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
- 본 연구는 노인장기요양보험제도 도입 이후 지속적으로 제기되어 온 표준이용계획서 작성자 간 전공과 개인의 성향에 따른 급여계획의 편차발생 문제, 표준이용계획에 수급자의 기능 및 건강상태 반영이 미흡하다는 문제를 통계학적 모델링 기법을 적용하여 해소하고자 이루어졌다. 본 연구에서 제안한 표준급여 모형은 Han 등 (2009)이 개발한 모형이 갖고 있는 한계점인 수급자의 건강 및 기능 상태에 따른 적정급여계획을 담고 있는 자료의 부적정성과 재가급여 세부 종류별 알고리즘을 도출하지 못한 점을 개선하고자 하였다는 데에 그 의의가 있다.
- 본 연구는 노인장기요양보험제도 도입 이후 지속적으로 제기되어 온 표준이용계획서 작성자 간 전공과 개인의 성향에 따른 급여계획의 편차발생 문제, 표준이용계획에 수급자의 기능 및 건강상태 반영이 미흡하다는 문제를 통계학적 모델링 기법을 적용하여 해소하고자 이루어졌다. 본 연구에서 제안한 표준급여 모형은 Han 등 (2009)이 개발한 모형이 갖고 있는 한계점인 수급자의 건강 및 기능 상태에 따른 적정급여계획을 담고 있는 자료의 부적정성과 재가급여 세부 종류별 알고리즘을 도출하지 못한 점을 개선하고자 하였다는 데에 그 의의가 있다.
- 이 연구는 수급자의 효과적인 서비스 이용을 지원하기 위하여 장기요양 필요도를 평가하는 인정조사도구를 기본으로 시설급여와 재가급여, 그리고 재가급여의 세부 종류를 결정하는 과학적 알고리즘, 즉 표준급여모형을 개발하는 데에 목적이 있다. 이 연구를 통하여 수급자의 건강 및 기능 상태에 적합한 최적의 이용계획 작성을 지원하며 작성자 간 전문성에 따른 편차를 최소화시킬 수 있을 것이다.
제안 방법
- 두 번째 단계는 표준급여모형의 1단계인 시설급여 권고모형 개발 단계이다. 1단계 모형을 개발하기 위해 먼저 대상자의 인구사회학적 특성과 건강 및 기능 상태에 따라 권고된 시설 및 재가 급여의 분포를 살펴보았다. 세 번째 단계는 의사결정나무기법을 이용하여 시설급여를 권고하는 모형을 개발하였다.
- 표준급여모형 1단계는 60:20:20으로, 표준급여모형 2단계는 70:20:10으로 분할하였다. 1단계에서 재가급여를 권고 받은 대상자에게 세부 재가급여 종류를 권고하는 2단계에서 방문간호의 권고비율이 8.2%로 다른 재가급여에 비해 너무 낮아 모형의 안정성을 확보하고자 1단계와는 달리 학습용 자료의 분할비율(70%)을 높여 분석을 실시하였다. 둘째, 의사결정나무의 형성 단계로 표준급여모형 1은 지니지수(Gini index)를 분리기준으로 사용하는 CART(classification and regression trees) 알고리즘을 통해 형성하였으며, 이지분리를 수행하였다.
- 2%로 다른 재가급여에 비해 너무 낮아 모형의 안정성을 확보하고자 1단계와는 달리 학습용 자료의 분할비율(70%)을 높여 분석을 실시하였다. 둘째, 의사결정나무의 형성 단계로 표준급여모형 1은 지니지수(Gini index)를 분리기준으로 사용하는 CART(classification and regression trees) 알고리즘을 통해 형성하였으며, 이지분리를 수행하였다. 그러나 나무 상단에서 선택된 연속형 변수가 아래 가지로 나오는 일이 빈번하여 나무의 깊이가 깊어지고 해석이 자연스럽지 못하였다.
- 마지막 단계는 구축한 모형에 대한 점수화(scoring) 단계로, 모형을 통한 점수화는 2008년 4월 15일부터 2009년 7월 1일까지 등급판정완료 후 장기요양인정을 받은 254,479명 중 독립변수에 결측이나 오류자료가 없는 251,583명을 대상으로 실시하여, 향후 장기요양 급여 종류별로 권고율을 예측하였다.
