Address reprint requests to Won Yeol Ryu, MD, PhD Department of Ophthalmology, Dong-A University College of Medicine, #26 Daesingongwon-ro, Seo-gu, Busan 49201, Korea 서 론
고도로 발달된 정보통신 및 컴퓨터 기술, 의료 기록의 전자 차트화(electronic health records, EMRs) 등으로 인해 안과 영역을 포함한 의료 분야에도 수많은 정보가 양산되고 있고[1,2], 특히 이런 방대한 크기의 빅데이터를 이용한 수많은 연구들이 시도되고 있다. 미국 국립 의학 도서관의 검색 엔진인 PubMed에서 “health care”로 검색되는 문헌 수가 1990년에 약 22만 건이던 것이 2017년에는 약 1,622,835건으로 의료 보건 분야에서 대한 연구 수가 엄청난 증가를 보였고, 의료 보건 분야의 데이터 생산량 또한 2009년에 비해 2020년에는 60배 증가가 예상되고 있다[3]. 최근 수년 전부터 안과 영역에서도 국내 연구자들을 포함한 여러 연구자들에 의한 빅데이터를 이용한 여러 양질의 연구들이 발표되고 있다[4-12]. 국내에서는 1977년 500명 이상의 고용 사업장에서, 1989년부터는 급여 대상을 전 국민으로 확장한 전 국민의료보험에서 나온 건강보험자료에 접근할 수 있어서 의료보험청구자료를 이용한 빅데이터 연구를 하기가 다소 용이하다고 할 수 있다[13]. 그러나, 사시소아안과 영역에서의 빅데이터를 이용한 안과 연구는 상대적으로 그 수가 적은 편이다. 따라서, 사시소아안과 영역에서 빅데이터 연구를 함에 있어서 고려해야 할 점과 주의할 점 등을 중심으로 안과 영역에서의 건강보험청구자료를 이용한 빅데이터 연구를 시작할 때, 고려해야할 점들을 소개하고자 한다.
건강보험청구자료의 일반적 특징
건강보험청구자료는 의료기관을 포함한 모든 요양기관이 환자에게 진료, 검사 및 치료의 서비스를 제공하고 의료보험공단에 보험청구를 하면서 생성되는 모든 자료이다. 여기에는 각종 검사 및 수술을 포함한 진료와 관계되는 정보, 입·퇴원 정보, 진단 코드, 약품 처방 정보, 의료 보험자 및 환자의 부담금, 환자의 인적 정보, 지역 정보, 요양기관 정보 등이 포함되어 있다[13]. 특히, 나이 및 생년월일, 성별, 지역 정보 등이 포함된 정확한 인구 통계학적 정보를 얻을 수 있다는 장점이 있고, 이 정보를 특정 기준을 정하고 집단을 나누어서 하위 세부 분석하는 데에 매우 우수하다고 할 수 있다. 또한, 암 등록 및 희귀질환 자료, 병원의무기록 등과 연계할 수 있다면, 보다 자세한 연구를 수행할 수 있다는 점도 고려할 수 있는 부분이다.
보험청구자료의 제한점
위와 같은 아주 우수한 장점들을 가지고 있음에도 보험청구자료가 가지는 태생적 단점들도 많이 있다. 첫 번째로, 국제질병코드(International Classification of Diseases, ICD-10)를 기초로 하여 만들어진 한국표준질병·사인분류인 KCD 코드(Korean Standard Classification of Diseases, KCD)를 통한 진단 코드까지만 확인할 수 있으므로 질환의 중증도 또는 위험도에 대한 파악이 어렵다는 점이다. 예를 들면, KCD7의 원시(H52.0) 코드를 이용하여 원시 환자를 대상으로 연구를 진행할 때, +1.00 diopters (D)의 환자와 +5.00 D 환자를 구분하기 어렵다는 점이다. 단지, 원시가 있는지 없는지만 알 수 있다. 두 번째로, 보험급여항목에 대한 정보만 포함하고 있어서 비급여와 포괄수가제(diagnosis related group payment system, DRG)의 의료서비스는 포함되지 않는다는 점이다. 따라서, 미용 목적의 수술로 간주되는 감각 사시에서의 사시수술, 10세 이상의 사시 환자의 수술로 비급여로 처리되는 환자 등은 포함되지 않는다. 따라서, 소아 사시 환자의 임상결과에 대한 연구나 백내장 환자를 대상으로 연구를 진행하기에는 제한이 따른다. 세 번째, 검사 결과에 대한 정보가 없다는 점이다. 어떠한 검사(급여 항목의 검사)가 진행되었는지만 확인할 수 있고, 그 검사에 대한 결과를 알 수 없다. 네 번째, 보험자료 해석에 어려움이 있을 수 있다. 진단 코드의 정확성, 단순 코딩 오류 가능성 그리고 심사 평가를 위한 오기 가능성 등에 대하여 고려해야 한다는 어려움이 있다. 또한, 같은 소아사시 환자가 처음에는 원시를 가지고 있다가 성장하면서 근시로 전환될 경우 같은 환자가 원시 환자군과 근시 환자군 모두에 포함되어질 수도 있다. 다섯 번째, 표본선택오류(selection bias)가 있을 수 있음을 고려해야 한다[3]. 보험청구자료는 환자가 요양기관에 의료서비스를 이용해야만 자료가 생성되게 된다. 만약, 어떤 질환에 대한 위험도를 가지고 있는 환자의 경우에는 병원 방문에 대한 동기가 커서 이 집단들이 보다 더 청구 데이터에 포함될 가능성이 높아서 이로 인한 선택적 오류가 있을 수 있다. 어떤 특정 질환의 유병률을 알아보는 연구를 진행할 때에 특히 주의해야 할 부분이다.
