[국내논문]퇴원손상심층조사 자료를 기반으로 한 급성심근경색환자 재원일수의 중증도 보정 모형 개발 Severity-Adjusted LOS Model of AMI patients based on the Korean National Hospital Discharge in-depth Injury Survey Data원문보기논문타임라인
본 연구는 급성심근경색환자의 효율적인 재원일수 관리를 위해 재원일수에 대한 중증도 보정 모형을 개발하고자 하였다. 2004-2009년 퇴원손상심층조사 자료에서 주진단이 I21인 급성심근경색환자 6,074명을 추출하였으며, 모형 개발 시 데이터마이닝 기법(다중회귀분석, 의사결정나무, 신경망 기법)을 적용하였다. 개발된 모형들 중에서 의사결정나무 모형이 가장 우수한 모형으로 판정되어 이를 본 연구의 중증도 보정 모형으로 채택하였다. 급성심근경색 환자의 재원일수의 중증도 보정에 영향을 미치는 주요한 요인은 관상동맥우회술 시행유무, 퇴원 시 사망유무, 동반지수 등 이였으며, 병상규모와 의료기관 소재지 별로 중증도 보정 재원일수와 실제 재원일수에 차이가 있었다. 급성심근경색환자의 재원일수 변이를 줄이고 효율적으로 관리하기 위해서는 개발된 모형에 각 의료기관의 자료를 적용하여 중증도를 보정한 후, 차이가 나는 요인을 규명하여 이를 해결하는 활동이 수행되어야 할 것이다.
본 연구는 급성심근경색환자의 효율적인 재원일수 관리를 위해 재원일수에 대한 중증도 보정 모형을 개발하고자 하였다. 2004-2009년 퇴원손상심층조사 자료에서 주진단이 I21인 급성심근경색환자 6,074명을 추출하였으며, 모형 개발 시 데이터마이닝 기법(다중회귀분석, 의사결정나무, 신경망 기법)을 적용하였다. 개발된 모형들 중에서 의사결정나무 모형이 가장 우수한 모형으로 판정되어 이를 본 연구의 중증도 보정 모형으로 채택하였다. 급성심근경색 환자의 재원일수의 중증도 보정에 영향을 미치는 주요한 요인은 관상동맥우회술 시행유무, 퇴원 시 사망유무, 동반지수 등 이였으며, 병상규모와 의료기관 소재지 별로 중증도 보정 재원일수와 실제 재원일수에 차이가 있었다. 급성심근경색환자의 재원일수 변이를 줄이고 효율적으로 관리하기 위해서는 개발된 모형에 각 의료기관의 자료를 적용하여 중증도를 보정한 후, 차이가 나는 요인을 규명하여 이를 해결하는 활동이 수행되어야 할 것이다.
This study aims to design a Severity-Adjusted LOS(Length of Stay) Model in order to efficiently manage LOS of AMI(Acute Myocardial Infarction) patients. We designed a Severity-Adjusted LOS Model with using data-mining methods(multiple regression analysis, decision trees, and neural network) which co...
This study aims to design a Severity-Adjusted LOS(Length of Stay) Model in order to efficiently manage LOS of AMI(Acute Myocardial Infarction) patients. We designed a Severity-Adjusted LOS Model with using data-mining methods(multiple regression analysis, decision trees, and neural network) which covered 6,074 AMI patients who showed the diagnosis of I21 from 2004-2009 Korean National Hospital Discharge in-depth Injury Survey. A decision tree model was chosen for the final model that produced superior results. This study discovered that the execution of CABG, status at discharge(alive or dead), comorbidity index, etc. were major factors affecting a Sevirity-Adjustment of LOS of AMI patients. The difference between real LOS and adjusted LOS resulted from hospital location and bed size. The efficient management of LOS of AMI patients requires that we need to perform various activities after identifying differentiating factors. These factors can be specified by applying each hospital's data into this newly designed Severity-Adjusted LOS Model.
