데이터 마이닝 기반의 간호진단, 간호평가 모형을 적용한 간호과정 임상의사결정지원시스템 설계 = Design for clinical decision support system in nursing process applied data mining based nursing diagnosis and nursing evaluation model
저자
발행사항
서울: 연세대학교, 2006
학위논문사항
학위논문(박사) -- 연세대학교 대학원 간호학과 2006
발행연도
2006
작성언어
한국어
주제어
KDC
512.8 판사항(4)
DDC
610.73 판사항(21)
발행국(도시)
서울
형태사항
vii, 173 p.: 삽화; 26 cm
일반주기명
권말부로으로 "문헌고찰을 통해 도출된 내·외과 환자 관련 간호진단 40개", "내·외과 환자 관련 간호문제 선정을 위한 설문조사 도구", "10개 간호문제에 따른 간호과정 단계별 지식 수집을 위한 설문조사 도구" 수록
참고문헌: p. 124-130
소장기관
본 연구의 목적은 내․외과 환자와 관련된 10개의 간호문제에 따르는 간호과정 단계별 지식을 정의하고, 데이터 마이닝 기법을 기반으로 간호진단 및 간호평가 규칙과 모형을 개발하고, 간호과정 임상의사결정지원시스템을 설계하는 것이다.$$a$$a간호과정 지식정의 과정에서 내․외과 환자와 관련되어 선정된 10개의 간호문제는 가스교환장애, 감염의 위험, 비효율적 기도청결, 비효율적 호흡양상, 영양불균형: 신체요구량 보다 적음, 비효과적 조직관류, 체액부족, 급성 통증, 변비, 설사 등이었다.$$a$$a선정된 10개의 간호문제에 따른 간호과정 단계별 지식은 87개 객관적 징후, 20개 주관적 증상, 118개 관련요인이 선정되었고, 13개 간호목표, 33개 간호중재, 451개 간호활동, 172개 간호결과지표가 선정되었다.$$a$$a간호과정 단계별 지식 수집은 2005년 3월 30일부터 5월 10일까지 기간 동안 서울 및 경기도 지역에 위치한 17개 종합병원에서 내․외과 병동 및 중환자실에서 근무하는 임상 경력 1년 이상의 간호사를 대상으로 설문조사 방법으로 실시하였다. 지식표현 단계에서는 463부의 설문지로부터 수집된 임상 간호사의 간호과정 단계별 지식을 데이터 마이닝의 세 가지 기법(신경망 분석, 의사결정나무분석, 로지스틱 회귀분석)을 활용하여 분석하여 간호진단 및 간호평가의 규칙과 모형을 도출하였다.$$a$$a습득된 간호과정 지식을 적용한 간호과정 임상의사결정지원시스템은 다음과 같이 구성되었다. 지식베이스에는 간호진단 및 간호평가 모형과 규칙이 포함되었고, 추론엔진은 전향적 추론방법을 추론 방식으로 사용하였으며, 사용자 인터페이스는 Visual Basic 6.0을 사용하여 설계하였다. 또한 간호과정 임상의사결정지원시스템과 병원정보시스템의 통합을 위해서 간호과정 임상의사결정지원시스템의 데이터웨어하우스를 설계하였다.$$a$$a간호과정 임상의사결정지원시스템은, 첫째, 간호진단 단계에서 간호사의 주관적인 판단 대신 간호진단 모형을 기반으로 하여 시스템이 자동으로 간호진단을 예측하는 시스템이다. 둘째, 간호계획 및 간호수행 단계에서는 우선순위에 따라 목록이 제시되어 핵심 간호활동을 우선적으로 선택할 수 있고, 셋째, 간호평가 단계에서는 간호결과지표 항목에 대한 평가 점수를 근거로 간호목표 달성률이 백분율로 제시되고, 이를 누적 저장하여 평가 시점별 간호목표 달성률 모니터링이 가능한 시스템이다. 넷째, 간호과정 임상의사결정지원시스템의 데이터웨어하우스를 설계하여 병원정보시스템 데이터베이스에 저장되어 있는 환자 데이터를 공유할 수 있으므로 기존의 간호과정 단독 시스템보다 간호사정단계에서 시간 소비를 단축할 수 있는 시스템이다.$$a$$a본 연구의 의의는 첫째, 간호연구에서 아직은 생소한 새로운 지식습득 방법인 데이터 마이닝 기법을 도입하여 간호과정 지식을 습득하였고, 둘째, 습득된 간호과정 지식을 간호진단 모형으로 표현하여 시스템에 적용함으로써 간호진단 단계에서 의사결정의 자동화를 실현하였고, 셋째, 간호평가 단계에서 환자별 간호결과지표의 추이를 모니터링 할 수 있는 시스템의 기능을 활용하여 간호 중재와 간호결과 간의 관련성을 가시화하고, 간호인력 별 간호결과 평가를 통해 효율적인 간호의 질 관리의 가능성을 제시하였다.$$a$$a추후 연구로는 본 연구에서 개발된 간호진단 및 간호평가 모형의 타당도를 실제 환자 데이터로 검증한 임상 타당도 평가 연구가 요구되고, 데이터 마이닝 기법을 간호진단과 간호평가 단계뿐 아니라 간호중재와 간호활동 단계까지 확장하여 새로운 규칙이나 모형을 도출한 연구가 요구된다.$$a$$a
더보기This study was methodology; to make a range 5 steps of nursing process (assessment, diagnosis, plan, performance, and evaluation), which was clinical solving process of nurse; to acquire knowledge about the nursing process by steps of knowledge definition, collection, and representation; then, to design the data warehouse and clinical decision support system in nursing process.$$a$$aTo research the nursing process knowledge belonging to data base, we have chosen the problems and had steps for definition, collection, and representation of knowledge.$$a$$aThere were 10 nursing problems related to patients in internal medicine and surgery; gas exchange disorder, risk for infection, ineffective airway clearance, ineffective breathing pattern, imbalanced nutrition (less then body requirement), ineffective tissue, body fluid volume deficit, acute pain, constipation, and diarrhea.$$a$$aWe have selected 87 objective signs, 20 subjective symptoms, 118 related factors, 13 nursing objectives, 33 nursing interventions, 451 nursing activities, and 172 nursing outcome indicators in knowledge definition step.