의사
HSMR은 병원 의료서비스 질(質)을 평가하는 중요한 지표로 지난해 국정감사에서 공개 여부를 놓고 이슈가 된 바 있다 현재 미국, 영국, 캐나다, 호주 등 국가들이 도입해 활용 중이다.
박혜기 건강보험심사평가원 연구원(제1저자) 연구팀은 국제학술지인 '연세의학저널에' '한국 병원 표준화 사망률의 현재 모델을 개선하기 위한 새로운 위험 조정 모델 개발 및 적용'을 발표했다.
연구팀은 HSMR 평가 신뢰성을 높이기 위해 임상 데이터를 포함한 새로운 위험 조정 모델을 개발하고 기존 모델과 비교 분석했다. 그 결과, 기존 행정 데이터 기반 모델보다 임상 정보를 추가한 모델에서 병원 사망률 예측력이 높아지는 것으로 확인됐다.
HSMR은 병원 사망률을 평가하는 지표로 특정 병원 실제 사망자 수를 기대 사망자 수와 비교해 산출된다.
기대 사망자 수는 환자 연령, 성별, 입원 원인, 중증도 등의 변수를 반영해 통계적으로 예측한 값이며, HSMR이 100보다 높으면 기대보다 사망률이 높은 것이고, 100보다 낮으면 반대로 사망률이 낮다는 것을 의미한다.
HSMR, 합리적 병원 선택 도움 vs 활용 방안 부족
모든 병원에서 표준화된 임상 정보 수집할 수 있도록 정책적 지원 필요
앞서 HSMR 활용을 두고 김윤 더불어민주당(보건복지위원회) 의원은 건강보험심사평가원이 의료소비자가 합리적인 병원 선택에 영향을 미치는 정보를 숨기고 있다는 지적한 바 있다.
반면 강중구 심평원장은 “사망률은 질환별로 영향을 미치는 요소가 많기에 어떻게 보정할지 아직 확실한 근거를 갖지 못하고 있다”며 “병원마다 특정 수술에 등급을 받는데 중증도 보정이 안돼 억울하다는 지적이 많아 현재는 병원 이름을 공개하지 않는다”고 해명했다.
양측 입장은 달랐지만, HSMR 활용도를 높인다면 환자들에게도 큰 이득이 될 수 있다는 점에서는 공감을 나타내기도 했다.
연구팀은 2019년 건강보험 청구 데이터, 행정안전부의 사망 데이터, 5개 병원 의료기록을 분석해 총 5만3,976명의 입원 환자 데이터를 활용했다.
기존 모델은 성별, 연령, 건강보험 유형, 응급 입원 여부, 주요 진단명, 수술 여부, 동반 질환 지수(Charlson Comorbidity Index, CCI) 등의 행정 데이터만 반영했다.
반면, 새로운 모델은 ▲미국마취과학회(ASA) 신체 상태 분류 점수 ▲급성 생리학 및 만성 건강 평가(APACHE II) ▲단순화된 급성 생리학 점수(SAPS 3) ▲입원 시점 동반 질환(POA CCI) ▲암 병기 등의 임상 데이터를 추가적으로 고려했다.
연구 결과, 기존 모델 C-지수(C-index, 모델의 예측력을 평가하는 지표)는 0.785였으나 임상 정보를 포함한 모델의 C-지수는 최대 0.863까지 증가했다. 특히 기존 모델에서 행정데이터로 대체할 수 있는 일부 임상 정보를 선택적으로 반영했을 때도 예측력이 유지되거나 개선됐다.
박 연구원은 “HSMR 평가에서 임상 정보를 추가하면 병원 간 사망률 비교 정확성을 높일 수 있다”며 “특히 입원 시점 동반 질환 정보(POA CCI)와 중환자실(ICU) 치료 여부 등의 행정데이터를 활용하면 일부 임상 데이터를 대체할 수 있어 실용성이 높다”고 설명했다.
연구팀은 향후 모든 병원에서 표준화된 임상 정보를 수집할 수 있도록 정책적 지원이 필요하다고 강조했다.
현재 국내에서는 일부 상급종합병원만 입원 시점 동반 질환 정보를 의무적으로 관리하고 있어, 중소병원 데이터 활용에는 한계가 있다.
연구진은 “장기적으로 POA 정보 관리 시스템을 확대하고, 임상데이터를 체계적으로 수집하는 것이 필요하다”고 제안했다.
조재민 기자 (
