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 craniotomy를 시행한 환자의 건강보험심사평가원 청구자료를 이용하여 회귀분석과 다수준 분석을 이용하여 각각의 보정된 사망률을 산출하여 결과의 일치도와 위험요인을 비교분석하고자 한다. 연구모형은 다음과 같다[Figure 1].
- 본 연구에서는 craniotomy를 시행한 환자를 대상으로 병원의 사망위험도를 평가하기 위해 기존의 로지스틱 회귀분석과 자료의 구조를 반영한 다수준 분석 방법을 각각 적용하여, 두 방법에 의해 산출된 보정된 병원 내 사망률을 비교·분석하고자 한다.
제안 방법
- 보정된 기관별 craniotomy 사망률의 계산을 위해 첫째, 로지스틱 휘귀분석과 다수준 분석을 각각 적용하여 환자의 위험요인이 반영된 환자별 사망 확률값을 계산하였다. 둘째, 의료기관별 실제 사망 건수를 분자로 하고 그리고 환자별 사망 확률값의 기관별 합산한 값을 분모로 하여 비(ratio)값을 계산한 후, 전체 craniotomy 사망률을 곱하여 기관별 보정 사망률을 계산하였다. 연구에서는 자료의 처리와 분석을 위해 SAS 9.
- 환자의 사망에 영향을 미치는 위험요인들 중에서 청구자료에서 활용 가능한 요인을 중증도 보정 모델에 포함시켰다. 변수는 성별, 연령, 보험종류, 도착경로, 입원경로를 사용하였다. 추가적으로 KCD-6 상병 및 건강보험 수가코드를 이용하여 Elixhauser comorbidity index(ECI)와 진료량을 추출하였다.
- 본 연구는 2011년 건강보험심사평가원의 입원환자 표본자료 중 craniotomy를 시행한 환자를 대상으로 로지스틱 회귀분석과 다수준 분석방법을 이용하여 사망률 평가 결과의 일치도를 비교하였다.
- 변수는 성별, 연령, 보험종류, 도착경로, 입원경로를 사용하였다. 추가적으로 KCD-6 상병 및 건강보험 수가코드를 이용하여 Elixhauser comorbidity index(ECI)와 진료량을 추출하였다. 국제질병분류 제9차 개정 임상 수정판(ICD-9-CM; International Classification of Diseases, 9th Revision, Clinical Modification)을 근거로 개발된 ECI는 30개의 동반질환을 지표로 보정하는 방법으로, 청구된 진단 코드를 이용하여 Index에서 분류된 상병군의 해당여부를 점수화하는 것을 말한다[10[[11][12].
대상 데이터
- Craniotomy를 시행한 환자는 2,335건이었고, 병원수는 90개였다. 남자는 생존이 1,241명(90.
- 지표 중의 하나인 Craniotomy Mortality Rate는 지주막하 출혈이나 뇌동맥류를 치료하기 위한 craniotomy 수술 후 사망률을 의미한다. 본 연구의 대상은 2011년 건강보험심사평가원의 입원환자표본 자료에서 DRG코드 001(craniotomy, except for trauma)에 해당되는 코드를 가진 입원환자이다. 단, 다른 단기요양병원으로 이송된 환자, MDC(Major Diagnostic Categories) 14(Pregnancy, Childbirth, Puerperium)와 15(New-borns, Neonates)인 환자는 대상에서 제외하였다.
데이터처리
- Craniotomy 환자의 실제 병원 내 사망률, 로지스틱 회귀분석을 이용한 보정사망률, 그리고 다수준 분석방법을 이용한 보정사망률 간의 일치도를 알아보기 위해 Kappa분석을 실시하였다. 실제 사망률과 로지스틱 회귀분석 보정사망률 간의 단순 카파계수는 0.
- 연구에서는 로지스틱 회귀분석과 다수준분석방 법을 이용하여 craniotomy 시행한 환자의 개별 위험요소와 사망 간의 관계를 비교·분석하였다. 그리고 병원별 환자의 위험도가 보정된 사망 위험도를 계산한 후, 각 분석방법에서 계산된 기관별 사망률의 4분위수를 이용하여 일치도를 평가하기 위해 Kappa 분석을 수행하였다.
- 기존 연구에서는 진료결과 지표를 이용하여 의료기관의 성과 평가를 하며, 그리고 평가 결과에 미치는 환자요인을 통제하기 위하여 로지스틱 회귀분석이나 선형회귀분석을 이용하였다. 회귀분석 후 산출된 진료결과 변수의 예측값과 실제값을 이용하여 기관별로 환자의 중증도 차이가 보정된 지표를 생성하여 의료기관의 성과를 평가한다[2].
