$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

전국 결핵 신환자 의료빅데이터를 이용한 경쟁위험모형 적합
Fitting competing risks models using medical big data from tuberculosis patients 원문보기

응용통계연구 = The Korean journal of applied statistics, v.31 no.4, 2018년, pp.529 - 538  

김경대 (부경대학교 통계학과) ,  노맹석 (부경대학교 통계학과) ,  김창훈 (부산대학교병원) ,  하일도 (부경대학교 통계학과)

초록
AI-Helper 아이콘AI-Helper

결핵은 높은 이환과 사망을 일으키는 질병으로 현대의학의 발달에 따라 발생률과 사망률은 감소하고 있다. 그러나 한국은 아직까지 OECD 국가 중 결핵 발생률과 사망률이 가장 높다. 이에 따라 한국은 결핵의 예방 및 통제를 위해 여러 정책 사업을 실시하고 있다. 본 연구에서는 공공민간협력(public-private mix) 결핵관리사업이 치료결과에 미치는 영향을 분석하고 결핵환자의 치료 성공에 영향을 미치는 요인을 확인하고자 한다. 질병관리본부에서 관리하는 결핵환자 신고 자료를 이용하여 2012-2015년 전국 결핵 신환자 코호트 약 13만명을 대상으로 분석하였다. 누적 발생 함수(cumulative incidence function)를 이용하여 요인별로 누적 치료 성공률을 비교하였으며. 주 관심사건(치료성공) 및 경쟁사건(사망)을 고려한 두 가지 경쟁위험모형(cause-specific Cox's proportional hazards model and subdistribution hazard model)을 사용하여 분석 결과를 비교하였다.

Abstract AI-Helper 아이콘AI-Helper

Tuberculosis causes high morbidity and mortality. However, Korea still has the highest tuberculosis (TB) incidence and mortality among OECD countries despite decreasing incidence and mortality due to the development of modern medicine. Korea has now implemented various policy projects to prevent and...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이에 따라 본 논문은 PPM 결핵관리사업이 결핵 치료에 미치는 영향을 연구하였으며 결핵환자의 치료 성공과 관련된 요인을 탐색하였다. 본 논문과 기존 연구와의 관련성과 차별성을 설명하기 위해 국내외의 연구 동향을 소개한다. Okanurak 등 (2008)은 방콕의 코호트 자료를 사용하여 로지스틱 회귀 분석을 수행하였으며 이를 통해 결핵 치료 성공에 기여하는 요인을 확인하였다.
  • 본 논문에서는 경쟁사건을 고려한 대표적인 모형인 CSM 방법과 SHM 방법을 실제 데이터인 전국 결핵 신환자 자료에 적합하여 결핵관리사업 중 하나인 PPM 결핵관리사업의 효과와 결핵환자의 치료성공에 영향을 주는 요인을 확인하였다. 치료성공에 영향을 주는 요인으로는 SHM 방법에서는 박탈지수가 유의하지 않았으나 CSM 방법에서는 유의하였다.
  • 본 논문의 목적은 치료기간, 추적소실 등을 함께 고려하여 PPM의 효과와 치료 성공과 관련된 요인을 탐색하는 것에 있다. 이를 위해 치료기간과 추적소실을 동시에 고려할 수 있는 생존분석 방법을 적용하였으며 경쟁사건(competing event)을 고려하기 위해 경쟁위험모형(competing risks model)을 사용하여 한국의 실제 결핵 데이터를 통해 결과를 확인한다.
  • 결핵관리전담간호사는 환자의 복약 관리 및 부작용 상담 등을 통해 환자를 관리한다. 이를 통해 장기간 진행되는 결핵치료에 대해 환자들의 치료 순응도를 높여 치료결과를 향상시키는 것이 최종 목적이다. 한국의 결핵환자는 이전에는 보건소를 많이 이용하였으나 국민 건강보험이 도입된 이후 민간 의료기관의 이용률이 증가하고 있다.
  • 이에 따라 본 논문은 PPM 결핵관리사업이 결핵 치료에 미치는 영향을 연구하였으며 결핵환자의 치료 성공과 관련된 요인을 탐색하였다. 본 논문과 기존 연구와의 관련성과 차별성을 설명하기 위해 국내외의 연구 동향을 소개한다.
  • 일반적으로 보건소의 경우 경증의 환자를 관리하여 치료성적에 편의가 생길 수 있으므로 결과해석에 유의하여야한다. 이에 따라 향후에는 동반질환에 대한 보정 및 중증도를 나타낼 수 있는 공동유무,객혈여부 등을 고려하여 분석하고자 한다. 여러 제한에도 불구하고 약 13만명의 전국 결핵 신환자 전수자료를 이용하여 탐색적으로 요인별 효과를 확인한 것에 대해 본 논문의 의의가 있다고 본다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
누적 발생 함수란? 누적 발생 함수(cumulative incidence function; CIF)는 경쟁 사건을 고려하여 누적 발생률을 추정하는 방법이다 (Kalbfleisch와 Prentice, 1980). CIF의 정의는 다음과 같다.
PPM 결핵관리사업의 주요 내용과 목적은? 여러 결핵 사업 중 PPM 결핵관리사업은 결핵 환자의 관리 및 치료 결과 향상을 위한 정책으로 주요 내용과 목적은 다음과 같다. 먼저 정부에서 추진하고 있는 결핵 사업에 대해 교육을 받고 결핵에 대한 전문지식을 가지고 있는 결핵관리전담간호사를 민간 의료기관에 배치한다. 결핵관리전담간호사는 환자의 복약 관리 및 부작용 상담 등을 통해 환자를 관리한다. 이를 통해 장기간 진행되는 결핵치료에 대해 환자들의 치료 순응도를 높여 치료결과를 향상시키는 것이 최종 목적이다. 한국의 결핵환자는 이전에는 보건소를 많이 이용하였으나 국민 건강보험이 도입된 이후 민간 의료기관의 이용률이 증가하고 있다.
한국은 결핵 관리를 위해 어떤 사업을 실시하고 있는가? 한국 역시 결핵 발생률과 사망률이 감소하는 추세이지만 아직까지 OECD 국가 중 가장 높은 발생률과 사망률을 보유하고 있다 (Korea Center for Disease Control and Prevention, 2017). 이에 따라 한국은 결핵 관리를 위해 가족접촉자검진사업, 집단시설 역학조사, 결핵환자 진료비지원사업, 입원격리 명령환자 지원사업, 민간공공협력(publicprivate mix; PPM) 결핵관리사업 등을 실시하고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. Cox, D. R. (1972). Regression models and life tables (with discussion), Journal of the Royal Statistical Society. Series B (Methodological), 34, 187-220. 

