손상입원환자의 재원일수 변이요인을 분석하기 위해 질병관리본부의 퇴원손상환자 자료를 이용하여 재원일수 중증도 보정모형을 개발하였다. 이 모형을 적용, 보정값을 산출하고 실측값과의 차이를 이용하여 재원일수를 표준화한 후 재원일수의 변이를 분석하였다. 입원손상환자의 중증도 보정 재원일수에 영향을 미치는 주요 요인은 중증도, 수술유무, 연령, 손상기전, 입원경로 등으로 나타났다. 의사결정나무 모형에 의하여 재원일수의 보정값을 산출하여 실측값과의 차이를 분석한 결과 병원규모(병상수)별, 보험유형별, 기관 소재지별로 통계적으로 유의한 차이가 있는 것으로 나타났다. 따라서 재원일수의 변이를 줄이기 위해 국가차원에서 진료행위프로토콜을 개발하여 의료기관에서 이를 활용하도록 유도하고, 더 나아가 이를 체계적으로 평가하여 지속적으로 노력하여야 할 것이다.
손상입원환자의 재원일수 변이요인을 분석하기 위해 질병관리본부의 퇴원손상환자 자료를 이용하여 재원일수 중증도 보정모형을 개발하였다. 이 모형을 적용, 보정값을 산출하고 실측값과의 차이를 이용하여 재원일수를 표준화한 후 재원일수의 변이를 분석하였다. 입원손상환자의 중증도 보정 재원일수에 영향을 미치는 주요 요인은 중증도, 수술유무, 연령, 손상기전, 입원경로 등으로 나타났다. 의사결정나무 모형에 의하여 재원일수의 보정값을 산출하여 실측값과의 차이를 분석한 결과 병원규모(병상수)별, 보험유형별, 기관 소재지별로 통계적으로 유의한 차이가 있는 것으로 나타났다. 따라서 재원일수의 변이를 줄이기 위해 국가차원에서 진료행위프로토콜을 개발하여 의료기관에서 이를 활용하도록 유도하고, 더 나아가 이를 체계적으로 평가하여 지속적으로 노력하여야 할 것이다.
In order to analyze the variation in length of stay(LOS) of injury inpatients, we developed severity-adjusted LOS model using Korean National Discharge In-depth Injury Survey data of Center for Disease Control. Appling this model, we calculated predicted values and, after standardizing LOS using the...
In order to analyze the variation in length of stay(LOS) of injury inpatients, we developed severity-adjusted LOS model using Korean National Discharge In-depth Injury Survey data of Center for Disease Control. Appling this model, we calculated predicted values and, after standardizing LOS using the differences from the actual values, analyzed the variation in LOS. Major factors affecting severity-adjusted LOS of injury inpatients were found to be severity, surgery(or no surgery), age, injury mechanism and channel of hospitalization. Result of analysis of the differences between the actual values and predicted values adjusted by decision tree model suggested that there were statistically significant differences by hospital size(number of beds), type of insurance and location of institution. In order to reduce the variation in LOS, efforts should be exerted in developing nationwide treatment protocol, inducing medical institutions to utilize it, and furthermore systematically evaluating it to reduce the variation continually.
In order to analyze the variation in length of stay(LOS) of injury inpatients, we developed severity-adjusted LOS model using Korean National Discharge In-depth Injury Survey data of Center for Disease Control. Appling this model, we calculated predicted values and, after standardizing LOS using the differences from the actual values, analyzed the variation in LOS. Major factors affecting severity-adjusted LOS of injury inpatients were found to be severity, surgery(or no surgery), age, injury mechanism and channel of hospitalization. Result of analysis of the differences between the actual values and predicted values adjusted by decision tree model suggested that there were statistically significant differences by hospital size(number of beds), type of insurance and location of institution. In order to reduce the variation in LOS, efforts should be exerted in developing nationwide treatment protocol, inducing medical institutions to utilize it, and furthermore systematically evaluating it to reduce the variation continually.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
충북, 제주, 부산 순으로 실 재원일수가 보정 재원일수보다 더 높게 나타났고, 인천, 충남, 경기, 서울 순으로 실 재원일수가 예측 재원일수보다 더 낮게 나타나 수도권 중심 지역의 재원일수 변이가 낮음을 시사한다. 본 연구는 그 동안 손상관련 연구의 문제점을 극복하고자 국가단위 퇴원손상심층조사 자료를 이용하여 중증 도를 보정하는 등의 노력을 하였으나 다음과 같은 연구의 제한점이 있을 수 있다.
