본 연구의 목적은 회복실 환자의 평균 체류시간을 알아보고, 체류시간에 미치는 요인들을 파악하여 회복실 체류 시간 예측을 위한 분석을 하기 위함이다. 본 연구의 대상자는 상급 종합병원에 입원한 전신 마취 하에 일반외과 수술을 받은 18세 이상 성인 남녀 환자 중 회복실로 입실한 환자를 1,500명을 대상으로 하였고 이중 1,293건을 분석하였다. 회복실 체류시간에 영향을 미치는 요인으로 32항목을 측정하였다. 평균 회복실 체류시간은 72.02분이었다. 수술주기별 관련요인과 회복실 체류시간의 관계를 살펴본 결과 나이, 수술종류, 수술시간, 진통제사용회수가 유의미한 관계를 나타내었다 회복실 체류시간에 가장 영향을 많이 주는 변수는 수술종류이며 그 다음 EKG 이상여부, 나이, 마취제, 수술시간으로 나타났다. 범주 I(30분~60분)은 2개의 경우, 범주 II(61분~90분)도 2개의 경우, 범주 III(91분~120분)은 4개의 경우로 분석되었다.
본 연구의 목적은 회복실 환자의 평균 체류시간을 알아보고, 체류시간에 미치는 요인들을 파악하여 회복실 체류 시간 예측을 위한 분석을 하기 위함이다. 본 연구의 대상자는 상급 종합병원에 입원한 전신 마취 하에 일반외과 수술을 받은 18세 이상 성인 남녀 환자 중 회복실로 입실한 환자를 1,500명을 대상으로 하였고 이중 1,293건을 분석하였다. 회복실 체류시간에 영향을 미치는 요인으로 32항목을 측정하였다. 평균 회복실 체류시간은 72.02분이었다. 수술주기별 관련요인과 회복실 체류시간의 관계를 살펴본 결과 나이, 수술종류, 수술시간, 진통제사용회수가 유의미한 관계를 나타내었다 회복실 체류시간에 가장 영향을 많이 주는 변수는 수술종류이며 그 다음 EKG 이상여부, 나이, 마취제, 수술시간으로 나타났다. 범주 I(30분~60분)은 2개의 경우, 범주 II(61분~90분)도 2개의 경우, 범주 III(91분~120분)은 4개의 경우로 분석되었다.
The data mining is a new approach to extract useful information through effective analysis of huge data in numerous fields. This study was analyzed by decision making tree model using Clementine C&RT(Classification & Regression Tree, CART) as data mining technique. We utilized this data mining techn...
The data mining is a new approach to extract useful information through effective analysis of huge data in numerous fields. This study was analyzed by decision making tree model using Clementine C&RT(Classification & Regression Tree, CART) as data mining technique. We utilized this data mining technique to analyze medical record of 1,500 people. Whole data were assorted by length of stay in PACU and divided into 3 groups. The result extracted by C5.0 decision tree method showed that important related factors for lengh of stay in PACU are type of operation, preoperative EKG abnormality, anesthetics, operative duration, age.
The data mining is a new approach to extract useful information through effective analysis of huge data in numerous fields. This study was analyzed by decision making tree model using Clementine C&RT(Classification & Regression Tree, CART) as data mining technique. We utilized this data mining technique to analyze medical record of 1,500 people. Whole data were assorted by length of stay in PACU and divided into 3 groups. The result extracted by C5.0 decision tree method showed that important related factors for lengh of stay in PACU are type of operation, preoperative EKG abnormality, anesthetics, operative duration, age.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이에 본 연구는 연구대상자 1,500명을 확보하면서 회 복실 체류시간에 미치는 요인을 분석하고, 회복실 체류시간을 예측하여 환자에게 좀 더 체계적이고 효율적이며, 수술 후 적절한 회복간호서비스를 제공하는데 근거를 마련하고자 시도하였다. 또한 이 분석을 통해 계획적이고 객관적인 회복간호를 평가하고 고자하며 회복실 자원, 인력배분 및 장비 재배치의 경제적 효율성을 제고하고, 간호측면에서 예측되는 체류 시간에 따라 다양한 수준의 간호서비스를 구성하여 제공함으로써, 앞으로 간호사와 환자, 보호자 사이의 의사소통에 효율을 증대시키고 보다 긴밀한 협력을 통해 최상의 의료서비스를 제공하고자 함이다.
본 연구는 회복실 체류 시간에 영향을 미치는 요인을 분석하여 회복실 체류시간을 예측하기 위한 후향적 조사(Retrospective survey)연구이다.
본 연구의 목적은 회복실 환자의 체류시간을 알아보고, 체류시간에 미치는 요인들을 파악하여 회복실 체류 시간 예측을 위한 분석을 하기 위함이다.