$$a$$aFor knowledge collection, objects were 463 nurses who worked more than 1 year in internal medicine/surgery ward and intensive care unit. From March 30th to May 10th 2005, survey was performed in 17 general hospitals located in Seoul and Kyunggi-do. Data was collected 4630 cases for 463 nurses'' decision in nursing process about 10 problems.$$a$$aIn knowledge representation, we have used 3 methods of data mining such as neural network analysis, decision tree analysis, and logistic regression analysis. And these help to deduce a principle and model for nursing diagnosis and evaluation. The principle was presented major parameters which derived by logistic regression analysis as if then production rule. The model made regression function adding objective/subjective symptom parameter to the estimates by logistic regression analysis. And it presented to yield probability a posteriori substituted the value to probability formula.$$a$$aThe clinical decision support system in nursing process which was applied those acquired knowledge was followed; the forward chaining was used for inference engine; a Visual Basic 6.0 was used for design the user interface; date warehouse was designed for clinical decision support system and integration of hospital information system in nursing process.$$a$$aThe clinical decision support system was defined as; first, it was an automatic diagnostic prediction system based on nursing diagnosis model instead of subjective adjudication of nurse in nursing diagnosis second, it was a preferential choice of the key nursing activity with a list by preferential order in nursing plan/ nursing performance; third, it was a system for monitoring of nursing achievement by evaluation time point in accumulation of data, which represents nursing achievement as percentage based on evaluation point about nursing result parameter items in nursing evaluation; fourth, it wasa system which reduce the time consuming compared to original system in audit and inspection by sharing patient''s data in data warehouse.$$a$$aThere was a significance of this study; first, knowledgewas acquired introduction of data mining which was new and unfamiliar in nursing research; second, we have tried to discrimination of rule-based system by presenting a principle and model the acquired nursing knowledge; third, we have designed clinical decision support system in nursing process which was related to data warehouse for integration with hospital information system, not for independent nursing process system.$$a$$aWe suggested below based on these results and significance;$$a$$aFirst, we recommended a clinical validity evaluation study verified the nursing diagnosis and evaluation model, which developed in this study, with practical patient''s data; second, further study was required to study using data mining method by collecting the knowledge form data largely stored at data base of hospital information system; third, we suggested a development research for nursing result parameter which was concrete and measurable to evaluate the solving degree of objective/subjective symptoms of patients in addition to the NOC parameters in items of nursing result parameter.$$a$$a
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)