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
- 국내에서도 행정자료인 건강보험 청구자료를 이용하여 건강보험심사평가원에서 일부 질환을 대상으로 요양급여 적정성 평가 항목 중 중증도 보정 사망률을 평가하는 체계가 있으나 일부질환에 국한되어 있어, 평가 결과가 해당 의료기관의 의료서비스의 질적 수준을 충분히 반영하기 어렵다는 한계를 가지고 있다[6]. 이에 본 연구에서는 수집이 용이하며, 건강보험 청구자료나 환자조사 등 타행정자료에서 수집할 수 없는 부상병에 대한 정보를 체계적으로 수집해 놓은 퇴원손상환자 자료를 이용하여 의료기관 사망환자의 중증도 보정 모형을 개발하고, 의료기관 중증도 보정 사망비(HSMR)를 산출, 비교하여, 행정자료를 이용한 의료서비스 결과(outcome)를 평가할 수 있는 방안을 제시하고자 한다.
- 본 연구에서는 수집이 용이하고, 부상병의 정보를 체계적으로 수집한 퇴원손상심층조사 자료 중 500병상 이상 50개 의료기관에서 사망의 80%에 해당하는 주상병으로 퇴원한 환자 자료를 추출하여 의료기관 사망환자의 중증도 보정 모형을 개발하고, 의료기관 중증도 보정 사망비를 산출, 비교하고자 하였다. 본 연구에서 KCD-5(ICD-10)코드의 3단위를 기준으로 산출한 500병상 이상 50개 의료기관에서 퇴원한 환자의 사망의 80%에 해당하는 주상병은 모두 41개였다.
- 연구결과를 바탕으로 행정자료를 이용한 의료기관 중증도 보정 사망비(HSMR)를 산출하고 활용하기 위한 방안을 다음과 같이 제시하고자 한다. 첫째, 행정자료를 이용한 의료기관 중증도 보정 사망비(HSMR)의 정확성 및 신뢰성을 위해서는 행정자료의 정확성 및 신뢰성에 대한 질관리 활동이 선행되어야 한다.
제안 방법
- 본 연구에서는 선행 연구방법에 따라 퇴원손상환자 자료의 환자요인 중 연령, 성, 재원일수, 주상병, Elixhauser 동반상병지수, 입원경로, 수술유무 변수를 의료기관 사망 중증도 보정 모형 개발을 위한 독립변수로 사용하였다[6,14,15]. 선행연구에서 의료기관 사망 중증도 보정 모형 개발에 사용된 독립변수는 표 1과 같다.
- 모형개발 후 모형의 평가는 Root ASE (absolute squared error)를 이용하였다. 의료기관 사망 중증도 보정 모형에 근거하여 연구대상이 된 퇴원환자 각각의 퇴원시 사망확률을 예측하였으며, 이를 기반으로 각 의료기관의 실제 사망환자수와 기대 사망환자수를 산출하여 각 의료기관의 의료기관 중증도 보정 사망비(HSMR)를 비교하였다. 또한 연구대상이 된 퇴원환자가 이용한 의료기관의 병상규모에 따라 의료기관 중증도 보정 사망비(HSMR)가 차이가 있는지 파악하고자 의료기관의 병상규모별로 의료기관 중증도 보정 사망비(HSMR)를 산출하여 비교하였다.
- 의료기관 사망 중증도 보정 모형에 근거하여 연구대상이 된 퇴원환자 각각의 퇴원시 사망확률을 예측하였으며, 이를 기반으로 각 의료기관의 실제 사망환자수와 기대 사망환자수를 산출하여 각 의료기관의 의료기관 중증도 보정 사망비(HSMR)를 비교하였다. 또한 연구대상이 된 퇴원환자가 이용한 의료기관의 병상규모에 따라 의료기관 중증도 보정 사망비(HSMR)가 차이가 있는지 파악하고자 의료기관의 병상규모별로 의료기관 중증도 보정 사망비(HSMR)를 산출하여 비교하였다.
- 500병상 이상 50개 의료기관 퇴원환자 중 사망환자의 80%에 해당하는 주상병으로 퇴원한 환자를 대상으로 데이터마이닝을 이용하여 의료기관 중증도 보정 사망 모형을 개발한 결과 표 8과 같이 로지스틱회귀분석의 Root ASE값이 적어 모형의 성능이 가장 우수한 것으로 판명됨에 따라 로지스틱회귀모형을 이용하여 의료기관 중증도 보정 사망 모형을 개발하였다[표 9]. 로지스틱회귀모형에 따르면, 남자가 여자보다 의료기관 사망 확률이 1.
