생존분석모형을 이용한 의료기관 입원환자의 생존기간 및 재원일수 결정요인 분석

국문 초록 (Abstract)

우리나라의 응급의료체계는 응급환자가 발생할 경우, 병원 전 단계로 현장 처치 및 이송 중 처치를 실시하며, 병원 단계에서 응급실 진료 후 입원진료를 실시한다. 이에 따라 응급환자 관리 관점에서 응급실에서 어떠한 조건을 가진 사람의 사망률이 높은 것인가를 파악하는 것이 필요하므로, 응급실 경유 입원 환자와 일반 입원 환자의 사망률에 대한 결정요인을 비교 분석할 필요가 있다. 한편, 최근 의료보험환자의 증가와 인구 고령화에 따른 진료비의 증가 등으로 입원 환자 재원일수의 합리적 관리는 병원 및 환자 모두에게 이익이 된다. 따라서 재원일수에 영향을 주는 요인을 분석하여 재원일수를 합리적으로 관리할 필요가 있다.
생존기간 또는 재원일수 결정요인을 조사한 많은 선행연구들이 다중회귀분석 또는 로지스틱 회귀분석을 수행하였다. 그러나 다중회귀분석은 선형성, 독립성, 등분산성, 정규성, 다중 공선성의 부재 등의 기본 가정을 만족시켜야 하는 단점이 존재한다. 로지스틱 회귀분석은 로짓의 선형성, 오차항이 독립성, 다중 공선성의 부재 등을 만족시켜야 하는 단점이 있다. 또한 의료데이터는 중도절단된 특징을 지니고 있을 뿐만 아니라, 생존시간 또는 재원시간이 중요함에도 불구하고 다중회귀분석은 이러한 특징들을 반영할 수 없는 문제점이 있다.
따라서 본 연구에서는 일반입원환자와 응급실 경유 입원환자의 생존기간에 영향을 미치는 요인과 입원환자의 재원일수에 영향을 미치는 요인을 분석하기 위해 생존분석을 수행하였다. 이러한 목적을 위하여 본 연구에서는 국민건강보험공단에서 제공한 2016년부터 2019년까지의 총 4개년도에 대한 표본 코호트 DB를 수집하여 분석하였다. 표본 코호트 DB는 국민건강정보DB를 기반으로 개인정보를 보호하는 범위 내에서 연구용으로 공개하기 위하여 2013년 1월에 구축된 자료를 의미한다.
데이터 전처리를 한 후 카플란 마이어 생존 추정을 통해 사회인구학적 특성, 환자별 특성, 검진기록별 특성, 의료기관별 특성 요인에 따라 생존 확률 및 재원확률을 추정하였다. 그러나 카플란 마이어 생존 추정은 분석하고자 하는 요인을 제외하고 다른 요인들을 통제할 수 없는 한계점이 있다. 따라서 다른 변수의 영향을 통제하기 위해 콕스 비례 위험 모형을 통해 계량경제학적 추정에 의해 검증하였다. 이러한 카플란 마이어 생존 분석과 콕스 비례 위험 모형은 데이터 분포에 대한 가정이 필요 없기 때문에 의료 데이터를 이용하여 생존기간 및 재원일수의 결정요인을 조사하는데 적합하다.
본 연구의 의의는 다음과 같다. 첫째, 본 연구는 건강보험공단의 코호트DB를 사용하여 400만 건 이상의 빅데이터를 이용하여 생존분석을 통해 일반 입원환자와 응급실 경유 입원환자의 생존기간의 결정요인을 비교 분석하고 입원환자의 재원일수에 영향을 미치는 요인 분석을 처음으로 시도한 연구이다. 둘째, 카플란 마이어 생존 분석과 콕스 비례 위험 모형을 통해 일반 입원환자와 응급실 경유 입원환자의 생존기간에 영향을 미치는 요인을 비교하였다. 이를 통해 입원환자의 입원시간에 따라 한정된 의료자원의 효율적으로 배분하기 위한 계획을 수립할 수 있을 것으로 기대된다. 마지막으로 카플란 마이어 생존 분석과 콕스 비례 위험 모형을 통해 입원환자의 재원일수에 영향을 미치는 요인을 파악하였다. 기존의 다중회귀분석 또는 로지스틱 회귀분석을 통해 재원일수의 결정요인을 분석한 연구와 본 연구의 결과는 일치하는 부분이 있지만, 병상 수에 따른 병원 유형 등에 있어 차이가 있음을 확인하였다. 하지만 분석결과와는 별개로 생존분석은 시간의 흐름에 따른 재원일수의 변화를 시각적으로 표현 가능하므로 향후 의료정책을 수립할 때 도움이 될 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

As a part of South Korean Emergency Medical Services System (EMSS) protocol, an
emergency patient is treated onsite or during transfer to the hospital in the pre-hospital
stage, while the next stage involves providing emergency room treatment followed by
inpatient treatment. From an emergency patient management perspective, it is necessary
to identify the high mortality rate of certain conditions in the emergency room, and to
compare and analyze the determinants of the mortality rate of patients admitted via the
emergency room and general hospitalized patients. In fact, an efficient management of
inpatients’ length of stay benefit both hospitals and patients along with an increase in
medically insured patients, as well as medical expenses due to aging population. The study
therefore aims to identify and analyze the determinants affecting length of stay for
effectively manage length of stay.