- 네 번째 단계는 표준급여모형 1단계에서 재가급여를 권고 받은 자를 대상으로 재가급여의 세부 급여종류를 권고하는 표준급여모형 2단계를 개발하는 단계이다. 방문요양, 방문목욕, 방문간호, 주야간보호에 대한 각각의 권고모형을 의사결정나무기법을 활용하여 개발하였다. 방문간호의 경우 비권고군의 수가 권고군의 수보다 약 9배 정도 높게 나타났다.
- 신체기능, 수단적일상생활기능 항목은 타인의 도움 필요 정도에 대해 3점 척도(완전자립(1점), 부분도움(2점), 완전도움(3점))로 측정되고, 인지기능, 행동변화, 간호처치 항목은 증상의 유무, 처치의 유무(유(1점), 무(0점))로 측정되며, 재활영역 항목은 운동장애 정도에 대해 3점 척도(운동장애없음(1점), 불완전운동장애(2점), 완전운동장애(3점))로 측정된다. 본 분석에서는 대상자의 중증도 측정 변수로 활용 (Lee 등, 2011; Hyun과 Lee, 2012; Lee 등, 2013)되는 6개 영역별 점수(영역별 문항의 점수 합)와 69개 항목을 독립변수로 활용하였다. 자세한 변수 설명은 Table 2.
- 본 연구에서 제안한 표준급여모형은 표준이용계획서 작성 전문가가 작성한 데이터를 바탕으로 통계적 알고리즘을 통해 개발된 것으로 장기요양인정조사 결과를 입력하면 수급자의 건강 및 기능 상태를 고려한 급여 종류가 자동으로 도출되도록 전산프로그램으로 개발되었다. 공단의 장기요양운영센터 직원은 이를 토대로 수급자와 가족의 주거형태나 희망급여, 지역사회 자원현황 등을 고려하여 최종적으로 수급자에게 필요한 적정 급여계획을 수립하게 된다.
- 이에 본 연구의 종속변수는 전체 분석대상자를 대상으로 하는 시설급여와 재가급여 권고여부(1(시설) vs 0(재가))와 재가급여를 권고 받은 자를 대상으로 재가급여 4가지 세부 종류를 결정하는 변수인 방문요양 권고여부(1 vs 0), 방문목욕 권고여부(1 vs 0), 방문간호 권고여부(1 vs 0), 주야간보호 권고여부(1 vs 0)이다. 본 연구에서는 시설급여와 재가급여를 권고하는 단계를 표준급여모형 1단계, 재가급여를 권고 받은 자를 대상으로 재가급여의 세부 종류를 권고하는 단계를 표준급여모형 2단계로 정의하였다.
- 모형의 타당성을 평가하는 방법으로는 다양한 통계량이 사용될 수 있다. 본 연구에서는 학습용 데이터와 평가용 데이터 각각에 대해 정분류율과 민감도 그리고 특이도룰 통해 모형의 성능을 평가하였다. 정분류율과 민감도, 특이도가 높을수록 좋은 모형이지만 실제 어떠한 모형도 세 통계량을 모두 높게 하는 분류 임계치란 존재하지 않는다 (Kang, 1999).
- 본 연구의 종속변수는 표준이용계획서 상에 권고된 장기요양급여의 종류이다. 장기 요양 서비스 종류는 크게 시설급여와 재가급여로 나뉘는데, 장기요양 인정자는 시설급여와 재가급여 중 한 가지만 이용할 수 있다.
- 1단계 모형을 개발하기 위해 먼저 대상자의 인구사회학적 특성과 건강 및 기능 상태에 따라 권고된 시설 및 재가 급여의 분포를 살펴보았다. 세 번째 단계는 의사결정나무기법을 이용하여 시설급여를 권고하는 모형을 개발하였다. 네 번째 단계는 표준급여모형 1단계에서 재가급여를 권고 받은 자를 대상으로 재가급여의 세부 급여종류를 권고하는 표준급여모형 2단계를 개발하는 단계이다.
