[논문]타 의료기관으로 이탈한 암환자의 특성 파악

차재빈; 남정혜; 안성식

doi:10.12811/kshsm.2013.7.1.001

타 의료기관으로 이탈한 암환자의 특성 파악
The Identification of the Characteristics of Cancer Patients Who Defected to Other Medical Institutions 원문보기

보건의료산업학회지 = The Korean journal of health service management, v.7 no.1, 2013년, pp.1 - 9

차재빈 (경희대학교 일반대학원 경영학과) , 남정혜 (경민대학교 보건행정과) , 안성식 (경희사이버대학교 외식농산업경영학과)

Abstract ▼ AI-Helper

This study intends to identify the characteristics of cancer in-patients and those of cancer patients who defected to other medical institutions based on the summary of hospital discharge information of a university hospital for the purpose of improving work efficiency and maximizing the number of patients. The study used data on cancer patients registered in the database of C University Hospital in Gyeonggi Province for a period of one year between January 1 and December 31. The analysis results suggest that the commonalities of the cancer patients who defected to other medical institutions include no specific job, old age, and hospitalization through emergency room. In conclusion, hospitals need to identify the characteristics of cancer patients classified as patients who are prone to defect and the defection factors through this prediction model.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 과학적인 접근방법을 통해 업무 효율 증대 및 환자 확보의 극대화를 도모하고자 일개 대학병원의 퇴원요약 정보를 토대로 내원한암환자의 특성과 타 의료기관으로 이탈한 암환자의 특성을 파악하고자 한다. 이는 타 의료기관으로 이탈한 암환자의 특성을 파악한 후, 병원경영자 또는 병원마케팅 담당자가 경쟁적 의료 환경에서 보다 효율적으로 마케팅활동을 수행하는데 도움이 되고자한다.
본 연구에서는 암 발생환자 수가 증가함에 따라 암환자의 특성을 파악하여 병원에서 마케팅활동을 효율적이고 과학적으로 수행하기 위해 간단한 고객정보만을 취득하여 활용할 수 있는 의사결정나무모형 분석을 사용하여 암환자의 특성을 분석하였다. 기존연구에서 이탈환자의 이탈요인에 대한 분석결과를 보면 응급환자 중 이탈환자가 6.
본 연구에서는 암 환자로 진단하였으나 타 의료기관으로 전원하기 위해 퇴원한 환자를 이탈환자라고 정의하고 이탈한 암환자의 특성을 파악하였다. 이탈한 암환자의 특성으로는 직업, 연령, 내원 경유, 입원경로, 수술유무, 진료과, 치료결과에서 유의한 차이를 보였다.
본 연구에서는 과학적인 접근방법을 통해 업무 효율 증대 및 환자 확보의 극대화를 도모하고자 일개 대학병원의 퇴원요약 정보를 토대로 내원한암환자의 특성과 타 의료기관으로 이탈한 암환자의 특성을 파악하고자 한다. 이는 타 의료기관으로 이탈한 암환자의 특성을 파악한 후, 병원경영자 또는 병원마케팅 담당자가 경쟁적 의료 환경에서 보다 효율적으로 마케팅활동을 수행하는데 도움이 되고자한다. 이를 분석하는 기법으로는 데이터마이닝 기법 중 하나인 의사결정나무모형 분석방법을 이용하여 암환자의 이탈을 방지하기 위한 요인들에 대하여 연구하였다.
이를 분석하는 기법으로는 데이터마이닝 기법 중 하나인 의사결정나무모형 분석방법을 이용하여 암환자의 이탈을 방지하기 위한 요인들에 대하여 연구하였다. 이러한 연구를 통하여 신규 환자유치와 환자의 이탈을 방지하기 위해 점차 치열해지고 있는 의료 환경 속에서 병원이 신뢰받고 효율적인 경영전략을 수립하는 데 유용한 정보를 제공하는데 의의가 있다.

