본 연구의 목적은 건강보험심사평가원에서 제공한 2009년 환자표본자료를 이용하여 병원의 환자집중도 수준과 분만환자의 평균재원일수와의 관계를 분석하는 것이다. 병원에 내원한 분만환자의 집중도는 DRGs(Diagnosis Related Groups)를 이용하여 생성된 내부허핀달지수를 이용하여 측정하였다. 통계분석에서는 병상 수, 분만환자 수, 100병상 당 의사 수, 100병상 당 간호사 수 같은 병원의 구조변수를 통제변수로 사용하였고, 분만환자의 평균재원일수는 종속변수로 사용하였다. 연구에서 분만환자의 집중화에 따른 재원일수변이의 분석을 위해 모형 1에서는 병원의 모든 입원환자들 중 분만입원환자의 집중화정도를 분석하였고, 모형 2에서는 모든 산부인과 관련 환자들 중 분만입원환자의 집중화정도를 분석하였다. 분석결과 환자집중도는 두 모형 모두 평균재원일수와 통계적으로 유의하지 않았으며, 분만환자 수와 병상 수에서 통계적으로 유의하였다. 분만환자 수 변수는 평균재원일수와 음의 상관관계를 보였고, 병상 수는 양의 상관관계를 보였다. 연구결과는 병원에 내원한 분만환자의 집중도 지수 보다는 분만환자 수가 평균재원일수에 유의한 영향을 주는 것으로 나타났으며, 환자 수는 병원에서 진료의 효율성을 향상시키는데 기여한다고 볼 수 있다.
본 연구의 목적은 건강보험심사평가원에서 제공한 2009년 환자표본자료를 이용하여 병원의 환자집중도 수준과 분만환자의 평균재원일수와의 관계를 분석하는 것이다. 병원에 내원한 분만환자의 집중도는 DRGs(Diagnosis Related Groups)를 이용하여 생성된 내부허핀달지수를 이용하여 측정하였다. 통계분석에서는 병상 수, 분만환자 수, 100병상 당 의사 수, 100병상 당 간호사 수 같은 병원의 구조변수를 통제변수로 사용하였고, 분만환자의 평균재원일수는 종속변수로 사용하였다. 연구에서 분만환자의 집중화에 따른 재원일수 변이의 분석을 위해 모형 1에서는 병원의 모든 입원환자들 중 분만입원환자의 집중화정도를 분석하였고, 모형 2에서는 모든 산부인과 관련 환자들 중 분만입원환자의 집중화정도를 분석하였다. 분석결과 환자집중도는 두 모형 모두 평균재원일수와 통계적으로 유의하지 않았으며, 분만환자 수와 병상 수에서 통계적으로 유의하였다. 분만환자 수 변수는 평균재원일수와 음의 상관관계를 보였고, 병상 수는 양의 상관관계를 보였다. 연구결과는 병원에 내원한 분만환자의 집중도 지수 보다는 분만환자 수가 평균재원일수에 유의한 영향을 주는 것으로 나타났으며, 환자 수는 병원에서 진료의 효율성을 향상시키는데 기여한다고 볼 수 있다.
This study analyzed the relationship between the level of hospital caseloads and length of stay for the delivery patients. The differences of hospital caseloads were measured by the Internal Herfindahl Index, which measured the concentration of delivery patient in a hospital. And the structure varia...
This study analyzed the relationship between the level of hospital caseloads and length of stay for the delivery patients. The differences of hospital caseloads were measured by the Internal Herfindahl Index, which measured the concentration of delivery patient in a hospital. And the structure variables of hospitals such as the number of bed, the number of treatment, and the number of doctors and nurses per 100 beds were included as control variables. And average length of stay of delivery patients was used as the dependent variable. Concentration status of delivery patients was measured in two models: (1) first model represents the concentration level of delivery patient in all hospital patients, (2) second model represents the concentration level of delivery patient in all obstetrics and gynecology patients. In regression analysis, patient concentration index was not statistically significant in explaining the variation of average length of stay in two models. But the number of delivery patients and number of beds were statistically significant. The number of delivery patient variable showed negative regression coefficient with average length of stay and the number of beds showed positive coefficient with average length of stay. This study result indicated that the volume of delivery patients in a hospital will play a significant role in reducing the length of stay of delivery patients. Patient volume could contribute in improving the efficiency of patient care in a hospital.
