본 연구는 1,171명의 환자 데이터를 사용하여 5년 이내 재입원 위험을 예측하는 머신러닝 모델(로지스틱 회귀, 그래디언트 부스팅, 랜덤 포레스트, 인공 신경망)을 적용했습니다. 그 결과, 그래디언트 부스팅 모델이 81.2%의 정확도로 가장 높은 예측 성능을 보였습니다. 연구는 예방적 치료와 약물 복용 순응도가 재입원 위험 감소에 중요한 역할을 한다는 것을 밝혔으며, 약물 복용 순응도와 예방적 치료의 지속적인 수행은 재입원 위험을 각각 38.3%와 37.7% 감소시키는 것으로 나타났습니다. 또한, 표적화된 예방 치료는 긍정적인 투자 수익률(ROI)을 가져올 수 있으며, 머신러닝 모델은 개인화된 중재를 효과적으로 제공하여 장기적인 의료비 절감에 기여할 수 있음을 시사합니다.
