Read more about the article 의료데이터 분석_테스트
주어진 데이터는 "피봇 테이블 1" 시트에 있는 것으로 보이며, 표와 같은 형식으로 된 정보 중 일부분만 표시되어 있습니다. "경북"이라는 항목을 시작으로 여러 숫자 데이터가 나열되어 있는데, 각 숫자는 특정 의료 인프라의 수치를 나타내는 것으로 추정됩니다. 이를 바탕으로 의료 인프라와 관련된 분석을 수행할 수 있습니다. 1. **경북(경상북도) 의료 인프라 요약**: - 첫 번째 열은 경북(경상북도)을 나타내며, 이는 분석 범위가 해당 지역임을 나타냅니다. - "49", "22", "2", "214", "299" 등의 숫자는 각각 경북의 특정 의료 인프라 요소들 (예: 병원 수, 병상 수, 인구 대비 의료 시설 비율 등)일 가능성이 있습니다. 이들 수치가 어떤 특정 항목을 의미하는지는 추가적인 열거나 별도의 레이블 정보가 필요합니다. - '104', '1336', '27', '1', '21', '11' 등의 숫자들 또한 다른 의료 자원이나 인력 수치를 나타낼 가능성이 있습니다. 2. **의료 자원 및 인프라 수준 해석**: - 총 병상 수와 같은 수치가 높다면, 지역의 의료 서비스 제공 능력이 큼을 의미할 수 있으며, 예를 들어 '3423'과 같은 수치는 인프라의 총량이나 특정 큰 항목의 총합을 나타낼 수 있습니다. - '104' 또는 '697'과 같은 수치는 지역 내 특정 의료 서비스 또는 자원의 특정 부분 (예: 응급실, 특정 전공 의료진 수 등)과 관련될 수 있습니다. 3. **인구 대비 의료 인프라**: - 인프라 수치만으로는 의료 서비스의 적정 수준을 파악하기 어렵기 때문에 인구 규모나 지역적 필요성과 비교하여 분석할 필요가 있습니다. - 예를 들어 '214'와 같은 수치가 다른 지역과 유사하다면, 이를 통해 경북의 상대적 의료 자원 부족 또는 과잉 여부를 가늠할 수 있습니다. 4. **추가 정보의 필요성**: - 각 데이터 포인트의 정확한 맥락을 이해하기 위해서는 더 많은 정보나 설명이 필요합니다 (예: 번호가 의미하는 바, 각 열의 제목 등). - 추가로, 경북 이외의 다른 지역과의 비교 데이터를 통해 상대적인 평가를 내리는 것이 중요합니다. 위 분석은 제한된 데이터와 추가 정보의 부재 속에서 이루어진 가설적 해석입니다. 더 정확한 인사이트를 도출하기 위해서는 데이터 전체와 각 변수들이 의미하는 바를 추가로 확인해야 합니다.

의료데이터 분석_테스트

{"0":"경북","1":"","2":"49","3":"22","4":"2","5":"214","6":"299","7":"","8":"104","9":"1336","10":"27","11":"1","12":"21","13":"11","14":"697","15":"12","16":"628","17":"3423","__ROW_NUMBER__":7,"__SPREADSHEET_ID__":"1EMge0nqirIQsst4ucboKHw7j4WWKB4Z3roxbSrBrJwM","__SHEET__":"피봇 테이블 1","__IMTLENGTH__":20,"__IMTINDEX__":6} ----------------------------- 주어진 데이터는 "피봇 테이블 1" 시트에 있는 것으로 보이며, 표와 같은 형식으로 된 정보 중 일부분만 표시되어 있습니다. "경북"이라는 항목을 시작으로 여러 숫자 데이터가 나열되어 있는데,…

