퇴원환자의 재원일수 변이 분석
- 2004-2006년 퇴원손상심층조사 결과 중심으로 -

Analysis of LOS variance
-The results of Korean National Hospital Discharge In-depth Injury Survey 2004-2006-

인제대학교 보건행정학과      

Ⅰ. 들어가는 말
  입원환자의 진료비는 질병특성, 병원특성, 환자의 개인적 특성, 그리고 재원기간 등 여러 가지 요인에 의하여 결정된다. 동일 질병인 경우의 진료비는 특히 재원기간에 가장 영향을 많이 받는다[1]. 또 재원일수별 진료비는 진료 초기에 상대적으로 더 많고 재원기간이 길어질수록 오히려 감소하는 경향을 보여 병원과 국가에서는 재원일수(Length of stay ; LOS) 관리에 관심을 갖고 있다. 국내에서는 이러한 재원일수의 적정성을 평가하는 연구가 일부 이루어졌고, 이를 통해 상당수의 재원일수가 부적절한 것으로 밝혀진 바 있다[2].
  건강보험 진료비는 지속적으로 증가하여 2007년에는 2004년 대비 44.5% 정도 증가[3]한 것으로  나타나고 있다. 국가에서는 재원일수 적정성 평가를 위해 의료이용도 관리 및 포괄수가제를 이용하여 재원일수의 절감으로 유도해왔으며, 최근에는 신포괄지불제도 모형을 선보이고 있다. 의료서비스에 대한 국민적 요구가 커지고 건강보험의 보장성이 강화됨에 따라 국가 보건의료정책 중 재원일수 관리의 중요성은 점점 더 증대될 것이다.
  재원일수에 관한 연구로는 산과질환, 급성 심근경색증 등 특정 질환 및 수술에 대해서 재원일수의 추이를 규명한 미국의 사례가 있다[4]. 우리나라에서도 수술 전 재원일수 비교, 재원일수 예측모형 개발 등 다양한 분석사례가 있다[5-7]. 국가의 보건의료정책 관리를 위해서는 우리나라의 재원일수 변이 요인을 규명할 수 있는 국가 차원의 신뢰할 수 있는 퇴원환자 관련 통계가 필요하다.
  우리나라의 퇴원환자에 대한 통계로는 건강보험통계, 환자조사통계, 퇴원손상환자통계가 있다. 건강보험의 퇴원환자통계는 건강보험 가입자만을 대상으��� 하므로 산재보험, 자동차보험 환자 등은 제외된다는 점과 ICD-10의 국제질병분류기준과의 불일치 정도가 17% 정도라는 점 때문에 국가의 퇴원환자통계로 사용하기에는 제한점이 있다. 환자조사통계는 전국을 대상으로 하는 대표성 있는 퇴원환자통계이긴   하지만 의무기록실이 없는 의료기관에서 제출한 통계는 국제질병분류기준(ICD-10)과 20% 정도의 불일치를 보이는 것으로 추정되고 있다[8]. 반면, 퇴원손상심층조사는 100병상 이상의 병원을 대상으로 하는 퇴원환자조사로 표본의 대표성에는 제한점이 있지만 국제질병분류 전문가에 의해 조사 및 질 관리가  이루어진다는 점에서 앞에서 언급된 3가지 퇴원환자에 대한 통계 중 가장 신뢰성이 높은 것으로 평가되고 있으며 재원일수에 대한 심층분석이 가능하다는 장점이 있다.
  본 연구에서는 2004-2006년의 퇴원손상심층조사 자료를 이용하여 퇴원환자의 재원일수 변이를 분석함으로써 재원일수 단축 유도 등 보건의료정책에 활용할 수 있는 자료를 생산하고자 한다.

Ⅱ. 몸 말
  분석은 2004-2006년의 전체 퇴원환자를 대상으로 하였다. 먼저 자료를 데이터베이스화하고, 3년치의 방대한 데이터를 분석하기 위해 최근 각광받고 있는 데이터마이닝(data mining) 기법을 이용하였다.  데이터마이닝이란 대량의 데이터베이스로부터 숨어 있는(알려지지 않은) 유용한 정보를 통계적 기법이나 AI(Artificial Intelligence) 기법 등을 이용하여 찾아내는 과정이라고 할 수 있다[9].
  이미 보건의료분야에서는 데이터마이닝 기법을 이용하여 자료를 분석한 사례가 많으며, 단일 병원의 퇴원요약 자료를 데이터마이닝 기법으로 분석한 사례도 있었으나 국가 차원에서 데이터마이닝 기법을 이용하여 요인을 규명하는 분석은 매우 드문 실정이다. 데이터마이닝 기법의 종류는 여러 가지가 있으나 본 연구에서는 다중회귀분석, 로지스틱회귀분석 등을 사용하였다. 변이요인 규명을 위해 먼저 전체 질환에 대한 분산분석을 실시하고, 재원일수의 변이가 많은 주상병 변이요인을 회귀분석을 이용하여 분석하였다. 주상병은 단계적 선택 방법을 이용하였다.
  전체 퇴원환자의 재원일수를 분석한 결과, 연도별 평균 재원일수는 2004년에 9.14일이었으나 2006년에는 9.03일로 감소한 것으로 나타났다. 성별로는 남자가 9.43일, 여자는 8.66일로 유의한 차이를 보였다. 연령별로는 55-64세군에서 10.15일, 65세 이상군에서 11.13일로 타 연령군에 비해 재원일수가 긴   것으로 나타났다. 보험유형별로는 산재보험인 경우가 24.99일로 건강보험 8.14일, 기타 12.11일에 비해 크게 높았다. 이용기관의 병상규모별로는 1,000병상 이상이 8.23일로 타 병상규모군에 비해 낮았다.  수술 유무에 따라서는 수술군이 10.39일로 수술하지 않은 환자군에 비해 높았다. 동일지역 이용에 따라서는 타 지역 이용군이 9.38일로 동일지역 이용군의 8.94일에 비해 높게 나타났다(Table 1).

