Overview

Dataset statistics

Number of variables17
Number of observations2698
Missing cells5144
Missing cells (%)11.2%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory358.5 KiB
Average record size in memory136.0 B

Variable types

Text12
Categorical3
DateTime2

Dataset

Description질환별 연구를 수행하는 연구자, 병원(또는 연구기관별)의 정보(기관유형, 지역, 연구비, 연구과제수)를 제공합니다.
Author한국보건산업진흥원
URLhttps://www.data.go.kr/data/15105686/fileData.do

Alerts

질병1순위대분류명 is highly overall correlated with 질병2순위대분류명 and 1 other fieldsHigh correlation
질병2순위대분류명 is highly overall correlated with 질병1순위대분류명 and 1 other fieldsHigh correlation
질병3순위대분류명 is highly overall correlated with 질병1순위대분류명 and 1 other fieldsHigh correlation
질병2순위대분류명 is highly imbalanced (86.2%)Imbalance
질병3순위대분류명 is highly imbalanced (93.2%)Imbalance
질병2순위중분류명 has 2522 (93.5%) missing valuesMissing
질병3순위중분류명 has 2622 (97.2%) missing valuesMissing

Reproduction

Analysis started2023-12-12 19:44:53.760094
Analysis finished2023-12-12 19:44:59.758284
Duration6 seconds
Software versionydata-profiling vv4.5.1
Download configurationconfig.json

Variables

사업명
Text

Distinct69
Distinct (%)2.6%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:00.092084image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length35
Median length28
Mean length12.58599
Min length7

Characters and Unicode

Total characters33957
Distinct characters196
Distinct categories9 ?
Distinct scripts3 ?
Distinct blocks3 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique3 ?
Unique (%)0.1%

Sample

1st row100세사회대응고령친화제품연구개발
2nd row100세사회대응고령친화제품연구개발
3rd row100세사회대응고령친화제품연구개발
4th row100세사회대응고령친화제품연구개발
5th row100세사회대응고령친화제품연구개발
ValueCountFrequency (%)
질환극복기술개발 315
 
5.8%
감염병 282
 
5.2%
첨단의료기술개발 239
 
4.4%
예방·치료 198
 
3.6%
기술개발사업 198
 
3.6%
의료기술 142
 
2.6%
의료기기기술개발 140
 
2.6%
국가신약개발사업 136
 
2.5%
기술개발 126
 
2.3%
환자중심 118
 
2.2%
Other values (132) 3572
65.3%
2023-12-13T04:45:00.634485image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
2769
 
8.2%
기 2386
 
7.0%
개 2022
 
6.0%
발 1979
 
5.8%
술 1756
 
5.2%
료 1137
 
3.3%
의 1129
 
3.3%
사 889
 
2.6%
업 876
 
2.6%
구 835
 
2.5%
Other values (186) 18179
53.5%

Most occurring categories

ValueCountFrequency (%)
Other Letter 29667
87.4%
Space Separator 2769
 
8.2%
Uppercase Letter 624
 
1.8%
Other Punctuation 484
 
1.4%
Close Punctuation 101
 
0.3%
Open Punctuation 101
 
0.3%
Decimal Number 93
 
0.3%
Lowercase Letter 91
 
0.3%
Dash Punctuation 27
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
기 2386
 
8.0%
개 2022
 
6.8%
발 1979
 
6.7%
술 1756
 
5.9%
료 1137
 
3.8%
의 1129
 
3.8%
사 889
 
3.0%
업 876
 
3.0%
구 835
 
2.8%
연 783
 
2.6%
Other values (163) 15875
53.5%
Uppercase Letter
ValueCountFrequency (%)
D 184
29.5%
R 129
20.7%
M 66
 
10.6%
C 65
 
10.4%
S 52
 
8.3%
A 44
 
7.1%
I 34
 
5.4%
K 27
 
4.3%
W 13
 
2.1%
N 10
 
1.6%
Lowercase Letter
ValueCountFrequency (%)
d 27
29.7%
i 27
29.7%
e 27
29.7%
m 10
 
11.0%
Decimal Number
ValueCountFrequency (%)
1 40
43.0%
9 27
29.0%
0 26
28.0%
Other Punctuation
ValueCountFrequency (%)
· 378
78.1%
& 106
 
21.9%
Space Separator
ValueCountFrequency (%)
2769
100.0%
Close Punctuation
ValueCountFrequency (%)
) 101
100.0%
Open Punctuation
ValueCountFrequency (%)
( 101
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 27
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 29667
87.4%
Common 3575
 
10.5%
Latin 715
 
2.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
기 2386
 
8.0%
개 2022
 
6.8%
발 1979
 
6.7%
술 1756
 
5.9%
료 1137
 
3.8%
의 1129
 
3.8%
사 889
 
3.0%
업 876
 
3.0%
구 835
 
2.8%
연 783
 
2.6%
Other values (163) 15875
53.5%
Latin
ValueCountFrequency (%)
D 184
25.7%
R 129
18.0%
M 66
 
9.2%
C 65
 
9.1%
S 52
 
7.3%
A 44
 
6.2%
I 34
 
4.8%
d 27
 
3.8%
K 27
 
3.8%
i 27
 
3.8%
Other values (4) 60
 
8.4%
Common
ValueCountFrequency (%)
2769
77.5%
· 378
 
10.6%
& 106
 
3.0%
) 101
 
2.8%
( 101
 
2.8%
1 40
 
1.1%
- 27
 
0.8%
9 27
 
0.8%
0 26
 
0.7%

Most occurring blocks

ValueCountFrequency (%)
Hangul 29667
87.4%
ASCII 3912
 
11.5%
None 378
 
1.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
2769
70.8%
D 184
 
4.7%
R 129
 
3.3%
& 106
 
2.7%
) 101
 
2.6%
( 101
 
2.6%
M 66
 
1.7%
C 65
 
1.7%
S 52
 
1.3%
A 44
 
1.1%
Other values (12) 295
 
7.5%
Hangul
ValueCountFrequency (%)
기 2386
 
8.0%
개 2022
 
6.8%
발 1979
 
6.7%
술 1756
 
5.9%
료 1137
 
3.8%
의 1129
 
3.8%
사 889
 
3.0%
업 876
 
3.0%
구 835
 
2.8%
연 783
 
2.6%
Other values (163) 15875
53.5%
None
ValueCountFrequency (%)
· 378
100.0%

과제명
Text

Distinct2650
Distinct (%)98.2%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:01.168349image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length198
Median length96
Mean length40.577835
Min length5

Characters and Unicode

Total characters109479
Distinct characters744
Distinct categories13 ?
Distinct scripts5 ?
Distinct blocks7 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2625 ?
Unique (%)97.3%

Sample

1st row고령자 맞춤형 건강관리·증진 모형 및 가이드라인 개발/실증
2nd row고령자 맞춤형 건강관리·증진 콘텐츠/건강관리 시스템 및 플랫폼 개발
3rd row인지기능 개선 인체적용시험 수행 및 제품화 총괄연구
4th row착용형 에어백 시스템 및 알고리즘 설계
5th row착용형 에어백 시스템 개발 및 성능 평가
ValueCountFrequency (%)
및 1262
 
4.9%
개발 1132
 
4.4%
위한 535
 
2.1%
연구 458
 
1.8%
기반 332
 
1.3%
이용한 271
 
1.1%
평가 213
 
0.8%
통한 200
 
0.8%
대한 157
 
0.6%
구축 152
 
0.6%
Other values (7972) 21088
81.7%
2023-12-13T04:45:01.910995image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
23163
 
21.2%
기 2038
 
1.9%
의 1758
 
1.6%
한 1655
 
1.5%
발 1632
 
1.5%
개 1504
 
1.4%
이 1378
 
1.3%
성 1284
 
1.2%
및 1265
 
1.2%
상 1206
 
1.1%
Other values (734) 72596
66.3%

Most occurring categories

ValueCountFrequency (%)
Other Letter 75420
68.9%
Space Separator 23163
 
21.2%
Lowercase Letter 4378
 
4.0%
Uppercase Letter 3895
 
3.6%
Decimal Number 1048
 
1.0%
Other Punctuation 515
 
0.5%
Dash Punctuation 459
 
0.4%
Open Punctuation 288
 
0.3%
Close Punctuation 288
 
0.3%
Math Symbol 8
 
< 0.1%
Other values (3) 17
 
< 0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
기 2038
 
2.7%
의 1758
 
2.3%
한 1655
 
2.2%
발 1632
 
2.2%
개 1504
 
2.0%
이 1378
 
1.8%
성 1284
 
1.7%
및 1265
 
1.7%
상 1206
 
1.6%
치 1135
 
1.5%
Other values (640) 60565
80.3%
Lowercase Letter
ValueCountFrequency (%)
i 438
 
10.0%
e 438
 
10.0%
a 404
 
9.2%
o 379
 
8.7%
n 322
 
7.4%
t 297
 
6.8%
r 280
 
6.4%
l 247
 
5.6%
s 241
 
5.5%
c 196
 
4.5%
Other values (21) 1136
25.9%
Uppercase Letter
ValueCountFrequency (%)
A 386
 
9.9%
C 338
 
8.7%
T 303
 
7.8%
R 285
 
7.3%
D 285
 
7.3%
P 275
 
7.1%
S 254
 
6.5%
I 237
 
6.1%
M 209
 
5.4%
N 196
 
5.0%
Other values (16) 1127
28.9%
Decimal Number
ValueCountFrequency (%)
1 321
30.6%
2 201
19.2%
3 121
 
11.5%
9 120
 
11.5%
0 103
 
9.8%
4 55
 
5.2%
7 42
 
4.0%
5 38
 
3.6%
6 32
 
3.1%
8 15
 
1.4%
Other Punctuation
ValueCountFrequency (%)
, 237
46.0%
/ 139
27.0%
· 65
 
12.6%
: 51
 
9.9%
. 13
 
2.5%
& 4
 
0.8%
; 3
 
0.6%
% 2
 
0.4%
@ 1
 
0.2%
Math Symbol
ValueCountFrequency (%)
+ 5
62.5%
> 1
 
12.5%
< 1
 
12.5%
~ 1
 
12.5%
Open Punctuation
ValueCountFrequency (%)
( 286
99.3%
「 1
 
0.3%
[ 1
 
0.3%
Close Punctuation
ValueCountFrequency (%)
) 286
99.3%
」 1
 
0.3%
] 1
 
0.3%
Other Symbol
ValueCountFrequency (%)
® 6
85.7%
○ 1
 
14.3%
Initial Punctuation
ValueCountFrequency (%)
‘ 3
60.0%
“ 2
40.0%
Final Punctuation
ValueCountFrequency (%)
’ 3
60.0%
” 2
40.0%
Space Separator
ValueCountFrequency (%)
23163
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 459
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 75418
68.9%
Common 25786
 
23.6%
Latin 8264
 
7.5%
Greek 9
 
< 0.1%
Han 2
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
기 2038
 
2.7%
의 1758
 
2.3%
한 1655
 
2.2%
발 1632
 
2.2%
개 1504
 
2.0%
이 1378
 
1.8%
성 1284
 
1.7%
및 1265
 
1.7%
상 1206
 
1.6%
치 1135
 
1.5%
Other values (638) 60563
80.3%
Latin
ValueCountFrequency (%)
i 438
 
5.3%
e 438
 
5.3%
a 404
 
4.9%
A 386
 
4.7%
o 379
 
4.6%
C 338
 
4.1%
n 322
 
3.9%
T 303
 
3.7%
t 297
 
3.6%
R 285
 
3.4%
Other values (43) 4674
56.6%
Common
ValueCountFrequency (%)
23163
89.8%
- 459
 
1.8%
1 321
 
1.2%
( 286
 
1.1%
) 286
 
1.1%
, 237
 
0.9%
2 201
 
0.8%
/ 139
 
0.5%
3 121
 
0.5%
9 120
 
0.5%
Other values (27) 453
 
1.8%
Greek
ValueCountFrequency (%)
α 5
55.6%
β 2
 
22.2%
μ 1
 
11.1%
γ 1
 
11.1%
Han
ValueCountFrequency (%)
化 1
50.0%
內 1
50.0%

Most occurring blocks

ValueCountFrequency (%)
Hangul 75411
68.9%
ASCII 33965
31.0%
None 83
 
0.1%
Punctuation 10
 
< 0.1%
Compat Jamo 7
 
< 0.1%
CJK 2
 
< 0.1%
Geometric Shapes 1
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
23163
68.2%
- 459
 
1.4%
i 438
 
1.3%
e 438
 
1.3%
a 404
 
1.2%
A 386
 
1.1%
o 379
 
1.1%
C 338
 
1.0%
n 322
 
0.9%
1 321
 
0.9%
Other values (70) 7317
 
21.5%
Hangul
ValueCountFrequency (%)
기 2038
 
2.7%
의 1758
 
2.3%
한 1655
 
2.2%
발 1632
 
2.2%
개 1504
 
2.0%
이 1378
 
1.8%
성 1284
 
1.7%
및 1265
 
1.7%
상 1206
 
1.6%
치 1135
 
1.5%
Other values (637) 60556
80.3%
None
ValueCountFrequency (%)
· 65
78.3%
® 6
 
7.2%
α 5
 
6.0%
β 2
 
2.4%
」 1
 
1.2%
「 1
 
1.2%
ß 1
 
1.2%
μ 1
 
1.2%
γ 1
 
1.2%
Compat Jamo
ValueCountFrequency (%)
ㆍ 7
100.0%
Punctuation
ValueCountFrequency (%)
‘ 3
30.0%
’ 3
30.0%
“ 2
20.0%
” 2
20.0%
CJK
ValueCountFrequency (%)
化 1
50.0%
內 1
50.0%
Geometric Shapes
ValueCountFrequency (%)
○ 1
100.0%

연구기관명
Text

Distinct654
Distinct (%)24.2%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:02.265727image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length24
Median length20
Mean length9.7346182
Min length3

Characters and Unicode

Total characters26264
Distinct characters370
Distinct categories8 ?
Distinct scripts3 ?
Distinct blocks3 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique405 ?
Unique (%)15.0%

Sample

1st row가천대 길병원
2nd row(주)헬스맥스
3rd row동화약품(주)
4th row고려대학교 산학협력단
5th row비앤알(주)
ValueCountFrequency (%)
산학협력단 1034
25.4%
연세대학교 244
 
6.0%
주식회사 151
 
3.7%
서울대학교 138
 
3.4%
서울대학교병원 106
 
2.6%
고려대학교 104
 
2.6%
서울아산병원 92
 
2.3%
가톨릭대학교 90
 
2.2%
삼성서울병원 68
 
1.7%
경희대학교 68
 
1.7%
Other values (668) 1970
48.5%
2023-12-13T04:45:02.765496image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
학 3042
 
11.6%
대 1676
 
6.4%
교 1595
 
6.1%
산 1513
 
5.8%
단 1370
 
5.2%
1367
 
5.2%
협 1301
 
5.0%
력 1298
 
4.9%
원 756
 
2.9%
주 713
 
2.7%
Other values (360) 11633
44.3%

Most occurring categories

ValueCountFrequency (%)
Other Letter 23873
90.9%
Space Separator 1367
 
5.2%
Open Punctuation 485
 
1.8%
Close Punctuation 485
 
1.8%
Uppercase Letter 46
 
0.2%
Decimal Number 6
 
< 0.1%
Dash Punctuation 1
 
< 0.1%
Other Symbol 1
 
< 0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
학 3042
 
12.7%
대 1676
 
7.0%
교 1595
 
6.7%
산 1513
 
6.3%
단 1370
 
5.7%
협 1301
 
5.4%
력 1298
 
5.4%
원 756
 
3.2%
주 713
 
3.0%
울 512
 
2.1%
Other values (347) 10097
42.3%
Uppercase Letter
ValueCountFrequency (%)
S 14
30.4%
E 9
19.6%
I 9
19.6%
W 9
19.6%
K 4
 
8.7%
M 1
 
2.2%
Decimal Number
ValueCountFrequency (%)
1 3
50.0%
9 3
50.0%
Space Separator
ValueCountFrequency (%)
1367
100.0%
Open Punctuation
ValueCountFrequency (%)
( 485
100.0%
Close Punctuation
ValueCountFrequency (%)
) 485
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 1
100.0%
Other Symbol
ValueCountFrequency (%)
㈜ 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 23874
90.9%
Common 2344
 
8.9%
Latin 46
 
0.2%

Most frequent character per script

Hangul
ValueCountFrequency (%)
학 3042
 
12.7%
대 1676
 
7.0%
교 1595
 
6.7%
산 1513
 
6.3%
단 1370
 
5.7%
협 1301
 
5.4%
력 1298
 
5.4%
원 756
 
3.2%
주 713
 
3.0%
울 512
 
2.1%
Other values (348) 10098
42.3%
Common
ValueCountFrequency (%)
1367
58.3%
( 485
 
20.7%
) 485
 
20.7%
1 3
 
0.1%
9 3
 
0.1%
- 1
 
< 0.1%
Latin
ValueCountFrequency (%)
S 14
30.4%
E 9
19.6%
I 9
19.6%
W 9
19.6%
K 4
 
8.7%
M 1
 
2.2%

Most occurring blocks

ValueCountFrequency (%)
Hangul 23873
90.9%
ASCII 2390
 
9.1%
None 1
 
< 0.1%

Most frequent character per block

Hangul
ValueCountFrequency (%)
학 3042
 
12.7%
대 1676
 
7.0%
교 1595
 
6.7%
산 1513
 
6.3%
단 1370
 
5.7%
협 1301
 
5.4%
력 1298
 
5.4%
원 756
 
3.2%
주 713
 
3.0%
울 512
 
2.1%
Other values (347) 10097
42.3%
ASCII
ValueCountFrequency (%)
1367
57.2%
( 485
 
20.3%
) 485
 
20.3%
S 14
 
0.6%
E 9
 
0.4%
I 9
 
0.4%
W 9
 
0.4%
K 4
 
0.2%
1 3
 
0.1%
9 3
 
0.1%
Other values (2) 2
 
0.1%
None
ValueCountFrequency (%)
㈜ 1
100.0%

연구책임자명
Text

Distinct2061
Distinct (%)76.4%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:03.140295image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length18
Median length3
Mean length3.0407709
Min length2

Characters and Unicode

Total characters8204
Distinct characters260
Distinct categories4 ?
Distinct scripts3 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique1602 ?
Unique (%)59.4%

Sample

1st row박동균
2nd row이상호
3rd row황연하
4th row홍정화
5th row배경철
ValueCountFrequency (%)
김영수 8
 
0.3%
정영철 6
 
0.2%
정보영 6
 
0.2%
김범준 6
 
0.2%
박경수 6
 
0.2%
묵인희 6
 
0.2%
김영봉 6
 
0.2%
김성현 5
 
0.2%
이동건 5
 
0.2%
이정선 5
 
0.2%
Other values (2066) 2657
97.8%
2023-12-13T04:45:03.673682image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
김 619
 
7.5%
이 401
 
4.9%
정 306
 
3.7%
영 221
 
2.7%
성 201
 
2.5%
박 186
 
2.3%
현 176
 
2.1%
진 154
 
1.9%
재 145
 
1.8%
준 144
 
1.8%
Other values (250) 5651
68.9%

Most occurring categories

ValueCountFrequency (%)
Other Letter 8021
97.8%
Uppercase Letter 129
 
1.6%
Lowercase Letter 36
 
0.4%
Space Separator 18
 
0.2%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
김 619
 
7.7%
이 401
 
5.0%
정 306
 
3.8%
영 221
 
2.8%
성 201
 
2.5%
박 186
 
2.3%
현 176
 
2.2%
진 154
 
1.9%
재 145
 
1.8%
준 144
 
1.8%
Other values (214) 5468
68.2%
Uppercase Letter
ValueCountFrequency (%)
N 16
12.4%
O 13
10.1%
A 13
10.1%
G 11
8.5%
U 10
 
7.8%
E 9
 
7.0%
K 9
 
7.0%
H 9
 
7.0%
W 6
 
4.7%
S 6
 
4.7%
Other values (9) 27
20.9%
Lowercase Letter
ValueCountFrequency (%)
n 5
13.9%
a 4
11.1%
e 4
11.1%
g 3
8.3%
o 3
8.3%
i 3
8.3%
l 2
 
5.6%
h 2
 
5.6%
y 2
 
5.6%
k 2
 
5.6%
Other values (6) 6
16.7%
Space Separator
ValueCountFrequency (%)
18
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 8021
97.8%
Latin 165
 
2.0%
Common 18
 
0.2%

Most frequent character per script

Hangul
ValueCountFrequency (%)
김 619
 
7.7%
이 401
 
5.0%
정 306
 
3.8%
영 221
 
2.8%
성 201
 
2.5%
박 186
 
2.3%
현 176
 
2.2%
진 154
 
1.9%
재 145
 
1.8%
준 144
 
1.8%
Other values (214) 5468
68.2%
Latin
ValueCountFrequency (%)
N 16
 
9.7%
O 13
 
7.9%
A 13
 
7.9%
G 11
 
6.7%
U 10
 
6.1%
E 9
 
5.5%
K 9
 
5.5%
H 9
 
5.5%
W 6
 
3.6%
S 6
 
3.6%
Other values (25) 63
38.2%
Common
ValueCountFrequency (%)
18
100.0%

Most occurring blocks

ValueCountFrequency (%)
Hangul 8021
97.8%
ASCII 183
 
2.2%

Most frequent character per block

Hangul
ValueCountFrequency (%)
김 619
 
7.7%
이 401
 
5.0%
정 306
 
3.8%
영 221
 
2.8%
성 201
 
2.5%
박 186
 
2.3%
현 176
 
2.2%
진 154
 
1.9%
재 145
 
1.8%
준 144
 
1.8%
Other values (214) 5468
68.2%
ASCII
ValueCountFrequency (%)
18
 
9.8%
N 16
 
8.7%
O 13
 
7.1%
A 13
 
7.1%
G 11
 
6.0%
U 10
 
5.5%
E 9
 
4.9%
K 9
 
4.9%
H 9
 
4.9%
W 6
 
3.3%
Other values (26) 69
37.7%

질병1순위대분류명
Categorical

HIGH CORRELATION 

Distinct22
Distinct (%)0.8%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
특정 감염성 및 기생충성 질환
490 
신경계통의 질환
377 
신생물
237 
순환계통의 질환
172 
근골격계통 및 결합조직의 질환
170 
Other values (17)
1252 