- 개발된 의료기관 중증도 보정 사망 모형에 따라 의료기관별 퇴원환자의 예측사망률을 합산하여 500병상 이상 50개 의료기관의 의료기관 중증도 보정 사망비(HSMR)를 산출하였다. 그 결과 의료기관 중증도 보정 사망비(HSMR)가 가장 낮은 의료기관의 의료기관 중증도 보정사망비(HSMR)는 55.
대상 데이터
- 본 연구는 질병관리본부의 2007-2008년 퇴원손상심층조사 자료 367,693건을 모집단으로 하였다. 퇴원손상심층조사 자료는 명칭은 퇴원손상심층조사이나 실제로는 전체 입원환자에 대해서 조사한 자료이며, 질병관리본부가 미국의 퇴원환자조사 방법론을 근거로 하여 2004년에 구축하여 100병상 이상 급성기 일반병원 중 시도별, 병상규모별로 170개 표본병원을 선정하여 전년도 퇴원환자에 대한 조사를 매년 실시한 것이다[11].
- 본 연구에서는 2007-2008년 퇴원손상심층조사 자료 367,693건 중 병상규모가 500병상 이상인 50개 의료기관의 자료 249,880건을 추출하였다. 이 중 선행 연구방법에 따라[6] 신생아, 의뢰 및 전원환자, 재원일수가 1일 또는 366일 이상인 자, 주상병이 고식적 치료를 위해 입원한(Z51.
- 또한 전체 환자를 연구 대상으로 하여 중증도 보정 사망비를 산출하여 비교하는 것보다 사망환자의 80%를 차지하는 주상병 즉, 사망률이 높은 주상병에 해당하는 환자를 연구대상으로 하여 중증도 보정 사망비를 산출하여 비교하는 것이 결과에 대한 신뢰성이 높은 것으로 나타나[14,15], 본 연구에서는 KCD-5 (Korean standard classification of diseases-5차 개정판)코드의 3단위를 기준으로 사망환자의 80%에 해당하는 41개 주상병을 추출하여 그에 해당하지 않는 퇴원환자 151,307건을 연구대상자에서 제외하였다. 본 연구의 최종 연구대상자는 63,664건이었다.
데이터처리
- 산출된 의료기관 중증도 보정 사망비(HSMR)에 대한 95%신뢰구간은 그림 2과 같이 Byar's approximation을 이용하여 계산하였다[14].
- 연구대상자의 일반적 특성, 주상병, 동반상병 분포를 파악하기 위하여 빈도분석을 실시하였으며, 일반적 특성, 주상병, 이용 의료기관에 따른 사망률의 차이를 분석하기위하여 교차분석을 실시하였다. 의료기관 사망 중증도 보정 모형은 데이터마이닝 기법인 로지스틱회귀분석, 의사결정나무를 이용하여 개발하였다.
- 의료기관 사망 중증도 보정 모형은 데이터마이닝 기법인 로지스틱회귀분석, 의사결정나무를 이용하여 개발하였다. 모형개발을 위해 훈련용 데이터 60%, 검증용 데이터 40%로 분류하였으며, 로지스틱 회귀분석은 단계적 선택방법(Stepwise)을 사용하였고, 의사결정나무 분석은 CHAID(Chi-squared Automatic Interaction Detection) 방법을 사용하였다. 모형개발 후 모형의 평가는 Root ASE (absolute squared error)를 이용하였다.
이론/모형
- 선행 연구결과에 따르면 Charlson index보다 Elixhauser comorbidity index에서 환자의 사망 예측력이 높은 것으로 나타났으며[6,16], 위암 환자의 Charlson comorbidity index의 예측력을 연구한 연구결과에 따르면 사망에 대한 예측력을 갖지 못하는 것으로 나타났다[17]. 이에 본 연구에서는 Elixhauser comorbidity index 방법을 이용하여 동반상병의 중증도를 보정하였다.
