본문 바로가기
KERD
논문KCI 등재

국민건강보험 표본코호트2.0DB를 활용한 건강상태에 따른 암발생과 암수술건수 상대위험도 연구

A Study on Relative Risk of Cancer Occurrence and the Number of Cancer Surgeries Based on Health Conditions Using National Health Insurance Cohort 2.0DB

전희주|인태교
한국리스크관리학회 (Korea Risk Management Society)|2022.12|리스크관리연구 (The Journal of Risk Management)|제33권 제4호|pp. 53-83|DOI 10.21480/tjrm.33.4.202212.003

1

조회

0

다운로드

2

인용

0

참고문헌

키워드

건강검진Cohort DB상대위험도암발생암수술건수일반화선형모형표본코호트2.0DBhealth checkupgeneralized linear modelthe relative riskcancer occurrencethe number of cancer surgeries
주제분류경영학

초록

본 연구는 국민건강보험 표본코호트2.0DB을 사용하여 일반대상자와 간편고지대상자를 대상으로 남녀 각각에 대해 향후 1년 안에 예측된 암 발생률과 암수술건수를 적용하여 일반대상자와 간편고지대상자 간의 암발생 상대위험도와 암수술건수 상대위험도를 산출하였다. 일반대상자는 설명변수로 BMI, 혈압 등의 건강검진 항목들을 이용하고 간편고지대상자는 건강검진 항목과 직전 1년 장기투약 여부, 3가지 질병 치료 유무를 설명변수로 포함하였다. 암발생 예측은 로지스틱회귀모형을 이용하고, 암수술건수 예측은 음이항회귀모형을 이용하였다. 일반대상자과 간편고지대상자 간의 암발생 상대위험도와 암수술건수 상대위험도를 계산한 결과, 남녀 모두 암발생과 암수술건수 모두 일반대상자 대비 간편고지대상자의 위험도는 1보다 작게 나타났다. 이것은 가입조건을 완화한 간편고지만으로 유병자들을 포함한 보험가입대상자들의 상품영역 확대의 가능성을 보여주며, 또한 간편고지만으로도 암발생과 수술건수 담보의 상대위험도가 일반대상자 대비 확실히 구분됨을 실증적으로 제시하였다.

Abstract

This study predicted cancer incidence rate and the number of cancer surgeries within the next one year for general subjects and simple notification subjects using the National Health Insurance Service Cohort2.0 DB. Relative risk of cancer occurrence and the number of cancer surgeries between simple notification subjects and general subjects were calculated. For the general subjects, health checkup items such as BMI and blood pressure were used as explanatory variables, and health checkup items, long-term medication for the previous year, and treatment for three diseases were included as explanatory variables for the simple notification subjects. A logistic regression model was used to predict cancer occurrence, and a negative binomial regression model was used to predict the number of cancer surgeries. As a result of calculating the relative risk of cancer occurrence and the number of cancer surgeries between the general subjects and the simple notification subjects, each relative risk of cancer occurrence and number of cancer surgeries in both men and women was less than 1 for the simple notification subjects compared to the general subjects . This shows the possibility of expanding the product range for those subject to insurance, including patients with pre-existing diseases, with only simplified notices that ease the subscription conditions. In addition, it empirically demonstrated that each relative risk of cancer occurrence and the number of cancer surgeries for simple notification subjects was clearly distinguished from that of general subjects.

참고문헌 (21)

