최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
권혜진, 아마르자르갈 다그와더르지, 김학선
2022 / 산업혁신연구
데이터가 존재하지 않습니다.
loading...
본 연구는 코로나19 기간 동안 국내외 건강신념모델(HBM) 이론을 활용한 연구 동향을 비교 분석하였다. KCI와 SPRINGER에서 논문 데이터를 수집하여 TF-IDF 키워드 분석, 토픽 모델링, 네트워크 분석 등을 통해 연구 주제를 파악하고 시각화하였다. 연구 결과, 국내외 연구 주제의 공통점과 차이점을 확인하여 향후 연구 방향성을 제시하였다.
Researches and applications of artificial intelligence to mitigate pandemics history, diagnostic tools, epidemiology, healthcare, and technology
소셜헬스와 코로나19 이후의 우리 사회
COVID-19 : prediction, decision-making, and its impacts
Pandemic risk management in operations and finance : modeling the impact of COVID-19
Health behavior : theory, research, and practice
Data analytics for pandemics : a COVID-19 case study
Artificial Intelligence Applications and Innovations : 17th IFIP WG 12.5 International Conference, AIAI 2021, Hersonissos, Crete, Greece, June 25–27, 2021, Proceedings
Healthcare informatics for fighting COVID-19 and future epidemics
Emerging technologies for battling Covid-19 : applications and innovations
Mathematics of Public Health : Proceedings of the Seminar on the Mathematical Modelling of COVID-19
Predictive and preventive measures for COVID-19 pandemic
Data science for COVID-19.
Comparing and contrasting the impact of the COVID-19 pandemic in the European Union
Predictive models for decision support in the COVID-19 crisis
Artificial intelligence and machine learning for COVID-19
Mathematics of Public Health : Mathematical Modelling from the Next Generation
데이터로 바라본 코로나 세상 : 코로나 이후의 세상을 위해
COVID-19 and governance : crisis reveals
Computational modeling and data analysis in COVID-19 research
Intelligent data analysis for COVID-19 pandemic
사회통합연구
ZHOU NAN; 김현미한국산학기술학회논문지
김민, 김현진Journal of Health Research
Issara SiramaneeratHuman Factors in Healthcare
Choudhury, Avishek; Elkefi, Safa; Strachna, Olga; Asan, Onur한국콘텐츠학회 논문지
이상숙, 김진희JMIR Public Health and Surveillance
Raamkumar A.S.,Tan S.G.,Wee H.L.Age and Ageing
N Hennelly; G Lalor; S Gibney; R Murphy; R A Kenny; M WardJournal of Enterprise Information Management
Tian X.,He W.,He Y.,Albert S.,Howard M.Journal of Medical Internet Research
Tetteh E.K.,Combs T.,Geng E.H.,McKay V.R.Social work in public health
