빅데이터를 활용한 건강관리 경향 분석

국문 초록 (Abstract)

국문요약

빅데이터를 활용한 건강관리 경향 분석


김 지 은
한국체육대학교 대학원 체육학과


이 연구는 빅데이터를 활용하여 시기별 건강관리 경향을 파악하는 것이 목적이다. 연구의 목적을 달성하기 위해 지난 30년간 빅카인즈(www.bigkinds.or.kr)에 수집된 뉴스기사를 대상으로 python 3 프로그램을 이용하여 키워드 및 토픽 분석을 실시하였다. 먼저 1시기(1990년대), 2시기(2000년대), 3시기(2010년대)로 구분하여 시기별 건강관리 유형에 따른 주요 키워드를 추출하고 워드클라우드로 시각화하였다. 두 번째 키워드 빈도분석을 통해 상위20위 주요 키워드의 빈도, TF-IDF(단어빈도-역문서빈도) 값을 산출하여 빈도수가 큰 순서대로 나열하였다. 세 번째는 키워드 출현빈도 분석에서 나타난 시기별 공통/차별 키워드의 순위 변화를 확인하기 위해 카이제곱 검정을 실시하였다. 네 번째 시간흐름에 따라 공통 키워드 트렌드가 유의미하게 증감하였는지 확인하기 위해 Hot_Cold 분석과 회귀분석을 실시하였다. 다섯 번째 연구내용은 토픽모델링 분석을 통해 토픽 내 키워드의 비중을 확인함으로서 각 토픽마다 어떤 키워드가 주요하게 다뤄지고 있는지 확인하였다. 여섯 번째 시간흐름에 따라 각 토픽의 트렌드가 유의미하게 증감하였는지 확인하기 위해 Hot_Cold 분석과 회귀분석을 실시하였다. 연구 결과, <운동>1시기에‘선수’,‘체력’, 2시기는‘유산소’,‘스트레칭’, 3시기는‘피트니스’,‘시간’키워드가 높은 비중을 차지하였다. <식이>는 전체시기에서‘식이요법’이 압도적으로 큰 비중을 차지하였으며 2시기는‘식이섬유’, 3시기에‘식이조절’키워드가 높은 비중을 차지하였다. <영양제>는 전체시기에서‘비타민’이 핵심 키워드로 나타났고 1시기에서‘영양’, 2시기에‘의약품’, 3시기는‘영양소’가 주요 키워드로 도출되었다. 이 외에도‘유산균’,‘셀레늄’,‘오메가’,‘코엔자임’등 다양한 키워드가 출현하였다. <음주>는 전체시기에서‘관계자’가 핵심키워드로 나타났으며 1시기, 2시기에‘가능성’, 3시기에‘절주’가 주요 키워드로 나타났다. <흡연>은 전반적으로 내용이 비슷하게 나타났는데‘답배’,‘흡연’관련 키워드를 중심으로 1시기는‘금연운동’, 2시기, 3시기에서‘보건소’가 주요 키워드로 도출되었다. <휴식>1시기, 2시기에‘재충전’,‘시간’이 주요 키워드로 나타났고 3시기에는‘힐링’이 가장 큰 비중을 차지하였다. <수면>에서도‘시간’이 주요 키워드로 나타나면서 1시기, 2시기에서‘불면증’, 3시기는‘관계자’가 주요키워드로 도출되었다. <스트레스>1시기는‘해소’, 2시기, 3시기에서‘시간’이 주요 키워드로 나타났으며 스트레스를 받는 대상자 관련 키워드가 다수 출현하였다. 이와 같이 건강관리 유형에 따른 주요 키워드는 다르게 나타났으며 공통/차별 키워드는 순위에 유의미한 차이가 있는 것을 확인하였다(p<.001). 회귀분석과 Hot_Cold분석을 이용하여 공통 키워드의 연도별 트렌드 추이를 살펴본 결과 운동, 영양제, 음주, 흡연에서 Hot(정적상관)이, 식이, 휴식에서 Cold(부적상관)이 유의미하게 나타났으며(p<.05) 수면, 스트레스에서는 유의미한 차이가 나타나지 않았다. LDA 토픽모델링 분석을 위해 건강관리 유형별로 토픽 수(k=7)를 지정하고 비중이 큰 순으로 토픽 번호를 부여하였다. 그 결과 <운동>토픽1:피트니스, 토픽2:유산소운동, 토픽3:체력, <식이>토픽1:식이요법, 토픽2:운동과 식이요법, 토픽3:환자 치료식, <영양제>토픽1:건강기능식품, 토픽2:제품, 토픽3:의약품, <음주>토픽1:절주, 토픽2:부작용 및 문제점, 토픽3:치료법, <흡연>토픽1:금연정책, 토픽2:금연구역, 토픽3:금연교육, <휴식>토픽1:힐링, 토픽2:휴가여행, 토픽3:재충전, <수면>토픽1:스마트폰 사용, 토픽2:수면부족, 토픽3:수면시간, <스트레스>토픽1:발병 및 치료, 토픽2:힐링, 토픽3:스트레스 해소로 분류되었다. 회귀분석과 Hot_Cold분석을 이용하여 토픽의 트렌드 추이를 살펴본 결과, 각 항목별 부분적으로 Hot(정적상관), Cold(부적상관)에 유의한 차이가 나타났다(p<.05). 결론적으로 이 연구는 빅데이터를 활용하여 키워드 및 토픽 분석을 통해 시기별 건강관리 경향을 파악하여 시대적 특성을 반영한 건강관리 정보를 제공함으로서 향후 역량강화를 위한 건강정책 및 과제의 기초자료로 활용될 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

