• 대한임상검사과학회지
• /
• 제51권1호
• /
• pp.1-14
• /
• 2019

우리나라, 일본, 미국의 임상병리사 명칭은 의료체계, 교육제도, 업무영역에 따라 차이가 있다. 전통적으로 medical technologist (별칭 clinical laboratory technologist, medical laboratory technologist, clinical laboratory scientist, medical laboratory scientist)와 동등하거나 유사한 직종은 histotechnologist, cytotechnologist, genetic technologist이다. Extracorporeal technologist, medical electrophysiology technologist, medical sonographer는 medical technologist를 포함한 다른 보건의료인도 자격을 취득할 수 있는 직종이다. 임상병리사의 업무영역은 임상병리기술학, 병리기술학, 임상유전기술학, 핵의학기술학, 임상생리기술학으로 분류하였다. 새로운 전문임상병리사 종별은 CLMJ, CMAJ, ASCP, IAC, ABRET, ARMDS 등의 자격인정제도를 참고하였다. 현재 전문임상병리사 종별은 전문과목학회의 협조 하에 기존의 8종으로 혈액학, 수혈학, 화학, 면역학, 미생물학, 조직학, 세포학, 핵의학분야가 있으며 앞으로 미세질량분석, 감염관리, Pathologists' Assistant, 유세포분석, HLA, 세포유전학, 분자유전학, 심폐생리학, 신경생리학(뇌파/근전도/수면다원 등), 심장초음파학, 신경초음파학(뇌혈류/경동맥), 기기품질관리사 등 업무영역별로 20종으로 세분화할 수 있다.

• 대한임상검사과학회지
• /
• 제49권2호
• /
• pp.55-68
• /
• 2017

최근 과학과 의료기술의 발전으로 의료행위에 있어 많은 변화를 가져왔으며 환자의 치료에 있어 그 역할이 강조되고 있다. 특히 임상병리사의 경우, 역할과 중요성이 의료과학 분야가 발달함에 따라 증가되고 있으며, 이에 따른 책임감 역시 증가하고 있다. 임상병리사의 전문성과 독립성의 증가로 더 이상 의사의 보조로만 여기지 않고, 의사의 진료와 의료기사 등의 의료 보조행위에 기초하여 현대 의료서비스는 보다 조직화되고 복잡화, 전문화 되고 있다. 그러나 "의료기사 등에 관한 법률"에서는 의료기사는 의사 또는 치과의사의 지도하에서만 면허범위 내의 행위가 가능하도록 규정하고 있다. 그래서 본 연구에서는 각종 의료행위에 있어서 임상병리사를 중심으로 하여 "의료기사 등에 관한 법률"에서 나타나는 문제점과 그 중에서도 의료업무, 의료지도에 관한 부분 등에 관해 살펴보았다. 결론으로 "의료기사 등에 관한 법률"에 명시된 의사의 지도에 대한 명확한 해석이 필요하며, 국가면허시험의 자격과 역할을 "의료기사 등에 관한 법률"에 명시하고, 임상병리사의 역할에 대해 보건의료인들과의 소통 또한 필요하며, 독립된 법제정으로 임상병리사들의 영역 확대와 전문성을 확대 강화하는 것이 필요할 것이라고 생각한다.

• 대한임상검사과학회지
• /
• 제52권1호
• /
• pp.83-89
• /
• 2020

북한과 남한은 임상검사실 인력구조에서 차이가 있다. 북한에서는 남한의 '임상병리사'에 해당하는 유사인력을 '실험의사(검사의사)'라고 호칭한다. 본 연구자들은 탈북 보건의료인의 증언을 바탕으로 한 선행연구를 고찰해 보면, 검사의사(laboratory doctor)의 신분은 의사(physician)와 준의(feldsher, physician assistant)일 것이라고 사료된다. 의사와 준의는 5.5년제 의학대학 및 3년제 의학전문학교에서 양성되고 있다. 북한의 보건의료인력체계는 남한의 경우처럼 보건전문가들의 전문영역별 업무나 교육, 자격 및 법률이 세분화되어 있지 않다. 대한임상병리사협회는 한반도 통일을 대비하여 유관 단체와 함께 정책연구를 통해서 북한 임상검사인력에 대한 직제 전문화 구축과 발전 방향을 상호 모색해야 할 것으로 사료된다.

• Toxicological Research
• /
• 제33권3호
• /
• pp.205-209
• /
• 2017

Transmembrane Protein 39A (TMEM39A) is a member of TMEM family. The understanding about this protein is still limited. The earlier studies indicated that TMEM39A was a key mediator of autoimmune disease. TMEM39A seems to be involved in systemic lupus erythematosus and multiple sclerosis in numerous of populations. All of these works stop at insufficient information by using gene functioning methods such as: Genome-wide association studies (GWASs) and/or follow-up study. It is the fact that the less understood of TMEM39A actually is the attraction to the scientist in near future. In this review the current knowledge about TMEM39A and its possible roles in cell biology, physiology and pathology will be described.