This study analyzed the relationship between the level of hospital caseloads and length of stay for the delivery patients. The differences of hospital caseloads were measured by the Internal Herfindahl Index, which measured the concentration of delivery patient in a hospital. And the structure variables of hospitals such as the number of bed, the number of treatment, and the number of doctors and nurses per 100 beds were included as control variables. And average length of stay of delivery patients was used as the dependent variable. Concentration status of delivery patients was measured in two models: (1) first model represents the concentration level of delivery patient in all hospital patients, (2) second model represents the concentration level of delivery patient in all obstetrics and gynecology patients. In regression analysis, patient concentration index was not statistically significant in explaining the variation of average length of stay in two models. But the number of delivery patients and number of beds were statistically significant. The number of delivery patient variable showed negative regression coefficient with average length of stay and the number of beds showed positive coefficient with average length of stay. This study result indicated that the volume of delivery patients in a hospital will play a significant role in reducing the length of stay of delivery patients. Patient volume could contribute in improving the efficiency of patient care in a hospital.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 최근 병원 경쟁력 향상을 위한 전략으로 제시되고 있는 전문화전략과 같이 병원에서 진료 받는 환자군의 집중도를 증가시키는 경영전략이 병원의 효율성 향상에 기여하는 가를 분석하고자 한다. 기존 연구에서는 주로 비용에 초점을 두었으며, 재원일수와 같은 효율성 측면에 대한 분석연구는 많지 않다.
이와 같은 문제점들을 보완하기 위해 기존 연구에서는 DRGs를 사용하여 문제를 해결하고자 하였다[12-14]. 본 연구에서도 마찬가지로 한국형 DRGs인 KDRG 3.0을 사용하여 환자 개개인의 정보 파악과 중증도 보정의 문제를 해결하고자 하였다.
기존 연구에서는 주로 비용에 초점을 두었으며, 재원일수와 같은 효율성 측면에 대한 분석연구는 많지 않다. 본 연구의 목적은 병원의 전문화수준을 나타내는 지표 중 하나인 환자집중도 지수와 의료 및 서비스의 효율성을 나타내는 대표적인 지표인 평균재원일수와의 관계를 분석하는 것이다. 연구에서는 분만환자를 분석대상 환자군으로 선정한 후, 병원에서 분만환자의 집중도가 증가할수록 평균재원일수는 짧아질 것이라 예상하였다.
이러한 변화에 적응하고 경영의 연속성을 유지하기 위해서 경영전략의 수립이 필요로 하고 있으며, 대응 전략의 하나로 제시되는 것은 환자집중도의 증가이다. 이 연구는 환자집중도를 측정하는 지표 및 병원의 구조특성 변수와 병원의 효율성을 측정하는 대표적인 지표중의 하나인 재원일수 간의 관계를 분석하였다.
제안 방법
기존 연구[6][7][19][21]에서 병원의 전문화 수준을 측정하는 방법으로 정보이론지수(Information Theory Index, ITI), 내부허핀달지수, 고유한 DRGs의 수(Number of distinct DRGs treated) 등을 제시하였고, 본 연구에서는 전문화 수준 측정의 용이성과 민감성을 동시에 만족시킬 수 있는 내부허핀달지수를 사용하여 환자집중도를 평가였다.
두 개의 모형을 이용하여 분석함으로써 환자집중도 지수 산출 시에 사용된 분모(denominator)의 차이에 의한 영향을 평가할 수 있다. 모형 1에서는 병원의 전체 입원환자 수에서 분만환자가 차지하는 집중도의 영향력을 평가하고, 그리고 모형 2에서는 산부인과 관련 입원환자에서 분만환자의 집중도가 차지하는 영향력을 평가한다.
둘째, 각 병원들의 산부인과 관련 진료를 받은 전체 입원환자를 대상으로 산출한 분만환자집중도와 병원의 구조변수를 이용하여 종속변수인 병원의 평균재원일수와의 관계를 분석하였다. 각 병원의 평균재원일수는 각 병원의 산부인과 환자 중 분만환자만을 대상으로 산출하였다.
