DOI QR코드

DOI QR Code

국민건강보험 청구자료 기반의 결핵환자 분류 고도화 모형 개발

Development of Advanced TB Case Classification Model Using NHI Claims Data

  • 박일수 (위덕대학교 보건학과) ;
  • 김유미 (상지대학교 의료경영학과) ;
  • 최연희 (동의과학대학 의무행정과) ;
  • 김성수 (인제대학교 정치외교학과) ;
  • 김은주 (단국대학교병원 의료정보팀) ;
  • 원시연 (단국대학교병원 의료정보팀) ;
  • 강성홍 (인제대학교 보건행정학과)
  • Park, Il-Su (Dept. of Health, The Uiduk University) ;
  • Kim, Yoo-Mi (Dept. of Clinical Administration, The Sangji University) ;
  • Choi, Youn-Hee (Dept. of Medical Administration, The Dong-Eui Institute of Technology) ;
  • Kim, Sung-Soo (Dept. of Political Science and International Relations, The Inje University) ;
  • Kim, Eun-Ju (Dept. of Medical Record and Information, The Dankook University Hospital) ;
  • Won, Si-Yeon (Dept. of Medical Record and Information, The Dankook University Hospital) ;
  • Kang, Sung-Hong (Dept. of Health Policy and Management, The Inje University)
  • 투고 : 2013.09.01
  • 심사 : 2013.09.20
  • 발행 : 2013.09.28

초록

본 연구의 목적은 현재 질병관리본부에서 사용하고 있는 건강보험 청구자료 기반의 결핵환자 분류기준을 고도화하여 보다 효과적인 결핵환자감시체계의 토대를 제공하기 위해 수행되었다. 이를 위해 건강보험심사평가원의 2009년 1년간 결핵상병으로 청구된 81,199명 중 10%인 8,118명을 표본추출한 후 실제 결핵환자인지에 대해서 의무기록 조사를 실시하여 조사가 완료되고, 국민건강보험공단 건강보험청구 자료와 매칭이 완료된 7,132명을 최종 분석대상자로 하였다. 결핵환자분류를 위한 모형을 개발하여 평가한 결과 결핵과 관련된 임상전문가 의견과 통계적 분류 알고리즘이 종합적으로 고려된 의사결정나무모형이 가장 우수한 모형으로 평가되었다. 의사결정나무 모형에 따른 결핵분류모형의 주요 독립변수는 연령, 최초 청구시점의 결핵약제 종류수, 최초 청구시점의 이용 의료기관 유형, 최초 청구시점의 청구결핵검사 종류, 2008년 결핵약 투약일수, 최초 청구시점 결핵약제 투약일수, 최초 청구시점 결핵상병 종류로 나타났다. 이 모형의 향상도는 최고 11.8이였으며, 개발된 모형에서 분류된 1~5유형까지 적용하여 청구된 자료 중 결핵이 아님을 예측할 경우, 민감도는 90.6%, 양성예측도는 96.1%, 정분류율은 87.6%로 나타나, 현재 질병관리본부에서 사용하는 청구2회 이상, 약제 2제 이상 모형(민감도 82.6%, 양성예측도 95%, 정분류율 80%)보다 우수한 모형인 것으로 나타났다.

The aim of this study was to enhance the NHI claims data-based tuberculosis classification rule of KCDC(Korea centers for disease control & prevention) for an effective TB surveillance system. 8,118 cases, 10% samples of 81,199 TB cases from NHI claims data during 2009, were subject to the Medical Record Survey about whether they are real TB patients. The final study population was 7,132 cases whose medical records were surveyed. The decision tree model was evaluated as the most superior TB patients detection model. This model required the main independent variables of age, the number of anti-tuberculosis drugs, types of medical institution, tuberculosis tests, prescription days, types of TB. This model had sensitivity of 90.6%, PPV of 96.1%, and correct classification rate of 93.8%, which was better than KCDC's TB detection model with two or more NHI claims for TB and TB drugs(sensitivity of 82.6%, PPV of 95%, and correct classification rate of 80%).

키워드