  퇴원환자의 거주지역(거주지역이 불분명한 기타 값은 제외)에 따른 평균 재원일수에서는 서울이 8.2일, 경기가 8.16일인데 비해 부산은 10.56일, 전남 10.46일로 지역간 차이를 보였다(Table 2). 주상병에  따른 평균 재원일수는 “정신 및 행동 장애”가 20.54일, “손상·중독 및 외인에 의한 특정 기타 결과”가 13.26일, “근육골격계통 및 결합조직의 질환”이 12.97일, “출생전후기에 기원한 특정 병태”가 10.85일 등으로 타 질환군에 비해 높게 나타났다(Table 3).

  또한 부상병으로 고혈압성 질환, 뇌혈관 질환, 당뇨병, 만성하기도 질환 등을 동반했는지 여부에 따른 재원일수의 차이를 살펴본 결과, 고혈압성 질환을 동반한 경우가 11.34일로 동반하지 않는 경우의 8.76일에 비해 높게 나타났다. 당뇨병을 동반한 경우는 12.04일로 그렇지 않은 경우의 8.79일에 비해 높게 나타났다(Table 4).

  퇴원환자의 평균 재원일수 분석을 통해 나온 변이요인을 회귀분석을 이용하여 경향 분석을 실시한  결과는 Table 5와 같다. 재원일수는 2004년에 비해 2005년, 2006년으로 갈수록 감소하는 추세를 보였다. 성별로는 여자가 짧은 것으로 나타났고, 연령이 증가할수록 재원일수가 길게 나타났다. 병상규모별로는 500병상 이상인 대형병원부터 재원일수가 짧아졌다. 주상병별은 “눈 및 눈 부속기의 질환”, “귀 및 꼭지돌기의 질환”, “호흡기계통의 질환”, “소화기계통의 질환” 등이 평균 재원일수보다 짧았다. 동반질환 유무에 따라서는 고혈압성 질환, 뇌혈관 질환, 당뇨병 등 동반질환을 가지고 있는 경우에 평균 재원일수가 모두 유의하게 증가하는 것으로 나타났다.

  상세 변이요인의 경향 분석을 위해 평균 재원일수의 표준편차가 큰 5개 질환을 중심으로 재원일수의 변이요인에 대한 회귀분석을 실시한 결과 중 외부요인에 의한 폐질환의 경우, 연도별로는 2005년과 2006년이, 연령별로는 65세 이상, 진료비 지불원별로는 의료급여와 산재보험이, 병상규모별로는 300-499병상, 500-999병상, 1,000병상, 수술 유무별로는 수술을 한 경우가, 진료지역별은 타 지역 진료, 거주지별로는 강원이, 동반질환 유무별은 만성하기도 질환을 가지고 있는 경우가 재원일수에 영향을  끼치는 유의한 변수로 나왔다(Table 6).

  증상성을 포함하는 기질성 정신장애에서는 연령별로는 35-44세와 65세 이상, 진료비 지불원은 의료급여, 병상규모별은 200-499병상, 수술 유무별로는 수술을 한 경우가, 지역별은 대구, 광주, 경북이,  재원일수에 영향을 끼치는 유의한 변수로 나왔다(Table7).

  정신활성물질 사용에 의한 정신 및 행동장애에서는 연령 45-54세 및 55-64세, 진료비 지불원별은 의료급여, 병상규모별은 300-499병상, 500-999병상, 수술 유무별은 수술을 한 경우가, 지역별로는   거주지 외 지역의 병원인 경우, 거주지별은 대구, 강원, 경북이, 동반질환 유무별은 뇌혈관질환을 가지고 있는 경우가 재원일수에 영향을 끼치는 유의한 변수로 나타났다(Table 8).

