---
type: paper
slug: wonji-lee-2014-hypertension-classification
title: Prediction of Hypertension Complications Risk Using Classification Techniques
authors:
  - '[[wonji-lee]]'
  - '[[junghyelee]]'
  - '[[hyeseon-lee]]'
  - '[[chi-hyuck-jun]]'
  - '[[il-su-park]]'
  - '[[sung-hong-kang]]'
year: 2014
venue: '[[industrial-engineering-and-management-systems]]'
volume: '13'
issue: '4'
pages: 449-453
doi: 10.7232/iems.2014.13.4.449
categories:
  - '[[medical-ai]]'
  - '[[data-driven-decision-making]]'
methods:
  - '[[logistic-regression]]'
  - '[[linear-discriminant-analysis]]'
  - '[[classification-and-regression-tree]]'
  - '[[under-sampling]]'
  - '[[cross-validation]]'
  - '[[roc-auc]]'
themes:
  - '[[hypertension-complications]]'
  - '[[health-risk-prediction]]'
  - '[[national-health-insurance]]'
  - '[[chronic-disease]]'
aliases: []
last_updated: '2026-05-17T21:30:00+09:00'
---
# Prediction of Hypertension Complications Risk Using Classification Techniques

*[[wonji-lee]], [[junghyelee]], [[hyeseon-lee]], [[chi-hyuck-jun]], [[il-su-park]], [[sung-hong-kang]] (2014)* · [[industrial-engineering-and-management-systems]] 13(4):449-453 · [DOI ↗](https://doi.org/10.7232/iems.2014.13.4.449)

> 한국 국민건강보험공단의 표본 코호트 (전 인구의 2%, 약 100 만 명) 에서 추출한 *고혈압 환자 10,814 명* (그 중 합병증 발생 1,739 명, 16.08%) 의 follow-up 2008-2010 데이터로 *심혈관 합병증 발생 위험* 을 [[logistic-regression]] · [[linear-discriminant-analysis]] · [[classification-and-regression-tree]] 세 기법으로 예측. Under-sampling 5 회 × 5-fold CV (총 25 회) 평균에서 LR/LDA 가 거의 동일 (LR test AUC 0.6072 vs LDA 0.6068), CART 가 training 우월 (AUC 0.7061) 하지만 test 열위 (0.5704) — *overfitting*. LR 이 marginal 우위.

- **RQ**: 한국 국민건강보험 sample DB 의 인구통계·건강검진·생활습관·가족력 28 변수로 고혈압 환자의 *심혈관 합병증 발생* 을 예측할 수 있는가, 그리고 LR · LDA · CART 중 어느 기법이 우월한가?
- **방법론**: [[logistic-regression]] (logit link), [[linear-discriminant-analysis]] (공통 공분산 Gaussian 가정), [[classification-and-regression-tree]] (Gini index split + cost-complexity pruning), [[under-sampling]] (소수 class 1,739 명에 다수 class 1,739 명 매칭, 5 회 반복), [[cross-validation]] (5-fold × 5 sample = 25 회 평균), [[roc-auc]]
- **데이터**: 한국 국민건강보험공단 표본 DB (2002-2010, N=100 만, 2% 표본), 2008 reference year 의 고혈압 진단 환자 10,814 명, follow-up 2008-2010 합병증 발생 추적. 독립변수: 인구통계 3 (age, sex, income 20 class) + 의료이용 4 + 건강검진 10 (BMI · 혈압 · 공복혈당 · 콜레스테롤 등) + 생활습관 5 (흡연/음주) + 가족력 5 + 본인 당뇨력
- **주요 발견**: (1) Test AUC: LR 0.6072 > LDA 0.6068 > CART 0.5704. Test accuracy: LR 0.5782 > LDA 0.5779 > CART 0.5533. (2) CART training AUC 0.7061 vs test 0.5704 = *심한 generalization 격차*. (3) 합병증 발생률은 여성 16.79% > 남성 15.45%, 60대 17.89% > 50대 11.80% > 40대 8.51%, 가족력 *심장질환* 보유 20.73% vs 무보유 15.91%, *뇌졸중* 19.14% vs 15.80% (가족력이 가장 강한 risk factor)
- **시사점**: 만성질환 위험 예측에서 *단순 선형 모형 (LR)* 이 *비선형 tree (CART)* 와 동등하거나 우월. CART 의 *데이터 구조 sensitivity* 가 generalization 발목. 한국 건강보험 표본 DB 의 *정책 활용 잠재력* — 향후 다른 만성질환 (당뇨 합병증 등) 으로 확장 가능

## 요약

본 paper 는 [[junghyelee]] 의 *1 기 (POSTECH 박사 2014-2018)* 시기 *healthcare ML 라인* 의 출발점. 동료 [[wonji-lee]] 가 제 1 저자, 지도교수 [[chi-hyuck-jun]] (POSTECH 산업경영공학) 와 inje 의대 [[sung-hong-kang]] (corresponding author) 의 공동. 한국 국민건강보험공단이 2012 년 *표본 national healthcare DB* (인구의 2%, age/sex/income strata 비례 표본 약 100 만 명) 를 정부 open data 정책으로 공개한 직후, *고혈압 합병증* 을 그 데이터로 예측한 *한국 최초* 의 시도. 기존 *국가별 고혈압 위험 예측* 문헌 (Echouffo-Tcheugui et al. 2013 systematic review) 은 *고혈압 onset* 자체에 집중했고 *합병증 onset* 의 risk model 은 한국 context 가 부재.

