데이터마이닝 기법을 활용한 수술 통계 DB 구축 대상자 선정 모형 개발

Abstract

[한글]

이 연구는 국민건강보험 통합으로 인하여 자료 활용에 유리한 건강보험 자료를 이용하여 수술통계를 산출하기 위하여, 청구 자료들 중에서 DB화 되어 있지 않는 서면청구 자료를 효율적으로 수술 통계 자료로 활용할 수 있는 방안을 제시하고자 하였다. 수술 시행 여부에 미치는 요인을 분석하여 데이터마이닝을 이용하여 서면청구 자료중에서 수술을 시행받은 대상자를 분류할 수 있는 수술 대상자 선정 모형 개발을 목적으로 하였다.수술 대상자 선정 모형은 기본 수술 통계 대상으로 일반적이고 시행 빈도가 높은 백내장수술과 충수절제술을 대상으로 하였으며, 로지스틱 회귀분석에 의해 수술군별 시행에 미치는 영향을 미치는 요인을 도출하였고, 도출된 요인으로 데이터마이닝 기법을 활용하여 각 수술군별 모형을 개발하였다. 개발된 모형은 Score 기법을 통해 서면청구 자료에 적용하여 수술 가능성을 예측하여 수술을 시행받은 대상자를 분류하고, 실제 서면청구 명세서와 의무기록을 조사하여 수술시행 여부를 검증하였다. 검증 결과, 백내장수술 대상자 모형은 94.60%, 충수절제술 대상자 모형은 95.21%가 일치하는 것으로 조사되었다.이러한 수술명별 수술 대상자 선정 모형을 개발하여, 수술 대상자를 선별함으로써, 서면자료와 같은 비전산화 자료를 활용하고자 할 때 모형을 통해 대상자를 발췌하여 수작업 검토 대상자를 최소화시킴으로써 자료 검토를 위해 소요되는 시간, 비용 감소 및 서면 자료를 효율적으로 활용할 수 있는 방법론을 제시할 수 있게 되었다.

[영문]This study present devices for efficiently utilizing paper based claims which are not on database as surgical statistics data in order to extract surgical statistics using useful Health Insurance data that is resulted from integrating Korean National Health Insurance.The purpose of this study is developing operation selected model applying the data mining techniques after analyzing factors that affect to perform surgical operation.The cases of operation selected model are selected generalized and high frequently performed surgical procedure such as cataract and appendectomy and variable factors which affect operation related group are deduced by Logistic Regression. That factors developed each operation related group model using data mining technique. The developed model predict the possibility of performing operation and classify cases that got the surgical procedure applying to the paper based claims data with the Score method. After that, it was verified to take surgical procedure or not through examining real paper based claims and medical record. As a result, it shows 94.60 % of consistency for cataract subjects model and 95.21% for appendectomy subjects model.As developing operation selected model by type of operation and extracting the possible subjects list from developed model, it contribute to reduce time and cost for investigating data as well as suggest efficient methodology by minimizing the number of selection list of manual work when people use the non-electronic data such as paper based claims.