Length

Max length32
Median length26
Mean length12.672721
Min length3

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row건강상태 및 보건서비스 접촉에 영향을 주는 요인
2nd row건강상태 및 보건서비스 접촉에 영향을 주는 요인
3rd row달리 분류되지 않은 증상, 징후와 임상 및 검사의 이상소견
4th row손상, 중독 및 외인에 의한 특정 기타 결과
5th row손상, 중독 및 외인에 의한 특정 기타 결과

Common Values

ValueCountFrequency (%)
특정 감염성 및 기생충성 질환 490
18.2%
신경계통의 질환 377
14.0%
신생물 237
8.8%
순환계통의 질환 172
 
6.4%
근골격계통 및 결합조직의 질환 170
 
6.3%
소화계통의 질환 163
 
6.0%
내분비, 영양 및 대사 질환 141
 
5.2%
호흡계통의 질환 136
 
5.0%
정신 및 행동 장애 133
 
4.9%
건강상태 및 보건서비스 접촉에 영향을 주는 요인 127
 
4.7%
Other values (12) 552
20.5%

Length

2023-12-13T04:45:03.836002image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
질환 1950
19.7%
및 1471
 
14.8%
특정 558
 
5.6%
기생충성 490
 
4.9%
감염성 490
 
4.9%
신경계통의 377
 
3.8%
신생물 237
 
2.4%
장애 172
 
1.7%
순환계통의 172
 
1.7%
근골격계통 170
 
1.7%
Other values (54) 3819
38.6%

질병1순위중분류명
Text

Distinct194
Distinct (%)7.2%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:04.158376image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length58
Median length31
Mean length15.665308
Min length2

Characters and Unicode

Total characters42265
Distinct characters296
Distinct categories8 ?
Distinct scripts4 ?
Distinct blocks3 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique34 ?
Unique (%)1.3%

Sample

1st row기타 상황에서 보건서비스와 접하고 있는 사람
2nd row기타 상황에서 보건서비스와 접하고 있는 사람
3rd row인지, 지각, 정서상태 및 행위에 관련된 증상 및 징후
4th row둔부 및 대퇴의 손상
5th row둔부 및 대퇴의 손상
ValueCountFrequency (%)
및 1095
 
9.8%
기타 1058
 
9.5%
질환 823
 
7.4%
장애 449
 
4.0%
바이러스 361
 
3.2%
신경계통의 315
 
2.8%
퇴행성 248
 
2.2%
악성 203
 
1.8%
신생물(종양 172
 
1.5%
제외한 170
 
1.5%
Other values (412) 6241
56.0%
2023-12-13T04:45:04.665261image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
8512
 
20.1%
의 1349
 
3.2%
기 1339
 
3.2%
및 1095
 
2.6%
타 1058
 
2.5%
질 992
 
2.3%
환 981
 
2.3%
신 941
 
2.2%
성 918
 
2.2%
장 807
 
1.9%
Other values (286) 24273
57.4%

Most occurring categories

ValueCountFrequency (%)
Other Letter 31022
73.4%
Space Separator 8512
 
20.1%
Decimal Number 914
 
2.2%
Other Punctuation 651
 
1.5%
Uppercase Letter 446
 
1.1%
Dash Punctuation 244
 
0.6%
Open Punctuation 238
 
0.6%
Close Punctuation 238
 
0.6%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
의 1349
 
4.3%
기 1339
 
4.3%
및 1095
 
3.5%
타 1058
 
3.4%
질 992
 
3.2%
환 981
 
3.2%
신 941
 
3.0%
성 918
 
3.0%
장 807
 
2.6%
이 700
 
2.3%
Other values (269) 20842
67.2%
Decimal Number
ValueCountFrequency (%)
0 303
33.2%
2 185
20.2%
1 117
 
12.8%
5 108
 
11.8%
9 100
 
10.9%
8 61
 
6.7%
6 34
 
3.7%
4 4
 
0.4%
3 2
 
0.2%
Uppercase Letter
ValueCountFrequency (%)
I 276
61.9%
A 162
36.3%
M 8
 
1.8%
Space Separator
ValueCountFrequency (%)
8512
100.0%
Other Punctuation
ValueCountFrequency (%)
, 651
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 244
100.0%
Open Punctuation
ValueCountFrequency (%)
( 238
100.0%
Close Punctuation
ValueCountFrequency (%)
) 238
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 31008
73.4%
Common 10797
 
25.5%
Latin 446
 
1.1%
Han 14
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
의 1349
 
4.4%
기 1339
 
4.3%
및 1095
 
3.5%
타 1058
 
3.4%
질 992
 
3.2%
환 981
 
3.2%
신 941
 
3.0%
성 918
 
3.0%
장 807
 
2.6%
이 700
 
2.3%
Other values (261) 20828
67.2%
Common
ValueCountFrequency (%)
8512
78.8%
, 651
 
6.0%
0 303
 
2.8%
- 244
 
2.3%
( 238
 
2.2%
) 238
 
2.2%
2 185
 
1.7%
1 117
 
1.1%
5 108
 
1.0%
9 100
 
0.9%
Other values (4) 101
 
0.9%
Han
ValueCountFrequency (%)
證 3
21.4%
病 3
21.4%
醫 2
14.3%
韓 2
14.3%
體 1
 
7.1%
象 1
 
7.1%
四 1
 
7.1%
質 1
 
7.1%
Latin
ValueCountFrequency (%)
I 276
61.9%
A 162
36.3%
M 8
 
1.8%

Most occurring blocks

ValueCountFrequency (%)
Hangul 31008
73.4%
ASCII 11243
 
26.6%
CJK 14
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
8512
75.7%
, 651
 
5.8%
0 303
 
2.7%
I 276
 
2.5%
- 244
 
2.2%
( 238
 
2.1%
) 238
 
2.1%
2 185
 
1.6%
A 162
 
1.4%
1 117
 
1.0%
Other values (7) 317
 
2.8%
Hangul
ValueCountFrequency (%)
의 1349
 
4.4%
기 1339
 
4.3%
및 1095
 
3.5%
타 1058
 
3.4%
질 992
 
3.2%
환 981
 
3.2%
신 941
 
3.0%
성 918
 
3.0%
장 807
 
2.6%
이 700
 
2.3%
Other values (261) 20828
67.2%
CJK
ValueCountFrequency (%)
證 3
21.4%
病 3
21.4%
醫 2
14.3%
韓 2
14.3%
體 1
 
7.1%
象 1
 
7.1%
四 1
 
7.1%
質 1
 
7.1%

질병2순위대분류명
Categorical

HIGH CORRELATION  IMBALANCE 

Distinct21
Distinct (%)0.8%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
<NA>
2522 
특정 감염성 및 기생충성 질환
 
23
신생물
 
22
정신 및 행동 장애
 
21
신경계통의 질환
 
14
Other values (16)
 
96

Length

Max length32
Median length4
Mean length4.5100074
Min length3

Unique

Unique1 ?
Unique (%)< 0.1%

Sample

1st row<NA>
2nd row<NA>
3rd row<NA>
4th row<NA>
5th row<NA>

Common Values

ValueCountFrequency (%)
<NA> 2522
93.5%
특정 감염성 및 기생충성 질환 23
 
0.9%
신생물 22
 
0.8%
정신 및 행동 장애 21
 
0.8%
신경계통의 질환 14
 
0.5%
내분비, 영양 및 대사 질환 13
 
0.5%
소화계통의 질환 12
 
0.4%
순환계통의 질환 11
 
0.4%
호흡계통의 질환 11
 
0.4%
눈 및 눈 부속기의 질환 7
 
0.3%
Other values (11) 42
 
1.6%

Length

2023-12-13T04:45:04.800395image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
na 2522
80.0%
질환 104
 
3.3%
및 95
 
3.0%
특정 32
 
1.0%
장애 26
 
0.8%
기생충성 23
 
0.7%
감염성 23
 
0.7%
신생물 22
 
0.7%
정신 21
 
0.7%
행동 21
 
0.7%
Other values (49) 262
 
8.3%

질병2순위중분류명
Text

MISSING 

Distinct94
Distinct (%)53.4%
Missing2522
Missing (%)93.5%
Memory size21.2 KiB
2023-12-13T04:45:05.059002image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length58
Median length25
Mean length14.784091
Min length2

Characters and Unicode

Total characters2602
Distinct characters229
Distinct categories8 ?
Distinct scripts3 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique56 ?
Unique (%)31.8%

Sample

1st row우울장애
2nd row약물, 약제 및 생물학적 물질에 의한 중독
3rd row기타 난청
4th row시신경 및 시각경로의 장애
5th row공막, 각막, 홍채 및 섬모체의 장애
ValueCountFrequency (%)
및 70
 
10.1%
기타 61
 
8.8%
장애 38
 
5.5%
질환 36
 
5.2%
악성 21
 
3.0%
바이러스 14
 
2.0%
신생물(종양 13
 
1.9%
세균 10
 
1.4%
감염체 10
 
1.4%
신생물 9
 
1.3%
Other values (209) 411
59.3%
2023-12-13T04:45:05.488306image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
520
 
20.0%
기 92
 
3.5%
의 85
 
3.3%
및 70
 
2.7%
장 68
 
2.6%
신 63
 
2.4%
성 63
 
2.4%
타 61
 
2.3%
애 52
 
2.0%
질 47
 
1.8%
Other values (219) 1481
56.9%

Most occurring categories

ValueCountFrequency (%)
Other Letter 1874
72.0%
Space Separator 520
 
20.0%
Decimal Number 68
 
2.6%
Other Punctuation 45
 
1.7%
Uppercase Letter 30
 
1.2%
Close Punctuation 23
 
0.9%
Open Punctuation 23
 
0.9%
Dash Punctuation 19
 
0.7%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
기 92
 
4.9%
의 85
 
4.5%
및 70
 
3.7%
장 68
 
3.6%
신 63
 
3.4%
성 63
 
3.4%
타 61
 
3.3%
애 52
 
2.8%
질 47
 
2.5%
환 47
 
2.5%
Other values (205) 1226
65.4%
Decimal Number
ValueCountFrequency (%)
0 20
29.4%
2 12
17.6%
1 10
14.7%
9 10
14.7%
5 7
 
10.3%
8 5
 
7.4%
6 4
 
5.9%
Uppercase Letter
ValueCountFrequency (%)
I 24
80.0%
A 6
 
20.0%
Space Separator
ValueCountFrequency (%)
520
100.0%
Other Punctuation
ValueCountFrequency (%)
, 45
100.0%
Close Punctuation
ValueCountFrequency (%)
) 23
100.0%
Open Punctuation
ValueCountFrequency (%)
( 23
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 19
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 1874
72.0%
Common 698
 
26.8%
Latin 30
 
1.2%

Most frequent character per script

Hangul
ValueCountFrequency (%)
기 92
 
4.9%
의 85
 
4.5%
및 70
 
3.7%
장 68
 
3.6%
신 63
 
3.4%
성 63
 
3.4%
타 61
 
3.3%
애 52
 
2.8%
질 47
 
2.5%
환 47
 
2.5%
Other values (205) 1226
65.4%
Common
ValueCountFrequency (%)
520
74.5%
, 45
 
6.4%
) 23
 
3.3%
( 23
 
3.3%
0 20
 
2.9%
- 19
 
2.7%
2 12
 
1.7%
1 10
 
1.4%
9 10
 
1.4%
5 7
 
1.0%
Other values (2) 9
 
1.3%
Latin
ValueCountFrequency (%)
I 24
80.0%
A 6
 
20.0%

Most occurring blocks

ValueCountFrequency (%)
Hangul 1874
72.0%
ASCII 728
 
28.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
520
71.4%
, 45
 
6.2%
I 24
 
3.3%
) 23
 
3.2%
( 23
 
3.2%
0 20
 
2.7%
- 19
 
2.6%
2 12
 
1.6%
1 10
 
1.4%
9 10
 
1.4%
Other values (4) 22
 
3.0%
Hangul
ValueCountFrequency (%)
기 92
 
4.9%
의 85
 
4.5%
및 70
 
3.7%
장 68
 
3.6%
신 63
 
3.4%
성 63
 
3.4%
타 61
 
3.3%
애 52
 
2.8%
질 47
 
2.5%
환 47
 
2.5%
Other values (205) 1226
65.4%

질병3순위대분류명
Categorical

HIGH CORRELATION  IMBALANCE 

Distinct18
Distinct (%)0.7%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
<NA>
2622 
정신 및 행동 장애
 
14
신생물
 
12
특정 감염성 및 기생충성 질환
 
10
신경계통의 질환
 
8
Other values (13)
 
32

Length

Max length32
Median length4
Mean length4.1938473
Min length3

Unique

Unique7 ?
Unique (%)0.3%

Sample

1st row<NA>
2nd row<NA>
3rd row<NA>
4th row<NA>
5th row<NA>

Common Values

ValueCountFrequency (%)
<NA> 2622
97.2%
정신 및 행동 장애 14
 
0.5%
신생물 12
 
0.4%
특정 감염성 및 기생충성 질환 10
 
0.4%
신경계통의 질환 8
 
0.3%
내분비, 영양 및 대사 질환 7
 
0.3%
호흡계통의 질환 6
 
0.2%
순환계통의 질환 4
 
0.1%
눈 및 눈 부속기의 질환 3
 
0.1%
소화계통의 질환 3
 
0.1%
Other values (8) 9
 
0.3%

Length

2023-12-13T04:45:05.697067image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
na 2622
91.0%
질환 44
 
1.5%
및 41
 
1.4%
장애 15
 
0.5%
정신 14
 
0.5%
행동 14
 
0.5%
신생물 12
 
0.4%
특정 12
 
0.4%
감염성 10
 
0.3%
기생충성 10
 
0.3%
Other values (38) 88
 
3.1%

질병3순위중분류명
Text

MISSING 

Distinct49
Distinct (%)64.5%
Missing2622
Missing (%)97.2%
Memory size21.2 KiB
2023-12-13T04:45:05.995577image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length47
Median length23
Mean length14.644737
Min length3

Characters and Unicode

Total characters1113
Distinct characters157
Distinct categories8 ?
Distinct scripts3 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique32 ?
Unique (%)42.1%

Sample

1st row유리체 및 안구의 장애
2nd row결막의 장애
3rd row흑색종 및 기타 피부의 악성 신생물(종양)
4th row소화계통 및 복부의 증상 및 징후
5th row비만 및 기타 과영양
ValueCountFrequency (%)
및 38
 
12.3%
기타 29
 
9.4%
장애 20
 
6.5%
질환 16
 
5.2%
악성 11
 
3.5%
신생물 8
 
2.6%
신경계통의 7
 
2.3%
바이러스 6
 
1.9%
기관 5
 
1.6%
폐의 5
 
1.6%
Other values (103) 165
53.2%
2023-12-13T04:45:06.448323image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
234
21.0%
기 48
 
4.3%
의 47
 
4.2%
및 38
 
3.4%
장 32
 
2.9%
성 30
 
2.7%
타 29
 
2.6%
애 29
 
2.6%
신 27
 
2.4%
환 21
 
1.9%
Other values (147) 578
51.9%

Most occurring categories

ValueCountFrequency (%)
Other Letter 838
75.3%
Space Separator 234
 
21.0%
Other Punctuation 14
 
1.3%
Decimal Number 8
 
0.7%
Close Punctuation 6
 
0.5%
Open Punctuation 6
 
0.5%
Uppercase Letter 4
 
0.4%
Dash Punctuation 3
 
0.3%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
기 48
 
5.7%
의 47
 
5.6%
및 38
 
4.5%
장 32
 
3.8%
성 30
 
3.6%
타 29
 
3.5%
애 29
 
3.5%
신 27
 
3.2%
환 21
 
2.5%
질 20
 
2.4%
Other values (137) 517
61.7%
Decimal Number
ValueCountFrequency (%)
0 2
25.0%
6 2
25.0%
9 2
25.0%
8 2
25.0%
Space Separator
ValueCountFrequency (%)
234
100.0%
Other Punctuation
ValueCountFrequency (%)
, 14
100.0%
Close Punctuation
ValueCountFrequency (%)
) 6
100.0%
Open Punctuation
ValueCountFrequency (%)
( 6
100.0%
Uppercase Letter
ValueCountFrequency (%)
I 4
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 3
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 838
75.3%
Common 271
 
24.3%
Latin 4
 
0.4%

Most frequent character per script

Hangul
ValueCountFrequency (%)
기 48
 
5.7%
의 47
 
5.6%
및 38
 
4.5%
장 32
 
3.8%
성 30
 
3.6%
타 29
 
3.5%
애 29
 
3.5%
신 27
 
3.2%
환 21
 
2.5%
질 20
 
2.4%
Other values (137) 517
61.7%
Common
ValueCountFrequency (%)
234
86.3%
, 14
 
5.2%
) 6
 
2.2%
( 6
 
2.2%
- 3
 
1.1%
0 2
 
0.7%
6 2
 
0.7%
9 2
 
0.7%
8 2
 
0.7%
Latin
ValueCountFrequency (%)
I 4
100.0%

Most occurring blocks

ValueCountFrequency (%)
Hangul 838
75.3%
ASCII 275
 
24.7%

Most frequent character per block

ASCII
ValueCountFrequency (%)
234
85.1%
, 14
 
5.1%
) 6
 
2.2%
( 6
 
2.2%
I 4
 
1.5%
- 3
 
1.1%
0 2
 
0.7%
6 2
 
0.7%
9 2
 
0.7%
8 2
 
0.7%
Hangul
ValueCountFrequency (%)
기 48
 
5.7%
의 47
 
5.6%
및 38
 
4.5%
장 32
 
3.8%
성 30
 
3.6%
타 29
 
3.5%
애 29
 
3.5%
신 27
 
3.2%
환 21
 
2.5%
질 20
 
2.4%
Other values (137) 517
61.7%

총연구시작일자
Date

Distinct195
Distinct (%)7.2%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
Minimum2006-12-01 00:00:00
Maximum2022-08-01 00:00:00
2023-12-13T04:45:06.623381image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-13T04:45:06.806737image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)

총연구종료일자
Date

Distinct205
Distinct (%)7.6%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
Minimum2014-03-31 00:00:00
Maximum2029-12-31 00:00:00
2023-12-13T04:45:06.982289image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-13T04:45:07.183318image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)

연구목표
Text

Distinct2621
Distinct (%)97.1%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:07.921587image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length1024
Median length712
Mean length310.76612
Min length16

Characters and Unicode

Total characters838447
Distinct characters1152
Distinct categories18 ?
Distinct scripts5 ?
Distinct blocks14 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2576 ?
Unique (%)95.5%

Sample

1st row‘보통 시니어’의 보다 건강하고 사회참여적인 ‘Active Aging’을 목표로, 건강관리 및 증진 모형을 제안하고, 이를 구현할 수 있는 콘텐츠 및 플랫폼을 기획, 건강관리·증진 가이드라인을 개발하여 지역커뮤니티에 적용 및 실증
2nd row□ 고령자 맞춤형 건강관리 및 건강증진 콘텐츠 개발 ○ 고령자의 생활습관, 식습관, 운동습관을 고려한 신체적 건강평가 문진 프로그램 콘텐츠 개발 ○ 치매, 뇌졸중, 배뇨장애, 불면증 및 심혈관 질환 등 고령자 다빈도 질환에 대한 교육프로그램 등 셀프케어 콘텐츠 개발 ○ 고령자의 인지능력 평가결과에 맞추어 그 수준별 UI/UX를 반영한 친화 언어, 고령자 수준의 자가관리 방법을 고려한 멀티미디어와 이미지 중심의 콘텐츠로 개발 ○ 고령자의 생활습관, 식습관, 운동습관 및 다빈도질환을 고려한 고령자 상담 사례모델링 ○ 고령자 상담 사례모델을 기반으로 사례베이스 구축 ○ 고령자의 우울증, 스트레스 등 정신적 건강평가 문진 프로그램 및 치유 콘텐츠 개발□ 고령자 맞춤형 건강관리 시스템 플랫폼 개발 ○ 멀티모달 센서(활동량계, 혈압계, 혈당계, 체성분분석계, 수면계 등)로부터 신체적 건강상태를 모니터링하기 위한 H/W 및 S/W 시스템 integration - 유니버셜 디자인을 적용하여 고령자 생활주기 공간(가정, 지역 커뮤니티, 이동공간 등)에서 대응가능한 범용성을 극대화한 플랫폼 개발 - 가정 등에서 스마트폰 등(게이트웨이)으로 측정·수집 가능한 생체정보와 공동공간(요양기관 및 지역커뮤니티)에서 별도의 디바이스로 수집 가능한 생체정보를 구분하고 해당 환경에 적절한 인터페이스 기술 적용 ○ 신체적, 정신적 건강평가 문진 및 다양한 센서를 통한 건강상태 정보 분석 결과를 바탕으로 건강군 및 위험군의 경우 질병예방과 건강증진 중심으로, 질병군의 경우 질환관리 중심으로 맞춤형 셀프케어 콘텐츠 및 전문상담 서비스를 제공 ○ 고령자에 대한 건강관리·증진 전문상담을 위한 사례기반추론 에이전트를 개발하여 대상자와 가장 유사한 특성을 갖은 성공적인 상담사례들을 찾아내어 상담에 사용토록 함 ○ 고령자의 주거 생활환경 및 신체, 정신적 특성을 고려한 맞춤형 토탈(신체적, 심리적) 건강관리 서비스 플랫폼을 개발
3rd row신규 기능성 유산균을 이용한 유산균 발효콩 복합조성물의 인체적용시험 검증을 통해 인지기능 개선 기능성 원료 개별인정 신청
4th row①인체 모델을 활용한 시뮬레이션을 기반으로 낙상 환경에 따른 인체충격량을 도출하고, ②두부 및 요추부 보호를 위한 착용형 에어백 형상 최적 설계를 수행하며, ③복합센서(가속도/각속도/지자기)의 신호처리와 다중 역치판정에 의한 실시간 낙상감지 알고리즘 및 ④고령자의 보행패턴과 인체특성에 따른 에어백 전개 알고리즘의 능동적 제어 기술이 적용된 사용자 친화형 착용형 에어백 시스템을 설계함
5th row낙상 시 두부 및 요추부의 충격완화를 위한 착용형 에어백 시스템을 개발하기 위해서, ① 충격완화를 위한 착용형 에어백 구동 메커니즘 및 시스템 개발, ② 낙상 검출을 위한 임계값 분석 및 인간친화형 디자인 제안, ③ 낙상 시 인체 충격완화를 위한 에어백 시제품 및 통합 제어기 개발, ④ 인간친화형 디자인 Mock-up 제작 및 시제품 성능평가, ⑤ 충격완화를 위한 착용형 에어백 시스템 최종 시제품 개발 및 평가, ⑥ 인간친화형 디자인 제안 및 최종 시제품 사용성 평가를 수행함.
ValueCountFrequency (%)
및 6175
 
