본 연구는 목의 손상 입원환자의 재원일수에 대한 중증도 보정 모형을 개발하고, 중증도 보정 재원일수 변이요인을 파악하여 국가 및 의료기관 차원에서의 재원일수 절감 방안을 제시하고자 하였다. 이를 위해 질병관리본부의 2004~2009년 퇴원손상심층조사 자료를 수집하였으며, 목의 손상 입원환자 14,096명을 추출하여 연구대상자로 하였다. 데이터마이닝 기법에 따라 목의 손상 입원환자의 중증도 보정 재원일수 모형을 개발하였다. 의사결정나무 모형을 이용하여 목의 손상 입원환자의 중증도 보정 재원일수 모형을 개발한 결과 목의 손상 입원환자의 재원일수에 영향을 미치는 요인에는 수술유무, 성, 연령, 입원경로, 손상기전, 척추증 및 추간판 장애 동반 유무, 척추 손상 유무, 두개골 및 얼굴 골절, 기타 골절, 염좌 및 긴장 등이 있었으며, 개발된 목의 손상 입원환자 중증도 보정 재원일수 모형에 따라 의료보장방식별 재원일수 변이요인을 파악한 결과 산재보험 입원환자의 경우 예측 재원일수(17.62일) 보다 실제 재원일수(42.57일)가 높게 나타났으며, 의료급여 입원환자 또한 예측 재원일수(11.84일)보다 실제 재원일수(22.11일)가 높은 것으로 조사되었다. 따라서 목의 손상 입원환자의 재원일수 관리를 위해서는 국가차원에서는 산재보험 입원환자에 대한 심사체계의 정비가 우선시 되어야 하며, 의료급여 입원환자에 대한 과잉 의료이용실태에 대한 정책적 대안마련이 필요하다. 의료기관 차원에서는 객관적이고, 신뢰성 높은 재원일수 관리 지표 산출을 통해 재원일수 관리에 지속적인 노력을 기울여야 한다.;This study aims to identify contributing factors to Severity-Adjusted LOS (Length of Stay) variation of patients damaged to neck in order to suggest ways of reducing the LOS at the national level and the medical institution level. 14,096 inpatients with neck injury were selected as the study population from the 2004-2009 Korean National Hospital Discharge in-depth Injury Survey Data. We developed a Severity-Adjusted LOS Model for neck injuries using data-mining methods. This study discovered that operation Y/N, sex, age, admission route, injury mechanism, comorbidities Y/N (spondylosis & intervertebral disc disorders, Spinal cord injury, Skull & facial fractures, Other fractures, sprains and strains etc.) were factors affecting LOS for patients hospitalized with neck injury. According to the results of the impact of the health-insurance type on severity-adjusted LOS, the real LOS was significantly higher than adjusted LOS for patients with the industrial accident compensation insurance or medical aid program. Therefore, in order to manage LOS of inpatients with neck injury, the government should improve the industrial accident compensation insurance review & assessment service and suggest alternatives on medical aid recipients’ excessive medical utilization. Also, the hospitals should take account of objective and reliable LOS statistics to effectively manage hospital LOS.
This study aims to develop a severity-adjusted length of stay predictive model according to comorbidity index by using machine learning and propose a algorithm of severity-adjusted length of stay (LOS) predictive model. The dataset was taken from Korea Centers for Disease Control and Prevention database of the hospital discharge survey from 2006 to 2015 and the severity-adjusted length of stay predictive model was developed for the nervous system patients to need a urgent management for length of stay. when it comes to the severity-adjusted length of stay predictive model about nervous system discharging patients, three tools were used for the severity-adjustment of comorbidity: the CCI, the ECI, and the CCS. The models using Regression, Decision Tree, Random Forest, Support Vector Regression, Neural Network as a Machine learning analysis methods were developed and then evaluate. As a result, Severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and Neural Network method has the highest R-square and has the most excellent prediction capability. In conclusion, there is a need to develop a severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and make use of severity-adjusted predictive model to has high prediction capability by using various machine-learning analytics.
본 연구는 머신러닝을 이용하여 동반상병 보정 방법에 따른 중증도 보정 재원일수 예측 모형을 개발하고 이를 평가하여 중증도 보정 재원일수 예측 모형 개발의 알고리즘을 제시하기 위해 수행되었다. 본 연구를 위해 2006년부터 2015년까지 10년간의 질병관리본부 퇴원손상심층조사 자료를 수집하였으며, 재원일수 관리가 시급한 신경계통의 질환을 대상으로 중증도 보정 재원일수 예측 모형을 개발하였다. 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발 시 동반상병 보정 방법은 CCI, ECI, CCS 진단군 분류 기준 등 3가지, 머신러닝 분석기법으로는 회귀분석, 의사결정나무, 랜덤 포레스트, 서포트 백터 회귀분석, 신경망 등 5가지를 적용하여 모형을 개발하고 개발된 모형을 평가하였다. 모형 평가 결과 CCS 진단군 분류 기준 동반상병 보정 방법 및 신경망을 이용하여 개발한 중증도 보정 예측 모형의 모형 설명력(R-square)이 가장 높았으며, 모형의 예측력이 가장 우수한 것으로 나타났다. 따라서 중증도 보정 재원일수 예측 모형 개발 시 CCS 진단군 분류 변수를 이용한 동반상병 보정 방법을 이용하여 중증도 보정 예측 모형을 개발하는 것이 필요하며, 머신러닝의 다양한 분석 기법 등을 이용하여 예측력 높은 중증도 보정 예측 모형을 개발하여 재원일수 변이요인 파악 등 재원일수 관리를 위해 활용하는 것이 필요하다.