본 연구의 목적은 회복실 환자의 체류시간을 알아보고, 체류시간에 미치는 요인들을 파악하여 회복실 체류 시간을 예측하는 근거를 마련하기 위함이다. 이에 따른 구체적인 목적은 다음과 같다.
이에 본 연구는 연구대상자 1,500명을 확보하면서 회 복실 체류시간에 미치는 요인을 분석하고, 회복실 체류시간을 예측하여 환자에게 좀 더 체계적이고 효율적이며, 수술 후 적절한 회복간호서비스를 제공하는데 근거를 마련하고자 시도하였다. 또한 이 분석을 통해 계획적이고 객관적인 회복간호를 평가하고 고자하며 회복실 자원, 인력배분 및 장비 재배치의 경제적 효율성을 제고하고, 간호측면에서 예측되는 체류 시간에 따라 다양한 수준의 간호서비스를 구성하여 제공함으로써, 앞으로 간호사와 환자, 보호자 사이의 의사소통에 효율을 증대시키고 보다 긴밀한 협력을 통해 최상의 의료서비스를 제공하고자 함이다.
제안 방법
3) 데이터 마이닝 기법을 이용한 회복실 체류시간에 영향을 주는 요인들을 분석한다.
Clementine의 CRT와 C5.0을 이용하여 C5.0모델의 옵션은 교차타당성 확인을 하여 고급모드의 자식마디 최대 대체규칙을 5로 설정하여 모델링하였고 불순도의 최소변화를 위해 지니 불순도(Gini impurity)를 사용하였으며, 이후 나무 가지치기를 하여 모델을 구성하였다. 훈련자료는 1,500건에서 검수작업 후 최종 분석자료 1,293건을 50%씩 분할하여 분석하였는데, 즉 50%에 해당하는 데이터를 훈련자료로 이용하였고 검증자료는 전체 자료의 50%를 이용하였다.
본 연구의 대상자는 서울 소재 종합병원에 입원한 전신 마취 하에 일반외과 수술을 받은 18세 이상 성인 남녀 환자 중 회복실로 입실한 환자를 1,500명을 대상으로 하였고 이중 1,293건을 분석하였다. 본 연구 조사지는 문헌과 전문가의 의견을 토대로 회복실 체류시간에 영향을 미치는 요인으로 32개 항목을 측정하였다.
회복실 체류 시간에 영향을 미치는 요인들에 관한 문헌[5-7]을 토대로, 회복실 관리자 1명, 회복실 경력 5년 이상의 간호사 3인이 수술 전, 수술 중, 수술 후 요인(회 복실 요인)으로 구분하여 회복실 체류시간 요인 조사지를 구성하였고, 본 연구 병원의 현실에 맞추어 몇 가지 항목을 수정 보완하였다. 본 연구 조사지는 회복실 체류 시간에 영향을 미치는 요인으로 32항목을 측정하였으며, 그 세부 항목으로는 수술 전 요인 6항목, 수술 중요인 13 항목, 수술 후 요인(회복실 요인) 13항목으로 구성되었고 이 항목이 변수로 분석되었고 구체적인 변수를 나열하면 다음과 같다.
수술 후 요인(회복실 요인)으로는 회복실 도착 시각, 기관 삽관 상태, 회복실에서의 고혈압, 회복실에서의 저혈압, 회복실에서의 수혈, 회복실에서의 오심과 구토, 회복실에서의 부정맥, 회복실에서의 심전도 변화, 회복실에서의 비정상 체온, 회복실에서의 오한과 떨림, 회복실에서의 진통제 사용유무와 진통제 종류, 회복실에서의 진통제 사용횟수, 자가 통증 조절기 (PCA; Patient Controlled Analgesia) 연결과 회복실 체류시간을 조사하였다. 본 연구를 위한 자료 수집을 위해 마취 기록지와 회복실 기록지를 통하여 수집하였다.
분석결과 CRT 고급모형으로 분석한 경우 뿌리의 깊이는 총 5단계로 Ruleset 1단계는 2개의 규칙, 2단계는 4개의 규칙, 3단계는 4개의 규칙, 4단계는 2개의 규칙으로 Ruleset의 규칙이 적정하며 비교적 안정적이므로 CRT로 분석한 모형을 기본 모형으로 설정하였다. 우선 훈련자료에 대한 이득평가도표를 통해 상위 35%와 40% 사이에서 60%의 이득이 있음을 알 수 있었고, 두 번째로, 검증자료로 사용된 검증자료의 이득평가도표를 통해 훈련자료에 대한 이득평가 도표와 거의 비슷한 값으로 상위 35%와 40% 사이에서 55%이상의 이득이 있음을 알 수 있었다 [Fig.
