V. 사망률 중증도 보정 모형 구축
2. 논의
원들은 환자의 선호에 덜 민감한 센터들 보다 완화적 치료의 적절한 사용으로 인해 더 높은 사망률을 보일 수 있음. 실제 환자와 가족의 선호도와 가치는 찾아내기 어렵기 때 문에 이것은 사망률 비교의 해석에 제한점이 될 수 있음.
나. 병원평가(hospital profiling)를 위한 위험보정 모형에서 고려해야 할 이 슈 47)
(1) 충분히 높은 질의 시의 적절한 자료 (sufficiently high-quality and timely data)
◦ 위험도 보정을 위한 자료는 행정데이터베이스, 의무기록, 전향적으로 의료의 질과 관련 한 정보를 수집하는 방법으로부터 얻을 수 있는데, 행정자료는 주로 청구 목적으로 수 집되며 outcome과 관련이 있다고 알려진 중요한 임상 자료를 얻을 수 없음.
◦ 행정 자료나 NIHSS 같은 뇌졸중 중증도 지표의 빈번한 누락은 뇌졸중 결과(outcomes) 위험보정의 중요한 문제가 되며, 더욱이 이런 누락 자료는 무작위로 누락되지 않아서 중요한 선택 비뚤림이 발생할 수 있음.
(2) 기관 간 코딩의 일관성(consistency in coding across sites)
◦ 행정자료를 사용하는데 더 복잡한 것은 위험 보정 모형과 병원 자료수집의 정확성에 중요한 영향을 미치는 동반질환과 위험요소 코딩에 대한 병원 간 변이임. 코딩의 일 관성은 구체적 동반질환 혹은 위험요소의 여부를 정의하는 방법에서 병원 간 변이가 존재함.
◦ 일부 병원은 다른 병원보다 관례적으로 많은 수의 동반질환과 위험요소를 기록하며 이
“deeper” 수준의 코딩은 위험 보정 과정의 정확성에 중요한 영향을 미치며, 코딩의 깊 이에 대한 이러한 변이는 역설적으로 위험 보정 모형이 보정하려고 하는 그 차이를 증 가시킴을 보임 48)49) .
(3) 공변수들이 얻어지기 전과 결과가 측정된 후의 적절한 reference time의 선 정(designation of an appropriate reference time before which covariates are derived and after which outcomes are measured)
47) Katzan IL, Spertus J, Bettger JP, Bravata DM, Reeves MJ, Smith EE, et al. Risk adjustment of ischemic stroke outcomes for comparing hospital performance: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2014;45(3):918-44.
48) Mohammed MA, Deeks JJ, Girling A, Rudge G, Carmalt M, Stevens AJ, et al. Evidence of methodological bias in hospital standardised mortality ratios: retrospective database study of English hospitals. BMJ.
2009;338:b780.
49) Nicholl J. Case-mix adjustment in non-randomised observational evaluations: the constant risk fallacy. J Epidemiol Community Health. 2007;61(11):1010-3.
◦ 위험 보정은 환자 진료가 시작된 시점(reference time)에 환자의 상태를 보정하는 것 임. 이는 입원당시에 해결되었을 수 있는 과거 동반질환(분석에서 보정할 필요 없음)과 현재 입원시점의 동반질환(보정할 필요가 있음), 그리고 입원 기간 동안 혹은 후에 발생 된 합병증이나 사건(보정이 안 되어야 하는 사건)을 구분할 필요가 있음. 입원 시점 이 후에 발생한 요소의 포함은 의료의 질에 대한 “보정을 없애는(adjust away)”것을 일으 켜 모형 자체의 핵심 목적을 방해함.
◦ 행정자료나 임상 등록 자료를 사용한 위험 보정 모형에서 제한하는 요소는 일반적으로 뇌졸중 발생(stroke event)과 관련하여 합병증 혹은 동반질병의 시기에 대한 정보를 포 함하지 않는 것임.
(4) 적절한 결과와 결과 평가의 표준화된 기간의 사용 (Use of an appropriate outcome and a standardized period of outcome)
◦ 의료의 질 지표로 선택한 모든 결과는 환자의 관심 있는 실체를 반영해야 하며, 결과의 측정치와 의료의 질 사이의 관련성을 지지할 근거가 있어야 함.
◦ 평가하는 결과의 기간도 표준화 되어야 함. 뇌졸중 임상시험에서는 90일이 기능적인 결 과의 평가에 사용된 표준 기간이었지만, 성과 측정에 대한 AHA/ACC TF는 뇌졸중 결 과 측정 기간은 30일을 권고하고 있으며, 30일은 CMS가 대중 공개 결과 측정의 대부 분에서 적용하고 있음.
◦ 퇴원 시점에서 측정한 결과도 수집하기 쉬우므로 약간의 이점이 있지만 이것은 입원기 간의 차이 병원 간 전원의 영향으로 인해 제한적임.
