Earticle

초록

영어

This study developed a model to predict the survival of COVID-19 patients using the L1-regularized Random Forests algorithm. The final model achieved an accuracy of 85%, a precision of 82%, a recall of 79%, and an F1 score of 81%. The analysis of variable importance revealed that AGE, ICU admission, hypertension, and diabetes significantly impact the prediction. Notably, the AGE variable showed the highest importance, supporting previous findings that older patients are more vulnerable to COVID-19. This study provides valuable insights for clinical decision-making and highlights the need for future research to validate the model in various environments and improve interpretability.

한국어

본 연구는 L1-regularized Random Forests 알고리즘을 활용하여 COVID-19 환자의 생존 여부를 예측하 는 모델을 개발하였다. 연구 결과 본 연구의 최종 모형은 85%의 정확도와 82%의 정밀도, 79%의 재현율, 81%의 F1 점수를 기록하였다. 변수 중요도 분석을 통해 AGE(연령), ICU 입원 여부, 고혈압, 당뇨병이 예측에 중요한 영향 을 미치는 것으로 나타났다. 특히, AGE 변수는 가장 높은 중요도를 보여주었으며, 이는 고령 환자가 COVID-19에 더 취약하다는 기존 연구를 뒷받침한다. 본 연구는 이러한 결과를 통해 임상적 의사 결정에 유용한 통찰을 제공하 며, 향후 다양한 환경에서의 모델 검증과 해석 가능성 향상을 위한 연구의 필요성을 제시한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 방법
3.1 데이터셋 수집
3.2 데이터 전처리
3.3 모델 구축
3.4 모델 평가
4. 실험 및 결과
4.1 실험 설계
4.2 성능 평가 결과
4.4 변수 중요도 분석
5 논의
6. 결론
REFERENCES

키워드

저자

• 변해원 [ Haewon Byeon | 인제대학교 AI소프트웨어학과 교수, 인제대학교 부설 보건의료빅데이터연구소 센터장 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  미래기술융합논문지

• 간기

  격월간

• eISSN

  2951-2468

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 530 DDC 620