목적: 요로감염은 외래 치료에서 가장 흔한 세균성 감염 질환 중 하나이며, 여성의 50–80%가 이를 한 번 이상 경험하고, 1년 이내 재발률은 40–50%로 보고된다. 따라서 환자의 재입원을 예방하는 것은 매우 중요하다. 그러나 비뇨의학 분야에서는 기계학습 알고리즘을 사용하여 요로감염의 재입원 현황을 분석한 연구가 현재까지 보고되지 않았다. 이에 본 연구는 요로감염 후 30일 이내 재입원한 환자와 관련된 임상적 및 비임상적 요인을 다양한 기계학습 알고리즘으로 분석하고자 하였다. 방법: 요로감염으로 인해 30일 이내 재입원한 497명의 환자와 재입원이 필요하지 않았던 496명의 환자에서 데이터를 수집하였다. 재입원 요인은 4가지 기계학습 알고리즘인 gradient boosting classifier, random forest, naive Bayes, logistic regression을 사용하여 분석하였다. 결과: 성능이 가장 우수한 gradient boosting classifier는 호흡수, 입원 일수, 알부민, 이완기 혈압, 혈중요소질소(BUN), 체질량지수, 수축기 혈압, 체온, 총 빌리루빈, 맥박을 요로감염으로 인한 재입원에 영향을 미치는 상위 10가지 요인으로 확인하였다. 또한 993명의 데이터를 기반으로 이들 요인을 바탕으로 위험군을 구분하였고, 재입원율, 입원 일수, 의료비는 고위험군에서 저위험군으로 갈수록 감소하는 양상이 관찰되었다. 결론: 본 연구는 기계학습을 활용하여 요로감염 관련 재입원 현황을 분석할 수 있는 새로운 가능성을 제시하였다. 재입원에 영향을 미치는 요인을 파악하고 예방 가능하며 강화(reinforcement) 기반의 치료 프로그램을 도입함으로써 재입원율과 평균 입원 일수를 감소시켜 의료비를 줄이는 데 도움이 될 수 있다.

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