데이터마이닝 기법을 활용한 DRG분류체계 분석 및 재원일수 관련 요인 연구

Abstract

[한글]

본 연구의 목적은 제왕절개분만 산모를 대상으로 퇴원요약 정보 및 처방 데이터를 데이터마이닝 기법을 활용하여 기존 DRG 분류체계를 검증, 평가하였으며, DRG 환자군의 재원일수에 영향을 미치는 요인을 회귀분석, 의사결정나무, SPC (통계적 공정관리)기법을 활용하여 중요 결정요인을 추출해서 향후 진료지침의 개발 방안을 제시하는데 있다.

데이터마이닝 기법인 K-means clustering을 통해 DRG 분류 환자군을 분석해 본 결과 큰 차이는 아니지만 DRG 중증도 0 집단 413건 중 11건, 중증도 1집단 55건 중 37건의 분석 건수의 차이가 있었고, 선형회귀분석으로 검정했을 때 군집분석의 결정계수가 0.3375로 현 DRG 분류체계의 결정계수 0.2719보다 설명력이 더 높은 것으로 제시되었다.

군집분석 0에 속하면서 다빈도인 재원일이 7일인 환자들을 대상으로 진료행위 내역을 분석한 결과, 재원일차별로 보면 재원1∼2일차에는 주사제, 마취약제, 수혈, 수술전 Routine 검사 및 처치를 하였으며, 재원 3∼4일에는 내·외용약, 주사제(항생제), 단순 외과적 처치를 하였고, 재원 5∼6일차에는 주사제(항생제) 및 단순 외과적 처치 등으로 처방되어지는 것으로 제시되었다.

환자의 재원일수에 영향을 미치는 요인을 회귀분석으로 도출한 결과, 중증도 0일 때 처치건수, 주사건수 및 주진단명순이었고, 중증도 1 일때는 재료건수, 주사건수로 나타났다또한 의사결정나무 기법을 통해 분석시 중증도 0 일 때 주사건수가 46.5건보다 적고 처치건수가 6.5건보다 적으면 재원일수 7.2일로 짧아지며, 또한 주사건수가 22.5건보다 적을 때 재원일수가 6.4일로 더욱 감소됨을 볼 때 향후 진료행위 프로토콜 개발시 중요정보로 활용되어야겠다.

SPC 기법을 통한 의료진의 진료행위 패턴을 환자의 처방내역인 투약, 처치, 검사건수를 중심으로 평균과 표준편차를 분석한 결과 중증도 0인 경우, 투약은 전체 평균 24건, 처치7.2건, 검사 7.5건으로 나타났으며, 중증도 1은 55건으로 건수가 적고 동반질환이 다양하여 의료진별로 진료형태의 변이를 단정짓기는 어려우나 향후 의료진간에 의료서비스를 모니터링하여 의료자원의 적정사용을 평가해 봄으로 의료기관의 행정 및 의사결정 지원을 위한 정보로 활용하는데 의의가 크다고 생각된다.

따라서 본 연구는 과거에 축적된 대용량의 환자데이터를 데이터마이닝이라는 새로운 기법을 사용함으로 기존의 연구에서 발견할 수 없었던 의미있는 상관관계, 의료의 질 관리,진료행위 패턴 분석, 재원일수의 변이요인 등 추세를 밝혀내고 이와 같은 유용한 정보를 체계화하여 급변하는 의료기간의 경영환경에 능동적으로 대처하며 효율적인 경영정보로 활용되어지기를 기대한다.

[영문]

In this study, I analyzed and evaluated the existing KDRG classification system by comparing extracted data from discharge abstract and OCS prescription data of cesarean section cases using data mining methodology .The factors affecting length of stay in KDRG cases were confirmed by regression analysis, decision tree, and SPC(Statistical Process Control).K-means clustering, a data mining methodology , was used to analyze the DRG patient data, which showed some discrepancy, though not

significant; 11 cases out of 413 in the DRG severity 0 group and 37 cases out of 55 in the severity 1 group. The decision coefficient of the group analysis of DRG cases of the study hospital was 0.3375 by linear regression analysis, and it was

more descriptive than that of the DRG system, 0.2719.

In case of 7 day stay patients, the highest frequency in cluster 0, the results of analysis of treatments given were as follows; injection, anesthesia, transfusion, pre-operative routine examination and treatment were given on the Ist and 2nd day,

internal and external medicine, injections(antibiotics), and simple dressing on the 3rd and 4th day, injections(antibiotics) and simple dressing on 5th and 6th day.

By regression analysis the major factors affecting length of stay were identified as number of treatment, injections, and principal diagnosis in the group of severity 0, whereas those of the group of severity 1 were quantity of medical supplies and nwnber of injections. The results of decision tree analysis showed the length of stay in the group of severity 0 was shortened to 7.2 days when the number of injections were less than 46.5 and the number of treatments were less than 6.5, while it was shortened more to 6.4 when the number of injections were less than 22.5. These results could be used as an important reference in developing practice guideline protocols in the future.

By SPC methodology, mean and standard deviations of the treatment patterns by attending physicians were analyzed in terms of the frequency of medication, treatment, and examinations. In severity 0 group the average number of medications, treatments, and examinations were 2.4, 7.2 and 7.5 respectively, but in severity 1 group, which were 55 cases, I couldn't identify the patterns of treatment by attending physicians due to the small number of cases and the variety of the diagnoses. The results of the above analysis could be used as significant data in supporting administration and decision making process in health care facilities by monitoring appropriateness of treatment patterns of physicians in terms of quality of medical care and hospital resource consumption.

By using a new data processing technology , data mining methodology , I identified the significant correlations of factors, the quality of medical care, treatment patterns by physicians, and factors related to length of stay, which couldn't be identified from accumulated massive patient care data in previous studies. By systemization of analysis of patient care data as shown in this study, health care facilities could achieve an effective management and could actively meet the rapidly changing environment of health care field.