본 연구는 우리나라 입원 손상환자의 재원일수에 대한 중증도 보정 모형을 개발하고 이에 근거하여 보정된 재원일수의 변이를 파악하는 것이다.
셋째, 실제 재원일수와 보정된 재원일수 차이에 대한 변이에 영향을 미치는 요인을 규명한다.
우리나라는 2004년 퇴원환자부터 질병관리본부에서 만성질병 및 손상 등에 대한 퇴원환자를 대상으로 의무기록 자료를 이용한 퇴원손상심층조사를 2005년부터 매년 시행하고 있다[14]. 이에 따라 본 연구는 자료의 대표성에 문제가 되었던 기존 손상관련 국내연구의 문제점을 극복하고자 노력하였다.
본 연구는 2005년도부터 실시하고 있는 퇴원손상심층 조사 자료를 이용하였다. 퇴원손상환자조사 자료는 우리나라의 100병상 이상의 급성병원을 대상으로 계통추출하여 이들 병원의 퇴원환자에 대해 조사한 자료이다.
제안 방법
사용된 기법은 다중회귀분석과 의사결정나무 기법 방법을 사용하였다. 데이터마이닝을 이용하여 중증도를 보정한 손상 환자의 재원일수 모형을 개발한 결과 표 5와 같이 의사결정나무의 Root ASE값이 가장 적어 모형의 성능이 가장 우수한 것으로 판명되어 의사결정나무에 의해서 개발된 모형을 중증도 보정 모형으로 정하였다.
본 연구에서 사용된 인구사회학적 특성변수는 성별, 연령, 거주지역 이었다. 연령은 특히, 손상발생의 측면에서 볼 때 생애주기별 연령으로 구분하는 것이 타당하여 이에 따라 구분하였다.
의료 이용변수로는 진료비지불방법, 재원일수, 입원경로, 주진단, 부가진단(20개), 수술여부가 분석에 포함되었다. 손상의 역학적 특성변수로는 손상발생 계절, 손상발생장소, 손상시 활동, 손상기전, 사고유형, 생존기간이 분석에 포함되었다. WHO에서 권고하는 국제표준분류 체계인 ICECI(International Classification of External Causes of Injury)를 따랐다[7].
외상환자의 사망률 평가 방법 중 병원에서 일상적으로 생성되는 국제표준질병사인분류(ICD)를 이용하여 손쉽게 적용할 수 있으며, 타당도가 높다고 알려진 ICISS를 활용하여 외상환자의 중증도를 측정하였다[8]. 본 연구에서는 ICISS의 방법에 따라 다음과 같이 질환의 중증도 값을 산출하였다.
재원일수에 대한 중증도 모형을 개발하기 위해 독립변수로서 성, 연령, 질환의 중증도, 입원경로, 주진단, 수술 유무, 손상의 기전을 사용하였다. 사용된 기법은 다중회귀분석과 의사결정나무 기법 방법을 사용하였다.
제 특성별로 평균재원일수의 차이를 검정하기 위하여 t-test, ANOVA분석을 실시하였다. 재원일수에 대한 중증도 보정모형을 개발하기 위하여 독립변수는성, 연령, 질환의 중증도, 입원경로, 주진단, 수술유무, 손상의 기전을 사용하였다. 모형개발은 데이터마이닝 기법을 이용하였다.
주진단을 제외한 최대 상병코드수가 20개인 연구대상 환자의 모든 상병코드에 대한 SRR값을 적용한 후 이를 모두 곱하여 (2)식과 같이 ICISS값을 계산하였다.
첫째, 개별 환자의 중증도를 측정한다.
환자가 입원기간 중 사망한 경우 해당 환자의 모든 상병코드에 1을 대입시키고, 환자가 입원기간 중 사망하지 않은 경우엔 모든 상병코드에 0을 연결시켜 58,811명의 손상환자 진단코드를 모두 일렬로 나열한 다음 각 상별 코드별로 출현빈도수를 계산하였다. 개별 상병코드의 SRR값 계산식은 (1)과 같다.
