과학기술적 문제 제기


지역사회로 퇴원환 환자의 계획되지 않은
재입원은 개인뿐만 아니라 국가에도 큰 부담

 

병원에 입원하여 내외과적 치료 후 지역사회로 퇴원한 환자의 계획되지 않은 재입원은 환자와 가족들의 삶의 질에 영향을 미칠 뿐 아니라, 의료체계의 재정적 부담으로 이어질 수 밖에 없다.

한국의 건강보험심사평가원 보고서에 따르면, 2017년 퇴원 후 30일 이내 계획되지 않은 재입원율이 6.1% 였으며, 이는 암질환, 정신질환, 재활, 산과, 전원, 사망의 경우를 제외한 환자군을 대상으로 분석한 결과인 점을 고려할 때, 중증 환자들을 포마한다면 재입원율은 더 높을 것으로 보인다.

실제로, 한국의  세 개 대학병원에서 진행된 뇌졸중으로 인한 입원치료 후 퇴원한 165명을 대상으로 분석한 연구에서는 대상자의 20.1%가 3개월 이내에 계획되지 않은 재입원을 경험하였다고 보고하였다.

가정간호 환자의 재입원율이 높아 예방
가능한 영향요인의 다각적 분석이 필요

 

한국에서 1990년 시행된 가정간호 제도는 재가에서 방문간호를 제공함으로써 입원기간을 단축시키고 퇴원 후의 건강 상태 관리가 가능하게 하며, 입원 혹은 재입원이 일어나지 않도록 하는 데 목적이 있다. 하지만, 3년 동안 상급종합병원 가정간호 서비스를 이용한 1,790명의 환자를 분석한 연구에 따르면, 대상자 중 65.3%가 총 3,908회 응급실을 내원하였으며 이 중 57.1%가 입원으로 연계되었다.

따라서, 가정간호를 받고 있는 대상자의 계획되지 않은 재입원율을 낮추는 것은 의료서비스에 대한 환자 및 보호자의 만족도 향상, 환자의 신체적 및 정신적 건강 증진, 그리고 의료비의 절감을 위해 중요하다. 이를 위해 가정간호 대상자의 계획되지 않은 재입원의 영향요인을 밝히기 위한 선행연구들이 시행되어 왔으나, 이들 연구들은 모두 정형화된 구조의 자료원을 이용하여 영향요인을 밝히려 하였다는점에서 중요한 증상 요인을 담은 비정형화된 데이터는 분석에 포함되지 않았다는 한계가 있다.

자연어 분석을 활용한 가정간호 노트 분석
으로 재입원 관련 증상 요인 파악 필요

 

재입원을 예측하고 예방가능한 재입원을 미연에 방지하기 위해서는 기존 정형 데이터와 더불어 비정형 데이터의 분석이 이루어져야만 보다 통합적인 재입원 관련 요인 파악이 가능하다. 간호 관련 비정형 데이터의 대표가 간호 노트이며, 환자 증상 정보를 포함한 많은 간호 정보 중 50% 정도가 EHR 정형데이터에 포함되어있지 않고 노트에서 찾을 수 있었다고 보고되었다.

실제로, 환자가 가정간호를 받는 동안 간호사에 의해 기록되는 가정간호 노트는 정형화된 전자의무기록(EHR)에 포함되지 않은 환자의 임상 증상에 대한 가장 많은 정보를 포함하며, 이 중요한 자료를 활용하기 위해서는 자연어 분석을 동반한 비정형화된 데이터의 분석이 함께 이루어져야만 한다.

신체적, 인구사회학적, 그리고 간호 서비스
관련 요인의 통합적 분석 필요


재입원에 영향을 미치는 요인으로 환자의 증상적인 요인뿐만 아니라 사회경제적 요소, 사회적 지지나 돌봄제공자(caregiver) 요소, 퇴원 시 간호사에 의해 환자와 보호자에게 시행되어지는 교육, 약물 상담 등도 중요하다. 

하지만, 우리나라의 가정간호에 대한 기존 연구는 주로 방문간호의 현황 분석만을 다루고 있어 방문간호의 재입원 요인에 대한 연구는 거의 없는 실정이다. 한국의 가정간호는 3차 의료기관의 부속으로 입원 후 퇴원 시 의사의 처방에 따라 혹은 지역사회 외래 방문 후, 처방에 따른 서비스가 이루어 진다. 가정간호 서비스는 간호서비스를 기본으로 하며 환자의 질환, 중증도 등에 따라 방문 횟수와 기간이 산정된다. 하지만 국내외 어느 연구에서도 간호 서비스가 환자의 재입원을 포함한 상황에 어떤 영향을 미치는 지 관계를 살펴보지 않았다. 따라서 해외에서 연구되는 신체적 및 인구사회학적 요인 분석을 정형화 데이터를 이용하여 한국 특성에 맞게 분석하고, 가정간호 노트를 통해 임상적 증상을 파악하며, 더 나아가 국내외적으로 연구가 미흡한 간호 관련 영향요인을 분석해 보는 것이 필요하다. 이 요소들을 통합 분석함으로써 환자에 대한 보다 종합적인 재입원에 영향을 미치는 요인을 파악할 수 있으며, 이를 통해 좀 더 정확도 높은 예측모델 개발이 이루어질 수 있다.