This study aims to design a Severity-Adjusted LOS(Length of Stay) Model in order to efficiently manage LOS of AMI(Acute Myocardial Infarction) patients. We designed a Severity-Adjusted LOS Model with using data-mining methods(multiple regression analysis, decision trees, and neural network) which covered 6,074 AMI patients who showed the diagnosis of I21 from 2004-2009 Korean National Hospital Discharge in-depth Injury Survey. A decision tree model was chosen for the final model that produced superior results. This study discovered that the execution of CABG, status at discharge(alive or dead), comorbidity index, etc. were major factors affecting a Sevirity-Adjustment of LOS of AMI patients. The difference between real LOS and adjusted LOS resulted from hospital location and bed size. The efficient management of LOS of AMI patients requires that we need to perform various activities after identifying differentiating factors. These factors can be specified by applying each hospital's data into this newly designed Severity-Adjusted LOS Model.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
위 연구들에서 급성심근경색 환자의 선정기준은 국가에서 선정한 정의와 차이가 있음에 따라 정책적으로 의료기관 활용 면에서 제한점이 있다. 따라서 본 연구에 서는 국가의 급성심근경색 환자 선정 기준에 근거하여 급성심근경색환자의 재원일수에 대한 중증도 보정 모형을 개발하고자 한다.
본 연구는 급성심근경색환자의 재원일수에 대한 중증도 보정 모형을 개발하는 것이다. 이를 달성하기 위한 구체적인 연구목적은 다음과 같다.
제안 방법
개발된 모형을 이용하여 중증도 보정 재원일수를 구한후 이것과 실제 재원일수의 차이를 병상규모, 의료기관 소재지에 따라서 분석하였다.
급성심근경색 환자의 중증도 보정 재원일수 모형 개발은 데이터마이닝의 SEMMA(Sample, Explore, Modify, Model, Assess)라는 방법론에 따라서 분석 하였다. 개발된 보정 모형의 안정성 및 정확성 확보를 위해 급성심근 경색증 환자의 데이터를 모형개발용인 훈련용 60%, 모형의 내적 타당도 평가용인 모형평가용 40%로 나누어 모형을 개발하고 평가하였다. 분석기법은 다중선형회귀분석, 의사결정나무, 신경망 분석을 이용하였다.
급성심근경색환자의 중증도를 보정하기 위해서는 어떤 동반질환을 가졌는지를 반영하여야 한다. 동반질환의 종류가 다양하므로 동반질환지수를 산정하여 이를 모형에 반영하였다. 본 연구에서는 Elixhauser 동반질환지수, Charlson 동반질환지수, CCS 진단군 분류기준 이 3가지 방법에 따라 동반질환지수를 산정하여 모형에 적용하였다.
둘째, 급성심근경색환자의 재원일수에 대한 중증도 보정 모형을 개발한다.
본 연구에서 종속변수는 재원일수이며, 성별, 연령, 입원경로, 경피적 관상동맥 중재술 시행 유무, 관상동맥 우회술 시행 유무, 사망 유무, 동반질환지수 등을 독립변수로 정하였다.
동반질환의 종류가 다양하므로 동반질환지수를 산정하여 이를 모형에 반영하였다. 본 연구에서는 Elixhauser 동반질환지수, Charlson 동반질환지수, CCS 진단군 분류기준 이 3가지 방법에 따라 동반질환지수를 산정하여 모형에 적용하였다.
왜냐하면 임상목적으로 개발된 중증도 보정 모형은 적용이 용이하지 않기 때문이다[6]. 이러한 필요성에 부응하여 질병관리본부의 퇴원손상심층조사 자료를 이용하여 급성심근경색 환자에 대한 재원일수 중증도 보정 모형을 개발하였다. 급성심근경색을 대상 질환으로 선정한 이유는 OECD국가 중 우리나라의 급성심근경색 재원일수가 가장 높고, 심사평가원에서 의료의 질적 평가를 하는 질환이기 때문 이다[8,9].