보험청구자료의 적합한 연구 주제
질병의 역학적 연구
보험청구 빅데이터는 어떠한 지역 집단이나, 인구 집단에서의 특정 질환 발생률과 유병률을 알아보는 데에 큰 장점을 가지고 있다[14]. 특히 전향적 연구로 진행하기 어렵거나, 유병률이나 발생률이 매우 낮은 특정 질환에 대한 역학적 연구를 하는 데에 강력한 정보가 될 수 있다. 국내의료 보험청구자료를 이용하여 진행되었던 소아 아토피성 피부염과 백내장의 연관성을 알아본 연구가 좋은 예가 될 수 있다[8]. 또한 대규모 인구 집단을 대상으로 사시 유병률 또는 외전신경마비의 발생률을 알아본 연구들도 여기에 해당한다고 할 수 있다[5,15,16]. 소아안과 영역 이외에도 녹내장[10,17], 당뇨망막증[18], 안외상[19], 척추수술 연관 후 허혈시신경병증[20] 등에 대한 유병률 연구들도 있다.
의료서비스의 이용 형태 및 치료 방법 추세에 대한 연구
특정 질환에 대한 치료 방법 비교나 의료서비스 이용의 경향성에 대한 연구는 적절한 보건 의료 정책을 수립하는 데에 도움이 될 수 있다[14]. 특히 수술 코드는 코딩 오류 가능성이 낮아서 진단 코딩에 비하여 보다 정확하다. 따라서, 수술 방법을 두, 세 가지 선택할 수 있는 특정 질환이라면 수술 빈도 및 수술 방법 선택의 경향성(trend)에 대한 좋은 연구 대상이 될 수 있다. 유리체강내 주사술(intravitreal injection)의 급격한 빈도 증가로 유리체절제술과 범망막광응고술이 늘어나고 공막돌륭술의 감소 경향을 보여준 연구가 대표적이다[23]. 그러나, 국내 사시수술의 수술 코드는 다섯 가지로 단순하게 구분되어 있어서, 보험청구자료로는 후전술과 절제술을 구분할 수 없고 근전이술과 사근수술을 구분할 수 없다. 따라서, 이후에 보험 자료를 정확하게 분석하고 연구에 이용하기 위해서는 사시수술코드의 세분화에 대한 논의가 필요할 것으로 본다.
사시소아안과 연구에서의 주의점
국내 건강보험청구자료를 이용하여 사시소아안과 연구를 진행하고자 할 때에는, 몇 가지 추가적으로 고려해야 할 점들이 있다. 첫 번째, 성인 환자에 비하여 진단이 자주 바뀔 수 있다. 내사시가 외사시로 바뀌거나, 굴절 이상이 원시가 근시로 성장하면서 바뀔 수 있다는 까다로운 면이 있다. 두 번째, 만 10세 기준의 사시수술의 급여 여부가 연구 결과에 영향을 줄 수 있다. 재수술률을 알아보는 데 제한을 줄 수 있고, 10세 이전 수술률이 올라갈 수 있어서 결과에 오류를 초래할 수도 있다. 세 번째, 건강한 보정 대조군을 만드는 데 어려움이 있다. 청구자료는 요양기관에서 의료서비스를 받아야 생성되는 자료이므로, 청구자료에 나타나는 환자들은 기본적으로 건강한 대조군으로 분류하는 데에 무리가 있다. 네 번째, 수술 코드가 비교적 단순하여, 자세한 수술 정보를 얻는 데에 어려움이 있다.
PDF Links
PubReader
ePub Link
XML Download
Download Citation
Print
