미시모의실험모형을 이용한 장래 건강보험 진료비 추정
Projecting the National Health Insurance medical care cost using Micro-simulation model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
우리나라의 인구고령화 및 건강보험 보장성 강화정책에 따라 향후 국민건강보험의 지출이 크게 늘어날 것으로 다수의 선행연구가 조성법 등의 연구방법을 활용하여 예측한 바 있다. 조성법 등의 모형에 비해 미시모의실험모형(micro-simulation model)은 개인 수준의 지출 결정요인, 인구구조, 특정 정책 시행에 따른 개인의 행태 등의 동태적(dynamic) 변화를 고려한 장기간의 지출 추정에 더욱 적합한 것으로 평가받고 있다. 이에 따라 이 연구는 우리나라에서 처음으로 2019~2065년 기간의 건강보험 진료비 추정을 위한 미시모의실험모형을 구축하고 한국의료패널 자료를 이용해 추정 결과를 도출하였다. 연구결과 우리나라 인구의 1인당 건강보험 진료비 및 총 진료비는 2065년 기준 각각 약 470만원, 150조까지 증가하는 것으로 나타났고 총 진료비 중 65세 이상 진료비가 약 2/3 수준이었다. 해당 결과에 건강보험 보장성 강화 정책의 영향을 시나리오별로 반영한 결과 2065년 기준 진료비가 최대 206조까지 증가한 것으로 나타났다. 또한 이 연구가 추정한 진료비는 2060년 기준 GDP 예측치 대비 약 6%에 해당하는 것으로 나타났다. 모수추정기간 및 보장률-진료비 간 관계 가정을 변경할 경우 2060년 기준 GDP 대비 건강보험 진료비가 약 16%에 달하는 결과를 추가적으로 제시하였다. 이 연구는 건강보험 진료비 추정 미시모의실험모형의 주요 요소 중 인구수, 모수추정기간, 보장률-건강보험 진료비의 관계 등이 시뮬레이션 결과에 중요한 영향을 미치는 점을 실증적으로 보여줌으로써 우리나라 보건의료 분야에서 미시모의실험모형 활용에 대한 초기적 단서를 제공하였다.
Abstract
In Korea, the National Health Insurance (NHI) expenditure is expected to rapidly increase due to population ageing and the government’s policy of expanding the health insurance coverage, as estimated in previous studies using component-based or macro models. Compared to such models, the micro-simulation model has advantages in reflecting dynamic changes in individual-level determinants of medical care cost, population structure, and policy effect on individual behaviors. In this study, we designed a micro-simulation model for estimating the National Health Insurance medical care cost between 2019 and 2065 and produced detailed projection results using the Korean Health Panel Survey data. Our results suggested that total NHI medical care cost increased to 150 trillion Korean Won (KRW) in 2065, of which 2/3 was cost incurred by older adults aged 65 and over. Once we incorporated effect of the health insurance coverage expansion policy, the total NHI medical cost in 2065 increased to 206 trillion KRW. Additionally, projected medical care cost in 2060 approximately corresponded to 6% of projected GDP in Korea. We also showed that our results are subject to the key components of the model, including the period for parameter estimation, population projection scenarios, the presumed relationship between changes in health insurance coverage and changes in individual medical cost, by suggesting that the NHI medical care cost increased to 16% of the projected GDP if we change the parameter estimation period and the assumption on insurance coverage-medical care cost relationship.
참고문헌 (27)
- 건강보험심사평가원, "2012건강보험통계연보", ~ (2013)
- 건강보험심사평가원, "2019건강보험통계연보", ~ (2020)
- 미시모의실험 기반 중장기 사회 재정 영향 평가 모형 개발-노후 소득 보장 정책을 중심으로, "고제이", ~ (2016)
- 국민건강보험공단, "2021년 건강보험 보장률 64. 5%", 보도참고자료, ~ (2023)
- 건강보험 보장성 강화 정책의 효과 분석 : 4대 중증질환을 중심으로, "김우현", 한국조세재정연구원, 1~274 (2018)
- 김우현, "미시 모의실험 모형을 이용한 의료 이용량 추정", 보건경제와 정책연구, 27(3), pp.89~117 (2021), 한국보건경제정책학회
- 늦어지는 은퇴, 생애주기수지 적자에 대비하라, "박지혜", 미래에셋투자, ~, pp.미래에셋투자와연금리포트 No. 54 (2022)
- 이은경, "건강보험 재정의 현황과 정책과제", 보건복지포럼, pp.51~64 (2018)
- 건강보험 중장기 재정 추계 방법론 연구, "이태진", 국회예산정책처, ~ (2020)
- 국민의료비 미래추계 구축방안, "정형선", 보건복지부·연세대학교 원주산학협력단·한국보건사회연구원, ~ (2015)
- 최대환, "최근 20년간 건강보험 진료비 경향", 정책동향, 14(4) (2020)
- 장래인구추계 : 2020~2070년, "통계청", 통계청, ~ (2021)
- "완전생명표(1세별)" (2021), 통계청[URL]
- "지출목적별 소비자물가지수(품목포함, 2020=10 0)" (2023), 통계청[URL]
- 2021년 출생통계(확정), 국가승인통계 제10103호 출생통계, "통계청", ~
- "주민등록인구통계, 주민등록 인구현황", 행정안전부[URL]
- A comparative analysis of health forecasting methods, "Astolfi, R.", OECD, 1~120 (2012)
- Briggs, A., "Parametric modelling of cost data: some simulation evidence", Health economics, 14(4), pp.421~428 (2005)
- SESIM III–a Swedish dynamic microsimulation model, "Flood, L.", Ministry of Finance, ~ (2005)
- SESIM III - A Swedish dynamic micro simulation model, "Flood, L", ~ (2012)
- "Modeling the Health and Medical Care Spending of the Future Elderly" (2008)[URL]
- Li, Jinjing., "A survey of dynamic microsimulation models : uses, model structure, and methodology", International Journal of Microsimulation, 6(2), pp.3~55 (2013)
- Manning, W. G., "Estimating log models: to transform or not to transform?", Journal of health economics, 20(4), pp.461~494 (2001)
- OECD, "GDP long-term forecast(indicator)", ~ (2018)
- Royston P, "Multiple imputation of missing values", STATA JOURNAL, 4(3), pp.227~241 (2004)
- Sterne, J. . A. C., "Multiple imputation for missing data in epidemiological and clinical research: potential and pitfalls", BM, 338, pp.b2393~ (2009)
- White, I. R., "Multiple imputation using chained equations: Issues and guidance for practice", Stat Med, 30(4), pp.377~399 (2011)