선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 해마다 상해상병관련 진료건의 증가, 담당인력수의 감소, 업무유형의 복잡성과 다양성 등으로 인하여 현재 상해상병 조사 대상자 발췌기준보다 고도화된 발췌기준을 개발하여 업무의 효율화를 도모하기 위한 방안이 절실히 요구되는 상황이다. 이에 본 연구에서는 건강보험 상해요인조사 업무의 효율화 방안을 도출하고자 상해상병조사 대상자 선정기준을 마련하기 위한 관리모형을 개발하였다. 모형개발 방법론은 조사대상건의 효율성과 조사환수 결정금액의 효과성을 고려하여, 데이터마이닝 기법 중 의사결정나무분석 알고리즘을 적용시킨 조사대상 예측모형과 업무규칙을 혼합한 하이브리드 모형 형태로 개발하였다.
- 이에 본 연구에서도 상해상병 유형에 대해 일정금액 이상의 발췌 등과 같은 과거의 발췌기준에서 통계적 모형을 활용한 고도화된 형태로의 조사대상자 선정기준을 제시하고자 한다.
제안 방법
- Step3. (Step2)에서 개발된 예측모형을 이용하여, 효율적 (적정한 조사건)이고 효과적 (환수 결정금액 상승)인 선정기준결정을 위해 업무규칙인 전체 조사대상건과 진료건당 공단부담금 변화에 따른 시뮬레이션을 한다.
- 2005년 “상해상병 진료건” 유형으로 조사된 52,755건의 상해상병 조사대상자 특성을 파악하기 위해 표 3.1에서와 같이, 수진자의 성, 연령, 건강보험가입자의 직역, 거주지역 및 도시규모, 과거 1년간 건강보험증 변동 횟수에 대하여 살펴보았다.
- 개발된 상해상병 조사대상자 예측모형의 안정성 및 정확성을 확보하기 위해 2005년 분석데이터의 60%만을 활용하여 모형을 개발하고 (모형개발용 : training dataset), 나머지 40%를 이용하여 모형의 내적 타당도 (internal validation)를 평가하였다. 또한, 일반화된 모형개발을 위해 모형개발시점의 2005년 데이터와 같은 자료구조의 2006년 데이터에 예측모형을 적용시켜 외적타당도 (external validation)를 평가하였다.
- 국민건강보험공단의 상해요인 관리업무 중 가장 효율적인 조사대상자 선정이 필요한 상해상병 조사대상자를 색출을 하기 위해 2001년～2006년까지의 상해상병 (손상 중독 및 외인에 의한 특정 기타 결과, 국제질병분류 (international classification of disease-10th edition, S00～T98) 및 상해외인상병 (질병국제질병분류 (international classification of disease-10th edition, S00～T98) 및 상해외인상병 (질병이환 및 사망의 원인, V01～Y98)으로 청구된 진료 건 중 상해요인 관리 대상으로 선정된 자들의 기본적인 정보와 이들의 상해환수결정 정보를 연결하여 분석데이터베이스를 구축하였다.
- 개발된 상해상병 조사대상자 예측모형의 안정성 및 정확성을 확보하기 위해 2005년 분석데이터의 60%만을 활용하여 모형을 개발하고 (모형개발용 : training dataset), 나머지 40%를 이용하여 모형의 내적 타당도 (internal validation)를 평가하였다. 또한, 일반화된 모형개발을 위해 모형개발시점의 2005년 데이터와 같은 자료구조의 2006년 데이터에 예측모형을 적용시켜 외적타당도 (external validation)를 평가하였다.
- 이에 본 연구에서는 건강보험 상해요인조사 업무의 효율화 방안을 도출하고자 상해상병조사 대상자 선정기준을 마련하기 위한 관리모형을 개발하였다. 모형개발 방법론은 조사대상건의 효율성과 조사환수 결정금액의 효과성을 고려하여, 데이터마이닝 기법 중 의사결정나무분석 알고리즘을 적용시킨 조사대상 예측모형과 업무규칙을 혼합한 하이브리드 모형 형태로 개발하였다.
- 모형은 2005년 당시 조사대상건인 52,755건을 기준으로 국민건강보험공단의 상해요인 업무처리 요령에 따라 환수 결정건 (3,504건)과 결정되지 않는 건 (49,251건)으로 구성된 데이터를 활용하여, 데이터마이닝 기법 중에 하나인 의사결정나무기법 (decision tree)을 이용하여 개발하였다.