제안 방법

8%)을 추출하여 조사대상을 분석에 사용 하였다. 또한 본 연구에서는 매핑이 되는 의무기록(퇴원요약 등록정보)의 변수들 중에서 일부 변수를 분석에 사용하였다.
본 연구에서는 구체적인 암환자의 특성 및 이탈 방지 모형을 개발하고자 데이터마이닝 기법 중 의사결정나무모형 분석기법을 이용하였다. Lee 등[11]은 의료기관에서 이탈환자의 진료를 향상시키기 위한 정보를 찾아내는데 데이터마이닝 기법을 제시한 바 있다.
의무기록을 통해 수집한 자료의 구체적인 변수로는 일반적 특성을 나타내는 성별, 연령, 직업, 결혼유무, 종교의 5개 변수를 사용하였으며, 입원형태와 관련된 변수로는 보험유형, 내원경유, 입원경로, 수술유무, 진료과 등 5개 변수를 사용하였다. 치료결과와 관련된 변수로는 치료결과 1개로 총 11개의 독립변수를 분석에 사용하였다.
이는 타 의료기관으로 이탈한 암환자의 특성을 파악한 후, 병원경영자 또는 병원마케팅 담당자가 경쟁적 의료 환경에서 보다 효율적으로 마케팅활동을 수행하는데 도움이 되고자한다. 이를 분석하는 기법으로는 데이터마이닝 기법 중 하나인 의사결정나무모형 분석방법을 이용하여 암환자의 이탈을 방지하기 위한 요인들에 대하여 연구하였다. 이러한 연구를 통하여 신규 환자유치와 환자의 이탈을 방지하기 위해 점차 치열해지고 있는 의료 환경 속에서 병원이 신뢰받고 효율적인 경영전략을 수립하는 데 유용한 정보를 제공하는데 의의가 있다.
치료결과와 관련된 변수로는 치료결과 1개로 총 11개의 독립변수를 분석에 사용하였다. 종속변수로는 암 환자로 진단하였으나 타 의료기관으로 전원 하기 위해 퇴원한 환자를 이탈환자라 정의하여 정상퇴원환자와 구분하여 사용하였다[Table 1].

대상 데이터

본 연구의 목적을 달성하기 위해 2009년 1월 1일부터 12월 31일까지 1년간 경기도일대 C대학병원에 등록된 암환자 자료 총 1,358건 중 데이터 정제를 통해 일부 변수가 누락된 데이터를 제외한 596건(43.8%)을 추출하여 조사대상을 분석에 사용 하였다. 또한 본 연구에서는 매핑이 되는 의무기록(퇴원요약 등록정보)의 변수들 중에서 일부 변수를 분석에 사용하였다.

데이터처리

총 12개의 변수를 분석에 사용하였으며, 암환자의 이탈방지 모형을 설계하기 위하여 분석도구로는 PASW19.0통계분석프로그램을 활용하였다. 의사결정나무모형을 비교, 분석함으로써 보다 유용한 정보를 제공하고자 의사결정나무모형 중에서 CART를 이용하였다.

이론/모형

0통계분석프로그램을 활용하였다. 의사결정나무모형을 비교, 분석함으로써 보다 유용한 정보를 제공하고자 의사결정나무모형 중에서 CART를 이용하였다. 의사결정모형 중에서 CART 는 개별고객의 이탈확률 추정, 개별고객의 특정 상품 가입 확률 추정, 그리고 특정상품을 구입한 고객집단의 프로필(Profile) 추출하거나 이들 집단을 구분하는 중요한 속성요인을 추출하는데 많이 이용된다.

