경북대학교 통계학과 목표 로드맵

이 연구는 정신건강 진단 분야에 통계적, 정량적 접근법을 적용하여 기존의 주관적 판단에 따른 진단 편차를 줄이고자 하는 데 학문적 의의가 있습니다. 나아가 실제 의료 데이터에서 흔히 발생하는 데이터 불균형 문제를 해결하는 통계적 기법을 적용함으로써 진단 모델의 타당성과 신뢰성을 높이는 방안을 모색합니다.

본 발표는 현재의 정성적, 주관적 우울증 진단 기준(DSM-5)의 한계를 지적하며, 객관적인 데이터 기반의 우울증 판별 모델 개발을 제안합니다. 연구팀은 스스로 측정 가능한 변수를 활용한 '간이 모델'과, 더 많은 변수를 포함하여 정확도를 높인 '심층 모델' 두 가지를 계획하고 있습니다. 분석 방법으로는 범주형 결과를 예측하는 데 적합한 로지스틱 회귀분석을 사용할 예정입니다. 또한, 분석 과정에서 발생할 수 있는 데이터 불균형 문제를 과소/과대 표집, SMOTE 등의 기법으로 해결하여 모델의 신뢰도를 높이고자 합니다.