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 횡단면자료와 시계열자료를 결합한 패널자료를 이용한 바, 이에 적합한 연구모형을 선택하였다. 우선 지역특성을 나타내는 오차항 μi에 대한 하우스만 검정(Hausman test)을 통해 이를 고정된 모수(fixed parameter)로 간주하는 고정 효과모형을 선택했다.
- 본 연구에서는 다른 의료기관에 비해 환자의 의료이용과 의사의 소득 간의 관계가 가장 직접적이며 관외 의료이용 비율이 낮아 공급자유인수요 분석에 적합한 의원을 대상으로, ‘의원 수’와 ‘의료이용’ 간의 관계를 ‘유인수요 효과’와 ‘가용성 효과’로 구분하여 살펴본다.
- 본 연구의 결과는 한편으로 우리나라에서 지속적으로 문제가 제기되어온 의사인력의 지역적 편차와 관련해서도 중요한 정책적 시사점을 제공한다. 의료인력의 과소공급 또는 지역적 불균형은 의료접근성을 낮추어 미충족의료(unmet need) 발생을 유발할 수 있으며 의료의 질 저하를 초래할 수 있다.
가설 설정
- 둘째, 본 연구는 관외 의료이용을 통제하지 못하였다. 즉 해당 의원이 소재한 지역에 거주하는 주민이 그 지역의 의원을 이용하였음을 가정하였다. 셋째, 본 연구는 건강보험가입자를 대상으로 하였지만 통제변수는 의료급여 수급자를 포함한 전체 의료보장인구를 사용하였다.
제안 방법
- 본 연구에서는 ‘의원밀도와 의용이용량 또는 의료이용 강도 간의 관계’를 ‘유인수요 효과’와 ‘가용성 효과’로 구분하기 위해 의원밀도의 더미변수를 만들고 각 더미변수와 의원밀도의 상호작용항을 분석에 포함시켰다. 2분위 분석(one cut off)에서는 의원밀도를 의원밀도가 낮은 지역, 높은 지역의 2개 지역으로 구분하였다(기준은 40%, 50% 및 60%). 의원밀도가 낮은 지역에서 의원밀도의 증가가 의료이용의 증가를 가져오지 않으나 의원밀도가 높은 지역에서 의원밀도의 증가가 의료이용의 증가를 가져오면 ‘유인수요 효과’가 있는 것으로, 반면에 의원밀도가 낮은 지역에서 의원밀도의 증가가 의료이용의 증가를 가져오지만 의원밀도가 높은 지역에서 의원밀도의 증가가 의료이용의 증가를 가져오지 않으면 ‘가용성 효과’가 있는 것으로 해석된다.
- 이러한 구분이 의원 수가 부족한 지역과 과잉인 지역을 구분하는 상대적 기준에 불과하지만, 적정 의원밀도에 대한 절대적인 기준을 정하는 자체가 자의적일 수 있기 때문에, 본 연구에서는 Carlsen과 Grytten [4]의 분석모델을 참고하여 기준을 다양화했다. 2분위 분석은 50%를 기준으로 의사밀도가 낮은 지역과 높은 지역을 구분하고, 기준의 다양성을 위해 낮은 지역을 40%, 60%로 구분하여 추가적으로 분석하였다.
- 또한 본 연구에서는 ‘유인수요 효과’와 ‘가용성 효과’를 구분하기 위하여 의원밀도를 낮은 지역과 높은 지역의 2분위(one cut off) 또는 낮은 지역, 중간 지역, 높은 지역의 3분위(two cut off)로 구분하여 각각의 더미변수를 만들고 더미변수에 의원밀도를 곱한 상호작용항을 분석에 포함하였다.
- 즉 ‘내원일당 진료비’는 ‘내원일수’보다 더 보수적으로 공급자유인수요를 나타낸다. 본 연구는 의원밀도에 의한 의료이용의 변화를 탄력성으로 나타내기 위해 이중로그모델을 사용한바 종속변수의 값은 모두 로그값(log)으로 변환하였다.
