Non-seismic-designed reinforced concrete (RC) pier walls often include lap splices in potential plastic hinge regions. This study develops an analytical model to capture the post-yield load–deformation response of lap-spliced RC pier walls subjected to earthquake loading. The parameters of the model were calibrated using experimental results, and linear regression was conducted to propose predictive equations for these parameters. The accuracy of the model was validated by comparing it to the load–deformation responses of specimens not included in the calibration database. Subsequently, the developed model was applied to probabilistic bridge models supported by RC pier walls. A multi-parameter seismic demand model was constructed, taking into account geometric, material, and structural uncertainties, using Lasso regression. This model achieved R² values of 0.73 for in-plane loading and 0.75 for out-of-plane loading. The improvements in performance metrics and the results of the sensitivity analysis emphasize the need to develop a multi-parameter seismic demand model to ensure more reliable seismic demand predictions.

세마글루타이드(Wegovy®), 티르제파타이드(Mounjaro®) 등 GLP-1 수용체 작용제는 최근 비만 및 제2형 당뇨병 치료에서 핵심적인 약제로 자리매김하였으나, 복용자들은 여전히 불규칙한 간식 섭취 등 생활습관 요인으로 인해 식후 혈당 스파이크를 경험한다. 본 논문은 이러한 문제 해결을 위한 문헌 기반의 개념적 식이 교육 모델을 제안 하였다. 문헌고찰 결과, 바나바잎 추출물의 주요 성분인 코로솔 산은 포도당 수송 억제 및 인슐린 감수성 개선 효과가 보 고되었으며, 렌틸콩은 저당지수 식품으로 혈당 상승 완화 및 지속적 포만감 유지에 도움을 주는 것으로 나타났다. 또한 땅콩은 단백질과 불포화지방산이 풍부하여 포만감을 증진시키고, 간식 대체식으로 활용 가능성이 높은 식품으 로 평가되었다. 이러한 과학적 근거를 종합하여, 본 연구에서는 렌틸콩 ·바나바잎·땅콩의 복합 기능을 통합한 기능성표시식품(렌 틸라 땅콩버터)을 활용한 GLP-1 사용자 맞춤형 식이 교 육 모델을 설계하였다. 본 모델은 ① 기능성표시식품을 이 용한 간식 치환 개념, ② 식품표시(라벨 리터러시) 교육 모듈, ③ 향후 검증 가능한 평가 지표 후보군(SMBG, 포 만감, 간식 치환율 등)을 포함하는 구조로 제시된다. 본 논문은 새로운 인체대상 데이터를 수집하지 않는 문 헌 기반 연구로서, 향후 IRB 승인을 거친 파일럿 연구를 통해 모델의 실제 효과를 검증할 필요가 있다. 이러한 접 근은 GLP-1 사용자들의 생활습관 개선과 기능성표시식품 제도의 활용성 제고를 통해 약물치료를 보완하는 새로운 식이 전략의 기초를 제공하며, 공중보건적 관점에서도 의 미 있는 시사점을 가진다.

본 연구는 간호사의 높은 직무 스트레스와 소진에 대응하기 위해, 부정적 경 험을 긍정적 성장의 서사로 전환하는 내러티브 접근법인 'Re-Story 코칭 모델' 을 개발하고 타당화했다. 반복되는 직무 현장의 어려움에서 비롯되는 서사 정체 성의 왜곡 문제에 주목하여, 본 연구는 코칭 연구의 지평을 확장해 간호사의 복 잡한 내면을 다룬다. 초기 모델은 문헌고찰과 SWOT 분석을 통해 도출되었으 며, 12명 전문가의 델파이 조사를 통해 타당성을 확보했다. 연구 결과, '온전함' 회복을 핵심으로 신뢰·조율·진정성에 기반한 '공감의 장' 안에서 개방하기, 전 환하기, 발견하기, 체화하기의 네 가지 핵심 요소가 유기적으로 상호작용하는 다차원적 모델이 확립되었다. 본 모델은 간호사가 자기 이야기의 주체적 저자가 되도록 역량을 부여하는 구체적인 방법론을 제시하며, 소진을 예방하고 회복탄 력성을 높이는 자기 주도적 성장을 촉진하고, 지지적 관계를 통해 더 건강한 간 호 조직 문화를 조성하는 데 기여한다.