방법론은 *3 기법 head-to-head 비교*. (i) [[logistic-regression]] (LR): logit link $\ln(P/(1-P)) = \beta_0 + \beta'X$, $k$ 개 독립변수의 선형 결합 + sigmoid, 해석 가능성 + 추정 안정성. (ii) [[linear-discriminant-analysis]] (LDA): class-conditional density 가 *공통 공분산 multivariate Gaussian* 이라는 가정 하 Bayes 분류기, discriminant function $U_i = \mu_i^\top \Sigma^{-1} x - \frac{1}{2}\mu_i^\top\Sigma^{-1}\mu_i + \ln\pi_i$. (iii) [[classification-and-regression-tree]] (CART): Gini index 기반 binary split + cost-complexity pruning + CV 로 best pruned tree 선택, leaf 의 onset proportion 이 위험 예측치. 평가는 5-fold CV + AUC + accuracy + sensitivity + specificity, cutoff = 0.5 (under-sampling 으로 class balance 후이므로 합리).

데이터 처리에 두 단계 핵심 결정. 첫째, *합병증 onset* 정의 — 2008 시점 고혈압 진단 + 합병증 미발생 환자만 cohort 에 포함, follow-up 2008-2010 의 의료기록에서 합병증 발생 여부를 binary outcome 으로. 사망자는 제외. 둘째, *class imbalance* (16.08% minority) 해결을 위해 majority class 를 minority 와 동수 (1,739 명) 로 under-sampling 을 5 회 반복, 각 sample 에서 5-fold CV = 총 25 회 평균. 결과 (Table 3): LR test AUC 0.6072 / accuracy 0.5782 / sensitivity 0.5738 / specificity 0.5841, LDA 거의 동일 (LR 과 0.001 미만 차), CART training AUC 0.7061 → test 0.5704 로 *13.6%p drop* (overfitting 의 전형). 합병증 발생률 (Table 2): 가족력 *심장질환* 20.73% (없는 그룹 15.91% 대비 +30%), *뇌졸중* 19.14% (+21%), 본인 당뇨력 18.40% (없는 그룹 16.05% 대비 +15%). 연령 효과 직선적 — 40대 8.51%, 50대 11.80%, 60대 17.89%. 본 paper 의 한계는 (i) 건강검진이 *2 년 1 회 (biyearly)* 라 *세밀한 의료기록* 부재 — Srinivas et al. (2010) 의 상세 의료데이터 기반 예측보다 정확도 낮음, (ii) 합병증 발생의 *복잡 mechanism* — Echouffo-Tcheugui et al. (2013) 의 *hypertension onset* 예측보다 본 paper 의 *complications onset* 예측이 본질적으로 어려움, (iii) 위험인자의 *상호작용* 미모델링.

[[junghyelee]] 의 *연구 궤적* 안에서 본 paper 는 *실타래 3 (Healthcare ML)* 의 출발점. 같은 시기 박사학위 주 주제 (Markov Blanket 기반 변수 선택) 와는 직접 연결되지 않지만 *한국 건강보험 데이터의 정책 활용* 라인의 anchor 로 향후 [[junghye-lee-2016-bayesian-network-hypertension]] (베이지안 네트워크 + 동일 데이터) 등의 출발 기반. POSTECH 박사 시기 [[chi-hyuck-jun]] 의 *biomedical data mining* 연구실 mentorship 의 산물.

## 핵심 결과

**Table 3 — 세 기법의 train/test 성능 (5-sample × 5-fold CV = 25 회 평균)**

| Model | AUC Train | AUC Test | Acc Train | Acc Test | Sens Test | Spec Test |
|---|---:|---:|---:|---:|---:|---:|
| **LR** | 0.6307 | **0.6072** | 0.5957 | **0.5782** | 0.5738 | **0.5841** |
| LDA | 0.6304 | 0.6068 | 0.5955 | 0.5779 | **0.5740** | 0.5832 |
| CART | **0.7061** | 0.5704 | **0.6497** | 0.5533 | 0.5659 | 0.5406 |

**합병증 발생률 (Table 2)**: 전체 평균 16.08%. 가족력 심장질환 보유 20.73% (가장 강한 risk factor), 가족력 뇌졸중 19.14%, 본인 당뇨력 18.40%, 60대 17.89% (vs 40대 8.51%), 여성 16.79% (vs 남성 15.45%).