Continue Reading의료데이터 분석_테스트
Read more about the article 의료데이터 분석_테스트
주어진 데이터는 기본적으로 특정 광역시도(예: 경남)의 의료 인프라에 관한 숫자로만 구성되어 있습니다. 정확한 분석을 제공하기 위해서는 데이터의 각 열 또는 필드에 대한 명확한 설명이 필요합니다. 여기서는 데이터의 포맷과 의미가 명확하지 않아 일반적인 분석을 제공하기는 어렵습니다. 그럼에도 불구하고 몇 가지 유추할 수 있는 사항을 제시하겠습니다. 1. **기본 구조 해석**: - 데이터는 여러 개의 필드로 구성되어 있으며, 필드 이름이 명시되어 있지 않습니다. - 첫 번째 필드(경남)는 아마도 지역을 나타내며, 이는 다른 데이터에 ‘광역시도’를 나타내는 열이 있을 것임을 시사합니다. - 나머지 숫자들은 의료 관련 인프라를 나타낼 수 있는 지표일 가능성이 있으며, 이들의 세부 의미는 특정 지침이나 문서 없이 해석하기 어려운 상태입니다. 2. **숫자 데이터 분석**: - 데이터는 숫자들로만 구성되어 있으며, 각 숫자의 범주, 측정 단위, 의미 등이 명확하지 않습니다. - 예를 들어, "133", "21", "220" 등의 숫자는 각각 병원 수, 진료 수, 병상 수 등 다양한 의료 인프라 요소를 나타낼 수 있습니다. 3. **추가 정보 필요**: - 각 열이 나타내는 의료 인프라의 구체적인 내용 설명(예: 병원 수, 병상 수 등). - 전체 데이터 세트에서 가능한 다른 지역과의 비교 분석. 4. **가설적 분석**: - 만약 각 수치가 의료 자원의 수를 나타낸다고 가정할 경우, 특정 수치가 다른 지역과 비교해 상대적으로 높은지 낮은지 분석할 수 있습니다. - 인구 대비 의료 인프라의 적절성을 평가하기 위해 해당 지역의 인구 규모와의 비교도 필요합니다. 5. **정리 및 주장 제시**: - 정확한 해석을 위해 각 데이터 필드의 의미 명확화가 필수적입니다. - 지역 간 인프라의 균형 배분 조사, 의료 자원의 부족 또는 과잉 문제 등을 논의하기 위해 추가 데이터를 확보하게 됩니다. 위와 같은 분석은 가설적인 것이며, 제대로 된 해석을 위해서는 추가적인 메타데이터와 정의가 필요합니다. 데이터의 의미와 배경에 대한 더 명확한 정의를 제공하면 보다 정확한 분석이 가능합니다.

의료데이터 분석_테스트

{"0":"경남","1":"","2":"133","3":"21","4":"1","5":"172","6":"220","7":"3","8":"113","9":"1749","10":"30","11":"1","12":"21","13":"22","14":"963","15":"27","16":"792","17":"4268","__ROW_NUMBER__":6,"__SPREADSHEET_ID__":"1EMge0nqirIQsst4ucboKHw7j4WWKB4Z3roxbSrBrJwM","__SHEET__":"피봇 테이블 1","__IMTLENGTH__":20,"__IMTINDEX__":5} ----------------------------- 주어진 데이터는 기본적으로 특정 광역시도(예: 경남)의 의료 인프라에 관한 숫자로만 구성되어 있습니다. 정확한 분석을 제공하기 위해서는 데이터의 각 열 또는 필드에 대한 명확한 설명이 필요합니다. 여기서는…