- 연구대상자의 일반적 특성, 주상병, 동반상병 분포를 파악하기 위하여 빈도분석을 실시하였으며, 일반적 특성, 주상병, 이용 의료기관에 따른 사망률의 차이를 분석하기위하여 교차분석을 실시하였다. 의료기관 사망 중증도 보정 모형은 데이터마이닝 기법인 로지스틱회귀분석, 의사결정나무를 이용하여 개발하였다. 모형개발을 위해 훈련용 데이터 60%, 검증용 데이터 40%로 분류하였으며, 로지스틱 회귀분석은 단계적 선택방법(Stepwise)을 사용하였고, 의사결정나무 분석은 CHAID(Chi-squared Automatic Interaction Detection) 방법을 사용하였다.
- 모형개발을 위해 훈련용 데이터 60%, 검증용 데이터 40%로 분류하였으며, 로지스틱 회귀분석은 단계적 선택방법(Stepwise)을 사용하였고, 의사결정나무 분석은 CHAID(Chi-squared Automatic Interaction Detection) 방법을 사용하였다. 모형개발 후 모형의 평가는 Root ASE (absolute squared error)를 이용하였다. 의료기관 사망 중증도 보정 모형에 근거하여 연구대상이 된 퇴원환자 각각의 퇴원시 사망확률을 예측하였으며, 이를 기반으로 각 의료기관의 실제 사망환자수와 기대 사망환자수를 산출하여 각 의료기관의 의료기관 중증도 보정 사망비(HSMR)를 비교하였다.
- 그러나 이는 의료기관을 이용하는 환자의 특성 및 중증도 보정하지 않은 퇴원시 단순 사망률을 비교한 것으로 의료기관 간의 의료의 질적인 차이를 의미한다고 보기는 힘들다는 제한점이 있다[8]. 의료기관을 이용하는 환자의 특성 및 중증도를 보정하기 위하여 데이터마이닝을 이용하여 의료기관 사망 중증도 보정 모형을 개발한 결과 로지스틱회귀분석의 모형 성능이 우수한 것으로 판명되어 의료기관 사망 중증도 보정 모형 개발에 로지스틱회귀모형을 이용하였다. 이는 의료기관 사망 중증도 보정 모형 개발을 위해 일반적으로 로지스틱 회귀분석모형을 사용한다는 호주, 캐나다, 영국, 건강보험심사평가원의 연구방법과 일치하는 결과였다[6,14-15,18].
성능/효과
- Elixhauser comorbidity index 방법을 이용한 동반상병 분포는 표 4와 같이 Solid tumor, without metastasis 유가 30.5%로 가장 높았으며, Hypertension uncomplicated 17.4%, Liver disease 10.3%, Diabetes uncomplicated 8.2% 등의 순으로 높게 조사되었다.
- 성별로는 여자보다 남자의 퇴원시 사망률이 높았으며, 연령별, 재원일수별로는 연령이 높을수록, 재원일수가 높을수록 퇴원시 사망률이 높은 것으로 나타났다(p<0.05).
- 수술유무별로는 수술을 시행하지 않은 퇴원환자가 수술을 시행한 퇴원환자 보다 퇴원시 사망률이 높았으며, 입원경로별로는 외래를 통한 입원보다 응급실을 통한 입원이 퇴원시 사망률이 높은 것으로 나타났다(p<0.05).
- 퇴원환자가 이용한 의료기관의 병상규모별로는 1,000병상 이상보다 500~999병상의 퇴원시 사망률이 높았다(p<0.05).
- 연구대상자가 이용한 의료기관별 퇴원시 사망률 차이는 표 7와 같다. 가장 낮은 퇴원시 사망률을 나타낸 의료기관의 퇴원시 사망률은 1.9%였으며, 가장 높은 퇴원시 사망률을 나타낸 의료기관의 퇴원시 사망률은 14.9%였다. 이러한 연구대상자가 이용한 의료기관별 퇴원시 사망률 차이는 통계적으로 유의한 차이였다(p<0.
- 17배 높았으며, 연령이 높을수록 의료기관 사망 확률이 높았다. 재원일수별로는 22~365일이 사망할 확률이 가장 높았으며, 16~21일, 2일, 10~15일, 3~9일 순으로 높았다.
- Elixhauser 동반상병 지수별로는 동반상병 지수가 높을수록 사망확률이 높은 것으로 나타났다. 수술유무별로는 수술을 시행한 환자보다 시행하지 않은 환자의 사망 확률이 2.
