验室 模型训练方法、装置、设备、存储介质及程序产品
CN116796818B (zh) * 2022-03-15 2024-05-10 生物岛实验室 模型训练方法、装置、设备、存储介质及程序产品
CN115331825A (zh) * 2022-07-26 2022-11-11 上海交通大学医学院附属新华医院 一种基于大数据多层次特征挖掘的骨折风险预测模型

Similar Documents

Publication Publication Date Title
KR101796620B1 (ko) 골절 위험 예측 장치 및 방법
Kantor et al. Using the NSQIP pancreatic demonstration project to derive a modified fistula risk score for preoperative risk stratification in patients undergoing pancreaticoduodenectomy
Arya et al. Preoperative frailty increases risk of nonhome discharge after elective vascular surgery in home-dwelling patients
Werhahn et al. Designing meaningful outcome parameters using mobile technology: a new mobile application for telemonitoring of patients with heart failure
Polzer et al. Biomechanical rupture risk assessment of abdominal aortic aneurysms based on a novel probabilistic rupture risk index
Bolognesi et al. Simultaneous vs staged bilateral total knee arthroplasty among Medicare beneficiaries, 2000–2009
Chew et al. Incidence of venous thromboembolism and its effect on survival among patients with common cancers
Pfefferle et al. Risk factors for manipulation after total knee arthroplasty: a pooled electronic health record database study
Kahn et al. Both sarcopenia and frailty determine suitability of patients for liver transplantation—a systematic review and meta‐analysis of the literature
Pakzad et al. Factors associated with longer length of hospital stay after primary elective ankle surgery for end-stage ankle arthritis
Bishop et al. Heart rate variability as a predictor of hypotension following spinal for elective caesarean section: a prospective observational study
Bateman et al. Correlation of the caprini score and venous thromboembolism incidence following primary total joint arthroplasty—results of a single-institution protocol
Ruiz-Hurtado et al. Association between high and very high albuminuria and nighttime blood pressure: influence of diabetes and chronic kidney disease
Iconaru et al. Does the prediction accuracy of osteoporotic fractures by BMD and clinical risk factors vary with fracture site?
Ravindran et al. A modified Sharp score demonstrates disease progression in established psoriatic arthritis
Richter et al. Orthopedic surgery among patients with rheumatoid arthritis: a population‐based study to identify risk factors, sex differences, and time trends
Kapral et al. Remission by composite scores in rheumatoid arthritis: are ankles and feet important?
US20070248986A1 (en) Systems and methods for predicting an individual's risk of developing rheumatoid arthritis
Akkoc et al. Psoas Muscle Area Measured with Computed Tomography at Admission to Intensive Care Unit: Prediction of In‐Hospital Mortality in Patients with Pulmonary Embolism
McNally et al. Diagnostic accuracy of a clinical prediction rule (CPR) for identifying patients with recent-onset undifferentiated arthritis who are at a high risk of developing rheumatoid arthritis: a systematic review and meta-analysis
Anchouche et al. Use of actigraphy (wearable digital sensors to monitor activity) in heart failure randomized clinical trials: a scoping review
Braun et al. Prognostic models in adults undergoing physical therapy for rotator cuff disorders: systematic review
Burnett et al. Characteristics and risk factors for 90-day readmission following shoulder arthroplasty
Bohl et al. Validated risk-stratification system for prediction of early adverse events following open reduction and internal fixation of closed ankle fractures
Ito Cost-effectiveness of screening for osteoporosis in older men with a history of falls

Legal Events

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