Continue Reading의료데이터 분석_테스트
Read more about the article 의료데이터 분석_테스트
주어진 데이터는 '피봇 테이블 1'이라는 시트에서 나온 것으로 보입니다. 그러나 데이터의 광역시도 정보가 명확하지 않기 때문에 해석하기에는 제한적입니다. 데이터를 분석하기 위해서는 각 항목의 의미와 광역시도 정보가 필요합니다. 실제 분석을 위해 데이터를 더 이해할 수 있는 정보가 필요하지만, 주어진 데이터를 기초로 할 수 있는 몇 가지 일반적인 분석 접근 방식을 제안합니다: 1. **데이터 구조 이해**: 제공된 데이터는 여러 숫자로 이루어져 있으며, 데이터 열은 경기, 301, 50 등 불규칙한 형태로 구성되어 있습니다. 광역시도를 나타내는 것처럼 보이지만, 모든 데이터가 이런 식별자를 명확하게 제공하지 않습니다. 2. **의미 있는 비교**: - 만약 각 숫자가 특정 의료 인프라 지표(예: 병원 수, 의료진 수, 병상 수 등)를 나타낸다면, 이들을 각 광역시도별로 비교할 수 있습니다. - 이러한 지표 대 광역시도의 관계를 통해 의료 인프라의 상대적 풍족 혹은 부족 상태를 파악하는 분석을 시도할 수 있습니다. 3. **데이터의 비율 분석**: - 주어진 데이터의 합이나 평균, 중앙값 등을 계산하여 영역별로 의료 자원의 상대적 차이를 파악할 수 있습니다. - 각 데이터가 무엇을 나타내는지 확실하다면 지역 간 인프라 밀도를 인구 수 기반으로 조정하여 비교 분석할 수 있습니다. 4. **시각화 및 통계적 해석**: - 데이터를 그래프로 시각화하여 빠르게 지역 간 차이를 이해할 수 있습니다. 차트를 사용하여 각 카테고리의 크기 및 비율을 비교하는 것이 유용할 수 있습니다. - 통계적 비교 방법으로 차이의 유의미성을 테스트할 수도 있습니다(전제 조건이 명확해야 함). 이러한 일반적인 접근 방식은 주어진 데이터 내에 포함된 정보가 무엇인지 더 명확하게 정의된 경우에 실행 가능한 옵션입니다. 보다 구체적인 분석을 위해서는 데이터의 각 열과 값이 무엇을 나타내는지에 대한 추가 정보가 필요합니다.

의료데이터 분석_테스트

{"0":"경기","1":"","2":"301","3":"50","4":"1","5":"102","6":"156","7":"6","8":"273","9":"8623","10":"51","11":"5","12":"69","13":"49","14":"4849","15":"156","16":"3405","17":"18096","__ROW_NUMBER__":5,"__SPREADSHEET_ID__":"1EMge0nqirIQsst4ucboKHw7j4WWKB4Z3roxbSrBrJwM","__SHEET__":"피봇 테이블 1","__IMTLENGTH__":20,"__IMTINDEX__":4} ----------------------------- 주어진 데이터는 '피봇 테이블 1'이라는 시트에서 나온 것으로 보입니다. 그러나 데이터의 광역시도 정보가 명확하지 않기 때문에 해석하기에는 제한적입니다. 데이터를 분석하기 위해서는 각 항목의 의미와 광역시도 정보가…

Continue Reading의료데이터 분석_테스트
Read more about the article 의료데이터 분석_테스트
주어진 데이터는 광역시도별로 의료 인프라(병원, 의료 시설 등)에 관련된 정보를 가진 것으로 추측됩니다. 이를 바탕으로 유의미한 분석을 해보겠습니다. 하지만 데이터 세부 항목에 대한 명확한 설명이 부족하여 일반적인 분석을 진행하겠습니다. ### 데이터 요약 - **데이터 항목**: 강원, 35, 16, 2, 96, 129, 2, 30, 825, 9, 14, 4, 446, 6, 378, 1992 - 일부 항목은 비어있음 ("") 또는 명확히 정의되지 않은 상태 ### 분석 및 해석 1. **지역 정보**: - 데이터의 첫 번째 항목인 "강원"은 분석 대상인 광역시도임이 명확합니다. 이는 다른 행에서도 광역시도 명칭일 가능성이 큽니다. 2. **의료 인프라 관련 주요 수치**: - 여기에 구체적인 값들이 나와 있지만, 무엇을 의미하는지 명확하지 않습니다. - 예시로 해석하자면, 병원 수, 병상 수, 의료 장비 수, 의료 인력 수 등이 될 수 있습니다. 3. **비교 및 대조**: - 주어진 데이터는 강원도에 관련되었을 가능성이 높습니다. 이를 통해 다른 지역과의 비교를 염두에 둘 때 강원도의 상대적 의료 인프라 수준을 판단할 수 있으나, 현재는 단일 지역에 대한 정보만 주어졌으므로 타 지역과 비교는 불가능합니다. 4. **데이터 완전성 및 품질**: - 일부 항목이 비어있다는 점에서 데이터가 불완전할 수 있으며, 명확한 항목명 부재로 해석에 제약이 있습니다. ### 결론 및 제언 - 이 데이터만으로는 강원 지역의 구체적인 의료 인프라 수준을 분석하기 어려우며, 추가적인 설명(예: 컬럼명 및 각 수치의 의미)이 필요합니다. - 개선을 위해서는 각 수치의 명확한 정의가 필요하며, 다른 광역시도와 데이터를 비교할 수 있는 추가 자료가 있다면 이를 통해 더욱 유의미한 결론을 도출할 수 있습니다. 추가적인 데이터 설명이나 다른 지역에 대한 유사한 데이터를 제공한다면 더욱 심도 있는 분석이 가능합니다.