- Elixhauser 동반상병 지수별로는 동반상병 지수가 높을수록 사망확률이 높은 것으로 나타났다. 수술유무별로는 수술을 시행한 환자보다 시행하지 않은 환자의 사망 확률이 2.6배 높았으며, 입원경로별로는 외래를 통해 입원한 환자보다 응급실을 통해 입원한 환자의 사망 확률이 3.7배 높았다. 주상병별로는 A41(기타 패혈증)의 사망 확률이 가장 높았으며, C92(골수성 백혈병), J84(기타 사이질성 폐질환), C91(림프 백별병), C23(쓸개(담낭)의 악성신생물) 등의 순으로 사망확률이 높은 것으로 조사되었다.
- 7배 높았다. 주상병별로는 A41(기타 패혈증)의 사망 확률이 가장 높았으며, C92(골수성 백혈병), J84(기타 사이질성 폐질환), C91(림프 백별병), C23(쓸개(담낭)의 악성신생물) 등의 순으로 사망확률이 높은 것으로 조사되었다.
- 개발된 의료기관 중증도 보정 사망 모형에 따라 의료기관별 퇴원환자의 예측사망률을 합산하여 500병상 이상 50개 의료기관의 의료기관 중증도 보정 사망비(HSMR)를 산출하였다. 그 결과 의료기관 중증도 보정 사망비(HSMR)가 가장 낮은 의료기관의 의료기관 중증도 보정사망비(HSMR)는 55.6이었으며, 의료기관 중증도 보정사망비(HSMR)가 가장 높은 의료기관의 의료기관 중증도 보정 사망비(HSMR)는 201.5로 나타나 차이가 있음을 확인 할 수 있었다[표 10].
- 500병상 이상 50개 의료기관의 의료기관별 퇴원시 사망률을 단변량분석을 통해 파악한 결과 가장 낮은 사망률을 나타낸 의료기관의 퇴원시 사망률은 1.9%였으며, 가장 높은 사망률을 나타낸 의료기관의 퇴원시 사망률은 14.9%로 의료기관간 퇴원시 사망률의 변이가 큰 것으로 나타났다. 그러나 이는 의료기관을 이용하는 환자의 특성 및 중증도 보정하지 않은 퇴원시 단순 사망률을 비교한 것으로 의료기관 간의 의료의 질적인 차이를 의미한다고 보기는 힘들다는 제한점이 있다[8].
- 이는 의료기관 사망 중증도 보정 모형 개발을 위해 일반적으로 로지스틱 회귀분석모형을 사용한다는 호주, 캐나다, 영국, 건강보험심사평가원의 연구방법과 일치하는 결과였다[6,14-15,18]. 로지스틱회귀모형을 이용한 의료기관 사망 중증도 보정 모형에 따르면 남자가 여자보다 사망할 확률이 높았으며, 연령이 높을수록 의료기관 사망 확률이 높았다. 재원일수별로는 22~365일, 16~21일 등의 순으로 사망할 확률이 높았다.
- 재원일수별로는 22~365일, 16~21일 등의 순으로 사망할 확률이 높았다. Elixhauser 동반상병 지수별로는 동반상병 지수가 높을수록 사망확률이 높았으며, 입원경로별로는 외래를 통해 입원한 환자보다 응급실을 통해 입원한 환자의 사망 확률이 높았다. 호주, 캐나다의 의료기관 사망 중증도 보정 모형 결과에 따르면 호주의 경우 여자가 남자보다 사망할 확률이 높아 본 연구결과와 반대의 결과였으나, 캐나다의 경우 남자가 여자보다 사망할 확률이 높아 본 연구결과와 동일한 결과를 나타냈다.
- Elixhauser 동반상병 지수별로는 동반상병 지수가 높을수록 사망확률이 높았으며, 입원경로별로는 외래를 통해 입원한 환자보다 응급실을 통해 입원한 환자의 사망 확률이 높았다. 호주, 캐나다의 의료기관 사망 중증도 보정 모형 결과에 따르면 호주의 경우 여자가 남자보다 사망할 확률이 높아 본 연구결과와 반대의 결과였으나, 캐나다의 경우 남자가 여자보다 사망할 확률이 높아 본 연구결과와 동일한 결과를 나타냈다. 연령별, 동반상병지수별로는 호주, 캐나다 모두 연령이 높을수록, 동반상병지수가 높을수록 사망할 확률이 높아 본 연구와 동일한 결과였으며, 입원경로 역시 호주, 캐나다 모두 응급실을 통한 입원의 사망할 확률이 높아 본 연구결과와 동일한 결과를 보였다.
