The effect of aromatherapy on pain in individuals with diabetes: a systematic review and meta-analysis.

노인들에서 낙상 및 낙상 관련 손상은 비교적 흔히 발생하는 안전 사고로, 미국의 경우 지역사회 거주 노인의 약 25%가 낙상을 경험하고 약 10%가 낙상으로 인한 손상을 입는 것으로 알려져 있고[], 국내 지역사회 노인의 경우 약 15.7%가 낙상을 경험하는 것으로 보고된 바 있다[]. 노인의 응급실 방문의 가장 많은 원인은 낙상 사고이며, 낙상 사고는 노인 사망의 가장 큰 원인이기도 하다[]. 뿐만 아니라 손상을 동반하지 않더라도 낙상 사고 경험은 노인들로 하여금 신체활동이나 사회적 활동을 제한하게 할 수 있어[], 이후 삶의 질에도 부정적인 영향을 미치므로[], 지역사회 노인들의 낙상을 예방할 수 있는 방안이 필요하다. 효율적인 낙상 예방을 위해서는 낙상 위험요인을 선별하고 낙상을 예측하는 것이 선행되어야 하며, 다양한 낙상 위험요인이 포함되어 예측력이 좋은 낙상 예측 모델을 구축하는 것이 필요하다. 지역사회 노인의 낙상 위험요인으로는 낙상 과거력, 보행 특성, 다양한 질병관련 특성, 약물 복용, 근력, 인지기능, 정신건강 등이 제시되고 있고[], 다면적 위험요인의 고려가 바람직하다고 알려져 있으나[], 지역사회 노인들을 위한 낙상 예측 관련 국내 연구로는 낙상 예측 요인 분석에 초점을 맞추어 보고된 연구는 있으나[,], 예측 모델의 성능을 평가한 연구는 부족한 실정이다. 그 이유로는 고성능의 낙상 예측 모델을 개발하기 위해서는 낙상 위험요인들을 가능한 모두 포함하여 모델을 구축하는 것이 필요한데, 기존의 통계적 방법으로는 지역사회 거주 노인들의 다양한 낙상 위험요인을 모두 포함하는 모델을 개발하는데 한계가 있기 때문으로 생각된다. 최근 머신러닝 기법이 다양한 영역에서 질병의 위험요인을 선별하고 질병 발생을 예측하는데 활용되고 있다[]. 머신러닝은 컴퓨터 알고리즘을 이용하여 대단위 자료로부터 위험요인들간의 비선형적 상호작용을 분석하여 예측 모델을 구축할 수 있다. 머신러닝 알고리즘은 자료의 특징을 추출하는 과정에 따라 여러가지 알고리즘이 있는데, 어떤 알고리즘이 유용할지는 자료의 양과 구조에 따라 다르므로 여러 종류의 알고리즘을 분석을 진행하여 도출된 예측 정확도를 보고 선택을 하는 것이 좋은 방법으로 알려져 있다[]. 머신러닝을 이용하여 지역사회 거주 노인의 낙상 예측 모델을 개발한 국외 연구들을 보면[-], 다양한 낙상 위험요인을 포함하여 낙상 예측 모델을 구축하였으나 한 가지 컴퓨터 알고리즘을 사용하여 모델을 개발하였으며, 모델 성능이 area under curve (AUC) 0.65 내외로 우수한 성능을 보였다고 보기에는 어려웠다.