Cardio-cerebrovascular diseases have the second-highest mortality rate after cancer. Therefore, the 2nd Master Plans for Public Health and Medical Services, published in 2021, announced a policy to designate 70 local centers for cardio-cerebrovascular diseases by 2025 for appropriate management of cardio-cerebrovascular diseases. This study identified medical institutions with the level of capacity necessary to serve as local centers for cardio-cerebrovascular diseases and verified their distribution nationwide. Using the GIS network analysis method, we also determined which of the 70 hospital service areas (HSAs) have difficult access to cardio-cerebrovascular disease centers and examined the effect of access to local cardio-cerebrovascular disease centers on the mortality ratio of cardio-cerebrovascular diseases. Our analysis found that there were 11 HSAs with poor accessibility to cardio-cerebrovascular disease centers. In particular, the cities of Geochang, Yeongwol, Sokcho, Haenam, and Tongyeong were found to have a vulnerability of more than 80% to access to a cardio-cerebrovascular disease center. Measured in terms of the severity-adjusted mortality ratio, the prevalence of cardiovascular disease was high in Yeongwol, Geochang, Chungju, and Icheon, while the prevalence of cerebrovascular disease was high in Chungju, Geochang, Haenam, and Tongyeong. A comparison of the severity-adjusted mortality ratio for cardio-cerebrovascular diseases between underserved and non-underserved areas showed that the average mortality ratio was greater in underserved areas than in non-underserved area(p<0.05). This study confirmed that the appropriate placement of local cardio-cerebrovascular disease centers could contribute to lowering the mortality ratio of cardio-cerebrovascular diseases in HSAs.
심뇌혈관질환은 암 다음으로 사망률이 높은 질환이다. 따라서 2021년 발표된 제2차 공공보건의료 기본계획에서는 심뇌혈관질환의 적절한 관리를 위해 지역심뇌혈관질환센터를 2025년까지 70개소 지정하겠다는 정책을 발표하였다. 본 연구에서는 지역심뇌혈관질환센터로서 기능하기에 적정한 수준의 의료기관을 정의하고, 전국 단위에서 그 분포를 확인하였다. 또한, GIS 네트워크 분석을 통해 70개 중진료권별 심뇌혈관질환센터 접근성 취약지를 도출하였으며, 중증도 보정 사망비와 비교를 통해 지역심뇌혈관질환센터 접근성과 심뇌혈관질환 사망비의 연관성을 파악하였다. 분석 결과 접근성이 취약한 중진료권은 총 11개가 도출되었으며, 특히 거창권, 영월권, 속초권, 해남권, 통영권은 접근성 취약도가 80% 이상으로 매우 취약하였다. 심뇌혈관질환 중증도 보정 사망비의 경우, 심혈관질환은 영월권, 거창권, 충주권, 이천권 순으로 높게 나타났으며, 뇌혈관질환의 경우는 충주권, 거창권, 해남권, 통영권 순으로 높게 나타났다. 접근성 취약지와 비취약지 간 심뇌혈관질환 사망비의 연관성을 분석한 결과, 취약지의 경우 비취약지 보다 사망비의 평균이 높은 것으로 나타났다(p<0.05). 본 연구를 통해 지역심뇌혈관질환센터의 적정 배치가 중진료권의 심뇌혈관질환 사망비를 낮추는 데 기여할 수 있음을 확인할 수 있었다.
이 연구는 의료급여 수급여부에 따른 만성질환자의 예방가능한 입원 및 질병으로 인한 응급실 이용의 차이를 분석하는데 목적이 있다. 이를 위해 2009년부터 2011년 까지의 한국의료패널 자료를 사용하여 최소 1개 이상의 만성질환을 가진 20세 이상 성인 8,870명을 대상으로 실증분석을 실시한 결과, 인구학적 요인, 건강 중증도 및 건강위험행동 요인, 사회경제적 요인을 보정하고도 의료급여 환자의 예방가능한 입원 확률과 응급실 방문 확률은 건강보험 환자에 비해 높게 나타났다. 이 결과는 추가로 외래이용 횟수를 보정한 후에도 유효하였다. 이는 의료급여 수급여부에 따른 차이가 예방가능한 입원과 질병으로 인한 응급실 이용의 차이와 밀접한 관련이 있음을 시사한다. 일반적으로 예방가능한 입원과 예방가능한 응급실 이용은 적절한 시기와 양질의 일차의료 및 예방의료 서비스를 통해 최소화할 수 있다고 알려진 바, 입원 및 응급실 이용에 비해 상대적으로 저비용인 일차의료 서비스를 통해 의료급여 환자의 건강관리가 가능해지면 의료급여 재원의 지속가능성을 유지하는데 도움이 될 것이다. 동시에, 수급권자의 건강권을 보장하고 질병으로 인한 빈곤화를 예방하고자 하는 의료급여 정책의 목표를 달성하는 효과적인 방법이 될 것이라 생각한다.