대상 데이터
둘째, 퇴원요약자료를 기반으로 한 국가적 데이터의 생산이 선진국에 비하여 늦었다. 본 연구는 2004~2006년의 3년간 퇴원한 데이터를 분석한 것이다. 따라서 비교적 짧은 기간의 단면적 분석으로 이에 따른 해석에 무리가 있을 수 있다.
본 연구는 2005년도부터 실시하고 있는 퇴원손상심층 조사 자료를 이용하였다. 퇴원손상환자조사 자료는 우리나라의 100병상 이상의 급성병원을 대상으로 계통추출하여 이들 병원의 퇴원환자에 대해 조사한 자료이다.
본 연구에서는 2004년에서 2006년까지의 조사대상자 507,95건의 자료를 질병관리본부를 통한 원시자료 요청에 의하여 자료를 획득한 후 이중 손상이 주진단인 환자를 대상으로 하였다. 이중, 동상(T33-T356), 외인의 기타 및 상세불명의 영향(T66-T78), 달리 분류되지 않은 외과적 및 내과적 합병증(T80-T88)은 퇴원손상조사 지침에 따라 제외하였다.
분석 대상자는 총 58,811명의 손상환자로, 성별 분포는 남자가 62.6%, 여자가 37.4%로 남자가 여자보다 높았다. 생애주기별 연령 분포에 있어서는, 성인전기(30∼44세)에 해당하는 연령군이 33.
거주지역은 환자의 우편번호를 통하여 시/군/구 단위로 분류하여 분석에 사용하였다. 의료 이용변수로는 진료비지불방법, 재원일수, 입원경로, 주진단, 부가진단(20개), 수술여부가 분석에 포함되었다. 손상의 역학적 특성변수로는 손상발생 계절, 손상발생장소, 손상시 활동, 손상기전, 사고유형, 생존기간이 분석에 포함되었다.
또한, 사망환자인 경우는 사망의 외인이 손상이 아닌 경우는 제외하였다. 이러한 기준에 의해 58,811건의 자료를 최종 선정하여 분석대상으로 하였다.
첫째, 연구에 이용된 퇴원손상심층조사는 100병상 미만의 의료기관에 대한 조사가 이루어지지 않은 자료이다. 비록 경증환자가 많고 연구결과에 미치는 영향이 크지 않지만 보다 신뢰성 있고 타당성이 있는 결과를 위하여 향후 연구에서는 2007년에 시범 시행한 100병상 미만 의료기관에 대한 퇴원환자조사 자료의 추가분석이 필요하다.
앞서 계산된 외상코드별 SRR값을 58,811명의 외상환자 데이터베이스에 적용하여 개별 환자의 ICISS값을 계산하였다. 최종적으로 구한 ICISS값의 신뢰도와 타당도를 높이기 위하여 주진단이 외상코드(S, T 코드)인 환자를 대상으로 하였으며, 사망환자의 경우 외상과 관련한 사인이 아닌 경우는 ICISS계산에서 제외하였다.
데이터처리
2.3 분석방법
분석대상의 일반적 특성에 대하여 빈도분석을 실시하였고, 거주 지역별 타 지역 의료이용률은 chi-square test를 실시하였다. 제 특성별로 평균재원일수의 차이를 검정하기 위하여 t-test, ANOVA분석을 실시하였다.
앞서 계산된 외상코드별 SRR값을 58,811명의 외상환자 데이터베이스에 적용하여 개별 환자의 ICISS값을 계산하였다. 최종적으로 구한 ICISS값의 신뢰도와 타당도를 높이기 위하여 주진단이 외상코드(S, T 코드)인 환자를 대상으로 하였으며, 사망환자의 경우 외상과 관련한 사인이 아닌 경우는 ICISS계산에서 제외하였다.
분석대상의 일반적 특성에 대하여 빈도분석을 실시하였고, 거주 지역별 타 지역 의료이용률은 chi-square test를 실시하였다. 제 특성별로 평균재원일수의 차이를 검정하기 위하여 t-test, ANOVA분석을 실시하였다. 재원일수에 대한 중증도 보정모형을 개발하기 위하여 독립변수는성, 연령, 질환의 중증도, 입원경로, 주진단, 수술유무, 손상의 기전을 사용하였다.