본 연구는 코칭 수퍼비전에 대한 이론적 기반 및 연구 부족을 해결하고자 수 행되었다. 이를 위해 문헌 연구와 전문 코치 24명을 대상으로 한 심층 인터뷰(주 관성 연구 기반)를 통해 코칭 수퍼비전 모델의 구성요소를 탐색하고, 도출된 구 성요소 및 하위요인에 대한 내용타당도를 CVR(Content Validity Ratio)을 활용 하여 검증하였다. 연구 결과, 코칭 수퍼비전 모델은 수퍼바이저, 수퍼바이지, 코 칭 수퍼비전 관계, 코칭 수퍼비전 운영체계의 4가지 주요 구성요소와 총 26개의 하위요인으로 구성됨을 확인하였다. 본 연구는 코칭 수퍼비전의 개념 정립 및 체계화에 기여하고, 코칭 수퍼바이저 양성을 위한 구체적인 기준과 교육 지침 마련에 활용될 수 있으며 코칭 수퍼비전 교육 과정 및 프로그램 개발에 기초 자 료를 제공함으로써, 전문 코칭 수퍼바이저 양성에 실질적인 도움을 줄 수 있을 것으로 기대된다. 코칭 현장에서 수퍼비전을 통해 코치의 역량 강화 및 윤리적 인 코칭 실천을 지원함으로써, 궁극적으로 코칭 서비스의 질적 향상에 기여하길 기대한다.

본 연구에서는 TMD 설계 방법에 따른 배관의 지진응답 감소효과를 분석하였다. 구체적으로, 실제 원전 배관에 대한 진동대 시험 결과를 바탕으로 수치 배관 모델을 수립하고 검증하였다. 검증된 배관 모델을 바탕으로 TMD 설치 위치를 결정하고, 여러 가지 방법을 사용하여 TMD 설계값을 도출하였다. 더불어, 본 연구에서는 기존 설계식들을 기하평균한 값을 TMD 설계값으로 활용하였다. 최종적으로, 기존 배관을 기반으로 설계된 TMD가 지진의 무작위성과 지진 및 대상물질의 불확실성 아래에서도 효용성을 검증하였다. 또한, 연구에서 제안한 기하평균 모델을 기반으로 설계된 TMD의 작동성을 확인하였다. 결과적으로, TMD 설계 공식 및 방법에 따른 성능 차이를 비교한 결과, 기하평균 모델의 경우, 기존 설계식들의 특징을 포괄하는 양상이 보였다. 이러한 기하평균 모델은 추후 반복 적인 수치해석을 수행할 때 초기값으로 사용될 수 있을 것으로 보인다. 더불어, 이러한 분석 결과는 향후 원전 배관 계통의 TMD 설계 를 통해 내진 성능을 개선하는 데 유용한 자료로 활용될 것으로 기대된다.

본 연구에서는 Romanoff(1957)의 실측 데이터를 사용하여 머신러닝 기반 상수도관의 부식 깊이를 예측하였다. 이를 실제 상수도관망에 적용하여 누적피해도를 분석하였다. 예측한 부식깊이를 사용하여 누적피해도를 분석하였으며 MCS(Monte Carlo Simulation)를 적용한 누적피해도와 비교 분석하였다. 부식깊이 예측모델에 따른 부식깊이를 분석한 결과 MLP-ReLU 모델이 가장 부식속도가 가장 빠르며 MLP-sigmoid가 가장 부식속도가 느렸다. 천안시 신방동과 성환읍 상수도관망에 MCS를 적용한 누적피해도 분석법과 머신러닝을 적용한 누적피해도를 비교 분석하였다. 신방동에서는 두 분석법 모두 2번 상수도관이 먼저 사용 한계에 도달하였으며 성환읍에서는 4번 상수도관이 가장 먼저 사용 한계에 도달하였다. 사용 한계에 가장 먼저 도달한 상수도관은 다른 상수도관보다 사용 년수가 오래되었거나 수압이 높은 것으로 확인되었다. MCS를 적용한 누적피해도 분석 결과 신방동의 경우 45년 만에 사용 한계를 초과한 반면 성환읍의 경우 47년 만에 사용 한계를 초과했다.