수술 전 요인으로는 성별, 연령, ASA Class, 마취 전 투약, 과거력, 과거 수술 경험을 조사하였다. 수술 중 요인으로는 수술 종류, 수술 중 고혈압, 수술 중 저혈압, 수술 중 부정맥, 수술중 심전도 변화, 수술 중 수혈, 수술 중 마약 사용, 수술 중 전해질 불균형, 수술 중 비정상 동맥혈 가스 검사(ABGA: Rapid Point 400-Bayer health care), 수술 중 비정상 체온, 마취제, 마취시간, 수술 시간을 조사하였다.
수술 전 요인으로는 성별, 연령, ASA Class, 마취 전 투약, 과거력, 과거 수술 경험을 조사하였다. 수술 중 요인으로는 수술 종류, 수술 중 고혈압, 수술 중 저혈압, 수술 중 부정맥, 수술중 심전도 변화, 수술 중 수혈, 수술 중 마약 사용, 수술 중 전해질 불균형, 수술 중 비정상 동맥혈 가스 검사(ABGA: Rapid Point 400-Bayer health care), 수술 중 비정상 체온, 마취제, 마취시간, 수술 시간을 조사하였다. 수술 후 요인(회복실 요인)으로는 회복실 도착 시각, 기관 삽관 상태, 회복실에서의 고혈압, 회복실에서의 저혈압, 회복실에서의 수혈, 회복실에서의 오심과 구토, 회복실에서의 부정맥, 회복실에서의 심전도 변화, 회복실에서의 비정상 체온, 회복실에서의 오한과 떨림, 회복실에서의 진통제 사용유무와 진통제 종류, 회복실에서의 진통제 사용횟수, 자가 통증 조절기 (PCA; Patient Controlled Analgesia) 연결과 회복실 체류시간을 조사하였다.
수술 중 요인으로는 수술 종류, 수술 중 고혈압, 수술 중 저혈압, 수술 중 부정맥, 수술중 심전도 변화, 수술 중 수혈, 수술 중 마약 사용, 수술 중 전해질 불균형, 수술 중 비정상 동맥혈 가스 검사(ABGA: Rapid Point 400-Bayer health care), 수술 중 비정상 체온, 마취제, 마취시간, 수술 시간을 조사하였다. 수술 후 요인(회복실 요인)으로는 회복실 도착 시각, 기관 삽관 상태, 회복실에서의 고혈압, 회복실에서의 저혈압, 회복실에서의 수혈, 회복실에서의 오심과 구토, 회복실에서의 부정맥, 회복실에서의 심전도 변화, 회복실에서의 비정상 체온, 회복실에서의 오한과 떨림, 회복실에서의 진통제 사용유무와 진통제 종류, 회복실에서의 진통제 사용횟수, 자가 통증 조절기 (PCA; Patient Controlled Analgesia) 연결과 회복실 체류시간을 조사하였다. 본 연구를 위한 자료 수집을 위해 마취 기록지와 회복실 기록지를 통하여 수집하였다.
회복실 체류 시간에 영향을 미치는 요인들에 관한 문헌[5-7]을 토대로, 회복실 관리자 1명, 회복실 경력 5년 이상의 간호사 3인이 수술 전, 수술 중, 수술 후 요인(회 복실 요인)으로 구분하여 회복실 체류시간 요인 조사지를 구성하였고, 본 연구 병원의 현실에 맞추어 몇 가지 항목을 수정 보완하였다. 본 연구 조사지는 회복실 체류 시간에 영향을 미치는 요인으로 32항목을 측정하였으며, 그 세부 항목으로는 수술 전 요인 6항목, 수술 중요인 13 항목, 수술 후 요인(회복실 요인) 13항목으로 구성되었고 이 항목이 변수로 분석되었고 구체적인 변수를 나열하면 다음과 같다.
대상 데이터
본 연구의 대상은 일개 종합병원에 입원한 일반외과 수술을 받은 대상자의 자료로 하였다. 의무기록을 통해 전신 마취 하에 일반외과 수술을 받은 18세 이상 성인 남녀 환자 중 회복실로 입실한 1,500명의 환자 자료였다.
본 연구의 대상자는 서울 소재 종합병원에 입원한 전신 마취 하에 일반외과 수술을 받은 18세 이상 성인 남녀 환자 중 회복실로 입실한 환자를 1,500명을 대상으로 하였고 이중 1,293건을 분석하였다. 본 연구 조사지는 문헌과 전문가의 의견을 토대로 회복실 체류시간에 영향을 미치는 요인으로 32개 항목을 측정하였다.
1 프로그램을 이용하여 분석하였다. 수집된 자료는 1,500명의 자료이었으나 자료 분석에 적용하기위해 데이터의 형태를 작업하는 과정에서 검수 작업을 통하여 데이터의 자료 수가 축소되었다. 검수작업의 기준은 각 데이터 별로 결측 값이 있는 데이터, 변수에 입력 값이 중복되어 있는 경우, 변수에 입력값이 잘못 입력한 경우 분석에서 제외하여 총 자료의 수는 1,293건으로 분석되었다.