**핵심 정량 차이**: LR test AUC 0.6072 vs CART 0.5704 = +6.4% relative gain. CART training-test gap 13.6%p (overfitting), LR/LDA gap 약 2.4%p. 본 paper 의 모든 metric 에서 LR ≈ LDA, CART 만 test 에서 열위.

## 방법론 노트

[[logistic-regression]] 의 logit 식 (식 1-2):

$$
\text{logit}(P) = \ln \frac{P}{1-P} = \beta_0 + \beta_1 X_1 + \cdots + \beta_k X_k
$$

$$
P = \frac{\exp(\beta_0 + \beta'X)}{1 + \exp(\beta_0 + \beta'X)}
$$

[[linear-discriminant-analysis]] 의 discriminant function:

$$
U_i = \mu_i^\top \Sigma^{-1} x - \frac{1}{2}\mu_i^\top \Sigma^{-1} \mu_i + \ln \pi_i
$$

여기서 $\mu_i$ 는 class $i$ 의 평균 벡터, $\Sigma$ 는 *공통* 공분산 (가정), $\pi_i$ 는 prior. 두 class 비교는 $U_1 > U_2$ 면 class 1. Bayes posterior:

$$
P(\text{class } i | x) = \frac{\pi_i f_i(x)}{\pi_1 f_1(x) + \pi_2 f_2(x)}
$$

[[classification-and-regression-tree]] 는 recursive partitioning — 각 internal node 에서 한 변수의 split 으로 children Gini impurity 감소를 최대화. Fully grown tree 에 cost-complexity pruning + CV best 선택. Leaf 의 onset proportion 이 위험 예측치. CART 의 *데이터 sensitivity* 문제 — tree 구조가 sample 마다 달라져 generalization 약함, 본 paper 의 test 열위의 원인.

평가 protocol 의 핵심 두 결정: (i) class balance 를 위한 *under-sampling 5 회 × 5-fold CV*, (ii) cutoff = 0.5 (balance 후 합리), AUC 추가 (cutoff-free). Identification 의 가정은 (a) 표본 코호트의 한국 인구 *strata 대표성*, (b) 합병증 onset 의 의료기록 *완전성* (follow-up 동안 의료기록 없으면 무발생으로 처리 — 측정 가정), (c) 결측치 처리 (questionnaire 무응답 → 부정 응답으로 imputation).

## 연구 계보

직접 predecessor: Echouffo-Tcheugui et al. (2013, *PLoS One*) 의 hypertension onset risk model systematic review — 본 paper 는 *complications* 측면으로 확장. Hypertension complication risk 의 일본 선행 Hozawa et al. (2009) — 본 paper 는 한국 첫 시도. Korean Healthcare DB 정책 context: Korea Ministry of Health and Welfare (2011, 2013), Korea National Health Insurance Corporation (2012). 방법론 building blocks: Hosmer-Lemeshow (2004) Applied Logistic Regression, Press-Wilson (1978) LR vs LDA 비교, Izenman (2008) LDA, Breiman et al. (1983) CART, Loh (2011) CART review. LR vs CART 비교의 인접 선행: Kurt et al. (2008, *Expert Systems with Applications*) 의 coronary artery disease 비교 — 본 paper 와 같은 *LR marginal best* 결과. Dreiseitl-Ohno-Machado (2002) 의 LR vs ANN 비교도 같은 라인. 자세한 cardiovascular data mining 으로는 Srinivas et al. (2010) 의 *coal mining region* heart attack 예측.

[[junghyelee]] author page 분류상 *실타래 3 (Healthcare ML)* 의 anchor. 학위 시기 (POSTECH 2014-2018) 의 두 연구 stream — *Markov Blanket 변수 선택* 과 *Korean Healthcare DB analytics* — 중 후자의 출발점. 후속 [[junghye-lee-2016-bayesian-network-hypertension]] 가 같은 데이터를 *Bayesian network* 로 더 정교화. [[chi-hyuck-jun]] (POSTECH 산업경영공학) 의 *biomedical data mining* 라인 mentorship 의 첫 결실. *Inje 의대 + Uiduk 보건학* 의 inter-institutional 협업이 paper 의 의료-통계 균형을 만든 구성.

## See also

- [[junghyelee]]
- [[wonji-lee]]
- [[chi-hyuck-jun]]
- [[logistic-regression]]
- [[linear-discriminant-analysis]]
- [[classification-and-regression-tree]]
- [[under-sampling]]
- [[roc-auc]]
- [[medical-ai]]
- [[hypertension-complications]]
- [[national-health-insurance]]
- [[chronic-disease]]
- [[industrial-engineering-and-management-systems]]