CCS(Clinical Classification Software) 진단군 분류는 미국 AHRQ(The Agency for Healthcare Research and Quality)에 의해 개발된 질병을 임상학적으로 군집화한 방법으로 질병군 분류방법으로 널리 활용된다[18]. 이에본 연구에서는 CCS 진단군 분류 방법에 따라 부상병을 분류하고 Elixhauser 동반질환지수 방법처럼 각각의 질환 동반 여부를 이분형 형태로 중증도 보정 모형에 입력하여 환자의 중증도를 보정하였다.
조사항목은 의료기관 정보, 인구사회· 지리학적 정보(성별, 나이, 거주지, 진료비 지불방법 등), 환자 내원정보(입원일, 퇴원일, 입원경로), 질병 및 치료 정보(주진단, 부진단, 주수술 등)로 구성되어 있다[14].
환자의 동반 상병 보정 방법인 Elixhauser 지표, Charlson 지표, CCS 진단군 분류기준을 적용하여 환자의 동반 상병에 대한 중증도를 측정하였으며, 데이터마이닝 기법인 다중선형회귀분석, 의사결정나무, 신경망 분석을 이용하여 급성심근경색증 환자의 재원일수 중증도 보정 모형을 개발하였다. Root ASE 값을 이용하여 모형을 평가한 결과, 최종적으로 선정된 모형은 CCS진단군 분류 기준을 동반질환 보정 방법으로 선정하고, 데이터마이닝 기법 중 의사결정나무로 개발된 모형이었다.
대상 데이터
따라서 본 연구에서는 질병관리본부의 퇴원손상심층조사 2004년∼2009 년까지의 원시자료를 받아 심평원의 급성심근경색환자 선정 기준인 주진단이 I21인 환자 6,074명 자료를 추출하여 분석 대상자로 삼았다.
질병관리본부의 2004년∼ 2009년까지의 퇴원손상심 층조사 원시자료를 이용하여 분석용 DB를 구축하였다.
데이터처리
분석기법은 다중선형회귀분석, 의사결정나무, 신경망 분석을 이용하였다. 다중회귀 분석은 단계적 선택방법(stepwise)을 이용하여 급성심근 경색 환자의 중증도 보정 재원일수에 유의한 영향을 미치는 변수만을 추출하고자 하였다. 의사결정나무분석은 분산의 감소량을 최대화하는 기준의 최적분리에 의해 지식마디가 형성되는 Variance Reduction방법을 이용하였으며 신경망분석 시에는 Profit/Loss방법을 이용하였다.
개발된 보정 모형의 안정성 및 정확성 확보를 위해 급성심근 경색증 환자의 데이터를 모형개발용인 훈련용 60%, 모형의 내적 타당도 평가용인 모형평가용 40%로 나누어 모형을 개발하고 평가하였다. 분석기법은 다중선형회귀분석, 의사결정나무, 신경망 분석을 이용하였다. 다중회귀 분석은 단계적 선택방법(stepwise)을 이용하여 급성심근 경색 환자의 중증도 보정 재원일수에 유의한 영향을 미치는 변수만을 추출하고자 하였다.
의사결정나무분석은 분산의 감소량을 최대화하는 기준의 최적분리에 의해 지식마디가 형성되는 Variance Reduction방법을 이용하였으며 신경망분석 시에는 Profit/Loss방법을 이용하였다. 이들 모형의 평가는 Root ASE 값을 이용하여 평가하였다.
이론/모형
급성심근경색 환자의 중증도 보정 재원일수 모형 개발은 데이터마이닝의 SEMMA(Sample, Explore, Modify, Model, Assess)라는 방법론에 따라서 분석 하였다. 개발된 보정 모형의 안정성 및 정확성 확보를 위해 급성심근 경색증 환자의 데이터를 모형개발용인 훈련용 60%, 모형의 내적 타당도 평가용인 모형평가용 40%로 나누어 모형을 개발하고 평가하였다.
