Earticle

초록

한국어

자동차보험 사고 환자의 진료비 감소를 위한 대책 마련에 도움을 주기 위해 본 연구에서는 자동차보험 사고 40대～50대 경상 환자들의 진료비에 가장 핵심 요소인 진료 기간을 예측하고 진료 기간에 영향을 미치는 요인을 분석하였다. 이를 위해 Decision Tree 등 5개 알고리즘을 활용한 머신러닝 모델을 생성하고 모델간에 그 성능을 비교·분석하였다. 진료 기간 예측에 정밀도, 재현율, FI 점수 등 3가지 평가 지표에서 좋은 성능을 나타낸 알고리즘은 Decision Tree, Gradient Boosting 및 XGBoost 등 3가지였다. 그리고 진료 기간 예측에 영향을 미치는 요인 분석 결과, 병원의 종류, 진료 지역, 나이, 성별 등으로 나타났다. 본 연구를 통해 AutoML을 활용한 손쉬운 연구 방법을 제시하였으며, 본 연구 결과가 자동차보험 사고 진료비 경감 을 위한 정책에 도움이 되기를 기대한다.

영어

In order to help reduce the medical expenses of patients with auto insurance accidents, this study predicted the treatme nt period, which is the most important factor in the medical expenses of patients in their 40s and 50s, and analyzed the fa ctors affecting the treatment period. To this end, a mechine learning model using five algorithms such as Decision Tree w as created, and its performance was compared and analyzed between models. There were three algorithms that showed go od performance including Decison Tree, Gradient Boost, and XGBoost. In addition, as a result of analyzing the factors affe cting the prediction of the treatment period, the type of hospital, the treatment area, age, and gender were found. Through these studies, easy research methods such as the use of AutoML were presented, and we hope that the results of this stu dy will help policies to reduce medical expenses for automobile insurance accidents.

목차

요약
ABSTRACT
1. 서론
2. 관련 연구
2.1 자동차 사고 현황
2.2 관련 연구
3. 연구모형 및 방법
3.1 연구모형
3.2 연구방법
4. 성능 분석 결과
4.1 연구 데이터 분석
4.2 실험 결과
5. 결론
참고문헌

저자

• 변경근 [ Kyung-Keun Byun | 숭실대학교/IT정책경영대학원 ] 주저자, 교신저자
• 이덕규 [ Doeg-Gyu Lee | 숭실대학교/IT정책경영대학원 ] 공동저자
• 이형동 [ Hyung-Dong Lee | 숭실대학교/IT정책경영대학원 ] 공동저자

참고문헌