성능/효과

이탈한 암환자의 특성은 직업이 뚜렷하지 않고 나이가 많은 고령 환자들이며 응급실을 경유하여 입원한 환자들이었다. 또한 수술을 받지 않고 내과계로 입원한 환자이며 진단만 받거나 호전이 안 된 암환자가 이탈특성을 보였다. 이러한 예측모형을 토대로 이탈환자를 방지하기 위해서는 이탈환자의 특성을 정확히 파악하고 적절한 활동을 전개함으로써 기존 암환자로부터 발생되는 수익을 극대화 시킬 수 있다.
그리고 데이터마이닝을 효율적으로 수행 하기 위하여 시계열 분석 등 각종 통계기법과 데이터베이스 기술뿐만 아니라 데이터마이닝을 통하여 모형을 만들고 이러한 모형을 이용하여 미래를 예측할 수 있다. 분석결과 이탈환자의 오분류표에서 정분류율은 83.7%였다. 예측모형의 결과를 살펴보면 직업에서는 무직, 주부, 운수업, 기타 등 직업이 뚜렷하지 않은 환자들이 이탈확률(13.
8%였다[12]. 암환자의 보험유형은 건강보험환자가 90.1%이며 의료급여 1종은 9.9%로 건강보험환자의 비중이 높았다. 이는 병원급 이상 의료기관을 퇴원한 환자 중 상급종합병원을 이용한 비율은 건강보험 30.
암환자의 보험유형을 살펴보면 건강보험환자가 90.1%이며 의료급여 1종은 9.9%로 건강보험환자의 비중이 높았다. 이탈환자는 의료급여 1종이 18.
7%였다. 예측모형의 결과를 살펴보면 직업에서는 무직, 주부, 운수업, 기타 등 직업이 뚜렷하지 않은 환자들이 이탈확률(13.0%)이 높으며 수술여부에서는 수술을 받지 않은 환자가 이탈확률(10.9%)이 높았다. 입원경로에서는 응급실로 입원한 이탈환자가 이탈할 확률(34.
이탈환자의 특성을 살펴보면, 수술을 받지 않고 응급실을 통해서 입원을 하여 치료결과가 경쾌하거나 48시간이후 사망하는 환자인 반면에 치료결과에 있어 진단만 받거나 호전이 안 된 환자인 경우에는 이탈할 가능성이 높은 환자였다. 의사결정나무 분석모형에 의한 이탈환자의 오분류표에의하면 학습 정분류율은 83.7%로 예측됨을 확인할수 있다[Table 3].
본 연구에서는 암 환자로 진단하였으나 타 의료기관으로 전원하기 위해 퇴원한 환자를 이탈환자라고 정의하고 이탈한 암환자의 특성을 파악하였다. 이탈한 암환자의 특성으로는 직업, 연령, 내원 경유, 입원경로, 수술유무, 진료과, 치료결과에서 유의한 차이를 보였다. 이탈한 암환자의 특성은 직업이 뚜렷하지 않고 나이가 많은 고령 환자들이며 응급실을 경유하여 입원한 환자들이었다.
5%로 가장 낮았다. 이탈환자는 신경외과 36.0%로 가장 높았으며 호흡기내과 28.8%, 혈액종양내과 22.8%, 소화기내과 21.0%순이며 이비인후과, 내분비내과 등은 가장 낮은 분포를 보였다. 전체 중 내과계는 57.
7%이었다. 이탈환자는 호전안됨이 78.6%로 가장 높았으며 진단만 48.9%, 경쾌 6.0%순이었다[Table 2].
9%)이 높았다. 입원경로에서는 응급실로 입원한 이탈환자가 이탈할 확률(34.1%)이 높고 치료결과에 있어서는 진단만 받거나 호전이 안 되는 환자가 이탈할 확률(55.7%)이 높았다. 따라서 예측 모델을 통하여 분석한 암환자의 특성을 분류하여 요인을 파악한 결과 입원경로 중 응급실경유입원, 진료계중에서는 내과계, 직업으로는 무직, 주부, 운수업, 기타 등, 그리고 수술여부에서는 수술을 받지 않은 환자가 속하는 그룹을 어떻게 관리해야하는지 전략을 도출하고 해결방안을 모색한다면 병원에서는 효율적인 운영관리가 될 것으로 판단된다.
3%였다. 진료과별 이탈환자의 분포를 보면 내과계에서는 호흡기내과가 28.2%로 가장 높은 분포를 보였고, 혈액종양내과 22.8%, 소화기 내과 21.0% 순이었으며, 외과계에서는 신경외과가 36.0%, 기타 17.8%, 이비인후과 5.6%, 외과가 4.3%로 가장 낮은 분포를 보였으며 내과계가 외과계보다 높은 이탈율을 보였다. 그러나 Park 등[14]의 연구에서는 지정 진료인 경우는 외과계나 내과계가 비슷한 경향을 보였으나 일반진료의 경우는 내 과계 보다는 외과계가 높다고 하였다.

