최근 코로나19의 영향으로 병실 부족사태가 심각해졌다.
미국의 경우 한국에 비해 입원 비용이 높고, 입원 환자는 언제 퇴원할지 예측할 수 없기 때문에 환자 입장에서는 불확실성이 높은 문제가 있다. 또한 병원의 입장에서는 단기환자와 장기환자를 한 병동에서 관리하기 때문에 비효율적인 병실 관리가 진행되고 있다.
이러한 불확실성을 줄이고 효율적인 관리를 위해서 입원기간을 예측해주는 서비스를 제공한다.
아래의 링크를 복사하여 주소창에 입력해주세요
ec2-52-78-79-63.ap-northeast-2.compute.amazonaws.com
모델 구현 및 UI 프로토타입 https://www.youtube.com/watch?v=rd1g5G8MAY4&feature=youtu.be
포스터 발표 https://youtu.be/HA0slNV8WGM
이진솔 : https://jinsol99.blogspot.com/2020/11/1.html
조은서 : https://eunsuh753.tistory.com/2
이선민 : https://tjsals.medium.com/
윤하영 : https://blog.naver.com/dbsgkdud136/222156186070
박종호, 강성홍. (2019). 머신러닝을 이용한 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발. 보건사회연구
고은해, 강희양, 김용식, 정성훈. (2017). 조현병 감별진단에 대한 머신 러닝 기법의 적용: WAIS-IV의 진단 예측 역량. 신경정신의학
이호현, 정승현, 최은정. (2016). 기계학습 응용 및 학습 알고리즘 성능 개선방안 사례연구
이근영. (2015). 머신러닝을 활용한 스마트 서비스와 금융. 전자금융과 금융보안
유진은. (2015). 랜덤 포레스트: 의사결정나무의 대안으로서의 데이터 마이닝 기법. 교육 평가연구
오미애, 최현수, 김수현, 장준혁, 진재현, 천미경. (2017). 기계학습(Machine Learning) 기반 사회보장 빅데이터 분석 및 예측모형 연구. 세종: 한국보건사회연구원.
김보찬, 김유현, 김민정, 이종석. (2018). 데이터마이닝을 활용한 서울 주요 대학가 주거 용 부동산 임대료 모형 수립에 관한 연구. 대한산업공학회지
최병관, 함승우, 김촉환, 서정숙, 박명화, 강성홍. (2018). 인공지능을 이용한 급성 뇌졸중 환자의 재원일수 예측모형 개발. 디지털융복합연구
박일수, 용왕식,.김유미, 강성홍, 한준태. (2008). 데이터마이닝 기법을 활용한 맞춤형 고혈압 사후관리 모형 개발. <응용통계연구>
윤혜란.(2020). "머신러닝 기법을 이용한 공기업 재무건전성 예측모델 실증연구." 국내박사학위논문 한성대학교 대학원.
하지은. (2017). &RandomForest와 XGBoost를 활용한 민원 카테고리 및 담당 부서 자동분류 성능 비교&. 연세대학교 정보대학원. 석사학위논문.
Yang, C. S., Wei, C. P., Yuan, C. C., Schoung, J. Y. (2010). Predicting the length of hospital stay of burn patients: Comparisons of prediction accuracy among different clinical stages. Decision Support Systems
Hachesu, P. R., Ahmadi, M., Alizadeh, S., Sadoughi, F. (2013). Use of Data Mining Techniques to Determine and Predict Length of Stay of Cardiac Patients. Healthc Inform Res
Morton, A., Marzban, E., Giannoulis, G., Patel, A. (2014). A Comparison of Supervised Machine Learning Techniques for Predicting Short-Term In-Hospital Length of Stay Among Diabetic Patients. Paper presented at the 2014 13th International Conference on Machine Learning and Applications.
Chen, T. &Guestrin, C. (2016) 『XGBoost: A Scalable Tree Boosting System』. In KDD&16 Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794, New York: ACM.
Liaw, Andy, and Matthew Wiener. "Classification and regression by randomForest." R news 2.3 (2002)
모델 구현
- https://books.google.com.sg/books/about/Classification%5Fand%5FRegression%5FTrees.html?id=JwQx-WOmSyQC&redir%5Fesc=y
- https://datahack.analyticsvidhya.com/contest/janatahack-healthcare-analytics-ii/#LeaderBoard
서버 배포