- 호주, 캐나다의 의료기관 사망 중증도 보정 모형 결과에 따르면 호주의 경우 여자가 남자보다 사망할 확률이 높아 본 연구결과와 반대의 결과였으나, 캐나다의 경우 남자가 여자보다 사망할 확률이 높아 본 연구결과와 동일한 결과를 나타냈다. 연령별, 동반상병지수별로는 호주, 캐나다 모두 연령이 높을수록, 동반상병지수가 높을수록 사망할 확률이 높아 본 연구와 동일한 결과였으며, 입원경로 역시 호주, 캐나다 모두 응급실을 통한 입원의 사망할 확률이 높아 본 연구결과와 동일한 결과를 보였다. 재원일수별로는 호주의 경우 22~365일, 2일 등의 순으로 사망할 확률이 높았으며, 캐나다의 경우 22~365일, 1일 등의 순으로 사망할 확률이 높아 각 국가별로 차이가 있는 것을 확인할 수 있었다[14-15].
- 연령별, 동반상병지수별로는 호주, 캐나다 모두 연령이 높을수록, 동반상병지수가 높을수록 사망할 확률이 높아 본 연구와 동일한 결과였으며, 입원경로 역시 호주, 캐나다 모두 응급실을 통한 입원의 사망할 확률이 높아 본 연구결과와 동일한 결과를 보였다. 재원일수별로는 호주의 경우 22~365일, 2일 등의 순으로 사망할 확률이 높았으며, 캐나다의 경우 22~365일, 1일 등의 순으로 사망할 확률이 높아 각 국가별로 차이가 있는 것을 확인할 수 있었다[14-15]. 개발된 의료기관 사망 중증도 보정 모형에 따라 500병상 이상 50개 의료기관의 의료기관 중증도 보정 사망비(HSMR)를 산출한 결과 가장 낮은 의료기관은 55.
- 재원일수별로는 호주의 경우 22~365일, 2일 등의 순으로 사망할 확률이 높았으며, 캐나다의 경우 22~365일, 1일 등의 순으로 사망할 확률이 높아 각 국가별로 차이가 있는 것을 확인할 수 있었다[14-15]. 개발된 의료기관 사망 중증도 보정 모형에 따라 500병상 이상 50개 의료기관의 의료기관 중증도 보정 사망비(HSMR)를 산출한 결과 가장 낮은 의료기관은 55.6이었으며, 가장 높은 201.5로 나타났다. 이를 변이를 나타내는 대표적 통계량인 극단값 비(Extremal Quotient, EQ)를 이용하여 변이수준을 파악한 결과 3.
- 행정자료 중 결측값으로 분류되는 오류 또는 미상의 자료를 확인하여 최소화하여야 하며, 의료기관 중증도 보정 사망 모형 개발에 있어 가장 중요한 요인인 주상병, 부상병이 정확하게 반영될 수 있도록 조사지침을 마련하고 지속적인 교육을 실시하여야 한다. 둘째, 본 연구결과 국내 의료기관의 의료기관 중증도 보정 사망비(HSMR)의 변이가 의료기관 중증도 보정 사망비(HSMR)를 활용하여 질관리 활동을 전개하고 있는 외국보다 큰 것으로 나타났다. 이는 의료기관 중증도 보정 사망비(HSMR)에 대한 국내의 인식이 부족하며, 연구가 초기 단계이기 때문이다.
후속연구
- 이는 의료기관 중증도 보정 사망비(HSMR)에 대한 국내의 인식이 부족하며, 연구가 초기 단계이기 때문이다. 국내의 행정자료에 적합한 중증도 보정 방법 개발 및 각 의료기관별 의료기관 중증도 보정 사망비(HSMR)의 통계적 오차를 줄이는 방안 등에 대한 지속적인 연구를 통해 신뢰성 있는 지표를 생성하고 제시하여야 한다. 또한 이를 바탕으로 사망환자 관리에 대한 중요성을 지속적으로 강조하고, 의료기관의 사망환자 관리에 대한 질 관리 활동이 이루어 질 수 있도록 하여야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.