  2. Falzon, D., Le Strat, Y., Belghiti, F., Infuso, A., and EuroTB correspondents (2005). Exploring the determinants of treatment success for tuberculosis cases in Europe, International Journal of Tuberculosis and Lung Disease, 9, 1224-1229. 

  3. Fine, J. P. and Gray, R. J. (1999). A proportional hazards model for the subdistribution of a competing risk, Journal of the American Statistical Association, 94, 496-509. 

  4. Gooley, T. A., Leisenring, W., Crowley, J., and Storer, B. E. (1999). Estimation of failure probabilities in the presence of competing risks: new representations of old estimators, Statistics in Medicine, 18, 695-706. 

  5. Gray, R. J. (1988). A Class of K-Sample Tests for Comparing the Cumulative Incidence of a Competing Risk,Annals of Statistics, 16, 1141-1154. 

  6. Ha, I. D., Jeong, J. H., and Lee, Y. J. (2017). Statistical Modelling of Survival Data with Random Effects: H-likelihood Approach. Springer. 

  7. Kalbfleisch, J. D. and Prentice, R. L. (1980). The Statistical Analysis of Failure Time Data, John Wiley & Sons, New York. 

  8. Kaplan, E. L. and Meier, P. (1958). Nonparametric estimation from incomplete observations, Journal of the American Statistical Association, 53, 457-481. 

  9. Kim, M. J. (2016). Estimation methods and interpretation of competing risk regression models, The Korean Journal of Applied Statistics, 29, 1231-1246. 

  10. Korea Center for Disease Control and Prevention (2017). Guidelines for National Tuberculosis Control 2017. Cheongju 

  11. Lau, B., Cole, S. R., and Gange, S. J. (2009). Competing risk regression models for epidemiologic data, American Journal of Epidemiology, 170, 244-256. 

  12. Okanurak, K., Kitayaporn, D. and Akarasewi, P. (2008). Factors contributing to treatment success among tuberculosis patients: a prospective cohort study in Bangkok, International Journal of Tuberculosis and Lung Disease, 12, 1160-1165. 

  13. Park J. S. (2011). Increasing the Treatment Success Rate of Tuberculosis in a Private, Tuberculosis and Respiratory Diseases, 70, 143-149. 

  14. Prentice, R., Kalbfleisch, J. D., Peterson, A. V., Flournoy, N., Farewell, V. T. and Breslow, N. E. (1978). The analysis of failure times in the presence of competing risks, Biometrics, 34, 541-554. 

  15. Son, H.J. (2018). Current Status and Determinants of Treatment Outcomes among New Tuberculosis Patients in Republic of Korea: Achievement in Public-private mix program and challenges, Hanyang University doctoral dissertation. 

  16. World Health Organization (2017). Global Tuberculosis report 2017. Geneva. 

  17. Yoon, T. H. (2010). Regional Health Inequalities in Korea The Status and Policy Tasks, Critical Social Welfare Academy, 30, 49-77. 

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로