건강상태를 반영한 주요 만성질환 발생 예측 모형 개발 및 건강등급화 방안

• 영문명: Development of Predictive Models for Major Chronic Diseases and Application of a Health Grading System
• 발행기관: 한국리스크관리학회
• 저자명: 김세현(Sehyun Kim) 성지민(Jimin Sung)
• 간행물 정보: 『리스크관리연구』36권 1호, 1~32쪽, 전체 32쪽
• 주제분류: 경제경영 > 경영학
• 파일형태: PDF
• 발행일자: 2025.03.31

국문 초록

본 연구는 국민건강보험공단의 빅데이터를 활용하여 주요 만성질환 발생 위험을 예측하고 개인의 건강 상태를 정량적으로 평가하는 건강등급화 체계를 제시하였다. 구체적으로 표준체와 간편고지 집단으로 분석 대상을 세분화하고, 진료내역 및 건강검진 데이터를 종합적으로 활용하여 발생 예측 모형을 구축하였다. 분석에는 엘라스틱넷 회귀 모형을 적용하였으며 모형의 성능은 AUC와 재현율을 기준으로 평가하였다. 분석 결과 각 질환별 모형에서 주요 위험 요인으로 연령, 가족력, 의료 이용 변수 등이 확인되었으며 안정적인 예측력을 보였다. 예측 모형을 바탕으로 연령효과를 제거한 표준화 위험률을 활용하여 개인별 건강등급을 산출하였다. 건강등급화 체계는 개인 맞춤형 건강관리와 예방 중심의 의료서비스 설계를 위한 기반으로 활용될 수 있다.

영문 초록

This study utilizes big data from the National Health Insurance Service (NHIS) to predict the risk of major chronic diseases and to propose a health rating system for quantitatively assessing individual health status. Specifically, the study stratifies the analysis population into standard and simplified underwriting groups, and integrates medical records with health examination data to develop predictive models. The analysis employs the elastic net regression model to balance prediction accuracy and variable selection. Model performance is evaluated using the area under the curve (AUC) and recall metrics. The results identify age, family history, and medical utilization variables as major risk factors across disease-specific models. Using the predictive model, standardized risk scores that exclude age effects are calculated, and individual health ratings are derived. This health rating system provides a robust foundation for personalized health management and prevention-focused medical service planning.

목차

Ⅰ. 서 론

Ⅱ. 선행연구

Ⅲ. 데이터 및 연구설계

Ⅳ. 분석모형

Ⅴ. 예측모형 분석결과

Ⅵ. 개인별 건강등급 산출 방안

Ⅶ. 결론

참고문헌

키워드

표본 코호트 질환 발생 예측 모형 기계학습 건강등급 cohort DB disease prediction machine learning health rating system