간호사 이직률은 한국에서 환자 돌봄의 질에 영향을 미치고 보건의료체계의 재정적 부담을 증가시키기 때문에 중요한 문제이다. 이에 본 연구는 한국에서의 간호사 이직을 예측하기 위한 기계 학습 기반 예측 모델을 개발하고 평가하며, 간호사 이직에 영향을 미치는 요인을 분석하고자 하였다. 연구는 예측 모델 구축 단계와 성능 평가 단계의 두 단계로 수행되었다. 간호사 이직 예측 모델을 구축하기 위해 의사결정나무, 로지스틱 회귀, 랜덤 포레스트의 세 가지 모델을 평가하고 비교하였다. 또한 이직 결정 요인의 중요도도 분석하였다. 랜덤 포레스트 모델은 0.97의 가장 높은 정확도를 보였다. 최적화된 랜덤 포레스트를 통해 1년 이내 이직 예측의 정확도는 98.9%로 향상되었다. 간호사 이직의 가장 중요한 결정 요인은 급여였다. 본 연구에서 개발한 간호사 이직 예측 모델은 기계 학습을 통해 최소한의 인력과 비용으로 한국에서의 간호사 이직을 효율적으로 예측할 수 있다. 이 모델을 병원이나 간호부서에서 활용한다면 비용 효율적인 방식으로 간호사 이직을 효과적으로 관리할 수 있다.

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