혼합 로지스틱 분포를 이용한 백내장 발생 예측 모형 연구

Abstract

[한글]

백내장은 시력장애를 초래하므로 건강검진 자료를 이용하여 조기진단이 이루어진다면 발생 위험을 크게 줄일 수 있는 질병이다. 본 논문에서는 1994년부터 2005년까지 건강검진센터에서 건강검진을 받은 126,532명 중 S병원에 내원한 결측치를 제외한 4,591명의 검진자를 연구대상으로 백내장 진단을 받은 검진자의 건강검진 자료을 토대로 백내장 발생에 대한 위험인자를 살펴보고 아울러 백내장 발생 예측을 위한 통계학적 모형을 구축하였다. 백내장 발생이 여러 가지 복합적인 위험요인에 의해 발생되는 질병이므로 그 특성에 따라 여러 개의 하위집단으로 이루어져 있다는 가정 하에서 혼합 로지스틱 분포를 이용하였고 기존의 데이터 마이닝 기법인 판별분석과 그 성능을 비교, 분석하였다.본 연구에서는 독립변수의 개수에 따라 집단이 1~2개인 혼합 로지스틱 회귀모형을 적용하였는데, EM 알고리즘을 이용하여 최대우도 추정량을 구하였다. 추정된 모수를 이용하여 집단의 수는 AIC 값으로 결정하였고, 실제 자료에 어느 정도 가깝게 예측하는지를 데비언스 값으로 살펴보았다. 그 결과 하나의 로지스틱 회귀모형 보다는 집단이 두 개인 혼합 로지스틱 회귀모형을 적용했을 때 위험요인의 복합적인 영향에 대해 설명하고 있었고, 실제 백내장 발생에 대한 예측력이 높다는 것을 알 수 있었다. 또한, 선형판별분석과 이차판별분석을 통해 백내장 발생을 예측하여, 혼합로지스틱 회귀모형이 정확도 64.10%, 민감도 21.88% 으로 다른 기법에 비해 예측력이 높음을 확인하였다.

[영문]Cataracts are layers over a person''s eyes that prevent them from seeing properly. However, development of cataracts can be reduced through early diagnosis from screening test. In this study, we predict the development of cataract based on screening data accumulated from 1994 to 2005, and identify risk factor related with cataract. We used logistic mixtures as prediction model and compared the performance of any other methods with ours. AIC was used as the selection criteria of component g and deviance as a measure of the fittabilityWhen fitting mixture models of data, model with two-components had better performance than model with one, that is, the estimated coefficient vectors in two-components model explained the effect of complex risk factors well. The accuracy and sensitivity using logistic mixture were 64.10% and 21.88% and these were higher them those of any other methods. In these results, we found that the logistic mixture model could improve the predictability of the development of cataract.