3.3%
2097
 
1.1%
개발 1714
 
0.9%
위한 1593
 
0.9%
대한 1065
 
0.6%
함 1013
 
0.5%
○ 943
 
0.5%
통한 898
 
0.5%
수 898
 
0.5%
있는 839
 
0.4%
Other values (41352) 169781
90.8%
2023-12-13T04:45:08.521797image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
190785
 
22.8%
의 12685
 
1.5%
이 10251
 
1.2%
기 9941
 
1.2%
을 9396
 
1.1%
한 8955
 
1.1%
하 8590
 
1.0%
성 7844
 
0.9%
상 7502
 
0.9%
에 6955
 
0.8%
Other values (1142) 565543
67.5%

Most occurring categories

ValueCountFrequency (%)
Other Letter 522207
62.3%
Space Separator 190805
 
22.8%
Lowercase Letter 55277
 
6.6%
Uppercase Letter 25367
 
3.0%
Other Punctuation 15017
 
1.8%
Decimal Number 11440
 
1.4%
Dash Punctuation 5942
 
0.7%
Close Punctuation 4722
 
0.6%
Open Punctuation 3782
 
0.5%
Other Symbol 2994
 
0.4%
Other values (8) 894
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
의 12685
 
2.4%
이 10251
 
2.0%
기 9941
 
1.9%
을 9396
 
1.8%
한 8955
 
1.7%
하 8590
 
1.6%
성 7844
 
1.5%
상 7502
 
1.4%
에 6955
 
1.3%
발 6505
 
1.2%
Other values (991) 433583
83.0%
Lowercase Letter
ValueCountFrequency (%)
e 5812
10.5%
i 5626
 
10.2%
o 4609
 
8.3%
a 4432
 
8.0%
n 4241
 
7.7%
t 4218
 
7.6%
r 3729
 
6.7%
l 2922
 
5.3%
s 2881
 
5.2%
c 2563
 
4.6%
Other values (25) 14244
25.8%
Uppercase Letter
ValueCountFrequency (%)
A 2453
 
9.7%
C 2332
 
9.2%
D 2125
 
8.4%
P 1858
 
7.3%
R 1714
 
6.8%
I 1704
 
6.7%
S 1641
 
6.5%
N 1524
 
6.0%
T 1488
 
5.9%
M 1412
 
5.6%
Other values (17) 7116
28.1%
Other Symbol
ValueCountFrequency (%)
○ 1830
61.1%
● 480
 
16.0%
□ 369
 
12.3%
■ 155
 
5.2%
▶ 57
 
1.9%
◆ 31
 
1.0%
® 23
 
0.8%
㈜ 15
 
0.5%
◎ 7
 
0.2%
★ 6
 
0.2%
Other values (6) 21
 
0.7%
Other Punctuation
ValueCountFrequency (%)
, 6352
42.3%
. 5148
34.3%
: 1450
 
9.7%
/ 1262
 
8.4%
· 373
 
2.5%
% 195
 
1.3%
* 120
 
0.8%
; 59
 
0.4%
& 27
 
0.2%
# 19
 
0.1%
Other values (3) 12
 
0.1%
Math Symbol
ValueCountFrequency (%)
~ 76
29.5%
> 45
17.4%
▷ 41
15.9%
+ 34
13.2%
< 33
12.8%
→ 6
 
2.3%
= 5
 
1.9%
± 4
 
1.6%
＞ 3
 
1.2%
＜ 3
 
1.2%
Other values (3) 8
 
3.1%
Decimal Number
ValueCountFrequency (%)
1 3251
28.4%
2 2757
24.1%
3 1627
14.2%
0 1212
 
10.6%
4 697
 
6.1%
5 589
 
5.1%
9 504
 
4.4%
6 330
 
2.9%
7 255
 
2.2%
8 216
 
1.9%
Other values (2) 2
 
< 0.1%
Close Punctuation
ValueCountFrequency (%)
) 4557
96.5%
] 144
 
3.0%
」 11
 
0.2%
』 6
 
0.1%
】 2
 
< 0.1%
〕 1
 
< 0.1%
） 1
 
< 0.1%
Open Punctuation
ValueCountFrequency (%)
( 3616
95.6%
[ 146
 
3.9%
「 11
 
0.3%
『 6
 
0.2%
【 1
 
< 0.1%
〔 1
 
< 0.1%
（ 1
 
< 0.1%
Other Number
ValueCountFrequency (%)
① 76
35.7%
② 66
31.0%
③ 42
19.7%
④ 19
 
8.9%
⑤ 7
 
3.3%
⑥ 3
 
1.4%
Letter Number
ValueCountFrequency (%)
ⅲ 1
25.0%
ⅱ 1
25.0%
ⅰ 1
25.0%
ⅳ 1
25.0%
Space Separator
ValueCountFrequency (%)
190785
> 99.9%
　 20
 
< 0.1%
Final Punctuation
ValueCountFrequency (%)
’ 128
64.0%
” 72
36.0%
Initial Punctuation
ValueCountFrequency (%)
‘ 114
60.6%
“ 74
39.4%
Modifier Symbol
ValueCountFrequency (%)
` 7
87.5%
^ 1
 
12.5%
Dash Punctuation
ValueCountFrequency (%)
- 5942
100.0%
Format
ValueCountFrequency (%)
­ 19
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 4
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 522137
62.3%
Common 235567
28.1%
Latin 80539
 
9.6%
Greek 109
 
< 0.1%
Han 95
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
의 12685
 
2.4%
이 10251
 
2.0%
기 9941
 
1.9%
을 9396
 
1.8%
한 8955
 
1.7%
하 8590
 
1.6%
성 7844
 
1.5%
상 7502
 
1.4%
에 6955
 
1.3%
발 6505
 
1.2%
Other values (913) 433513
83.0%
Common
ValueCountFrequency (%)
190785
81.0%
, 6352
 
2.7%
- 5942
 
2.5%
. 5148
 
2.2%
) 4557
 
1.9%
( 3616
 
1.5%
1 3251
 
1.4%
2 2757
 
1.2%
○ 1830
 
0.8%
3 1627
 
0.7%
Other values (72) 9702
 
4.1%
Han
ValueCountFrequency (%)
診 2
 
2.1%
粉 2
 
2.1%
刺 2
 
2.1%
草 2
 
2.1%
本 2
 
2.1%
醫 2
 
2.1%
成 2
 
2.1%
科 2
 
2.1%
外 2
 
2.1%
證 2
 
2.1%
Other values (71) 75
78.9%
Latin
ValueCountFrequency (%)
e 5812
 
7.2%
i 5626
 
7.0%
o 4609
 
5.7%
a 4432
 
5.5%
n 4241
 
5.3%
t 4218
 
5.2%
r 3729
 
4.6%
l 2922
 
3.6%
s 2881
 
3.6%
c 2563
 
3.2%
Other values (47) 39506
49.1%
Greek
ValueCountFrequency (%)
β 38
34.9%
α 30
27.5%
γ 16
14.7%
κ 9
 
8.3%
μ 7
 
6.4%
λ 5
 
4.6%
δ 2
 
1.8%
φ 1
 
0.9%
Φ 1
 
0.9%

Most occurring blocks

ValueCountFrequency (%)
Hangul 522051
62.3%
ASCII 312001
37.2%
Geometric Shapes 2977
 
0.4%
None 631
 
0.1%
Punctuation 392
 
< 0.1%
Enclosed Alphanum 213
 
< 0.1%
CJK 94
 
< 0.1%
Compat Jamo 61
 
< 0.1%
Misc Symbols 6
 
< 0.1%
Arrows 6
 
< 0.1%
Other values (4) 15
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
190785
61.1%
, 6352
 
2.0%
- 5942
 
1.9%
e 5812
 
1.9%
i 5626
 
1.8%
. 5148
 
1.6%
o 4609
 
1.5%
) 4557
 
1.5%
a 4432
 
1.4%
n 4241
 
1.4%
Other values (76) 74497
 
23.9%
Hangul
ValueCountFrequency (%)
의 12685
 
2.4%
이 10251
 
2.0%
기 9941
 
1.9%
을 9396
 
1.8%
한 8955
 
1.7%
하 8590
 
1.6%
성 7844
 
1.5%
상 7502
 
1.4%
에 6955
 
1.3%
발 6505
 
1.2%
Other values (907) 433427
83.0%
Geometric Shapes
ValueCountFrequency (%)
○ 1830
61.5%
● 480
 
16.1%
□ 369
 
12.4%
■ 155
 
5.2%
▶ 57
 
1.9%
▷ 41
 
1.4%
◆ 31
 
1.0%
◎ 7
 
0.2%
▣ 3
 
0.1%
◇ 2
 
0.1%
None
ValueCountFrequency (%)
· 373
59.1%
β 38
 
6.0%
α 30
 
4.8%
® 23
 
3.6%
　 20
 
3.2%
­ 19
 
3.0%
γ 16
 
2.5%
㈜ 15
 
2.4%
「 11
 
1.7%
」 11
 
1.7%
Other values (24) 75
 
11.9%
Punctuation
ValueCountFrequency (%)
’ 128
32.7%
‘ 114
29.1%
“ 74
18.9%
” 72
18.4%
※ 4
 
1.0%
Enclosed Alphanum
ValueCountFrequency (%)
① 76
35.7%
② 66
31.0%
③ 42
19.7%
④ 19
 
8.9%
⑤ 7
 
3.3%
⑥ 3
 
1.4%
Compat Jamo
ValueCountFrequency (%)
ㆍ 45
73.8%
ㅇ 15
 
24.6%
ㄴ 1
 
1.6%
Misc Symbols
ValueCountFrequency (%)
★ 6
100.0%
Arrows
ValueCountFrequency (%)
→ 6
100.0%
Letterlike Symbols
ValueCountFrequency (%)
™ 4
100.0%
Math Operators
ValueCountFrequency (%)
∼ 3
50.0%
≤ 3
50.0%
CJK
ValueCountFrequency (%)
診 2
 
2.1%
粉 2
 
2.1%
刺 2
 
2.1%
草 2
 
2.1%
本 2
 
2.1%
醫 2
 
2.1%
成 2
 
2.1%
科 2
 
2.1%
外 2
 
2.1%
證 2
 
2.1%
Other values (70) 74
78.7%
CJK Compat Ideographs
ValueCountFrequency (%)
老 1
100.0%
Number Forms
ValueCountFrequency (%)
ⅲ 1
25.0%
ⅱ 1
25.0%
ⅰ 1
25.0%
ⅳ 1
25.0%

연구내용
Text

Distinct2629
Distinct (%)97.4%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:08.986256image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length1024
Median length837.5
Mean length605.51816
Min length40

Characters and Unicode

Total characters1633688
Distinct characters1297
Distinct categories18 ?
Distinct scripts5 ?
Distinct blocks16 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2587 ?
Unique (%)95.9%

Sample

1st row○ 한국형 고령자를 위한 건강관리 및 증진 모형개발○ 건강관리 교육프로그램을 위한 가이드라인 개발 및 스마트 콘텐츠 기획○ 고령자 행동반응과 인지능력평가측정 엔진 및 평가 프로그램 개발○ 고령자 건강증진을 위한 기능성 게임 개발○ 실증연구를 통한 플랫폼 검증 및 고령자 건강관리 및 증진의 효과 규명○ 웰니스 및 만성질환관리서비스 연계방안 제도 개선안 도출
2nd row○ 고령자 건강관리증진을 위한 콘텐츠 및 시스템 플랫폼 개발 - 고령자의 생활습관, 식습관, 운동습관을 고려한 신체적 건강평가 문진 프로그램 콘텐츠 개발 - 고령자 다빈도질환에 대한 교육프로그램 셀프케어 콘텐츠 개발 - 고령자의 UI/UX를 고려한 멀티미디어 콘텐츠 개발 - 멀티모달 센서(활동량계, 혈압계, 혈당계, 체성분분석계, 수면계 등)로부터 신체적 건강상태를 모니터링하기 위한 H/W(가정용) 및 S/W 시스템 integration - 고령자 건강관리증진을 위한 셀프케어 콘텐츠 및 전문상담 제공 시스템 개발○ 고령자 맞춤형 건강관리증진 전문 상담을 위한 사례기반추론에이전트(CBR Agent) 개발 - 고령자 맞춤형 건강관리증진 전문 상담을 위한 사례기반추론 에이전트(Case-Based Reasoning Agent: CBR Agent) 개발 및 사례베이스 구축 - 고령자 맞춤형 건강관리증진 전문 상담을 위한 CBR Agent 프로토타입 개발 및 샘플 사례베이스 구축
3rd row○ 제품개발 기술컨설팅 지원 및 총괄연구관리○ 제형연구○ 인지기능 개선 인체적용시험 수행을 통한 기능성 검증 - 프로토콜 작성 및 IRB 자료준비와 승인 - 인체적용시험 수행 및 모니터링 - 시험결과 분석 및 보고서 작성 ○ 인지기능 개선에 대한 기능성원료 개별인정 신청○ 마켓팅 및 생산시설 전략을 통한 제품화 연구
4th row○ 착용형 에어백 최적 설계○ 복합센서 알고리즘 설계○ 실시간 낙상 감지 알고리즘 설계○ 실시간 에어백 제어 알고리즘 설계○ 착용형 에어백 시스템의 생체역학적 평가 및 보완
5th row○ 낙상 검출용 복합센서 개발○ 착용형 에어백 구동 메커니즘 개발○ 착용형 에어백 시스템 통합 제어기 개발○ 착용형 에어백 시스템 mock-up 제작 및 시험기기 개발○ 착용형 에어백 시스템 최종 시제품 개발 및 성능평가
ValueCountFrequency (%)
및 12864
 
3.6%
7581
 
2.1%
개발 3300
 
0.9%
위한 2808
 
0.8%
○ 2424
 
0.7%
평가 2273
 
0.6%
분석 2194
 
0.6%
대한 1804
 
0.5%
연구 1736
 
0.5%
통한 1698
 
0.5%
Other values (66115) 322161
89.3%
2023-12-13T04:45:09.663246image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
382192
 
23.4%
의 21536
 
1.3%
- 18761
 
1.1%
이 17048
 
1.0%
기 16845
 
1.0%
i 15309
 
0.9%
e 14730
 
0.9%
성 14725
 
0.9%
한 14439
 
0.9%
상 13712
 
0.8%
Other values (1287) 1104391
67.6%

Most occurring categories

ValueCountFrequency (%)
Other Letter 930441
57.0%
Space Separator 382235
23.4%
Lowercase Letter 144849
 
8.9%
Uppercase Letter 64343
 
3.9%
Other Punctuation 32069
 
2.0%
Decimal Number 30897
 
1.9%
Dash Punctuation 18823
 
1.2%
Close Punctuation 10721
 
0.7%
Open Punctuation 8760
 
0.5%
Other Symbol 8326
 
0.5%
Other values (8) 2224
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
의 21536
 
2.3%
이 17048
 
1.8%
기 16845
 
1.8%
성 14725
 
1.6%
한 14439
 
1.6%
상 13712
 
1.5%
을 12973
 
1.4%
및 12893
 
1.4%
구 12287
 
1.3%
에 12169
 
1.3%
Other values (1101) 781814
84.0%
Lowercase Letter
ValueCountFrequency (%)
i 15309
10.6%
e 14730
 
10.2%
o 12071
 
8.3%
n 11563
 
8.0%
a 11313
 
7.8%
t 11308
 
7.8%
r 9630
 
6.6%
s 7782
 
5.4%
l 7454
 
5.1%
c 6604
 
4.6%
Other values (24) 37085
25.6%
Other Symbol
ValueCountFrequency (%)
○ 4515
54.2%
● 1381
 
16.6%
□ 1279
 
15.4%
■ 601
 
7.2%
▶ 231
 
2.8%
◆ 102
 
1.2%
㈜ 27
 
0.3%
® 26
 
0.3%
◇ 20
 
0.2%
℃ 14
 
0.2%
Other values (21) 130
 
1.6%
Uppercase Letter
ValueCountFrequency (%)
C 5989
 
9.3%
A 5774
 
9.0%
P 4898
 
7.6%
D 4681
 
7.3%
R 4644
 
7.2%
S 4325
 
6.7%
I 4207
 
6.5%
M 4030
 
6.3%
T 3626
 
5.6%
N 3288
 
5.1%
Other values (17) 18881
29.3%
Other Punctuation
ValueCountFrequency (%)
, 13538
42.2%
. 8753
27.3%
: 4758
 
14.8%
/ 3427
 
10.7%
· 691
 
2.2%
* 277
 
0.9%
% 272
 
0.8%
; 228
 
0.7%
& 45
 
0.1%
# 25
 
0.1%
Other values (10) 55
 
0.2%
Math Symbol
ValueCountFrequency (%)
~ 246
24.8%
> 186
18.7%
+ 160
16.1%
< 130
13.1%
= 120
12.1%
▷ 72
 
7.3%
→ 19
 
1.9%
± 17
 
1.7%
≤ 13
 
1.3%
∼ 7
 
0.7%
Other values (9) 23
 
2.3%
Decimal Number
ValueCountFrequency (%)
1 8476
27.4%
2 7216
23.4%
3 4178
13.5%
0 3700
12.0%
4 2054
 
6.6%
5 1729
 
5.6%
6 1069
 
3.5%
9 1005
 
3.3%
7 846
 
2.7%
8 616
 
2.0%
Other values (5) 8
 
< 0.1%
Close Punctuation
ValueCountFrequency (%)
) 10281
95.9%
] 406
 
3.8%
」 12
 
0.1%
』 9
 
0.1%
） 7
 
0.1%
】 3
 
< 0.1%
〕 2
 
< 0.1%
} 1
 
< 0.1%
Open Punctuation
ValueCountFrequency (%)
( 8332
95.1%
[ 400
 
4.6%
「 12
 
0.1%
『 9
 
0.1%
【 3
 
< 0.1%
〔 2
 
< 0.1%
（ 1
 
< 0.1%
{ 1
 
< 0.1%
Other Number
ValueCountFrequency (%)
① 243
40.3%
② 222
36.8%
③ 77
 
12.8%
④ 33
 
5.5%
⑤ 18
 
3.0%
⑥ 10
 
1.7%
Letter Number
ValueCountFrequency (%)
Ⅰ 39
48.1%
Ⅱ 33
40.7%
Ⅲ 8
 
9.9%
Ⅳ 1
 
1.2%
Dash Punctuation
ValueCountFrequency (%)
- 18761
99.7%
－ 51
 
0.3%
― 11
 
0.1%
Modifier Symbol
ValueCountFrequency (%)
^ 6
60.0%
` 3
30.0%
˚ 1
 
10.0%
Space Separator
ValueCountFrequency (%)
382192
> 99.9%
　 43
 
< 0.1%
Final Punctuation
ValueCountFrequency (%)
’ 172
70.2%
” 73
29.8%
Initial Punctuation
ValueCountFrequency (%)
‘ 135
63.7%
“ 77
36.3%
Format
ValueCountFrequency (%)
­ 60
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 20
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 930330
56.9%
Common 493920
30.2%
Latin 208940
 
12.8%
Greek 335
 
< 0.1%
Han 163
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
의 21536
 
2.3%
이 17048
 
1.8%
기 16845
 
1.8%
성 14725
 
1.6%
한 14439
 
1.6%
상 13712
 
1.5%
을 12973
 
1.4%
및 12893
 
1.4%
구 12287
 
1.3%
에 12169
 
1.3%
Other values (993) 781703
84.0%
Common
ValueCountFrequency (%)
382192
77.4%
- 18761
 
3.8%
, 13538
 
2.7%
) 10281
 
2.1%
. 8753
 
1.8%
1 8476
 
1.7%
( 8332
 
1.7%
2 7216
 
1.5%
: 4758
 
1.0%
○ 4515
 
0.9%
Other values (106) 27098
 
5.5%
Han
ValueCountFrequency (%)
內 8
 
4.9%
外 8
 
4.9%
社 6
 
3.7%
證 4
 
2.5%
醫 3
 
1.8%
大 3
 
1.8%
方 3
 
1.8%
病 3
 
1.8%
尿 3
 
1.8%
面 3
 
1.8%
Other values (102) 119
73.0%
Latin
ValueCountFrequency (%)
i 15309
 
7.3%
e 14730
 
7.0%
o 12071
 
5.8%
n 11563
 
5.5%
a 11313
 
5.4%
t 11308
 
5.4%
r 9630
 
4.6%
s 7782
 
3.7%
l 7454
 
3.6%
c 6604
 
3.2%
Other values (47) 101176
48.4%
Greek
ValueCountFrequency (%)
α 150
44.8%
β 107
31.9%
γ 29
 
8.7%
μ 18
 
5.4%
Δ 17
 
5.1%
κ 7
 
2.1%
δ 4
 
1.2%
λ 2
 
0.6%
φ 1
 
0.3%

Most occurring blocks

ValueCountFrequency (%)
Hangul 930139
56.9%
ASCII 692339
42.4%
Geometric Shapes 8231
 