Many previous studies have investigated the determinants of survival period or length
of stay using multiple regression analysis or logistic regression analysis. However,
multiple regression analysis has the disadvantage of satisfying basic assumptions such as
linearity, independence, equal variance, normality, and absence of multicollinearity.
Meanwhile, the disadvantage of logistic regression analysis is satisfying the linearity of
the logit, the independence of the error term, and the absence of multicollinearity. In
addition, there is a problem of multiple regression analysis not reflecting the censored
characteristics of medical data regardless of the significance of survival period and length
of stay.
This study performed survival analysis to examine the determinants of survival period
between general inpatients and emergency room inpatients, as well as their length of stay. This study collected and analyzed the sample cohort DB for a total of four years from 2016
to 2019 provided by the National Health Insurance Service to conduct survival analysis.
The sample cohort DB refers to data constructed in January 2013 to be disclosed for
research within the scope of protecting personal information based on the National Health
Information DB.
After data preprocessing, we used the Kaplan-Meier survival method to estimate
survival and rehospitalization probabilities according to sociodemographic characteristics,
characteristics of each patient, characteristics of each examination record, and
characteristics of each medical institution. However, the limitation of the Kaplan-Meier
survival method is the inability to control other variables except for the variable to be
analyzed. We therefore used the Cox proportional hazards model to control the influence
of other variables under econometric assumptions. Since both Kaplan-Meier survival
analysis and the Cox proportional hazards model do not require data variability
assumptions, they are suitable for investigating determinants of survival period and length
of stay using medical data.
The implications of this study are as follows. First, this is pioneering research
comparing and analyzing determinants of the survival period of general inpatients and
inpatients admitted via the emergency room through survival analysis using more than 4
million big data from the cohort DB of the National Health Insurance Services, as well as
their length of stay. We also compared determinants affecting the survival period of
general inpatients and emergency room inpatients through Kaplan Meier survival analysis
and Cox proportional hazards model. As a result, we expect hospitals to develop their own
plan to distribute limited medical resources according to the given length of stay in an
efficient manner. Finally, through the Kaplan-Meier survival analysis and the Cox
proportional hazards model, we were able to identify the determinants affecting length of
stay. Although the results of this study and those of previous studies that analyzed the
determinants of length of stay through multiple regression analysis or logistic regression
analysis were consistent, it was confirmed that there were differences in the types of
hospitals as of the number of beds. Besides the analysis results, survival analysis is expected to be helpful for establishing future medical policies due to its ability to visually
represent the change in length of stay over time.
Keywords: Survival Analysis, Kaplan Meier Estimation, Cox Proportional Hazards Model,
National Health Insurance, NHIS Sample Cohort DB, Survival Period, Mortality Rate, Length
of Stay in Hospital, Discharge Probability. Medical Data.