- 따라서 이 세 통계량 중 어느 하나가 지나치게 크거나 지나치게 작지 않은 임계치를 찾는 것이 바람직하다. 이에 각 모형별로 임계치에 따라 구한 정분류율, 민감도, 특이도를 정분류도표(correct classification charts)에 나타내어 적정 분류 기준 값을 선정하였다. 표준급여모형에 대해 적정 분류 기준 값에 대한 학습용 데이터와 평가용 데이터의 정분류율, 민감도, 특이도를 살펴보면 Table 3.
- 인정자가 시설급여를 이용할 경우, 노인요양시설 등에 입소하여 장기요양 전문가로부터 24시간 케어를 받을 수 있고, 재가급여를 이용할 경우 가정에 머물면서 요양, 목욕, 간호, 주야간보호 등의 방문서비스를 중복해서 받을 수 있다. 이에 본 연구의 종속변수는 전체 분석대상자를 대상으로 하는 시설급여와 재가급여 권고여부(1(시설) vs 0(재가))와 재가급여를 권고 받은 자를 대상으로 재가급여 4가지 세부 종류를 결정하는 변수인 방문요양 권고여부(1 vs 0), 방문목욕 권고여부(1 vs 0), 방문간호 권고여부(1 vs 0), 주야간보호 권고여부(1 vs 0)이다. 본 연구에서는 시설급여와 재가급여를 권고하는 단계를 표준급여모형 1단계, 재가급여를 권고 받은 자를 대상으로 재가급여의 세부 종류를 권고하는 단계를 표준급여모형 2단계로 정의하였다.
- 이 방법은 방문간호 권고군을 비권고군으로 분류하는 비율을 비 권고군을 권고군으로 분류하는 비율보다 더 높게 정의하여 분석용 자료에서 권고군과 비권고군의 비율을 변화시키는 것이다. 이에 분류 비용을 1, 3, 5, 7, 9배에 따라 분석을 실시하였으며, 비용을 5로 주었을 때 민감도, 특이도, 정확도가 적정한 수준을 나타내어 비용 5의 결과를 제시하였다. 마지막 단계는 구축한 모형에 대한 점수화(scoring) 단계로, 모형을 통한 점수화는 2008년 4월 15일부터 2009년 7월 1일까지 등급판정완료 후 장기요양인정을 받은 254,479명 중 독립변수에 결측이나 오류자료가 없는 251,583명을 대상으로 실시하여, 향후 장기요양 급여 종류별로 권고율을 예측하였다.
- 그러나 나무 상단에서 선택된 연속형 변수가 아래 가지로 나오는 일이 빈번하여 나무의 깊이가 깊어지고 해석이 자연스럽지 못하였다. 이에 삼지분리를 수행하여 이지분리 모형과 비교한 결과 적중률의 큰 차이가 없었고, 해석이 좀 더 자연스러워 삼지분리 결과를 채택하였다. 표준급여모형 2단계는 카이제곱 통계량을 분리기준으로 사용하는 CHAID(chi-squared automatic interaction detection) 알고리즘을 통해 형성하였으며, 이지분리를 수행하였다.
- 조사의 정확성을 높이기 위하여 220명의 파워어세서와 6개 지역본부별 표준이용계획서 슈퍼바이저 18명을 대상으로 2009년 3월 20일부터 3월 31일까지 공단 본부에서 지역본부를 순회하면서 표준급여모형 개발의 목적, 조사내용 및 방법 등에 대한 교육을 실시하였다. 자료수집에 대해서는 장기요양의 전문가적 입장에서 수급자의 건강과 기능 상태를 고려했을 때의 적정한 서비스가 무엇인지에 대해서 작성하도록 하였고, 조사 시 다음 사항을 기본 원칙으로 하였다. 첫째, 수급자의 인구사회학적 특성을 배제한다.
- 첫째, 수급자의 인구사회학적 특성을 배제한다. 즉, 연령, 거주지역, 비공식적 케어 등은 고려하지 않고 작성하는 것을 전제로 하였다. 둘째, 수급자나 가족의 희망급여를 배제한다.
