earticle

영어

This paper proposes a method for extracting patient incidence patterns using raw data from in-depth discharge injury investigations provided by the Korea Centers for Disease Control and Prevention and presents the results of experimental analysis based on this method. The proposed approach begins by estimating the frequency of patient incidences using a weight-based method centered around specific periods, thereby processing occurrence patterns. Subsequently, time-series data are transformed into frequency components using Fast Fourier Transform (FFT), enabling the conversion of complex time-series data into distinct patterns. The transformed frequency component data are then classified into multiple incidence patterns using the k-Nearest Neighbors (KNN) algorithm. In this study, a total of four major patterns were identified, and the characteristics of each pattern, along with experimental results, are presented in detail through visualization. The findings of this study provide valuable insights for analyzing and understanding patient incidence patterns and contribute to enhancing the utility of related datasets.

한국어

본 논문에서는 질병관리청이 제공하는 퇴원 손상 심층 조사 원자료를 이용하여 환자 발생 패턴을 추출하는 방법 을 제안하고, 이를 기반으로 실험 분석 결과를 제시한다. 제안된 방법은 특정 기간을 중심으로 환자 발생 횟수를 가중치 기반으로 추정하여 발생 패턴을 처리하는 것으로 시작한다. 이후, 시간 시계열 데이터를 빠른 푸리에 변환(Fast Fourier Transform, FFT)을 통해 빈도 성분으로 변환하여 복잡한 시계열 데이터를 명확한 패턴으로 변환한다. 이렇게 변환된 빈도 성분 데이터는 -최근접 이웃(K-Nearest Neighbors, KNN) 알고리즘을 적용하여 여러 발생 패턴으로 분류한다. 본 연구에서는 총 네 가지 주요 패턴으로 분류하였으며, 각 패턴의 특성과 실험 결과를 시각화하여 상세히 제시하였다. 본 연구의 결과는 환자 발생 패턴을 분석하고 이해하는 데 유용한 정보를 제공하며, 관련 데이터 활용 가능성을 높이는 데 기여할 것으로 기대된다.