머신러닝과 통계적 방법을 이용한 대사성 질환과 식품 소비와의 관계성 연구

다국어 초록 (Multilingual Abstract)

Abstract

Food is not only a source of nutrients such as carbohydrates, proteins, and lipids, but also various physiologically active ingredients contained in food can contribute to preventing diseases through various biological functions regulating actions. This research aims to identify the relationship between food and specific diseases, combining consumer panel data from RDA, which contains information on purchasing agri-food by household, and health checkup and medical treatment data from NHIS. The patient group was divided into 52 patients diagnosed with metabolic disease, and the control group was divided into 276 patients without metabolic disease diagnosis. In order to examine the relationship between food consumption and disease, we compared the monthly food purchases of the patient group before the disease occurred and the food purchases of the control group. It was determined that the interaction existed at the significance level α=0.1 as a result of testing the effect of two-way ANOVA interaction between the variable dividing the patient group and the control group and the purchased food. In addition, as a result of the post-hoc test, there was an interaction effect between the patient group and control group in fruits, livestock products, aquatic products, seasoned vegetables, confectionery, and fruits and vegetables. Moreover, there was a difference in food consumption patterns between the patient group and the control group.

Key words :

목차 (Table of Contents)

• Ⅰ. 서 론 1
• 1.1 연구배경 및 목적 1
• 1.2 연구방법 및 범위 2
• Ⅱ. 이론적 배경 및 관련연구 4
• 2.1 통계적 방법 4
• 2.1.1 이원배치 분산분석(Two-way-ANOVA) 4
• 2.2 군집분석 방법 5
• 2.2.1 계층적 군집분석 5
• 2.2.2 비계층적 군집분석 6
• 2.3 클래스 불균형 데이터의 분류 성능 향상을 위한 방법 7
• 2.4 머신러닝 분류분석 방법 8
• 2.4.1 로지스틱 회귀분석 9
• 2.4.2 의사결정나무 10
• 2.4.3 XGBoost 12
• 2.5 관련 연구 13
• 2.5.1 식품 소비와 대사성 질환 연관성 연구 13
• 2.5.2 이원변량 분산분석 (Two-way ANOVA) 14
• Ⅲ. 연구대상 및 방법 16
• 3.1 연구대상 정의 16
• 3.1.1 변수 정의 16
• 3.1.2 데이터 전처리 19
• 3.2 연구 방법 20
• 3.2.1 Two-way ANOVA 20
• 3.2.2 군집분석 20
• 3.2.3 머신러닝 20
• Ⅳ. 분석 결과 22
• 4.1 연구대상자의 인구통계학적 특성 20
• 4.2 환자군-대조군의 통계적 분석을 통한 특성 비교 24
• 4.3 식품 소비 특성과 대사성 질환 간 상관 분석 25
• 4.4 식품 소비 특성의 정의를 위한 군집분석 28
• 4.4.1 대사성 질환 진단 후 군집 이동 및 특성 비교 31
• 4.5 식품 소비에 따른 대사성 질환 분류분석 32
• 4.5.1 SMOTE를 활용한 클래스 균형화 32
• 4.5.2 로지스틱 회귀를 이용한 분류 모델 33
• 4.5.3 의사결정나무를 이용한 분류 모델 34
• 4.5.4 XGBoost를 이용한 분류 모델 36
• Ⅴ. 결론 및 향후 연구 37
• 참 고 문 헌 40