이론/모형
손상의 역학적 특성변수로는 손상발생 계절, 손상발생장소, 손상시 활동, 손상기전, 사고유형, 생존기간이 분석에 포함되었다. WHO에서 권고하는 국제표준분류 체계인 ICECI(International Classification of External Causes of Injury)를 따랐다[7].
모형개발은 데이터마이닝 기법을 이용하였다. 데이터마이닝 모형개발시 데이터는 훈련용 60%, 평가용 40%로 분류였으며 모형평가는 Root ASE를 이용하였다.
재원일수에 대한 중증도 보정모형을 개발하기 위하여 독립변수는성, 연령, 질환의 중증도, 입원경로, 주진단, 수술유무, 손상의 기전을 사용하였다. 모형개발은 데이터마이닝 기법을 이용하였다. 데이터마이닝 모형개발시 데이터는 훈련용 60%, 평가용 40%로 분류였으며 모형평가는 Root ASE를 이용하였다.
외상환자의 사망률 평가 방법 중 병원에서 일상적으로 생성되는 국제표준질병사인분류(ICD)를 이용하여 손쉽게 적용할 수 있으며, 타당도가 높다고 알려진 ICISS를 활용하여 외상환자의 중증도를 측정하였다[8]. 본 연구에서는 ICISS의 방법에 따라 다음과 같이 질환의 중증도 값을 산출하였다.
재원일수에 대한 중증도 모형을 개발하기 위해 독립변수로서 성, 연령, 질환의 중증도, 입원경로, 주진단, 수술 유무, 손상의 기전을 사용하였다. 사용된 기법은 다중회귀분석과 의사결정나무 기법 방법을 사용하였다. 데이터마이닝을 이용하여 중증도를 보정한 손상 환자의 재원일수 모형을 개발한 결과 표 5와 같이 의사결정나무의 Root ASE값이 가장 적어 모형의 성능이 가장 우수한 것으로 판명되어 의사결정나무에 의해서 개발된 모형을 중증도 보정 모형으로 정하였다.
셋째, 손상환자의 중증도 측정방법중 타당성을 인정받은 국제표준질병사인분류를 이용한 ICISS만을 활용하였다. 타 중증도 측정방법을 함께 사용하여 비교함으로써 보다 타당도를 높일 수 있는 연구방법을 고려하여야 할 것이다.
성능/효과
중증환자는 수술한 경우에 재원일수가 높게 나타났고, 수술한 환자 중에서도 연령이 높을수록 재원일수가 길었다. 경증 환자도 수술을 한 환자 일수록, 그리고 수술 환자 중에서도 연령이 높고, 응급이며 운수 및 추락 환자인 경우에 재원일수가 증가하였다. 경증 환자일 때, 수술을 받지 않은 환자 중에서는 손상기전이 운수 및 추락이고 성인후기(45∼59세)연령군일 때 재원일수가 높게 나타났다.
기관 소재지별로 중증도 보정 재원일수 값이 통계적으로 유의한 차이를 보이는 것으로 나타나 재원일수의 지역적 변이가 있음을 시사한다. 충북, 제주, 부산 순으로 실 재원일수가 보정 재원일수보다 더 높게 나타났고, 인천, 충남, 경기, 서울 순으로 실 재원일수가 예측 재원일수보다 더 낮게 나타나 수도권 중심 지역의 재원일수 변이가 낮음을 시사한다.
4일 정도 적게 나타났다. 기관 소재지별로 중증도 보정 재원일수 값이 통계적으로 유의한 차이를 보이는 것으로 나타났다. 충북, 제주, 부산 순으로 실 재원일수가 예측 재원일수보다 더 높게 나타났고, 인천, 충남, 경기 순으로 실 재원일수가 예측 재원일수보다 더 낮게 나타났다.
9일로 재원일수가 가장 긴 것으로 나타났다. 기관소재지별 재원일수에서는 부산의 평균 재원일수가 22.0일로 가장 높게 나타났다. 병상규모별 재원일수의 분포를 살펴보면, 통계적으로 유의한 차이를 보이며 그 중에서도 300∼499 병상 환자의 평균 재원일수가 20.
둘째, 퇴원요약자료를 기반으로 한 국가적 데이터의 생산이 선진국에 비하여 늦었다. 본 연구는 2004~2006년의 3년간 퇴원한 데이터를 분석한 것이다.