다중회귀 분석은 단계적 선택방법(stepwise)을 이용하여 급성심근 경색 환자의 중증도 보정 재원일수에 유의한 영향을 미치는 변수만을 추출하고자 하였다. 의사결정나무분석은 분산의 감소량을 최대화하는 기준의 최적분리에 의해 지식마디가 형성되는 Variance Reduction방법을 이용하였으며 신경망분석 시에는 Profit/Loss방법을 이용하였다. 이들 모형의 평가는 Root ASE 값을 이용하여 평가하였다.
성능/효과
CCS 진단군 분류 기준에 따라 대상자의 동반질환 분포를 파악한 결과, 고혈압 유 39.5%로 가장 높았으며, 죽상동맥경화증 및 기타 심장 질환 유 26.6%, 합병증을 동반하지 않은 당뇨 질환 유 25.8%, 지방질 대사이상 유 12.0%, 분류되지 않은 기타 코드 질환 유 11.8%, 비고혈 압성 울혈성 심부전 유 7.8%, 심장 부정맥 유 5.3%, 뇌혈관 질환의 후유증 유 4.5%, 기타 하기도 질환 유 4.1% 등의 순으로 조사되었다[Table 4].
CCS 진단군 분류기준을 이용하여 의사결정나무분석으로 급성심근경색증 환자의 중증도 보정 재원일수 예측 모형을 개발한 결과, 급성심근경색증 환자의 재원일수에 영향을 미치는 가장 중요한 요인은 관상동맥 우회술 시행 유무로 나타났다. 이밖에도 성, 연령, 진료비지불방법, 사망유무, 경피적 관상동맥 중재술 시행유무, 입원경로, 상세불명의 세균성 감염 동반 유무, 합병증을 동반하지 않은 당뇨 동반 유무, 합병증 동반 고혈압 및 이차성 고혈압 동반 유무, 죽상동맥경화증 및 기타 심장 질환 동반 유무, 비고혈압성 울혈성 심부전 동반 유무, 급성 뇌혈관 질환 동반 유무, 대동맥 및 말초 동맥 색전증 또는 혈전증 동반 유무, 폐렴 동반 유무, 만성 폐쇄성 폐질환과 기관지 확장증 동반 유무, 기타 하기도 질환 동반 유무, 급성 및 상세불명의 신부전 동반 유무, 요로 감염 동반 유무, 피부의 만성 궤양 동반 유무 등이 중요한 변수로 나타났다[Fig.
Charlson 지표 기준에 따라 급성심근경색 중증도 보정 재원일수 모형 개발 대상자의 동반질환 점수를 파악한 결과, 0점이 55.6%로 가장 높았으며, 1점 28.7%, 2점 10.0%, 3점 이상 5.6% 등의 순으로 조사되었다[Table 3].
Elixhauser 지표 기준에 따라 모형 개발 대상자의 동반 질환 분포를 파악한 결과, 비합병증성 고혈압 질환 유가 39.5%로 가장 높았으며, 비합병증성 당뇨 유 25.6%, 울혈성 심부전 유 10.3%, 심장 부정맥 유 6.5%, 신부전 유 3.9%, 합병증성 당뇨 유 3.7%, 만성 폐 질환 유 3.6%, 판막 질환 유 2.8% 등의 순으로 높게 조사되었다[Table 2].
환자의 동반 상병 보정 방법인 Elixhauser 지표, Charlson 지표, CCS 진단군 분류기준을 적용하여 환자의 동반 상병에 대한 중증도를 측정하였으며, 데이터마이닝 기법인 다중선형회귀분석, 의사결정나무, 신경망 분석을 이용하여 급성심근경색증 환자의 재원일수 중증도 보정 모형을 개발하였다. Root ASE 값을 이용하여 모형을 평가한 결과, 최종적으로 선정된 모형은 CCS진단군 분류 기준을 동반질환 보정 방법으로 선정하고, 데이터마이닝 기법 중 의사결정나무로 개발된 모형이었다. 의사결정나 무에 근거한 중증도 보정 모형의 주요 규칙은 총 24개였다.