• 대한임상검사과학회지
• /
• 제53권1호
• /
• pp.105-121
• /
• 2021

임상병리사 명칭 변경과 관련한 의견을 수렴하기 위해 사단법인 대한임상병리사협회에서는 정회원으로 등록된 총 22,638명에게 온라인을 통해 제시된 명칭에서 2개를 선택하는 설문 답변을 요구하였으며 이 중 3,999명(17.66%)이 설문조사에 회신답변하였다. 명칭 선호도는 회원 1인당 2개를 선택하는 답변을 통해서 6,958건이 산출되었으며 그 중 5,555건(79.83%)가 '분석사' 레벨을 선호하였다. 명칭에 대한 조사결과는 진단검사분석사가 2,417건(34.73%)으로 가장 많았고, 임상검사분석사는 1,710건(24.57%), 의생명병리사는 758건(10.89%), 의생명분석사는 730건(10.49%), 의생명검사분석사는 730건(10.03%), 임상검사과학사는 646건(9.26%) 순으로 조사되었다. 따라서 조사된 회원들의 요구도, 자문, 문헌고찰, 표준직업분류, 주요대상국 현황을 기반으로 "진단검사분석사(Diagnostic Laboratory Analyst), 의생명검사분석사(Biomedical Laboratory Analyst), 의생명분석사(Biomedical Analyst)"를 명칭 정립으로 제언하고자 한다.

• 대한임상검사과학회지
• /
• 제51권4호
• /
• pp.495-503
• /
• 2019

본 연구는 채혈실의 적정인력에 대한 표준산출모형을 제시하기 위하여 임상병리사의 채혈 업무량 평가에 따른 적정인력 규모를 산정하였다. 연구대상으로 600에서 2,000병상 사이의 11개 대학병원을 선정하였다. 표준산출모형을 위한 채혈 관련 주요 인자를 선정하고 국내현황조사, 인자의 병원 간 분석, 표준채혈시간을 제시하여 채혈 적정인력을 산정하였다. 연구대상으로 600에서 2,000병상 사이의 11개 대학병원을 선정하였다. 소아와 노인을 제외한 20세 이상~60세 미만의 성인 외래채혈환자를 대상으로 측정한 14단계 표준채혈시간은 4분 8초이었다. 하루 8시간 기계적 채혈을 한다고 가정할 경우 1명의 임상병리사가 채혈 할 수 있는 최대건수는 100건으로 분석되었다. 결론적으로 채혈에 종사하는 임상병리사의 1일 적정채혈 환자 건수는 100건 이하로 하는 것이 적정할 것으로 사료된다. 그리고 채혈적정인력은(채혈업무 100% 비중)=연간적정건수/((1일 근로시간/건당 소요시간)×연간 근무일수)이므로 채혈 적정인력(채혈업무 100%비중)=연간적정건수/(100×연간 근무일수)라 할 수 있다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume II
• /
• pp.627-630
• /
• 2006

Sequential Pattern Mining is the mining approach which addresses the problem of discovering the existent maximal frequent sequences in a given databases. In the daily and scientific life, sequential data are available and used everywhere based on their representative forms as text, weather data, satellite data streams, business transactions, telecommunications records, experimental runs, DNA sequences, histories of medical records, etc. Discovering sequential patterns can assist user or scientist on predicting coming activities, interpreting recurring phenomena or extracting similarities. For the sake of that purpose, the core of sequential pattern mining is finding the frequent sequence which is contained frequently in all data sequences. Beside the discovery of frequent itemsets, sequential pattern mining requires the arrangement of those itemsets in sequences and the discovery of which of those are frequent. So before mining sequences, the main task is checking if one sequence is a subsequence of another sequence in the database. In this paper, we implement the subsequence matching method as the preprocessing step for sequential pattern mining. Matched sequences in our implementation are the normalized sequences as the form of number chain. The result which is given by this method is the review of matching information between input mapped sequences.

• 대한원격탐사학회지
• /
• 제22권5호
• /
• pp.457-462
• /
• 2006

Sequential Pattern Mining is the mining approach which addresses the problem of discovering the existent maximal frequent sequences in a given databases. In the daily and scientific life, sequential data are available and used everywhere based on their representative forms as text, weather data, satellite data streams, business transactions, telecommunications records, experimental runs, DNA sequences, histories of medical records, etc. Discovering sequential patterns can assist user or scientist on predicting coming activities, interpreting recurring phenomena or extracting similarities. For the sake of that purpose, the core of sequential pattern mining is finding the frequent sequence which is contained frequently in all data sequences. Beside the discovery of frequent itemsets, sequential pattern mining requires the arrangement of those itemsets in sequences and the discovery of which of those are frequent. So before mining sequences, the main task is checking if one sequence is a subsequence of another sequence in the database. In this paper, we implement the subsequence matching method as the preprocessing step for sequential pattern mining. Matched sequences in our implementation are the normalized sequences as the form of number chain. The result which is given by this method is the review of matching information between input mapped sequences.