또한 표 6과 같이 의사결정나무 모형을 이용하여 보정한 재원일수의 예측값을 산출하여 실측값과의 차이를 분석한 결과 병상규모별, 보험유형별, 기관 소재지별로 통계적으로 유의한 차이가 있는 것으로 나타났다. 병상 규모에 있어서는 100∼299병상 이용 환자의 실측값-보정값의 차이는 0.
종합하면 산재환자의 재원일수 변이는 매우 크며 이에 대한 정책마련이 시급함을 알수 있다. 반면, 국민건강보험 대상 환자의 경우에는 실 재원일수가 보정 재원일수보다 약 4.4일 정도로 낮게 나타나 재원일수의 변이가 적은 것으로 나타났다.
병상 규모에 있어서는 100∼299병상 이용 환자의 실측값-보정값의 차이는 0.6일, 1000병상 이상 이용 환자의 경우는 -0.5일로써 병상 규모가 클수록 예측 재원일수에 비해 실 재원일수가 적은 것으로 나타났다.
병상 규모에 있어서는 100∼299병상 이용 환자의 실측값보정값의 차이는 0.6일, 1000병상 이상 이용 환자의 경우는 -0.5일로써 병상 규모가 클수록 보정 재원일수에 비해실 재원일수가 적은 것으로 나타났다.
병상규모별 재원일수의 분포를 살펴보면, 통계적으로 유의한 차이를 보이며 그 중에서도 300∼499 병상 환자의 평균 재원일수가 20.1일로 가장 높게 나타났다.
병상규모별, 보험유형별, 기관 소재지별로 실측값과 보정값의 차이가 통계적으로 유의한 것으로 나타났다. 병상 규모에 있어서는 100∼299병상 이용 환자의 실측값보정값의 차이는 0.
보험 유형별로 중증도 보정 후 재원일수의 변이가 통계적으로 유의하게 나타났다. 특히, 산재보험/공상 환자의 경우 실 재원일수 값이 예측 재원일수 값보다 21.
1일로 가장 높게 나타났다. 보험자격별로는 산재보험/공상환자의 평균재원일수가 41.2일로 가장 긴 것으로 나타났다. 입원경로에 있어서는 응급 환자의 평균 재원일수가 19.
3%로 가장 많았다. 보험자격에 있어서는 국민건강보험 이용 환자가 51.3%로 가장 높게 나타났으며, 입원경로별로는 응급 환자가 67.3%로 높게 나타났다.
생애주기별 연령에 따라서는 재원일수의 분포가 유의한 차이가 있는 것으로 나타났고, 특히 성인 후기(45∼59세)연령군이 평균 20.9일로 재원일수가 가장 긴 것으로 나타났다.
손상환자의 거주지별 타 지역 의료 이용률은 통계적으로 유의한 차이를 보이는 것으로 나타났고, 모든 거주지역의 환자들이 거주지보다는 타 지역의 의료 이용률이 압도적으로 높은 것으로 나타났다[표 2].
반면 우리나라는 산재보험의 본인부담률이 매우 낮고 대체서비스의 부재와 부실한 지급심사로 인해 타보험 환자에 비하여 재원일수가 매우 높다[20]. 이러한 맥락에서 본 연구는 보험 유형별로도 중증도 보정 후 재원일수의 변이가 통계적으로 유의함을 확인할 수 있었다. 특히, 산재보험/공상 환자의 경우 실 재원일수 값이 보정 재원일수 값보다 21일이나 높게 나타나 중증도보다 더 큰 요인으로 작용할 수 있음을 간접적으로 시사한다.
입원손상환자의 재원일수에 영향을 끼치는 주요 요인은 중증도, 수술유무, 연령군, 손상기전, 입원경로 등으로 나타났다. 이중 중증도가 재원일수에 가장 큰 영향을 미치는 것으로 나타나 선행연구와 일치함을 알 수 있었다[15-17].
입원손상환자의 중증도 보정 재원일수에 영향을 끼치는 주요 변수는 중증도, 수술유무, 연령, 손상기전, 입원 경로 등으로 나타났다. 의사결정나무 모형에 따르면, 우선 중증일 경우 수술한 환자일 경우에 재원일수가 높게 나타났고, 수술한 환자 중에서도 연령이 많은 군에서 재원일수가 높게 나타났다.