기존연구[19]에서 내부허핀달지수는 소수의 DRGs가 대부분을 차지하는 병원에서 차이를 효과적으로 구분하는 반면에, 건수가 작은 많은 수의 DRG를 구분하는데 어려움이 있을 수 있다고 주장하였다. 둘째, 본 연구에서는 병원 서비스의 구분을 위해 KDRG 3.0을 사용하였고, 사용된 분류기준이 결과에 영향을 미칠 수 있다. 만약, KDRG 3.
병상 수 변수는 100병상 미만, 100병상 이상 300병상 미만, 300병상 이상 총 3개의 구간으로 나누어 더미변수 처리하여 분석을 실시하였고, 300병상 이상을 기준변수(≥300=0)로 설정하여 분석하였다.
병원종별변수는 상급종합병원, 종합병원, 병원을 더미변수로 처리하여 사용하였으며, 병원을 기준(reference)으로 설정하였다. 병상 수 변수는 100병상 미만, 100병상 이상 300병상 미만, 300병상 이상 총 3개의 구간으로 나누어 더미변수 처리하여 분석을 실시하였고, 300병상 이상을 기준변수(≥300=0)로 설정하여 분석하였다.
본 연구는 170개 병원과 종합병원에 내원한 전체 입원환자를 대상으로 한 분만환자의 환자집중도와 산부인과 관련 입원환자를 대상으로 한 분만환자의 환자집중도를 계산한 후, 평균재원일수와의 관계를 분석하였다.
0을 사용하여 정의하였다. 분만환자는 KDRG 3.0에서 제왕절개술(O01100, O01200, O01300, O01400, O01500)과 질식분만(O02100, O02200, O02300, O02410, O02420, O02500, O02600, O02700, O02810, O02820, O03100, O03200, O03300, O03410, O03420, O04100, O04200)코드를 이용하여 분류하였다. 산부인과 관련 환자는 [표 1]과 같이 KDRG 3.
0에서 제왕절개술(O01100, O01200, O01300, O01400, O01500)과 질식분만(O02100, O02200, O02300, O02410, O02420, O02500, O02600, O02700, O02810, O02820, O03100, O03200, O03300, O03410, O03420, O04100, O04200)코드를 이용하여 분류하였다. 산부인과 관련 환자는 [표 1]과 같이 KDRG 3.0의 분류에서 여성 생식기계의 질환 및 장애(71개)의 코드와 임신, 출산, 산욕(53개) 코드를 사용하여 분류하였다.
그러므로 앞서 언급한 자료상의 문제점을 감안하여 연구 결과를 살펴볼 필요가 있다. 셋째, 본 연구에서는 DRG에 기초하여 만들어진 지수를 이용하여 분석을 하였다. DRG를 이용하여 병원 간에 존재하는 환자구성의 차이를 반영하는데 한계가 있다.
연구에서 환자집중도를 측정하기 위해 내부허핀달지수를 사용하였고, 병원의 구조변수는 병원종별유형, 병상 수, 분만환자 수, 100병상 당 의사 수, 100병상 당 간호사 수 그리고 평균재원일수를 포함하였다.
이에 대한 원인으로는 첫째, 사용된 환자집중도를 측정하는 변수의 영향을 들 수 있다. 연구에서는 내부허핀달지수를 이용하여 병원 입원환자의 집중도를 평가하였다. 만약, 환자의 집중도를 평가하는 다른 지수를 사용하여 적용한다면 결과에 영향을 미칠 수 있다.
이 연구가 가지는 의의는 첫째, 기존연구는 전문화지수 간의 비교를 시행하였다면, 본 연구에서는 전문화지수를 특정 환자군에 적용하여 병원에서 해당 환자군의 전문화수준을 평가한 후, 성과지표 중의 하나인 재원일수와의 관계를 계량적으로 분석하였다는 점이다. 환자 집중도는 병원의 전문화정도를 나타내는 지표의 하나이며, 평균재원일수는 의료 및 서비스의 효율성 지표 중의 하나이다.
