-
About KNN
-
News
-
Research
-
Tools
-
Data Display
-
DM & Monitoring
-
QI
Research
연구 정보
Research Project (승인과제목록)
KNN 연구 요약서
| Title | Clustering preterm infant and comparison of outcomes related to the cluster: by unsupervised machine learning |
|---|---|
| Author | 고지원, 김승수 |
| 작성자 | 김승수 |
| Background | 최근 정밀의학의 필요성이 대두되면서, 군집화(clustering)를 이용한 아형(subtype) 분류 연구가 미숙아 연구 영역에서도 점차 증가하는 추세이다. 본 저자들은 일개 대학병원의 후기 미숙아를 대상으로 한 발달 예후의 군집화 연구를 수행하여 의미있는 표현형을 찾아 낸 바 있다(perinatology 2022;33(3):127-35). 이에 다기관 신생아 코호트의 많은 대상군을 대상으로 신생아의 사망 및 발달 예후에 영향을 주는 인자에 대한 연구를 수행하고자 한다. |
| Aim / Hypothesis | 본 저자들은 출생 체중 1,500g미만 혹은 재태주수 32주 미만 미숙아들의 주산기 병력을 이용해 군집화 하고, 각 군집 별 예후를 비교하고자 한다. |
| Inclusion Criteria | 한국신생아네트워크(Korean neonatal network, KNN)에 등록된 1,500g 미만 그리고 32주 미만의 미숙아의 all variables |
| Exclusion Criteria | 주산기 병력 변수 중 결측치(missing value)가 20%이상인 대상(sample) |
| Study Design Statistical methods | 후향적 코호트 연구, 군집화(k-means, k-medoid, hierarchical, DBSCAN, 등), 독립 t검정, 카이 제곱 검정, 생존분석 |
| Primary Outcomes | 사망 |
| Secondary Outcomes and Definitions | 생후 24개월-36개월의 발달(K-DST, BSID-II, BSID-III) 및 성장(키, 체중, 두위의 백분위수 혹은 z-score) |
| Protocols | 1) Inclusion criteria에 속하는 환자 데이터를 KNN 데이터 베이스에서 추출 2) Exclusion criteria에 속하는 대상군을 분석 데이터에서 제거 3) 전처리를 통해 이상치 및 결측치를 처리 4) 전처리 된 데이터를 이용하여 군집화 분석을 시행 5) 생성된 군집을 바탕으로 독립 t검정, 카이 제곱 검정, 생존분석 등을 수행하고 각 군집 별 예후를 비교 |
| Funding | none |
Korean Neonatal Network
TEL : 070-8095-2023 FAX : 02-3410-3540
E-mail : knn@knn.or.kr
COPYRIGHT © 2022 KNN. ALL RIGHTS RESERVED.