의료 현장에서는 결과 데이터가 일상적으로 수집되며, 이를 요양의 질 평가 및 개선에 활용한다. 로지스틱 회귀 트리는 이항 결과 자료에 대한 하위집단 식별을 위한 인기 있는 방법이다. 그러나 의료 데이터에는 종종 이상치가 존재하며, 많은 연구가 로지스틱 회귀에서의 모형 적합과 관련하여 이 문제를 다루어 왔다. 하지만 이상치 문제는 트리 모형의 맥락에서는 더욱 복잡해지는데, 이는 모형 적합뿐 아니라 하위집단 식별이 함께 포함되기 때문이다. 본 연구는 결과 데이터의 로지스틱 회귀 트리 모델링에서의 이상치 문제를 고찰한다. 하위집단을 식별할 때 분할 변수 선택에 대한 이상치의 영향을 규명하고, 이상치에 강인한 로지스틱 회귀 트리를 구성하기 위한 방법을 제안한다. 제안된 방법의 효과성과 대안에 비한 장점은 시뮬레이션 연구 및 사례 연구를 통해 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.