Accidents are the dominant cause of high mortality, morbidity, disability and loss of labor both in Korea and abroad. According to studies, the Preventable Death Rate (PDR) in Korea has been improving to 35.2% in 2010. However, it is still much higher compared to 24% in 2010 in England and Wales, U.K., and 15% in 2003 in Montana, U.S. Since 50% of patients’ deaths occur during pre-hospital emergency care, there are increasing efforts to improving EMS.
Previous studies related to EMS for reducing PDR can be categorized into two parts: focusing on the fairness, and on the efficiency of EMS. Focusing on the fairness of EMS, researchers analyzed the vulnerable areas and suggested how to redeploy resources such as emergency centers or fire stations. When focusing on the efficiency of EMS, many studies applied mathematical or simulation based models to suggest dispatching resources such as ambulances. In order to manage the limitative resources efficiently and prepare for emergency calls beforehand, researchers attempted to find the factors behind accidents. A lot of empirical studies considered a number of factors and some of them are sometimes conflicted. That is because each study considers different variables and when those variables come together, the results differ. Thus, multivariate analysis should be considered.
This paper therefore suggests a multivariate approach model to extract environmental contexts of frequent emergency calls and offers an application to the real case. According to the Routine Activity Theory (RAT), the components of an environmental context are divided into two dimensions: temporal and weather. Association rule mining is used as a tool for this study and Call-Context ratio which is a modified version of lift is calculated. The decision maker sets the threshold on the Call-Context ratio in order to select the environmental contexts that they will concern.
In the application results, the extracted environmental contexts were found to indicate the situation which receives at most 33% more frequent emergency calls (Call-Context ratio 1.33). The incidence of this context was 4% of the duration. Since the application results were based on real historical data, the results can be applied to the actual field immediately. Also, these can enhance previous studies as well as RAT by specifying the situation as environmental contexts.
The environmental contexts extracted in this paper contain the simultaneous effects of many variables and this multivariate approach can overcome the limitations of conflicting results from the previous studies. Finally, this paper contributes by showing the possibility of big data applications on the top application fields such as crime and EMS.
사고는 우리나라를 비롯한 세계 여러 나라의 높은 사망률을 비롯한 질병, 장애, 실업 등의 지배적인 원인으로 손꼽히고 있다. 기존 연구에 따르면 우리나라의 예방가능사망률(PDR)은 2010년도에 35.2%이다. 같은 해에 영국은 24%, 미국은 2003년에 이미 15%였다는 사실을 통해 우리나라의 예방가능사망률은 아직도 높은 수치임을 알 수 있다. 또한, 기존 연구에서 구급 과정 중 사망하는 사건의 50%가 병원 전 단계에서 발생했다는 것이 밝혀졌다. 그러므로 우리나라의 구급치료서비스 개선이 필수적이다. 예방가능사망률을 줄이기 위한 기존 연구들은 개선하고자 하는 목적에 따라 크게 두 종류로 나눌 수 있다. 구급치료서비스의 형평성 개선 혹은 효율성 개선이 그것이다. 구급치료서비스의 형평성 개선을 목적으로 한 연구들은 주로 구급서비스의 취약지 분석이나 소방서 위치 선정과 같은 거시적인 차원에서 자원의 재분배에 대해 중점적으로 다루고 있다. 또한, 구급치료의 효율성 개선을 목적으로 한 연구들은 각각의 소방서를 중심으로 구급차를 효율적으로 활용하기 위한 수학적 모델이나 시뮬레이션 기반의 모델들을 제시하고 있다.
한정적인 구급서비스 자원을 효율적으로 운영하고, 구급신고가 들어올 때 사전에 충분히 대비하기 위하여, 사고가 일어나는 원인을 찾고 이를 활용하고자 하는 연구들이 진행되고 있다. 많은 실증연구들을 통해 사고가 일어나는 요인들이 밝혀지고 있지만, 연구 결과들이 종종 상충하기도 한다. 주된 이유는 각각의 연구마다 서로 다른 변수들을 고려하고 있기 때문이다. 또한, 각각 사고 요인으로 밝혀진 변수들을 함께 고려했을 때엔 서로간의 연관성에 의하여 또 다른 결과를 나타내기도 한다. 그렇기 때문에 이러한 변수들의 종합적인 영향을 보기 위하여는 다변량 분석이 필요하다. 그러므로, 본 논문에서는 기존 연구에서 사고의 요인으로 밝혀진 변수들을 이용하여 다변량 접근을 통해 구급신고가 자주 발생하는 환경적인 맥락을 추출하기 위한 모델을 제시한다. 또한, 제시한 모델을 실제 데이터를 활용하여 적용한다.
일상활동이론 (Routine Activity Theory)에 따르면, 환경적 맥락을 구성하는 요소는 시간과 날씨라는 두 관점으로 나누어진다. 본 연구에서는 데이터마이닝의 한 종류인 연관성 분석 방법을 모델에 적용하였고, 신고와 환경적 맥락의 시간적 비율을 나타내는 Call-Context ratio를 제시하였다. Call-Context ratio는 데이터마이닝에서 신뢰성 지표로 사용하는 lift가 제시된 모델에 알맞게 수정된 형태이다. 각 기관의 의사결정자는 모델을 통해 도출된 Call-Context ratio를 보고 한계선을 정하여, 자원의 활용도에 따라 집중적으로 관리할 환경적 맥락들을 뽑아낸다. 실제 데이터를 이용하여 도출된 환경적 맥락들 중 Call-Context ratio가 가장 높은 경우 (1.33), 평상시보다 약 33% 더 높은 구급신고 빈도가 발생하는 상황을 나타내고 있었다. 그 환경적 맥락은 데이터 기간 동안 약4%의 발생률을 나타내고 있었다. 모델의 응용을 통해 얻어진 환경적 맥락들은, 실제 구급신고 데이터로부터 도출된 것이기 때문에 해당 지역의 구급분야에서 바로 사용할 수 있는 결과이다. 또한, 응용 결과 얻어진 환경적 맥락들이 기존 연구결과들이나 일상활동이론을 좀더 강화할 수 있는 상황을 제시할 수 있는 가능성이 발견되었다. 본 연구를 통하여 추출된 환경적 맥락들은 많은 연구들에서 사고의 요인으로 알려진 변수들의 종합적인 영향을 함께 고려하고 있다. 또한 본 연구는 연관성 분석이라는 데이터마이닝을 응용함으로써, 현재 공공분야 중 빅데이터 및 데이터마이닝 응용 1순위 분야인 소방/범죄 분야의 발전에 이바지한다.