0.5%
None 1376
 
0.1%
Enclosed Alphanum 643
 
< 0.1%
Punctuation 482
 
< 0.1%
CJK 159
 
< 0.1%
Compat Jamo 137
 
< 0.1%
Number Forms 81
 
< 0.1%
Math Operators 29
 
< 0.1%
Other values (6) 72
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
382192
55.2%
- 18761
 
2.7%
i 15309
 
2.2%
e 14730
 
2.1%
, 13538
 
2.0%
o 12071
 
1.7%
n 11563
 
1.7%
a 11313
 
1.6%
t 11308
 
1.6%
) 10281
 
1.5%
Other values (81) 191273
27.6%
Hangul
ValueCountFrequency (%)
의 21536
 
2.3%
이 17048
 
1.8%
기 16845
 
1.8%
성 14725
 
1.6%
한 14439
 
1.6%
상 13712
 
1.5%
을 12973
 
1.4%
및 12893
 
1.4%
구 12287
 
1.3%
에 12169
 
1.3%
Other values (980) 781512
84.0%
Geometric Shapes
ValueCountFrequency (%)
○ 4515
54.9%
● 1381
 
16.8%
□ 1279
 
15.5%
■ 601
 
7.3%
▶ 231
 
2.8%
◆ 102
 
1.2%
▷ 72
 
0.9%
◇ 20
 
0.2%
◎ 13
 
0.2%
▣ 11
 
0.1%
None
ValueCountFrequency (%)
· 691
50.2%
α 150
 
10.9%
β 107
 
7.8%
­ 60
 
4.4%
－ 51
 
3.7%
　 43
 
3.1%
γ 29
 
2.1%
㈜ 27
 
2.0%
® 26
 
1.9%
μ 18
 
1.3%
Other values (35) 174
 
12.6%
Enclosed Alphanum
ValueCountFrequency (%)
① 243
37.8%
② 222
34.5%
③ 77
 
12.0%
④ 33
 
5.1%
⑤ 18
 
2.8%
ⓐ 11
 
1.7%
⑥ 10
 
1.6%
ⓑ 10
 
1.6%
ⓒ 8
 
1.2%
ⓓ 5
 
0.8%
Other values (3) 6
 
0.9%
Punctuation
ValueCountFrequency (%)
’ 172
35.7%
‘ 135
28.0%
“ 77
16.0%
” 73
15.1%
※ 12
 
2.5%
― 11
 
2.3%
′ 1
 
0.2%
… 1
 
0.2%
Compat Jamo
ValueCountFrequency (%)
ㆍ 65
47.4%
ㅇ 31
22.6%
ㄱ 11
 
8.0%
ㄴ 10
 
7.3%
ㄷ 10
 
7.3%
ㄹ 5
 
3.6%
ㅁ 4
 
2.9%
ㅑ 1
 
0.7%
Number Forms
ValueCountFrequency (%)
Ⅰ 39
48.1%
Ⅱ 33
40.7%
Ⅲ 8
 
9.9%
Ⅳ 1
 
1.2%
Arrows
ValueCountFrequency (%)
→ 19
86.4%
⇒ 3
 
13.6%
Letterlike Symbols
ValueCountFrequency (%)
℃ 14
60.9%
™ 9
39.1%
Math Operators
ValueCountFrequency (%)
≤ 13
44.8%
∼ 7
24.1%
≥ 6
20.7%
√ 2
 
6.9%
∥ 1
 
3.4%
Misc Symbols
ValueCountFrequency (%)
★ 8
100.0%
CJK Compat
ValueCountFrequency (%)
㎛ 8
57.1%
㎜ 3
 
21.4%
㎍ 2
 
14.3%
㎕ 1
 
7.1%
CJK
ValueCountFrequency (%)
內 8
 
5.0%
外 8
 
5.0%
社 6
 
3.8%
證 4
 
2.5%
醫 3
 
1.9%
大 3
 
1.9%
方 3
 
1.9%
病 3
 
1.9%
尿 3
 
1.9%
面 3
 
1.9%
Other values (99) 115
72.3%
CJK Compat Ideographs
ValueCountFrequency (%)
不 2
50.0%
淋 1
25.0%
便 1
25.0%
Modifier Letters
ValueCountFrequency (%)
˚ 1
100.0%

기대효과
Text

Distinct2580
Distinct (%)95.6%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:10.018239image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length1024
Median length837
Mean length477.49148
Min length24

Characters and Unicode

Total characters1288272
Distinct characters1133
Distinct categories19 ?
Distinct scripts5 ?
Distinct blocks14 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2504 ?
Unique (%)92.8%

Sample

1st row○ 고령자 건강증진행위 이행정도 및 능동성 향상○ 고령자 맞춤형 건강관리 시스템 구축을 통한 의료비 절감 ○ 고령자 특수성을 고려한 한국형 노인건강증진모형의 제시○ 고령자들의 삶의 질 증대 ○ 고령자들의 사회참여 활동 증가로 인한 사회적 비용 감소
2nd row고령자 맞춤형 건강증진/관리 콘텐츠 및 플랫폼을 개발하고 이를 이용한 서비스를 제공함으로서 ○ 고령자의 자가 건강관리 능력 함양하고 ○ 건강수명을 연장하여 삶의 질 향상에 기여하며 ○ 국내 유헬스케어 산업 활성화를 통한 해당분야 전문직 일자리 창출 기여하고 ○ 국내 실증테스트를 통하여 고령자 맞춤형 건강관리 콘텐츠 및 서비스의 해외수출도 가능케 함
3rd row○ 신규 발굴한 유산균과 발효콩 복합조성물을 이용한 탁월한 인지기능 능력 향상 기대○ 고령화 시대의 급격한 치매질환 증가로 인한 사회경제적 이슈에 맞서, ‘인지능력 개선유지 기능 건강기능식품 개발’은 노인 건강과 삶의 질에 긍정적 효과 기대○ 새로운 신소재로서, 차세대 건강기능식품으로 부상하여 침체된 제약산업 활성화와 더불어 예방유지치료목적의 제품소재 확대로 이어질 것으로 기대 ○ 김치유산균을 이용한 우리자원(콩)의 발효물 제조로 새로운 시장개척과 해외시장 소개를 통해 수출증대 기대
4th row○ 고령자 및 보행장애 관련 병변이 있는 환자의 삶의 질 향상 및 의료비용 절감○ 고령자의 노화로 인해 저감된 인지능력을 보완해줄 수 있는 제품의 개발로 인한 고령친화산업의 육성○ 기술집약형, 중소기업형 산업으로 국내 고령친화 산업의 육성○ 고비용이 요구되는 치명적 질환의 예방과 병원 내원 횟수 감소에 따른 사회 전반의 효율적 의료 서비스 제공 효과○ 보행 모니터링 기술, 착용형 에어백 제어 기술, 생체역학기술 등의 융합에 따른 원천기술 확보
5th row○ 고령자 및 보행장애 관련 병변이 있는 환자의 삶의 질 향상 및 의료비용 절감○ 고령자의 노화로 인해 저감된 인지능력을 보완해줄 수 있는 제품의 개발로 인한 고령친화산업의 육성○ 기술집약형, 중소기업형 산업으로 국내 고령친화 산업의 육성○ 고비용이 요구되는 치명적 질환의 예방과 병원 내원 횟수 감소에 따른 사회 전반의 효율적 의료 서비스 제공 효과○ 보행 모니터링 기술, 착용형 에어백 제어 기술, 생체역학기술 등의 융합에 따른 원천기술 확보
ValueCountFrequency (%)
및 6936
 
2.3%
수 5169
 
1.7%
3572
 
1.2%
대한 2334
 
0.8%
통해 2319
 
0.8%
있는 1957
 
0.6%
본 1891
 
0.6%
통한 1782
 
0.6%
있음 1617
 
0.5%
것으로 1612
 
0.5%
Other values (50933) 275618
90.4%
2023-12-13T04:45:10.507098image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
310712
 
24.1%
의 24527
 
1.9%
기 20667
 
1.6%
이 17186
 
1.3%
로 16429
 
1.3%
한 15553
 
1.2%
을 15300
 
1.2%
에 15010
 
1.2%
적 13791
 
1.1%
제 12694
 
1.0%
Other values (1123) 826403
64.1%

Most occurring categories

ValueCountFrequency (%)
Other Letter 867425
67.3%
Space Separator 310718
 
24.1%
Lowercase Letter 38878
 
3.0%
Other Punctuation 20991
 
1.6%
Uppercase Letter 19348
 
1.5%
Decimal Number 9706
 
0.8%
Dash Punctuation 8929
 
0.7%
Other Symbol 5956
 
0.5%
Close Punctuation 3153
 
0.2%
Open Punctuation 2293
 
0.2%
Other values (9) 875
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
의 24527
 
2.8%
기 20667
 
2.4%
이 17186
 
2.0%
로 16429
 
1.9%
한 15553
 
1.8%
을 15300
 
1.8%
에 15010
 
1.7%
적 13791
 
1.6%
제 12694
 
1.5%
가 12027
 
1.4%
Other values (978) 704241
81.2%
Lowercase Letter
ValueCountFrequency (%)
e 4270
11.0%
i 3899
 
10.0%
a 3168
 
8.1%
t 3014
 
7.8%
o 2979
 
7.7%
n 2975
 
7.7%
r 2428
 
6.2%
s 2183
 
5.6%
l 2088
 
5.4%
c 1846
 
4.7%
Other values (22) 10028
25.8%
Uppercase Letter
ValueCountFrequency (%)
C 1862
 
9.6%
A 1749
 
9.0%
D 1552
 
8.0%
R 1548
 
8.0%
T 1368
 
7.1%
S 1295
 
6.7%
P 1263
 
6.5%
I 1220
 
6.3%
M 1023
 
5.3%
N 1019
 
5.3%
Other values (16) 5449
28.2%
Other Punctuation
ValueCountFrequency (%)
, 9334
44.5%
. 8589
40.9%
/ 1151
 
5.5%
: 764
 
3.6%
· 610
 
2.9%
% 211
 
1.0%
* 154
 
0.7%
& 81
 
0.4%
; 44
 
0.2%
， 19
 
0.1%
Other values (9) 34
 
0.2%
Other Symbol
ValueCountFrequency (%)
○ 3870
65.0%
● 907
 
15.2%
□ 526
 
8.8%
■ 386
 
6.5%
▶ 131
 
2.2%
◆ 61
 
1.0%
㈜ 18
 
0.3%
▣ 17
 
0.3%
★ 15
 
0.3%
◎ 8
 
0.1%
Other values (4) 17
 
0.3%
Math Symbol
ValueCountFrequency (%)
> 88
27.8%
< 58
18.3%
~ 55
17.4%
▷ 44
13.9%
→ 30
 
9.5%
+ 18
 
5.7%
= 13
 
4.1%
⊙ 5
 
1.6%
√ 2
 
0.6%
∼ 2
 
0.6%
Other values (2) 2
 
0.6%
Decimal Number
ValueCountFrequency (%)
1 2666
27.5%
2 2191
22.6%
0 1424
14.7%
3 1073
11.1%
4 588
 
6.1%
9 533
 
5.5%
5 482
 
5.0%
6 297
 
3.1%
7 258
 
2.7%
8 193
 
2.0%
Close Punctuation
ValueCountFrequency (%)
) 2953
93.7%
] 196
 
6.2%
】 2
 
0.1%
） 1
 
< 0.1%
」 1
 
< 0.1%
Other Number
ValueCountFrequency (%)
① 52
34.9%
② 48
32.2%
③ 32
21.5%
④ 13
 
8.7%
⑤ 4
 
2.7%
Open Punctuation
ValueCountFrequency (%)
( 2099
91.5%
[ 191
 
8.3%
【 2
 
0.1%
「 1
 
< 0.1%
Letter Number
ValueCountFrequency (%)
Ⅰ 2
40.0%
Ⅲ 1
20.0%
Ⅱ 1
20.0%
Ⅳ 1
20.0%
Space Separator
ValueCountFrequency (%)
310712
> 99.9%
　 6
 
< 0.1%
Dash Punctuation
ValueCountFrequency (%)
- 8893
99.6%
－ 36
 
0.4%
Initial Punctuation
ValueCountFrequency (%)
‘ 107
59.4%
“ 73
40.6%
Final Punctuation
ValueCountFrequency (%)
’ 98
59.4%
” 67
40.6%
Modifier Symbol
ValueCountFrequency (%)
` 2
66.7%
˙ 1
33.3%
Format
ValueCountFrequency (%)
­ 44
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 7
100.0%
Currency Symbol
ValueCountFrequency (%)
$ 5
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 867430
67.3%
Common 362598
28.1%
Latin 58185
 
4.5%
Greek 46
 
< 0.1%
Han 13
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
의 24527
 
2.8%
기 20667
 
2.4%
이 17186
 
2.0%
로 16429
 
1.9%
한 15553
 
1.8%
을 15300
 
1.8%
에 15010
 
1.7%
적 13791
 
1.6%
제 12694
 
1.5%
가 12027
 
1.4%
Other values (971) 704246
81.2%
Common
ValueCountFrequency (%)
310712
85.7%
, 9334
 
2.6%
- 8893
 
2.5%
. 8589
 
2.4%
○ 3870
 
1.1%
) 2953
 
0.8%
1 2666
 
0.7%
2 2191
 
0.6%
( 2099
 
0.6%
0 1424
 
0.4%
Other values (72) 9867
 
2.7%
Latin
ValueCountFrequency (%)
e 4270
 
7.3%
i 3899
 
6.7%
a 3168
 
5.4%
t 3014
 
5.2%
o 2979
 
5.1%
n 2975
 
5.1%
r 2428
 
4.2%
s 2183
 
3.8%
l 2088
 
3.6%
C 1862
 
3.2%
Other values (46) 29319
50.4%
Han
ValueCountFrequency (%)
化 3
23.1%
新 3
23.1%
外 2
15.4%
有 1
 
7.7%
社 1
 
7.7%
韓 1
 
7.7%
案 1
 
7.7%
先 1
 
7.7%
Greek
ValueCountFrequency (%)
β 33
71.7%
α 6
 
13.0%
γ 4
 
8.7%
λ 1
 
2.2%
κ 1
 
2.2%
μ 1
 
2.2%

Most occurring blocks

ValueCountFrequency (%)
Hangul 867270
67.3%
ASCII 413520
32.1%
Geometric Shapes 5956
 
0.5%
None 805
 
0.1%
Punctuation 352
 
< 0.1%
Enclosed Alphanum 149
 
< 0.1%
Compat Jamo 142
 
< 0.1%
Arrows 30
 
< 0.1%
Misc Symbols 15
 
< 0.1%
CJK 13
 
< 0.1%
Other values (4) 20
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
310712
75.1%
, 9334
 
2.3%
- 8893
 
2.2%
. 8589
 
2.1%
e 4270
 
1.0%
i 3899
 
0.9%
a 3168
 
0.8%
t 3014
 
0.7%
o 2979
 
0.7%
n 2975
 
0.7%
Other values (79) 55687
 
13.5%
Hangul
ValueCountFrequency (%)
의 24527
 
2.8%
기 20667
 
2.4%
이 17186
 
2.0%
로 16429
 
1.9%
한 15553
 
1.8%
을 15300
 
1.8%
에 15010
 
1.7%
적 13791
 
1.6%
제 12694
 
1.5%
가 12027
 
1.4%
Other values (966) 704086
81.2%
Geometric Shapes
ValueCountFrequency (%)
○ 3870
65.0%
● 907
 
15.2%
□ 526
 
8.8%
■ 386
 
6.5%
▶ 131
 
2.2%
◆ 61
 
1.0%
▷ 44
 
0.7%
▣ 17
 
0.3%
◎ 8
 
0.1%
◇ 6
 
0.1%
None
ValueCountFrequency (%)
· 610
75.8%
­ 44
 
5.5%
－ 36
 
4.5%
β 33
 
4.1%
， 19
 
2.4%
㈜ 18
 
2.2%
® 8
 
1.0%
　 6
 
0.7%
α 6
 
0.7%
＊ 5
 
0.6%
Other values (12) 20
 
2.5%
Punctuation
ValueCountFrequency (%)
‘ 107
30.4%
’ 98
27.8%
“ 73
20.7%
” 67
19.0%
※ 7
 
2.0%
Compat Jamo
ValueCountFrequency (%)
ㆍ 97
68.3%
ㅇ 43
30.3%
ㅏ 1
 
0.7%
ㅁ 1
 
0.7%
Enclosed Alphanum
ValueCountFrequency (%)
① 52
34.9%
② 48
32.2%
③ 32
21.5%
④ 13
 
8.7%
⑤ 4
 
2.7%
Arrows
ValueCountFrequency (%)
→ 30
100.0%
Misc Symbols
ValueCountFrequency (%)
★ 15
100.0%
Math Operators
ValueCountFrequency (%)
⊙ 5
45.5%
√ 2
 
18.2%
∼ 2
 
18.2%
≒ 1
 
9.1%
≥ 1
 
9.1%
CJK
ValueCountFrequency (%)
化 3
23.1%
新 3
23.1%
外 2
15.4%
有 1
 
7.7%
社 1
 
7.7%
韓 1
 
7.7%
案 1
 
7.7%
先 1
 
7.7%
Number Forms
ValueCountFrequency (%)
Ⅰ 2
40.0%
Ⅲ 1
20.0%
Ⅱ 1
20.0%
Ⅳ 1
20.0%
Letterlike Symbols
ValueCountFrequency (%)
™ 2
66.7%
℃ 1
33.3%
Modifier Letters
ValueCountFrequency (%)
˙ 1
100.0%

한글키워드
Text

Distinct2570
Distinct (%)95.3%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:10.753863image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length93
Median length59.5
Mean length30.832839
Min length9

Characters and Unicode

Total characters83187
Distinct characters766
Distinct categories11 ?
Distinct scripts4 ?
Distinct blocks3 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2485 ?
Unique (%)92.1%

Sample

1st row고령자|건강증진모형|건강증진행위|인지능력|
2nd row건강관리플랫폼|유헬스|웰니스|고령자 맞춤형|맞춤형 건강상담|
3rd row인지기능|유산균|발효콩|인체적용시험|건강기능식품 개별인정|
4th row두부손상|요추부손상|역치판정 알고리즘|최적설계|에어백|
5th row착용형 에어백|벤트홀|인플레이터|인간친화형디자인|복합센서|
ValueCountFrequency (%)
및 44
 
0.6%
평가 34
 
0.5%
백신 28
 
0.4%
치료 24
 
0.3%
플랫폼 22
 
0.3%
기반 22
 
0.3%
바이러스 19
 
0.3%
치료제 18
 
0.2%
세포 18
 
0.2%
진단 17
 
0.2%
Other values (5887) 7261
96.7%
2023-12-13T04:45:11.137534image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
| 12456
 
15.0%
4812
 
5.8%
이 1638
 
2.0%
성 1201
 
1.4%
기 1140
 
1.4%
상 1038
 
1.2%
스 987
 
1.2%
제 912
 
1.1%
신 901
 
1.1%
자 815
 
1.0%
Other values (756) 57287
68.9%

Most occurring categories

ValueCountFrequency (%)
Other Letter 62318
74.9%
Math Symbol 12457
 
15.0%
Space Separator 4812
 
5.8%
Uppercase Letter 1750
 
2.1%
Lowercase Letter 943
 
1.1%
Decimal Number 725
 
0.9%
Dash Punctuation 82
 
0.1%
Other Punctuation 44
 
0.1%
Open Punctuation 25
 
< 0.1%
Close Punctuation 25
 
< 0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
이 1638
 
2.6%
성 1201
 
1.9%
기 1140
 
1.8%
상 1038
 
1.7%
스 987
 
1.6%
제 912
 
1.5%
신 901
 
1.4%
자 815
 
1.3%
세 794
 
1.3%
포 764
 
1.2%
Other values (680) 52128
83.6%
Lowercase Letter
ValueCountFrequency (%)
i 93
 
9.9%
o 84
 
8.9%
e 81
 
8.6%
n 79
 
8.4%
a 68
 
7.2%
t 58
 
6.2%
r 57
 
6.0%
m 53
 
5.6%
s 50
 
5.3%
c 49
 
5.2%
Other values (19) 271
28.7%
Uppercase Letter
ValueCountFrequency (%)
A 221
12.6%
R 166
 
9.5%
T 151
 
8.6%
N 144
 
8.2%
D 131
 
7.5%
P 121
 
6.9%
C 118
 
6.7%
M 86
 
4.9%
S 80
 
4.6%
I 75
 
4.3%
Other values (15) 457
26.1%
Decimal Number
ValueCountFrequency (%)
1 230
31.7%
9 120
16.6%
2 120
16.6%
3 76
 
10.5%
0 45
 
6.2%
4 40
 
5.5%
7 36
 
5.0%
5 28
 
3.9%
6 19
 
2.6%
8 11
 
1.5%
Other Punctuation
ValueCountFrequency (%)
/ 23
52.3%
· 10
22.7%
. 4
 
9.1%
& 4
 
9.1%
, 3
 
6.8%
Math Symbol
ValueCountFrequency (%)
| 12456
> 99.9%
+ 1
 
< 0.1%
Space Separator
ValueCountFrequency (%)
4812
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 82
100.0%
Open Punctuation
ValueCountFrequency (%)
( 25
100.0%
Close Punctuation
ValueCountFrequency (%)
) 25
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 6
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 62318
74.9%
Common 18176
 
21.8%
Latin 2686
 
3.2%
Greek 7
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
이 1638
 
2.6%
성 1201
 
1.9%
기 1140
 
1.8%
상 1038
 
1.7%
스 987
 
1.6%
제 912
 
1.5%
신 901
 
1.4%
자 815
 
1.3%
세 794
 
1.3%
포 764
 
1.2%
Other values (680) 52128
83.6%
Latin
ValueCountFrequency (%)
A 221
 
8.2%
R 166
 
6.2%
T 151
 
5.6%
N 144
 
5.4%
D 131
 
4.9%
P 121
 
4.5%
C 118
 
4.4%
i 93
 
3.5%
M 86
 
3.2%
o 84
 
3.1%
Other values (40) 1371
51.0%
Common
ValueCountFrequency (%)
| 12456
68.5%
4812
 