개발된 모형을 이용하여 중증도 보정 재원일수를 구한후 이것과 실제 재원일수의 차이를 병상규모별로는 유의한 차이를 보이지 않았고, 의료기관 소재지별로는 차이를 보였다. 최희선 등(2012)의 연구 결과에 따르면 의료기관 소재지별로 중증도 보정 재원일수와 실제 재원일수의 차이가 유의한 것으로 나타났다[13].
개발된 중증도 보정 모형을 평가한 결과, CCS진단군 분류 기준을 동반질환 보정 방법으로 선정하고, 데이터마 이닝 기법 중 의사결정나무로 만든 모형이 가장 우수한 것으로 판단되었다(훈련용 자료의 Root ASE는 9.14, 평가용 자료의 Root ASE는 12.63).
급성심근경색환자의 일반적 특성을 파악한 결과, 성별에 따른 분포는 남자가 67.2%, 여자가 32.8%로 남자가 높았으며, 연령별 분포는 65∼74세 이상이 28.2%로 가장 높았고, 55세 미만 26.6% 등의 순으로 높게 나타났다.
둘째, 지역별로 보면 서울이 타 지역에 비해서 높게 나타났다. 이는 서울에 대형병원이 많기 때문에 나타난 현상으로 판단되며, 또한 서울소재 병원들이 재원일수 절감을 위해 노력하기 때문이라 판단되므로 이러한 노력을 지방에서도 따라 할 수 있도록 적극적인 홍보가 필요하다.
최희선 등(2012)의 연구 결과에 따르면 의료기관 소재지별로 중증도 보정 재원일수와 실제 재원일수의 차이가 유의한 것으로 나타났다[13]. 따라서 급성심근경색 환자의 재원일수는 의료기관 소재지 별로 차이가 있다는 점을 확인 할 수 있었다. 의료기관 소재지별로 재원일수의 차이가 있다는 것은 지역별로 의료의 질적 수준에 차이가 있다는 뜻으로 향후 지역 간 의료서비스 수준의 격차를 줄이기 위한 노력이 필요할 것으로 보인다.
병상규모별 급성심근경색 환자의 실제 재원일수와 중증도 보정 모형에 따라 산출된 예측 재원일수의 차이에 대한 평균을 파악한 결과, 100∼299병상의 실제 재원일 수와 예측 재원일수의 차이에 대한 평균이 가장 큰 것으로 나타났으며, 300∼499병상, 1,000병상 이상 등의 순으로 차이가 큰 것으로 조사되었다[Table 7].
병상규모별, 의료기관 소재지별로 급성심근경색 환자의 실제 재원일수와 중증도 보정 재원일수에 차이가 있는 것으로 나타났다. 이를 해결하기 위해서는 다음과 같은 정책적 노력이 필요하다.
시도단위 의료기관 소재지별 급성심근경색 환자의 실제 재원일수와 중증도 보정 모형에 따라 산출된 예측 재원일수의 차이에 대한 평균을 파악한 결과, 예측 재원일 수보다 실제 재원일수가 높은 의료기관 소재지는 경북, 인천, 광주, 부산, 충북, 충남, 경기, 대구 등이었다[Table 8].
의사결정나무분석에 따른 급성심근경색 환자의 중증도 보정 재원일수 예측 규칙은 총 24개였으며, 관상동맥 우회술 시행 무 & 비고혈압성 울혈성 심부전 동반 무 & 폐렴 동반 무 & 피부의 만성 궤양 동반 무 & 상세불명의 세균성 감염 동반 무 & 급성 뇌혈관 질환 동반 무 & 성별 남 & 대동맥 및 말초 동맥 색전증 또는 혈전증 동반무 & 입원경로 외래인 예측규칙 23 환자의 예측 재원일 수는 4.74일로 가장 짧은 특징을 보였다.
이는 관상동맥우회술을 시술할 경우 입원기간이 길어지고, 동반질환이 많을수록 환자의 중증도가 높아짐에 따라 재원일수가 길게 나타난 현상이다. 이를 통해 재원일수의 절감을 위한 노력은 우선적으로 관상동맥우회술을 시행하거나 동반질환이 많은 급성심근경색 환자를 중심으로 시행해야 한다는 것을 알 수 있었다.
