http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : pro-life (검색결과 4 건)
-
이미경 인천대학교 교육대학원 2011 국내석사
급변하는 현대사회에서 기술발달도 또한 급격하게 가속화되고 있다. 기술이 발달함에 따라서 윤리적 문제의 발생 또한 가속화되고 있다. 빠르게 발달하는 기술에 발맞춰 윤리적 문제의 해결 또한 시급한 문제라고 할 수 있다. 특히 생명기술의 발달로 인해 생기는 윤리적 문제들은 생명과 직접적으로 연관된 문제라는 점에 있어서 더욱 중요하게 다뤄져야 하는 문제이다. 생명윤리적 문제 중에서도 임신중절의 문제는 인간의 존엄성과 관련이 있다는 점에서 더욱 무게 있게 다뤄져야 한다. 그러나 생명윤리적 문제는 현실과 밀접하게 맞닿아 있다는 점에서 추상적으로만 다뤄져서는 안 된다. 현실과 밀접하게 관련되어 있는 논의가 필요하다. 그런 점에서 피터 싱어의 관점은 현실과 친화력이 있다. 피터 싱어는 임신중절의 문제해결을 임산부의 자율권에 맡긴다. 그는 사회복지와 임신부의 자율권을 근거로 사회적으로 임신중절이 불가피하며, 임신중절을 허용하는 것이 최종적으로는 사회에 안정을 가져다준다고 주장하고 있다. 이렇듯 피터 싱어의 관점은 현실과 밀접한 해결방법을 주장한다는 점에서 현시대에 주는 의의가 크다. 하지만 이러한 공리주의적 주장 또한 한계를 가지고 있기 때문에 태아의 권리를 고려하면서 임신중절 문제를 해결하고자 하는 톰슨의 주장 또한 살펴볼 필요가 있다. 둘은 서로 다르지만 상호보완적인 측면도 가지고 있다. 하나의 문제는 여러 관점에서 접근되어야 한다. 이러한 문제의식을 견지하면서 본 논문은 피터 싱어의 관점을 주축으로 각국의 임신중절 실태, 톰슨의 관점과의 상호 보완성, 임신중절의 최소화를 위한 실천적 과제까지 제시하면서 종합적인 결론을 이끌어냈다.
-
Francoeur, Kristin N ProQuest Dissertations & Theses Indiana University 2021 해외박사(DDOD)
소속기관이 구독 중이 아닌 경우 오후 4시부터 익일 오전 9시까지 원문보기가 가능합니다.
-
김현수 성균관대학교 일반대학원 2022 국내석사
INTRODUCTION: The incidence rate of breast cancer in women is very high; however, it also has the longest survival rates and increasing proportions of cured patients. Thus, dedicated strategies are required to manage long-term sequelae of breast cancer surgery, with particular attention to quality of life. Quality of life (QoL) is one of the most important factors in the management of breast cancer survivors (BCS). As QoL changes over time, time-dependent models are necessary for managing QoL of BCS. We identified the factors that affect QoL by survival period using machine learning (ML) modeling. METHOD: We used two datasets, one for training and one for validating the trained models. Risk models were trained using a cross-sectional survey and prospective cohort data of 6,265 women with non-metastatic cancer and no recurrence of the disease. The performance of the risk models was validated using data collected from two university-based cancer hospitals in Seoul. Poor QoL was defined as <66 of the global health status metric in the European Organization for Research and Treatment of Cancer (EORTC) Quality of Life Questionnaire Core 30 (QLQ-C30). Prediction models were trained using six different ML algorithms including clinical, demographic, laboratory, and patient reported outcome (PRO) features by stratified time (at the diagnosis, < 1 years, 1–2, 2–3, 3–4, 4–5 years after surgery); the best model with highest area under the curve (AUC) among six algorithms was selected. Shapley additive explanation (SHAP) was used to evaluate the important features. RESULTS: A total of 48.3% of BCSs had poor QoL. The averages of the five model evaluation metrics (AUC, accuracy, F1-score, sensitivity, and specificity) calculated through 10-folds stratified cross validation at each survival period were higher than 0.7, and the AUC, which was used for final model selection, exceeded 0.8 (0.804–0.860). Menopause symptoms (at the time of diagnosis), physical function (under 1 year), fatigue (1–2, 2–3, 3–4 years), and hopefulness (4–5 years) were the most important features. CONCLUSION: Features associated with poor QoL of BCS varied with survival period. Therefore, it is necessary to identify the needs of survivors and manage them appropriately. 서론: 유방암은 전 세계적으로 여성에서 가장 발생율이 높은 암종이지만, 생존율 또한 매우 높기 때문에 유방암 수술 이후에도 생존자의 관리가 필요하다. 삶의 질은 유방암 생존자 관리에서 중요한 요소 중 중요한 요소 중 하나이지만 시간이 지남에 따라 변화하므로 유방암 생존자의 삶의 질은 시간에 따른 관리가 필요한 상황이다. 그러나 이전 연구를 보면 생존 기간 별로 삶의 질에 영향을 주는 요인이 어떻게 다른지를 본 연구는 없었다. 이 연구에서는 머신러닝 모델링을 활용하여 생존 기간별 삶의 질을 예측하는 모델 학습과 함께 삶의 질에 영향을 미치는 요인이 무엇인지를 식별하였다. 방법: 머신러닝 모델 학습과 검증을 위한 두개의 데이터셋을 사용하여, 재발 및 전이가 없는 유방암 6,265명의 단면연구 및 코호트 데이터를 사용하여 모델 학습을 진행하였고, 학습된 모델의 검증은 다른 시기, 다른 기관에서 수집한 데이터 셋을 통해서 진행되었다. 삶의 질은 EORTC QLC C30 설문을 통해 측정된 Global health status의 점수를 66점을 기준으로 삶의 질이 좋은 군과 문제가 있는 군으로 나누어 환자의 임상, 인구사회학적 정보, 환자 자기 평가 등의 특성을 이용하여 어느 군에 속하는 지를 예측하는 모델 학습을 생존 기간별로 나누어서 진행하였다 (진단 시점, 수술 후 1년 이내, 1-2년사이, 2-3년 사이, 3-4년 사이, 4-5년 사이). 6개의 머신러닝 알고리즘 중 가장 좋은 AUC 값을 가지는 알고리즘을 선택하였고, 최종 모델의 결과를 설명하기 위해서 SHAP 방법을 사용하였다. 결과: 유방암 생존자의 48.3%가 낮은 삶의 질을 가지는 군에 속하였다. 각 생존기간별 10-folds 교차 검증을 통해 계산된 AUC, 정확도, F1-score, 민감도, 특이도의 평균은 모두 0.7이상이었고, AUC 값은 모두 0.8을 넘었다. (0.804 – 0.860). 갱년기 증상 (진단 시점), 신체기능 (수술 후 1년 이내), 피로 (1-2년, 2-3년, 3-4년), 삶에 대한 희망 (4-5년)이 각 생존 시점에서 삶의 질에 크게 영향을 주었던 특성이고, 외부 검증 결과 AUC 값은 0.770 – 0.862 사이의 결과가 나왔다. 논의: 유방암 생존자의 삶의 질은 생존 기간에 따라 영향을 주는 요인들이 달랐다. 그러므로 각 생존 기간에 맞는 적절한 관리 방안이 필요하다.
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