본 연구는 장애인 전문 치과 의료기관인 장애인구강진료센터 확대를 위 한 실천 방안을 제시하는 것을 목적으로 한다. 이를 위해 부산·울산·경남 권역장애인구강진료센터 설치 사례를 로스만(Rothman)의 지역사회복지 실천모델을 중심으로 분석하였다. 로스만이 제시한 12가지 실천 변수를 활용하여 권역별 지역사회복지 실천모델 유형을 분류한 결과, 부산권역은 지역사회개발모델과 사회행동모델이 복합적으로 작용되었고 울산권역은 사회계획모델 중심의 실천이 진행되었음을 확인하였다. 또한 경남권역은 사회계획모델과 지역사회개발모델이 순차적이고 유연하게 적용된 혼합형 사례로 나타나 지역사회의 정치성, 의료 인프라, 정책 수용력 등 다양한 요인을 종합적으로 고려하여 적합한 실천모델과 전략의 활용이 필요한 것 으로 확인되었다. 연구 결과에 따라 세 권역이 유사하게 활용한 실천 전략 과 차별화된 실천 전략을 중심으로 장애인구강진료센터 확대를 위한 실천 전략을 제언하였다. 본 연구는 장애인구강진료센터 설치 사례에 대한 지역 사회복지 실천모델 기반 비교·분석의 시발점을 마련하였다는 점에서 학문 적·실천적 의의가 있다. 본 연구를 계기로 장애인구강진료센터에 대한 사 회복지적 논의가 활발해지길 기대한다.

This study developed a QSAR regression model using the XGBoost machine learning algorithm to predict the acute aquatic toxicity of highly hazardous PCBs. EC50 values for Daphnia magna were obtained from QSAR Toolbox 4.7. Input features consisted of approximately 3,000 molecular descriptors and fingerprints generated from official structure data using RDKit and the Morgan algorithm, excluding mixtures. The dataset was split into training and test sets (7 : 3) based on 500,000 randomized seeds, and the most balanced combination was selected using Kolmogorov-Smirnov and Wilcoxon rank-sum tests. Z-score standardization was applied based on the training set, and the XGBoost model was trained using 5-fold cross-validation with grid search optimization. The final model showed excellent predictive performance (R2 =0.97, RMSE= 0.19). A simplified model using only the top 10 predictive molecular features retained approximately 95% of the original accuracy while improving interpretability and efficiency. The model was applied to 38 PCB compounds lacking EC50 values, and the predicted values showed a statistically similar distribution to the measured group, with only minor differences in a few structural fingerprints. These results demonstrate the applicability of XGBoost-based models for reliable toxicity prediction and offer a promising alternative approach for assessing the environmental risk of untested PCBs.

For estimating ground motion intensity measures on the surface from seismic sensors installed in structures, it is crucial to correct structural response effects embedded in the recorded signals. This study proposes a model for peak ground acceleration (PGA) amplification based on VS30, derived from multi-degree-of-freedom analysis. PGA amplification factor (AFPGA) is defined as the ratio of peak floor acceleration (PFA) of structures to PGA. The model includes three key input parameters: the natural period of the structures (Tn), the ratio of stories to the total number of stories in the structures, and the time-averaged shear wave velocity down to a depth of 30 meters. It is developed using 78 ground motion records from both domestic and international earthquakes. A LOESS smoothing technique is applied using 3 span values, with the optimal span of 0.1 is determined based on RMSE performance and an analysis of local trend characteristics in the dataset. The model is verified using empirical data from the CESMD global strong motion database, which includes classification by Tn into short, intermediate, and long periods. The results show that although the model tends to predict higher AFPGA values than those observed in real structures, it effectively reflects the overall amplification trends. This approach enables the pre-earthquake estimation of structural amplification, allowing for the use of seismic sensors installed in structures as a complementary monitoring network for seismic response.

본 연구는 MTS가 피부개선에 미친 영향에 관한 기존 연구들을 분석하여, 근거 체계를 구축하고, 주요 키워드 간 관계와 역할 및 패턴 등을 구조적으로 분석하고자 텍스트마이닝과 토픽모델링 및 단어네트워크 분석을 실시하였다. 관련 선행연구들은 MTS와 관련된 핵심 키워드와 연관 키워드를 혼합하여 전자도서관에서 검색하였으 며, 결론 부분의 Text를 수집하여 분석에 사용하였다. 분석결과는 다음과 같다. 첫 째, '피부', '효과', '실험', '관리', '개선' 등의 어휘가 주요 개념으로 확인되었다. 둘째, TF-IDF 분석에서 높은 가중치의 키워드들은 MTS의 피부 개선 효과에 관한 과학적 실험 기반 논의를 시사했다. 셋째, LDA 분석 결과, ‘과학적 검증 중심’과 ‘피부 개선 효과 중심’의 토픽2개로 나뉘었다. 넷째, 단어 네트워크에서 '피부'를 중심으로 '주름', '효과', '실험' 등이 강하게 연결되었고, '여성'과 '모공' 노드는 MTS가 여성 안면 부위 에 주로 적용됨을 나타냈다. 본 텍스트마이닝 기법은 유사 의료 미용 시술 분석에도 적용 가능하며, 향후 시계열 분석과 감성 분석을 통해 MTS 효과의 변화와 대상자 반응을 심층 탐색할 필요가 있다.