본 연구의 대상은 일개 종합병원에 입원한 일반외과 수술을 받은 대상자의 자료로 하였다. 의무기록을 통해 전신 마취 하에 일반외과 수술을 받은 18세 이상 성인 남녀 환자 중 회복실로 입실한 1,500명의 환자 자료였다. 아래의 선정 자격조건에 부합하는 대상자의 의무기록을 통해 확인한 자료로 하였으며, 구체적 선정기준은 다음과 같다.
훈련자료는 1,500건에서 검수작업 후 최종 분석자료 1,293건을 50%씩 분할하여 분석하였는데, 즉 50%에 해당하는 데이터를 훈련자료로 이용하였고 검증자료는 전체 자료의 50%를 이용하였다. 이때 회복실 체류시간 집단 간의 대상자수 차이가 많이 나므로 이를 통계학적으로 밸런싱을 유지하기 위하여 증폭자료를 사용하였다. 왜냐하면 집단 간의 대상자 수가 많은 집단으로 자료 분석이 편중되는 현상을 막기 위함이다.
0모델의 옵션은 교차타당성 확인을 하여 고급모드의 자식마디 최대 대체규칙을 5로 설정하여 모델링하였고 불순도의 최소변화를 위해 지니 불순도(Gini impurity)를 사용하였으며, 이후 나무 가지치기를 하여 모델을 구성하였다. 훈련자료는 1,500건에서 검수작업 후 최종 분석자료 1,293건을 50%씩 분할하여 분석하였는데, 즉 50%에 해당하는 데이터를 훈련자료로 이용하였고 검증자료는 전체 자료의 50%를 이용하였다. 이때 회복실 체류시간 집단 간의 대상자수 차이가 많이 나므로 이를 통계학적으로 밸런싱을 유지하기 위하여 증폭자료를 사용하였다.
데이터처리
1) 연구대상자의 일반적 특성은 빈도와 백분율로 분석하였다.
2) 연구대상자들의 회복실에서의 체류시간은 평균과 표준편차로 분석하였다.
3) 연구대상자들의 수술 전, 수술 중, 수술 후 요인 중 회복실 체류시간과의 관계는 상관계수 pearson correlation coefficients로 분석하였다.
수집된 자료는 SPSS WIN 17.0 Program와 Clementine CRT 8.1 프로그램을 이용하여 분석하였고 분석의 목적에 따라 빈도와 백분율, 평균과 표준편차, pearson correlation coefficient로 분석하였다.
이론/모형
4) 회복실 체류시간에 영향을 미치는 요인을 분석하기 위해 Clementine CRT (Classification Regression Tree, CART)로 의사결정나무에 기초한 분류를 이용하였다. 의학 자료를 분석하는데 데이터 마이닝 기법 중 의사결정나무 분석이 가장 설명력이 뛰어났다는 연구결과에 의한 것이다[13,14].
회복실 체류시간을 고려할 때 간호중재측면에서 이러한 요인은 대상자를 신체검진하거나 간호할 때, 간호의 효과를 확인할 때에도 확인해야 할 중요한 정보가 될 것이다. 회복실 체류시간 예측을 위한 분석은 Clementine CRT(Classification Regression Tree, CART)로 의사 결정나무에 기초한 분류를 이용하였다. 회복실 체류시간에 가장 영향을 많이 주는 예측변수는 수술종류이며 그 다음 EKG 이상여부, 나이, 마취제, 수술시간으로 나타났다.
성능/효과
91분~120분이하의 범주 III로 예측될 수 있는 경우는 네 가지 경우로 첫째, laparascopic cholecystectomy, Mile's op, Thyroidectomy, MRM, PM/SLN/LND, FEM-POP bypass graft 수술을 하고 EKG상에 이상이 있으면서 나이가 60.5세보다 크거나 같은 경우, 둘째, 수술이 종류가 Gastrectomy, PPPD, liver segmentectomy, pancreatectomy, splenectomy, open cholecystectomy, hemi-colectomy, AR/LAR", carotid endatrectomy, Sclerotherapy이고, 마취 제를 Enf 혹은 Iso를 사용한 경우, 셋째 수술종류는 둘째의 경우와 같고 마취제를 IV only, Sevo, Des를 사용하고 수술시간이 127.5분보다 길거나 같으면서 다시 수술이 종류가 특히 liver segmentectomy, pancreatectomy, hemi-colectomy, AR/LAR"이고 나이가 57.5세보다 크거나 같을 경우이다.