연구는 [그림 1]과 같이 두 가지의 형태로 나누어 진행되었다. 첫째, 진료 과목에 상관없이 전체 입원환자를 대상으로 하여 분만을 시행한 병원들의 분만환자집중도를 계산하고, 병원의 구조변수를 통제한 후 종속변수인 병원의 평균재원일수와의 관계를 분석하였다. 분만을 시행한 병원들의 분만환자에 관한 환자집중도는 내부허핀달지수(IHI, Internal Herfindahl Index)를 이용하여 산출하였다.
병원의 구조적 특성 차이에 따른 영향을 통제하기 위하여 연구에서는 병원의 일반적 구조특성변수로 사용하는 변수를 분석모형에 포함하였다. 통제변수는 기존 병원의 효율성을 분석한 논문을 참고하여 선정하였으며, 포함된 변수는 의사 수, 간호사 수, 병상 수, 그리고 의료기관 종별유형이며[6][16-18], 연구대상 병원의 분만환자 규모의 차이에 의한 영향을 통제하기 위하여 분만환자 수 변수를 포함하였다[19].
평균재원일수는 각 병원의 분만환자들의 입원일수를 합산한 뒤, 해당 병원의 총 분만환자수로 나누어 계산하였으며 연속변수로 사용되었다. 평균재원일수는 의료 및 서비스의 효율성을 나타내는 지표의 하나로 제시되고 있다[4].
대상 데이터
위의 기준으로 분류한 결과 170개 병원이 연구대상병원으로 선정되었다. 170개 연구대상병원에 내원한 전체 입원환자는 634,630명이며, 그 중 산부인과 입원환자는 81,543명이 었고, 분만환자는 23,185명이었다.
둘째, 각 병원들의 산부인과 관련 진료를 받은 전체 입원환자를 대상으로 산출한 분만환자집중도와 병원의 구조변수를 이용하여 종속변수인 병원의 평균재원일수와의 관계를 분석하였다. 각 병원의 평균재원일수는 각 병원의 산부인과 환자 중 분만환자만을 대상으로 산출하였다.
셋째, EDI(Electronic Data Interchange)로 100% 청구를 한 병원을 대상으로 하였다. 넷째, 기관의 특성에 따른 영향을 최소화하기위해 요양병원, 정신병원, 군 관련 병원 등 특수한 병원을 제외한 상급종합병원, 종합병원, 병원을 대상으로 하였다. 위의 기준으로 분류한 결과 170개 병원이 연구대상병원으로 선정되었다.
모형 1에서는 병원의 전체 입원환자 수에서 분만환자가 차지하는 집중도의 영향력을 평가하고, 그리고 모형 2에서는 산부인과 관련 입원환자에서 분만환자의 집중도가 차지하는 영향력을 평가한다. 따라서 연구대상병원에서는 한 병원에서 내부허핀달지수로 계산된 두 개의 환자집중도 지수를 사용한다.
본 연구에서는 2009년 건강보험심사평가원 환자표본 자료(HIRA National Patient Sample, HIRA-NPS)를 이용하였다. 이 자료는 2009년 1년간 전체 입원환자의 13%인 약 70만 명으로 구성되어 있다.
병상 수 변수는 100병상 미만, 100병상 이상 300병상 미만, 300병상 이상 총 3개의 구간으로 나누어 더미변수 처리하여 분석을 실시하였고, 300병상 이상을 기준변수(≥300=0)로 설정하여 분석하였다. 분만환자 수는 건강보험심사평가원 환자 표본자료 중 연구대상으로 선정된 170개 병원에서 청구된 입원한 분만환자 건수를 모두 합한 값을 분만환자수 변수로 생성하여 사용하였다. 100병상 당 의사 수 및 100병상 당 간호사 수는 건강보험심사평가원 환자표본 자료에서 제공하는 기관정보를 사용하였다.
둘째, 의료기관의 분만환자 수에 따른 영향을 최소화 하기위해 건강보험 청구건수가 30명 미만인 병원은 제외하였다. 셋째, EDI(Electronic Data Interchange)로 100% 청구를 한 병원을 대상으로 하였다. 넷째, 기관의 특성에 따른 영향을 최소화하기위해 요양병원, 정신병원, 군 관련 병원 등 특수한 병원을 제외한 상급종합병원, 종합병원, 병원을 대상으로 하였다.