- 표준급여모형을 개발하기 위한 분석은 다섯 단계로 나누어 실시되었다. 첫 번째 단계는 데이터 탐색 단계로 분석대상자의 독립변수 및 종속변수에 결측치 및 이상치 여부를 확인하였다. 두 번째 단계는 표준급여모형의 1단계인 시설급여 권고모형 개발 단계이다.
- 첫째, 데이터 분할단계이다. 최종 분석대상자를 학습용 자료(training set), 평가용 자료(validation set), 검증용 자료(test set)로 분할하였다. 표준급여모형 1단계는 60:20:20으로, 표준급여모형 2단계는 70:20:10으로 분할하였다.
- ‘장기요양인정조사표’는 노인장기요양보험 도입 당시에 개발된 것으로 신체기능, 수단적일상생활기능, 인지기능, 행동변화, 간호처치, 재활, 복지용구, 지원형태, 환경평가, 시력·청력상태, 질병 및 증상 등 96개 항목으로 구성되어 있다. 표준급여모형 개발을 위해서는 96개 인정조사표 항목 중 신체기능 13항목, 수단적일상생활기능 10항목, 인지기능 10항목, 행동변화 16항목, 간호처치 10개 항목, 재활 10 항목인 69개 항목을 활용하였다. 신체기능, 수단적일상생활기능 항목은 타인의 도움 필요 정도에 대해 3점 척도(완전자립(1점), 부분도움(2점), 완전도움(3점))로 측정되고, 인지기능, 행동변화, 간호처치 항목은 증상의 유무, 처치의 유무(유(1점), 무(0점))로 측정되며, 재활영역 항목은 운동장애 정도에 대해 3점 척도(운동장애없음(1점), 불완전운동장애(2점), 완전운동장애(3점))로 측정된다.
대상 데이터
- 자료수집은 2009년 4월 1일부터 5월 31일까지 2개월간 전국 225개 국민건강보험공단(이하 공단)의 장기요양운영센터 중 협조를 얻지 못한 인천지역 5개 운영센터를 제외한 220개 장기요양운영센터를 통해 전국적으로 실시되었다. 220개 장기요양운영센터에서 표준이용계획서를 가장 잘 작성하는 직원으로 인정된 직원(파워어세서)을 선별하였다. 조사대상은 조사기간 내 장기요양인정에 대한 신규 및 갱신 신청자 중 장기요양인정(1 ∼ 3등급)을 받은 자로 정하였다.
- 본 연구에서 개발한 표준급여모형을 2009년 4월 15일부터 2009년 7월 1일까지 등급판정을 완료한 등급 내(1 ∼ 3등급) 판정자 251,583명에 시범 적용해보았다.
- 자료수집은 2009년 4월 1일부터 5월 31일까지 2개월간 전국 225개 국민건강보험공단(이하 공단)의 장기요양운영센터 중 협조를 얻지 못한 인천지역 5개 운영센터를 제외한 220개 장기요양운영센터를 통해 전국적으로 실시되었다. 220개 장기요양운영센터에서 표준이용계획서를 가장 잘 작성하는 직원으로 인정된 직원(파워어세서)을 선별하였다.
- 조사기간 내 장기요양인정 신규 및 갱신 신청자는 9,452명이었고, 이중 등급외자, 각하자, 사망자 210명과 독립변수에 사용될 항목에 결측이 있는 98명을 제외한 9,144명이 최종 분석대상자로 확정되었다.
- 조사대상은 조사기간 내 장기요양인정에 대한 신규 및 갱신 신청자 중 장기요양인정(1 ∼ 3등급)을 받은 자로 정하였다.