수집된 자료는 1,500명의 자료이었으나 자료 분석에 적용하기위해 데이터의 형태를 작업하는 과정에서 검수 작업을 통하여 데이터의 자료 수가 축소되었다. 검수작업의 기준은 각 데이터 별로 결측 값이 있는 데이터, 변수에 입력 값이 중복되어 있는 경우, 변수에 입력값이 잘못 입력한 경우 분석에서 제외하여 총 자료의 수는 1,293건으로 분석되었다.
데이터 마이닝 기법에 의한 연구결과 회복실 체류시간에 가장 영향을 많이 주는 예측변수는 수술종류이며 그 다음 EKG 이상, 마취제, 나이, 수술시간 순으로 나타났다. Lee Son[7], Kim[1]의 연구에서도 회복실 체류시간에 통계적으로 유의미한 차이를 보인 변수 중 하나는 수술부위였는데, 본 연구에서는 수술부위가 수술종류에 해 당하는 변수로 예측 요인 중 첫 번째 마디에 해당하는 요인이었다.
이러한 생리적 기능장애 없이 안정된 상태로 병실로 올라가는 것이 회복실에서 추구하는 목표이며, 회복실 체류에 영향을 미치는 요인을 통제 및 조절하기 위하여 회복실 체류시간에 차이가 생기는 양상과 요인을 분석하고[5], 이 요인에 미리 대비하고 우선순위에 따라 효율적으로 대응하는 것이 의료서비스의 질적 향상에 매우 중요하다. 또한 회복실 체류시간을 짧게 함으로써 예기치 않은 체류시간과 관련된 근무시간 이외의 간호시간을 줄이고 잠재적인 노동 비용을 절감할 수 있으며, 계획된 과정으로 이용가능한 노동을 최대한 사용함으로써 효과와 비용 면에서 그 효율성을 극대화할 수 있다. 특히 급변하는 국내 의료 환경 속에서 환자의 안전성과 경제적 효율성을 극대화하는 두 가지 명제를 동시에 충족해야 하는 어려움이 있으며, 이러한 조건 속에서 회복실의 안전성 제로 와 경제적 효율성을 확보하기 위해서는 회복실 체류시간에 대한 분석과 대책이 필요하다[5].
본 연구에서 진통제 사용 횟수는 유의미한 관계를 보였는데 이는 회복실에서의 진통제 사용회수가 많을수록 회복실 체류시간이 길어지는 것을 의미하였다. 진통제 사용 횟수가 증가할 때 일정시간 좀 더 경과를 관찰하므로 회복실 체류시간이 길어지는 것으로 본다.
수술 전 요인에 따른 회복실 체류시간의 차이를 확인한 결과 연령, ASA, 과거병력, 수술부위가 유의미한 차이를 보였는데[6], 본 연구에서는 관계를 확인한 결과 성별, 나이, 과거력, EKG 이상에서 유의미한 관계를 나타내어 유사한 결과를 확인할 수 있었다. 나이는 연령만이 체류시간에 유의미한 영향을 미친다는 결과를 보고[17]와 같은 결과를 나타내었다.
수술 중 요인으로 본 연구결과 수술종류, 수술중 저혈압, 마취제, 수술시간과 유의미한 관계를 나타내고 있는 결과와 수술 중 요인으로 수술 중 고혈압, 저혈압, 수혈, 비정상 체온, 마취약제, PCA, 마취시간에서 유의미한 차이를 보였다[6]는 결과를 지지하고 있다.
02분이었다. 수술주기별 관련요인과 회복실 체류시간의 관계를 살펴본 결과 나이, 수술종류, 수술시간, 진통제사용회수가 유의미한 관계를 나타내었다. 회복실 체류시간을 고려할 때 간호중재측면에서 이러한 요인은 대상자를 신체검진하거나 간호할 때, 간호의 효과를 확인할 때에도 확인해야 할 중요한 정보가 될 것이다.
74)로 마취시간을 나타내어 회복실 체류시간 지연을 야기한 원인으로 고려할 수 있으나 본 연구에서는 마취시간이 유 의미한 관계를 나타내지 않았으나 수술시간이 유의미한 관계를 나타내어 추후 계속적인 연구를 해야 할 것으로 본다. 수술주기별 관련요인과 회복실 체류시간의 관계에서 통계적으로 유의미한 관계는 성별, 나이, 과거력, EKG이상, 수술종류, 수술 중 저혈압, 마취제, 수술시간, 회복실에서 저혈압과 비정상 체온, 진통제사용회수였다. 이는 마취시간이 길수록, 수액양이 많을수록, 마취후 회복지수가 낮을수록, 합병증이 있을수록 회복실체류시간이 통계적으로 유의하게 길어졌다[7]는 결과를 통해 본연구와 일치하는 동일한 변인을 찾을 수는 없었다.