Maleki A; Zahraei SM; Mahmoudi S; Gouya MM; Kamali K; Hoseinzade Z; Farsadeghi M; Hajimiri K; Heidari Z; Mohamadi S; Bigdeli Z; Shoghli A한국학교보건학회지
석나영, 전미양, 윤치양, 이미숙Travel Medicine and Infectious Disease
Sohail A.,Akritidis J.,McGuinness S.,Leder K.사회융합연구
박상미Scientometrics
Ebadi A.,Xi P.,Tremblay S.,Spencer B.,Pall R.,Wong A.Journal of Science and Technology Policy Management
Maleka N.H.,Matli W.Scientometrics
Ebadi, Ashkan; Xi, Pengcheng; Tremblay, Stéphane; Spencer, Bruce; Pall, Raman; Wong, AlexanderPUBLIC HEALTH NURSING
Zlotnick, Cheryl; Dryjanska, Laura; Suckerman, SuzanneOnline Information Review
Xin R.,Lim Y.J.Applied Psychology: Health and Well-Being
Tong K.K.,Chen J.H.,Yu E.W.y.,Wu A.M.S.한국정보전자통신기술학회 논문지
김은희, 서유화전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.공통 / 대학원
의학 및 간호학 연구에 실제 사용되는 공공보건자료들에 대한 소개를 통해 자료들에 대한 깊이 있는 이해를 도모함으로써 새로운 연구주제를 발견하며, 자주 쓰이는 양적분석 방법론에 대한 학습을 통해 가설을 검증하는 능력을 기름으로써, 연구의 역량을 조화롭게 발전시키는 것을 목표로 함.전선 / 대학원
전자의무기록, 소셜 미디어, 건강보험자 등 여러 자료원으로 부터 많은 양의 정형, 비정형 보건의료데이터가 생성되고 있다. 이런 데이터에서 얻은 정보와 지식은 보건의료서비스전달체계를 향상하고 의료비를 줄이는 데 활용할 수 있다. 보건의료분야에서 생성되는 데이터는 용량이 크고 복잡하여 분석하는 것도 쉽지 않고 그 분석결과를 임상실무에 적용하는 것 또한 쉽지 않다. 이 교과목에서는 전자의무기록, 소셜 미디어, 건강보험자 등에서 생산되는 보건의료 빅데이터의 특성과 이들 데이터를 분석하는 기법에 대해 소개한다. 본 교과목에서 데이터마이닝/기계학습, 분류등과 같은 정형데이터의 분석기법 뿐 아니라 자연어처리, 텍스트 마이닝 등 비정형데이터 분석기법을 포함한다.전선 / 대학원
이 교과목의 목표는 보건의료 정책과 사업의 평가에 흔히 이용되는 주요 계량적 방법론을 이해함으로써 연구 논문을 비판적으로 평가하고 실제 구체적 연구 문제에 적용할 수 있도록 하는 것이다. 무작위 대조 연구의 실험 설계를 기준점으로 삼아, 잠재적 혼란요인을 통제변수로 포함하여 보정하는 다중 회귀분석을 통하여 비실험적 상황에서 인과적 효과를 추론할 수 있는 가능성과 필요한 가정을 검토하는 것으로부터 출발한다. 실제 보건의료 정책 및 사업의 평가에서 그러한 가정들은 충족되는 경우가 드문 편인데, 이 교과목에서는 그런 상황에서 비실험적 자료를 이용하여 보건의료 정책 및 사업 효과를 추정할 때 인과적 추론 강화에 도움을 줄 수 있는 방법론들을 주로 다룬다. 구체적으로는 이중차이, 성향점수, 도구변수, 회귀불연속, 간섭된 시계열 모형, 자연실험 방법이 포함된다.전선 / 대학원
본 과목은 간호정책의 효과를 체계적으로 분석하고, 자료에 근거하여 계량적으로 평가한 결과를 제사함으로써 보건정책에의 활용도를 제고하기 위한 분석방법론을 습득하고, 나아가 독자적인 간호정책연구를 수행할 수 있는 능력을 함양하는데 목적이 있다. 간호인력이 국가보건의료체계의 성과 향상에 기여하는 효과를 모형을 통해 분석, 추론하고, 경험적 자료를 이용하여 실증적으로 측정, 평가할 수 있는 방법론을 중심으로 최근의 다학제간 연구에서 발전되고 있는 이론체계와 응용연구 동향을 중점적으로 학습한다. 주요 내용은 간호정책과 선형계획법의 활용, 간호생산성의 측정과 자료포락분석(DEA), 간호서비스의 생산함수, 병원서비스 대기행렬이론, 계층적 분석법(AHP), 결정분석(decision analysis), 간호정책분석론, 간호정책조사방법, 시계열분석과 횡단분석, 패널자료분석, 모형선택법, 연립방적식 모형, 제한종속변수법 등이다.전선 / 대학원
