본 연구는 급성심근경색증 입원환자를 대상으로 중증도가 보정된 적정 재원일수 예측모형을 개발하여 의료의 질 관리 및 정책 개발에 필요한 기초자료를 제시하고자 하였다. 2004-2006년 퇴원손상심층조사 자료 중 급성심근경색증 입원환자 2,309명을 대상으로 급성심근경색증 입원환자의 적정 재원일수 예측모형은 데이터마이닝을 이용하여 개발하였다. 의사결정나무 모형에 따라 급성심근경색증 입원환자의 평균재원일수에 가장 큰 영향을 미치는 변수는 관상동맥우회술(CABG)과 동반질환 건수로 나타났다. 앙상블 모형을 이용하여 개발된 급성심근경색증 입원환자의 중증도 보정 재원일수 모형 결과, 적정 재원일수와 실제 재원일수의 차이는 보험유형과 의료기관 소재지가 통계적으로 유의하게 나타났다. 따라서 재원일수의 변이를 줄이고 효율적으로 관리하기 위해 의료기관에서는 다빈도 질환에 대한 중증도 보정 적정 재원일수 예측모형을 개발하여 이를 의료정보시스템에 적용하고 관리하는 활동을 전개해야 할 것이다.
In this study, we developed the severity-adjusted length of stay (LOS) model for acute myocardial infarction patients using data from the hospital discharge survey and proposed management of medical quality and development of policy. The dataset was taken from 2,309 database of the hospital discharge survey from 2004 to 2006. The severity-adjusted LOS model for the acute myocardial infarction (AMI) patients was developed by data mining analysis. From decision making tree model, the main reasons for LOS of AMI patients were CABG and comorbidity. The difference between severity-adjusted LOS from the ensemble model and real LOS was compared and it was confirmed that insurance type and location of hospital were statistically associated with LOS. And to conclude, hospitals should develop the severity-adjusted LOS model for frequent diseases to manage LOS variations efficiently and apply it into the medical information system.