목차 (Table of Contents)

• 제1장. 서론 1
• 1.1 연구의 배경 2
• 1.2 연구의 목적 4
• 1.3 연구의 구성 6
• 제2장. 이론적 배경 7
• 2.1 응급의료 8
• 2.2 재원일수 9
• 2.3 생존분석 17
• 제3장. 병원 입원환자의 생존기간 결정요인 분석: 일반 입원환자와 응급실 경유 입원환자 비교 분석을 중심으로 25
• 3.1 연구방법 26
• 3.1.1 분석절차 26
• 3.1.2 데이터 수집 27
• 3.1.3 데이터 전처리 30
• 3.2 연구결과 32
• 3.2.1 일반입원환자의 생존기간 영향요인 32
• 3.2.2 응급실 경유 입원환자의 생존기간 영향요인 46
• 3.3 연구의 요약 및 의의 60
• 제4장. 의료기관 입원환자의 재원일수 결정요인 분석 63
• 4.1 연구방법 64
• 4.1.1 분석절차 64
• 4.1.2 데이터 수집 64
• 4.1.3 데이터 전처리 65
• 4.2 연구 결과 70
• 4.2.1 연구 대상자의 일반적 특성 70
• 4.2.2 카플란 마이어 추정 74
• 4.2.3 콕스 비례 위험 모형 82
• 4.3 연구의 요약 및 의의 85
• 제5장. 결론 88
• 5.1 연구의 의의 89
• 5.2 연구의 한계 및 추후 연구방향 91
• 참고문헌 92
• Abstract 99

참고문헌 (Reference)

• 1 박재빈, "생존분석 이론과 실제", 서울: 신광출판사, 2007
• 2 이진석, "금연정책의 사회적 형평성", Cancer Prevention Research, 10(3), 192-198, 2005
• 3 이한식, 장석준, 장문준, "응급실 환자 과밀화 요인의 분석", 대한응급의학회지, 3(1), 71-78, 1992
• 4 송동섭, 심재우, "생존분석을 이용한 기업부실예측", 상업교육연 구, 24(4), 195-212, 2010
• 5 유인술, "응급의료체계의 현황과 발전방안", 보건복지포 럼, 2010(11), 45-57, 2010
• 6 김진천, 이강홍, 유창식, 서희석, 김희철, "대장암 수술에서 동반질환의 영향", 대한대장항문학회 지, 19(5), 299-306, 2003
• 7 Gémar, G., Morales, A. J, Moniche, L., "Survival analysis of the Spanish hotel industry", 54, 428-438, 2016
• 8 Jin, Y., Zhang, T., Wang, Z., Qiu, W., Liu, K., Li, C., Jing, B., "A deep survival analysis method based on ranking", 98, 1-9, 2019
• 9 민양기, 정한신, 이철희, 이재서, 이승신, 이명철, 송재진, "침습성 진균성 부비동염의 예후인자", Rhinology, 46(10), 841-845, 2003
• 10 김용식, 진윤태, 정성우, 전훈재, 이홍식, 박재연, 류호상, "췌장암의 치료 방법에 따른 생존 분석", 대한소화기학회지, 46(2), 120-128, 2005
• 11 In, J., Lee, D. K., "Survival analysis: Part I-analysis of time-to-event", 71(3), 182-91, 2018
• 12 Győrffy, B., Nagy, Á., Munkácsy, G., "Pancancer survival analysis of cancer hallmark genes", 11(1), 1-10, 2021
• 13 선미옥, "전 후기 노인 암 환자의 재원일수 결정요인", 학습자중심교과교육연 구, 20(24), 287-304, 2020
• 14 이창무, 최성호, 지규현, 주현태, "수도권 주택건설 착공시기에 대한 생존분석", 주택연구, 25(3), 117-132, 2017
• 15 우혜경, 이재빈, "허혈성 심장질환 환자의 재원일수 결정요인", 보건정보통계학회지, 45(1), 52-59, 2020
• 16 도난영, 이정란, "브랜드가 점포의 생존 및 폐점에 미치는 영향", 부동산학연구, 25(1), 49-62, 2019
• 17 오영호, "우리나라 응급의료체계의 문제점과 정책방향", 보건복지 Issue & Focus, 105, 1-8, 2011
• 18 권혁신, 방두완, 김명현, "생존분석을 이용한 주택분양보증 부도요인 연구", 주택연구, 25(4), 51-72, 2017
• 19 민지홍, 하성호, 양정원, "코호넨네트워크와 생존분석을 활용한 신용 예측", 한국경영과학회지, 34(2), 35-54, 2009
• 20 김기훈, 문재우, 김영훈, "재원일별 진료비 발생양상과 재원일수의 결정요인", 한국병원경영학회지, 15(2), 15-26, 2010
• 21 통계청, "질병분류별 평균 재원일수, available from: http://kosis.kr/", [accessed ], 2021