의료데이터 분석_테스트

{"0":"강원","1":"","2":"35","3":"16","4":"2","5":"96","6":"129","7":"2","8":"30","9":"825","10":"9","11":"","12":"14","13":"4","14":"446","15":"6","16":"378","17":"1992","__ROW_NUMBER__":4,"__SPREADSHEET_ID__":"1EMge0nqirIQsst4ucboKHw7j4WWKB4Z3roxbSrBrJwM","__SHEET__":"피봇 테이블 1","__IMTLENGTH__":20,"__IMTINDEX__":3} ----------------------------- 주어진 데이터는 광역시도별로 의료 인프라(병원, 의료 시설 등)에 관련된 정보를 가진 것으로 추측됩니다. 이를 바탕으로 유의미한 분석을 해보겠습니다. 하지만 데이터 세부 항목에 대한 명확한 설명이 부족하여…

Continue Reading의료데이터 분석_테스트
Read more about the article 의료데이터 분석_테스트
주어진 데이터는 현재 구조적으로 빈 칸이 많고, "0"이라는 값이 두 번 나타나는 등 의미를 이해하기 어렵습니다. 데이터의 자세한 내용이나 열(header)에 대한 정보가 부족하여 정확한 분석이 어렵습니다. 그러나, 데이터를 바탕으로 광역시도별 의료 인프라에 대해 분석하고자 하는 경우 일반적으로 다음과 같은 단계가 필요합니다: 1. **데이터의 이해**: 우선 데이터의 각 열이 무엇을 의미하는지, 데이터의 출처는 어디인지, 그리고 값이 어떻게 매핑되는지 이해해야 합니다. 예를 들면, 열이 각 광역시도와 관련이 있는지, 의료 시설 수나 인구 수를 나타내는지 등을 알아야 합니다. 2. **데이터 정리 및 전처리**: 빈 값이나 의미 없는 값("0" 등)이 많다면, 이를 정리하여 분석 가능한 형태로 바꾸어야 합니다. 이는 데이터 클렌징 및 전처리 작업이 포함됩니다. 예를 들어 결측값을 어떻게 처리할 것인지 결정해야 합니다. 3. **데이터 분석**: - **의료 시설의 수**: 이 데이터가 각 광역시도별로 의료 인프라의 수를 포함하고 있다면, 각 지역별로 병원, 클리닉, 약국 등 의료 시설의 수를 비교할 수 있습니다. - **인구 대비 의료 인프라 분석**: 의료 인프라 현황을 분석하려면 인구 수 데이터가 함께 필요합니다. 인구 대비 병원 수나 의료 인력 수 등을 통해 각 지역의 의료 서비스의 질을 평가할 수 있습니다. - **시간에 따른 변화**: 데이터가 시계열 형태로 되어있다면 의료 인프라가 시간이 지나면서 어떻게 변화했는지 분석할 수 있습니다. 4. **결론 도출 및 시각화**: 분석 결과를 바탕으로 각 광역시도별로 의료 인프라의 강점과 약점을 시각적으로 표현(그래프, 차트 등을 활용)하고, 정책 제언이나 개선 방안을 논의할 수 있습니다. 추가적인 데이터나 열(header)의 설명, 각 행이 의미하는 바에 대한 정보가 주어진다면 더욱 구체적이고 유용한 분석이 가능할 것입니다. 이를 바탕으로 점검할 사항들 중 어디에 초점을 맞추어야 할지 결정할 수 있을 것 같습니다.