- 상해상병 관리모형은 상해상병 조사대상자에 대한 조사업무량이 매년 증가됨에 따라, 조사대상 건수를 줄이면서 조사건 단위의 부당결정 환수 결정율 및 환수 결정금액을 높이기 위해 하이브리드 모형 (hybrid model)을 활용하였다. 본 연구에서 적용한 하이브리드 모형은 SAS E-Miner 4.1을 사용한 데이터마이닝 기법으로 개발된 예측모형 (predictive model)과 업무관점의 규칙 (business rule model)이 결합된 모형으로, 두 가지 모델을 활용하여 조건에 만족하는 대상자를 선정하기 위한 모형이다.
- 본 연구에서는 환수조사건 단위의 상해상병 조사대상자 예측모형만을 활용하여 최종 상해상병 관리 모형을 구축하는 것이 아닌 예측환수대상건의 진료금액을 업무규칙으로 적용시켜 하이브리드 형태의 모형으로 개발하였다. 효과적이고 효율적인 업무규칙을 결정하기 위해 그림 3.
- 예측모형 개발·평가를 위해 상해상병 유형에 대한 분석데이터베이스를 모형개발 및 모형내적 평가용 (2005년)과 모형외적평가용 (2006년)으로 구축하였다. 사용된 독립변수는 표 2.1에서 제시된 조사대상자의 기본적인 정보 및 이들로 생성된 파생변수를 활용하였고, 종속변수는 해당년도의 환수결정유무변수로 활용하였다.
- 예측모형 개발·평가를 위해 상해상병 유형에 대한 분석데이터베이스를 모형개발 및 모형내적 평가용 (2005년)과 모형외적평가용 (2006년)으로 구축하였다.
- 의사결정나무기법을 이용하여 상해상병 조사대상 예측모형을 개발·평가한다.
- 2의 예측모형에 업무규칙을 적용하여 전체 상해상병 유형 조사대상건 (2006년 상해상병 유형 전체 조사대상건 기준 : 48,763건)으로부터 조사물량이 50%, 60%, 70%, 80%인 경우 각각에 대하여 환수대상건의 진료금액수준을 최소 67만원부터 최대 300만원까지 10만원 단위로 변화를 주는 시뮬레이션을 실시 (2006년도와 똑같은 전체 조사대상건수로 발췌한 후, 이를 기준으로 50% 80%로 조사물량을 줄일 경우, 가장 효과적이고 효율적인 발췌기준을 재설정하는 것)하였다. 조사건과 조사건의 진료금액을 고려한 시뮬레이션 결과는 그림 3.3과 같으며, 환수건률, 환수금액율, 환수건검출력, 환수금액검출력을 근거로 최종 조사대상 물량을 조절할 수 있는 배분기준을 결정하였다. 그 결과, 하이브리드 모형으로서 직장 상해상병 관리의 최적 모형은 전체 조사대상건의 50% 추출 시에는 상해상병 조사대상 예측모형을 적용시켜 도출된 총 20개의 집단 중 1～13번 집단까지 적용 시키는 동시에 예측환수대상건의 진료금액은 210만원 이상 해당되는 조사건을 발췌하는 것이 가장 적정한 것으로 나타났다.
- 본 연구에서는 환수조사건 단위의 상해상병 조사대상자 예측모형만을 활용하여 최종 상해상병 관리 모형을 구축하는 것이 아닌 예측환수대상건의 진료금액을 업무규칙으로 적용시켜 하이브리드 형태의 모형으로 개발하였다. 효과적이고 효율적인 업무규칙을 결정하기 위해 그림 3.2의 예측모형에 업무규칙을 적용하여 전체 상해상병 유형 조사대상건 (2006년 상해상병 유형 전체 조사대상건 기준 : 48,763건)으로부터 조사물량이 50%, 60%, 70%, 80%인 경우 각각에 대하여 환수대상건의 진료금액수준을 최소 67만원부터 최대 300만원까지 10만원 단위로 변화를 주는 시뮬레이션을 실시 (2006년도와 똑같은 전체 조사대상건수로 발췌한 후, 이를 기준으로 50% 80%로 조사물량을 줄일 경우, 가장 효과적이고 효율적인 발췌기준을 재설정하는 것)하였다. 조사건과 조사건의 진료금액을 고려한 시뮬레이션 결과는 그림 3.
