DOI QR코드

DOI QR Code

A Development of Suicidal Ideation Prediction Model and Decision Rules for the Elderly: Decision Tree Approach

의사결정나무 기법을 이용한 노인들의 자살생각 예측모형 및 의사결정 규칙 개발

  • 김덕현 (경상대학교 경영정보학과) ;
  • 유동희 (경상대학교 경영정보학과, 경영경제연구소) ;
  • 정대율 (경상대학교 경영정보학과, 경영경제연구소)
  • Received : 2019.09.06
  • Accepted : 2019.09.28
  • Published : 2019.09.30

Abstract

Purpose The purpose of this study is to develop a prediction model and decision rules for the elderly's suicidal ideation based on the Korean Welfare Panel survey data. By utilizing this data, we obtained many decision rules to predict the elderly's suicide ideation. Design/methodology/approach This study used classification analysis to derive decision rules to predict on the basis of decision tree technique. Weka 3.8 is used as the data mining tool in this study. The decision tree algorithm uses J48, also known as C4.5. In addition, 66.6% of the total data was divided into learning data and verification data. We considered all possible variables based on previous studies in predicting suicidal ideation of the elderly. Finally, 99 variables including the target variable were used. Classification analysis was performed by introducing sampling technique through backward elimination and data balancing. Findings As a result, there were significant differences between the data sets. The selected data sets have different, various decision tree and several rules. Based on the decision tree method, we derived the rules for suicide prevention. The decision tree derives not only the rules for the suicidal ideation of the depressed group, but also the rules for the suicidal ideation of the non-depressed group. In addition, in developing the predictive model, the problem of over-fitting due to the data imbalance phenomenon was directly identified through the application of data balancing. We could conclude that it is necessary to balance the data on the target variables in order to perform the correct classification analysis without over-fitting. In addition, although data balancing is applied, it is shown that performance is not inferior in prediction rate when compared with a biased prediction model.

Keywords

Decision Tree;Data Mining;Balanced Data;Elderly Suicidal Ideation;Prediction Model;Decision Rules

