• 보건행정학회지
• /
• 제34권1호
• /
• pp.78-86
• /
• 2024

연구배경: 본 연구를 통해 전문병원과 비전문병원에서 인공관절치환술(슬관절)을 받은 입원환자를 대상으로, 전문병원 지정 여부에 따른 입원환자의 의료이용을 비교하여 전문병원제도의 효과성을 파악하고자 한다. 방법: 본 연구는 2021-2022년 건강보험심사평가원(Health Insurance Review and Assessment Service) 요양급여비용 청구자료를 활용하였다. 종속변수는 입원환자의 의료이용으로, 건당 진료비와 재원일수를 선정하였다. 독립변수는 전문병원 지정 여부이며, 통제변수는 환자 단위 변수(연령, 성별, 보험자 유형, 수술 유형 및 Charlson comorbidity index)와 의료기관 단위 변수(설립 구분, 종별 구분, 소재지, 정형외과 의사 수 및 간호사 수)를 선정하였다. 결과: 건당 진료비와 전문병원 지정 여부 간 다중회귀분석 결과, 건당 진료비와 전문병원 지정 여부 간 통계적으로 유의미한 음(-)의 관계가 있었다. 이는 전문병원이 비전문병원에 비해 건당 진료비가 유의하게 낮다는 것을 의미하며, 전문병원과 비전문병원의 입원환자 간 의료이용 결과에 차이가 있음을 시사한다. 결론: 본 연구의 정책적 시사점은 다음과 같다. 첫째, 전문병원 지정기준의 완화가 필요하다. 본 연구결과, 전문병원이 비전문병원에 비해 건당 진료비가 유의하게 낮은 것으로 나타났다. 이러한 전문병원의 비용 효과성에도 불구하고 전문병원 지정에 대한 높은 진입장벽으로 인해 수도권 및 대도시 지역에 전문병원이 집중되어 있다. 전문병원의 지역불균형을 해소하기 위해 "준전문병원(가칭)"을 도입하는 등 비수도권 전문병원 지정기준을 완화한다면, 지역간 건강격차 해소 및 의료비 절감의 효과를 불러올 것으로 판단된다. 둘째, 병원 의료인력 규모의 적정성을 판단할 필요가 있다. 본 연구결과, 정형외과 의사 수 및 간호사 수에 따라 건당 진료비에 영향을 미치는 것으로 나타났다. 따라서 병원 의료인력 적정 배분을 바탕으로 의료서비스의 비용 효과성을 극대화함으로써 의료비를 절감하는 효과를 불러올 수 있을 것으로 판단된다.

• 한국유통학회지:유통연구
• /
• 제15권4호
• /
• pp.1-19
• /
• 2010

최근 대형마트를 중심으로 유통업자브랜드(PB) 상품의 확대가 이루어지고 있다. 대형마트는 소비자가 상품을 구입할 때 PB를 또 하나의 고려 상표군으로 인식하길 바라고 있지만, 소비자들의 반응은 여전히 PB상품에 대해 중립적인 입장이다. 즉 소비자마다 각기 다른 평가를 내리고 있다. 따라서 본 연구는 PB상품을 구매한 소비자들의 특성을 분석하여 PB상품 개발과 판매에 있어 마케팅적 시사점을 주고자 한다. 본 연구는 서울과 경기 지역에 있는 소비자 설문조사 자료를 이용하였으며 프로빗 모형을 이용하여 PB상품을 구매하는 소비자들의 특성을 분석하였다. 분석 결과 인구통계학적 특성으로는 결혼여부, 소득수준, 거주지역이 PB상품 구매에 영향을 미치는 요인으로 나타났으며, 구매특성으로는 대형마트 방문 빈도가 유의한 요인으로 나타났다. 구체적으로 살펴보면, 미혼자보다 기혼자가 PB상품을 구입할 확률이 더 높게 나타나, DM(Direct Mail)발송이나 핸드폰 SMS(Short Message Service) 발송 등 PB상품 판촉활동의 타겟팅에 있어 기혼자에 대한 비중을 높일 필요가 있을 것으로 보인다. 둘째, 소득수준과 관련해서는 고소득계층보다 중산층(월소득 301~600만원) 소비자들이, 서울지역보다는 지방 거주 소비자들이 PB상품 구매 확률이 높았다. 이러한 소비자들의 특성은 가격에 민감하기 때문에 소비자를 위한 추가 증정, 사은품 지급, 1+1행사 등을 강화할 필요가 있을 것으로 보인다. 셋째, 대형마트 방문 빈도가 월 2회 증가할 경우, PB상품을 구매할 확률이 5.3%이상 증가하는 것으로 나타나 소비자들의 내점빈도를 높일 수 있는 재미있는 매장 만들기, 찾아오는 서비스 등 다양한 집객 전략이 필요해 보인다. 결론적으로 PB상품이 단지 가격이 저렴한 일회성 구매 상품이라는 한계를 넘어 NB상품처럼 상품에 대한 로열티를 높이고 지속적 구매가 일어나도록 하기 위해서는 PB상품을 다른 제조업체 브랜드처럼 카테고리 내에서 하나의 고려 상품군(consideration commodity set)이 될 수 있도록 하는 노력이 필요하다.

• 지능정보연구
• /
• 제24권2호
• /
• pp.111-124
• /
• 2018

본 연구는 만성질환 중의 하나인 고지혈증 유병을 예측하는 분류모형을 개발하고자 한다. 이를 위해 SVM과 meta-learning 알고리즘을 이용하여 성과를 비교하였다. 또한 각 알고리즘에서 성과를 향상시키기 위해 변수선정 방법을 통해 유의한 변수만을 선정하여 투입하여 분석하였고 이 결과 역시 각각 성과를 비교하였다. 본 연구목적을 달성하기 위해 한국의료패널 2012년 자료를 이용하였고, 변수 선정을 위해 세 가지 방법을 사용하였다. 먼저 단계적 회귀분석(stepwise regression)을 실시하였다. 둘째, 의사결정나무(decision tree) 알고리즘을 사용하였다. 마지막으로 유전자 알고리즘을 사용하여 변수를 선정하였다. 한편, 이렇게 선정된 변수를 기준으로 SVM, meta-learning 알고리즘 등을 이용하여 고지혈증 환자분류 예측모형을 비교하였고, TP rate, precision 등을 사용하여 분류 성과를 비교분석하였다. 이에 대한 분석결과는 다음과 같다. 첫째, 모든 변수를 투입하여 분류한 결과 SVM의 정확도는 88.4%, 인공신경망의 정확도는 86.7%로 SVM의 정확도가 좀 더 높았다. 둘째, stepwise를 통해 선정된 변수만을 투입하여 분류한 결과 전체 변수를 투입하였을 때보다 각각 정확도가 약간 높았다. 셋째, 의사결정나무에 의해 선정된 변수 3개만을 투입하였을 때 인공신경망의 정확도가 SVM보다 높았다. 유전자 알고리즘을 통해 선정된 변수를 투입하여 분류한 결과 SVM은 88.5%, 인공신경망은 87.9%의 분류 정확도를 보여 주었다. 마지막으로, 본 연구에서 제안하는 meta-learning 알고리즘인 스태킹(stacking)을 적용한 결과로서, SVM과 MLP의 예측결과를 메타 분류기인 SVM의 입력변수로 사용하여 예측한 결과, 고지혈증 분류 정확도가 meta-learning 알고리즘 중에서는 가장 높은 것으로 나타났다.