- 본 연구에서는 ‘연도 더미변수’ F검정의 p값이 5% 수준에서 유의하여 시간특성 효과를 나타내는 오차항 vt를 고정 효과로 추가한 2원고정 효과(two-way fixed effects)모형을 설정하였다.
- 본 연구에서는 ‘의원밀도와 의용이용량 또는 의료이용 강도 간의 관계’를 ‘유인수요 효과’와 ‘가용성 효과’로 구분하기 위해 의원밀도의 더미변수를 만들고 각 더미변수와 의원밀도의 상호작용항을 분석에 포함시켰다.
- 본 연구에서는 시군구(242개) 단위별 의사밀도 변수, 의료이용 변수, 인구사회학적 변수를 2006-2010 5년의 패널데이터로 구축하여 분석했다. 지역별 의료이용량 변수는 건강보험심사평가원의 진료비 통계자료를, 의료자원 변수와 질환별 의료이용 변수는 국민건강보험공단의 지역별의료이용통계를, 지역별 인구학적 변수는 안전행정부의 주민등록인구통계 자료를 활용하였다.
- 본 연구에서는 의원밀도가 낮은 지역과 높은 지역을 더 명확하게 구분하기 위해 의원밀도가 낮은 지역, 중간지역, 높은 지역의 3개의 지역으로 분류하여 분석하였다. 이를 도구변수 방법론을 적용한 2원고정 효과 2단계 추정모형으로 나타내면 formula 3과 같으며, 해석방법은 Figure 3, Table 2와 같다[4].
- 의원밀도와 의료이용량 간의 관계를 다시 ‘유인수요 효과’와 ‘가용성 효과’로 구분하기 위해 의원밀도가 낮은 지역과 높은 지역을 구분한 분석결과는 Table 5와 같다. 본 연구에서는 의원밀도가 낮은 지역에서 높은 지역의 순으로 나열했을 때 가장 낮은 지역에서부터 40%, 50%, 60%에 해당하는 지역을 기준으로 의원밀도가 낮은 지역과 높은 지역을 구분했다.
- 본 연구에서는 의원의 공급자유인수요를 검증하기 위한 종속변수로 의료이용량의 대리변수인 ‘건강보험적용인구 1만 명당 내원일수(이하 내원일수)’와 의료이용 강도의 대리변수인 ‘내원일당 요양급여비용(이하 내원일당 진료비)’을 사용하였다.
- 본 연구에서는 의원의 의료서비스 이용에 영향을 줄 수 있는 지역의 의료공급특성, 인구특성, 만성질환 유병률을 통제변수로 사용하였다. 지역의 의료공급특성으로, 의원의 특성을 통제하기 위해 표방과목 중 ‘일반의 비율’과 ‘피부과 비율’을 통제변수에 포함하였다.
- 본 연구에서는 지역의 의원밀도에 영향을 줄 수 있는 지역특성변수를 선정하여 타당성 검증을 실시한 바, 최종적으로 지역 규모의 대리변수로서 ‘인구밀도,’ 지역의 경제적 수준의 대리변수로서 ‘인구 1인당 보험료’를 도구변수로 선정하였다.
- 즉 해당 의원이 소재한 지역에 거주하는 주민이 그 지역의 의원을 이용하였음을 가정하였다. 셋째, 본 연구는 건강보험가입자를 대상으로 하였지만 통제변수는 의료급여 수급자를 포함한 전체 의료보장인구를 사용하였다. 의료급여수급권자 수는 전체 의료보장인구의 약 4%에 해당한다.
- 본 연구에서는 의원단위에서의 공급자유인수요를 분석하기 위하여 ‘건강보험적용인구 1만 명당 의원 수’를 독립변수로 하였다. 의원밀도에 의한 의료이용의 변화를 탄력성으로 나타내기 위해 이중로그모델을 사용하여 독립변수의 값을 로그값(log)으로 변환하였다.
