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
- 본 연구는 외래환자 중 다빈도 질환 만성질환인 고혈압, 당뇨병, 관절증 환자의 의료이용과 총 의료이용을 대상으로 지역적 차이를 살펴보았다. 이때 의료이용은 외래 환자수를 의미한다.
- 따라서 시공간적 분석에 특화된 모형 도출을 위해서 공간적 상관성(spatial variability), 시간적 상관성(temporal variability) 등을 모두 고려할 필요가 있다. 이에 본 연구는 기존 연구와는 달리 공간적 상관성과 시간적 상관성 모두를 고려하여 주요 만성질환인 고혈압, 당뇨병, 관절증의 의료이용의 지역적 차이를 살펴보았다. 따라서 공간적 상관성과 시간적 상관성을 고려하지 않음으로써 발생하는 통계적 오류를 최소화하였다.
- 이에 본 연구는 지역의 공간적, 시간적 상관성을 고려한 시공간분석(Spatio-temporal analysis)방법을 이용하여 지역의 물질결핍지수를 고려한 주요 만성질환의 지역별 의료이용 차이를 살펴보고자 한다.
가설 설정
- 왜냐하면 의료이용자는 질병에 이환된 사람들에 의한 방문이며 본 분석에 사용된 환자조사 외래 방문자료의 경우 특정일 하루동안 의료기관을 방문한 사람들의 자료이기 때문이다. 질병발생은 일반적으로 Poisson 분포를 가정한다. 이를 식으로 표현하면 다음과 같다.
제안 방법
- 베이지안 추정에 있어 모수추정에 사용된 사전 분포(prior)는 선행연구 결과를 참고하여 적용하였고 시공간분석시 100,000번의 시행반복 시뮬레이션(simulation)을 시행하여 질병의 상대위험비를 산출하였다.
- 본 연구는 시공간 분석을 이용하여 주요 만성질환인 고혈압, 당뇨병, 관절증과 총의료이용에 있어 지역별 외래의료이용 차이를 살펴보았다. 외래이용 차이는 상대위험비로 살펴보았으며 상대위험비 산출시 지역의 물질적 결핍지수를 고려하였다.
- 세 번째,‘공간상관성과 관련된 오차항(spatially-structured random variable)’ #가 실제 의료이용의 상대위험비 산출시 공간적으로 어떠한 영향을 미치는지 알아보기 위해 #의 영향을 양의 영향, 음의 영향, 영향이 크지 않은 지역으로 구분하여 그 영향을 지역적으로 살펴보았다.
- 본 연구는 시공간 분석을 이용하여 주요 만성질환인 고혈압, 당뇨병, 관절증과 총의료이용에 있어 지역별 외래의료이용 차이를 살펴보았다. 외래이용 차이는 상대위험비로 살펴보았으며 상대위험비 산출시 지역의 물질적 결핍지수를 고려하였다. 분석방법으로는 베이지안 계층적 시공간모형을 이용하였으며, 공간적 상관성은 convolution CAR모형을, 시간적 상관성은 Ornstein-Uhlenbeck 방법을 이용하였다.
- 조사대상에 포함된 시군구 수는 총 241개이다. 의료이용은 환자조사의 외래의료 이용으로 한정하고 총의료이용, 고혈압, 당뇨, 관절증으로 나누어 분석하였다. 지역적 의료이용의 추정치를 산출하기 위하여 성-연령 표준화 방식을 적용하였고 성연령 구간은 10개구간으로 성별에 따라 연령을 5개 그룹으로 세분하였다(0-14, 15-24, 25-44, 45-64, 65+).
- 환자조사는 전수조사를 원칙으로 하되 의원, 요양병원, 보건지소에 한하여 표본 조사를 실시하며, 1953년을 시작으로 1986년까지 부정기적으로 조사되다 이후 2년 또는 3년 단위로 실시하고 있다. 조사는 외래환자는 1일간, 퇴원환자는 1개월간 실시한다.
- 의료이용은 환자조사의 외래의료 이용으로 한정하고 총의료이용, 고혈압, 당뇨, 관절증으로 나누어 분석하였다. 지역적 의료이용의 추정치를 산출하기 위하여 성-연령 표준화 방식을 적용하였고 성연령 구간은 10개구간으로 성별에 따라 연령을 5개 그룹으로 세분하였다(0-14, 15-24, 25-44, 45-64, 65+). 시군구 성연령 인구구조는 통계청의 해당연도 주민등록인구를 사용하였으며 질병 구분은 우리나라 질병분류사인코드에 근거하여 분류하였다.
대상 데이터
- 의료이용의 시공간분석을 위하여 5개 환자 조사(1996, 1999, 2002, 2005, 2008) 자료를 이용하였다. 환자조사 자료는 의료기관을 대상으로 의료인력, 병상수 등 의료자원과 의료기관을 이용한 환자의 성, 연령, 상병 등에 관한 자료를 수집하는 조사로 전국적인 의료 자원 실태와 환자의 의료이용량을 살펴볼 수 있는 자료이다.