연구대상병원의 선정 기준은 첫째, KDRG 3.0으로 분류된 분만관련 입원환자가 있는 병원을 대상으로 하였다. 둘째, 의료기관의 분만환자 수에 따른 영향을 최소화 하기위해 건강보험 청구건수가 30명 미만인 병원은 제외하였다.
넷째, 기관의 특성에 따른 영향을 최소화하기위해 요양병원, 정신병원, 군 관련 병원 등 특수한 병원을 제외한 상급종합병원, 종합병원, 병원을 대상으로 하였다. 위의 기준으로 분류한 결과 170개 병원이 연구대상병원으로 선정되었다. 170개 연구대상병원에 내원한 전체 입원환자는 634,630명이며, 그 중 산부인과 입원환자는 81,543명이 었고, 분만환자는 23,185명이었다.
이 연구에서 사용한 분석 자료는 우리나라 전체 분만 환자를 대상으로 하지 않았고, 표본 추출된 자료를 분석에 사용하였다. 건강보험심사평가원의 환자표본자료는 인구학적 특성을 고려하여 층화 추출한 표본으로 미국이나 대만 등에서 제공하고 있는 표본자료에 비해 자료의 효율성은 높은 것으로 제시되고 있다[20].
본 연구에서는 2009년 건강보험심사평가원 환자표본 자료(HIRA National Patient Sample, HIRA-NPS)를 이용하였다. 이 자료는 2009년 1년간 전체 입원환자의 13%인 약 70만 명으로 구성되어 있다. 분만환자를 대상으로 연구를 진행한 것은 우리나라의 출산율이 세계 최하위 수준[11]이고 분만의 수익성이 낮아 병원에서 분만을 꺼리고 있는 현실을 고려하여 연구대상을 결정하였다.
데이터처리
분석은 먼저, 독립변수와 통제변수, 종속변수들 간의 상관관계를 파악하기 위해 상관관계 분석(Correlation Analysis)을 실시하였다. 그리고 환자집중도를 독립변수로 하고 병원의 구조변수를 통제변수로 투입한 뒤 병원의 평균재원일수를 종속변수로 한 다중회귀분석(Multivariate Regression Analysis)을 실시하였다. 내부허핀달지수를 이용한 환자집중도 산출과 상관관계분석, 다중회귀분석은 SAS 9.
그리고 환자집중도를 독립변수로 하고 병원의 구조변수를 통제변수로 투입한 뒤 병원의 평균재원일수를 종속변수로 한 다중회귀분석(Multivariate Regression Analysis)을 실시하였다. 내부허핀달지수를 이용한 환자집중도 산출과 상관관계분석, 다중회귀분석은 SAS 9.2를 사용하였다.
분석은 먼저, 독립변수와 통제변수, 종속변수들 간의 상관관계를 파악하기 위해 상관관계 분석(Correlation Analysis)을 실시하였다. 그리고 환자집중도를 독립변수로 하고 병원의 구조변수를 통제변수로 투입한 뒤 병원의 평균재원일수를 종속변수로 한 다중회귀분석(Multivariate Regression Analysis)을 실시하였다.
이론/모형
본 연구에서 환자집중도는 내부허핀달지수의 개념을 이용하여 측정하였다. 내부허핀달지수는 의료기관이 환자에게 제공하는 서비스의 집중도에 기초하여 전문화를 측정하는 지수로 정의할 수 있다.
첫째, 진료 과목에 상관없이 전체 입원환자를 대상으로 하여 분만을 시행한 병원들의 분만환자집중도를 계산하고, 병원의 구조변수를 통제한 후 종속변수인 병원의 평균재원일수와의 관계를 분석하였다. 분만을 시행한 병원들의 분만환자에 관한 환자집중도는 내부허핀달지수(IHI, Internal Herfindahl Index)를 이용하여 산출하였다. 각 병원의 평균재원일수는 각 병원의 분만환자만을 대상으로 산출하였다.
연구대상이 된 모든 분만환자와 산부인과 환자는 DRG를 사용한 기존연구[12-14]를 참고하여 한국형 DRG인 KDRG 3.0을 사용하여 정의하였다. 분만환자는 KDRG 3.
