본 연구는 당뇨병 유병률의 지역 간 변이 요인을 규명하여 지역별 특성에 맞는 당뇨병 관리 사업을 지원하기 위한 기초자료를 제공하기 위해 수행되었다. 이를 위해 질병관리 본부의 2011년도 시군구 지역사회건강조사 230건 자료를 지역별 사회경제학 지표 등과 연계하여 생태학적 연구를 위한 자료를 구축한 후 단계적 회귀분석, 의사결정나무 등의 기법으로 분석하였다. 단계적 회귀분석 결과 인지된 고혈압 유병률과 경제활동 비율이 높고, 비만율이 낮을수록 당뇨병 유병률이 높아지는 것으로 나타났다. 지역 간에 상이한 변이 요인을 보다 구체적으로 알아보고자 의사결정나무 모형을 이용하여 지역 간 변이 요인을 규명한 결과 인지된 고혈압 유병률, 비만율, 고위험 음주율, 유배우자 비율, 인구밀도 등이 당뇨병 유병률의 주요 변이 요인으로 나타났다. 당뇨병 유병률의 지역 간변이 요인은 세부 지역별로 다양한 양상으로 나타났는데, 본 연구 결과는 지역별 맞춤형 당뇨병 관리 사업 계획을 수립하는데 기초자료로 활용될 수 있겠다.;We investigate how the regional prevalence of diabetes is affected by health-related and socioeconomic factors with a special emphasis on geographic variations. We focus on the likelihood of diabetes as function of various region-specific attributes. We construct a unique set of data at the level of 230 small administrative district collected from 2011 Annual Community Health Survey by Korea Centers for Disease Control and Prevention and other government agencies. To estimate, we use several methods including correlation analysis, multiple regression and decision tree model. We find that diabetes prevalence is more likely to be associated with hypertension prevalence, obesity and economic activity rate. Further findings using decision tree model suggest that hypertension prevalence, obesity, the rate of drinking and the density of population are more likely to affect the prevalence of diabetes than other regional attributes considered. More importantly, we find significant geographic variations in factors affecting diabetes prevalence across administrative districts. This topic are not just of academic interest, but have practical implications by helping policy makers to understand and identify important regional factors relating to the prevalence of diabetes by which they can implement more effective planning for promotion of health.
본 연구는 국내의 온라인 뉴스 사이트, 블로그, 카페, 소셜 네트워크 서비스, 게시판 등 인터넷을 통해 수집된 소셜 빅데이터를 네트워크 분석과 데이터마이닝의 의사결정나무 분석기법을 적용하여 분석함으로써 한국의 인터넷 중독(internet addiction disorder)관련 위험에 대한 예측모형을 개발하고자 하였다. 주제분석(text mining)과 요인분석(factor analysis)에서 인터넷 중독 감정은 일반과 중독으로 분류되어 소셜 빅데이터 문서에서 인터넷 중독여부의 의사결정이 가능한 것으로 나타났다. 인터넷 중독 폐해요인의 위험예측에 가장 영향력이 높은 요인은 ‘불안요인’이 높고 ‘유해요인’이 높은 요인으로 나타났으며, 인터넷 중독 영향요인의 위험예측에 가장 영향력이 높은 요인은 ‘정신건강요인’이 높고 ‘친구관계요인’이 높은 조합으로 나타났다. 본 연구는 소셜 빅데이터에서 수집된 인터넷 관련 문서에 대한 네트워크 분석과 데이터마이닝 분석을 통하여 우리나라의 인터넷 중독 위험에 대한 예측모형을 제시한 점에서 정책적·분석방법론적으로 의의가 있다. 또한, 실제적인 내용을 빠르게 효과적으로 파악하여 사회조사가 지닌 한계를 보완할 수 있는 새로운 조사방법으로서의 소셜 빅데이터의 가치를 확인하였다는 점에서 조사방법론적 의의를 가진다고 할 수 있다.;The purpose of this study is to develop a prediction model about risk factors related to Korean Internet Addiction Disorder, by applying network analysis and decision making-tree analysis to the social big data that are collected from online news sites, blogs, internet cafes, social network service, and internet message boards. The Big Data Document made possible to figure out the decision-making process of Internet Addiction classification through text Mining and factor analysis, which are classified into two categories as ‘general’ and ‘addiction’. A Combination of highest ‘anxiety factor’ and high ‘harmful factor’ had the most influence on Internet addiction. Also, both highest ‘mental health factors’ and high ‘relationship with friends factors’ influenced the most when it comes to Internet addiction. Based on the study, data mining analysis and network analysis of Internet Social Big Data was presented as a prediction model for Internet addiction risk factor, which was considered significant in both policy and analysis methodology.