ABSTRACT

Trend Analysis of Health Care Using Big Data


Ji-Eun, Kim
(Graduate School of Korea National Sport University)Hyun-Tae, Kim(Advisor)


This study aims to identify the trends of health care by period using big data. To achieve this purpose, keyword and topic analyses were conducted of the news articles collected from bigkinds (www.bigkinds.or.kr) for the past 30 years with python 3 program. In the first place, the period was subcategorized into period 1 (1990s), period 2 (2000s), and period 3 (2010s) before extracting main keywords by period depending on type of health care and visualizing with word cloud. In the second keyword frequency analysis, the frequency of top 20 keywords and TF-IDF (term frequency-inverse document frequency) values were drawn and arranged in order of high frequency. Third, to identify the changes in ranking of common/differential keywords by period in the keyword appearance frequency analysis, chi-squared test was conducted. Fourth, to identify if common keyword trends increased or decreased significantly with the passage of time, Hot_Cold analysis and regression analysis were conducted. Fifth, the percentage of keywords within a topic was identified through topic modeling analysis before checking what keywords were mainly handled in each topic. Sixth, to identify if trends of each topic increased or decreased significantly with the passage of time, Hot_Cold analysis and regression analysis were conducted. As a result, it appeared that in <exercise>,‘athlete’and‘physical strength’keywords occupied high percentage in period 1,‘aerobic’and‘stretching’in period 2, and‘fitness’and‘time’in period 3. In <diet>,‘dietary therapy’occupied an overwhelmingly great percentage in all periods and‘dietary fiber’keyword occupied a high percentage in period 2 and‘dietary control’in period 3. In <nutritional supplement>,‘vitamin’appeared as keyword in all periods, and‘nutrition’was drawn as main keyword in period,‘medicine’in period 2, and‘nutrient’in period 3. Besides,‘lactic acid bacillus’,‘selenium’, and‘omega’keywords also appeared. In <drinking>,‘the persons interested’appeared as keyword in all periods and‘possibility’appeared as main keyword in period 1 and period 2 and ‘moderate drinking’in period 3. In <smoking>, general contents overall appeared similarly, and centering on‘cigarette’and‘smoking’related keywords,‘anti-smoking campaign’was drawn as main keyword in period 1 and‘public health center’in period 2 and period 3. In <break>,‘recharge’and‘time’appeared as main keywords in period 1 and period 2 and‘healing’occupied the highest percentage in period 3. In <sleep>,‘time’appeared as main keyword, and‘sleeplessness’was drawn as main keyword in period 1 and period 2 and‘the persons interested’in period 3. In <stress>,‘stress reduction’appeared as main