최근 보건 분야에서도, 제약 산업의 신약 개발 프로세스와 바이오인포메틱스 산업군에 대한 지식과 필요성이 그 어느 때보다 높아 임상 디자인과 관련되는 통계 방법에 대한 필요성이 증대되고 있다. 이에 임상시험 관련 내용과 이를 위한 통계분석 기법에 대한 강의를 개설하고자 한다. 본 강의는 보건대학원 학생들을 위해 전통적인 통계학의 방법을 바탕으로 해서 실제 임상 업무 현장에서 이슈가 되고 있는 통계적 주제에 대해서 다루는 강의이다. 강의 주제는 크게 3개의 주제로 나뉘며 1) 전통적인 통계학 내용에 대한 간략한 소개 2) 임상시험 전반과 그 디자인에 대한 내용 3) 보건의료 산업현장에서 이슈가 되고 있는 실무적인 내용에 대한 개론 이 그 3개의 주제이다.전선 / 대학원
보건학 자료는 이진형, 연속형 등 다양한 유형의 자료들로 이루어져 있으며 subjects사이의 상관성으로 인하여 분석이 쉽지 않다. 이러한 보건학 자료의 분석을 위하여 선형혼합모형, 일반화선형모형, 일반화선형혼합모형 등이 주로 활용되어 왔다. 고급보건통계이론에서는 이러한 분석 방법론에 활용되고 있는 다양한 모수 추정방법론과 관련 이론을 학습할 것이다. 예를 들어, 최대가능도추정량과 제한가능도추정량의 점수함수와 모수추정 방법론을 배우고 동시에 일반화추정방정식과 관련된 다양한 이론을 학습하고 연습함으로써 보건통계자료 분석의 기본 이론을 배울 수 있는 기회가 될 것이다.전선 / 대학원
점차 인구집단의 건강 수준에 영향을 미칠 수 있는 위해를 다루는 정책 집단의 효과적인 소통의 중요성이 강조되고 있다. 이에 본 강좌는 정책 실무자가 개인, 집단, 지역사회와 질병과 환경 등 다양한 건강위험을 효과적으로 소통할 수 있도록 관련 역량을 강화하는 기회를 제공한다. 구체적으로, 개인은 위험을 어떻게 인식하고 무엇이 영향을 미치는지, 위험 정보와 의견의 상호교환 (위험 소통)은 왜 중요한지, 잠재적 위험은 물론 감염병 대유행 같은 재난적 공중보건 위기의 대비·대응에서 위험 관리의 거버넌스 접근이 필요한 이유나 함의가 무엇인지 등을 다룬다. 강좌는 일방적 강의 방식이 아닌 수강자 참여형 세미나 형태로 진행한다.전선 / 대학원
이 과목은 우리가 일상적으로 많이 쓰고 있는 통계적 용어, 이 과목에서는 컴퓨터를 이용한 보건통계 자료처리에 필요한 기본적 통계적 이론들을 배우고 여러 통계 패키지를 이용한 실제의 자료처리 과정을 배우는 것을 목적으로 삼는다. 많은 실제 예제 자료들을 다룸으로 실제적인 문제 처리 능력을 키우고 컴퓨터를 이용한 자료 처리의 자신감을 키운다. 또한 회귀분석과 분산분석의 기초 이론들을 실제 쓰이는 용도를 중심으로 익힌다. 하나의 교재를 정하지 않고 매 시간 필요한 자료들을 복사하여 수업시간 전에 배분할 예정임.전선 / 대학원
보건학적인 자료 중에서 많은 것이 이산변수이다. 다라서 보건학 연구기법을 터득하려면 이산변수의 분석방법을 이해하지 않고서는 효율적으로 자료분석을 할 수 없다. Chi-square 방법은 이러한 자료를 분석하는 가장 기초적인 방법인데, 이에서 한걸음 더 나아가 다변량으로 이산변수가 나타나는 경우의 분석방법을 다룬다. 따라서 자료의 상관성문제, 대수선형분석방법 등을 다룬다.전선 / 대학원
현대의료는 의사나 약사 같은 보건의료 직업집단, 병원이나 제약회사 같은 보건의료 생산기관, 그리고 거시적인 수준의 의료제도와 의료체계 등 조직을 통하여 만들어지고 제공된다. 이 강좌는 일반 조직이론을 기초로 보건의료조직이 갖는 여러 가지 특성을 이해하고 조직내의 권력과 조직통제, 조직과 환경의 관계가 보건의료서비스의 생산과 전달에 어떤 영향을 미치고 있는가를 이해하는 것을 목적으로 한다.전선 / 대학원
모성간호 영역에서 활용되는 주요 개념들과 이론들을 학습하고 분석함으로써 모성관련 현상에 대한 지식을 습득한다. 또한 관련 연구들을 종합하여 모성연구의 관점과 이론의 적용을 탐구함으로써 학습자들의 이론활용 및 연구능력을 증진시키는 데에 초점을 둔다.전선 / 대학원
최근 기계 학습 방법론은 보건학에서 큰 인기를 얻고 있다. 본 과목은 보건학 데이터를 분석하기 위한 기계 학습 방법론의 다양한 측면에 대해 실질적인 지식과 이해를 제공하는 것을 목적으로 한다. 이 과목은 보건학 분야에서의 학생 및 연구자를 돕기 위해 기계 학습 방법론의 개념과 기법에 대해 다룬다. 군집, 차원축소, 분류, 의사결정나무, 신경망 모형 등을 보건학의 문맥에서 다루게 된다.전선 / 대학원