특히, 산재보험/공상 환자의 경우 실 재원일수 값이 보정 재원일수 값보다 21일이나 높게 나타나 중증도보다 더 큰 요인으로 작용할 수 있음을 간접적으로 시사한다. 종합하면 산재환자의 재원일수 변이는 매우 크며 이에 대한 정책마련이 시급함을 알수 있다. 반면, 국민건강보험 대상 환자의 경우에는 실 재원일수가 보정 재원일수보다 약 4.
중증도 그룹에서 경증 환자의 경우, 수술을 한 환자 일수록, 또한 수술 환자 중에서도 연령이 높고, 응급이며 운수 및 추락 환자인 경우에 내원일수가 높게 나타났다. 경증 환자일 때, 수술을 받지 않은 환자 중에서는 손상기전이 운수 및 추락이고 성인후기(45∼59세)연령군일 때 재원일수가 높게 나타났다.
5일로 높게 나타났다. 중증도별 환자의 재원일수를 보면, 중증 환자의 재원일수가 경증 환자의 재원일수보다 높게 나타났다.
중증환자는 수술한 경우에 재원일수가 높게 나타났고, 수술한 환자 중에서도 연령이 높을수록 재원일수가 길었다. 경증 환자도 수술을 한 환자 일수록, 그리고 수술 환자 중에서도 연령이 높고, 응급이며 운수 및 추락 환자인 경우에 재원일수가 증가하였다.
기관 소재지별로 중증도 보정 재원일수 값이 통계적으로 유의한 차이를 보이는 것으로 나타나 재원일수의 지역적 변이가 있음을 시사한다. 충북, 제주, 부산 순으로 실 재원일수가 보정 재원일수보다 더 높게 나타났고, 인천, 충남, 경기, 서울 순으로 실 재원일수가 예측 재원일수보다 더 낮게 나타나 수도권 중심 지역의 재원일수 변이가 낮음을 시사한다. 본 연구는 그 동안 손상관련 연구의 문제점을 극복하고자 국가단위 퇴원손상심층조사 자료를 이용하여 중증 도를 보정하는 등의 노력을 하였으나 다음과 같은 연구의 제한점이 있을 수 있다.
기관 소재지별로 중증도 보정 재원일수 값이 통계적으로 유의한 차이를 보이는 것으로 나타났다. 충북, 제주, 부산 순으로 실 재원일수가 예측 재원일수보다 더 높게 나타났고, 인천, 충남, 경기 순으로 실 재원일수가 예측 재원일수보다 더 낮게 나타났다.
보험 유형별로 중증도 보정 후 재원일수의 변이가 통계적으로 유의하게 나타났다. 특히, 산재보험/공상 환자의 경우 실 재원일수 값이 예측 재원일수 값보다 21.0일정도 높게 나타났으며, 국민건강보험 대상 환자의 경우에는 실 재원일수가 예측 재원일수보다 약 4.4일 정도 적게 나타났다. 기관 소재지별로 중증도 보정 재원일수 값이 통계적으로 유의한 차이를 보이는 것으로 나타났다.
후속연구
따라서 비교적 짧은 기간의 단면적 분석으로 이에 따른 해석에 무리가 있을 수 있다. 20년 이상의 시계열 자료를 분석하여 연구한 선진국의 사례처럼[22] 향후 장기간의 자료축적을 통하여 시계열 분석을 이용한 심층적 연구를 제안한다.
본 연구는 전체 손상환자를 대상으로 하였으나 향후 연구에서는 손상부위 또는 주요 손상질환에 대하여 중증도 보정 재원일수를 분석한다면 심층적 연구로서 가치가 있을 것이다.
첫째, 연구에 이용된 퇴원손상심층조사는 100병상 미만의 의료기관에 대한 조사가 이루어지지 않은 자료이다. 비록 경증환자가 많고 연구결과에 미치는 영향이 크지 않지만 보다 신뢰성 있고 타당성이 있는 결과를 위하여 향후 연구에서는 2007년에 시범 시행한 100병상 미만 의료기관에 대한 퇴원환자조사 자료의 추가분석이 필요하다.
재원일수의 변이를 줄이기 위해 국가차원의 진료행위프로토콜을 개발하여 의료기관에서 이를 활용하도록 유도하여야 하며. 지역별, 의료기관별로 체계적인 평가를 통하여 지속적으로 변이를 줄여 국민의 건강과 날로 증가하는 보건의료비 감소에 노력하여야 할 것이다.
