데이터 마이닝을 활용한 조산예측인자탐색

Abstract

Preterm birth is a major adverse health outcome to a neonate. To improve neonate's health, many studies have identified the risk factors of preterm birth. In this study we aimed to explore the risk factors of preterm birth and preterm prediction models by using data mining techniques. We collected data from 1,901 eligible pregnant women from birth cohort of ewha womans university hospital since december 2001. We excluded non-delivered cases or missing data and used 1,819 cases in analyses. Participants were investigated with self-assessed questionnaires regarding demographic and socioeconomic factors, health behaviors, obstetric history and so on. Delivery information was obtained by investigating medical records after delivery. To explore risk factors, data mining techniques such as clustering, decision tree, and logistic regression were performed. Finally preterm prediction models were built using decision tree and logistic regression, then assessed predictive power to find the most accurate model by the receiver operating characteristics(ROC) curve. Statistical analyses were performed by SAS 9.1 and data mining were performed by SAS enterprise miner 4.1(SAS Inc.). The prevalence rate of preterm birth was 8.36%. In clustering analysis within preterm cluster, paternal education, prior vaginal bleeding, premature rupture of membrane(PROM), placenta previa and preeclampsia, and a history of hypertension and anemia were the common factors for preterm groups, with importance equal to zero. The decision tree analysis revealed that prior and current preeclampsia, current placenta previa, and paternal education were the strongly related factors for preterm birth. The regression logistic analysis exhibited that current placenta previa, history of hypertension, and prior preterm birth history were important factors for preterm birth. After assessing the prediction models, the decision tree showed higher predictive value than the regression model by the ROC curve. These results demonstrate that data mining could be an available and efficient screen for preterm risk group who need to take intensive care during pregnancy. Therefore this study suggest that we need to set well-defined preterm prediction model to improve neonatal health.;조산은 임신 37주 미만의 출산으로 신생아 사망률의 중요한 원인이 되며 공중보건학적으로 매우 중요한 의미를 가진다. 따라서 조산의 예방은 출생이후 아동의 건강한 삶의 질의 측면에서 매우 중요하며 중재에 앞서 조산을 일으키는 위험인자를 명확히 밝히는 과정이 선행되어야 한다. 본 연구에서는 조산의 위험인자를 찾고 데이터 마이닝 기법을 이용하여 조산예측모형을 탐색하고자 하였다. 본 연구는 이화여자대학교 병원 산부인과를 내원한 산모 1,819명의 자료를 이용하여 인구학적 특성, 사회경제적 상태, 산과기왕력 및 질병력에 대한 자가기입식 설문조사와 분만 후 훈련된 간호사를 통하여 분만정보를 조사하였다. 분석은 클러스터링, 의사결정나무, 로지스틸 회귀모형의 데이터마이닝기법을 이용하여 조산관련인자를 탐색하였고, 이중 의사결정나무와 로지스틱 회귀분석기법을 이용하여 조산예측모형을 생성하였으며 예측력을 평가하여 최적의 조산예측모형을 선정하였다. 분석결과 배우자의 교육수준, 임신중독증, 전치태반, 임신 6개월 이내 질 출혈의 산과 기왕력 및 고혈압과 빈혈의 질병력이 조산발생과의 관련성을 나타냈다. 최종 조산예측모형으로는 반응자작용특성(ROC)곡선하면적이 가장 넓은 의사결정나무분석모형이 선정되었다. 본 연구는 조산인자의 탐색 및 선별과 데이터 마이닝을 활용한 조산예측모형을 제안하였다. 앞으로 데이터마이닝 등 근거중심의 지식탐사방법을 활용하여 조산 위험군을 사전에 찾아내고 적극적으로 관리함으로써 주산기 산모와 태아의 건강을 증진시키고자 한다.