의료데이터 분석_테스트

{"0":"","1":"0","2":"","3":"","4":"","5":"","6":"","7":"","8":"","9":"","10":"","11":"","12":"","13":"","14":"","15":"","16":"","17":"0","__ROW_NUMBER__":3,"__SPREADSHEET_ID__":"1EMge0nqirIQsst4ucboKHw7j4WWKB4Z3roxbSrBrJwM","__SHEET__":"피봇 테이블 1","__IMTLENGTH__":20,"__IMTINDEX__":2} ----------------------------- 주어진 데이터는 현재 구조적으로 빈 칸이 많고, "0"이라는 값이 두 번 나타나는 등 의미를 이해하기 어렵습니다. 데이터의 자세한 내용이나 열(header)에 대한 정보가 부족하여 정확한 분석이 어렵습니다.…

Continue Reading의료데이터 분석_테스트
Read more about the article 의료데이터 분석_테스트
주어진 데이터는 광역시도별로 다양한 종류의 의료 기관 수를 보여주는 것으로 보입니다. 데이터를 분석하여 광역시도별 의료 인프라를 정리해 보겠습니다. 이 데이터는 의료 기관을 여러 범주로 나누고, 각각의 범주에 몇 개의 기관이 있는지를 보여줍니다. 1. **병원 및 종합병원**: - `병원` 카테고리는 일반 병원들을 포함하며, `종합병원` 카테고리는 보다 큰 규모의 병원을 나타냅니다. - 각 시도에서 이러한 병원의 수는 의료 서비스를 제공하는 기본적인 인프라의 일부입니다. 2. **보건소 및 보건의료원**: - `보건소`, `보건의료원`, `보건지소`, `보건진료소`는 주로 공공 보건 서비스를 제공하며, 특히 농어촌 지역이나 도서 지역에서 중요한 역할을 합니다. - 각각의 지역에서 이러한 시설의 수는 공공의료 서비스 접근성을 보여줍니다. 3. **전문 및 특정 분야 병원**: - `상급종합`, `정신병원`, `한방병원` 등은 특수한 의료 서비스를 제공하는 기관으로, 전문적인 치료가 필요한 환자들에게 중요합니다. 4. **의원 및 지역 클리닉**: - `의원` 및 `치과의원`, `한의원` 등은 보다 소규모의 일차 진료를 제공하는 기관입니다. - 이들 기관의 수는 각 지역 주민들이 쉽게 접근할 수 있는 의료 서비스의 풍부함을 측정하는 데 도움이 됩니다. 5. **요양병원 및 조산원**: - `요양병원`은 주로 회복 중이거나 장기 치료가 필요한 환자들을 위한 시설입니다. - `조산원`은 산부인과 및 출산 관련 서비스를 제공하며, 그 수는 출산 인프라의 일부를 구성합니다. 6. **총계**: - `총계`는 모든 의료 기관을 합한 것으로, 각 광역시도의 전체 의료 인프라의 크기를 나타냅니다. 이 데이터를 통해, 각 광역시도별로 특정 의료 기관이 얼마나 집중되어 있는지 분석할 수 있으며, 이를 통해 지역별 의료 접근성과 서비스의 다양성을 평가할 수 있습니다. 예를 들어, 보건소와 보건지소가 많은 지역은 공공 의료 서비스 접근성이 높다고 평가할 수 있으며, 상급종합병원과 종합병원이 많은 지역은 고급 의료 서비스 접근성이 높다고 할 수 있습니다. 보다 구체적인 분석을 위해서는 각 광역시도별로 구체적인 숫자가 필요합니다. 이 데이터는 의료 인프라가 지역별로 어떻게 차이가 나는지를 분석하는 데 유용하며, 이를 통해 지역 간 의료 서비스의 불균형을 파악하고 개선할 수 있는 방법을 모색할 수 있습니다.