이에 반해 관상 동맥 우회술 시행 무 & 비고혈압성 울혈성 심부전 동반무 & 폐렴 동반 무 & 피부의 만성 궤양 동반 유에 해당 하는 예측규칙 16 환자의 예측 재원일수는 46.43일로 가장 긴 것으로 나타났다[Table 6].
43일로 가장 긴 것으로 나타났다. 전체적으 로는 관상동맥 우회술 시행할 수 록, 부진단으로 상세불 명의 세균성 감염, 합병증을 동반하지 않은 당뇨, 합병증 동반 고혈압 및 이차성 고혈압, 죽상동맥경화증 및 기타 심장 질환, 비고혈압성 울혈성 심부전, 급성 뇌혈관 질환, 대동맥 및 말초 동맥 색전증 또는 혈전증, 폐렴, 만성 폐쇄성 폐질환과 기관지 확장증, 기타 하기도 질환, 급성 및상세불명의 신부전, 요로 감염, 피부의 만성 궤양 등의 있을수록 재원일수가 높게 나타났다. 이는 임지혜 등(2011), 최희선 등(2012)의 연구에서 관상동맥우회술을 시행할수록, 동반질환이 많을수록 재원일수가 높게 나온 연구결과와 동일한 양상을 보여 주어 본 연구에서 개발한 급성심 근경색의 재원일수에 대한 중증도 보정 모형이 타당하다는 것을 확인 할 수 있었다[12,13].
첫째, 병상규모별로 중소병원의 재원일수가 높게 나타났는데 이는 중소병원의 병상점유율이 높지 않아서 재원 일수 절감을 위한 노력을 하지 않기 때문이라 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
재원일수의 관리가 필요한 주요 질환 중 하나는 무엇인가?
본 연구는 급성심근경색환자의 효율적인 재원일수 관리를 위해 재원일수에 대한 중증도 보정 모형을 개발하고자 하였다. 2004-2009년 퇴원손상심층조사 자료에서 주진단이 I21인 급성심근경색환자 6,074명을 추출하였으며, 모형 개발 시 데이터마이닝 기법(다중회귀분석, 의사결정나무, 신경망 기법)을 적용하였다.
재원일수의 절감이 국민의료비 절감에 중요한 이유는?
이러한 노력의 일환으로서 중요한 것이 바로 재원일수의 절감이다. 환자의 불필 요한 입원기간을 줄일 시, 병원 내 의료 자원의 효율적인 활용이 가능하여 국민의료비가 절감되기 때문이다. 이처럼 재원일수의 관리가 중요함에도 불구하고 2010년 우리 나라의 환자 1인당 평균재원일수는 14.
재원일수를 절감을 위해 필요한 것은?
재원일수를 절감하기 위해서는 재원일수의 변이 요인을 규명하고 이를 기반으로 국가 차원에서의 다양한 정책적 수단이 마련되어야 한다. 재원일수의 변이 요인을 규명하기 위해서는 환자들의 중증도 보정 모형을 개발하여 중증도를 보정한 후 변이의 요인을 규명하여야 한다.
Ministry of Health & Welfare, Yonsei Institute of Health and Welfare, Korean National Health Accounts and Total Health Expenditure in 2010, pp.1-350, Ministry of Health & Welfare, 2012.
이처럼 재원일수의 관리가 중요함에도 불구하고 2010년 우리 나라의 환자 1인당 평균재원일수는 14.2일로 OECD 회원 국의 평균 재원일수 8.5일보다 높은 수준이다[2].
The Leapfrog Group, Development of Severity-Adjustment Models for Hospital Efficiency Data, pp.1-84, The Center for Health Systems Research and Analysis University of Wisconsin-Madison, 2008.
그래서 미국, 영국, 캐나다, 호주 등 선진국에서는 국가의 행정 및 통계 목적으로 수집된 자료를 이용하여 중증도 보정 모형을 개발하여 활용하고 있다[3,4].