- 지역적 단위는 환자가 거주하는 시군구로 하였으며 2008년 시군구 행정구역 분류를 기준으로 나머지 지역을 통합하거나 분리하였다. 조사대상에 포함된 시군구 수는 총 241개이다. 의료이용은 환자조사의 외래의료 이용으로 한정하고 총의료이용, 고혈압, 당뇨, 관절증으로 나누어 분석하였다.
- 이때 의료이용은 외래 환자수를 의미한다. 질환은 한국표준질병사인분류에 의하여 고혈압은 I10-I15로, 당뇨병은 E10-E14로, 관절증은 M05-M19로 하였으며 총 의료 이용은 조사시점에서 조사된 모든 질환으로 하였다. 연도별 질환별 분석 대상자는 표 1과 같다.
데이터처리
- 이 때 초기 10,000번의 시행은 MCMC(Markov Chain Monte Carlo)과정의 안정화에 필요한 초기반복(burn-in)으로 간주하여 최종 산출과정에서 제외하였다. 베이지안 추정은 WinBUGS 1.4를 이용하여 분석하였으며 베이지안 추정을 위한 시뮬레이션을 제외한 모든 분석은 R2.10.1을 이용하여 분석하였다.
- 시군구 성연령 인구구조는 통계청의 해당연도 주민등록인구를 사용하였으며 질병 구분은 우리나라 질병분류사인코드에 근거하여 분류하였다. 시공간 분석시 기대환자수 산정을 위해 사용된 표준 인구집단은 5개 환자 조사의 평균값으로 하였다. 이는 본 연구의 특성상 특정 연도를 기준으로 표준인구집단과 질병 발생률을 산출하기에는 사용한 적절하지 못하기 때문이다.
- 시공간 분석에 앞서 의료이용의 지역적 상관성이 존재하는지 살펴보기 위하여 Moran's I 검정을 시행하였다.
- 시공간분석에 앞서 의료이용의 공간적 상관성을 살펴보기 위하여 Moran's I 검정을 시행하였다.
이론/모형
- 시공간 분석에 앞서 의료이용의 지역적 상관성이 존재하는지 살펴보기 위하여 Moran's I 검정을 시행하였다. 분석모형으로는 베이지안 계층적 시공간모형(bayesian hierarchial spatio-temporal model)을 이용하였고 지역의 공간적 변이성은 convolution CAR 모형을 적용하여 분석하였다. 특정연도 j , 특정지역 i의 환자수(Yij)는 포아송(Poisson) 분포를 따르고 Eij는 성·연령 표준화 기대환자수라할 때 시공간분석은 다음과 같이 표현된다.
- 외래이용 차이는 상대위험비로 살펴보았으며 상대위험비 산출시 지역의 물질적 결핍지수를 고려하였다. 분석방법으로는 베이지안 계층적 시공간모형을 이용하였으며, 공간적 상관성은 convolution CAR모형을, 시간적 상관성은 Ornstein-Uhlenbeck 방법을 이용하였다.
- 에 발생한 사건에 대한 공분산을 의미하는데 본 분석에서는 Ornstein-Uhlenbeck 방법을 적용하여 시간적 상관성을 고려하였다. 시공간적 상관성 분석시 이때 독립변수로는 지역의 물질적 결핍 정도와 사회적 배제 정도를 동시에 고려하는 지역의 통합결핍지수(CDI: Composite Deprivation Index)2)를 사용하였다.
- 지역적 의료이용의 추정치를 산출하기 위하여 성-연령 표준화 방식을 적용하였고 성연령 구간은 10개구간으로 성별에 따라 연령을 5개 그룹으로 세분하였다(0-14, 15-24, 25-44, 45-64, 65+). 시군구 성연령 인구구조는 통계청의 해당연도 주민등록인구를 사용하였으며 질병 구분은 우리나라 질병분류사인코드에 근거하여 분류하였다. 시공간 분석시 기대환자수 산정을 위해 사용된 표준 인구집단은 5개 환자 조사의 평균값으로 하였다.
- 여기서 θ는 상대위험비(relative risk), g는 상대위험비에 영향을 주는 독립변수, μi는 공간상관성과 관련없는 오차항(spatially independent random variabel), vi는 측정되지 않는 지역적 차이를 나타내는, 즉 공간상관성과 관련있는 오차항(spatiallystructured random variable), #는 동일지역의 서로 다른 시간대 j와 j*에 발생한 사건에 대한 공분산을 의미하는데 본 분석에서는 Ornstein-Uhlenbeck 방법을 적용하여 시간적 상관성을 고려하였다.
