This study aims to develop a severity-adjusted length of stay predictive model according to comorbidity index by using machine learning and propose a algorithm of severity-adjusted length of stay (LOS) predictive model. The dataset was taken from Korea Centers for Disease Control and Prevention database of the hospital discharge survey from 2006 to 2015 and the severity-adjusted length of stay predictive model was developed for the nervous system patients to need a urgent management for length of stay. when it comes to the severity-adjusted length of stay predictive model about nervous system discharging patients, three tools were used for the severity-adjustment of comorbidity: the CCI, the ECI, and the CCS. The models using Regression, Decision Tree, Random Forest, Support Vector Regression, Neural Network as a Machine learning analysis methods were developed and then evaluate. As a result, Severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and Neural Network method has the highest R-square and has the most excellent prediction capability. In conclusion, there is a need to develop a severity-adjusted predictive model using CCS as the severity-adjustment of comorbidity and make use of severity-adjusted predictive model to has high prediction capability by using various machine-learning analytics.
본 연구는 머신러닝을 이용하여 동반상병 보정 방법에 따른 중증도 보정 재원일수 예측 모형을 개발하고 이를 평가하여 중증도 보정 재원일수 예측 모형 개발의 알고리즘을 제시하기 위해 수행되었다. 본 연구를 위해 2006년부터 2015년까지 10년간의 질병관리본부 퇴원손상심층조사 자료를 수집하였으며, 재원일수 관리가 시급한 신경계통의 질환을 대상으로 중증도 보정 재원일수 예측 모형을 개발하였다. 신경계통의 질환 퇴원환자의 중증도 보정 재원일수 예측 모형 개발 시 동반상병 보정 방법은 CCI, ECI, CCS 진단군 분류 기준 등 3가지, 머신러닝 분석기법으로는 회귀분석, 의사결정나무, 랜덤 포레스트, 서포트 백터 회귀분석, 신경망 등 5가지를 적용하여 모형을 개발하고 개발된 모형을 평가하였다. 모형 평가 결과 CCS 진단군 분류 기준 동반상병 보정 방법 및 신경망을 이용하여 개발한 중증도 보정 예측 모형의 모형 설명력(R-square)이 가장 높았으며, 모형의 예측력이 가장 우수한 것으로 나타났다. 따라서 중증도 보정 재원일수 예측 모형 개발 시 CCS 진단군 분류 변수를 이용한 동반상병 보정 방법을 이용하여 중증도 보정 예측 모형을 개발하는 것이 필요하며, 머신러닝의 다양한 분석 기법 등을 이용하여 예측력 높은 중증도 보정 예측 모형을 개발하여 재원일수 변이요인 파악 등 재원일수 관리를 위해 활용하는 것이 필요하다.
With the paradigm shift to the hyper-connected society, smart healthcare has emerged as a key factor for building cost-effective and sustainable healthcare systems. Smart healthcare can take a considerable amount of time to show its effectiveness, and resistance to technology and society may arise from mutual heterogeneity. However, it is still difficult to understand the dynamic characteristics of the majority of studies because they analyzed the phenomenon of policy and technology intervention based on a linear perspective. Therefore, this study aims to analyze the nonlinear dynamics of smart healthcare applied to chronic disease management by using dynamic simulation and to suggest strategic implications. The research method used system dynamics to utilize dynamic simulation. First, the structure between variables was created by Causal Loop Diagram (CLD) and converted into a Stock Flow Diagram (SFD) for quantitative analysis. Macro data and estimates were used as variables in the study, and the experiments were simulated using a hypothetical scenario. The results showed that the faster the intervention of smart healthcare service, the higher the initial participation rate of the service, the more preventive service than the treatment, the more intervention in the complex disease than the single disease, In conclusion, in order to effectively manage chronic diseases by applying smart healthcare, it is important to persevere the time required for innovation and to understand the non-linear dynamics of technological and social co-evolution.
