목적 : 본 연구에서는 문헌 고찰을 통해 가족 간병인을 대상으로 역량강화 프로그램의 특성에 대하여 분석 하였다. 연구방법 : Pubmed, Excerpta Medica Database(Embase)를 사용하여 2013년 1월부터 2023년 5월까지 출판된 논문을 검색하였다. 주요 검색어는 “empowerment program”, “caregiver”, “caregivers”, “family caregiver”를 사용하였고 총 420편 검색 중 최종 5편의 국외 논문을 선정했다. Hierarchy of levels of evidence for evidence-based practice, PEDro Scale을 통해 연구의 질을 평가하였다. 연구의 분석 내용을 제시하기 위해 Patient, Intervention, Comparison, Outcome(PICO)를 사용하였다. 결과 : 선정된 논문의 대상자는 치매, 경도인지장애, 뇌졸중, 다발성 경화증 환자의 간병인이었다. 중재 기간 4일에서 12주 동안 가족 간병인에게 교육, 상담, 토론 등을 진행하였고 우울, 삶의 질, 간병 부담, 간병 태 도, 자기효능감 등의 영역에서 효과적임을 확인하였다. 결론 : 본 연구에서는 성인, 노인 만성 질환자의 가족 간병인을 대상으로 한 역량강화 프로그램 중재가 효과 적임을 확인하였다. 이는 가족 간병인에 대한 중재 프로그램 임상 활용 및 추후 연구를 위한 정보 제공 및 근거를 마련하였다.

PURPOSES: In this study, algorithms were proposed for determining the crack condition of an asphalt pavement image using deep learning methods. METHODS: For the configuration of a deep learning network, the study used a Convolution Neural Network and You Only Look Once algorithms. To obtain input data for analysis, a camera was mounted on the bonnet of the vehicle to obtain images of asphalt pavement and to mark the ground-truth cracks in the asphalt pavement image. In addition, an algorithm suitable for the automatic determination function of Deep Learning was proposed in order to calculate the crack ratio and crack rating. RESULTS: The result of analysis showed that the recall rate of cracks in this system was higher from FPPW 5.0E-06 to 96.03%. Furthermore, the accuracy of the grading system was found to be 100%, enabling the determination of very accurate ratings. The rate of processing per image was 0.4448 seconds on average, and the real-time analysis of pavement images presented no problem because the assessment took place within a short time. CONCLUSIONS : Applying this system to the pavement management system is expected to reduce the time required in finishing work and to determine a quantitative crack rating.