References

  1. 강현철 외 5명, 빅데이터 분석을 위한 데이터마이닝 방법론, 자유아카데미, 2014.
  2. 권오균, 허준수, "저소득 독거노인의 자살생각 인과모형에 관한 연구-자아존중감, 우울감, 절망감의 매개효과를 중심으로," 정신보건과 사회사업, 제41권, 제4호, 2013, pp.65-93.
  3. 권중돈, 김유진, 엄태영, "노인돌봄서비스 이용 독거노인의 자살생각에 영향을 미치는 요인에 관한 연구-자살시도경험과 음주행위와의 관계를 중심으로", 노인복지연구, 제51권, 2011, pp.297-320.
  4. 김경민, 장하영, 장병탁, "불균형 데이터 처리를 위한 과표본화 기반 앙상블 학습 기법", 한국정보과학회지, 제20권, 제10호, 2014, pp.549-554.
  5. 김성은, 김선아, "의사결정나무 분석기법을 이용한 농촌거주 노인의 우울예측모형 구축", Journal of Korean academy of nursing, 제43권. 제3호, 2013, pp.442-451. https://doi.org/10.4040/jkan.2013.43.3.442
  6. 김원종, 최연식, 유동희, "데이터 마이닝을 활용한 한국 프로야구 구단의 승패예측과 승률 향상을 위한 전략 도출 연구", 한국스포츠산업경영학회지, 제23권, 제3호, 2018, pp.88-104.
  7. 김종필, 현미열, "치매노인의 우울과 자살의도", Journal of Korean academy of nursing, 제43권, 제2호, 2013, pp.296-303. https://doi.org/10.4040/jkan.2013.43.2.296
  8. 김지훈, 김경호, "자살생각, 자살계획 및 자살시도와 관련된 유발요인의 영향력 분석: 6차년도 한국복지패널 참여자를 대상으로", 한국콘텐츠학회논문지, 제18권, 제2호, 2018, pp.344-360. https://doi.org/10.5392/JKCA.2018.18.02.344
  9. 문동규, "노인의 자살생각과 관련된 유발변인의 메타회귀분석", 노인복지연구, 제55권, 2012, pp.133-157.
  10. 박명화, 최소라, 신아미, 구철회, "의사결정나무 분석법을 활용한 우울 노인의 특성 분석", Journal of Korean academy of nursing, 제43권, 제1호, 2013, pp.1-10. https://doi.org/10.4040/jkan.2013.43.1.1
  11. 박민정, "노인의 성별에 따른 자살생각과 영향 요인-2010년도 한국의료패널자료를 이용하여", Journal of the Korean Data Analysis Society, 제12권, 제2호, 2015, pp.1087-1099.
  12. 장영재, "빅데이터, 비즈니스 애널리틱스, IoT: 경영의 새로운 도전과 기회," 정보시스템연구, 제24권, 제4호, 2015, pp.139-152.
  13. 안민욱, 김태운, 유동희, "데이터 마이닝 기법을 활용한 근로자의 고용유지 강화 방안 개발", 한국콘텐츠학회논문지, 제18권, 제5호, 2018, pp.265-279. https://doi.org/10.5392/JKCA.2018.18.05.265
  14. 오욱찬, 박정민, 구서정, "가계부채가 정신건강에 미치는 영향-우울감과 자살생각을 중심으로", 한국사회복지학, 제69권, 제2호, 2017, pp.171-190.
  15. 오윤정, 김향동, "노인의 자살생각 예측요인", 융합정보논문지, 제8권, 제2호, 2018, pp.1-9. https://doi.org/10.22156/CS4SMB.2018.8.2.001
  16. 원하림, 김무전, 안현철, "온라인 무료 샘플 판촉의 효과적 활용을 위한 기계학습 기반 고객분류예측 모형," 정보시스템연구, 제27권, 제3호, 2018, pp.63-80.
  17. 유동희, 최근호, 서용무, "산재근로자들의 고용안정과 건강한 삶을 위한 데이터마이닝 기반의 규칙 도출 연구", 한국직업재활학회, 25(3), 2015, pp.5-24.
  18. 이금룡, 조은혜, "독거노인의 자살생각에 영향을 미치는 주요 변인에 관한 연구: 사회적 지지의 직접 및 간접효과를 중심으로," 보건사회연구, 제33권, 제1호, 2013, pp.162-189.
  19. 이윤정, "노인가구의 정보화 상태가 우울과 자살생각에 미치는 영향", 한국가정관리학회 제52차 추계학술대회, 2012, pp.215-229.
  20. 이인정, "노인의 우울과 자살생각의 관계에 대한 위기사건, 사회적 지지의 조절효과", 보건사회연구, 제31권, 제4호, 2011, pp.34-62.
  21. 이혜경, "배우자 사별을 경험한 독거노인의 애도수준과 자살생각 간의 관계-우울의 매개효과를 중심으로," 정신보건과 사회사업, 제44권, 제1호, 2016, pp.24-47.
  22. 임성옥, 김경희, "전기.후기노인의 자살생각에 대한 영향요인," 사회복지정책, 제45권, 제3호, 2018, pp.5-29.
  23. 중앙자살예방센터, 2018자살예방백서, 2018.
  24. 한국복지패널, 1-12차 결합데이터 코드북(가구데이터), 2018.
  25. 한국복지패널, 1-12차 결합데이터 코드북(머지데이터: 가구+가구원+부가), 2018.
  26. 한국복지패널, 2016년 한국복지패널 기초분석 보고서, 2016.
  27. 한국복지패널, 12차년도 조사자료 유저가이드, 2018.
  28. Bonnewyn, A., Shah, A., and Demyttenaere, K. "Suicidality and Suicide in Older People," Reviews in Clinical Gerontology, Vol. 19, 2009, pp. 271-294. https://doi.org/10.1017/S0959259809990347
  29. Burez, J. and Van den Poel, D., "Handling Class Imbalance in Customer Churn Prediction," Expert Systems with Applications, Vol. 36, No. 3, 2009, April, pp. 4626-4636. https://doi.org/10.1016/j.eswa.2008.05.027
  30. Longade, R., Dongre, S., and Malik, L., "Class Imbalance Problem in Data Mining: Review," International Journal of Computer Science and Network, Vol. 2, Iss. 1, 2013, February, pp. 1-6.
  31. Mann, J., Apter, A., Bertolote, J., Beautrais, A., Currier, D., and Haas, A. "Suicide Prevention Strategies: A Systematic Review." JAMA, Vol. 294, No. 16, 2005, pp. 2064-2074. https://doi.org/10.1001/jama.294.16.2064
  32. Song, Y. and Lu, Y., "Decision Tee Methods: Applications for Classification and Prediction," Shanghai Arch Psychiatry, Vol. 27, No. 2, 2015, pp. 130-135. https://doi.org/10.11919/j.issn.1002-0829.215044