- 보정된 기관별 craniotomy 사망률의 계산을 위해 첫째, 로지스틱 휘귀분석과 다수준 분석을 각각 적용하여 환자의 위험요인이 반영된 환자별 사망 확률값을 계산하였다. 둘째, 의료기관별 실제 사망 건수를 분자로 하고 그리고 환자별 사망 확률값의 기관별 합산한 값을 분모로 하여 비(ratio)값을 계산한 후, 전체 craniotomy 사망률을 곱하여 기관별 보정 사망률을 계산하였다.
- 연구에서는 로지스틱 회귀분석과 다수준분석방 법을 이용하여 craniotomy 시행한 환자의 개별 위험요소와 사망 간의 관계를 비교·분석하였다.
- 환자의 개별 위험요소와 사망 간의 관계는 로지스틱 회귀분석과 다수준 분석을 이용하여 분석하였다. 로지스틱 회귀분석의 결과를 보면, 연령, 입원경로, 그리고 ECI가 통계학적으로 유의하였다.
- 기존 연구에서는 진료결과 지표를 이용하여 의료기관의 성과 평가를 하며, 그리고 평가 결과에 미치는 환자요인을 통제하기 위하여 로지스틱 회귀분석이나 선형회귀분석을 이용하였다. 회귀분석 후 산출된 진료결과 변수의 예측값과 실제값을 이용하여 기관별로 환자의 중증도 차이가 보정된 지표를 생성하여 의료기관의 성과를 평가한다[2]. 그러나 의료기관에서 수집된 자료는 환자가 병원에 속하게 되는 위계적인 구조를 갖고 있다.
이론/모형
- Craniotomy 사망률 지표는 AHRQ(Agency for Healthcare Research and Quality) 입원환자 질 지표 생성원리에 기초하여 생성되었다. 입원환자 지표는 입원서비스의 질 평가를 목적으로 하며, 의료 기관의 청구명세서를 바탕으로 생성되는 지표이다.
성능/효과
- [Table 3]은 로지스틱 회귀분석과 다수준 분석을 이용하여 산출한 병원별 보정된 사망률의 비교이다. Craniotomy를 시행한 환자 2,335 명 중 사망환자는 229명으로 보정 전 병원별 사망률의 평균은 10.61%였다. 로지스틱 회귀분석을 통한 예측사망률은 10.
- 따라서 보정 모델에서 계산된 환자별 병원 내 사망 예측 확률값은 사용된 분석방법에 따라 차이를 나타낸다. Craniotomy를 시행한 환자의 보정사망률은 로지스틱 회귀분석에 비해 다수준 분석에서 낮았지만, 두 분석 간의 보정사망률은 상당한 일치도를 보였고, 전체 90개 병원 중 76개(84.4%) 병원의 4분위수가 일치하였다.
- 1%)가 사망이었다. ECI값이 1-2인 환자수가 978명으로 가장 많았으며 이 중 생존은 893명 (91.3%), 사망은 85명(8.7%)이였으며, 주진단만으로 입원한 경우도 439명으로 생존은 378명(86.1%), 사망은 61명(13.9%)임을 알 수 있었다[Table 1].
- 또 craniotomy를 시행한 사망위험도 평가결과에 있어 보정사망률은 두 방법론 간의 일치도가 좋음을 알 수 있었으나, 보정사망률의 차이가 없는 기존 논문과는 결과가 상이하였다[19]. 결론적으로, 본 연구를 통해 두 분석 방법 간의 결과의 차이가 있음을 알 수 있었다. 즉, 질병에 대한 사망률은 환자수준 뿐만 아니라 병원수준의 요인에 의해서도 영향을 받는다는 것을 시사한다.
- 연령이 높을수록 사망률이 높았으며, 입원경로가 외래에 비해 응급실인 경우와 ECI가 낮을수록 사망률이 높았다. 다수준 분석 결과에서는 연령과 입원경로가 통계적으로 유의하였다. 모형적합도를 나타내는 AIC로 모형을 평가한 결과[13][14], 로지스틱 회귀분석보다 집단수준과 개인수준을 고려한 다수준 분석의 AIC값이 낮아 더 좋은 모형임을 알 수 있었다[Table 2].