성능/효과
- 고혈압은 부산경남 해안가 지역과 강원, 경기, 경북, 충청남북도, 전북 등에서 전국적으로 높은 상대위험비를 보였다. 관절증은 경기, 강원 일부와 충북, 충남, 전북, 전남, 경북, 경남 등 노인 인구 비율이 높은 지역에서 높은 상대위험비를 보였으며 당뇨병은 경기도, 서울, 부산, 전라남북, 충청 일부 지역에서 전국 평균보다 높은 상대위험비를 보였다.
- 당뇨병의 경우 통계적으로 높은 지역은 경북경주시이었으며, 통계적으로 낮은 지역은 경기광명시, 경기김포시, 강원인제군, 강원고성군, 충남보령시, 경남거창군 등이었다. 관절증은 전남곡성군, 전남무안군, 경남진해시(현재 경남창원시진해구), 제주제주시, 제주서귀포시가, 고혈압은 경북경주시가 통계적으로 높은 지역인 반면, 관절증은 서울경기지역, 경북일부 지역에서, 고혈압은 서울 외곽지역과 전남 일부지역 등에서 통계적으로 낮은 의료 이용을 보였다. 경기도 광명시는 3개 만성질환 모두에서 통계적으로 낮은 의료이용을 보였다.
- 특히 부산, 울산 경남, 경북 일부를 연결하는 해안가 지역과 제주, 서울과 경기일대를 중심으로 전국 평균보다 높은 의료이용을 보였다. 다빈도질환이자 만성질환자의 의료이용은 총의료이용과는 달리 대도시 지역보다는 강원도, 충청남북도, 전라남북도, 경상남북도, 제주도 등 농어촌 지역에서 높은 의료이용을 보였다. 고혈압은 부산경남 해안가 지역과 강원, 경기, 경북, 충청남북도, 전북 등에서 전국적으로 높은 상대위험비를 보였다.
- 분석결과, 총외래의료이용의 경우 남해안과 서울 및 경기북부 지역이 양의 영향을 보여 상대위험비 산출시 플러스(+) 영향을, 반면, 강원 및 경북 일부지역은 음의 영향을 보여 상대위험비 산출시 마이너스(–) 영향을 미침을 알 수 있다. 당뇨는 서울지역과 전남 일부 지역이, 관절증은 서해안 일부지역이 양의 영향을 보였으며, 관절증에서 서울 및 서울 외곽지역은 음의 영향을 보였다. 고혈압은 전남해안지역이 음의 영향을 보였으나 서울 및 서울 외곽 지역은 양의 영향을 보여 공간적 상관성이라 하더라도 지역에 따라 최종 값에 다르게 작용함을 알 수 있다.
- 두번째, 시공간분석으로 산출된 의료이용의 상대위험비 중 연구기간동안 90% 신뢰구간내에서 지속적으로 높거나, 낮은 지역을 산출하였다. 이는 첫 번째 분석에서 나타난 결과값에 대한 통계적 의미를 부여하는 것이다.
- 이는 첫 번째 분석에서 나타난 결과값에 대한 통계적 의미를 부여하는 것이다. 분석결과 총의료이용에서 통계적으로 높은 지역은 제주제주시, 제주서귀포시인 반면, 통계적으로 낮은 지역은 경기이천시, 강원정선군, 강원인제군, 충남보령시, 충남청양군, 전북진군, 전북장수군, 전남화순군, 전남함평군, 경북문경시, 경북의성군, 경북 청송군, 경북영양군, 경북고령군, 경북예천군, 경남의령군, 경남산청군, 경남거창군 등 주로 의료자원의 분포가 낮은 지역이었다.
- 분석결과, 총외래의료이용의 경우 남해안과 서울 및 경기북부 지역이 양의 영향을 보여 상대위험비 산출시 플러스(+) 영향을, 반면, 강원 및 경북 일부지역은 음의 영향을 보여 상대위험비 산출시 마이너스(–) 영향을 미침을 알 수 있다.
- 총의료이용의 경우 연도와 상관없이 높은 공간적 상관성을 보인 반면 고혈압, 당뇨병, 관절증은 상대적으로 낮은 공간적 상관성을 보였다. 연도별로 공간적 상관성을 살펴본 결과, 고혈압, 당뇨병은 2005년을 기점으로 증가하다 낮아지는 경향을 보인 반면 관절증은 2005년에 급격히 낮아지다 2008년 증가하는 것으로 나타났다. 이처럼 공간적 상관성은 질환에 따라 다소 다른 양상을 보였다(결과 표 생략).
- 식 (4)에 기술된 방식에 따라 산출한 시공간분석 결과를 크게 3가지 측면에서 살펴보면 다음과 같다. 첫번째, 시공간 상관성을 고려한 후 의료이용의 지역적 분포를 살펴본 결과 의료이용의 상대위험비는 질환에 따라 지역적으로 다른 양상을 보였다(그림 3, 표 2).