이론/모형
- 상해상병 관리모형은 상해상병 조사대상자에 대한 조사업무량이 매년 증가됨에 따라, 조사대상 건수를 줄이면서 조사건 단위의 부당결정 환수 결정율 및 환수 결정금액을 높이기 위해 하이브리드 모형 (hybrid model)을 활용하였다. 본 연구에서 적용한 하이브리드 모형은 SAS E-Miner 4.
성능/효과
- 독작용 15. 다른 특정 상해 그리고 16. 기타에 의해 진료 받았던 사람들은 50.0%의 환수 결정율 (집단 3)을 보였다.
- 2%의 환수분포를 나타냈다. 건강보험 가입자의 직역에 따른 환수분포는 공무원 및 사립학교 교직원 가입자가 직장가입자보다 약 3%p 높은 7.0～7.4%의 환수분포를 보였고, 농어촌에 거주하는 자들이 도시 (대도시, 중소도시) 거주자보다 상해상병으로 인한 진료건은 적었으나, 실제 환수된 실적은 대도시가 상대적으로 높았다. 한편 연구대상자의 건강보험증 변동 횟수가 증가할수록 환수 결정 실적이 높아지는 것으로 나타났으며, 16개 도시직장별로의 환수 결정 실적은 대구, 제주가 가장 높았고 다음 경북, 서울, 경기 등의 순으로 나타났다.
- 건강보험 직장가입자 중 상해상병 관련 부당환수결정에 영향을 주는 수진자 특성요인은 과거 상해환수결정 유무, BIDM에서 신체부위 및 상해특성 상병코드, 수진자의 연령대, 직역구분, 심사결정공단 부담금, 과거 1년간 건강보험증 변동 횟수로 나타났으며, 이러한 요인에 의해 20그룹으로 예측·분류되었다.
- 압착손상 그리고 14. 광범위한 상해일 사람 중 연령대가 20대 이하인 사람과 40대인 사람의 환수 결정율이 94.8% (집단 1)로 나타났으며, 동일한 기준에서 연령대만 30대, 50대 이상인 사람들의 환수 결정율은 81.3% (집단 2)였다. 또한 과거 ‘상해사후관리업무를 통해 환수결정경험’이 있고 BIDM의 상해특성별 분류가 4.
- 그 결과 데이터마이닝 기법 중 의사결정나무모형으로 개발된 상해상병 조사대상자 예측모형에서는 모형 적용 전보다 그 효과성 (향상도 기준)이 최상위 (집단 1) 조사건 기준 9.14배, 조사금액 기준 9.44배 증가하였으며, 본 모형에 진료건 당 금액 (업무규칙) 변화를 시뮬레이션 시켜봄으로서 전체 조사대상자건수가 확정되었을 경우, 조사대상자 대비 환수건 및 금액에 대해 최대의 효율성과 효과성을 거둘 수 있는 하이브리드 모형을 제시하였다. 그 예로 전체 조사대상건 대비 조사물량을 50%로 할 경우, 전체 조사대상건 중 환수건율, 전체 조사금액 중 환수금액율, 환수건 검출력 그리고 환수금액검출력을 고려하여, 상해상병 조사대상자 예측모형에서 나타난 13개 그룹 및 조사환수대상 진료건 당 금액을 210만원 이상으로 적용하는 것이 가장 효과적인 것으로 분석되었다.
- 2에서 집단1～13로 분류된 대상건은 우선적으로 선정하고, 다음 선정되지 않은 집단14～20에서는 업무규칙을 적용하여 조사건당 진료비가 210만원 이상인 건은 전수를 조사대상에 포함하는 것이다. 그 결과 전체 조사대상건 기준의 환수율은 11.7% (조사금액기준 환수율 13.5%), 환수건 기준에서의 환수건검출력은 68.0% (환수금액검출력 78.8%)로 나타났다.
- 3과 같으며, 환수건률, 환수금액율, 환수건검출력, 환수금액검출력을 근거로 최종 조사대상 물량을 조절할 수 있는 배분기준을 결정하였다. 그 결과, 하이브리드 모형으로서 직장 상해상병 관리의 최적 모형은 전체 조사대상건의 50% 추출 시에는 상해상병 조사대상 예측모형을 적용시켜 도출된 총 20개의 집단 중 1～13번 집단까지 적용 시키는 동시에 예측환수대상건의 진료금액은 210만원 이상 해당되는 조사건을 발췌하는 것이 가장 적정한 것으로 나타났다. 또한 조사물량을 2006년 전체 직장 상해상병 조사대상건의 60%로 할 경우는 예측모형결과 1～13번 그룹과 190만원을 적용시키고, 70%일 경우는 예측모형결과 1～14번 집단과 130만원 이상 건을 적용시키고, 80%일 경우는 예측모형결과 1～13번 집단과 90만원 이상건을 적용시키는 것이 가장 효율적인 발췌인 것으로 시뮬레이션 결과 나타났다.