셋째, 손상환자의 중증도 측정방법중 타당성을 인정받은 국제표준질병사인분류를 이용한 ICISS만을 활용하였다. 타 중증도 측정방법을 함께 사용하여 비교함으로써 보다 타당도를 높일 수 있는 연구방법을 고려하여야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
손상이란?
손상은 의료서비스를 이용하게 되는 주요 원인의 하나일 뿐 아니라 사망 및 장해를 유발하는 대표적인 보건 문제이다. 세계보건기구에서는 2000년 손상으로 인한 사망이 인구 10만명당 83.
손상환자의 치료결과를 평가하는 지표로는 무엇이 활용되고 있는가?
손상환자의 치료결과를 평가하는 지표로는 재원일수, 사망 등이 널리 활용되고 있다[6]. 재원일수는 손상환자의 치료비와 환자 편의에 영향을 끼치는 중요한 지표이므로 재원일수를 효율적으로 관리하여야 한다.
손상관련 연구의 문제점을 극복하고자 국가단위 퇴원손상 심층조사 자료를 이용하여 중증도를 보정하는 등의 노력에도 불구하고 생기는 연구의 제한점은?
첫째, 연구에 이용된 퇴원손상심층조사는 100병상 미만의 의료기관에 대한 조사가 이루어지지 않은 자료이다. 비록 경증환자가 많고 연구결과에 미치는 영향이 크지 않지만 보다 신뢰성 있고 타당성이 있는 결과를 위하여 향후 연구에서는 2007년에 시범 시행한 100병상 미만 의료기관에 대한 퇴원환자조사 자료의 추가분석이 필요하다.
둘째, 퇴원요약자료를 기반으로 한 국가적 데이터의 생산이 선진국에 비하여 늦었다. 본 연구는 2004~2006년의 3년간 퇴원한 데이터를 분석한 것이다. 따라서 비교적 짧은 기간의 단면적 분석으로 이에 따른 해석에 무리가 있을 수 있다. 20년 이상의 시계열 자료를 분석하여 연구한 선진국의 사례처럼[22] 향후 장기간의 자료축적을 통하여 시계열 분석을 이용한 심층적 연구를 제안한다.
셋째, 손상환자의 중증도 측정방법중 타당성을 인정받은 국제표준질병사인분류를 이용한 ICISS만을 활용하였다. 타 중증도 측정방법을 함께 사용하여 비교함으로써 보다 타당도를 높일 수 있는 연구방법을 고려하여야 할 것이다.
ICECI Coordination and Maintenance Group, "International Classification of External Causes of Injuries (ICECI), Ver. 1.2.", Amsterdam: Consumer Safety Institute, 2004.
WHO에서 권고하는 국제표준분류 체계인 ICECI(International Classification of External Causes of Injury)를 따랐다[7].
Osler T, Rutledge R, Deis J, Bedrick E., "ICISS: An International Classification of Disease-9 based injury severity score", Journal of Trauma, 41(3), pp. 380-388, 1996.
외상환자의 사망률 평가 방법 중 병원에서 일상적으로 생성되는 국제표준질병사인분류(ICD)를 이용하여 손쉽게 적용할 수 있으며, 타당도가 높다고 알려진 ICISS를 활용하여 외상환자의 중증도를 측정하였다[8].
Park K. h. et al., "The Incidence and Patterns of Unintentional Injuries in Daily Life in Korea: A Nationwide Study", Journal of Preventive Medicine and Public Health, 41(4), pp. 265-271, 2008.
또한 손상의 중요성이 증가하여 이를 예방하기 위한 정책수립이 시급하지만 관련 통계의 체계적 수집은 부족한 실정이다[9].
Korea Institute for Health and Social Affairs, "The Third Korea National Health and Nutrition Examination Survey (KNHANES III), 2005.", Seoul: Korea Institute for Health and Social Affairs; 2006.
우리나라의 손상과 관련한 통계는 주로 경찰청의 교통 사고 통계, 노동부의 산업재해통계, 질병관리본부의 응급의료 손상감시정보, 통계청의 사망원인통계, 건강보험공단의 의료이용 통계, 국민건강영양조사이다[10].