- 또한 본 연구에서는 ‘유인수요 효과’와 ‘가용성 효과’를 구분하기 위하여 의원밀도를 낮은 지역과 높은 지역의 2분위(one cut off) 또는 낮은 지역, 중간 지역, 높은 지역의 3분위(two cut off)로 구분하여 각각의 더미변수를 만들고 더미변수에 의원밀도를 곱한 상호작용항을 분석에 포함하였다. 이러한 구분이 의원 수가 부족한 지역과 과잉인 지역을 구분하는 상대적 기준에 불과하지만, 적정 의원밀도에 대한 절대적인 기준을 정하는 자체가 자의적일 수 있기 때문에, 본 연구에서는 Carlsen과 Grytten [4]의 분석모델을 참고하여 기준을 다양화했다. 2분위 분석은 50%를 기준으로 의사밀도가 낮은 지역과 높은 지역을 구분하고, 기준의 다양성을 위해 낮은 지역을 40%, 60%로 구분하여 추가적으로 분석하였다.
- 지역의 의료공급특성으로, 의원의 특성을 통제하기 위해 표방과목 중 ‘일반의 비율’과 ‘피부과 비율’을 통제변수에 포함하였다.
- 지역의 인구특성은 ‘여성비율,’ ‘5세 미만 비율’을 포함하였으며, 지역의 만성질환 유병률은 실제 해당 질병으로 의료서비스를 이용한 진료실인원 수를 적용한 ‘고혈압 환자 비율,’ ‘관절염 환자 비율,’ ‘정신질환자 비율’을 분석에 포함하였다.
대상 데이터
- 본 연구에서는 시군구 단위의 5년(2006-2010년) 패널자료를 이용했다. 분석은 도구변수 방법론을 적용한 ‘2원고정 효과 2단계 추정모형’을 사용했다.
- 본 연구에서는 시군구(242개) 단위별 의사밀도 변수, 의료이용 변수, 인구사회학적 변수를 2006-2010 5년의 패널데이터로 구축하여 분석했다. 지역별 의료이용량 변수는 건강보험심사평가원의 진료비 통계자료를, 의료자원 변수와 질환별 의료이용 변수는 국민건강보험공단의 지역별의료이용통계를, 지역별 인구학적 변수는 안전행정부의 주민등록인구통계 자료를 활용하였다.
데이터처리
- 도구변수의 타당성 검증을 위해 F 검정과 J 검정을 실시한 바(F 통계치는 10을 기준으로 week instrument 여부를 판단하며, J 통계치는 p=0.05를 기준으로 도구변수와 오차항 간의 상관관계를 판단), ‘인구밀도’와 ‘인구1인당 보험료’가 도구변수로 선정되었다.
이론/모형
- 간에 상관성이 있을 경우 생략변수 및 역의 상관관계로 인한 독립변수의 내생성(endogeneity) 문제가 발생할 수 있다. 본 연구에서는 내생성 문제를 통제하기 위해 도구변수를 이용한 2SLS (two-stage least squares) 추정모형을 설정하였다. 도구변수의 타당성 검증을 위해 F 검정과 J 검정을 실시한 바(F 통계치는 10을 기준으로 week instrument 여부를 판단하며, J 통계치는 p=0.
- 본 연구에서는 의원밀도와 의료이용량 간의 역(-)의 상관관계와 생략변수로 인한 내생성 문제를 통제하기 위하여 도구변수 방법론을 적용하였다. 해외에서는 도구변수 방법론을 적용한 공급자유인수요 실증분석이 활발하게 이루어진 바[3,7], 지역의 평균소득, 65세 인구비율, 의과대학보유 여부, 인구당 소득, 인구수와 같이 지역별 의사분포에 영향을 주는 의료수요요인, 지역의 경제적 수준, 인구규모가 도구변수로 많이 사용되었다.
