배경: 본 연구는 기계학습 알고리즘을 통해 어깨 질환의 업무 관련성을 예측하는 예측 모델을 개발하고자 하였다. 방법: 본 데이터세트는 2020년 1월부터 2021년 12월까지 어깨 근골격계 질환과 관련하여, 직업성 질병을 신청하고 한국 근로복지공단 질병평가위원회의 최종 승인 결정(결정서)을 받은 8,302명의 7,270건을 포함하였다. 본 연구에서는 인구통계학적 분석 및 어깨 질환별 승인율의 차이를 수행하였다. 또한 업무 관련성 평가를 위한 예측 모델을 구성하기 위해 로지스틱 회귀, 서포트 벡터 머신, 결정 트리, 랜덤 포레스트, XGBoost를 포함한 기계학습 알고리즘을 활용하였다. 결과: 각 모델의 성능을 평가하였다. XGBoost는 정확도 81.64%, 곡선 아래 면적(area under the curve) 0.73을 보였고, 랜덤 포레스트는 정확도 84.46%, 곡선 아래 면적 0.73을 보였다. 업무 관련성 평가에 영향을 미치는 주요 요인은 고용 기간, 신체 부담 점수, 성별, 연령이었다. 결론: 다양한 기계학습 기법의 적용은 높은 성능 점수를 보였으며, 직업환경의학과 전문의의 판정 간 차이를 줄이는 데 도움이 될 수 있음을 시사한다.

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