의료데이터 분석_테스트

{"0":"시도코드","1":"","2":"병원","3":"보건소","4":"보건의료원","5":"보건지소","6":"보건진료소","7":"상급종합","8":"요양병원","9":"의원","10":"정신병원","11":"조산원","12":"종합병원","13":"치과병원","14":"치과의원","15":"한방병원","16":"한의원","17":"총계","__ROW_NUMBER__":2,"__SPREADSHEET_ID__":"1EMge0nqirIQsst4ucboKHw7j4WWKB4Z3roxbSrBrJwM","__SHEET__":"피봇 테이블 1","__IMTLENGTH__":20,"__IMTINDEX__":1} ----------------------------- 주어진 데이터는 광역시도별로 다양한 종류의 의료 기관 수를 보여주는 것으로 보입니다. 데이터를 분석하여 광역시도별 의료 인프라를 정리해 보겠습니다. 이 데이터는 의료 기관을 여러 범주로 나누고, 각각의…

Continue Reading의료데이터 분석_테스트
Read more about the article 의료데이터 분석_테스트
이 JSON 데이터는 정부 공공 데이터 API를 통해 제공되는 다양한 의료 관련 정보를 나타내며, 3개의 서로 다른 카테고리의 정보를 포함하고 있습니다. 각각의 JSON 데이터는 특정한 정보를 담고 있으며, 아래와 같이 분석할 수 있습니다. ### 첫 번째 JSON 이 데이터는 특정 지역(서울 강남구)에 대한 약물(Magnesium compounds)의 사용 통계와 관련이 있습니다. 주요 정보로는: - `atcStep4Cd`와 `atcStep4CdNm`은 약물의 구분 코드 및 이름을 나타냅니다(여기서는 Magnesium compounds). - `diagYm`은 데이터를 수집한 연월(2020년 1월)을 나타냅니다. - `insupTpCd`는 보험 유형(여기서는 '4'와 '5')을 나타냅니다. - `msupUseAmt`는 약물 사용 금액을 나타냅니다. - `recuClCd`는 의료 서비스 유형을 나타냅니다. 예: '01'은 외래 진료, '21'은 입원 등으로 보입니다. - `sgguCd`, `sgguCdNm`, `sidoCdNm`은 각각 시군구 코드와 이름, 시도 이름입니다 (모두 서울 강남구). - `totUseQty`는 총 사용 수량을 나타냅니다. ### 두 번째 JSON 이 데이터는 서울특별시 중랑구에 위치한 '서울특별시서울의료원' 병원에 대한 상세 정보를 제공합니다. 주요 정보는: - `addr`는 병원의 주소를 나타냅니다. - `clCd`와 `clCdNm`은 병원의 종류를 나타냅니다(여기서는 종합병원). - `cmdcGdrCnt`, `cmdcIntnCnt` 등은 특정 직위나 역할을 가진 의료진의 수를 나타냅니다. - `drTotCnt`는 총 의사 수입니다. - `estbDd`는 병원 설립일(2011년 3월 9일)입니다. - `hospUrl`은 병원의 웹사이트 URL입니다. - `postNo`는 우편번호입니다. - `sgguCd`, `sgguCdNm`, `sidoCd`, `sidoCdNm`은 병원이 위치한 지역 정보를 나타냅니다 (서울 중랑구). - `telno`는 병원 전화번호입니다. - `XPos`, `YPos`는 병원의 지리적 위치를 나타내는 좌표입니다. - `yadmNm`은 병원의 이름을 나타냅니다. ### 세 번째 JSON 이 데이터는 특정 질병(콜레라)에 대한 환자 통계 데이터를 압축적으로 표현하고 있습니다. 각 항목은: - `inpatOpat`는 병원의 치료 유형을 나타냅니다(입원 또는 외래). - `ptntCnt`는 환자 수를 나타냅니다. - `rvdInsupBrdnAmt`는 수취 보험 부담 금액입니다. - `rvdRpeTamtAmt`는 수취 보장 총 금액입니다. - `sex`는 환자의 성별을 나타냅니다. - `sickCd`와 `sickNm`은 질병 코드와 명을 나타냅니다(여기서는' A00', 콜레라). - `specCnt`는 검사 횟수를 나타냅니다. - `vstDdcnt`는 내원 횟수를 나타냅니다. 이 정보는 주로 공공 보건 정책 수립이나 지역 의료 서비스 분석에 사용될 수 있는 데이터입니다.