- 수가가 외재적으로 결정되면 단기간의 가격 효과를 배제할 수 있어 ‘가용성 효과’와 ‘유인수요 효과’로의 구분이 가능해진다. 본 연구에서는 이 둘을 구분하기 위해 Carlsen과 Grytten [4]의 방법에 시계열자료를 활용한 패널분석을 적용하였다.
- 분석은 도구변수 방법론을 적용한 ‘2원고정 효과 2단계 추정모형’을 사용했다.
- 우선 지역특성을 나타내는 오차항 μi에 대한 하우스만 검정(Hausman test)을 통해 이를 고정된 모수(fixed parameter)로 간주하는 고정 효과모형을 선택했다.
성능/효과
- ‘유인수요 효과’와 ‘가용성 효과’를 보다 보수적(conservative)으로 구분하기 위해 의원밀도를 낮은 지역, 중간지역, 높은 지역의 세 단계로 나눈 경우에도, 의원밀도가 낮은 지역에서만 인구 1만 명당 의원 수가 1% 증가할 때 내원일수가 유의하게 0.791% 증가했다.
- Table 5에서 보듯이 의원밀도가 낮은 지역에서만 ‘인구 1만 명당 의원 수’의 증가가 유의하게 ‘내원일수’의 증가로 이어졌다. 40%를 기준으로 나눈 경우는 의원 수가 1% 증가할 때 내원일수가 유의하게 0.797% 증가했고, 50%를 기준으로 한 경우 0.852% 증가했으며, 60%를 기준으로 한 경우 0.860% 증가했다.
- 결론적으로, 본 연구에서는 우리나라에서의 의원밀도와 의료이용 간의 정(+)의 관계가 대부분 가용성 효과에 기인함을 확인했다. 의료이용이 ‘불충분’한 환경에서 의료인력 공급의 증가는 ‘필요한 서비스’에 대한 접근성을 높여주고 있음을 시사한다.
- 28%로 나타났다. 그리고 지역의 주요 만성질환 유병률을 보면 고혈압 환자 비율 14.64%, 관절염 환자 비율 14.11%, 정신질환자 비율이 11.8%로 나타났다. 한편 지역의 의원밀도에 영향을 줄 수 있는 도구변수로 사용한 면적당 인구수는 평균 4,178명(km2), 지역별 1인당 보험료는 488.
- 의원밀도와 의료이용(의료이용량 및 의료이용 강도) 간의 관계에 대한 분석결과는 Table 4와 같다. 먼저 의원밀도와 의료이용량 간의 관계를 보면 고정 효과모형에서 인구 1만 명당 의원 수가 1% 증가할 때 내원일수는 0.63% 증가하는 것으로 나타났다. 의원밀도 이외에도 일반의 비율, 피부과 비율, 종합병원 이상 보유 여부, 여성비율, 고혈압 환자 비율은 내원일수에 부(-)의 영향을 주었으며, 병원 수, 정신질환자 비율은 정(+)의 영향을 주었다.
- 본 연구의 분석결과를 보면 ‘의원밀도와 의료이용량’의 사이에 그리고 ‘의원밀도와 의료이용 강도’ 사이에 모두 유의한 정(+)의 관계가 있었다.
- 의원 의료서비스 이용에 영향을 줄 수 있는 지역별 변수의 일반적 특성과 관련해서, 먼저 지역의 의료공급특성을 보면 일반의 비율은 15.22%로 전문과목을 표시한 의원의 비중이 크게 높았으며, 피부과 비율은 2.08%였다. 종합병원 이상을 보유한 시군구는 63%였으며, 병원 수는 인구 10만 명당 0.
- 02% 증가하는 것으로 나타나 앞의 모형에 비해 증가폭이 더 크게 나타났다. 의원밀도 이외에도 일반의 비율, 피부과 비율, 종합병원 이상 보유 여부, 고혈압 환자 비율은 내원일수에 부(-)의 영향을 주었다.