  신경계통의 기타 장애는 연령 25-34세와 35-44세, 진료비 지불원별은 의료급여가, 병상규모별은 300-499병상이, 수술 유무별은 수술을 한 경우가, 거주지 외 지역의 병원인 경우, 거주지별은 경기, 경북이 재원일수에 영향을 끼치는 유의한 변수로 나왔다(Table 9).

  행동양식 불명 및 미상의 신생물에서 진료비 지불원별로는 의료급여, 수술 유무별은 수술을 한 경우가, 동반질환 유무별로는 간질환이 있는 경우가 재원일수에 영향을 끼치는 유의한 변수로 나왔다(Table 10).

Ⅲ. 맺는 말

  재원일수 절감을 유도할 수 있는 보건의료정책 지표를 제시하기 위해 2004-2006년 퇴원환자를 대상으로 연령, 성별, 진료규모별, 수술 여부별, 진료권별, 중분류 기준의 주상병별 등에 대한 전체 재원일수 변이요인을 규명하고, 회귀분석을 이용하여 전체 퇴원환자의 재원일수 변이 추세를 추정하였다. 또, 상세분석을 위해 편차가 있었던 5대 질환을 중심으로 변이요인을 회귀분석하여 질환별 특징을 분석하였다.
  전체 질환의 재원일수 변이요인에 대한 회귀분석 결과를 보면, 연도별로는 2004년에 비해 2005년, 2006년이  재원일수가 감소하는 추세를 보였다. 성별로는 여자가 남자보다 짧은 것으로 나타났고, 연령별로는 연령이 증가할수록 높게 나타났다. 병상규모별은 500병상 이상부터 재원일수가 짧아졌다. 주상병별로는 “눈 및 눈 부속기의 질환”, “귀 및 꼭지돌기의 질환”, “소화기계통의 질환”, “호흡기계통의  질환” 등인 경우의 재원일수가 평균 재원일수 보다 짧았다. 동반질환 유무에 따라서는 고혈압성 질환, 뇌혈관 질환, 당뇨병 등 동반질환을 가지고 있는 경우에 평균 재원일수가 모두 증가하는 것으로 나타났다.
  5개 주요 중분류 기준의 주상병 중심으로 재원일수의 변이요인을 회귀분석한 결과, 외부요인에 의한 폐질환은 연도, 65세 이상의 연령, 병상 규모, 진료지역은 강원도, 타지역 진료, 만성하기도질환 동반 등의 변수가 재원일수에 영향을 끼치는 유의한 변수로 나왔다. 증상성을 포함하는 기질성 정신 장애에서는 35-44세, 65세 이상, 의료급여, 200-499병상, 수술한 경우, 대구, 광주, 경북 지역이 재원일수에 영향을 끼치는 유의한 변수로 나왔다.
  미국에서는 퇴원환자 자료를 이용하여 산과질환, 급성 심근경색증 등 특정 질환 및 췌장수술에 대해 재원일수의 추이를 규명한 사례가 있고[4, 9], 우리나라에서도 수술 전 재원일수 비교, 재원일수 예측모형 개발 등 재원일수에 대한 다양한 분석사례가 있다[5-7]. 두 사례 모두 본 연구결과와 같이 동반질환 유무, 연령별, 타지역 이용 여부, 수술 유무에 따라 재원일수가 차이가 있었다.
  재원일수에 대한 선행연구들이 있지만, 전체 환자를 대상으로 한 결과는 없어 본 퇴원손상심층조사 자료를 이용한 재원일수 변이요인 분석은 전체 환자를 대상으로 했다는 의미가 있어 의료기관에 재원일수 적정성 및 의료비 절감방안을 제시할 수 있는 자료가 될 뿐만 아니라 건강보험의 진료비 증가로 여러 가지 재원일수 절감정책을 펴고 있는 국가 의료 이용도 관리에 기초자료로 활용될 수 있을 것이다.

Ⅳ. 참고문헌

 1. Katheleen Carey. Hospital Length of stay and Cost A multi level Modeling Analysis, Journal of Health Service, 2002
 2. 박현주. 입원필요성 여부와 재원기간의 적절성 평가, 연세대학교 보건대학원 석사논문, 2000.
 3. 심사평가원,2008년 중점심사방향.2008 http://www.hira.or.kr/
 4. OTA. Variations in Hospital Length of Stay: Their Relationship to Health Outcomes. OTA.1983.
 5. 김수영. 수술전 재원일수의 적정성: 일개 3차병원의 사례연구. 인제대학교 보건대학원. 1998.
 6. 박일수. 데이터 마이닝을 이용한 의료의 질 관리 시스템 개발. 2003.
 7. 최연희. 재원일수 예측을 위한 모형 개발. 인제대학교 보건대학원. 2003.
 8. 한지선. 주상병의 변이에 관한 연구. 인제대학교 보건대학원. 2008
 9. Turaga K. Kaushik M. Forse RA. Sasson AR. In hospital outcomes after pancreatectomies: an analysis of a national database from 1996 to 2004. J
     Surg Oncol. 2008.