의료데이터 분석_테스트

{"response":{"header":{"resultCode":"00","resultMsg":"NORMAL SERVICE."},"body":{"items":{"item":[{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":4,"msupUseAmt":1820688,"recuClCd":"01","sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":11050},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":4,"msupUseAmt":28872,"recuClCd":11,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":1604},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":4,"msupUseAmt":507366,"recuClCd":21,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":27581},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":4,"msupUseAmt":324201,"recuClCd":28,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":16893},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":4,"msupUseAmt":207255,"recuClCd":31,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":11467},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":4,"msupUseAmt":4470311,"recuClCd":81,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":198526},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":4,"msupUseAmt":4482,"recuClCd":92,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":249},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":5,"msupUseAmt":133794,"recuClCd":"01","sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":699},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":5,"msupUseAmt":17764,"recuClCd":21,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":988},{"atcStep4Cd":"A02AA","atcStep4CdNm":"Magnesium compounds","diagYm":202001,"insupTpCd":5,"msupUseAmt":17928,"recuClCd":28,"sgguCd":110001,"sgguCdNm":"강남구","sidoCdNm":"서울","totUseQty":903}]},"numOfRows":10,"pageNo":1,"totalCount":13}}} ----------------------------- {"response":{"header":{"resultCode":"00","resultMsg":"NORMAL SERVICE."},"body":{"items":{"item":{"addr":"서울특별시 중랑구 신내로 156, (신내동)","clCd":11,"clCdNm":"종합병원","cmdcGdrCnt":1,"cmdcIntnCnt":0,"cmdcResdntCnt":0,"cmdcSdrCnt":0,"detyGdrCnt":0,"detyIntnCnt":0,"detyResdntCnt":0,"detySdrCnt":3,"distance":"63.453113646832571631363455704348689906","drTotCnt":221,"emdongNm":"신내동","estbDd":20110309,"hospUrl":"http://www.seoulmc.or.kr","mdeptGdrCnt":1,"mdeptIntnCnt":13,"mdeptResdntCnt":54,"mdeptSdrCnt":149,"pnursCnt":0,"postNo":"02053","sgguCd":110019,"sgguCdNm":"중랑구","sidoCd":110000,"sidoCdNm":"서울","telno":"02-2276-7000","XPos":127.0978309,"YPos":37.6132762,"yadmNm":"서울특별시서울의료원","ykiho":"JDQ4MTg4MSM1MSMkMSMkMCMkODkkMzgxMzUxIzExIyQyIyQ3IyQwMCQyNjEyMjIjNjEjJDEjJDgjJDgz"}},"numOfRows":10,"pageNo":1,"totalCount":1}}} ----------------------------- {"response":{"header":{"resultCode":"00","resultMsg":"NORMAL SERVICE."},"body":{"items":{"item":[{"inpatOpat":"입원","ptntCnt":2,"rvdInsupBrdnAmt":2025,"rvdRpeTamtAmt":2822,"sex":"남","sickCd":"A00","sickNm":"콜레라","specCnt":2,"vstDdcnt":9},{"inpatOpat":"외래","ptntCnt":34,"rvdInsupBrdnAmt":1227,"rvdRpeTamtAmt":1738,"sex":"남","sickCd":"A00","sickNm":"콜레라","specCnt":44,"vstDdcnt":44},{"inpatOpat":"입원","ptntCnt":3,"rvdInsupBrdnAmt":11997,"rvdRpeTamtAmt":14740,"sex":"여","sickCd":"A00","sickNm":"콜레라","specCnt":4,"vstDdcnt":34},{"inpatOpat":"외래","ptntCnt":31,"rvdInsupBrdnAmt":793,"rvdRpeTamtAmt":1324,"sex":"여","sickCd":"A00","sickNm":"콜레라","specCnt":32,"vstDdcnt":32}]},"numOfRows":10,"pageNo":1,"totalCount":4}}} ----------------------------- 이 JSON 데이터는 정부 공공 데이터 API를…

Continue Reading의료데이터 분석_테스트