• 22 안경미, 황슬기, 조한아, 임도선, "간경병증 환자의 원인상병이 재원일수에 미치는 영향", 보건과 복지, 22(4), 249-267, 2020
• 23 김환희, 이혜승, "슬관절 전치환술 환자의 재원일수에 영향을 주는 요인", 한국엔터테인먼트산업학회논문 지, 14(6), 201-208, 2020
• 24 윤영순, 조영신, 이영옥, "상급종합병원 입원환자의 낙상 위험요인: 생존분석으로", Journal of Korean Critical Care Nursing Vol, 12(1), 57-70, 2019
• 25 강현철, 박희수, "생존분석에서 경쟁위험을 고려한 이탈률 추정 사례연구", Journal of The Korean Data Analysis Society, 16(4), 1825-1835, 2014
• 26 백준걸, 한바울, "생존분석을 이용한 디스플레이 FAB의 반송시간 예측모형", 대한산업공학회 지, 40(3), 283-290, 2014
• 27 Effendi, N., Kristanti, F. T., "A survival analysis of indonesian distressed company using cox hazard model", 11(S1), 155-167, 2017
• 28 강성홍, 김촉환, "머신러닝을 이용한 미숙아의 재원일수 예측 융복합 연구", 디지털융복합연구, 19(7), 271-282, 2021
• 29 Kim, H.-H., Lee, H.-S., "Factors affecting the length of stay in patients with total knee arthroplasty", 14(6), 201-208, 2020
• 30 김성수, "정신질환이 동반된 입원환자의 특성과 주진단과의 연관성", 보건정보통계학회 지, 47(1), 57-65, 2022
• 31 통계청, 통계청, "응급진료결과 현황 (성별,연령별), available from: http://kosis.kr/", [accessed ], 2021
• 32 강미 , 이재우, "Cox의 비례위험모형을 이용한 중소건설기업의 생존요인분석", 부동산학연 구, 15(2), 41-57, 2009
• 33 강은숙, 탁관철, 이태화, 김인숙, "장기재원환자의 특성 및 전원 인지도와 전원 의향과의 관계", 한국의료QA학회지, 9(2), 116-132, 2002
• 34 송현종, "요양병원 기능에 대한 고찰: 외국 사례와의 비교를 중심으로", 대한 노인병학회지, 16(3), 114-120, 2012
• 35 Bonessa, K., Weiner, J., Swanson, T., Russell, C. L., Ricketts, A., Hasnie, U. A., Erickson, L. A., "Determinants of Length of Stay after Neonatal Cardiac Surgery Using Path Analysis", 01939459221129037, 2022
• 36 이승덕, "예방 가능한 외상 사망률 3년간 개선…19.9% → 15.7% , 의학신문", 년 3월 2일자, 2022
• 37 김성우, 정병한, 이해종, 이은표, 김영훈, "재원일별 진료비 변화 및 재원일수 단축의 의료수입 증대 효과", 한국병원경영학회 지, 3(1), 100-120, 1998
• 38 김상미, 이현숙, "슬관절전치환술 노인 환자의 원내합병증과 재원일수 영향 요인", 한국병원경영학회지, 23(3), 52-62, 2018
• 39 Schober, P., Vetter, T. R., "Survival analysis and interpretation of time-to-event data: the tortoise and the hare", 127(3), 792, 2018
• 40 김경희, 장희선, 김기현, "아동보호서비스 개입사례의 재학대 특성 연구: 생존분석의 적용", 한국가족복지 학, 54, 225-262, 2016
• 41 은기수, "인공유산의 결정요인에 관한 연구: 로짓분석과 생존분석의 비교", 한국인구 학, 24(2), 79-115, 2001
• 42 강성홍, 함승우, 최병관, 서정숙, 박명화, 김촉환, "인공지능을 이용한 급성 뇌졸중 환자의 재원일수 예측모형 개발", 디지털융복합연 구, 16(1), 231-242, 2018
• 43 강창우, 정진희, 정상민, 이상봉, 이경우, 김동훈, 강태신, "SMS (short message service) 시스템을 활용한 응급실 과밀화 해소의 효과", 대한응급의학회지 제, 23(2), 262-269, 2012
• 44 박종호, 윤경일, "상세불명 병원체 폐렴의 중증도 보정 재원일수 모형 개발 및 적용", 병원경영학회지, 19 (4), 21-33, 2014
• 45 김윤, 조광현, 정구영, 오세현, 안희철, 박재현, 김현, "국내 응급의료체계의 예방가능한 외상 사망률과 처치과정의 문제점", 대한응급의학회 지, 17(5), 385-394, 2006
