하이브리드 베이지안 네트워크를 활용한 국내 의료서비스 통합적 인과 추론

Abstract

만성질환은 개인의 생활 습관과 환경적 요인, 사회·경제적 요인 등이 복합적으로 작용하여 발생하는 질환으로 종합적인 관리가 필요하다. 만성질환 관리가 효과적으로 이루어지기 위해서는 건강 행태를 지속적으로 모니터링하며 적절한 의료서비스 이용하는 것이 중요하다. 의료서비스는 의료기관 이용 형태에 따라 입원, 외래, 응급 의료로 분류되며, 이는 서로 다른 형태의 의료서비스이지만, 상호 연관성을 갖고 있으며 서로 간의 협력이 환자 치료 및 예방에 중요한 역할을 하고 있다. 그럼에도 불구하고, 이 세 가지 서비스 간의 상호 영향을 통합적으로 파악한 연구는 없는 실정이다. 이에, 본 연구에서는 한국 의료패널 자료를 사용하여 만성질환을 가진 성인을 대상으로 인구 사회학적 특성, 건강 습관, 의료서비스 종류 변수들을 동시에 고려한 통합적 인과 관계를 파악하고자 한다. 분석 기법으로는 다양한 데이터 유형을 함께 고려하여 복잡한 변수 간의 관계를 효과적으로 파악할 수 있는 하이브리드 베이지안 네트워크 중 Hybrid HPC, Hybrid RSMAX2 알고리즘을 사용하였다. 모형의 정확도를 높이기 위해 설명력이 좋았던 Hybrid HPC 알고리즘을 부트스트랩으로 인과 구조를 여러 번 학습하여 최종 모형을 구축하였다. 최종 모형에서 노드 간의 연결 및 방향 강도를 파악하고, 개입 효과를 분석함으로써 요인 간의 인과 관계를 세밀하게 파악하는 것이 본 연구의 목적이다. ;Chronic diseases are complex conditions that result from a combination of individual factors, requiring comprehensive management. To address this, it is important to continuously monitor symptoms and seek appropriate healthcare services. The healthcare services are classified as inpatient, outpatient, and emergency care, depending on the healthcare facilities usage. Despite their differences, it's noteworthy that these services are interconnected. Coordination among them is important for treating and preventing health issues in patients. However, there is a lack of comprehensive research on causal relationships influencing each of these three services. In this study, the objective is to explore the casual inference of socio-demographic factors, health- related factors, and healthcare services among Korean adults with chronic conditions, using data from the Korean Health Panel. We use the Hybrid Bayesian Network, which effectively captures complex relationships among various types of data, to figure out how factors are connected and their relationships. Through our analysis, we aim to understand the strengths and directions of these connections, look into how interventions can impact the results, and get insights into how factors contribute to effects.