스마트 헬스케어는 초연결사회로의 패러다임 전환에 따라 건강관리 및 예방중심의 비용 효율적이고 지속 가능한 의료 시스템을 구현하기 위한 수단으로 주목받고 있다. 스마트 헬스케어는 도입에 따른 효과가 나타나기까지 상당한 시간이 소요될 뿐만 아니라 기술이 사회에 적용되는 과정에서 영역 간 특성에 따른 저항 또한 발생할 수 있다. 그러나 여전히 대다수의 연구는 정책 및 기술 도입에 따른 현상을 선형적인 관점에 입각하여 하고 있어 시간의 흐름에 따라 나타나는 정책 효과의 비선형적 변화양상을 파악하지 못하는 한계가 있다. 따라서 본 연구는 시스템 구조에 따른 행태변화를 관찰하는 시스템 다이내믹스 방법론을 활용하여 스마트 헬스케어를 통한 만성질환 관리효과의 비선형적 동태성을 하고 시사점을 도출하였다. 주요 연구내용으로는 변수 간 구조를 정성적인 인과지도(Causal Loop Diagram; CLD)로 작성하고 이를 저량유량도(Stock Flow Diagram; SFD)로 변환하여 정량적인 을 수행하였으며 주요 변수는 매크로 데이터 및 환경설정을 위해 추정한 값을 부여하여 가상의 시나리오에 따라 시뮬레이션 하였다. 시나리오 결과, 만성질환관리를 위한 스마트 헬스케어 서비스 개입 시점이 빠를수록, 서비스에 대한 초기 참여율이 높을수록, 치료중심보다 예방중심 서비스를 제공할수록, 개별질환보다 복합질환을 대상으로 서비스를 제공할수록 의료비 절감효과가 큰 것으로 나타났다. 결론적으로 스마트 헬스케어를 활용한 만성질환관리 사업 수행 시 기술과 사회의 공진화로 인해 발생하는 비선형적 동태성을 감안하여 혁신에 필요한 시간을 확보한다면 만성질환 관리효과와 더불어 사업의 지속가능성 또한 제고할 수 있음을 밝혔다.
The main purpose of this study was to compare health behaviors and disease prevalence between middle-aged one-person households and multi-member households in South Korea. This study used the 2008, 2012, 2016 data from the Korean Community Health Survey (KCHS). A total of 249,416 people aged 40-59 were included in this study. The data was analyzed by using method for complex samples for each year. Descriptive statistics and Chi-square test were used to compare socio-demographic characteristics, perceived health (subjective health status and mental health), health behaviors and disease prevalence between middle-aged one-person households and multi-member households. Logistic regression was applied with sample weights and performed in order to compare health status such as health behavior, perceived health and disease prevalence of two groups. The odds ratios (ORs) of health behavior of middle-aged one-person households which showed 1.44 (1.19-1.74) in 2008, 1.33 (1.11-1.59) in 2012, 1.40 (1.22-1.59) in 2016 for the smoking, significantly higher in total years when compared to multi-member households. The ORs for the drinking were significantly higher for middle-aged one-person households—1.43 (1.27-1.62) in 2008, 1.32 (1.17-1.50) in 2012, 1.41 (1.24-1.60) in 2016—than for multi-member households. The findings from this study can be used as essential information for establishing preventive policies for middle-aged one-person households.
이 논문은 증가하는 중년 1인가구의 건강상태 파악에 주목한다. 특히 중년 1인가구의 건강행위 및 질병 이환을 다인가구 중년과 비교하는 것을 목적으로 한다. 이 논문에서는 중년 1인가구의 건강행태 및 질병 이환이 다인가구 중년보다 취약할 것이라고 가정하였다. 중년 1인가구와 다인가구 중년의 건강행태 및 질병 이환을 비교하기 위하여 2008년, 2012년, 2016년 지역사회건강조사자료를 활용하였다. 우리나라 중년 40~50대를 대상으로 인구사회학적 특성, 건강행태 및 질병 이환 관련 특성을 연도별로 카이제곱 검정을 통해 비교하였다. 또한 인구사회학적 변수들을 통제하여 로지스틱 회귀분석을 시행한 결과, 흡연과 음주에서는 모든 연도에서 유의하게 중년 1인가구의 행태가 다인가구의 중년보다 취약한 것으로 나타났다. 그러나 주관적 건강상태가 보통이상으로 좋은 중년 1인가구의 오즈비는 다인가구에 비해 연도별로 모두 높은 것으로 밝혀졌다. 본 연구를 통해 최근 증가하는 중년 1인가구의 건강행태를 연도별 흐름에 따라 파악하여, 이들 집단의 취약점과 건강 행태 특성의 변화를 세부적으로 확인하려고 한다. 또한 중년 1인가구를 남성과 여성으로 나누어 성별에 따라 건강행태와 질병이환의 차이를 확인하고자 한다. 본 연구를 활용하여 우리나라의 중년 1인가구를 위한 건강관련 프로그램 및 정책을 보다 효과적으로 구축할 수 있을 것이다.