- 44배 증가하였으며, 본 모형에 진료건 당 금액 (업무규칙) 변화를 시뮬레이션 시켜봄으로서 전체 조사대상자건수가 확정되었을 경우, 조사대상자 대비 환수건 및 금액에 대해 최대의 효율성과 효과성을 거둘 수 있는 하이브리드 모형을 제시하였다. 그 예로 전체 조사대상건 대비 조사물량을 50%로 할 경우, 전체 조사대상건 중 환수건율, 전체 조사금액 중 환수금액율, 환수건 검출력 그리고 환수금액검출력을 고려하여, 상해상병 조사대상자 예측모형에서 나타난 13개 그룹 및 조사환수대상 진료건 당 금액을 210만원 이상으로 적용하는 것이 가장 효과적인 것으로 분석되었다.
- 그림 3.1, 표 3.3의 결과를 살펴보면, 예측모형의 적중률이 높을수록 모형의 향상도 (lift)가 높음을 확인할 수 있으며, 그 결과 본 연구에서 개발된 모형의 향상도는 그룹1이 9.14배 (조사건 기준), 9.44배 (환수 결정금액 기준) 정도 향상됨을 알 수 있다. 또한 집단 13까지의 누적 검출력은 조사건을 중심으로 봤을 때는 69.
- 그 결과, 하이브리드 모형으로서 직장 상해상병 관리의 최적 모형은 전체 조사대상건의 50% 추출 시에는 상해상병 조사대상 예측모형을 적용시켜 도출된 총 20개의 집단 중 1～13번 집단까지 적용 시키는 동시에 예측환수대상건의 진료금액은 210만원 이상 해당되는 조사건을 발췌하는 것이 가장 적정한 것으로 나타났다. 또한 조사물량을 2006년 전체 직장 상해상병 조사대상건의 60%로 할 경우는 예측모형결과 1～13번 그룹과 190만원을 적용시키고, 70%일 경우는 예측모형결과 1～14번 집단과 130만원 이상 건을 적용시키고, 80%일 경우는 예측모형결과 1～13번 집단과 90만원 이상건을 적용시키는 것이 가장 효율적인 발췌인 것으로 시뮬레이션 결과 나타났다.
- 1에서와 같이, 수진자의 성, 연령, 건강보험가입자의 직역, 거주지역 및 도시규모, 과거 1년간 건강보험증 변동 횟수에 대하여 살펴보았다. 먼저 성별로 보면, 남성이 여성보다 조사대상건이 상대적으로 많았으며, 실제 환수된 비율분포가 남성의 경우는 환수건 기준 9.6%이고 환수 결정금액 기준은 9.4%로 여성 (3.2%)보다 약 6%p 높은 환수 결정율 분포를 보였다. 연령대에서는 20～40대가 전체 환수 결정실적의 33.
- 본 연구의 상해상병 조사대상자 예측모형은 의사결정나무분석 중 ‘지니지수 (Gini index)’를 활용한 마디분리기준을 활용하여 개발되었으며, 그 결과 예측정확도를 나타내는 root ASE (average squared error) 및 오분류율이 각각 0.2340 (모형평가용 : 0.2374) 및 0.0620 (모형평가용 : 0.0653)로 나타나, 안정성과 정확성이 확보된 모형이 도출되었다 (표 3.2 참조).
- 4%의 환수분포를 보였고, 농어촌에 거주하는 자들이 도시 (대도시, 중소도시) 거주자보다 상해상병으로 인한 진료건은 적었으나, 실제 환수된 실적은 대도시가 상대적으로 높았다. 한편 연구대상자의 건강보험증 변동 횟수가 증가할수록 환수 결정 실적이 높아지는 것으로 나타났으며, 16개 도시직장별로의 환수 결정 실적은 대구, 제주가 가장 높았고 다음 경북, 서울, 경기 등의 순으로 나타났다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.