- 총의료 이용의 경우 시·군 지역보다 대도시인 구지역에서 높은 상대위험비(relatiave risk)를 보였다.
- 총의료이용의 경우 시·군 지역보다 대도시인 구지역에서 높은 상대위험비를 보인반면 다빈도질환이자 만성질환은 총의료이용과는 달리 강원도, 충청남북도, 전라남북도, 제주도 등 농어촌 지역에서 전국평균보다 높은 상대위험비를 보였다.
- 시공간분석에 앞서 의료이용의 공간적 상관성을 살펴보기 위하여 Moran's I 검정을 시행하였다. 총의료이용의 경우 연도와 상관없이 높은 공간적 상관성을 보인 반면 고혈압, 당뇨병, 관절증은 상대적으로 낮은 공간적 상관성을 보였다. 연도별로 공간적 상관성을 살펴본 결과, 고혈압, 당뇨병은 2005년을 기점으로 증가하다 낮아지는 경향을 보인 반면 관절증은 2005년에 급격히 낮아지다 2008년 증가하는 것으로 나타났다.
- 총의료이용의 경우 시·군 지역보다 대도시인 구지역에서 높은 상대위험비를 보인반면 다빈도질환이자 만성질환은 총의료이용과는 달리 강원도, 충청남북도, 전라남북도, 제주도 등 농어촌 지역에서 전국평균보다 높은 상대위험비를 보였다. 특히 고혈압은 부산경남 해안가 지역과 강원, 경기, 경북, 충청남북도, 전북 등에서 높은 상대위험비를 보인 반면, 관절증은 경기, 강원 일부와 충북, 충남, 전북, 전남, 경북, 경남지역 등에서, 당뇨병은 경기, 서울, 부산, 전라남북, 충청일부 지역에서 상대적으로 높은 상대위험비를 보였다. 이처럼 같은 만성질환이라 하더라도 의료이용에 있어 지역적 차이가 남을 알 수 있다.
- 총의료 이용의 경우 시·군 지역보다 대도시인 구지역에서 높은 상대위험비(relatiave risk)를 보였다. 특히 부산, 울산 경남, 경북 일부를 연결하는 해안가 지역과 제주, 서울과 경기일대를 중심으로 전국 평균보다 높은 의료이용을 보였다. 다빈도질환이자 만성질환자의 의료이용은 총의료이용과는 달리 대도시 지역보다는 강원도, 충청남북도, 전라남북도, 경상남북도, 제주도 등 농어촌 지역에서 높은 의료이용을 보였다.
후속연구
- 본 연구는 의료이용에 관한 오랜 기간 축적된 자료를 이용하였다는 장점에도 불구하고 분석자료인 환자조사가 가지는 단점을 그대로 연구의 한계로서 가진다. 환자조사 외래 방문의 경우 일년에 임의의 하루동안 이루어진 방문건수만 기록한 것이다.
- 본 연구가 주목한 질환의 경우 외래에서 가장 흔한 다빈도 질환이라 이런 편의가 발생할 가능성이 적긴 하지만 편의가 발생할 가능성은 여전히 존재한다. 본 연구의 또 다른 한계는 시공간 분석을 수행하면서 사건 발생의 시간적 상관성과 공간적 상관성을 각각 독립적으로 살펴 분석하였지만 시간과 공간의 상호작용 관계를 고려하지 않았다는 것이다. 향후 시공간의 상호작용을 고려한 분석이 수행될 필요가 있다.
- 본 연구결과는 주요 만성질환별로 의료기관 이용률이 높은 지역을 지도화한 것이다. 이는 의료이용에 있어 지역별 차이를 완화하기 위한 지자체 단위의 보건의료정책 또는 만성질환 예방사업의 근거자료로 활용 가능할 것으로 보인다. 정책적인 측면에서 보다 풍부한 결과를 도출하기 위해서 공간적, 시간적 상관성이 다양한 측면과 방법으로 분석될 필요가 있다.
- 이는 의료이용에 있어 지역별 차이를 완화하기 위한 지자체 단위의 보건의료정책 또는 만성질환 예방사업의 근거자료로 활용 가능할 것으로 보인다. 정책적인 측면에서 보다 풍부한 결과를 도출하기 위해서 공간적, 시간적 상관성이 다양한 측면과 방법으로 분석될 필요가 있다.
- 본 연구의 또 다른 한계는 시공간 분석을 수행하면서 사건 발생의 시간적 상관성과 공간적 상관성을 각각 독립적으로 살펴 분석하였지만 시간과 공간의 상호작용 관계를 고려하지 않았다는 것이다. 향후 시공간의 상호작용을 고려한 분석이 수행될 필요가 있다. 본 연구결과는 주요 만성질환별로 의료기관 이용률이 높은 지역을 지도화한 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.