  1. 김석영, "민간 암보험의 사회적 역할과 발전 방향", 제2회 보험법 포럼 (2020)
  2. 이찬희, "암보험 언더라이팅 효과 실증분석- 국민 암발생률과 보험회사 암발생률 비교", 보험학회지, (102), pp.59~86 (2015), 한국보험학회[DOI]
  3. 권혁성, "건강보험통계 기반 건강 수준 평점화 모형을 활용한 간편고지 상품 유형별 보험요율 차등화에 관한 연구", 리스크관리연구, 32(4), pp.99~147 (2021), 한국리스크관리학회[DOI]
  4. 박복희, "음이항회귀모형을 이용한 보험고객과 설계사의 관계설정이 보험 구매에 미치는 영향", 보험금융연구, 29(4), pp.91~115 (2018), 보험연구원[DOI]
  5. 박복희, "제3보험의 가입 요인: 간병보험을 중심으로", 리스크관리연구, 29(3), pp.77~106 (2018), 한국리스크관리학회[DOI]
  6. 전희주, "국민건강보험 빅데이터를 활용한 치아보험 요율 차등화에 관한 연구: 치아우식증, 치주질환을 중심으로", 보험금융연구, 33(3), pp.119~147 (2022), 보험연구원[DOI]
  7. 전희주, "생체연령을 고려한 퇴직연금 프로그램 인출방식에 관한 연구", 리스크관리연구, 32(2), pp.101~134 (2021), 한국리스크관리학회[DOI]
  8. 황지연, "건강보험통계를 활용한 간편고지 상품의 담보별 최적 언더라이팅 기준 산출", 보험학회지, (124), pp.1~34 (2020), 한국보험학회[DOI]
  9. 보건복지부, "2020년 국가암등록통계", ~ (2021)
  10. Alfayez, A. A, "Predicting the risk of cancer in adults using supervised machine learning : a scoping review", BMJ Open, 11, pp.1~11 (2021)
  11. Britt, K. L., "Key steps for effective breastcancer prevention", Nat Rev Cancer, 20, pp.417~436 (2020)
  12. Christodoulou, E., "A systematic review shows no performance benefit of machine learning over logistic regression for clinical prediction models", Journal of Clinical Epidemiology, 110, pp.12~22 (2019)
  13. Colditz, G. A, "Harvard report on cancer prevention volume 4: Harvard Cancer Risk Index. Risk Index Working Group, Harvard Center for Cancer Prevention", Cancer Causes Control, 11, pp.477~488 (2000)
  14. Gray, E. P., "Risk prediction models for lung cancer : a systematic review", Clin Lung Cancer, 17, pp.95~106 (2016)
  15. Kakushadze Z, "Estimating cost savings from early cancer diagnosis", Data, 2, pp.30~ (2017)
  16. Kourou, K., "Machine learning applications in cancer prognosis and prediction", Computational and Structural Biotechnology Journal, 13, pp.8~17 (2015)
  17. Siegel R. L., "Cancer Statistics, 2021", CA: A Cancer Journal for Clinicians, 71, pp.7~33 (2021)
  18. Stark, G. F., "Predicting breast cancer risk using personal health data and machine learning models", PLoSONE, 14(12), pp.1~17 (2019)
  19. Usher-Smith, J., "Risk prediction tools for cancer in primary care", British Journal of Cancer, 113, pp.1645~1650 (2015)
  20. Wang, Y. Zhu, "Polygenic risk scores: the future of cancer riskprediction, screening, and precision prevention", Med. Rev, 1(2), pp.L129~L149 (2022)
  21. Win, A. K., "Risk prediction models for colorectal cancer : a review", Cancer Epidemiol, Biomarkers Prev, 21, pp.398~410 (2012)

관련 논문AI추천

간편고지보험 고지항목별 무사고기간에 따른 암 발생 및 치료 상대위험도 예측인태교, 전희주한국보험학회 · 보험학회지2024 · 제138호간편고지보험 가입대상자 우량층 확대를 위한 요율차등화 연구: 질병입원발생 및 질병수술발생을 중심으로인태교, 전희주한국보험학회 · 보험학회지2025 · 제142호허혈성 심장질환 담보 간편고지보험 가입 대상자의 상대위험도 연구전희주, 최경진한국보험학회 · 보험학회지2025 · 제141호유병자 보험의 보장성 확대를 위한 유병자들의 중증질환 발생률 비교백혜연, 손지훈, 신지민한국보건정보통계학회 · 보건정보통계학회지2018 · 제43권 제4호건강보험통계를 활용한 간편고지 상품의 담보별 최적 언더라이팅 기준 산출이상엽, 주석훈, 황지연한국보험학회 · 보험학회지2020 · 제124호건강보험통계 기반 건강 수준 평점화 모형을 활용한 간편고지 상품 유형별 보험요율 차등화에 관한 연구강민용, 권혁성, 오필재, 우경석한국리스크관리학회 · 리스크관리연구2021 · 제32권 제4호

이 간행물의 다른 논문 (2건)

Dimension reduction techniques for summarized telematics data정힘찬pp. 1-26방카슈랑스 판매인의 영업성과 결정요인 분석: 1개 대형 공제를 중심으로이경희, 정원석pp. 27-51
원문 보기