메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
홍기혜 (연세대학교)
저널정보
연세대학교 사회복지연구소 한국사회복지조사연구 한국사회복지조사연구 제70권
발행연도
2021.9
수록면
145 - 172 (28page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
This study aims to develop a predictive model for individuals’ depression levels without using depression assessment scales. It will instead use a gradient boosting machine learning algorithm. This study will also analyze the predictive factors of depression by gender and suggests directions of intervention for depression in senior citizens. Data from the ‘Korean National Survey on the Elderly’ were used in this study. The participants were 12,544 elderly males and 18,425 elderly females. This study set 56 factors as explanatory variables based on stress-coping theory for the variables verified in previous studies, estimated a predictive model, and analyzed predictors by gender. The model performance of elderly males and females was evaluated, respectively, using six classification performance metrics: Accuracy was 76.0% and 73.9%. Recall was 60.7% and 73.3%. Specificity was 85.3% and 74.4%. Precision was 71.5% and 73.3. F1-score was 65.7% and 73.6%. ROC-AUC-score was 82.7% and 82.1%. Day-to-day health and small social activities were important in developing a predictive model for individuals’ depression levels. The predictors that have shown notable gender differences were marital relationships and exercise. This study demonstrated that it could be possible to predict geriatric depression with the factors that were recognizable to people close to the elderly. This predictive model can be used to identifying at-risk elderly individuals in the social welfare sector. This study is also meaningful in that 56 factors contributing to the prediction of depression levels were analyzed by gender. This supports an integrated perspective and provides gender-specific and gender-common evidence to prevent or reduce depression among senior citizens.
#machine learning #gradient boosting #elderly #depression #predictive model

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0