26.5%
1 230
 
1.3%
9 120
 
0.7%
2 120
 
0.7%
- 82
 
0.5%
3 76
 
0.4%
0 45
 
0.2%
4 40
 
0.2%
7 36
 
0.2%
Other values (12) 159
 
0.9%
Greek
ValueCountFrequency (%)
α 3
42.9%
β 2
28.6%
μ 1
 
14.3%
γ 1
 
14.3%

Most occurring blocks

ValueCountFrequency (%)
Hangul 62318
74.9%
ASCII 20852
 
25.1%
None 17
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
| 12456
59.7%
4812
 
23.1%
1 230
 
1.1%
A 221
 
1.1%
R 166
 
0.8%
T 151
 
0.7%
N 144
 
0.7%
D 131
 
0.6%
P 121
 
0.6%
9 120
 
0.6%
Other values (61) 2300
 
11.0%
Hangul
ValueCountFrequency (%)
이 1638
 
2.6%
성 1201
 
1.9%
기 1140
 
1.8%
상 1038
 
1.7%
스 987
 
1.6%
제 912
 
1.5%
신 901
 
1.4%
자 815
 
1.3%
세 794
 
1.3%
포 764
 
1.2%
Other values (680) 52128
83.6%
None
ValueCountFrequency (%)
· 10
58.8%
α 3
 
17.6%
β 2
 
11.8%
μ 1
 
5.9%
γ 1
 
5.9%

영문키워드
Text

Distinct2575
Distinct (%)95.4%
Missing0
Missing (%)0.0%
Memory size21.2 KiB
2023-12-13T04:45:11.434585image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length239
Median length136
Mean length80.526316
Min length14

Characters and Unicode

Total characters217260
Distinct characters109
Distinct categories15 ?
Distinct scripts4 ?
Distinct blocks6 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique2497 ?
Unique (%)92.6%

Sample

1st rowElderly|Health Promotion Model|Health Promotion Behavior|Cognitive ability|
2nd rowHealth Management Platform|u-Health|Wellness|Elderly Custom|Personalized Health Counseling|
3rd rowcognition|probiotics|fermented soybean|clinical practice|individually-approved functional food|
4th rowHead injury|Spine injury|Threshold detection algorithm|Optimal design|Airbag|
5th rowWearable airbag|Vent hole|Inflation system|Human centered design|Multi-sensor|
ValueCountFrequency (%)
of 182
 
1.2%
stem 157
 
1.0%
clinical 124
 
0.8%
cell 111
 
0.7%
drug 97
 
0.6%
trial 91
 
0.6%
and 89
 
0.6%
medicine 75
 
0.5%
care 75
 
0.5%
disease 71
 
0.5%
Other values (8585) 14421
93.1%
2023-12-13T04:45:11.878829image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
e 20407
 
9.4%
i 19087
 
8.8%
a 15772
 
7.3%
t 13876
 
6.4%
n 13605
 
6.3%
12809
 
5.9%
| 12438
 
5.7%
r 12213
 
5.6%
o 12174
 
5.6%
l 9944
 
4.6%
Other values (99) 74935
34.5%

Most occurring categories

ValueCountFrequency (%)
Lowercase Letter 176639
81.3%
Uppercase Letter 13857
 
6.4%
Space Separator 12809
 
5.9%
Math Symbol 12445
 
5.7%
Decimal Number 745
 
0.3%
Dash Punctuation 358
 
0.2%
Other Punctuation 112
 
0.1%
Open Punctuation 111
 
0.1%
Close Punctuation 110
 
0.1%
Other Letter 26
 
< 0.1%
Other values (5) 48
 
< 0.1%

Most frequent character per category

Lowercase Letter
ValueCountFrequency (%)
e 20407
11.6%
i 19087
10.8%
a 15772
 
8.9%
t 13876
 
7.9%
n 13605
 
7.7%
r 12213
 
6.9%
o 12174
 
6.9%
l 9944
 
5.6%
c 9930
 
5.6%
s 9794
 
5.5%
Other values (20) 39837
22.6%
Uppercase Letter
ValueCountFrequency (%)
C 1438
 
10.4%
A 1232
 
8.9%
D 1112
 
8.0%
P 1023
 
7.4%
S 979
 
7.1%
I 965
 
7.0%
M 946
 
6.8%
T 828
 
6.0%
R 777
 
5.6%
N 683
 
4.9%
Other values (16) 3874
28.0%
Other Letter
ValueCountFrequency (%)
지 2
 
7.7%
제 2
 
7.7%
이 2
 
7.7%
역 1
 
3.8%
화 1
 
3.8%
내 1
 
3.8%
사 1
 
3.8%
일 1
 
3.8%
회 1
 
3.8%
항 1
 
3.8%
Other values (13) 13
50.0%
Decimal Number
ValueCountFrequency (%)
1 237
31.8%
2 131
17.6%
9 116
15.6%
3 81
 
10.9%
0 46
 
6.2%
7 39
 
5.2%
4 36
 
4.8%
5 25
 
3.4%
6 22
 
3.0%
8 12
 
1.6%
Other Punctuation
ValueCountFrequency (%)
' 37
33.0%
/ 26
23.2%
, 23
20.5%
& 19
17.0%
. 6
 
5.4%
¡ 1
 
0.9%
Math Symbol
ValueCountFrequency (%)
| 12438
99.9%
+ 6
 
< 0.1%
= 1
 
< 0.1%
Open Punctuation
ValueCountFrequency (%)
( 109
98.2%
[ 2
 
1.8%
Letter Number
ValueCountFrequency (%)
Ⅲ 1
50.0%
Ⅱ 1
50.0%
Space Separator
ValueCountFrequency (%)
12809
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 358
100.0%
Close Punctuation
ValueCountFrequency (%)
) 110
100.0%
Final Punctuation
ValueCountFrequency (%)
’ 24
100.0%
Connector Punctuation
ValueCountFrequency (%)
_ 17
100.0%
Other Symbol
ValueCountFrequency (%)
○ 4
100.0%
Currency Symbol
ValueCountFrequency (%)
¤ 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Latin 190483
87.7%
Common 26736
 
12.3%
Hangul 26
 
< 0.1%
Greek 15
 
< 0.1%

Most frequent character per script

Latin
ValueCountFrequency (%)
e 20407
 
10.7%
i 19087
 
10.0%
a 15772
 
8.3%
t 13876
 
7.3%
n 13605
 
7.1%
r 12213
 
6.4%
o 12174
 
6.4%
l 9944
 
5.2%
c 9930
 
5.2%
s 9794
 
5.1%
Other values (44) 53681
28.2%
Common
ValueCountFrequency (%)
12809
47.9%
| 12438
46.5%
- 358
 
1.3%
1 237
 
0.9%
2 131
 
0.5%
9 116
 
0.4%
) 110
 
0.4%
( 109
 
0.4%
3 81
 
0.3%
0 46
 
0.2%
Other values (18) 301
 
1.1%
Hangul
ValueCountFrequency (%)
지 2
 
7.7%
제 2
 
7.7%
이 2
 
7.7%
역 1
 
3.8%
화 1
 
3.8%
내 1
 
3.8%
사 1
 
3.8%
일 1
 
3.8%
회 1
 
3.8%
항 1
 
3.8%
Other values (13) 13
50.0%
Greek
ValueCountFrequency (%)
α 6
40.0%
β 6
40.0%
γ 2
 
13.3%
μ 1
 
6.7%

Most occurring blocks

ValueCountFrequency (%)
ASCII 217187
> 99.9%
Hangul 26
 
< 0.1%
Punctuation 24
 
< 0.1%
None 17
 
< 0.1%
Geometric Shapes 4
 
< 0.1%
Number Forms 2
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
e 20407
 
9.4%
i 19087
 
8.8%
a 15772
 
7.3%
t 13876
 
6.4%
n 13605
 
6.3%
12809
 
5.9%
| 12438
 
5.7%
r 12213
 
5.6%
o 12174
 
5.6%
l 9944
 
4.6%
Other values (66) 74862
34.5%
Punctuation
ValueCountFrequency (%)
’ 24
100.0%
None
ValueCountFrequency (%)
α 6
35.3%
β 6
35.3%
γ 2
 
11.8%
μ 1
 
5.9%
¡ 1
 
5.9%
¤ 1
 
5.9%
Geometric Shapes
ValueCountFrequency (%)
○ 4
100.0%
Hangul
ValueCountFrequency (%)
지 2
 
7.7%
제 2
 
7.7%
이 2
 
7.7%
역 1
 
3.8%
화 1
 
3.8%
내 1
 
3.8%
사 1
 
3.8%
일 1
 
3.8%
회 1
 
3.8%
항 1
 
3.8%
Other values (13) 13
50.0%
Number Forms
ValueCountFrequency (%)
Ⅲ 1
50.0%
Ⅱ 1
50.0%

Correlations

2023-12-13T04:45:12.001346image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
사업명질병1순위대분류명질병2순위대분류명질병2순위중분류명질병3순위대분류명질병3순위중분류명
사업명1.0000.8400.8300.8630.8430.944
질병1순위대분류명0.8401.0000.9110.9450.9140.957
질병2순위대분류명0.8300.9111.0001.0000.9720.980
질병2순위중분류명0.8630.9451.0001.0000.9470.977
질병3순위대분류명0.8430.9140.9720.9471.0001.000
질병3순위중분류명0.9440.9570.9800.9771.0001.000
2023-12-13T04:45:12.103241image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
질병2순위대분류명질병3순위대분류명질병1순위대분류명
질병2순위대분류명1.0000.6330.536
질병3순위대분류명0.6331.0000.601
질병1순위대분류명0.5360.6011.000
2023-12-13T04:45:12.199960image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
질병1순위대분류명질병2순위대분류명질병3순위대분류명
질병1순위대분류명1.0000.5360.601
질병2순위대분류명0.5361.0000.633
질병3순위대분류명0.6010.6331.000

Missing values

2023-12-13T04:44:59.152086image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
A simple visualization of nullity by column.
2023-12-13T04:44:59.429694image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.
2023-12-13T04:44:59.620639image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
The correlation heatmap measures nullity correlation: how strongly the presence or absence of one variable affects the presence of another.

