KCI등재
데이터마이닝 분석방법을 활용한 고령자의 자살위험 예측요인 분석 = Data Mining Analysis of Factors to Predict the Suicidal Risk of the Elderly
저자
이대웅 ( Dae Woong Lee ) ; 문상호 ( Sang Ho Moon ) ; 이효주 ( Hyo Joo Lee ) ; 이소담 ( So Dam Lee ) 연구자관계분석
발행기관
학술지명
권호사항
발행연도
2016
작성언어
-주제어
KDC
300
등재정보
KCI등재
자료형태
학술저널
발행기관 URL
수록면
297-329(33쪽)
KCI 피인용횟수
8
제공처
본 연구에서는 데이터마이닝 분석방법을 활용하여 고령자의 자살위험 예측요인에 대한 분석을 실시하였다. 특히, 의사결정나무모형과 로짓모형, 신경망분석을 활용하여 고령자 자살위험 예측을 위한 요인을 도출하고 요인 간의 상호작용(interaction) 패턴에 대한분석을 시도하였다. 이를 통해 개개인 가지고 있는 다양한 상황과 특성들에 적합한 개별적 개입 방안을 마련하는 근거를 제시하고자 하였다. 분석결과를 요약하면 다음과 같다. 의사결정나무 모형 결과, 고령자의 자살경험에 가장 큰 영향을 미치는 변수는 우울증 정도이며, 다음으로 중요한 예측변수는 주거환경 만족도로 도출되었다. 또한 우울증을 앓고 있으며, 주거환경 만족도가 낮은 고령자가 여가생활에 불만족할 경우 자살 위험이 증가하는 것으로 나타났다. 나아가 가장 자살위험이 높은 집단은 우울증세를 앓고 있으며, 주거환경과 여가생활만족도가 낮으며 자녀와의 관 계에 대한 만족도가 낮은 집단임을 확인 할 수 있었다. 다음으로 로짓분석 결과, 우울증, 성별, 배우자와의 관계 만족도, 자녀와의 관계 만족도, 여가생활 만족도가 고령자 자살위험의 유의미한 영향요인임을 확인하였다. 마지막으로 신경망 분석 결과 1개의 은닉층과 3개의 은닉마디가 도출되었다. 각 모형 간 비교결과, 의사결정나무모형의 오분류율이 로 짓분석과 신경망분석 오분류율보다 낮아, 의사결정나무 모형이 고령자 자살위험 영향요인 도출 및 예측에 더 우수함을 확인할 수 있었다. 반면, ROC인덱스 값은 로짓분석과 신경망 분석이 의사결정나무분석보다 우수한 것으로 나타났다. 이상의 분석결과에 근거하여, 본 연구에서는 고령자의 자살을 예방하기 위한 정책적 함의를 제시하여 향후 관련 정책설계 및 대응방안 구축에 기여하고자 한다.
더보기The analysis to predict the suicidal risk among the elderly by methods of Data Mining was conducted in this research. Especially, the research tried to discover the predictive factors of elderly suicidal risks and the interaction pattern among the factors by Decision Tree Analysis, Logit Analysis Model and Artificial Neural Network Analysis. Furthermore, the research aimed to suggest the reason for developing customized solutions to respond properly to the various situation and features of each individuals. As a result of the Decision Tree Analysis, the degree of depression affects the suicidal risk of elderly, and the degree of satisfaction to the housing environment is a important predictive factor following the degree of depression. Also, when the elderly who suffer from the depression with low level of satisfaction to the housing environment is not satisfied with the leisure, the risk of suicide increase. Moreover, the group retaining highest risk of suicide is featured by following factors: high degree of depression, low degree of housing and leisure satisfaction, and low satisfaction of the relation with children. Nextly, according to the result of Logistic Analysis, depression, gender, satisfaction of relationship with spouse, satisfaction of relationship with children and leisure satisfaction affect the elderly suicidal risk significantly. Lastly, as a result of Artificial Neural Network Analysis, one hidden layer and three hidden nodes were identified. The Decision Tree Analysis was identified as a better model for detecting and predicting factors affecting the elderly suicidal risk, because it shows lower misclassification rate compared to the Logistic Analysis and Artificial Neural Network Analysis. However, Logistic Analysis and Artificial Neural Network Analysis have better ROC indices compared to the ROC index of Decision Tree Analysis. Based on the research results, this research aims to contribute to the policy design and solution building in the future by suggesting policy implications to prevent the suicide of the elderly.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2023 | 평가예정 | 계속평가 신청대상 (등재유지) | |
2018-01-01 | 평가 | 우수등재학술지 선정 (계속평가) | |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2006-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2004-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2001-07-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
1999-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 1.69 | 1.69 | 1.76 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
1.83 | 1.8 | 1.759 | 0.69 |
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)