랜덤 포레스트 모델을 이용한 자살 사고 영향요인 분석

• 영문명: Analysis of Influencing Factors of Suicide Ideation Using Random Forest Model : Focusing on the National Health and Nutrition Examination Survey
• 발행기관: 한국자료분석학회
• 저자명: 김태훈 정현진 송지연 김난이 이은민
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.25 No.3, 1121~1132쪽, 전체 12쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2023.06.30

국문 초록

본 연구는 기계 학습을 통해 성인의 자살 사고에 영향을 주는 요인을 확인하기 위해 국민건강영양조사 2021 자료를 이용한 서술적 조사연구이다. 연구 대상은 자살 사고를 가진 성인 208명과 자살 사고를 가지고 있지 않은 성인 4,449명이며 기계 학습은 랜덤 포레스트 모델을 이용하였다. 본 연구의 통계 분석 및 모델 구축을 위해 Python 3.9.7언어와 Scikit-learn 1.2.2, SciPy 1.614, ELI5패키지를 이용하였으며, 평균, 표준편차, 빈도, 비율, 구축된 모델의 성능평가 및 자살사고에 영향을 주는 변수들의 값을 확인하였다. 연구 결과 자살 사고를 가진 대상자의 연령은 평균 50.21±17.575세로 나타났으며, 불안은 7.50±5.882점으로 자살 사고를 가지고 있지 않는 성인(1.82±3.027)보다 더 높은 것으로 나타났다. 구축된 모델의 전반적 성능(AUC)은 0.984(95% CI, 0.984–0.984)로 정확도는 0.945(95% CI, 0.945-0.945)로 나타났다. 자살 사고에 영향을 주는 요인들은 주로 정신건강과 관련되어 있었으며, 가장 큰 영향 요인은 2주 이상의 우울이었다(0.998±0.038). 우울을 관리하여 자살을 예방하는 선제적 조치가 필요하며, 정신건강을 증진시키고 심리적 고통을 경감할 수 있는 프로그램의 마련이 필요하다.

영문 초록

The purpose of this study is a descriptive survey using data from the Korea national health and nutrition examination survey 2021 to identify factors that influence suicidal ideation in adults through machine learning. The subjects of the study were 208 adults with suicidal ideation and 4,449 adults without suicidal ideation, and machine learning was performed using a random forest model. Python 3.9.7, Scikit-learn 1.2.2, SciPy 1.614, and ELI5 packages were used for statistical analysis and model construction, and the mean, standard deviation, frequency, ratio, performance evaluation of the built model, and values of variables affecting suicidal thoughts were checked. The results showed that the average age of the subjects with suicidal ideation was 50.21±17.575 years, and their anxiety was 7.50±5.882, which was higher than that of adults without suicidal ideation (1.82±3.027). The overall performance of the constructed model was an AUC of 0.984 (95% CI, 0.984-0.984) and an accuracy of 0.945 (95% CI, 0.945-0.945). Factors influencing suicidal ideation were mainly related to mental health, with the most significant factor being depression for more than two weeks (0.998±0.038). Preemptive measures to prevent suicide by managing depression are needed, and programs to promote mental health and reduce psychological distress should be established.

목차

1. 서론

2. 연구방법

3. 연구결과

4. 논의

References

키워드

랜덤 포레스트 기계 학습 자살 우울 random forest machine learning suicide depression