Sample

사업명과제명연구기관명연구책임자명질병1순위대분류명질병1순위중분류명질병2순위대분류명질병2순위중분류명질병3순위대분류명질병3순위중분류명총연구시작일자총연구종료일자연구목표연구내용기대효과한글키워드영문키워드
0100세사회대응고령친화제품연구개발고령자 맞춤형 건강관리·증진 모형 및 가이드라인 개발/실증가천대 길병원박동균건강상태 및 보건서비스 접촉에 영향을 주는 요인기타 상황에서 보건서비스와 접하고 있는 사람<NA><NA><NA><NA>2014-09-152019-09-14‘보통 시니어’의 보다 건강하고 사회참여적인 ‘Active Aging’을 목표로, 건강관리 및 증진 모형을 제안하고, 이를 구현할 수 있는 콘텐츠 및 플랫폼을 기획, 건강관리·증진 가이드라인을 개발하여 지역커뮤니티에 적용 및 실증○ 한국형 고령자를 위한 건강관리 및 증진 모형개발○ 건강관리 교육프로그램을 위한 가이드라인 개발 및 스마트 콘텐츠 기획○ 고령자 행동반응과 인지능력평가측정 엔진 및 평가 프로그램 개발○ 고령자 건강증진을 위한 기능성 게임 개발○ 실증연구를 통한 플랫폼 검증 및 고령자 건강관리 및 증진의 효과 규명○ 웰니스 및 만성질환관리서비스 연계방안 제도 개선안 도출○ 고령자 건강증진행위 이행정도 및 능동성 향상○ 고령자 맞춤형 건강관리 시스템 구축을 통한 의료비 절감 ○ 고령자 특수성을 고려한 한국형 노인건강증진모형의 제시○ 고령자들의 삶의 질 증대 ○ 고령자들의 사회참여 활동 증가로 인한 사회적 비용 감소고령자|건강증진모형|건강증진행위|인지능력|Elderly|Health Promotion Model|Health Promotion Behavior|Cognitive ability|
1100세사회대응고령친화제품연구개발고령자 맞춤형 건강관리·증진 콘텐츠/건강관리 시스템 및 플랫폼 개발(주)헬스맥스이상호건강상태 및 보건서비스 접촉에 영향을 주는 요인기타 상황에서 보건서비스와 접하고 있는 사람<NA><NA><NA><NA>2014-09-152019-09-14□ 고령자 맞춤형 건강관리 및 건강증진 콘텐츠 개발 ○ 고령자의 생활습관, 식습관, 운동습관을 고려한 신체적 건강평가 문진 프로그램 콘텐츠 개발 ○ 치매, 뇌졸중, 배뇨장애, 불면증 및 심혈관 질환 등 고령자 다빈도 질환에 대한 교육프로그램 등 셀프케어 콘텐츠 개발 ○ 고령자의 인지능력 평가결과에 맞추어 그 수준별 UI/UX를 반영한 친화 언어, 고령자 수준의 자가관리 방법을 고려한 멀티미디어와 이미지 중심의 콘텐츠로 개발 ○ 고령자의 생활습관, 식습관, 운동습관 및 다빈도질환을 고려한 고령자 상담 사례모델링 ○ 고령자 상담 사례모델을 기반으로 사례베이스 구축 ○ 고령자의 우울증, 스트레스 등 정신적 건강평가 문진 프로그램 및 치유 콘텐츠 개발□ 고령자 맞춤형 건강관리 시스템 플랫폼 개발 ○ 멀티모달 센서(활동량계, 혈압계, 혈당계, 체성분분석계, 수면계 등)로부터 신체적 건강상태를 모니터링하기 위한 H/W 및 S/W 시스템 integration - 유니버셜 디자인을 적용하여 고령자 생활주기 공간(가정, 지역 커뮤니티, 이동공간 등)에서 대응가능한 범용성을 극대화한 플랫폼 개발 - 가정 등에서 스마트폰 등(게이트웨이)으로 측정·수집 가능한 생체정보와 공동공간(요양기관 및 지역커뮤니티)에서 별도의 디바이스로 수집 가능한 생체정보를 구분하고 해당 환경에 적절한 인터페이스 기술 적용 ○ 신체적, 정신적 건강평가 문진 및 다양한 센서를 통한 건강상태 정보 분석 결과를 바탕으로 건강군 및 위험군의 경우 질병예방과 건강증진 중심으로, 질병군의 경우 질환관리 중심으로 맞춤형 셀프케어 콘텐츠 및 전문상담 서비스를 제공 ○ 고령자에 대한 건강관리·증진 전문상담을 위한 사례기반추론 에이전트를 개발하여 대상자와 가장 유사한 특성을 갖은 성공적인 상담사례들을 찾아내어 상담에 사용토록 함 ○ 고령자의 주거 생활환경 및 신체, 정신적 특성을 고려한 맞춤형 토탈(신체적, 심리적) 건강관리 서비스 플랫폼을 개발○ 고령자 건강관리증진을 위한 콘텐츠 및 시스템 플랫폼 개발 - 고령자의 생활습관, 식습관, 운동습관을 고려한 신체적 건강평가 문진 프로그램 콘텐츠 개발 - 고령자 다빈도질환에 대한 교육프로그램 셀프케어 콘텐츠 개발 - 고령자의 UI/UX를 고려한 멀티미디어 콘텐츠 개발 - 멀티모달 센서(활동량계, 혈압계, 혈당계, 체성분분석계, 수면계 등)로부터 신체적 건강상태를 모니터링하기 위한 H/W(가정용) 및 S/W 시스템 integration - 고령자 건강관리증진을 위한 셀프케어 콘텐츠 및 전문상담 제공 시스템 개발○ 고령자 맞춤형 건강관리증진 전문 상담을 위한 사례기반추론에이전트(CBR Agent) 개발 - 고령자 맞춤형 건강관리증진 전문 상담을 위한 사례기반추론 에이전트(Case-Based Reasoning Agent: CBR Agent) 개발 및 사례베이스 구축 - 고령자 맞춤형 건강관리증진 전문 상담을 위한 CBR Agent 프로토타입 개발 및 샘플 사례베이스 구축고령자 맞춤형 건강증진/관리 콘텐츠 및 플랫폼을 개발하고 이를 이용한 서비스를 제공함으로서 ○ 고령자의 자가 건강관리 능력 함양하고 ○ 건강수명을 연장하여 삶의 질 향상에 기여하며 ○ 국내 유헬스케어 산업 활성화를 통한 해당분야 전문직 일자리 창출 기여하고 ○ 국내 실증테스트를 통하여 고령자 맞춤형 건강관리 콘텐츠 및 서비스의 해외수출도 가능케 함건강관리플랫폼|유헬스|웰니스|고령자 맞춤형|맞춤형 건강상담|Health Management Platform|u-Health|Wellness|Elderly Custom|Personalized Health Counseling|
2100세사회대응고령친화제품연구개발인지기능 개선 인체적용시험 수행 및 제품화 총괄연구동화약품(주)황연하달리 분류되지 않은 증상, 징후와 임상 및 검사의 이상소견인지, 지각, 정서상태 및 행위에 관련된 증상 및 징후<NA><NA><NA><NA>2015-09-152019-03-14신규 기능성 유산균을 이용한 유산균 발효콩 복합조성물의 인체적용시험 검증을 통해 인지기능 개선 기능성 원료 개별인정 신청○ 제품개발 기술컨설팅 지원 및 총괄연구관리○ 제형연구○ 인지기능 개선 인체적용시험 수행을 통한 기능성 검증 - 프로토콜 작성 및 IRB 자료준비와 승인 - 인체적용시험 수행 및 모니터링 - 시험결과 분석 및 보고서 작성 ○ 인지기능 개선에 대한 기능성원료 개별인정 신청○ 마켓팅 및 생산시설 전략을 통한 제품화 연구○ 신규 발굴한 유산균과 발효콩 복합조성물을 이용한 탁월한 인지기능 능력 향상 기대○ 고령화 시대의 급격한 치매질환 증가로 인한 사회경제적 이슈에 맞서, ‘인지능력 개선유지 기능 건강기능식품 개발’은 노인 건강과 삶의 질에 긍정적 효과 기대○ 새로운 신소재로서, 차세대 건강기능식품으로 부상하여 침체된 제약산업 활성화와 더불어 예방유지치료목적의 제품소재 확대로 이어질 것으로 기대 ○ 김치유산균을 이용한 우리자원(콩)의 발효물 제조로 새로운 시장개척과 해외시장 소개를 통해 수출증대 기대인지기능|유산균|발효콩|인체적용시험|건강기능식품 개별인정|cognition|probiotics|fermented soybean|clinical practice|individually-approved functional food|
3100세사회대응고령친화제품연구개발착용형 에어백 시스템 및 알고리즘 설계고려대학교 산학협력단홍정화손상, 중독 및 외인에 의한 특정 기타 결과둔부 및 대퇴의 손상<NA><NA><NA><NA>2015-09-152019-03-14①인체 모델을 활용한 시뮬레이션을 기반으로 낙상 환경에 따른 인체충격량을 도출하고, ②두부 및 요추부 보호를 위한 착용형 에어백 형상 최적 설계를 수행하며, ③복합센서(가속도/각속도/지자기)의 신호처리와 다중 역치판정에 의한 실시간 낙상감지 알고리즘 및 ④고령자의 보행패턴과 인체특성에 따른 에어백 전개 알고리즘의 능동적 제어 기술이 적용된 사용자 친화형 착용형 에어백 시스템을 설계함○ 착용형 에어백 최적 설계○ 복합센서 알고리즘 설계○ 실시간 낙상 감지 알고리즘 설계○ 실시간 에어백 제어 알고리즘 설계○ 착용형 에어백 시스템의 생체역학적 평가 및 보완○ 고령자 및 보행장애 관련 병변이 있는 환자의 삶의 질 향상 및 의료비용 절감○ 고령자의 노화로 인해 저감된 인지능력을 보완해줄 수 있는 제품의 개발로 인한 고령친화산업의 육성○ 기술집약형, 중소기업형 산업으로 국내 고령친화 산업의 육성○ 고비용이 요구되는 치명적 질환의 예방과 병원 내원 횟수 감소에 따른 사회 전반의 효율적 의료 서비스 제공 효과○ 보행 모니터링 기술, 착용형 에어백 제어 기술, 생체역학기술 등의 융합에 따른 원천기술 확보두부손상|요추부손상|역치판정 알고리즘|최적설계|에어백|Head injury|Spine injury|Threshold detection algorithm|Optimal design|Airbag|
4100세사회대응고령친화제품연구개발착용형 에어백 시스템 개발 및 성능 평가비앤알(주)배경철손상, 중독 및 외인에 의한 특정 기타 결과둔부 및 대퇴의 손상<NA><NA><NA><NA>2015-09-152019-03-14낙상 시 두부 및 요추부의 충격완화를 위한 착용형 에어백 시스템을 개발하기 위해서, ① 충격완화를 위한 착용형 에어백 구동 메커니즘 및 시스템 개발, ② 낙상 검출을 위한 임계값 분석 및 인간친화형 디자인 제안, ③ 낙상 시 인체 충격완화를 위한 에어백 시제품 및 통합 제어기 개발, ④ 인간친화형 디자인 Mock-up 제작 및 시제품 성능평가, ⑤ 충격완화를 위한 착용형 에어백 시스템 최종 시제품 개발 및 평가, ⑥ 인간친화형 디자인 제안 및 최종 시제품 사용성 평가를 수행함.○ 낙상 검출용 복합센서 개발○ 착용형 에어백 구동 메커니즘 개발○ 착용형 에어백 시스템 통합 제어기 개발○ 착용형 에어백 시스템 mock-up 제작 및 시험기기 개발○ 착용형 에어백 시스템 최종 시제품 개발 및 성능평가○ 고령자 및 보행장애 관련 병변이 있는 환자의 삶의 질 향상 및 의료비용 절감○ 고령자의 노화로 인해 저감된 인지능력을 보완해줄 수 있는 제품의 개발로 인한 고령친화산업의 육성○ 기술집약형, 중소기업형 산업으로 국내 고령친화 산업의 육성○ 고비용이 요구되는 치명적 질환의 예방과 병원 내원 횟수 감소에 따른 사회 전반의 효율적 의료 서비스 제공 효과○ 보행 모니터링 기술, 착용형 에어백 제어 기술, 생체역학기술 등의 융합에 따른 원천기술 확보착용형 에어백|벤트홀|인플레이터|인간친화형디자인|복합센서|Wearable airbag|Vent hole|Inflation system|Human centered design|Multi-sensor|
5100세사회대응고령친화제품연구개발바이오공정 조건 확립 및 원료 표준화를 통한 시생산 연구(재)충북테크노파크(전통의약)윤승원달리 분류되지 않은 증상, 징후와 임상 및 검사의 이상소견인지, 지각, 정서상태 및 행위에 관련된 증상 및 징후<NA><NA><NA><NA>2015-09-152018-09-14유산균 Lactobacillus pentosus var. plantarum C29를 이용한 발효콩 복합조성물을 이용하여 유용물질을 산업적 규모로 생산할 수 있는 바이오공정 (대량배양과 발효)의 확립원료 표준화 및 기준/규격 설정에 필요한 분석법 검증 및 매뉴얼 구축비임상 및 임상시험을 위한 시생산 연구연구개발 내용1년차 (’15년) 바이오공정(배양공정) 확립- 최적 배양조건/대량생산기술 scale-up 기술 (Lab scale~300L) 유용물질생산 위한 배양조건 탐색 바이오공정(발효공정) 확립- 최적 대사산물 확보 운전조건 최적 대사산물 확보 위한 대량생산발효기술 확립 Pilot scale에서 크로마토그래피법 등을 이용한 대사산물 생산량 검증2년차 (’16년) 시생산 연구-제품생산 위한 대량생산기술 확립 시생산 규모의 배양운전조건 확립 발효조(3ton 규모) scale-up 배양기술 탐색 제품화 기준 생산기술 연구 원료 표준화 및 분석법 확립 기준/규격 설정에 필요한 분석방법 확립 시생산 규모에서 크로마토그래피법 등을 이용한 대사산물 생산량 분석법 탐색□ 대량생산기술 확립 Lactobacillus plantarum 미생물 세포를 이용한 발효탈지콩 조성물을 이용하여 유용물질대량생산기술 확립: 대량생산을 위한 300 L 혹은 2 ton 이상으로의 scale up 기술 확립 (유용물질의 농도, 기질대비 생산수율, volumetrie production rate, 균체량, pH, 용존 산소등의 발효공정 parameter 분석)과 산업적 규모로의 생산을 위하여 저가 산업용 기잘 및 원재료를 이용한 2 ton이상의 발효기를 이용한 대량배양 및 feasibility study 수행 시제품 생산:- 1차 년도에는 300L 발효조를 이용하여 지속적으로 건강기능식품 시제품 원료를 주관기관 및 건강기능식품 제조사 등에 효능 test 및 안정성 검증을 위하여 공급함- 2차 년도에는 확립된 대량 발효생산 공정 및 분리정제공정 기술을 통하여 2 ton 이상의 발효조를 이용하여 건강기능식품의 시제품 생산원료를 공급함□ 표준화 및 기준/규격 설정에 필요한 분석방법 확립 발효기를 이용하여 유용물질 생산시 표준화 공정 및 생산공정의 기준/규격 설정에 따른 유용물질 분석법을 확립하고 검증에 필요한 매뉴얼을 확립 Quality control 매뉴얼 확립: 산업적 규모의 발효생산과 분리·정제 상에서의 공정인자 (균체량, 기질의 농도, pH, 생산수율 등)를 모니터링할 수 있는 매뉴얼을 확립하고, 생산된 유용물질의 quality를 확인할 수 있는 매뉴얼확립유산균과 콩의 기능성을 극대화하는 기술개발을 통해 새로운 식품개발 기술 확보 우리 발효식품의 자원인 유산균의 우수성 홍보 기능성 식품의 다양화로 보다 다양한 제품군을 제공하여 기능성식품의 새로운 시장 개척이 가능함 유산균을 이용한 우리 자원(콩)의 발효물 제조로 새로운 시장을 개척하고, 해외시장 소개를 통해 수출을 증대 시킬 수 있음바이오공정|락토바실러스|콩|유용물질|대량배양|Bioprocess|Latobacillus|Soy|effective compound|Fermentation|
6100세사회대응고령친화제품연구개발인지기능 개선 유산균 발효콩의 제조와 작용기전 연구경희대학교산학협력단김동현달리 분류되지 않은 증상, 징후와 임상 및 검사의 이상소견인지, 지각, 정서상태 및 행위에 관련된 증상 및 징후<NA><NA><NA><NA>2015-09-152018-09-14□ 인지기능개선 효능이 우수한 발효 대두 조성물 확립 ○ 유산균으로 인지기능 개선 효능이 우수한 발효대두 조성물의 유산균 및 생물전환체 분석 ○ 시제품의 인지기능개선 약효 분석□ 작용기전 연구 ○ 발효대두조성물의 in vitro, ex vivo에서 Acetylcholinesterase 저해활성 등 분석 ○ 발효대두조성물의 in vivo에서 인지기능 약효 작용기전(p-CREB, DCX, BDNF 등) 분석최적 유산균 발효콩 복합조성물 선정 및 약효기작 규명연구 바이오(배양 및 발효)공정에 의한 대량생산 및 발효조건 확립 원료 표준화 및 기준규격 설정용 분석법 연구 비임상임상용 시제품 생산연구 인지기능 개선 인체적용시험 수행을 통한 기능성 검증 인지기능 개선에 대한 기능성원료 개별인정 신청신규 발굴한 유산균 C29와 발효콩 복합조성물을 이용한 탁월한 인지기능 능력 향상 기대고령화 시대의 급격한 치매질환 증가로 인한 사회경제적 이슈에 맞서, ‘인지능력 개선유지 기능 건강기능식품 개발’은 노인 건강과 삶의 질에 긍정적 효과 기대본 개발제품은 새로운 신소재의 차세대 건강기능식품으로 부상하여 침체된 제약산업 활성화와 더불어 예방유지치료목적의 제품소재 확대로 이어질 것으로 기대 김치유산균을 이용한 우리자원(콩)의 발효물 제조로 새로운 시장개척과 해외시장 소개를 통해 수출증대 기대인지기능|기억력|유산균 C29|발효콩|건강기능식품 개별인증|cognition|memory|Lactobacillus pentosus var plantarum C29|fermented defatted soybean|health functional food|
7100세사회대응고령친화제품연구개발DDS기술기반 알츠하이머 치매치료제 개발동아에스티(주)장선우신경계통의 질환신경계통의 기타 퇴행성 질환<NA><NA><NA><NA>2016-07-012020-08-31치매치료제의 수요는 급증하고 있음에도 현재 치매 치료제는 병인 차단 및 증상진전억제가 아닌 증상의 완화작용에만 효과가 있는 상태임. 2000년대 초반 이후 신규 발매된 치매치료제도 없으며, 시판 치료제는 환자의 연하곤란 등 복용상의 문제와 복용 시 급격한 혈중농도 변화에 따른 콜린성 부작용(오심, 구토 등)이 증가하고 있음. 본 연구팀은 2 종의 알츠하이머 의약품을 개발하고자 함. 치료제로써, acetylcholinesterase의 활성을 억제하는 기허가 약물의 DDS기술 기반의 패치제로 개발하고자 하며, 베타아밀로이드 생성을 억제하여 치매 예방효과를 기대할 수 있는 천연물소재를 포함하는 일반의약품 내용액제 개발을 목표로 함. 패치제는 일본 KM transderm사의 패치 DDS기술을 기반으로 1주 제형 또는 복합패치 개발을 위한 국내 비임상 연구를 완료하고 초기 임상 IND 승인을 받고자 함. 내용액제는 천연물의약품 개발역량을 기반으로 조성물의 비치매대상자 임상연구 및 비임상연구를 완료하여 임상 IND 승인을 받고자 함치매치료제: 동아에스티는 일본 KM transderm사와 패치제기술이전 계약을 체결한 후, 선행연구로 약물이 3일간 지속적 방출되는 패치조성확보 및 70% 방출됨을 확인함. 1주 제형 제제연구를 진행하여, 동물 PK연구로 혈중농도가 일정하게 유지됨을 확인하고, PD연구로 효소활성이 억제됨을 확인하고자 함. 추가 조성에 대한 연구를 완료하며, 1주간 지속가능한 피부자극성이 낮은 패치 조성을 연구 하고자 함. 추가적인 패치 약물 방출 조절 연구 및 일본 KM transderm사와 협력 연구를 수행하고자 함. 또한 국내 연구자와의 협력연구를 통해 단기간 내 최적화된 조성을 찾고자 함. 치매가 복합적 기전이므로, 기 허가된 경구 치매치료제를 활용한 복합 패치제 개발을 추가적으로 수행하고자 함. AChE 억제제와 NMDA receptor 길항제인 memantine의 복합 패치 개발 연구를 시작으로 두 약물의 동시 가용화, 약물 방출조절 polymer 연구, In vitro 약물방출, in vivo PK/PD 연구 등 최적화 조합연구로 최적화된 1주 제형 또는 복합 패치제를 개발하고자 함천연물소재 예방의약품: 선행연구로 확보한 천연물소재의 신경계 보호 후보물질에 대해 단기모델에서 효능을 행동평가로 확인함. 장기모델에서의 행동평가 및 뇌 조직의 병리조직학적 평가로 치료 및 예방 효능을 평가함. 천연물소재를 포함한 복합 조성물의 비 치매대상자 증상개선 임상연구(효능, 안전성)을 실시한 후, 제품화를 위한 비임상연구, 제제화연구, 동물모델 효능연구 및 기전연구를 진행함으로써, 예방효과 및 경증 증상진전억제에 효능이 있는 의약품으로써 IND승인을 받고자 함치매치료제: 차별화되는 새로운 치매 패치 및 복합패치 시스템 관련 원천기술을 확보 함. 1주 제형 또는 복합패치의 비임상연구를 토대로 임상 IND신청을 한 후 임상 연구를 개시함. 과제 종료 이전에 패치 제작 및 노하우에 대한 국내외 특허 2건 이상을 출원 및 등록하고, 특허권을 확보함. 연구결과는 DDS관련 학회에 2건 이상 발표 및 PCT 등록하여 국외 제약사에 기술이전 또는 해외 공동개발을 추진함. 천연물소재 예방의약품: 알츠하이머병 예방을 위한 일반의약품 제품화를 위한 복합조성물 특허출원 및 등록을 실시함. 연구결과를 SCI(E)급 논문으로 최소 2 편 이상 발표함. 비 치매대상자 임상시험에서 인지기능 개선관련 효능을 확인하여 개발용 임상 안전성 자료를 확보함. 제품화를 위한 비임상연구, 제제화 연구로 임상 IND승인용 자료를 확보함과제를 통해 국내 기술로 개발된 알츠하이머병 지속형 패치 치료제 및 천연물소재 예방의약품의 임상 진입을 승인 받아, 개발성공 가능성을 확보하고자 함. 치매치료 패치제는 이후 국내외 공동연구를 활용한 치매 질환개선제로서의 개발 가능성을 인정받아 다국적 제약사 기술이전을 하고자 하며, 이를 통한 수익창출이 예상됨. 천연물소재 내용액제는 알츠하이머 증상예방 및 경증 증상진전억제 의약품으로 개발하여 효능을 근거로 한 수출품목으로 활용하고자 하며, 이를 통한 지속적인 수익창출이 예상됨. 두 제품은 개발가능성이 높으며, 상대적으로 단기간에 제품화가 가능함. 1주 지속 제형패치제 또는 복합패치제와 천연물소재 함유 내용액제는 환자의 복용 편이성 및 더 나은 치료효능을 제공함으로써 인류건강 향상 및 수출을 통한 한국 의약품의 도약에 기여할 것으로 기대됨.알츠하이머병|패치|인지개선|약물방출조절|천연물 소재|Alzheimer's disease|Patch|Cognitive-acting|Drug delivery system|Herbal prodouct|
