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.
The purpose of this study is to analyze the policy of Scotland’s National Dementia Strategy. It aims to provide policy direction and implications for Korea’s dementia national responsibility system. For this purpose, this study examined Scotland’s National Dementia Strategy according to the medical model, social model, and person-centered care model, which are distinct viewpoints of dementia. As a result, the core of Scotland’s National Dementia Strategy is person-centered approach from the diagnosis dementia to end of life. The person-centered care model is found to be an essential component in the implementation of the strategy. The reason why the strategy has been developed in Scotland is base on the philosophical discussion, the institutional legacy of welfare state, and the civic society and people with dementia who are participated in the making of the strategy. The policy implications of Korea are as follows. Firstly, philosophical consideration of dementia policy is needed. Secondly, institutional legacy of universal welfare should be created. The last but not least, substantial governance should be established so that the parties can become the subject of the policy.
본 연구는 영국 스코틀랜드의 국가치매전략 정책을 분석하고 이를 기반으로 한국의 치매국가책임제에 대한 정책적 방향성과 시사점을 돌출하는데 목적을 두고 있다. 이를 위해 치매에 대한 관점인 의료적 모델, 사회적 모델, 인간중심케어 모델을 분석틀로 사용하여 스코틀랜드의 국가치매전략를 분석하고 이를 평가하였다. 그 결과 스코틀랜드의 국가치매전략에 핵심은 치매경로에 따른 개별화된 맞춤형 지원으로 진단직후 개입을 위한 사후치매진단지원과 생애말기케어를 강화하고 있다. 일련의 모든 과정에 인간중심케어가 중심이 되고 있다. 인간중심케어 모델이 실제로 구현될 수 있었던 것은 첫째, 정책의 철학적 논의가 활성화 되어 있고, 둘째, 복지국가라는 제도적 유산이 존재하며, 셋째, 당사자가 정책의 주체였기 때문이다. 즉, 치매정책의 형성과 이행, 모니터링에 치매인 당사자와 시민단체가 정부와 협업을 하고 있기 때문에 가능했다. 한국의 정책적 시사점은 다음과 같다. 첫째, 치매정책의 철학적 고찰이 필요하다. 둘째, 보편적 복지의 확대와 함께 인간중심케어 모델을 구축해 가야한다. 셋째, 당사자가 정책의 주체가 될 수 있도록 실질적 거버넌스를 구축해야 한다.