- 환자의 개별 위험요소와 사망유무의 관계에 대해 로지스틱 회귀분석과 다수준 분석을 통해 비교한 결과, 전자에서는 연령, 입원경로, 그리고 ECI, 후자에서는 연령과 입원경로가 통계적으로 유의하였으며, 모형적합도는 다수준 분석이 더 좋은 것으로 평가되었다. 두 분석에서 모두 연령이 증가할수록, 응급실을 통한 입원일수록 사망률이 높음을 알 수 있었다. 로지스틱 회귀분석에서 ECI가 낮을수록 사망률이 높은 것은 craniotomy를 시행하는 환자의 사망에 영향을 주는 것은 동반질환으로 인한 중증도 보다 craniotomy를 시행하게 되는 주진단 즉, 지주막하 출혈이나 뇌동맥류로 인해 사망유무가 결정된다는 것을 시사한다.
- 61%였다. 로지스틱 회귀분석을 통한 예측사망률은 10.29%였으며 보정된 사망률은 11.70%임을 알 수 있었다. 한편 다수준 분석에서의 예측사망률은 10.
- 환자의 개별 위험요소와 사망 간의 관계는 로지스틱 회귀분석과 다수준 분석을 이용하여 분석하였다. 로지스틱 회귀분석의 결과를 보면, 연령, 입원경로, 그리고 ECI가 통계학적으로 유의하였다. 연령이 높을수록 사망률이 높았으며, 입원경로가 외래에 비해 응급실인 경우와 ECI가 낮을수록 사망률이 높았다.
- 마지막으로 로지스틱 회귀분석 보정사망률과 다수준 분석 보정사망률 간의 단순카파계수는 0.79로 상당한 일치도를 보였는데. 전체 90개 병원 중 76개(84.
- 다수준 분석 결과에서는 연령과 입원경로가 통계적으로 유의하였다. 모형적합도를 나타내는 AIC로 모형을 평가한 결과[13][14], 로지스틱 회귀분석보다 집단수준과 개인수준을 고려한 다수준 분석의 AIC값이 낮아 더 좋은 모형임을 알 수 있었다[Table 2].
- 본 연구에서는 사망유무에 대해 로지스틱 회귀 분석과 다수준 분석한 결과에서 다수준 분석의 적합도가 더 우수하였고, 사망에 영향을 주는 요인은 ICC값을 통해 본 바와 같이 병원 간의 차이가 있음을 알 수 있었다[16][17]. 이는 기존의 뇌졸중 환자의 사망률에 대해 두 분석을 비교한 논문에서도 동일한 결과를 보여주었다[18].
- Craniotomy 환자의 실제 병원 내 사망률, 로지스틱 회귀분석을 이용한 보정사망률, 그리고 다수준 분석방법을 이용한 보정사망률 간의 일치도를 알아보기 위해 Kappa분석을 실시하였다. 실제 사망률과 로지스틱 회귀분석 보정사망률 간의 단순 카파계수는 0.69로 좋은(Good) 일치도를 보였으며, 두 분석 간의 일치도는 전체 90개 병원 중 69개 (76.7%)의 4분위수가 일치하였다. 4분위수가 높았던 병원과 낮은 병원은 각각 20개(22.
- 로지스틱 회귀분석의 결과를 보면, 연령, 입원경로, 그리고 ECI가 통계학적으로 유의하였다. 연령이 높을수록 사망률이 높았으며, 입원경로가 외래에 비해 응급실인 경우와 ECI가 낮을수록 사망률이 높았다. 다수준 분석 결과에서는 연령과 입원경로가 통계적으로 유의하였다.
- 70%임을 알 수 있었다. 한편 다수준 분석에서의 예측사망률은 10.09%였고, 보정된 사망률은 8.67%로 로지스틱 회귀분석에 비해 낮았다.
- 환자의 개별 위험요소와 사망유무의 관계에 대해 로지스틱 회귀분석과 다수준 분석을 통해 비교한 결과, 전자에서는 연령, 입원경로, 그리고 ECI, 후자에서는 연령과 입원경로가 통계적으로 유의하였으며, 모형적합도는 다수준 분석이 더 좋은 것으로 평가되었다. 두 분석에서 모두 연령이 증가할수록, 응급실을 통한 입원일수록 사망률이 높음을 알 수 있었다.
후속연구
- 원자 오류(atomistic fallacy)란 개별단위에 대한 조사결과를 근거로 상위의 집단에 대한 추론을 시도할 때 발생되는 오류이다[20]. 따라서 이러한 오류를 막기 위해 수집된 자료의 수준을 구분하여 분석해야 하며, 수준을 고려한 분석을 통해 상대적 중요도나 상호작용을 알 수 있을 것이다.
- 본 연구의 제한점은 연구대상을 행정자료를 이용했다는 것이다. 의무기록을 이용하여 임상자료를 이용하여 분석을 할 경우 분석결과에 차이가 있을 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.