keyword in period 1 and‘time’in period 2 and period 3 and the keywords related to the subjects who got stressed appeared multiply. Like this, it was identified that major keywords appeared differently depending on type of health care and common/differential keyword showed a significant difference in ranking (p<.001). As a result of looking at the trends of common keyword by year using regression analysis and Hot_Cold analysis, it was found that Hot(positive correlation) appeared significant in exercise, nutritional supplement, drinking, and smoking and Cold(negative correlation) appeared significant in diet and break (p<.05) and there was no significant difference in sleep and stress. In LDA topic modeling analysis, number of topic (k=3) was designated by type of health care and topic was numbered in order of higher percentage. As a result, it was classified as follows: in <exercise>, topic 1: fitness, topic 2: aerobic exercise, and topic 3: physical strength; in <diet>, topic 1:dietary therapy, topic 2: exercise and dietary therapy, and topic 3:therapeutic diet; in <nutritional supplement>, topic 1:health functional food, topic 2: product, and topic 3:medicine. In <drinking>, it was classified as topic 1:moderate drinking, topic 2: side effects and problems, and topic 3: therapeutics, and in <smoking>, topic 1:antismoking policy, topic 2:non-smoking area, and topic 3:anti-smoking education. It was classified as in <break>, topic1:healing, topic 2:holiday trip, and topic 3:recharge; in <sleep>, topic1:smartphone use, topic 2:sleep insufficiency, and topic3: sleeping time; and in <stress>, topic 1:onset and treatment, topic 2: healing, and topic 3: stress reduction. As a result of looking at the trends of topic using regression analysis and Hot_Cold analysis, there was a significant difference in Hot(positive correlation) and Cold(negative correlation) partially by item (p<.05). In conclusion, this study identified the trends of health care by period through keyword and topic analyses using big data and provided health care information reflecting the characteristics of the times and is expected to be used as basic data for future health policy and tasks.

목차 (Table of Contents)

• 목 차
• Ⅰ. 서 론 1
• 1. 연구의 필요성 1
• 2. 연구 가설 5
• Ⅱ. 연구 방법 6
• 1. 연구 절차 6
• 2. 데이터 수집 7
• 1) 분석 자료 8
• 2) 분석 키워드 선정 9
• 3) 키워드 검색 10
• 4) 시기 구분 13
• 3. 데이터 클리닝 14
• 4. 데이터 분석 14
• 1) 키워드 분석 14
• 2) 토픽 분석 15
• 5. 연구의 타당도 17
• 6. 자료처리 17
• 1) 빅카인즈의 분석방법 17
• 2) phython 3 프로그램 17
• Ⅲ. 연구 결과 18
• 1. 시기별 건강관리 유형에 따른 주요 키워드 18
• 1) 운동 18
• 2) 식이 19
• 3) 영양제 20
• 4) 음주 21
• 5) 흡연 22
• 6) 휴식 23
• 7) 수면 24
• 8) 스트레스 25
• 2. 시기별 건강관리 유형에 따른 키워드 출현빈도 26
• 3. 시기별 건강관리 유형에 따른 공통·차별 키워드 35
• 4. 시기별 건강관리 유형에 따른 키워드 트렌드 41
• 5. 시기별 건강관리 유형에 따른 주요 토픽 42
• 6. 시기별 건강관리 유형에 따른 토픽 트렌드 51
• Ⅳ. 논의 54
• Ⅴ. 결론 61
• 참고문헌 64
• ABSTRACT 69