- 63% 증가하는 것으로 나타났다. 의원밀도 이외에도 일반의 비율, 피부과 비율, 종합병원 이상 보유 여부, 여성비율, 고혈압 환자 비율은 내원일수에 부(-)의 영향을 주었으며, 병원 수, 정신질환자 비율은 정(+)의 영향을 주었다.
- 056% 증가했다. 의원밀도를 낮은 지역, 중간 지역, 높은 지역의 세 단계로 나눈 경우에도 의원밀도가 낮은 지역에서만 인구 1만 명당 의원 수가 1% 증가할 때 내원일당 진료비가 유의하게 0.088% 증가했다.
- 791% 증가했다. 의원밀도와 의료이용 강도 간의 관계를 보아도, 의원밀도가 낮은 지역에서만 인구 1만 명당 의원 수가 증가할 때 내원일당 진료비가 유의하게 증가했다. 40%를 기준으로 구분한 경우 의원 수가 1% 증가할 때 진료비가 유의하게 0.
- 의원밀도와 의료이용 강도 간의 분석결과를 보면 고정 효과모형에서 인구 1만 명당 의원수가 1% 증가할 때 내원일당 진료비는 0.07% 증가하는 것으로 나타났다. 의원밀도 이외에도 일반의 비율은 내원일당 진료비에 부(-)의 영향을 주었으며, 피부과 비율은 정(+)의 영향을 주었다.
- 인구밀도와 1인당 보험료를 도구변수로 한 고정 효과 2단계 분석결과에서는 인구 1만 명당 의원밀도가 1% 증가할 때 내원일당 진료비는 0.09% 증가하는 것으로 나타나 앞의 모형에 비해 증가폭이 더 크게 나타났다. 의원밀도 이외에도 일반의 비율은 내원일당 진료비에 부(-)의 영향을 주었으며, 피부과 비율은 정(+)의 영향을 주었다.
- 인구밀도와 1인당 보험료를 도구변수로 한 고정 효과 2단계 분석결과에서는 인구 1만 명당 의원밀도가 1% 증가할 때 내원일수는 1.02% 증가하는 것으로 나타나 앞의 모형에 비해 증가폭이 더 크게 나타났다. 의원밀도 이외에도 일반의 비율, 피부과 비율, 종합병원 이상 보유 여부, 고혈압 환자 비율은 내원일수에 부(-)의 영향을 주었다.
- 즉 ‘환자에 의한 수요’와 ‘공급자유인수요’가 혼재되어 있는 ‘의료이용량’도 의원밀도의 유의한 영향을 받았고, 공급자유인수요가 강하게 영향을 미치는 ‘의료이용 강도’도 의원밀도의 유의한 영향을 받았다.
- 즉 의원밀도가 높은 지역에서 의료인력 간의 경쟁 증가로 공급자가 불필요한 의료서비스를 유인하는 ‘유인수요 효과’보다는 의원밀도가 낮은 지역에서 의료인력에 대한 접근성 증가로 환자에 의한 수요가 증가하는 ‘가용성 효과’가 발생하고 있음을 알 수 있다.
- 004개로 나타났다. 지역의 인구특성을 보면 여성비율은 49.9%, 5세 미만 아동비율은 4.28%로 나타났다. 그리고 지역의 주요 만성질환 유병률을 보면 고혈압 환자 비율 14.
후속연구
- 비급여 비중이 높은 성형외과는 분석에서 제외하였으며, 피부과는 지역별로 통제변수에 포함하였다. 둘째, 본 연구는 관외 의료이용을 통제하지 못하였다. 즉 해당 의원이 소재한 지역에 거주하는 주민이 그 지역의 의원을 이용하였음을 가정하였다.
- 한편 본 연구에는 몇 가지 제한점이 있다. 첫째, 본 연구는 비급여 의료이용을 포함하지 않고 있다. 하지만 비교적 진료의 변이가 적은 의원단위의 분석이므로 비급여 의료이용이 적어 큰 지장은 없을 것으로 생각된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.