후속연구

특히 암환자이탈을 방지하기 위해서는 환자불만의 원인이 무엇인가를 알아야하며, 이를 해결하기 위해 어떠한 요인들을 집중적으로 관리해야 하는가를 파악하여야한다. 그리고 이에 대한 해결방안을 제시하고 적용하여 환자 만족을 최우선으로 하고 환자이탈을 방지하는 전략을 수립하는 것이 필요하다.
이러한 예측모형을 토대로 이탈환자를 방지하기 위해서는 이탈환자의 특성을 정확히 파악하고 적절한 활동을 전개함으로써 기존 암환자로부터 발생되는 수익을 극대화 시킬 수 있다. 그리고 이탈 특성을 분석하고 관리함으로써 타 의료기관으로의 이탈을 방지하여 병원의 이미지 개선 및 환자의 신뢰를 얻을 수 있다고 사료된다. 암환자의 이탈을 방지하는 것은 병원관리자 입장에서는 병원수익의 증대를 기대할 수 있을 뿐만 아니라, 암환자입장에서는 환자가 거주하는 지역의 의료기관에서 충분히 수술을 받을 수 있음에도 불구하고 타 지역으로까지 이동하여 수술을 받음으로서 발생되는 경제적, 시간적 손실을 줄일 수 있다.
7%)이 높았다. 따라서 예측 모델을 통하여 분석한 암환자의 특성을 분류하여 요인을 파악한 결과 입원경로 중 응급실경유입원, 진료계중에서는 내과계, 직업으로는 무직, 주부, 운수업, 기타 등, 그리고 수술여부에서는 수술을 받지 않은 환자가 속하는 그룹을 어떻게 관리해야하는지 전략을 도출하고 해결방안을 모색한다면 병원에서는 효율적인 운영관리가 될 것으로 판단된다. 또한 병원에서는 지속적인 환자관리와 환자와의 신뢰를 형성하여 지속적인 방문을 유도할 수있을 것으로 생각된다.
따라서 병원에서는 이러한 예측모델을 통하여 분류된 암환자의 특성을 파악하고 이탈하는 요인이 무엇인가를 파악할 필요가 있다. 또한 분류된 그룹을 어떻게 관리해야하는지 전략을 도출하고 해결방안을 모색한다면 효율적인 운영관리가 될 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터 마이닝이란?	이러한 대안을 마련하기 위하여 최근 많은 병원 들은 자사가 보유한 환자데이터를 이용하여 의료 시장에서의 경쟁력을 갖출 수 있는 다양한 관점의 모델을 개발하는데 데이터마이닝을 적극 활용하고 있다[5][6][7]. 데이터 마이닝(data mining)이란 대용량의 데이터베이스로부터 정보를 추출하는 과정이라 할 수 있다. 데이터베이스에 존재하는 자료에 내재하고 있는 변수들 간의 숨겨진 관계를 패턴인식기술이나 통계기법, 수학적 알고리즘 등을 이용 하여 찾아내는 것을 의미한다. 즉, 데이터베이스에 저장된 정보를 데이터마이닝을 통하여 정보를 추출하고, 추출된 정보는 해석과 평가과정을 거쳐 경영의사결정이나 마케팅활동에 활용된다[8].
	기존의 환자데이터를 활용하여 타 의료기관으로 이탈한 암환자의 특성은 어떠한지를 분석할 필요가 있는 이유는?	이러한 관점에서 볼 때, 의료기관의 가장 큰 이슈는 그 동안 병원에서 가장 큰 주안점을 두고 있었던 신규환자 유치 문제뿐만 아니라 기존 내원 환자를 잘 유지하고 그들의 지속적인 병원방문을 유도함으로써 환자의 가치를 증대시키는 것이다. 따라서 기존의 환자데이터를 활용하여 타 의료기관으로 이탈한 암환자의 특성은 어떠한지를 분석할 필요가 있다.
	데이터마이닝이 의료 분야에서 활용되는 이유는?	즉, 데이터베이스에 저장된 정보를 데이터마이닝을 통하여 정보를 추출하고, 추출된 정보는 해석과 평가과정을 거쳐 경영의사결정이나 마케팅활동에 활용된다[8]. 특히, 이러한 데이터마이닝은 종합병원, 종합전문요양기관 등 의료기관에서 활발히 활용되고 있는데, 이는 의료기관들이 환자와의 다양한 접촉을 통해 환자 데이터를 확보하는데 심혈을 기울여 왔기 때문이다. 수많은 의료기관들 중 특히, 대학병원에서는 암환자이탈에 대한 이탈모형과 외래환자 관리에 대한 방문모형 개발 등에 큰 관심을 가지고 있다.

