제이슨 브링클리 박사, 미국 연구소 선임 연구원
엘리자베스 호너 박사, 미국 연구소 선임 연구원
병원 이용 패턴은 환자 집단만큼이나 다양한 인과 기전을 지닌 다면적인 현상입니다. 예방 가능한 과다 병원 이용 환자들을 식별할 필요가 있습니다. 대부분의 연구는 이용 건수를 직접 모델링하는 방식을 사용합니다. 이러한 전략은 주로 불변적인 요인(예: 인종 및 연령)을 파악하는 데 그치고 정책 변화에 대한 구체적인 지침을 제공하지 못합니다. 본 연구에서는 대안적인 프레임워크를 제안합니다. 즉, 병원 이용 인구를 여러 그룹으로 나누고, 각 그룹이 다른 그룹보다 병원 서비스를 더 높은 비율로 "이용"한다는 것을 밝히는 것입니다. 행정 데이터를 활용하여 예측 모델링을 통해 개인이 특정 그룹에 속할 가능성을 분석합니다. 본 연구에서는 이 프레임워크를 시골 병원의 데이터에 적용하여 고령의 위험군 환자들의 가정에서 장기 요양 시설로의 전원 과정을 분석했습니다. 이 그룹은 입원 환자 중 과다 이용 환자의 약 20%, 응급실 이용 환자의 약 15%, 그리고 30일 이내 재입원 환자의 약 11%를 차지했습니다. 예측 모델링을 통해 향후 전원 가능성이 높은 고유한 ICD-9 코드 그룹을 식별했습니다. 이러한 그룹은 추가적인 병원 이용을 예방하거나 향후 전원 가능성에 대한 지침을 제공하는 등 정책적 개입의 기회를 제공합니다. 이 기법은 비즈니스 분석 분야에서는 널리 사용되지만, 의료 분야에서는 그만큼 보편화되어 있지 않습니다. 본 연구에서는 이 프레임워크를 적용함으로써 정책 변화 및 개입 방안에 대한 논의가 가능함을 보여줍니다.
