---
type: paper
slug: junghye-lee-2018-data-driven-hypertension-prevention
title: >-
  A Data-Driven Procedure of Providing a Health Promotion Program for
  Hypertension Prevention
authors:
  - '[[junghyelee]]'
  - '[[ryeok-hwan-kwon]]'
  - '[[hyung-woo-kim]]'
  - '[[sung-hong-kang]]'
  - '[[kwang-jae-kim]]'
  - '[[chi-hyuck-jun]]'
year: 2018
venue: '[[service-science]]'
volume: '10'
issue: '3'
pages: 289-301
doi: 10.1287/serv.2018.0220
categories:
  - '[[medical-ai]]'
  - '[[firm-strategy]]'
methods:
  - '[[logistic-regression]]'
  - '[[risk-prediction]]'
  - '[[intervention-program-index]]'
themes:
  - '[[health-promotion-program]]'
  - '[[hypertension-prevention]]'
  - '[[personalized-intervention]]'
aliases: []
last_updated: '2026-05-20T02:01:15+09:00'
---
# A Data-Driven Procedure of Providing a Health Promotion Program for Hypertension Prevention

*[[junghyelee]], [[ryeok-hwan-kwon]], [[hyung-woo-kim]], [[sung-hong-kang]], [[kwang-jae-kim]], [[chi-hyuck-jun]] (2018)* · [[service-science]] 10(3):289-301 · [DOI ↗](https://doi.org/10.1287/serv.2018.0220)

> *고혈압 예방* 을 위한 *데이터 기반 2 단계 protocol* — (1) 고위험군 예측 모델 ([[logistic-regression]]) + (2) 개인별 *intervention program importance index* 4 방법 제안. 한국 국민건강보험 표본 코호트 활용. **자동화된 모델링이 의사의 권고와 *유사한 결과*** — 인력 절약 + *개인화된 건강증진 프로그램* 제공.

- **RQ**: 데이터 기반 *2 단계 protocol* 으로 고혈압 예방 *health promotion program* 을 효율적으로 제공할 수 있는가? 자동화된 권고가 *임상 전문가 권고와 정합* 한가?
- **방법론**: 2 단계 — (1) 위험 예측 ([[logistic-regression]]) + (2) 개인별 intervention 중요도 index (4 가지 방법)
- **데이터**: 한국 NHIC 표본 코호트 (>10,000 명)
- **주요 발견**: (1) 예측 모델 (LR) 의 적절한 정확도 — 고위험군 식별 가능. (2) **4 가지 intervention importance index 가 의사 권고와 *유사한 결과*** — 자동화의 *임상적 정합성* 입증. (3) 개인별 맞춤 intervention 추천 — 식이, 운동, 금연, 약물 등.
- **시사점**: *Service science* 관점에서 의료 서비스 *자동화 + 개인화*. 인력 비용 절감 + 환자별 맞춤. *Health promotion program 의 IT 솔루션* 으로 확장 가능.

![고혈압 예방을 위한 데이터 기반 위험 예측과 개인별 intervention 추천 절차.](/papers/201809_LeeJ_A_data_driven_procedure_of_providing_a_health_promotion_program_for_hypertension_prevention/fig1.png)

## 요약

이 paper 는 [[junghyelee]] 의 *1 기 박사 시기 → 2 기 UNIST 초기* 의 *의료 AI 응용* 작업. [[wonji-lee-2014-hypertension-classification]] (분류기) + [[junghye-lee-2016-bayesian-network-hypertension]] (BN) 의 *서비스 응용 완성형* — 분류·추론에서 *intervention 권고* 로 한 단계 발전.

방법론적 핵심: *2 단계 protocol*. (i) *Stage 1* — [[logistic-regression]] 으로 고혈압 위험 예측. 고위험군 (risk threshold 초과) 식별. (ii) *Stage 2* — 4 가지 방법으로 *intervention program importance index* 산출. 각 intervention (식이, 운동, 금연, 약물 등) 의 *개인별 기여도* 추정. 4 방법은 각각 (a) Wald statistic 기반, (b) coefficient magnitude 기반, (c) marginal effect 기반, (d) Shapley value 기반 등.

핵심 발견: 4 방법의 importance index 가 *서로 유사한 ranking* 산출. 동시에 *의사의 임상 권고와 정합* — 즉 데이터 기반 자동화가 *전문가 직관* 을 재현. 정책 함의 — *health promotion program 의 인력 비용 절감* + 환자별 *informative + personalized* 결과 제공.

[[junghyelee]] 의 *연구 궤적* 안에서 이 paper 는 *1 기 의료 AI 라인의 service-side 응용* — *Service Science* journal 발표가 이를 시사. 후속 *프라이버시 보존 ML* 시리즈와는 *parallel track*, 의료 도메인의 *서비스 자동화* 측면.

## 핵심 결과

| 단계 | 출력 |
|---|---|
| Stage 1 (LR 예측) | 고위험군 식별 |
| Stage 2 (4 방법 index) | intervention 중요도 ranking |
| 의사 권고와 비교 | **유사한 결과** (정합성) |

- N >10,000 (NHIC 코호트)
- 4 importance methods *유사한 ranking*
- 자동화가 *전문가 직관* 재현 → 인력 비용 절감

## 방법론 노트

[[logistic-regression]] for risk prediction:

$$
P(\text{hypertension}|X) = \frac{1}{1+\exp(-\beta'X)}
$$

Intervention importance index (4 방법):
- *Method 1*: Wald statistic $W_j = (\hat\beta_j / \text{SE}(\hat\beta_j))^2$
- *Method 2*: Standardized coefficient magnitude
- *Method 3*: Marginal effect $\partial P / \partial X_j$
- *Method 4*: Shapley value 또는 partial dependence

각 방법으로 개인 $i$ 의 intervention $j$ importance 산출 → ranking → 추천.

식별 가정: (i) LR 의 적합성, (ii) intervention 의 *분리 가능* 효과, (iii) 임상 권고를 *ground truth proxy* 로 사용.

## 연구 계보

이 paper 는 (i) [[wonji-lee-2014-hypertension-classification]] · [[junghye-lee-2016-bayesian-network-hypertension]] 직접 선행, (ii) Service science 의 *personalized service* 라인 — 의 결합. [[junghyelee]] 의 *연구 궤적* *실타래 3 (Healthcare AI)* 의 service 측면 발전.

## See also

- [[junghyelee]]
- [[chi-hyuck-jun]]
- [[logistic-regression]]
- [[health-promotion-program]]
- [[medical-ai]]
- [[service-science]]
- [[wonji-lee-2014-hypertension-classification]]
- [[junghye-lee-2016-bayesian-network-hypertension]]