- 조사대상은 조사기간 내 장기요양인정에 대한 신규 및 갱신 신청자 중 장기요양인정(1 ∼ 3등급)을 받은 자로 정하였다. 조사의 정확성을 높이기 위하여 220명의 파워어세서와 6개 지역본부별 표준이용계획서 슈퍼바이저 18명을 대상으로 2009년 3월 20일부터 3월 31일까지 공단 본부에서 지역본부를 순회하면서 표준급여모형 개발의 목적, 조사내용 및 방법 등에 대한 교육을 실시하였다. 자료수집에 대해서는 장기요양의 전문가적 입장에서 수급자의 건강과 기능 상태를 고려했을 때의 적정한 서비스가 무엇인지에 대해서 작성하도록 하였고, 조사 시 다음 사항을 기본 원칙으로 하였다.
데이터처리
- 셋째, 나무는 최대한 크게 적합하고, 오분류율(misclassification rate)을 높게 할 위험(risk)이 있거나 설명할 수 없는 역전현상, 그리고 일반화에 문제가 있는 가지(branch)는 전문가 회의 등을 거쳐 가지치기(pruning)하였다. 넷째, 모형평가를 위한 통계량으로 정분류율, 민감도, 특이도를 사용하였다.
이론/모형
- 표준급여모형은 다양한 데이터마이닝 기법 중 의사결정나무기법만을 활용하였다. 의사결정나무기법은 배깅이나 부스팅과 같은 앙상블 모형에 비해 예측력이 떨어지는 단점이 있으나, 표준급여모형이 실제 표준이용계획서를 작성하는 225개 장기요양운영센터 현장에 활용되어야 한다는 점을 고려하여 분류나 예측의 과정을 제시하여 모형의 결과를 다른 모형보다 이해하기 쉬운 의사결정나무기법을 활용하였다.
- 방문간호의 경우 비권고군의 수가 권고군의 수보다 약 9배 정도 높게 나타났다. 이와 같은 자료의 불균형은 모형의 민감도를 떨어뜨리는 경향이 있어, 분류의 민감도를 높이기 위해 오분류 확률과 더불어 오분류 비용을 고려하는 Elkan (2001)이 소개한 이론을 적용하였다. 이 방법은 방문간호 권고군을 비권고군으로 분류하는 비율을 비 권고군을 권고군으로 분류하는 비율보다 더 높게 정의하여 분석용 자료에서 권고군과 비권고군의 비율을 변화시키는 것이다.
- 이에 삼지분리를 수행하여 이지분리 모형과 비교한 결과 적중률의 큰 차이가 없었고, 해석이 좀 더 자연스러워 삼지분리 결과를 채택하였다. 표준급여모형 2단계는 카이제곱 통계량을 분리기준으로 사용하는 CHAID(chi-squared automatic interaction detection) 알고리즘을 통해 형성하였으며, 이지분리를 수행하였다. 셋째, 나무는 최대한 크게 적합하고, 오분류율(misclassification rate)을 높게 할 위험(risk)이 있거나 설명할 수 없는 역전현상, 그리고 일반화에 문제가 있는 가지(branch)는 전문가 회의 등을 거쳐 가지치기(pruning)하였다.
- 표준급여모형은 다양한 데이터마이닝 기법 중 의사결정나무기법만을 활용하였다. 의사결정나무기법은 배깅이나 부스팅과 같은 앙상블 모형에 비해 예측력이 떨어지는 단점이 있으나, 표준급여모형이 실제 표준이용계획서를 작성하는 225개 장기요양운영센터 현장에 활용되어야 한다는 점을 고려하여 분류나 예측의 과정을 제시하여 모형의 결과를 다른 모형보다 이해하기 쉬운 의사결정나무기법을 활용하였다.
성능/효과
- 본 연구에서 개발한 표준급여모형을 2009년 4월 15일부터 2009년 7월 1일까지 등급판정을 완료한 등급 내(1 ∼ 3등급) 판정자 251,583명에 시범 적용해보았다. 그 결과, 표준급여모형 1단계를 통해 시설급여를 권고 받은 대상자는 전체의 52.5%안 132,187명이었다. 표준급여모형 1단계에서 재가급여를 권고 받은 119,396명을 대상으로 표준급여모형 2단계인 세부 재가급여 모형별로 급여종류를 추정하였으며, 그결과 권고율이 방문요양 73.