분석결과 CRT 고급모형으로 분석한 경우 뿌리의 깊이는 총 5단계로 Ruleset 1단계는 2개의 규칙, 2단계는 4개의 규칙, 3단계는 4개의 규칙, 4단계는 2개의 규칙으로 Ruleset의 규칙이 적정하며 비교적 안정적이므로 CRT로 분석한 모형을 기본 모형으로 설정하였다. 우선 훈련자료에 대한 이득평가도표를 통해 상위 35%와 40% 사이에서 60%의 이득이 있음을 알 수 있었고, 두 번째로, 검증자료로 사용된 검증자료의 이득평가도표를 통해 훈련자료에 대한 이득평가 도표와 거의 비슷한 값으로 상위 35%와 40% 사이에서 55%이상의 이득이 있음을 알 수 있었다 [Fig. 1].
회복실 체류시간 예측을 위한 분석은 Clementine CRT(Classification Regression Tree, CART)로 의사 결정나무에 기초한 분류를 이용하였다. 회복실 체류시간에 가장 영향을 많이 주는 예측변수는 수술종류이며 그 다음 EKG 이상여부, 나이, 마취제, 수술시간으로 나타났다. 범주 I(30분~60분)은 2개의 경우, 범주 II(61분~90 분)도 2개의 경우, 범주 III(91분~120분)은 4개의 경우로 나타났다.
후속연구
1. 본 연구를 계기로 임상 간호 분야에서 임상자료를 이용하여 데이터 마이닝 기법을 활용하여 다양한 연구 개념에 대한 모형예측을 시도해야 할 것이다.
2. 대상자의 수를 더 확보하여 모형을 구축한 후 수술 전 대상자의 변수를 확인하여 회복실 체류시간을 예측 산출하는 프로그램을 개발해야 할 것이다.
3. 개발된 프로그램을 기초로 회복실 체류시간을 미리 예측하여 보호자에게 문자메시지를 보내줌으로써 보호자의 불안을 감소시키고, 시간을 효율적으로 관리하도록 하기 위한 간호중재프로그램의 개발과 효과 연구를 시도해야 할 것이다.
4. 본 연구결과를 토대로 회복실의 적정 간호 인력을 산출하기 위한 연구가 시도되어야 할 것이다.
5. 수술 후 회복실에 체류하지 않는 대상자, 즉 수술 후 회복실이 아닌 중환자실로 직접 이동하는 대상자나 응급수술한 대상자에 대한 마취 후 회복시간에 영향을 미치는 요인을 규명하는 연구가 필요하다.
또한 국내 최대 종합병원으로서 수술의 난이도를 고려해 볼 때 회복실에서의 체류시간이 길어질 수 있는 점도 고려해볼 수 있을 것이다. 따라서 앞으로 수술의 난이도를 감안한 회복실 체류시간에 대한 연구가 이루어져야할 것이다.
실제 행해지는 회복실 체류시간과 의학적으로 적당한 회복실 체류시간과의 차이가 발생하게 된 요인을 분석한 결과 의사의 판단, 침상유용성, 간호사의 판단, 임상적 검사들과 X-ray등의 검사업무, 이송업무 요원의 부재 등이 있었는데[8] 이에 대한 고려가 이루어지지 않아 발생할 수 있는 부분이므로 명확한 이유를 밝히기 위해 지연시간에 대한 원인규명을 위한 심도 있는 연구가 추후 필요하다고 본다. 또한 국내 최대 종합병원으로서 수술의 난이도를 고려해 볼 때 회복실에서의 체류시간이 길어질 수 있는 점도 고려해볼 수 있을 것이다. 따라서 앞으로 수술의 난이도를 감안한 회복실 체류시간에 대한 연구가 이루어져야할 것이다.
또한 연구에서 마취시간은 182.97분(SD=94.45)이었는 데 반해 Lee Son[7]의 연구에서는 130.35 (SD=78.74)로 마취시간을 나타내어 회복실 체류시간 지연을 야기한 원인으로 고려할 수 있으나 본 연구에서는 마취시간이 유 의미한 관계를 나타내지 않았으나 수술시간이 유의미한 관계를 나타내어 추후 계속적인 연구를 해야 할 것으로 본다. 수술주기별 관련요인과 회복실 체류시간의 관계에서 통계적으로 유의미한 관계는 성별, 나이, 과거력, EKG이상, 수술종류, 수술 중 저혈압, 마취제, 수술시간, 회복실에서 저혈압과 비정상 체온, 진통제사용회수였다.
본 연구결과에서 수술 전, 중, 후 요인으로 구분하여 영향변수를 확인한 결과, 수술 후 회복실 체류시간을 줄이기 위해서는 회복실 요인들을 효율적으로 관리하는 방안이 필요하다고 볼 수 있다. 특히 회복실에서의 저혈압, 비정상 체온, 진통제 사용횟수에 따른 회복실 체류시간에 영향을 미치는 변수이므로 이에 대한 간호사정에 더 집중해야 하며 간호중재에 대해 세심한 간호 관리가 이루어져야 할 것이다.