참고문헌 (17)

S.W. Seo, K.H. Kim, Y.K. Pu, J.S. Suh, W.S. Park, S.J. Yoon, Y.S. Lee, M.S. Lee, H.U. Chung(2002), Evaluation of Current Coding Practices in 3 University Hospitals, Quality Improvement in Health Care, Vol.9(1);52-64.
J.H. Hong, K.S. Choi, J.H. Lee, E.M. Lee(2000), A Study on the Factors Related to the Readmission and Ambulatory Visit in an University Hospital: Using Patient Care Information DB, Healthcare Informatics Research, Vol.6(4);23-33.

상세보기
Y.H. Park(2011), Utilization Patterns of Other Region Inpatients in General Hospitals Located in Seoul Area, The Korean Journal of Health Service Management, Vol.5(3);63-76.
Y.O. Park, M.S. Kim, E.G. Ko, Y.J. Kim, C.H. Hong(1998), QI Activities for Promotion of Patient's Satisfaction, Quality Improvement in Health Care, Vol.5(2);312-323.
O.N. Kim, S.H. Kang(2000), The Strategic Planning of Hospital Management using Information Technology, Journal of Korean Society of Medical Informatics, Vol.5(3);181-190.
G.L. Choi(2001), Characteristics of Patient Clusters by Usage and Revenue Indicators and Applicability to Database Marketing, Department of Public Health, Graduate School, Inje University, pp.1-77.
S.H. Kang, S.H. Choi(2001), The Efficient Ways of Health Promotion Program on Public Health Center Using Data Mining, Journal of Korean Society of Medical Informatics, Vol.7(2);37-48.
H.Y. Lee(2008), e-marketing plus, muyokpub: Publisher, pp.609-643.
Frederick, F. and Sasser, J.R.(1990), Quality Comes to Services, Harvard Business Review, pp.105-111.
H.S. Lee, H.S. Chi, B.R. Kim, K.S. Lee(1988), The Analysis of Emergency Patients, Journal of the Korean Surgical Society, Vol.35(4);371-379.
T.Y. Lee, H.K. Jeong, K.H. Kim(2005), Development of Model for Preventing Informally Discharged Cancer Patients, Journal of The Korean Official Statistics, Vol.10(1);38-61.
J.H. Song(1997), The Measurement Of Post discharge Patient Satisfaction Using Telephone Interview, Quality Improvement in Health Care, Vol.4(1);104-114.
Y.H. Park(2011), Utilization Patterns of National Health Insurance and Medical Aid Inpatients in Tertiary Hospitals, The Korean Journal of Health Service Management, Vol.6(4);83-98.

원문보기 상세보기
W.S. Park, S.W. Seo, K.H. Kim, Y.C. Cho(2001), For the Hospital the Intention of Medical Examination and Treatment Reservation System, Bulletin of the International Statistical Institute, Vol.3;5-6.
M. Yi, E.Y. Park, D.S. Kim, Y.S. Tae, B.Y. Chung, H.S. So(2011), Psychosocial Adjustment of Low-Income Koreans with Cancer, J Korean Acad Nurs, Vol.41(2);225-235.

원문보기 상세보기
Greg R., and Ellen J.(1998), Mining your data for health care quality improvement, SAS Institute. Inc., pp.1-7.
Y.M. Kim, S.H. Kang, W.J. Kim(2000), Hospital Database Marketing Using Discharge Summary DB: An Application of Data Mining Technique, Healthcare Informatics Research, Vol.6(2);1-15.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증