환자집중도를 구하기 위해 내부허핀달지수에서 사용한 i번째 퇴원한 환자의 서비스 카테고리 개념을 KDRG 3.0을 이용하여 적용하였다.
성능/효과
100병상 당 의사 수는 100병상 당 간호사 수와 평균재원일수 간의 양의 상관관계가 있었으며 통계적으로 유의하였다. 100병상 당 간호사 수는 평균재원일수와 양의 상관관계가 있었으며 통계적으로 유의하였다.
분만환자 수는 100병상 당 의사 수와 평균재원일수 간의 음의 상관관계가 있었으며 통계적으로 유의하였다. 100병상 당 의사 수는 100병상 당 간호사 수와 평균재원일수 간의 양의 상관관계가 있었으며 통계적으로 유의하였다. 100병상 당 간호사 수는 평균재원일수와 양의 상관관계가 있었으며 통계적으로 유의하였다.
따라서 연구결과를 우리나라 전체 의료기관에 일반화하기에는 제한점이 존재한다. 둘째, 연구자료에서 종별유형 분류와 병상 수 간의 불일치가 존재한다는 것이다. 본 연구에서는 건강보험심사평가원에서 제공한 환자표본자료를 이용하였고, 이러한 불일치는 환자표본자료상의 이유로 발생한 것으로 보인다.
0으로 분류된 분만관련 입원환자가 있는 병원을 대상으로 하였다. 둘째, 의료기관의 분만환자 수에 따른 영향을 최소화 하기위해 건강보험 청구건수가 30명 미만인 병원은 제외하였다. 셋째, EDI(Electronic Data Interchange)로 100% 청구를 한 병원을 대상으로 하였다.
03)일 경우 평균재원 일수와 통계적으로 유의한 음의 관계를 갖는 것으로 나타났다. 병상수가 300병상 보다 작을수록 평균재원일수는 짧아지는 것으로 분석되었다.
분만환자 수 변수는 음(Negative)의 회귀계수를 보였으며 병원 내 분만환자 수가 많을수록 평균재원일수는 줄어든다는 것으로 의미한다. 이러한 결과는 기존에 알려진 진료량(Volume)과 진료결과(Outcomes)의 관계와 같이 병원 내에서 진료 받는 특정 질환의 환자수가 증가할수록 사망률이나 합병증과 같은 환자의 진료결과에 양(Positive)의 효과가 있다는 것으로 알려져 있다.
55였고, 95% 신뢰수준에서 통계적으로 유의하였다. 분만환자 수 변수의 회귀계수(-0.15)와 100병상 당 간호사 수의 회귀계수(-0.19)가 평균재원일수와 통계적으로 유의한 음의 관계를 갖는 것으로 분석되었으며, 병상 수는 300병상 이상을 기준으로 보았을 때, 100병상 미만(-0.47, p=0.02)과 100병상 이상 300병상 미만(-0.40, p=0.03)일 경우 평균재원 일수와 통계적으로 유의한 음의 관계를 갖는 것으로 나타났다. 병상수가 300병상 보다 작을수록 평균재원일수는 짧아지는 것으로 분석되었다.
56이었고, 95% 신뢰수준에서 통계적으로 유의하였다. 분만환자 수 변수의 회귀계수(-0.16)와 100병상 당 간호사 수의 회귀계수(-0.20)는 평균재원일수와 통계적으로 유의한 음의 관계를 갖는 것으로 나타났고, 병상 수는 300병상 이상을 기준으로 보았을 때, 100병상 미만(-0.48, p=0.02)과 100병상 이상 300병상 미만(-0.40, p=0.02)일 경우 평균재원일수와 통계적으로 유의한 음의 관계를 갖는 것으로 나타났다. 즉, 병상 수가 300병상 보다 작을수록 평균재원일수는 짧아지는 것을 알 수 있다.
분석결과를 보면 환자집중도를 측정하는 내부허핀달지수는 분만입원환자의 재원일수와 음의 관계를 보였지만 통계적으로 유의하지는 않았고, 분만환자 수 변수는 재원일수 변수와 통계적으로 유의한 음의 관계를 보였다. 이러한 결과는 재원일수와 같은 효율성을 증가시키기 위해서는 병원에서 진료하는 진료군의 환자수의 중요성을 제시한다고 볼 수 있다.