그러나 수술후 환자의 회복실 평균체류시간은 1시간 정도이고 길게는 2시간 정도까지 소요된다[16]고는 하였으나 여러 요소들이 복합적으로 영향을 미칠 수 있다고 하였다. 실제 행해지는 회복실 체류시간과 의학적으로 적당한 회복실 체류시간과의 차이가 발생하게 된 요인을 분석한 결과 의사의 판단, 침상유용성, 간호사의 판단, 임상적 검사들과 X-ray등의 검사업무, 이송업무 요원의 부재 등이 있었는데[8] 이에 대한 고려가 이루어지지 않아 발생할 수 있는 부분이므로 명확한 이유를 밝히기 위해 지연시간에 대한 원인규명을 위한 심도 있는 연구가 추후 필요하다고 본다. 또한 국내 최대 종합병원으로서 수술의 난이도를 고려해 볼 때 회복실에서의 체류시간이 길어질 수 있는 점도 고려해볼 수 있을 것이다.
이와 같이 회복실 체류시간에 대한 데이터 마이닝 기법에 의한 연구결과가 거의 없는 실정이므로 앞으로 계속적인 반복연구, 검증연구가 이루어져야 할 것이다.
범주 I(30분~60분)은 2개의 경우, 범주 II(61분~90 분)도 2개의 경우, 범주 III(91분~120분)은 4개의 경우로 나타났다. 특히 범주 III에 해당할 것이라 예측가능한 대상자에게 수술 전 간호중재 프로그램을 통해 관련 요인을 확인하고 수술 후 회복지연이 되지 않도록 개별적인 간호 중재 프로그램이 개발되어야 할 것이다.
본 연구결과에서 수술 전, 중, 후 요인으로 구분하여 영향변수를 확인한 결과, 수술 후 회복실 체류시간을 줄이기 위해서는 회복실 요인들을 효율적으로 관리하는 방안이 필요하다고 볼 수 있다. 특히 회복실에서의 저혈압, 비정상 체온, 진통제 사용횟수에 따른 회복실 체류시간에 영향을 미치는 변수이므로 이에 대한 간호사정에 더 집중해야 하며 간호중재에 대해 세심한 간호 관리가 이루어져야 할 것이다.
회복실 체류시간에 대한 연구는 임상간호의 다른 분야와 달리 거의 연구된 바가 없었고, 특히 회복실 체류시간을 예측하기 위한 데이터 마이닝을 이용한 예측모형구축 연구는 간호학 분야에서도 최근 시도되고 있는 기법이므로 본 연구를 통해 앞으로 임상간호 분야에 실질적인 결과를 예측할 수 있는 연구기법을 제시할 수 있어 그 활용도가 높을 것으로 본다.
수술주기별 관련요인과 회복실 체류시간의 관계를 살펴본 결과 나이, 수술종류, 수술시간, 진통제사용회수가 유의미한 관계를 나타내었다. 회복실 체류시간을 고려할 때 간호중재측면에서 이러한 요인은 대상자를 신체검진하거나 간호할 때, 간호의 효과를 확인할 때에도 확인해야 할 중요한 정보가 될 것이다. 회복실 체류시간 예측을 위한 분석은 Clementine CRT(Classification Regression Tree, CART)로 의사 결정나무에 기초한 분류를 이용하였다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터 마이닝이란?
대용량의 데이터로부터 이들 데이터 내에 존재하는 관계, 패턴, 규칙 등을 탐색하고 찾아내어 모형화함으로써 유용한 정보를 추출하는 일련의 과정이다[12].
CART이란?
CART는 이지분리를 하는 의사결정나무 분석 알고리 즘으로, 이지분리라는 것은 부모 노드로부터 자식 노드로 분리를 할 때 항상 2개로만 분리한다는 것이다. 이런 이지 분리는 여러 개의 분리가 되는 것에 비해 정확도 등이 떨어질 수 있으나, 반대로 가지 분류가 비교적 간단하여 해석이 편하다는 장점이 있기도 하다.
Kim[5] 연구와 Kim[18]연구에서 기관 삽관 상태를 제외한 중요 예측변수에서 차이가 발생하는 이유는?
이는 Kim[5] 연구에서 기관 삽관 상태, 회복실 내 합병증, 수혈이 중요한 예측변수로 나타난 결과, Kim[18]연구에서 기관 삽관 상태, 성별, 근이완제, 수술 중 아편양 제제 사용이 중요한 변수로 나타난 결과와는 차이가 있었다. 이러한 차이는 모형구축을 위하여 86%의 자료를 훈련자료로 이용하였고, 나머지 14%를 검증자료로 이용한데서[5] 기인한다고 본다. 이는 구축된 모형을 검증하고자 경우, Choi[9]에 의하면 일반적으로 50%정도 의 검증자료를 이용하여야 한다고 하였는데, Kim[5]의 모형은 검증자료 비율이 적은 것을 알 수 있다.