8100세사회대응고령친화제품연구개발고령자용 구강관리 토탈 솔루션 개발(주)블루레오이우재신경계통의 질환뇌성마비 및 기타 마비증후군<NA><NA><NA><NA>2018-04-302020-12-31* 고령자용 구강관리 토탈 솔루션 개발● 고령자 구강건강을 효율적이고 효과적으로 관리할 수 있도록 토탈 솔루션을 개발하고자 함● 본 연구는 전동칫솔 디바이스 개발과 연동 어플리케이션의 조합으로, 고령자 전용 브랜드로 프리미엄 이미지를 구축하고, 사용자에게 실질적인 도움이 되고자 함● 전동칫솔, 마사지 팁, 구강스프레이 등 제품 패키지 하드웨어 개발과, 전용 어플리케이션 소프트웨어의 조합으로 실제 사용자 환경에서 필요로 하는 제품 및 기술 개발 목표● 고령자들의 구강건강 관리 환경을 개선하여, 사회적경제적 비용 절감효과* 적용분야● 본 연구개발을 통해 구강관리 솔루션을 고령자에게 최우선으로 보급● 기존 시장에서 고령자용 제품을 찾아보기 힘든 프리미엄 제품으로, 우수한 성능과 마사지 기능 등 참신한 기능을 접목시켜 기술의 차별성 보유● 1차적으로 고령자에게 보급 후, 칫솔모 또는 마사지 팁의 성능을 최적화시켜 아동 및 일반 성인용으로 제품 라인업 확대 가능가. 전동칫솔 1) 칫솔모● 두께 0.1mm 이하 미세모 채택● 모 끝을 라운딩 처리● Anti bacteria 칫솔모 적용 2) 음파진동● 5,000 ~ 20,000rpm 최적화 진동수 개발● 적응을 돕기 위하여 최초 사용일수가 지남에 따라 점진적 강도증가 3) 압력인식● 칫솔모 연결부위에 switch 적용, 잇몸에 무리가 갈 수 있는 강도 이상이 입력될 경우 LED 점등하여 사용자에게 경고 4) 모드 다양화● 잇몸 및 치아건강 상태에 따라 진동 모드 선택; 3단계 (강/중/약, rpm 에 따른 세분화) ● 마사지 전용 팁을 추가하여, 잇몸 마사지 모드 제공 5) 배터리● 교체형 배터리 채택 6) 통신● BLE 통신 기술을 활용하여 스마트폰과 연동● 제품 사용정보를 어플리케이션에서 누적관리 나. 마사지 팁 1) 진동(기본형)● 기존 전동칫솔 본체에 칫솔모를 전용 마사지 팁으로 교체하여 사용● 음파진동이 잇몸에 부드럽게 전달되는 구조로 설계 2) 온열(옵션형)● 잇몸의 혈액순환 촉진에 따른 잇몸건강 증진을 위하여 마사지 팁에 온열기능 추가● 고급형 제품으로 기존 제품과 차별화 가능다. 구강스프레이 1) 구강스프레이● 휴대 간편한 사이즈, 구취제거효과 및 청량감 제공 2) 스프레이용 리필 앰플● refill ampoule 교체형라 패키지 1) 패키지 타입● - 세트구성 및 액세서리 유무에 따른 packaging마. 어플리케이션 1) inside phone : 양치이력관리 및 잇몸관리정보 제공● 사용시각, 사용시간, 강도, 모드 등 양치질 데이터 관리● 올바른 양치방법 및 구강관리방법 등 유익한 정보제공 2) 서버 연동형 : 서버구축, big data analysis report 제공● 사용자별 구강관리 데이터 분석결과 제공● 연령대별, 성별 구강관리 데이터 통계결과 제공1. 성과 활용계획○ 고령친화 구강용품 분야 신사업 창출 가. 전동 석션칫솔 제조로 관련분야 경험有● 스스로 거동이 불편한 중증장애인을 타겟으로 전동 석션칫솔 제조 경험 보유● 구강용품 시장 진입 시, 중요한 노하우나 경험 축적● 설계, 디자인, 개발 담당자 등 각 분야 전문가들로 구성되어, 구강용품 연구개발 진행 시, 시행착오 최소화 가능● 고령친화 구강용품 시장으로 진입 시, 기존의 네트워크를 활용하여 제품 검증, 테스트, 판매채널확보 가능 나. 노인 구강용품 시장 프리미엄 제품군 제품영역 구축● 현재 시판중인 전동칫솔은 일반인을 대상으로 개발되어, 치주질환이 심하고 잇몸이 약화된 고령자가 사용하기에는 적합하지 않음● 고령자 전용 구강관리 디바이스가 부재인 상황에서, 프리미엄 제품군으로 시장선점 및 제품영역 구축 적극적 진행 필요● 품질을 최대한 부각시키면서 우수한 성능과 마사지 기능 등 참신한 기능을 접목시켜 기술의 차별성 부각● 고령친화용 구강관리 토탈 솔루션을 제공함으로써 고령자 및 그 가족에게 맞춤형 구강관리의 필요성을 홍보하고, 관리효과에 따른 사회적 비용절감을 통하여 선순환구조 구축● 국내시장을 거점으로 해외 주요 선진국 고령자를 위한 니치마켓 공략 다. 사업화 진행, 2020년 출시 목표 (2019년 제품개발, 2020년 어플개발 완료목표)● 3개년 계획 중, 2차년도(2019년)에 제품개발 완료, 3차년도(2020년)에 어플리케이션 개발완료 목표로, 사업종료시점에 매출이 즉시 발생가능한 비즈니스 모델 구축● 고령자 실버시장을 타겟으로, 국내외 최소 773만명, 매출목표 412억 달성 목표● 칫솔모 라인업을 다양화하여 고령자뿐만 아니라, 유아 시장으로 비즈니스 모델을 확장할 수 있도록 연구개발 진행 시 참고2. 기대효과○ 기술적 측면● 단순 진동만을 제공하는 기성업체들과 기능성 차별화● 고령자 구강상태에 따른 맞춤형 단계별 칫솔모 적용으로 기술적 차별화● 마사지 팁을 이용한 잇몸 마사지 기능을 제공하여 건강한 잇몸을 유지할 수 있는 기회 제공● 단순한 칫솔을 제공하는 수준이 아닌, 칫솔고령자|전동칫솔|전동조절|잇몸 마사지|구강스프레이|Senior|Electric toothbrush|Vibration control|Gum massage|Oral spray|
9100세사회대응고령친화제품연구개발지능형 어지럼 재활 의료기기 개발에스엘메드이인범귀 및 유돌의 질환내이의 질환<NA><NA><NA><NA>2018-04-302021-12-31○ 고령친화 지능형 말초 어지럼 재활기기(ENG system)의 시제품 개발- 고령친화 UI/UX개발 및 고령 친화적 목업 제작 및 테스트- 사용성 및 안정성을 고려한 시작품 제작- 시작품의 KTL 성능평가 완료- 시작품의 식약처 임상시험용 허가 신청□ 연구개발 내용 1년차 ○ 재활기기 UI 서비스 디자인 - 서비스 디자인 방법을 이용하여, 사용자 요구사항과 설계원칙을 반영하여 UI를 개발한다. ○ UI 시나리오 작성 - (UI 시나리오) 사용자 인터페이스의 기능구조, 화면 간 인터랙션 흐름을 바탕으로 시나리오 문서를 작성, 이후 최종적으로는 만들어진 시나리오를 바탕으로 검증 및 평가를 진행한다.□ 연구개발 내용 2년차 ○ ENG,IMU 하드웨어 및 신호분석 알고리즘을 탑재한 시작품 설계 ○ 고령 사용자 편의성 고려된 디자인 Dummy Mock up 제작 ○ 사용자 편의성 어지럼 치료기기 Working Mock up 제작 및 품평□ 연구개발 내용 3년차 ○ 전자파 평가 - 전기/전자 의료기기의 전자파 평가 및 분석 및 디버깅 ○ 식약처 임상시험용 품목허가 신청○ 고령 친화 어지럼 치료기기의 국내 의료기기 전시회 KMES, K-HOSPITAL 전시 출품 마케팅 프로모션○ 이과 학회 출품 및 국내 20여개 주요 대학병원 관련 수요조사 연계 프로모션 진행○ 해외의료기기 전시회 출품 (CMEF, MEDICA, AAO, Ahrab Health 등) 해외 판매 및 대리점 확보○ 국내 품목허가 및 해외 CE 인증 취득 해외시장 창출유저 인터페이스|재활|어지럼|치료기기|의료기기|User interface|Rehabilitation|Dizziness|Therapeutic device|Medial Device|
사업명과제명연구기관명연구책임자명질병1순위대분류명질병1순위중분류명질병2순위대분류명질병2순위중분류명질병3순위대분류명질병3순위중분류명총연구시작일자총연구종료일자연구목표연구내용기대효과한글키워드영문키워드
2688환자중심 의료기술 최적화 연구사업초기 자궁내막암에서 감시림프절탐색과 고식적림프절절제술의 장기간 합병증 및 삶의 질 비교 연구연세대학교 산학협력단김상운신생물여성생식기관의 악성 신생물(종양)<NA><NA><NA><NA>2021-09-012026-05-31### 감시 림프절 탐색과 고식적 림프절절제술을 시행 받은 두 군 간의 장기간 합병증 및 삶의 질 비교 ### : 수술 전 예측병기 1-2기의 자궁내막암환자에서 감시 림프절 탐색과 고식적 림프절절제술을 시행 받은 두 군 간의 합병증 및 삶의 질을 복부골반 CT와 환자자가보고성과 설문지(EORTC-QLQ-30, EORTC-QLQ-EN24, GCLQ-K)를 이용하여 장기간 (수술 전, 수술 후 1, 3, 6, 12, 18, 24, 30, 36개월) 비교 분석한다. ○ 일차목표- 감시림프절탐색 vs. 고식적 림프절절제술 후 시기별 림프관련 합병증 발생률 비교- 감시림프절탐색 vs. 고식적 림프절절제술 후 시기별 삶의 질 비교○ 이차목표- 장기간 합병증 발생율 및 입원치료율 비교 - 하지 림프부종의 위험인자 규명- 림프관련 합병증으로 인한 치료 빈도, 방법 및 입원치료율 비교 - GCLQ-7 설문지와 CT의 상관관계 평가- 기타 합병증 발생율 비교○ 연구 배경- 자궁내막암환자에서 수술적 병기 결정을 위한 림프절 절제술은 필수적임. 림프절 절제술은 수술 중 합병증 뿐만 아니라 수술 후 장기간 환자의 삶의 질에 많은 영향을 미치는 행위임. 선택적으로 감시림프절만 절제를 한다면 이러한 고식적림프절절제술에 따른 여러 가지 합병증 감소와 환자의 삶의 질 향상에 이바지 할 것으로 판단됨, - 자궁내막암 수술에서 림프절절제술을 시행한 군(40명)과 시행하지 않은 군 (36명) 간의 삶의 질을 비교한 소규모 연구 (Angioli 등, 2013)에서는 림프절절제술을 시행한 군에서 림프부종 관련 증상이 유의하게 나쁜 것으로 보고되었음.- 자궁내막암에서 감시림프절 탐색술을 multi-port 로봇수술 시행군과 single-site 로봇수술 시행군의 삶의 질을 비교한 연구결과 (Mereu 등, 2020)는 발표된 바 있으나 아직까지 감시림프절탐색과 고식적림프절절제술 후에 장기간 림프부종 등의 합병증과 삶의 질을 비교한 연구는 아직 없음.○ 림프절절제술 시행에 있어서 골반 및 대동맥 림프절 전체를 절제하는 것보다는 선택적 감1. 감시림프절탐색 vs. 고식적 림프절절제술 후 시기별 림프관련 합병증 발생률 비교 : 감시림프절탐색법이 3년 장기 추적관찰 기간 중 하지 림프부종 감소에 미치는 영향을 규명하고자 함. 1) 하지 림프부종: 의사의 이학적 검사를 통해 림프부종 단계 판별 시스템(International Society of Lymphologys staging system)에 따라 림프부종의 단계를 판정함.# 림프부종 단계 판별 시스템(International Society of Lymphologys staging system) - Stage I (reversible edema): noticeable pitting and visible edema without dermal fibrosis, which both subside with limb elevation. Stage II (spontaneously irreversible edema): as in stage I, but limb elevation alone rarely reduces tissue swelling and pitting, and dermal fibrosis may be noticeable. Stage III (lymphostatic elephantiasis): skin examinations identify extensive acanthosis, fat deposits, and warty overgrowths, and pitting may be absent. Stage 0 (latent or preclinical stage): no evidence of swelling despite impaired lymphatic transport and most patients are asymptomatic with a feeling of limb heaviness occasionally reported 2) CT를 이용한 객관적 하지 림프부종 측정 - Kim 등이 2017년 제시한 방법으로 CT를 이용하여 피하층 두께를 시기별로 측정하여 림프부종 정도를1. 활용 계획1) 자궁내막암에서 림프절 절제술에 따른 합병증 감소 방안 제시 2) 림프부종의 예후인자 분석을 통한 림프부종 감소 방안 제시3) 자궁내막암 수술 환자의 삶의 질 평가를 통한 삶의 질 증대 방안 제시2. 기대 효과1) 초기 자궁내막암 수술에 있어서 표준화된 감시림프절 절제술 도입에 따른 의료질 향상이 기대됨.2) 림프절절제술에 따른 합병증 감소로 의료비용과 사회적 비용 또한 감소할 것으로 기대됨자궁내막암|감시림프절탐색술|환자자가보고성과|림프부종|합병증|Endometrial cancer|Sentinel lymph node mapping|Patient reported outcomes|Lymphedema|Complication|
2689환자중심 의료기술 최적화 연구사업초기 자궁내막암에서 감시림프절탐색과 고식적 림프절절제술의 비교 연구서울아산병원박정열신생물여성생식기관의 악성 신생물(종양)<NA><NA><NA><NA>2021-09-012026-05-31○ 수술 전 예측병기 1-2기의 자궁내막암에서 감시림프절탐색 (sentinel lymph node mapping)과 고식적 림프절절제술 (lymph node dissection)을 시행 받은 군 간에 수술 후 3년 무병생존율과 수술 후 합병증을 비교한다. 이로써 감시림프절탐색이 고식적 림프절절제술에 비하여 생존율이 동등하면서 수술 후 합병증이 적은 수술법임을 입증하고자 함. 또한, 초기 자궁내막암에서 감시림프절탐색과 고식적 림프절절제술의 cost-effectiveness를 비교하고자 함.○ 일차목적 (primary endpoint) 수술 후 3년 무병생존율 (3 year disease-free survival)○ 이차목적 (secondary endpoint) 수술 후 3년 전체생존율 (3 year overall survival) 수술 후 5년 무병생존율 (5 year disease-free survival) 수술 후 5년 전체생존율 (5 year overall survival) Pattern of recurrence Immediate surgical outcome : 수술시간, 출혈량, 수혈량, 수술 중 합병증, 수술 직후 합병증, 입원 기간, 직장으로의 복귀 시간 수술 후 1개월 이내에 발생한 수술 관련 합병증, 사망률, 재입원률, 재수술률 Sentinel lymph node mapping의 성공률 수술 후 3, 5년간 비용 수술 후 3, 5년간 효용 감시림프절탐색법의 ICUR○ 다기관 참여 전향적 무작위배정 임상연구○ 연구 등재 조건을 만족하는 예측병기 1-2기의 초기 자궁내막암 환자를 감시림프절탐색을 시행하는 군과 고식적 림프절 절제술을 시행하는 군으로 1:1로 무작위배정 함○ 다음을 층화 요인으로 하는 층화 블록 무작위배정(Stratified block randomization) 방법에 의해 배정될 것임 - 병기 (stage I vs. II) - 조직학적유형 (endometrioid vs. non-endometrioid) - 림프절 전이의 위험도 (저/중간위험군 vs. 고위험군) - 수술방식 (복강경수술 vs. 로봇복강경수술) - 참여연구기관맹검은 단일 맹검을 시행하여 시험대상자는 감시림프절탐색과 고식적 림프절절제술 중 어느 군에 속하는지 알 수 없도록 함○ 감시림프절탐색군의 경우 인도사이아닌그린 (indocyanine green)과 원적외선카메라 (fluorescent camera)를 이용하여 골반 그리고/혹은 대동맥옆 감시림프절을 탐색하여 제거함○ 연구가설 및 목표 피험자의 수Non-inferiority trial이며, 감시림프절탐색의 3년 무병생존율이 고식적 림프절절제술에 비하여 비열등함을 입증하고자 함고식적 림프절절제술 후 3년 무병생존율은 87%로 에측하고, 3년 무병생존율의 non-inferiority margin을 7%로 설정하였을 때 총 810명의 피험자가 필요함○ 초기 자궁내막암의 표준 수술적 치료의 변화 : 기존의 림프절절제술과 생존율은 동등하면서 합병증 발생이 적고, 삶의 질이 높은 더욱 좋은 치료법인 감시림프절탐색이 표준 요법으로 정착되어 치료의 질 향상○ 자궁내막암 치료 가이드라인 변화를 전세계적으로 주도 함으로써 국가 위상 향상○ 림프절절제술 후 합병증인 림프낭종과 림프부종의 발생을 줄임으로써 이들을 치료하기 위하여 필요한 의료비용의 절감, 입원 치료의 감소로 인한 경제적인 효과○ 감시림프절탐색의 보험급여화○ 감시림프절 절제술의 수술 술기의 표준화○ 자궁내막암의 수술적 치료에서 감시림프절탐색의 성공적인 도입에 힘입어 자궁경부암 및 난소암의 수술적 치료에서도 감시림프절탐색과 고식적 림프절절제술을 비교하는 연구를 후속 연구로 시행자궁내막암|감시림프절탐색|림프절절제술|무병생존율|합병증|Endometrial cancer|Sentinel lymph node mapping|Lymph node dissection|Disease free survival|Complication|
2690환자중심 의료기술 최적화 연구사업요산강하치료를 개시하는 통풍관절염 환자의 장기 코호트 연구강원대학교병원문기원근골격계통 및 결합조직의 질환염증성 다발관절병증<NA><NA><NA><NA>2021-09-012026-05-31통풍 환자의 코호트 연구를 통해 한국인 통풍 환자를 위한 최적의 요산강하치료 유지 방법을 제시하고자 함. 이를 위해 제 1단계로 전국의 12개 병원에서 기관당 100명씩 총 1200명의 환자가 참여하는 통풍 코호트를 구축하고자 함. 제 2단계로 2년차와 3년차에 약물 순응도에 영향을 주는 요인과 통풍을 악화시키는 요인을 분석하고자 함. 제 3단계로 4년차와 5년차에 통풍의 합병증의 위험도와 어떠한 요산강하요법이 통풍의 합병증을 줄일 수 있는지 분석하고자 함.통풍 환자 코호트를 구축하기 위해 만 18세 이상이면서 통풍으로 진단받고 요산강하치료의 적응증을 만족하는 환자 중 본 연구에 참여를 동의하는 자를 대상으로 첫 방문시 인구학적 정보 및 임상정보를 수집함. 요산강하제를 시작하는 경우 요산강하치료 그룹으로 분류하고 요산강하제를 시작하지 않을 경우 경과 관찰 그룹으로 분류함. 1년에 한번 추적관찰을 시행하며 약물 순응도, 통풍의 재발, 합병증(고혈압, 당뇨병, 고지혈증, 허혈성심질환, 뇌졸증, 간질환, 신부전, 악성종양)의 발생 등 임상정보를 수집함. 수집된 자료를 바탕으로 로지스틱 회귀분석을 통해 약물 순응도와 통풍의 악화 요인을 분석하고 생존분석을 통해 통풍 합병증의 위험도 및 통풍 합병증에 대한 요산강하요법의 감소 효과를 확인하고자 함.국내 최초로 대규모의 한국인 통풍 환자의 다기관 전향적 코호트를 구축하여 임상적 특징 및 합병증 양상에 대해 분석하고, 이를 예측할 수 있는 위험요인을 확인하여 통풍 환자의 예후 및 사망률 개선에 기여하고자 함. 다기관 전향적 코호트를 구축하면서 통풍 환자의 임상정보에 대한 자료통합관리 플랫품을 도입하여 향후 10년 이상 장기적 추적 관찰 및 후속 연구로 이어질 것으로 기대함.통풍|코호트|순응도|재발|합병증|gout|cohort|adherence|flare|complication|
2691환자중심 의료기술 최적화 연구사업급성통풍관절염 환자의 요산강하치료법 비교 임상시험서울특별시보라매병원신기철근골격계통 및 결합조직의 질환염증성 다발관절병증<NA><NA><NA><NA>2021-09-012026-05-31한국인 급성통풍관절염 환자를 대상으로 요산강하치료를 개시하는데 2가지 시험군과 1가지 대조군에 대해 급성통풍발작의 치료반응뿐만 아니라 통풍관련 환자중심평가, 순응도 및 통풍 재발 예방 효과 등 예후를 비교 평가함으로써 최적의 요산강하치료 시작 방법을 결정하고자 함.다기관, 무작위배정, 개방, 실용적 임상시험으로 급성통풍관절염으로 진단된 환자 중에 요산강하치료를 시작해야 하는 환자 총 240명 대상으로 수행함. 베이스라인 방문에서 시험군 A, 시험군 B, 대조군 C 중 하나로 1:1:1 무작위배정하며, 임상시험은 총 12주간 진행함. 시험군 A은 0주째 febuxostat 20mg/일 투여를 시작해서 2주째 40mg로 증량해서 유지, 시험군 B는 0주째 febuxostat 40mg/일 투여를 시작해서 2주째 40mg/일로 그대로 유지, 대조군 C는 2주째 febuxostat 40mg 투여를 시작함. Febuxostat 투여 시에는 예방치료로 colchicine 0.6mg/일을 함께 투여함. 또한, 모든 대상자에게 급성통풍관절염에 대한 급성기 항염증치료로써 1주까지 NSAID와 colchicine을 병합투여함. 본 임상시험은 실용성 임상시험이기 때문에 6주까지는 투여군별로 정해진 용량에 따라 시험약을 투여 받고, 6주 이후에는 시험자 판단 하에 febuxostat의 용량 조절이 가능함. 또한 임상시험 종료 후에도 일반적인 통풍관절염 환자의 치료기준에 따라 febuxostat을 계속해서 투여할 것임. 임상시험 기간 동안 대상자는 NRS (Numerical Rating Scale) 통증 평가 척도를 이용하여 지난 24시간동안 경험한 최대 통증 강도를 스스로 평가함. 일차 유효성 평가변수는 베이스라인 방문에서 2주째 NRS 통증 강도의 변화로 정하여 시험군 A 또는 B가 대조군 C와 비교하여 비열등성을 만족하는지 확인하고자 함. 이차 유효성 평가변수는 급성통풍관절염의 치료반응(2주째 통증이 완전히 호전된 대상자의 비율, 통증이 완전히 호전되는 때까지 걸린 시간, 6주, 12주째 통증 강도의 변화, 급성통풍관절염의 재발 횟수, ESR 및 CRP 수치), 환자중심결과지표 (통풍관절염 상태에 대한 대상자의 종합평가, 삶의 질 평가, febuxostat 순응도) 및 요산강하치료의 효과(6주, 12주째 혈중 요산 수치의 변화)를 포함함. 그 외 이상반응을 포함한 안전성 평가를 시급성통풍발작 기간에 급성기 항염증치료와 함께 febuxostat을 이용한 요산강하치료가 급성통풍관절염을 악화시키지 않은지 규명하여 급성통풍발작 치료전략을 재수립할 수 있음. 시험군이 비열등하다면, 급성통풍발작이 충분히 호전된 이후에 요산강하치료를 시작하기 위해 외래를 재방문해야 하는 횟수를 줄여 치료 효율성을 높이고 의료비용을 감소시킬 수 있음. 급성통풍발작 치료 후 외래에 재방문하지 않아 요산강하치료의 기회를 놓치는 환자 수를 줄일 수 있으며 급성기에 요산강하치료를 시작하면 약물 순응도를 높임으로써 고요산혈증을 효과적으로 조절하여 장기적으로 급성통풍발작의 재발 및 통풍 결절 발생, 관절 손상을 줄일 수 있을 것으로 기대함. 시험군이 열등한 결과를 보일 경우, 급성기 치료에 충분한 항염증치료의 근거를 확고히 할 수 있음. 결국, 한국인 통풍관절염 환자를 위해 근거에 기반한 요산강하치료전략을 새로이 수립하고, 가장 흔히 처방되는 febuxostat를 사용하여 연구를 진행함으로써 한국인 맞춤형 통풍 치료지침을 최적화할 수 있음. 또한 한국인 통풍관절염에 특화된 환자중심결과지표 항목 및 설문지를 개발하여 환자중심평가지표를 추후 다른 임상시험뿐만 아니라 실제 진료현장에서도 이용함으로써 환자의 의견을 충분히 반영한 공동의사결정이 가능할 것으로 기대함.통풍|급성통풍관절염|요산강하치료|페북소스타트|환자중심결과지표|gout|acute gouty arthritis|urate lowering therapy|febuxostat|patient reported outcome|
2692환자중심 의료기술 최적화 연구사업급성 뇌경색 환자에서의 베타차단제 효능에 대한 비교효과연구분당서울대학교병원배희준순환계통의 질환뇌혈관질환<NA><NA><NA><NA>2021-09-012023-05-31○ 최종목표: 급성 뇌경색 이후 베타차단제 사용 여부에 따른 혈관성 사건의 감소 효과 확인○ 세부목표1. 심장박동수 데이터베이스를 활용한 대상 환자군 선별 및 임상데이터베이스 구축2. 이차자료원과의 연계를 통한 베타차단제 사용력 정보 결합3. 알고리즘을 이용한 이차자료원에서의 급성 뇌경색 이후 뇌졸중, 심근경색, 및 재입원 사건 발굴4. 베타차단제 사용 여부에 따른 비교효과연구 수행1. 급성기 뇌졸중 환자의 다기관 코호트인 CRCS-K (Clinical Research Collaboration for Sroke in Korea)의 참여 기관에 등록된 급성 허혈성 뇌졸중 환자중 증상 발생이후 3-5일 사이의 심장박동수가 특정 기준치 이상인 환자를 선별한다. 2. 심장박동수에 대한 정보는 각 환자의 해당 의료기관 입원중에 전자의무기록 (Electronic Medical Record, EMR)을 통해 수집된 정보를 활용하며, 심장박동수의 기준치는 CRCS-K 데이터베이스를 이용하여 선행 분석한 결과에 근거하여 결정한다. 3. 퇴원 이후의 베타 차단제 처방 여부는 국민건강공단 혹은 건강보험심사평가원 등 이차자료원의 약제 처방 청구자료를 이용하여 수집하며, CRCS-K의 입원중 임상, 예후 정보와 연계하여 결합한다. - 환자의 예후 정보는 CRCS-K를 통해 전향적으로 수집된 뇌졸중 재발 및 사망 정보와 이차자료원의 자격상실정보를 통해 수집한다. 4. 퇴원후 베타차단제 사용 여부에 따라 환자군을 구분하여, 양군의 임상정보를 토대로 성향점수 분석 (propensity socre analysis)를 이용한 비교-효과 연구 (comparative effectiveness research)를 수행하여 양군간의 예후를 비교한다.○ 활용계획1. 베타 차단제의 효능 입증을 위한 임상시험 진행의 타당성 재고2. 임상시험 진행시 필요한 표본수 산출의 근거 마련3. 전향적 코호트를 통한 연구 결과 재현 ○ 기대효과1. 임상진료지침 반영 및 진료행태의 변화에 직접 기여2. 베타 차단제의 적응증 확대 및 급성기 진료 질 지표 마련3. 뇌졸중 이후 예후 개선 효과뇌경색|베타차단제|예후|코호트연구|비교효과연구|ischemic stroke|beta blocker|prognosis|cohort study|comparative effectiveness research|
