earticle

영어

This study was to develop the predictive model for severity-adjusted mortality of inpatients with multiple chronic conditions and analyse the factors on the variation of hospital standardized mortality ratio(HSMR) to propose the plan to reduce the variation. We collect the data “Korean National Hospital Discharge In-depth Injury Survey” from 2008 to 2010 and select the final 110,700 objects of study who have chronic diseases for principal diagnosis and who are over the age of 30 with more than 2 chronic diseases including principal diagnosis. We designed a severity-adjusted mortality predictive model with using data-mining methods (logistic regression analysis, decision tree and neural network method). In this study, we used the predictive model for severity-adjusted mortality ratio by the decision tree using Elixhauser comorbidity index. As the result of the hospital standardized mortality ratio(HSMR) of inpatients with multiple chronic conditions, there were statistically significant differences in HSMR by the insurance type, bed number of hospital, and the location of hospital. We should find the method based on the result of this study to manage mortality ratio of inpatients with multiple chronic conditions efficiently as the national level. So we should make an effort to increase the quality of medical treatment for inpatients with multiple chronic diseases and to reduce growing medical expenses.

한국어

본 연구는 복합만성질환 입원환자를 대상으로 중증도 보정 사망 예측모형을 개발하고, 중증도 보정 사망비의 변이 요인을 규명하여 변이를 줄일 수 있는 방안을 제시하고자 하였다. 이를 위해 퇴원손상심층조사 자료 2008년부터 2010년까지 자료를 수집하고 주진단이 만성질환이면서 주진단을 포함하여 2개 이상의 만성질환을 보유한 30세 이상의 복합만성질환 입원환자 110,700건을 최종 연구대상으로 선정하였다. 예측 모형 개발 시 데이터마이닝 기법(로지스틱회귀분석, 의사결정나무, 신경망 기법)을 적용하였다. 본 연구에서는 Elixhauser comorbidity index 동반상병 보정지수를 이용하여 의사결정나무분석으로 복합만성질환 입원환자의 중증도 보정 사망 예측모형을 개발하였다. 복합만성질환 입원환자의 의료기관 중증도 보정 사망비(HSMR)를 산출 한 결과 진료비 지불방법별, 병상규모별, 의료기관 소재지별로 통계적으로 유의한 차이가 있는 것으로 나타났다. 상기 분석결과를 바탕으로 국가적 차원에서 복합만성질환 입원환자의 사망비를 효율적으로 관리하여 의료의 질 향상과 증가하는 의료비 부담 감소를 위해 지속적인 관심과 노력을 기울여야 할 것이다.