| 1 |
1
(a) 자료 수집부가 아토피 피부염 증상 변화에 대한 자료를 구축하는 단계; (b) 모델링부가 상기 자료에 일반화 선형 혼합 모형(Generalized linear mixed model) 및 일반화 추정 방정식(Generalized estimating equations)을 적용함으로써 모델링하여 제1 및 제2 증상 위험도를 산출하는 단계; 및(c) 위험 요소 예측부가 상기 산출된 제1 및 제2 증상 위험도에서의 회귀계수를 이용하여 위험율 변화 및 신뢰구간을 산출하고, 이를 통해 아토피 피부염 증상 악화에 영향을 미치는 대기오염 인자를 선정하는 단계;를 포함하며,상기 (b) 단계는,(d) 상기 자료에 상기 일반화 선형 혼합 모형을 적용하여 기 설정된 반응변수들 간의 상관관계가 존재하는 반복 측정된 자료를 분석하는 단계; 및(e) 상기 자료에 상기 일반화 추정 방정식을 적용하여 상기 반응변수들 사이의 상기 상관관계를 가 상관행렬(working correlation matrix)을 통해 모형화하는 단계; 를 포함하며,상기 (d) 단계는 환아별 측정시점 간의 상관관계에서 랜덤효과를 고려하여 1차 자기상관 구조를 통해 모형화하는 단계를 포함하는 것을 특징으로 하는,아토피 피부염 증상악화와 관련된 대기환경 위험요인 예측 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제 1 항에 있어서, 상기 (e) 단계는환아별 측정시점 간의 상관관계에서 지연효과를 고려하여 반응변수의 공분산 행렬을 1차 자기상관 행렬을 사용하여 모형화하는 것임을 특징으로 하는,아토피 피부염 증상악화와 관련된 대기환경 위험요인 예측 방법
|
| 5 |
5
제 4 항에 있어서, 상기 지연효과는 노출 당일, 노출 1일 후, 노출 2일 후의 평균값을 해당일의 대표값으로 하여 이동평균을 이용하는 것을 특징으로 하는,아토피 피부염 증상악화와 관련된 대기환경 위험요인 예측 방법
|
| 6 |
6
제 1 항에 있어서, 상기 제1 증상 위험도는Log(E(Y)) = β0 + β1(pollutant) + β2(temperature) + β3(relative humidity) + β4(season) + β5(age) + β6(sex) + γ1(children) + γ2(date) 에 의해 산출되고,상기 E(Y)는 아토피 피부염 증상의 예상되는 출현, 상기 β0 내지 β6 는 회귀계수, 상기 γ1은 아동의 랜덤효과, 상기 γ2 는 일자의 랜덤효과를 나타내는 것을 특징으로 하는, 아토피 피부염 증상악화와 관련된 대기환경 위험요인 예측 방법
|
| 7 |
7
제 1 항에 있어서, 상기 제2 증상 위험도는Log(E(Y)) = β0 + β1(pollutant) + β2(temperature) + β3(relative humidity) + β4(season) + β5(age) + β6(sex) 에 의해 산출되고,상기 E(Y)는 아토피 피부염 증상의 예상되는 출현, 상기 β0 내지 β6 는 회귀계수를 나타내는 것을 특징으로 하는, 아토피 피부염 증상악화와 관련된 대기환경 위험요인 예측 방법
|
| 8 |
8
제 1 항에 있어서, 상기 위험율 변화는온도, 상대 습도, 계절, 연령 및 성을 보정한 각 오염물질이 한 단위 증가에 따른 아토피 피부염의 증감으로서, 수학식 (exp(β)-1)×100 에 의해 산출되고,상기 β는 회귀계수를 나타내는 것을 특징으로 하는, 아토피 피부염 증상악화와 관련된 대기환경 위험요인 예측 방법
|
| 9 |
9
제 1 항에 있어서, 상기 신뢰구간은95% 신뢰구간으로서, 수학식 exp((β)-1±1
|
| 10 |
10
제 1 항에 있어서, 상기 자료는 미리 설정된 아토피 피부염 환아들의 집락 내(within-cluster) 반복 측정된 형태로 구축된 경시적 자료(longitudinal data)인 것을 특징으로 하는,아토피 피부염 증상악화와 관련된 대기환경 위험요인 예측 방법
|