2693환자중심 의료기술 최적화 연구사업직장암에서 수술 전 단기 방사선치료 후 전체 선행 항암화학요법과 동시적 항암화학방사선치료의 비교평가 연구서울대학교병원정승용신생물소화기관의 악성 신생물<NA><NA><NA><NA>2021-10-012026-05-311. 최종 목표다기관 전향적 임상연구를 진행하여 II/III기 직장암 환자에서 선행 항암화학방사선치료에 이은 전직장간막절제술과 단기 방사선 치료를 포함한 전체 선행 치료에 이은 전직장간막절제술의 임상적 효과와 안전성, 삶의 질, 소요 비용 등을 비교하여 직장암 환자의 치료 성적을 향상시킬 수 있는 치료방침을 도출함.2. 세부 목표가. 1차 목적- 단기 방사선 치료를 포함한 전체 선행 치료에 이은 전직장간막절제술이 선행 항암화학방사선치료에 이은 전직장간막절제술에 비해 완전관해율(pathologic complete response)을 올려줄 수 있는지를 평가함. 나. 2차 목적- 단기 방사선 치료를 포함한 전체 선행 치료에 이은 전직장간막절제술이 선행 항암화학방사선치료에 이은 전직장간막절제술에 비해 치료 실패율(국소재발, 전이재발, 2차 대장암, 치료 관련 사망을 포함하는 결과변수)을 낮출 수 있는지 확인. - 단기 방사선 치료를 포함한 전체 선행 치료에 이은 전직장간막절제술과 선행 항암화학방사선치료에 이은 전직장간막절제술의 안전성 및 삶의 질, 소요비용을 비교. 다. 탐색적 목적- 순환 종양 DNA (circulating tumor DNA, ctDNA)가 II/III기 직장암 환자의 예후인자로 활용 가능한지 확인. - ctDNA가 II/III기 직장암의 치료 선택에 영향을 미칠 수 있는지 확인.가. 1차 연도- 총괄:1. 다기관 네트워크 구축 (서울대병원, 국립암센터, 보라매병원, 이대서울병원, 계명대동산병원)2. 연구 계획서 작성: II상 연구에 준해 연구 계획서 작성. IRB, 식약처 승인3. CRF 구축. iCReaT을 통해 eCRF를 구축 4. 약제 계약: 연구자주도연구 지원 시스템을 통해 capecitabine과 oxaliplatin은 각각 일동제약과 보령제약으로부터 제공받을 예정으로, 연구가 선정되면 이에 대한 세부 계약을 진행.5. ctDNA 계약: 연구자주도연구 지원 시스템을 통해 ctDNA 키트 및 분석은 IMBDx로부터 지원받을 예정으로 연구가 선정되면 이에 대한 계약을 진행.나. 2차 연도- 총괄:1. 연구 참여자 모집: 5개 병원에서 120명 목표로 임상 연구 참여자 모집2. 임상연구 진행: 층화 인자에 따라 전체 선행 치료에 이은 전직장간막절제술 군에 60명 등록, 선행 항암화학방사선치료에 이은 전직장간막절제술 군에 60명 등록하여 임상연구 진행. 3. 데이터 수집: 환자의 임상 정보 및 인체 유래물 통한 자료 수집 (ctDNA 포함)다. 3차 연도- 총괄:1. 연구 참여자 모집: 5개 병원에서 120명 목표로 임상 연구 참여자 모집2. 임상연구 진행: 층화 인자에 따라 전체 선행 치료에 이은 전직장간막절제술 군에 60명 등록, 선행 항암화학방사선치료에 이은 전직장간막절제술 군에 60명 등록하여 임상연구 진행. 3. 데이터 수집: 환자의 임상 정보 및 인체 유래물 통한 자료 수집 (ctDNA 포함)라. 4차 연도- 총괄:1. 연구 참여자 모집: 5개 병원에서 124명 목표로 임상 연구 참여자 모집2. 임상연구 진행: 층화 인자에 따라 전체 선행 치료에 이은 전직장간막절제술 군에 62명 등록, 선행 항암화학방사선치료에 이은 전직장간막절제술 군에 62명 등록하여 임상연구 진행. 3. 데이터 수집: 환자의 임상 정보 및 인체 유래물 통한 자료 수집 (ctDNA 포함)마. 5차 연도- 총괄:1. 데이터 수집: 환자의 임상 정보 및 인체 유래물 통한 자료 수집 (ctDNA 포1. 활용 계획○ 국내 최초로 직장암에서 전체 선행치료에 대한 무작위배정비교임상 연구○ 방사선 치료기간 감소를 통해 수술 전 치료를 위한 병원방문 횟수를 감소시켜 환자와 보호자의 편익 증진○ CAPOX 항암치료를 유기적인 스케쥴로 진행. FOLFOX 대비 항암치료의 편의성 증대, 병원 방문 횟수를 감소○ 전체 선행치료에 대한 건강보험급여 관련 정책 결정에 필요한 근거 제공○ ctDNA를 활용하여 맞춤치료의 근거를 제공2. 기대 효과○ 임상적 측면- 본 연구는 국내 최초로 시행되는 직장암에서 전체 선행치료에 대한 무작위배정비교임상 연구로 대한민국 직장암 연구를 대표하는 결과를 도출할 것임. 본 연구를 통해 습득한 경험은 직장암 치료에 대한 국내 역량을 강화 시켜 세계적인 연구를 주도하는 교두보가 될 수 있겠으며 연구 결과를 토대로 II/III기 직장암의 국제적인 표준치료 지침을 제시할 수 있을 것으로 기대됨. ○ 정책적 측면- 2021년 중앙암등록본부 발표 자료에 따르면 직결장암은 한국에서 4번째로 발생빈도가 높은 암으로 2018년 한 해 동안 27,909명이 진단되어 그 중요성이 점차 강조되고 있는 상황임. 최근 2-3기 직장암 환자에서 전체 선행 치료가 선행항암화학방사선치료에 비해 치료 실패율(국소재발, 전이재발, 2차 대장암, 치료 관련 사망을 포함하는 결과변수)을 낮출 수 있으며 완전 관해율을 높일 수 있음이 확인되었으나 국내에서는 연구가 전무함. 이 연구는 전국 5개 기간이 참여하는 다기관 무작위배정비교임상 연구로 이 연구 결과를 토대로 제시되는 최적 치료법은 향후 II/III기 직장암 지원 정책의 최우선이 될 것으로 기대됨. ○ 환자·국민 건강증진 측면- 현재 우리나라에서는 2-3기 직장암 환자의 표준치료는 선행 항암화학방사선치료 요법 이후 전직장간막절제술을 시행하는 것임. 최근 전체 선행 치료가 선행항암화학방사선치료에 비해 치료 실패율(국소재발, 전이재발, 2차 대장암, 치료 관련 사망을 포함하는 결과변수)을 낮출 수 있으며 완전 관해율을 높일 수 있음이 확인됨. 이에 미국 NCCN 가이드라전체 선행 치료|단기 방사선 치료|선행 항암화학방사선 치료|직장암|total neoadjuvant therapy|short course radiotherapy|neoadjuvant chemoradiotherapy|rectal cancer|
2694환자중심 의료기술 최적화 연구사업산부인과 전공의 교육 수련체계 개선방안 연구고려대학교 산학협력단홍순철임신, 출산 및 산후기분만<NA><NA><NA><NA>2022-06-012023-12-31산부인과 전공의 핵심역량 중심의 체계화된 수련교과과정에 대한 전공의 지도전문의 평가 및 인식도 확산 산부인과 EPA와 핵심역량의 현장 평가를 통한 임상현장 적용 소규모 전향연구전공의 실기교육에서 e learning 시스템의 효과 검증과 시스템 안정화e learning 시스템에서 지도전문의 책임지도 전문의 역할 정립1차년도 1 주관연구개발과제 산부인과 전공의 핵심역량 중심의 체계화된 수련교과과정에 대한 전공의 지도전문의 평가 및 인식도 확산 연구개발 내용 1 산부인과 전공의 대상 핵심역량 중심 수련교과과정에 대한 설문조사 및 개선 연구 연구개발 내용 2 산부인과 지도전문의 대상 핵심역량 수련교과과정에 대한 설문조사 및 개선 연구 연구개발 내용 3 산부인과 핵심역량 중심 수련교과과정에 대한 인식도 확산 전공의 및 지도전문의 대상 2 공동연구개발과제 환자 만족도 개선을 위하여 산부인과 EPAs와 핵심역량의 현장 평가를 통한 임상현장 적용 소규모 전향연구 연구개발 내용 1 대표적인 EPAs항목과 연차분과별 핵심역량을 선정하여 전향적 전공의 교육 적용 및 책임 지도 전문의 평가를 통한 EPA 핵심역량 성취도 조사 전공의 성취도 환자 만족도 달성 소규모 전향연구 연구개발 내용 2 EPAs 및 핵심역량에 대한 평가 및 책임지도전문의 피드백 시스템 확립 및 책임지도전문의 역할 정립 연구2차년도 1 주관연구개발과제 전공의 실기교육에서 e learning 시스템의 효과 검증과 시스템 안정화 연구개발 내용 1 전공의 실기교육에서 e learning 시스템에 대한 전공의 참여율 확산과 지도전문의 인식도 개선 연구개발 내용 2 E Learning 시스템 교육전과 교육후 pass fail 비교연구 및 E Learning 교육전에 자가 테스트 성적과 교육후의 자가 테스트 성적 비교 연구 소규모 전향연구 2 공동연구개발과제 e learning 시스템에서 지도전문의 책임지도 전문의 역할 정립 연구개발 내용 1 연차별 분야별 핵심역량에 대한 e learning 시스템 교육후 평가를 통한 자기 주도 학습 효과 평가 및 책임지도전문의 피드백 시스템 확립 연구개발 내용 2 산부인과 e learning에서의 지도전문의 책임지도전문의 등 운영체계 역할 정립 연구 책임지도전문의 피드백 달성 및 책임 지도 전문의 운영체계 역할 정립1 산부인과 핵심역량 중심의 교과목 수련교과과정에 대한 개선방안 확립 및 인식도 확산 산부인과 수련병원 전체 전공의와 지도전문의를 대상으로한 설문조사를 통하여 개선된 산부인과 교과목 수련교과과정에 대한 이해도 증가와 미비점 개선 및 인식 확산에 기여2 EPA 핵심역량에 대한 소규모 전향연구를 통하여 실제 전공의 교육현장에서 해당 프로그램의 적절성 확인 및 이를 통한 환자 중심의 진료 만족도 개선 효과 각 전공의는 수련과정을 통하여 단순 술기 중심의 교육이 아니라 환자와의 병력 청취 감별진단 능 응급시 신속한 판단능력 입원환자 관리 의사소통 능력 지속적인 학습능력 환자에 대한 교육 등 우수한 전문의료인 양성을 목표로 함 3 산부인과 개발된 E Learning 시스템의 확산을 통해 전공의 자기주도 학습 능력 강화 및 책임지도전문의와의 피드백 시스템 개발 책임지도전문의는 전공의가 필요한 역량을 인지하고 임상 현장에서 해당 역량을 중점적으로 지도해주는 책임지도전문의 모델 연구 4 개선된 산부인과 교과목 수련교과과정의 정착을 통하여 전공의 만족도 증가를 통한 산부인과 지원율 향상에 기여할 것으로 기대되며 궁극적으로 환자 중심의 만족도 증가에 기여 5 산부인과 책임지도전문의 역할과 모델 확립 분과별 소규모 전향연구를 통하여 전공의 환자 지도전문의 사이의 피드백을 통하여 책임지도전문의 모델 확립산부인과|수련교과과정|핵심역량|이러닝|obstetrics|education|Competencies|ELearning|
2695환자중심 의료기술 최적화 연구사업가정의학과 전공의 교육·수련체계 개선방안 연구한양대학교 산학협력단박훈기건강상태 및 보건서비스 접촉에 영향을 주는 요인기타 상황에서 보건서비스와 접하고 있는 사람<NA><NA><NA><NA>2022-06-012023-12-31□ 1차년도 목표: ○ EPA 및 핵심/세부 역량 중심 평가체계 구축 ○ 전공의교육학점제 운영결과 후향적 분석 및 개선안 도출 ○ 학회주도 전공의 온·오프라인 교육·수련 플랫폼 구축 ○ 학회주도 전공의 형성평가 평가 플랫폼 구축 ○ 수련기관 주도 전공의 교육·수련 평가 모듈 개발 및 수련교육 평가지침서 개발 ○ 수련지도전문의 위원회(CTFM, Committee for Teachers of family Medicine)의 역할 정립 및 활성화 ○ EPA 기반 교육·수련 다기관 컨소시움 구축 및 운용 □ 2차년도 목표: ○ EPA 및 핵심/세부 역량 기반 평가체계 개선 ○ 학회주도 전공의 온·오프라인 교육 플랫폼 활성화 ○ 학회 주도 전공의 수련평가 플랫폼 개선 ○ 수련기관 주도 전공의 교육·수련 평가 모듈 및 수련교육 평가 지침서 운용 및 개선 ○ CTFM을 통한 책임지도 전문의 역량강화 ○ 전공의 교육수련체계변화가 진료역량과 환자중심진료를 포함한 교육성과에 미치는 영향 평가 ○ 책임지도전문의 교육·수련 활동 모니터링과 지원체계 구축 및 발전방향 제안□ 1차년도(1) EPA 기반 역량 중심 형성 평가 플랫폼 구축 1) 학회주도 전공의 수련 중 형성 평가와 수련 종료 후 총괄평가체계 제시- 현재 진행되고 있는 형성평가인 지필고사만으로는 현실적으로 EPA를 평가하기 힘들다고 생각되므로 형성평가로 CPX를 도입하고자 함- 본 연구에서는 가정의학과 EPA를 중심으로 한 지필고사 및 임상진료시험 문항개발을 진행하고자 하며, 필기시험 문제은행의 문항들을 EPA와 연결하는 작업을 함께 수행할 예정임2) 수련기관 주도의 역량에 근거한 전공의 역량 평가체계 제시- 본 연구진들은 학회와의 연구 협약을 통해 이번 연구를 진행하면서 대한가정의학회 전공의 e-포트폴리오 구축을 완료하고자 함.3) 역량에 대한 평가, 평가 시기 및 재학습- 수련 과정 중에 있는 전공의의 경우는 각 시기별 전공의들의 역량이 어느 정도 도달했는지 확인하기 위해 대한가정의학회에서 진단평가 및 형성평가의 목적으로 시행 예정인 수련 중 평가(in-training exam)시험과 CPX모의고사를 통해 EPA 평가를 시행할 예정임- 이번 연구에서는 2021년 조직된 가정의학 CTFM(Committee for Teachers of family Medicine) 기구를 통하여 각 역량별 평가항목에 대한 공청회 등 전체적인 의견수렴을 통해 평가항목을 구체화하고 평가 가이드를 마련할 예정임4) 임상진료수행평가(CPX)의 활용과 피드백 제공 시스템 구축 및 운영(2) 후향적 수련 프로그램 평가 및 EPA/역량기반 전공의 수련프로그램 모델 제안(3) 전공의 평가 가이드라인/지침 기반 수련기관 현장 평가체계 제시 (4) 책임지도전문의 체계와 EPA/역량 중심 교육수련 컨소시엄 구축□ 2차년도(1) EPA 기반 역량 중심 형성 평가 플랫폼 개선 - 1차년도에 개발한 전공의평가시험(In-training exam) 및 전문의 자격시험 평가목표와 세부 평가영역 재설정 - EPA 기반 공통 필수 교육 영역 설정 및 모듈 개발- EPA 기반 전공의 교육학점제도 시행결과 평가 (2) 학회주도 전공의 교육·수련 플랫폼 개□ 활용계획 ○ 전공의 평가체계 개발 - 역량 중심 전공의 교육과정 운영에서 전공의 평가와 수련기관별 지도 전문의 환자 평가 모듈을 개발하여 환자 중심 진료 능력을 향상시킴. - 시범 운영을 통한 현장 친화형 평가 모듈을 개발함으로써 시간효율적인 전공의 평가 도구와 피드백의 근거를 마련할 수 있음. - 진급 사정제도에 활용할 수 있는 형성평가와 총괄평가의 체계를 구축할 수 있음. ○ 역량 중심 전공의 수련교육 모델 적용 및 효과 분석 - 역량 중심 전공의 수련교육 모듈의 현실 적용 가능성을 검증하고 이를 토대로 EPA 기반 수련교육 모델을 제안할 수 있음. - EPA 기반 수련교육 모델을 시범 적용하여 전공의 역량을 강화하고 환자 중심성을 향상 시킬 수 있음. - 일차의료 전문가 양성 프로그램의 모델을 개발 하거나 인턴 수련 제도의 개선 방안에 중요한 기초자료로 기여할 수 있음. ○ 책임 지도전문의 제도의 시범적 운영 및 역량 강화 - 책임지도전문의 제도의 도입으로 인한 역량 중심교육수련과정의 조정역할, 성과 향상의 구체적인 방안을 제시할 수 있음. - 지도전문의의 피드백을 통한 전공의 교육성과를 향상시킬 수 있음. - 과목간 전공의 순화 교육의 효과적인 운영 모델을 제시할 수 있음.□ 기대효과 ○ 전공의 평가체계 개발 - 현장 중심 평가 모델의 실제 적용 결과를 바탕으로 표준화된 전공의 평가 도구 개발을 할 수 있음. - 전공의 형성 평가와 진급 사정에 필요한 근거 자료를 마련할 수 있음. - 전공의 특별법에 따른 교육 수련 시간의 보장과 성과를 분석할 수 있음. ○ 역량 중심 전공의 수련교육 모델 적용 및 효과 분석 - 결과중심 전공의 수련교육과정의 필수 구성요소와 운영 방법을 제안할 수 있음. - 전공의 역량과 환자중심성을 향상시켜 환자만족도를 높이고, 환자 안정을 증진시킬 수 있음. - 효율적인 전공의 수련으로 전공의 수련 만족도를 향상 시킬 수 있음. ○ 책임 지도전문의 제도의 시범적 운영 및 역량역량 중심 교육|신뢰할만한 전문직 활동|전공 수련 과정|환자중심성|책임지도전문의|competency based education|entrustable professional activities|residency training|patient centeredness|residency program director|
2696환자중심 의료기술 최적화 연구사업책임지도전문의 제도하에 내실있는 전공의 교육 및 수련의 적용을 위한 다기관 임상연구충남대학교병원복수경건강상태 및 보건서비스 접촉에 영향을 주는 요인검사 및 조사를 위해 보건서비스와 접하고 있는 사람<NA><NA><NA><NA>2022-06-012023-12-31장애가 있거나 장애가 예상되는 모든 사람의 건강증진과 기능향상을 위한 예방, 진단, 치료 역량을 갖춘 재활의학과 전문의 양성 역량중심 수련교과과정 개발 전공의 역량 교육 과정 개발 지도전문의 교육 과정 개발 현재 수련프로그램에 대한 평가 전공의 역량 평가 지침 개발 E-portfolio 개발 완료 E-portfolio를 이용한 개선된 수련프로그램 적용 및 평가 E-portfolio 확대 적용 책임지도전문의 제도 운영 방침 개발전공의 정원에 따른 연차별 수련교과과정 수립 전공의 교육 프로그램의 개발 전공의 핵심역량 관련 교육 동영상 제작 지도전문의 대상 수련교육지침서 개발 지도전문의 대상 교육프로그램 개발 전공의/책임지도전문의 대상 수련프로그램 만족도 조사 시행 최소 역량의 평가 기준 개발 책임/부책임지도전문의 전공의 수련 및 평가 일정 개발 핵심역량 평가 및 피드백을 할 수 있는 시스템 구축 전공의 및 지도전문의 대상 교육 자료를 제공할 수 있는 시스템 구축 전공의/책임지도전문의 대상 수련프로그램 만족도 조사 시행 전공의 역량 평가 시행 수련 프로그램 변경 전/후의 만족도, 역량의 변화 등 효과를 분석 E-portfolio를 수련병원에 확대 적용하고 피드백 수렴 책임지도전문의 제도 운영에 필요한 인건비 추정, 방침 개발연구개발 성과의 활용방안 재활의학과 전공의에게 표준화된 양질의 교육수련 프로그램 제공 지도전문의 대상 수련 지침서 제공 전공의 평가지침 제공 E-portfolio 의 정착연구개발성과의 기대효과1. 보건의료적 측면 역량있는 재활의학과 전문의 양성 환자 중심의 의료 환경 구축에 기여 내실있는 전공의 수련시스템 구축 책임지도전문의 제도의 정착화2. 사회적 측면 공공재활의료에 필요한 재활의학과 전문의 안정적인 공급 재활의료전달체계 확립책임지도전문의|전공의 교육|수련 관리|역량평가|Responsible Specialist|Resident Education|Training Management|Competency Evaluation|
2697환자중심 의료기술 최적화 연구사업신경과 역량교육수련체계 교육효과 후향연구 및 인공지능기반 e-Portfolio 역량추적 전향연구한양대학교 산학협력단최호진신경계통의 질환중추 신경계통의 염증성 질환신경계통의 질환일차적으로 중추신경계통에 영향을 주는 계통성 위축신경계통의 질환신경계통의 기타 퇴행성 질환2022-06-012023-12-31연구목표: 대한신경과학회에서 개발한 역량기반 전공의 교육 효과 검증 및 위험 전공의 조기선별 피드백 시스템 구축 세부연구목표 ① 대한신경과학회에서 개발된 역량기반 전공의 교육의 연차별 효과 검증 및 피드백 체계 구축 세부연구목표 ② 인공지능을 활용한 e-Portfolio 학습 데이터 기반 교육 평가 프로세스 개발 및 재교육 피드백 체계 구축 세부연구목표 ③ 수련실태조사의 모니터링 및 교육의 질적 평가체계 구축후향적 자료분석 I ; 전향적 연구 설계- 대한신경과학회 수련 병원 중 규모별, 지역별로 분류하여 참여 병원 선정하여 역량기반 전공의 교육 수행- 예비 평가/ 1차 평가/ 2차 평가를 통하여 해당 연도 연차별 역량 목표 달성도 평가- 평가 항목별 / 연차별 / 기관별 / 역량교육 시간별 효과 검증 - 대한신경과학회의 전공의 평가툴킷 별 역량 증감 효과 검증 - K-NEPA13의 효과 검증 - 효과적인 역량평가 툴킷 선정 (예: CIr, K-NEPA13, 인서비스 등) - 효과적인 지도전문의의 narrative 피드백 인터페이스 조사- 지도전문의의 narrative 피드백 (음성, 텍스트 등) 사용성 조사- 피드백 시스템 미비 방지를 위한 알람 시스템 설계 후향적 자료분석 II - 소규모 전향연구- 1차년도와 연계하여, 역량기반 전공의 교육 효과 n+1 검증- 평가 항목별/ 연차별/ 기관별/ 역량교육 시간별 효과 n+1 검증 - 1차년도에 선정된 효과적인 역량평가 틀킷 사용성 n+1 평가- 지도전문의 narrative 피드백 시스템 설계 및 프로토 타입 개발- 전공의 자기평가 및 CIr인터페이스 해외 사례 조사- 한국의 상황에 맞는 전공의 역량기술 인터페이스 설계 - 다면평가 해외 사례 조사- 한국의 상황에 맞는 다면평가 인터페이스 설계- 인공지능을 활용한 위험전공의 조기선별 시스템 (기확보)의 적용여부 및 필요성 연구 (전문의/전공의 인터뷰)- 전공의/책임지도전문의를 위한 위험신호 제공 대시보드 설계- e-Portfolio를 통한 역량기반 교육 기관 실태조사 (차이점과 교육효과 분리 평가)가. 기술적 측면 (1) 전공의 수련 교육 프로그램과 e-Portfolio 사용성과 효과 검증을 통해서 전공의 수련 교육 프로그램 평가의 근거 기반과 방법을 마련하고 이를 통해 향후 수련교육 프로그램의 변화에 따른 분 석을 용이하게 할 수 있음(2) 효과 검증 단계에서 활용한 다면 평가 방식과 인공지능 분석 방식을 더욱 발전시킴으로써, 전공의 수련 교육 프로그램 이외에도 다양한 교육 프로그램에서 적용 사례를 확대할 수 있음나. 경제적산업적 측면(1) 전공의 수련 교육 프로그램 개선이 미치는 영향을 분석함으로써 수련 비용 지원 효과를 검증할 수 있고 이를 통해서 양질의 의료인 양성을 위한 적절한 지원 예산 규모를 예측할 수 있음 (2) 이러한 분석 방법을 의료 전문의와 같은 다양한 전문 직종 육성 프로그램 분석에 활용함으로써, 사회 전반적으로 양질의 전문가 양성을 위한 적절한 지원 방식과 예산 규모를 예측할 수 있음(3) 이번 연구에서 사용한 분석 방식과 인공지능 분석 프로그램을 상품화하여 독자적인 전문가 교육 프로그램 마련이 어려운 개발 도상 국가들에게 패키지로 기술 이전 혹은 판매가 가능함 다. 사회적 측면 (1) 전공의 수련 교육 프로그램과 e-Portfolio 환류체계 구축을 통해서 전국적으로 수준 높은 전공의 수련 프로그램이 진행될 수 있도록 유도하고 이를 통해서 양질의 전문 의료 전문가 육성이 가능함. 이를 통해 장기적으로 우리나라 의료 시스템의 발전도 지속적으로 도모할 수 있음(2) 이번 연구에서 도입한 인공지능 분석을 통해서 개개인이나 제도의 부족한 부분을 사전에 파악하고 이를 개선해나가는 시스템은 전공의 수련 교육 이외에도 다양한 영역의 교육 프로그램에서 확대해나갈 수 있으며 이를 통해 경쟁 위주의 우리나라 교육 시스템의 새로운 패러다임 제시가 가능함전공의교육|역량 교육|인공지능|Education of the Resident|Competency based Education|Artificial Intelligence|