강풍에 대한 피해가 증가하면서 시설물의 취약도를 예측하여 대응하는 것이 필요하다. 이때, 풍속의 변동성을 고려하여 확률 론적 예측이 필요하여 물리 기반 인공신경망(PINN) 기반의 기초적인 확률론적 예측 모델을 개발하였다. 입력변수를 마르코프체인 몬 테카를로 시뮬레이션을 통해 랜덤 샘플링하여 이를 PINN 모델로 입력하고, 물리식 기반의 손실함수를 통해 신호등을 대상으로 취약 도를 예측하였다. 모델을 통해 예측한 결과 신호등에서 파손이 발생할 수 있는 신호 접합부와 지면 접합부에 대해 확률적으로 취약도 를 산출할 수 있었고, 이를 기반으로 신호 접합부가 더 취약함을 확인할 수 있었다. 기초 모델로 물리식 만을 기반으로 예측하여 얻은 결과로 추후 실측 데이터를 통해 학습과 검증을 거쳐야하나 충분히 강풍에 의한 시설물 취약도를 예측할 수 있으며 이러한 예측에 확 률론적 모델이 유용함을 확인하었다.

In this study, chemicals with acute toxicity experimental data were selected as research subjects, and compareed the model derived from statistical analysis and QSAR open-source programs. The physical and chemical properties, dynamic behaviors, and toxicological estimates of the chemicals were calculated using Mordred, a molecular descriptor calculation program based on RDKit. LD50 was set as the toxicity comparison target for each chemical, and independent variables or factors with similarity to independent variables were estimated from the molecular descriptors calculated through Mordred. Molecule descriptors composed of independent variables were compared to predictions from QSAR open-source models, A regression model was created with the selected molecule descriptors and compared with predictions from QSAR programs, confirming high accuracy for specific functional groups. The QSAR model created in this study considers the characteristics and experimental values of each chemical, and provides evidence for selecting variables when constructing toxicity data for machine learning applications.

Machine learning (ML) techniques have been increasingly applied to the field of structural engineering for the prediction of complex dynamic responses of safety-critical infrastructures such as nuclear power plant (NPP) structures. However, the development of ML-based prediction models requires a large amount of training data, which is computationally expensive to generate using traditional finite element method (FEM) time history analysis, especially for aging NPP structures. To address this issue, this study investigates the effectiveness of synthetic data generated using Conditional Tabular GAN (CTGAN) in training ML models for seismic response prediction of an NPP auxiliary building. To overcome the high computational cost of data generation, synthetic tabular data was generated using CTGAN and its quality was evaluated in terms of distribution similarity (Shape) and feature relationship consistency (Pair Trends) with the original FEM data. Four training datasets with varying proportions of synthetic data were constructed and used to train neural network models. The predictive accuracy of the models was assessed using a separate test set composed only of original FEM data. The results showed that models trained with up to 50% synthetic data maintained high prediction accuracy, comparable to those trained with only original data. These findings indicate that CTGAN-generated data can effectively supplement training datasets and reduce the computational burden in ML model development for seismic response prediction of NPP structures.

This study investigates the gap between statutory calculation standards and actual field conditions in estimating Occupational Safety and Health Management Expenses (OSHME) for large-scale construction projects. The current fixed-rate method, based on construction type and cost, fails to account for on-site factors such as project complexity, duration, and workforce structure, often leading to discrepancies between estimated and actual costs. To address this, data from 21 completed projects over KRW 5 billion were analyzed. Multiple regression analysis was conducted using variables including material and labor costs, project duration, floor area, number of floors, and the number of safety personnel. The results showed a significant statistical difference between calculated and actual OSHME, and the proposed model explained 95.3% of the variance (R2 = 0.953). Variable selection techniques were applied to improve prediction accuracy by addressing multicollinearity. The model offers practical value for early budgeting and supports policy improvements that align safety expenses with real on-site needs, in order to more effectively prevent industrial accidents.