산부인과 입원환자를 대상으로 한 분만환자의 회귀분석에서 모형의 결정계수는 0.55였고, 95% 신뢰수준에서 통계적으로 유의하였다. 분만환자 수 변수의 회귀계수(-0.
연구모형 1과 연구모형 2에 대한 회귀분석에서 환자 집중도 변수는 평균재원일수에 대한 회귀계수의 값이 연구에서 예상한 음(-)의 값을 보였으나 통계적으로 유의하진 않았다. 상관관계 분석에서도 환자집중도와 평균재원일수 간에는 음의 상관관계를 보였으나 회귀분석 결과 통계적으로 유의하지 않았다. 이에 대한 원인으로는 첫째, 사용된 환자집중도를 측정하는 변수의 영향을 들 수 있다.
본 연구의 목적은 병원의 전문화수준을 나타내는 지표 중 하나인 환자집중도 지수와 의료 및 서비스의 효율성을 나타내는 대표적인 지표인 평균재원일수와의 관계를 분석하는 것이다. 연구에서는 분만환자를 분석대상 환자군으로 선정한 후, 병원에서 분만환자의 집중도가 증가할수록 평균재원일수는 짧아질 것이라 예상하였다.
이러한 결과는 기존에 알려진 진료량(Volume)과 진료결과(Outcomes)의 관계와 같이 병원 내에서 진료 받는 특정 질환의 환자수가 증가할수록 사망률이나 합병증과 같은 환자의 진료결과에 양(Positive)의 효과가 있다는 것으로 알려져 있다. 이 연구에서는 사망률과 같은 진료결과 대신 평균재원 일수와 같이 병원 진료과정의 효율성을 측정하는 지표를 사용하였고, 병원에서 진료 받는 특정 질환 환자수의 증가는 진료결과뿐만 아니라 재원일수와 같은 효율성 측면에서 긍정적인 효과가 있을 수 있다는 점을 시사하고 있다.
전체 입원환자를 대상으로 한 분만환자의 회귀분석에서 모형의 결정계수는 0.56이었고, 95% 신뢰수준에서 통계적으로 유의하였다. 분만환자 수 변수의 회귀계수(-0.
[표 3]은 독립변수와 통제변수, 종속변수간의 상관관계 분석결과이다. 환자집중도와 분만환자 수는 양의 상관관계가 있었고, 나머지 변수들인 100병상 당 의사 수, 100병상 당 간호사 수, 평균재원일수는 환자집중도와 음의 상관관계가 있었으며, 통계적으로 유의하였다. 분만환자 수는 100병상 당 의사 수와 평균재원일수 간의 음의 상관관계가 있었으며 통계적으로 유의하였다.
후속연구
마지막으로 분만환자만을 대상으로 하였기 때문에 다른 질환으로의 일반화가 어렵다. 다른 질환을 포괄할 수 있는 연구가 필요하며 향후 더 보완된 연구가 이루어져야 할 것이다.
본 연구의 제한점으로는 첫째, 병원급 이상 170개 기관만을 대상으로 분석한 점이다. 따라서 연구결과를 우리나라 전체 의료기관에 일반화하기에는 제한점이 존재한다.
이러한 병원산업의 움직임은 병원경영자뿐만 아니라 보건의료 정책입안자들로 하여금 이러한 전략을 채택하고 운영하도록 하는 활동을 해왔다. 이러한 전략 선택의 활동이 효율성 향상과 의료서비스의 질 개선이라는 목표를 달성하기 위해서는 병원에서 진료 받는 특정 진료군의 환자수를 확보할 수 있도록 병원운영 및 정책을 수립하는 것이 필요로 할 것이다.
DRG를 이용하여 병원 간에 존재하는 환자구성의 차이를 반영하는데 한계가 있다. 향후 연구에서 개개인의 특성과 중증도를 좀 더 반영하여 연구를 설계한다면 좀 더 나은 연구결과를 도출 할 수 있을 것이다. 넷째, 의사의 특성도 병원에서 무시하지 못하는 영향요인 중의 하나이다.