가. 연구 결과의 고찰
(1) 자료원
◦ 이 연구를 위한 자료원은 뇌졸중 적정성 평가 조사표 자료와 해당 기간의 심평원에 청 구된 자료로, 이를 이용하여 환자정보, 뇌졸중 중증도 지표, 일부 동반 질환, 처치, 시술 여부를 알 수 있었음.
◦ 동반 질환 코드의 경우, 그 질환이 기존에 있던 것인지 입원 후에 발생한 것인지를 알 수 없는 문제가 있으며, 처치코드의 경우(예. CPR)에도 입원 직후에 발생한 것인지 입 원 기간 동안 발생한 것인지에 대해 알 수 없어 위험도 보정에 bias를 일으킬 수 있음.
◦ 병원별 동반질환 코딩의 변이에 차이가 있을 수 있으며, 급여의 목적으로 동반질환을 코딩을 늘리는 경우도 발생할 수 있음. 위험도 보정을 위해 동반질환을 포함할 경우 동 반질환 코딩의 일관성이 먼저 확보되어야 하며, 동반질환의 발생 시기도 수집되어야 할 것임.
◦ 환자의 생리적 변수나 검사결과 자료는 얻을 수 없었으나 생리적 변수와 뇌졸중간의 관
련성 높은 예측인자에 대한 명확한 합의가 없었음 50) .
(2) 분석 대상
◦ 이 연구에서는 심평원에서 사망률을 모니터링지표로 확인할 때 사용하는 대상자 선정 기준을 적용하였음. 전체 대상 기관 중 허혈성 뇌졸중의 경우 58%, 출혈성 뇌졸중의 경우 36%만이 분석에 이용되어 많은 기관이 분석에서 제외됨. 제외되는 기관은 소수 의 인원을 진료하는 기관과 뇌졸중 중증도 지표의 누락이 많은 기관임. 이렇게 많은 기 관이 제외될 경우 병원별 비교 평가를 위한 위험도 보정은 그 의미가 줄어들 것임.
◦ 허혈성 뇌졸중의 경우 상급종합병원에서 사망이 적었고, 병상수가 많을수록 3개월간 진 료량이 많을수록 사망이 적었음. 3개월만 조사하므로 병원별 환자수가 적어 모니터링을 해야 할 병원이 오히려 빠질 가능성이 높아지게 됨. 병원별로 충분한 환자 수를 확보하 기 위해서는 조사기간을 늘려야 하지만, 이는 병원에 부담으로 작용할 것임.
◦ 허혈성 뇌졸중의 경우, 분석 대상군에 비해 제외 대상군에서 유의하게 사망률 발생이 높았고, 나이가 유의하게 많았으며, 여러 동반질환에서 유병분율에 차이가 있었음.
◦ 병원별 허혈성 뇌졸중 적정성 평가 대상자는 10명~190명 범위였고, 조사망률의 범위는 0~33.3% 이었음. 병원별 출혈성 뇌졸중 적정성 평가 대상자는 5명~57명 범위였고, 병 원별 조사망률의 범위는 0~60.0%이었음. 100명을 대상으로 사망률이 10%일 때 사망확 률 P의 신뢰구간(CI)은 4%~16%로 양질의 의료제공자의 합리적 차이 발견이 어려움. 병 원 간 기대사망율의 범위가 너무 다르면 병원별로 환자 특성과 기타 특성들이 다를 가 능성이 매우 높으므로 비교에 적절하지 않음 51) .
◦ 또한, 병원별로 표본 크기가 작은 경우, 중요한 예후 요소를 보정해도 병원 간의 차이는 우연만으로도 발생 가능함. 소규모병원은 더 작은 자료를 제공하므로, 모형 추정치의 정 밀성은 더 낮게 되고, 결과의 낮은 발생 빈도와 작은 사례 수가 이상치를 가진 병원을 발견하는 능력에 유의한 부정적 영향을 미치게 됨. 계층적 혹은 다수준 회귀 모형 같은 통계적 방법과 Empirical Bayes methods가 빈번하지 않은 건강 사건 혹은 소규모 병 원에서 위험 보정 문제를 다루기 위해 사용이 증가하고 있음 52) .
(3) 분석 결과
◦ 허혈성 뇌졸중 사망 위험도 보정 모형에서는 Model 1(성별, 연령, NIHSS 범주)가 가장 좋은 performance를 보였으며, NIHSS를 연속형으로 이용하는 Model 2도 고려해 볼 만 함. 허혈성 뇌졸중 사망 위험도 보정 다변량 분석결과 모든 모형에서 성별, 연령, NIHSS 점수가 유의한 변수였으며, NIHSS 점수가 높을수록 사망 위험도가 증가하였음.
기존의 연구들에서도 환자집단과 모형의 이질성에도 불구하고 일관된 강한 예측인자로 NIHSS와 같은 뇌졸중 중증도 지표, 연령이 포함되었음. AHA statement에서도 뇌졸중 중증도는 개별 환자에서 가장 중요한 예후요인으로 모든 환자들과 모든 병원에서 신뢰
50) Katzan IL, Spertus J, Bettger JP, Bravata DM, Reeves MJ, Smith EE, et al. Risk adjustment of ischemic stroke outcomes for comparing hospital performance: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2014;45(3):918-44.