• 46 김경숙, 장영민, 도영호, "신생중소기업의 헤저드모형을 이용한 산업별 생존요인에 관한 연구", 경영학연 구, 43(1), 121-144, 2014
• 47 윤강재, "코로나바이러스감염증-19 대응을 통해 살펴본 감염병과 공공보건의료", 보건복지 issue & focus, 377, 1-11, 2020
• 48 김옥준, 최성욱, 진수근, 정태녕, 임득호, 이창재, 김의중, "중증 외상 환자의 재원기간에 관련된 응급의료전달 체계 내 요인 분석", 대한응급의학회지, 22(6), 623-627, 2011
• 49 Herwany, A., Kristanti, F. T., "Corporate governance, financial ratios, political risk and financial distress: A survival analysis", Vol, 2(2), 26-34, 2017
• 50 도병수, "응급의료서비스 이용의 적절성과대형병원 응급실과밀화에 대한 해결방안", J Korean Med Assoc, 52(11), 1044-1046, 2009
• 51 박규호, 추기능, "특허의 경제적 수명의 결정요인에 관한 연구: 갱신자료를 활용한 생존분석", 지식경영연구, 11(1), 65-81, 2010
• 52 김성수, 차선경, "정신분열병 환자의 재원일수 결정요인: 퇴원손상심층조사 자료를 이용하여", 디지털융복합연구, 11(4), 351-359, 2013
• 53 강은택, 마강래, "최초 주택구입 기간에 영향을 미치는 요인에 관한 연구: 생존분석을 중심으로", 국토계획, 46(1), 51-63, 2011
• 54 박미숙, 홍미영, 이요셉, 윤은지, "장기입원 의료급여 환자의 재원일수에 미치는 영향요인: 요양병원 입원유형 중심으로", 보건행정학회 지, 31(2), 173-179, 2021
• 55 강성홍, 박종호, "머신러닝을 이용한 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발", 보건사회연구, 39(1), 390-427, 2019
• 56 권지훈, 정기현, "지역응급의료센터 응급실의 공간 이용 분석 연구: 사용자별 이동 시뮬레이션을 중심으로", 디지털디자인학연구, 17(2), 81-92, 2017
• 57 송영수, 이은정, 오수현, "생존분석을 적용한 대학 신입생 중도탈락 시점 영향요인 분석: S 대학교의 사례를 중심으로", 학습자중심교과교육연구, 20(18), 235-258, 2020
• 58 김태훈, "중소건설업체의 생존분석에 관한 실증 연구: 기술보증기금의 지원을 받은 기업을 중심으로", 국토연구, 255-273, 2009
• 59 Fogteloo, A. J., van der Veen, D., de Groot, B., Remeijer, C., Heringhaus, C., "Independent determinants of prolonged emergency department length of stay in a tertiary care centre: a prospective cohort study", 26(1), 1-9, 2018
• 60 전경구, "생존모형을 통한 도심 노후산업단지의 쇠퇴 분석: 대구 성서산업단지 퇴장기업의 특성 분석을 중심으로", 국토계 획, 51(1), 45-61, 2016
• 61 이유신, "& 이윤나. 우리나라 노인의 체질량지수에 따른 영양소 섭취 수준과 건강 상태 비교: 저체중 노인을 중심으로", Korean Journal of Community Nutrition, 27(5), 422-434, 2022
• 62 Han, J., Park, H. W., Lee, J. D., Jung, J., Jung, H., Jo, Y. Y., Hwangbo, Y., "Prediction of Prolonged Length of Hospital Stay After Cancer Surgery Using Machine Learning on Electronic Health Records: Retrospective Cross-sectional Study", 9(2), e23147, 2021
• 63 Arden, N. K., Silman, A., Prieto- Alhambra, D., Murray, D. W., Edwards, C. J., Cooper, C., Burn, E., "Trends and determinants of length of stay and hospital reimbursement following knee and hip replacement: evidence from linked primary care and NHS hospital records from 1997 to 2014", 8(1), e019146., 2018