건강보험심사평가원 환자표본자료는 2차 자료로서 의사의 특성을 반영하기 어려웠고, 자료수집의 한계가 있어 의사 개인의 성향을 반영하지 못하였다. 향후 연구에서는 의사의 특성을 반영할 수 있는 연구가 필요하다. 마지막으로 분만환자만을 대상으로 하였기 때문에 다른 질환으로의 일반화가 어렵다.
질의응답
핵심어
질문
논문에서 추출한 답변
평균재원일수는 어떠한 지표인가?
평균재원일수는 의료서비스의 효율성을 나타내는 대표적인 지표로, 평균재원일수를 감소시키는 것은 병상회전율을 높임으로써 새로운 환자수를 증가시키고 병원의 수익 향상을 가져올 것이다. 평균재원일수의 감소는 병원뿐만 아니라 환자 측면에서도 많은 장점이 있을 수 있다.
내부허핀달지수는 어떠한 방법인가?
이러한 문제점을 해결하기위해 고안된 측정방법으로 내부허핀달지수(IHI, Internal Herfindahl Index)를 들 수 있다[6]. 이 방법은 병원에서 단순히 서비스의 종류만을 측정하는 것이 아니라 치료를 받은 환자의 구성에 차이를 두고 평가하는 방법이다.
평균재원일수의 감소는 어떠한 장점을 가지고 있는가?
급성기 질환의 치료 및 수술이 끝난 뒤 상태가 호전되어 통원치료에 문제가 없다면, 입원비용보다 상대적으로 저렴한 외래진료를 통해 건강관리가 가능하고 진료비 절약을 실현할 수 있다. 평균재원일수의 감소는 병원의 수익률 향상과 환자의 진료비 감소 두 가지 장점을 모두 가지고 있다[9].
참고문헌 (27)
국민건강보험공단, 2011년 건강보험통계연보, 국민건강보험공단, 2011.
윤종록, 장재식, "병원역량이 경영성과에 미치는 영향에 관한 탐색적 연구 - 서비스지향성과 고객 지향성의 매개효과 검증을 중심으로", 경영컨설팅 리뷰, 제1권, 제2호, pp.1-28, 2010.
J. E. Schneider, T. R. Miller, R. L. Ohsfeldt, M. A. Morrisey, B. A. Zelner, and P. X. Li, "The Economics of Specialty Hospitals," Medical Care Research and Review, Vol.65, No.5, pp.531-553, 2008.
S. R. Eastaugh, "Specialization and Hospital Costs: Benefits of Trimming Product Lines," Journal of Health Care Finance, Vol.32, No.4, pp.29-38, 2006.
J. R. Barro, R. S. Huckman, and D. P. Kessler, "The Effects of Cardiac Specialty Hospitals on the Cost and Quality of Medical Care," Journal of Health Economics, Vol.25, pp.702-721, 2006.
한국보건사회연구원, OECD Health Data 2012, 한국보건사회연구원, 2012.
United Nations Population Fund, State of World Population 2010, United Nations Population Fund, 2010.
G. Fournier and J. Mitchell, "Hospital Costs and Competition for Services: A Multiproduct Analysis," The Review of Economics and Statistics, Vol.74, No.4, pp.627-634, 1992.
Carey Kathleen, "A Panel Data Design for Estimation of Hospital Cost Functions," The Review of Economics and Statistics, Vol.79, No.3, pp.443-453, 1997.
J. Zwanziger, G. A. Melnick, and L. Simonson, "Differentiation and Specialization in the California Hospital Industry 1983 to 1988," Medical Care, Vol.34, No.4, pp.361-372, 1996.
D. A. Dayhoff and J. Cromwell, "Measuring Differences and Similarities in Hospital Caseloads: a Conceptual and Empirical Analysis," Health Services Research, Vol.28, No.3, pp.293-312, 1993.
J. E. Schneider, R. L. Ohsfeldt, M. A. Morrisey, P. X. Li, T. R. Miller, and B. A. Zelner, "Effects of Specialty Hospitals on the Financial Performance of General Hospitals 1997-2004," Inquiry, Vol.44, pp.321-334, 2007.
K. S. Lee, K. H. Chun, and J. S. Lee, "Reforming the Hospital Service Structure to Improve Efficiency: Urban Hospital Specialization," Health Policy, Vol.87, pp.41-49, 2008.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.