보험가입유형에 따른 심뇌혈관질환 발생률 및 의료이용 예측모형 개발
Predicting the Risk of Cardio-cerebrovascular Disease and Medical Utilization According to Initial Risk Level
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
심뇌혈관질환의 발병과 이로 인한 사회경제적 부담은 인구 고령화와 생활습관 악화로 증가 추이에 있다. 본 연구에서는 개인의 미래 심뇌혈관질환의 발병과 의료이용의 발생을 추정하고 주요 위험요인을 식별하고자 한다. 이를 위해 국민건강보험공단의 표본 코호트 DB에서 진료기록 및 검진기록을 활용하였으며, 민간보험사의 표준체 및 간 편고지체 분류 기준을 차용하여 표본을 두 가지로 분류하였다. 각각의 집단에 대해 심뇌혈관질환의 발병과 사망 예측에는 벌점 로지스틱 회귀모형을 사용하였고, 의료비와 통원일수 등 의료 이용 예측에는 분류모형과 회귀모형을 결합한 two-part 모형을 활용하였다. 분석 결과 모수가 확보된 간편고지체에서 높은 정확도의 모형이 적합되었으며, 주요 위험요인으로 흡연과 혈압 등이 선택되었다. 본 연구에서 개발된 모형을 통해 개인의 심뇌혈관질환 발병과 이로 인한 각종 의료이용으로 발생하는 사회적 비용을 정량적으로 평가하여 국가 보건의료 정책과 민간보험상품 개발에 기여하길 기대한다.
Abstract
The incidence of cardio-cerebrovascular diseases, and the resulting socioeconomic burden, is on the rise due to aging population and worsening lifestyle habits. We aimed to estimate the occurrence of future cardio-cere brovascular diseases and their medical utilization at the individual level, and to identify key risk factors. To achieve this, we used health checkup and hospital utilization records from the Korean National Health Insurance Service Cohort DB and borrowed classification criteria from private health insurers to stratify the analysis sample into two categories based on past and current health status to fit models for each sample group. The onset of cardio-cerebrovascular diseases and mortality were modeled using penalized logistic regression models, while medical utilization predictions, such as medical expenses and outpatient days, employed a two-part model integrating classification and regression frameworks. The model with high performance was fitted to the simplified underwriting group, identifying smoking and blood pressure as major risk factors. We expect that the models developed in this study will quantitatively evaluate the societal costs incurred by individual occurrences of cardio-cerebrovascular diseases and associated medical utilizations, contributing to the formulation of national health policies and the development of private insurance products.
참고문헌 (33)
- 건강보험공단, "2021 건강보험통계연보", ~ (2022)
- 건강보험공단, "표본코호트 2.2 DB 사용자 매뉴얼", ~ (2022)
- 권혁성, "건강수준 평점화 모형을 적용한 건강등급 산정 방법에 관한 연구", 보험학회지, (123), pp.38~85 (2020)
- 권혁성, "건강보험통계 기반 건강 수준 평점화 모형을 활용한간편고지 상품 유형별 보험요율 차등화에 관한 연구", 리스크 관리연구, 32(4), pp.99~147 (2021)
- 오필재, "건강수준의 측정 및 평점화 모형의 설계", 응용통계연구, 33(3), pp.239~256 (2020)
- 이상연, "국민건강보험 빅데이터를 활용한 주요 만성질환 발생률예측모형의 개발과 활용", 보험학회지, (133), pp.23~48 (2023)
- 국민건강정보 데이터베이스를 이용한 표본 코호트 DB 구축, "이준영", 국민건강보험공단, ~ (2014)
- 2023 만성질환 현황과 이슈, "질병관리청", ~ (2023)
- 통계청, "장래인구추계", ~ (2021)
- 2022년 사망원인통계 결과, "통계청", ~ (2023)
- 통계청, "2023 고령자 통계", ~ (2023)
- 당뇨환자의 당뇨합병증 발생률과 사망률 예측 및 의료비 추정 모형 개발, "홍석철", 보험개발원, ~ (2017)
- 고혈압⋅고지혈증 환자의 합병증 발생률과 사망률 예측 및 의료비 추정 모형개발, "홍석철", 보험개발원, ~ (2018)
- 주요 만성질환 예측모형 및 건강관리 시스템 개발, "홍석철", 보험개발원, ~ (2019)
- Belotti, Federico, P. Deb, "twopm : Two-part Models", The Stata Journal, 15(1), pp.3~20 (2015)
- Choi, Seulggie, "Effect of smoking cessation and reduction on the risk of cancer in Korean men : A population based study", Cancer Research and Treatment, 50(4), pp.1114~ (2018)
- Choi, Seulggie, "Combined associations of changes in noncombustible nicotine or tobacco product and combustible cigarette use habits with subsequent short-term cardiovascular disease risk among South Korean men : A nationwide cohort study", Circulation, 144(19), pp.1528~1538 (2021)
- Deb, Partha, "Modeling health care expenditures and use", Annual Review of Public Health, 39(1), pp.489~505 (2018)
- DeLong, Elizabeth R., "Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach", Biometrics, pp.837~845 (1988)
- Duan, N., "Smearing estimate: A nonparametric retransformation method", Journal of the American Statistical Association, 78, pp.605~610 (1983)
- Friedman, Jerome, "glmnet: LASSO and Elastic-Net Regularized Generalized Linear Models", R package version, 1(4), pp.1~24 (2009)
- Goff Jr, David C., "2013 ACC", AHA guideline on the assessment of cardiovascular risk: A report of the American college of cardiology, Circulation, pp.2014, 129(25_suppl_2)[DOI]
- Hastie, Trevor, "The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Vol. 2" (2009), Springer
- Hippisley-Cox, Julia, "Development and validation of QRISK3 risk prediction algorithms to estimate future risk of cardiovascular disease : Prospective cohort study", BMJ, 357 (2017)
- Kim, Kyuwoong, "Weight gain after smoking cessation does not modify its protective effect on myocardial infarction and stroke : Evidence from a cohort study of men", European Heart Journal, 39(17), pp.1523~1531 (2018)
- Levey, Andrew S., "A more accurate method to estimate glomerular filtration rate from serum creatinine : A new prediction equation", Annals of Internal Medicine, 130(6), pp.461~470 (1999)
- Mihaylova, B., "Review of statistical methods for analysing healthcare resources and costs", Health Economics, 20, pp.897~916 (2011)
- Newhouse, Joseph P., "The Role of Health Insurance in the Health Services Sector", pp.261~320 (1976), NBER
- Pavlou, Menelaos, "How to develop a more accurate risk prediction model when there are few events", BMJ, 351 (2015)
- Razavian, Narges, "Population-level prediction of type 2 diabetes from claims data and analysis of risk factors", Big Data, 3(4), pp.277~287 (2015)
- Schwartz, Naama, "Predictive modeling of inpatient mortality in departments of internal medicine", Internal and Emergency Medicine, 13(2), pp.205~211 (2018)
- Seidler, Tim, "A machine learning approach for the prediction of pulmonary hypertension", Journal of the American College of Cardiology, 73(9S1), pp.1589~1589 (2019)
- Youden, William J., "Index for rating diagnostic tests", Cancer, 3(1), pp.32~35 (1950)