Greg S. M. et al., "The Epidemiology of Sepsis in the United States from 1979 through 2000", New England Journal of Medicine, 348(16), pp. 1546-1554, 2003.
미국은 1965년부터 NHDS (National Hospital Discharge Survey) 를 시작하였고[11], 캐나다는 1993년에 Hospital Morbidity Database (HMDB)를 기반으로 하였으며[12], 호주는 1994년에 NHMD (National Hospital Morbidity Database)를 이용하여 생산하고 있다[13].
Jack V. T. et al., "Outcomes of acute myocar- dial infarction in Canada", Canadian Journal of Cardiology 19(8), pp. 893-901, 2003.
미국은 1965년부터 NHDS (National Hospital Discharge Survey) 를 시작하였고[11], 캐나다는 1993년에 Hospital Morbidity Database (HMDB)를 기반으로 하였으며[12], 호주는 1994년에 NHMD (National Hospital Morbidity Database)를 이용하여 생산하고 있다[13].
Monica S. et al., "Burden of hospitalization of patients with Candida and Aspergillus infections in Australia", International Journal of Infectious Diseases, 8(2), pp. 111-120, 2004.
미국은 1965년부터 NHDS (National Hospital Discharge Survey) 를 시작하였고[11], 캐나다는 1993년에 Hospital Morbidity Database (HMDB)를 기반으로 하였으며[12], 호주는 1994년에 NHMD (National Hospital Morbidity Database)를 이용하여 생산하고 있다[13].
Hong S. O., "Utilization Patterns of Previncial Patients in General Hospitals Located in Seoul", Doctoral Dissertation, KyungWon University, 2009.
우리나라는 2004년 퇴원환자부터 질병관리본부에서 만성질병 및 손상 등에 대한 퇴원환자를 대상으로 의무기록 자료를 이용한 퇴원손상심층조사를 2005년부터 매년 시행하고 있다[14].
Tamim H, Al Hazzouri A. Z, Mahfoud Z, Atoui M, El-Chemaly S., "The injury severity score or the new injury severity score for predicting mortality, intensive care unit admission and length of hospital stay: Experience from a university hospital in a developing country", Injury, 39(1), pp. 115-120, 2008.
이중 중증도가 재원일수에 가장 큰 영향을 미치는 것으로 나타나 선행연구와 일치함을 알 수 있었다[15-17].
Torres A, et al., "Ability of the pediatric comprehensive severity index to predict length of stay and costs", Critical Care Medicine, 27(1), pp. A29, 1999.
이중 중증도가 재원일수에 가장 큰 영향을 미치는 것으로 나타나 선행연구와 일치함을 알 수 있었다[15-17].
Rutledge R, Osler T, Emery S, Kromhout -Schiro S., "The end of the Injury Severity Score (ISS) and the Trauma and Injury Severity Score (TRISS): ICISS, an international classification of diseases, ninth revisionbased prediction tool, outperforms both ISS and TRISS as predictors of trauma patient survival, hospital charges, and hospital length of stay", Journal of Trauma - Injury, Infection and Critical Care, 44(1), pp.41-49, 1998.
이중 중증도가 재원일수에 가장 큰 영향을 미치는 것으로 나타나 선행연구와 일치함을 알 수 있었다[15-17].
Rosenthal G. E, Harper D. L, Quinn L. M, Cooper G. S., "Severity-adjusted mortality and length of stay in teaching and nonteaching hospitals: Results of a regional study", Journal of the American Medical Association, 278(6), pp.485-490, 1997.
Rosenthal은 수련병원과 그렇지 않은 병원간의 중증도 보정 후 사망률 및 재원일을 비교하였는데, 사망률은 이들 병원간에 유의한 차이가 없었으나 재원일수는 수련병원이 17% 낮다고 연구결과를 발표하였다[18].
Park B. H, Lee T. J, Lim W. Y., "Incidence and magnitude of out-of-pocket payment and factors influencing them in Industrial Accident Compensation Insurance", Korean J. of Health Policy & Administration, 20(1), pp.103-124, 2010.
Martin G. S, Mannino D. M, Eaton S, Moss M., "The epidemiology of sepsis in the United States from 1979 through 2000", New England Journal of Medicine, 348(16), pp. 1546-1554, 2003.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.