Ben-Tovim D., Woodman R., Harrison JE., Pointer S., Hakendorf P., Henley G., Measuring and reporting mortality in hospital patients, pp.1-136, Australian Institute of Health and Welfare, 2009.
그래서 미국, 영국, 캐나다, 호주 등 선진국에서는 국가의 행정 및 통계 목적으로 수집된 자료를 이용하여 중증도 보정 모형을 개발하여 활용하고 있다[3,4].
S. S. Kim, W. J. Kim, S. H. Kang, "A study on the variation of severity adjusted LOS on injury inpatient in Korea", The Korea Academia-Industrial Cooperation Society, Vol.12, No.6, pp.2668-2676, 2011. DOI: http://dx.doi.org/10.5762/KAIS.2011.12.6.2668
손상입원환자의 재원일수 변이요인을 분석하기 위한 중증도 보정 모형 개발 연구, 지역사회획득 폐렴 환자의 재원일수에 관한 중증도 보정 모형 개발 연구, 관상동맥우회술 환자의 중증도 보정 재원일수의 변이 요인을 규명하는 연구 등이다[5-7].
Y. M. Kim, Y. K. Choe, S. H. Kang, W. J. Kim, "A study on analysis of severity-adjustment length of stay in hospital for community-acquired pneumonia", The Korea Academia-Industrial Cooperation Society, Vol.12, No.3, pp.1234-1243, 2011. DOI: http://dx.doi.org/10.5762/KAIS.2011.12.3.1234
손상입원환자의 재원일수 변이요인을 분석하기 위한 중증도 보정 모형 개발 연구, 지역사회획득 폐렴 환자의 재원일수에 관한 중증도 보정 모형 개발 연구, 관상동맥우회술 환자의 중증도 보정 재원일수의 변이 요인을 규명하는 연구 등이다[5-7].
왜냐하면 임상목적으로 개발된 중증도 보정 모형은 적용이 용이하지 않기 때문이다[6].
S. J. Kim, S. H. Kang, W. J. Kim, Y. M. Kim, "The variation factors of severity-adjusted length of stay in CABG", The Korean Society for Quality Management, Vol.39, No.3, pp.391-399, 2011.
이에 정부에서는 급성심근경색을 가감지급사업 대상으로 선정하여 질 향상을 위해 노력한 요양기관을 대상으로 이를 보상하는 사업을 시행해오고 있다[9].
급성심근경색을 대상 질환으로 선정한 이유는 OECD국가 중 우리나라의 급성심근경색 재원일수가 가장 높고, 심사평가원에서 의료의 질적 평가를 하는 질환이기 때문 이다[8,9].
J. H. Lim, J. Y. Park, "The impact of comorbidity (the Charlson Comorbidity Index) on the health outcomes of patients with the acute myocardial infarction(AMI)", Korean Journal of Health Policy and Administration, Vol.21, No.4, pp.541-564, 2011. DOI: http://dx.doi.org/10.4332/KJHPA.2011.21.4.541
또한 Shoemaker W.(2011)는 CMS(Centers for Medicare and Medicaid Serviced) 데이터를 기반으로 급성심근경색, 죽상동맥경화증, 고혈압 등 DRG 상병의 중증도를 보정하여(Medicare-severity-adjusted DRG) 재원 일수를 구하였으며, 병원들에 이러한 정보를 제공할 시 병원들이 재원일수의 변이 요인을 규명하고 이를 줄일수 있다고 밝혔다[11].
Shoemaker W., "Benchmarking boon: tapping publicly available data to improve performance", Healthcare Financial Management Association, Vol. 65, No.6, pp.88-94, 2011.
국내에서는 임지혜 등(2011), 최희선 등(2012)은 질병 관리본부의 퇴원손상심층조사 자료를 이용하여 급성심근 경색 환자의 중증도 보정 모형 개발 연구를 수행하였다 [12,13].
급성심근경색증에 대한 중증도 보정 모형을 개발한 기존 선행연구에서는 대상자 선정기준이 심평원의 대상선 정기준과는 상이하여 정책적으로나 의료기관에서 활용도가 제한적인 것으로 판단되었다[12,13].