- 17%로 모두 적정한 수준을 나타내었다. 방문간호의 경우, 임계치 20에서 정분류율과 특이도는 각각 85.11%과 94.50%로 높게 나타났지만, 민감도는 31.43%로 낮게 나타났다. 주야간보호는 임계치 20에서 정분류율 74.
- 방문요양의 경우, 방밖으로 나오기가 부분도움이거나 완전도움인 경우, 또는 방밖으로 나오기가 완전자립이고, 의미 없거나 부적절한 행동을 하지 않고, 약챙겨먹기가 완전자립인 경우 방문요양을 권고 받을 확률이 높은 것으로 나타났다. 방문목욕은 방밖으로 나오기가 완전자립이고, 의미 없거나 부적절한 행동을 하지 않고 시력상태가 정상이며, 길을 잃지 않고, 몸단장하기가 완전도움인 경우 권고 받을 확률이 높았다. 방문간호는 욕창간호가 필요하고, 도뇨관리는 없으며, 장루간호를 받고 있는 경우 권고 받을 확률이 높았고, 주야간보호는 방밖으로 나오기가 완전자립이고 의미 없거나 부적절한 행동을 하는 경우였다.
- 50%로 좋은 성능을 보였다. 방문목욕은 임계치 60에서 정분류율 63.75%, 민감도 76.87%, 특이도 47.17%로 모두 적정한 수준을 나타내었다. 방문간호의 경우, 임계치 20에서 정분류율과 특이도는 각각 85.
- 3과 같다. 방문요양의 경우, 방밖으로 나오기가 부분도움이거나 완전도움인 경우, 또는 방밖으로 나오기가 완전자립이고, 의미 없거나 부적절한 행동을 하지 않고, 약챙겨먹기가 완전자립인 경우 방문요양을 권고 받을 확률이 높은 것으로 나타났다. 방문목욕은 방밖으로 나오기가 완전자립이고, 의미 없거나 부적절한 행동을 하지 않고 시력상태가 정상이며, 길을 잃지 않고, 몸단장하기가 완전도움인 경우 권고 받을 확률이 높았다.
- 표준급여모형 2단계는 카이제곱 통계량을 분리기준으로 사용하는 CHAID(chi-squared automatic interaction detection) 알고리즘을 통해 형성하였으며, 이지분리를 수행하였다. 셋째, 나무는 최대한 크게 적합하고, 오분류율(misclassification rate)을 높게 할 위험(risk)이 있거나 설명할 수 없는 역전현상, 그리고 일반화에 문제가 있는 가지(branch)는 전문가 회의 등을 거쳐 가지치기(pruning)하였다. 넷째, 모형평가를 위한 통계량으로 정분류율, 민감도, 특이도를 사용하였다.
- 둘째, 수급자나 가족의 희망급여를 배제한다. 셋째, 노인장기요양보험 급여 외의 지역사회 노인보건복지서비스 자원은 고려하지 않는다.
- 시설급여 권고그룹은 총 20개로 세분화되었고, 권고그룹을 결정하는 주요 요인은 신체기능영역점수, 행동변화영역점수, 행동변화 영역의 방 밖으로 나가려함, 폭언·위협적인 행동, 길을 잃음 항목과 재활영역의 무릎관절 장애정도로 나타났다.
- 시설급여 권고그룹은 총 20개로 세분화되었고, 권고그룹을 결정하는 주요 요인은 신체기능영역점수, 행동변화영역점수, 행동변화 영역의 방 밖으로 나가려함, 폭언·위협적인 행동, 길을 잃음 항목과 재활영역의 무릎관절 장애정도로 나타났다. 신체기능영역점수, 인지기능영역 그리고 행동변화영역 점수가 높을수록 시설급여를 권고 받을 확률이 높았다. 이와 더불어 방 밖으로 나가려고 하거나 폭언·위협적인 행동, 길을 잃는 등 문제행동을 일으킬수록 시설급여를 권고 받을 확률이 높았다.
- 43%로 낮게 나타났다. 주야간보호는 임계치 20에서 정분류율 74.58%, 민감도 54.55%, 특이도 81.34%로 적정한 수준을 나타내었다.