51) Lezzoni LI. Risk adjustment for measuring for Health care outcomes. 3
rd
ed. Health Administration Press.2003.
52) 상동
성이 있는 자료를 수집하였으면 예측 모형에 포함하는 것을 권고하고 있으며, 뇌졸중 중증도 지표를 시행하지 않은 위험도 보정은 병원 오분류의 발생을 증가시킬 것이라고 하였음 53)54) .
◦ 허혈성 뇌졸중 사망 위험도 보정 모형에서 유의한 동반 질환은 이상지질혈증이었고, 사 망 위험을 낮추는 것으로 나타났음. 기존 뇌졸중 위험 보정 모형에서 여러 동반질환이 포함되었지만 일관된 결과를 보이진 않았음 55) . 이상지질혈증이 사망 위험을 낮춘다는 연구가 있었으며, 이 연구에서 저자는 가능한 설명으로 이 위험인자는 비심장성 뇌졸중 (noncardioembolic stroke)과 연관성이 강하며, 이 유형은 심장성 뇌졸중 (cardioembolic stroke)보다 덜 심각하고 예후가 좋다는 점과 이런 위험 요소를 가진 사람이 항혈전제 투여와 같은 의학적 치료를 하고 있어 뇌졸중의 중증도를 감소시켰을 가능성에 대해 제시한 바 있음 56) .
◦ 출혈성 뇌졸중 사망 위험도 보정 모형에서 Model 2(성별, 연령, 뇌졸중 유형, GCS 점 수)를 이용한 모형이 선호됨. 출혈성 뇌졸중 사망 위험도 보정 다변량 분석결과 GCS 점 수만이 모든 모형에서 유의한 영향을 미쳤으며 GCS 점수가 낮을수록 사망 위험도가 증 가하였음.
◦ 출혈성 뇌졸중 사망 위험도 보정 모형에서 유의한 동반질환은 고혈압과 만성신부전이었 고, 고혈압은 사망 위험을 낮추는 효과를, 만성신부전은 사망 위험을 높이는 효과를 나 타냈음. 고혈압의 경우 출혈성 뇌졸중의 사망 위험을 감소시킨다는 연구 57) 도 있고, 증가 시킨다는 연구 58) 도 있어서 설명이 일관되지 않음. 만성신부전의 경우 신장기능이 나쁠 때 사망 위험이 증가한다는 기존의 결과와 유사함 59)60) .
◦ 위와 같이 동반질환의 경우 모두 위험도를 증가시키는 것이 아닐 수 있으므로 동반질환 의 수나 comorbidity index를 하나의 지표로 만들어 보정하는 것은 동반질환과 뇌졸중 사망간의 복잡한 관계를 설명하기 어려울 것임.
53) Katzan IL, Spertus J, Bettger JP, Bravata DM, Reeves MJ, Smith EE, et al. Risk adjustment of ischemic stroke outcomes for comparing hospital performance: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2014;45(3):918-44.
54) Adams HP, Jr., Davis PH, Leira EC, Chang KC, Bendixen BH, Clarke WR, et al. Baseline NIH Stroke Scale score strongly predicts outcome after stroke: A report of the Trial of Org 10172 in Acute Stroke
Treatment (TOAST). Neurology. 1999;53(1):126-31.
55) Katzan IL, Spertus J, Bettger JP, Bravata DM, Reeves MJ, Smith EE, et al. Risk adjustment of ischemic stroke outcomes for comparing hospital performance: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2014;45(3):918-44.
56) Smith EE, Shobha N, Dai D, Olson DM, Reeves MJ, Saver JL, et al. Risk score for in-hospital ischemic stroke mortality derived and validated within the Get With the Guidelines-Stroke Program. Circulation.
2010;122(15):1496-504.
57) Smith EE, Shobha N, Dai D, Olson DM, Reeves MJ, Saver JL, et al. A risk score for in-hospital death in patients admitted with ischemic or hemorrhagic stroke. J Am Heart Assoc. 2013;2(1):e005207.
58) Tabak YP, Johannes RS, Silber JH. Using automated clinical data for risk adjustment: development and validation of six disease-specific mortality predictive models for pay-for-performance. Medical care.
2007;45(8):789-805.
59) Smith EE, Shobha N, Dai D, Olson DM, Reeves MJ, Saver JL, et al. A risk score for in-hospital death in patients admitted with ischemic or hemorrhagic stroke. J Am Heart Assoc. 2013;2(1):e005207.
60) Kai S, Jiaoyan Q, Weihua S, Yinhui Z, Channa Z, Li S, et al. Low estimated glomerular filtration rate is associated with high recurrence rate and poor prognosis of hemorrhage stroke. Curr Neurovasc Res.
2015;12(2):109-19.