참고문헌 (20)
Kim, S., So, HY., Lee, MH., Park, MY., Kwon, MJ. "Factors influencing length of stay at the recovery room among elderly patients undergone general anesthesia", Korean Journal of Adult Nursing, 23(1), pp. 87-99. 2011.
Min, BS, Kim, ST, Kang, H, Lim, SW. "Emergence from anesthesia is dependent on age and physical status, but not on operation site and operation time", Korean Journal of Anesthesiology, 36(3), pp. 444-448. 1999.
Lee, MG, "Development of nursing diagnoses, nursing outcomes, nursing interventions linking protocol for patients in the post-anesthetic care unit", Unpublished master's thesis, Ewha Womans University, Seoul, 2000.
Kim E.K., Chae, S.O., Kwon, K.S., Kim, Y.J., Hong, M.H., Kim, M.H., Kim, N.S., Lee, K. E., "A study on nursing needs of patients in the recovery room", The Journal of Korean academy of fundamentals of nursing, 9(1). pp. 86-100. 2002.
Kim, WO, Kil, HK, Koo, BN, Kim, JI. "Analysis and prediction of length of stay in the post anesthesia care unit", Korean Journal of Anesthesiology, 40(5). pp. 613-618. 2001.
Kim, S.H. Factor analysis affecting retention time at recovery room. Unpublished master's thesis. Korea University, Seoul, 2006.
Lee, K.O., Son, Y.J. "Factors influencing length of stay among patients with general anesthesia at the recovery room", Clinical Nursing Research, 12(2), pp. 133-143. 2006.
Kim, S., So, H., Lee, MH., Park MY., Kwon, MJ. "Factors influencing length of stay at the recovery room among elderly patients undergone general anesthesia", Korean Journal of Adult nursing, 23(1), pp. 87-99, 2011.
Park, S.A, "An analysis of nursing needs for hospitalized cancer patients:using data mining techniques", Asian oncology nursing, 5(1), pp. 3-10, 2005
Kim, K.S., Kim, K.H, A prediction model for internet game addiction in adolescents; using a decision tree analysis, Journal of academy of nursing, 40(3), pp. 378-388, 2010. DOI: http://dx.doi.org/10.4040/jkan.2010.40.3.378
Choi, JH., Han, ST., Kang, H.C., Kim, E.S., Kim, M.G., Lee, S.G. Prediction and utilization of Datamining using AnswerTree 3.0. Seoul: Datasolution co.
Kim, Y.M., Chang, D.M., Kim, S.S., Park, I.S., Kang, S.H, "A study on factors of management of diabetes mellitus using data mining", Journal of the Korea academia-industrial cooperation society, 10(5), pp. 1100-1108, 2009
Kim, Y.M., Choi, Y.K., Kang, S,H., & Kang, W. J, "A study on analysis of severity-adjustment length of stay in hospital for community-acquried pneumonia", Journal of the Korea academia- industrial cooperation society, 12(3), pp. 1234-1243, 2011
Waddle J., Alex E., Piccirillo J. "Postanesthesia care unit length of stay: Quantifying and assessing dependent factors", Anesthesia and analgesia, 87(3), pp. 628-633, 1998. DOI: http://dx.doi.org/10.1213/00000539-199809000-00026
Morgan, G.E., & Mikhall, J.M.S. Alexander's care of the patient in surgery(10th ed). Saint Louis: Mosby year book Inc. 1996.
Kim, CM, Lee, JH, Eom, WS, Do, SH, Kim, KW. "A study on correlations between post anesthetic recovery score and post anesthetic recovery room stay time", Korean Journal of Anesthesiology. 33(3), pp. 497-501 1997.
Kim, WO, Kil, HK, Kang, J.W, Park, H.R. "Prediction on lengths of stay in the post anesthesia care unit following general anesthesia: preliminary study of the neural network and logistic regression modelling", Journal of Korean Medicine science, 15, pp. 25-30, 2000.
Panagiotis, K., Maria, P., Argiri, P., Panagiotis, S. Is post anesthesia care unit length of stay increased in hypothermic patients?", AORN journal, 81(2), pp. 379-392. 2005. DOI: http://dx.doi.org/10.1016/S0001-2092(06)60420-1
Cohen, S., Hamilton, C.,Riley E., Macario, A., Halpern J. "Obstetric post anesthesia unit stays reevaluation of discharge criteria after regional anesthesia", American Society of Anesthesiologists. 89, pp. 1559-1565, 1998. DOI: http://dx.doi.org/10.1097/00000542-199812000-00036
※ AI-Helper는 부적절한 답변을 할 수 있습니다.