이는 임지혜 등(2011), 최희선 등(2012)의 연구에서 관상동맥우회술을 시행할수록, 동반질환이 많을수록 재원일수가 높게 나온 연구결과와 동일한 양상을 보여 주어 본 연구에서 개발한 급성심 근경색의 재원일수에 대한 중증도 보정 모형이 타당하다는 것을 확인 할 수 있었다[12,13].
H. S. Choe, J. H. Lim, W. J. Kim, S. H. Kang, "The effective management of length of stay for patients with acute myocardial infarction in the era of digital hospital", The Korea Society of Digital Policy and Management, Vol.10, No.1, pp.413-422, 2012.
국내에서는 임지혜 등(2011), 최희선 등(2012)은 질병 관리본부의 퇴원손상심층조사 자료를 이용하여 급성심근 경색 환자의 중증도 보정 모형 개발 연구를 수행하였다 [12,13].
급성심근경색증에 대한 중증도 보정 모형을 개발한 기존 선행연구에서는 대상자 선정기준이 심평원의 대상선 정기준과는 상이하여 정책적으로나 의료기관에서 활용도가 제한적인 것으로 판단되었다[12,13].
이는 임지혜 등(2011), 최희선 등(2012)의 연구에서 관상동맥우회술을 시행할수록, 동반질환이 많을수록 재원일수가 높게 나온 연구결과와 동일한 양상을 보여 주어 본 연구에서 개발한 급성심 근경색의 재원일수에 대한 중증도 보정 모형이 타당하다는 것을 확인 할 수 있었다[12,13].
최희선 등(2012)의 연구 결과에 따르면 의료기관 소재지별로 중증도 보정 재원일수와 실제 재원일수의 차이가 유의한 것으로 나타났다[13].
Ministry of Health & Welfare, Korea Centers for Disease Control & Prevention, http://injury.cdc.go.kr
조사항목은 의료기관 정보, 인구사회· 지리학적 정보(성별, 나이, 거주지, 진료비 지불방법 등), 환자 내원정보(입원일, 퇴원일, 입원경로), 질병 및 치료 정보(주진단, 부진단, 주수술 등)로 구성되어 있다[14].
Li B., Evans D., Faris P., Dean S., Quan H., "Risk adjustment performance of Charlson and Elixhauser comorbidities in ICD-9 and ICD-10 administrative databases", BMC Health Services Research, pp.8-12, 2008.
Elixhauser 지표와 Charlson 지표는 환자의 동반상병에 대한 중증도를 측정하는데 널리 쓰이는 동반 상병 보정 방법이다[15].
Elixhauser A., Steiner C., Harris DR., Coffey RM., "Comorbidity measures for use with administrative data", Medical Care, Vol.36, No.1, pp.8-27, 1998. DOI: http://dx.doi.org/10.1097/00005650-199801000-00004
Elixhauser 동반질환지수는 질환 동반 여부를 이분형 변수로 처리하여 환자의 중증도를 보정하는 방법이며[16], Charlson 동반질환지수는 17개의 질환에 대하여 일정한 가중치를 부여한 뒤 이 가중치의 합을 활용하여 환자의 중증도를 보정하는 방법이다[17].
Quan H., Li B., Couris CM., Fushimi K., Graham P., Hider P., Januel JM., Sundararajan V., "Updating and validating the Charlson comorbidity index and score for risk adjustment in hospital discharge abstracts using data from 6 countries", American Journal of Epidemiology, Vol.173, No.6, pp.676-682, 2011. DOI: http://dx.doi.org/10.1093/aje/kwq433
CCS(Clinical Classification Software) 진단군 분류는 미국 AHRQ(The Agency for Healthcare Research and Quality)에 의해 개발된 질병을 임상학적으로 군집화한 방법으로 질병군 분류방법으로 널리 활용된다[18].
※ AI-Helper는 부적절한 답변을 할 수 있습니다.