최근 생물정보 데이터 생산 비용이 급격히 감소함에 따라 다양한 오믹스 자료를 활용하여 질병의 원인이 되는 오믹스 마커 규명 연구가 활성화되고 있다. 오믹스 자료는 유형에 따라 통계학적 성질에 큰 차이가 있으며, 따라서 보건자료와 다중오믹스를 통합하여 분석을 수행하는 경우 이러한 차이를 적절히 고려하여 유형 별 적절한 분석을 수행할 필요가 있다. 본 과목에서는 전장유전체분석, 멘델랜덤화 기법을 비롯하여 다양한 유전체와 보건 자료를 분석에 활용되는 분석기법을 주로 소개할 것이다. 또한 전사체, 후성유전체, 마이크로비옴과 같은 오믹스데이터와 보건 자료 통합분석 기법을 소개할 것이다. 각 오믹스 자료의 생물학적 이해보다는 자료의 특성과 분석 알고리즘을 통계학적 기법에 기초하여 설명할 것이며, 따라서 수업의 내용을 적절히 이해하기 위해서는 회귀분석/보건학통계방법론, 수리통계학/보건통계학연습 등의 과목을 선수강해야 한다.전선 / 대학원
기후변화, 대기오염, 녹지 등의 자연환경이 질병과 건강에 미치는 영향을 환경-보건의료 융합 빅데이터를 활용하여 분석해 보고 그 과정에서 다양한 연구방법론을 익힌다.전선 / 대학원
원격간호는 이동 거리 및 시간의 감소를 통해 의료 비용 절감 및 의료 접근성 향상을 추구할 뿐만 아니라, 고질적인 간호 인력 부족 문제를 해결하는 데 기여하여 21세기 간호의 새로운 패러다임으로 자리 잡고 있다. 특히, 노인 인구의 증가와 만성질환 유병률의 상승으로 인해, 퇴원환자 및 재가환자의 회복을 지원하고 지속적인 치료 및 건강 관리를 제공하는 지역사회 간호에서 그 활용도와 중요성이 더욱 부각되어 왔다. 디지털 기술의 발전은 원격간호 및 이를 활용한 디지털 헬스케어를 간호 분야의 필수 요소로 만들었다. 따라서 본 과목에서는 학생들이 원격간호의 정의, 방식, 유형 및 사례를 학습하며, 간호 전반에 걸친 혁신적 변화를 촉진한 디지털 헬스케어에 대한 심층적인 이해를 도모할 수 있는 다양한 실례를 접하고 논의할 기회를 제공할 것이다.전선 / 대학원
4차산업혁명 시대를 맞이하여 의료빅데이터 분석의 중요성은 날로 증가하고 있다. 다양한 출처에서 다양한 형태로 생성된 데이터의 통합분석을 가능하게 하는 전제조건은 데이터의 표준화를 통한 상호운용성의 확보이다. 본 교과목은 보건의료데이터의 활용과 공유를 위하여 표준화된 형태로 표현하고 정리하는 방법을 다룬다. 본 교과목을 통해 학생들은 보건의료표준화용어체계, 데이터 모델링, 온톨로지 등 표준화된 형태로 데이터를 표현하고 정리해내는 다양한 기법들에 대해 익힌다.전선 / 학사
범주형 자료에 대한 이해와 분석 방법을 학습하는 과목이다. 범주형 자료는 사회과학, 보건의료 등 다양한 분야에서 일상적인 조사와 실험을 통해 널리 수집된다. 학생들은 분할표(contingency table) 분석을 포함하여, 일반화선형모형(generalized linear model), 로지스틱 회귀모형(logistic regression model), 로그 선형모형(log-linear model) 등 다양한 분석 방법을 학습한다. 이 과목을 통해, 자료의 특성을 이해하고, 적절한 분석 방법을 선택할 수 있는 능력을 개발한다. 또한 통계 소프트웨어를 통해 실제 데이터에 적용하고 구현하는 과정을 다룬다.전선 / 대학원
본 강의는 빠르게 변화하고 있는 디지털 헬스케어 분야의 다양한 주제들을 학습하는 것을 목적으로 한다. 학생들은 이론적 지식뿐만 아니라 실제 의료 데이터를 다루는 실습을 통해 실무적 역량을 기를 수 있다. 또한 실제 의료 현장의 전문가들과 함께 팀 프로젝트를 수행하며, 다양한 임상 현장의 문제를 탐구하고 해결 방안을 모색한다. 이를 통해 학생들은 디지털 헬스케어 연구와 임상 적용에 필요한 통합적 이해와 연구 역량을 갖추게 될 것이다.전선 / 대학원
최근 생물정보 데이터 생산 비용이 급격히 감소함에 따라 다양한 오믹스 자료를 활용하여 질병의 원인이 되는 오믹스 마커 규명 연구가 활성화되고 있다. 오믹스 자료는 유형에 따라 통계학적 성질에 큰 차이가 있으며, 따라서 보건자료와 다중오믹스를 통합하여 분석을 수행하는 경우 이러한 차이를 적절히 고려하여 유형 별 적절한 분석을 수행할 필요가 있다. 본 과목에서는 전장유전체분석, 멘델랜덤화 기법을 비롯하여 다양한 유전체와 보건 자료를 분석에 활용되는 분석기법을 주로 소개할 것이다. 또한 전사체, 후성유전체, 마이크로비옴과 같은 오믹스데이터와 보건 자료 통합분석 기법을 소개할 것이다. 각 오믹스 자료의 생물학적 이해보다는 자료의 특성과 분석 알고리즘을 통계학적 기법에 기초하여 설명할 것이며, 따라서 수업의 내용을 적절히 이해하기 위해서는 회귀분석/보건학통계방법론, 수리통계학/보건통계학연습 등의 과목을 선수강해야 한다.