- 1과 같다. 표준급여모형 1단계인 시설과 재가급여 분류 모형은 정분류율 78,18%, 민감도 77.04%, 특이도 79.47%로 매우 좋은 성능을 보였다. 표준급여모형 2단계인 세부 재가급여 종류별 모형을 살펴보면, 방문요양 권고모형의 경우, 분석 자료의 임계치 90일 때 정분류율, 민감도, 특이도가 적정 값을 나타냈고, 이때 평가용 자료의 정분류율은 74.
- 47%로 매우 좋은 성능을 보였다. 표준급여모형 2단계인 세부 재가급여 종류별 모형을 살펴보면, 방문요양 권고모형의 경우, 분석 자료의 임계치 90일 때 정분류율, 민감도, 특이도가 적정 값을 나타냈고, 이때 평가용 자료의 정분류율은 74.79%, 민감도 78.25%, 특이도 57.50%로 좋은 성능을 보였다. 방문목욕은 임계치 60에서 정분류율 63.
후속연구
- 이는 본 연구자료 생산을 위해 참여한 훈련된 조사자들이 다른 급여에 비해 방문목욕과 방문간호의 필요 여부에 대한 정확한 판단 기준을 갖고 있지 않아서 발생한 결과라고 해석할 수 있다. 따라서 향후 표준급여모형의 타당도를 높이기 위해서는 방문목욕과 방문간호의 권고여부 판단 기준에 대한 지침개발과 지속적인 교육과 훈련을 제공할 필요가 있다.
- 본 연구는 수급자의 건강 및 기능 상태에 맞는 최적의 급여계획을 도출하는 표준급여모형을 개발하였고, 이를 공단의 장기요양운영센터 직원들이 표준이용계획서 작성 시에 실제로 활용하고 있다는 데에 의의가 있지만, 일부 권고모형에서 특이도와 민감도가 낮게 나타난 한계점을 갖는다. 방문목욕 권고모형의 경우, 다른 모형에 비해 특이도가 낮았고(47.
- 이 연구는 수급자의 효과적인 서비스 이용을 지원하기 위하여 장기요양 필요도를 평가하는 인정조사도구를 기본으로 시설급여와 재가급여, 그리고 재가급여의 세부 종류를 결정하는 과학적 알고리즘, 즉 표준급여모형을 개발하는 데에 목적이 있다. 이 연구를 통하여 수급자의 건강 및 기능 상태에 적합한 최적의 이용계획 작성을 지원하며 작성자 간 전문성에 따른 편차를 최소화시킬 수 있을 것이다.
- 하지만 이 연구는 다음과 같은 한계점을 갖는다. 첫째, 알고리즘 개발에 사용된 표준이용계획서 자료가 전문적 지식과 노하우를 가진 훈련된 조사자에 의해 작성된 것이 아니고, 둘째, 수급자의 건강 및 기능 상태를 충분히 반영하여 작성하도록 안내하는 프로토콜이 반영되지 않은 자료를 바탕으로 하였으며, 셋째, 시설급여 또는 재가급여로만 구분하는 알고리즘으로 방문요양, 방문목욕, 방문간호, 주야간보호 등 표준이용계획서 작성에 요구되는 세부적인 재가급여 종류별 권고모형을 개발하지 못하였다. 선행연구가 갖는 연구 자료의 한계점을 보완하고, 보다 구체적인 표준급여모형을 필요로 하는 노인장기요양보험 실무 현장의 요구를 반영하여 알고리즘을 재개발할 필요가 있다.
- 이와 같은 관점에서 통계적 기법을 활용한 표준급여모형의 개발은 표준이용계획서 작성에 객관성과 과학성을 확보할 수 있게 하고, 이용지원 업무의 효율성도 향상시킬 것으로 기대할 수 있다. 향후 표준급여모형 도입에 따른 표준이용계획서 작성의 효율성, 객관성 확보 등에 대해 평가하고, 모형의 정확성을 높이며 의사결정나무기법의 단점을 보완하기 위한 다양한 데이터마이닝 기법을 적용하는 연구가 필요할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.