DOI QR코드

DOI QR Code

Regional Disparity of Ambulatory Health Care Utilization

시공간 분석을 이용한 외래 의료이용의 지역적 차이 분석

  • Shin, Ho-Sung (Dept. of Social Dentistry, College of Dentistry, Wonkwang University) ;
  • Lee, Sue-Hyung (Social Insurance Research Division, Korea Institute for Health and Social Affairs)
  • 신호성 (원광대학교 치과대학 인문사회치의학연구실) ;
  • 이수형 (한국보건사회연구원 건강보장실)
  • Received : 2012.10.19
  • Accepted : 2012.12.14
  • Published : 2012.12.31

Abstract

The purpose of this study was to examine the regional disparity of ambulatory health care utilization considering spatio-temporal variation in South Korea during 1996-2008(precisely, in 1996, 1999, 2002, 2005, and 2008) using bayesian hierarchial spatio-temporal model. The spatial pattern uses an intrinsic gaussian conditional autoregressive (CAR) error component. Ornstein-Uhlenbeck method was applied to detect the temporal patterns. The results showed that substantial temporal-geographical variation depending on diseases exists in Korea. On the Contrary to the pattern of total outpatient utilizations, for example, the areas that chronic diseases distributed relatively high were most in rural where the proportion of elderly population was higher than in the urban. Chungcheongnam-do, Junlabuk-do, and Kyeongsangbuk-do had higher risks in hypertension, whereas arthritis was higher risk in the Kyeonggi-do, Chungcheongbuk-do, Junlanam-do, and Junlabuk-do. The results of this study suggested that the effective health intervention programmes needed to alleviate the regional variation of health care utilization. These outcomes also provided the foundation for further investigation of risk factors and interventions in these high-risk areas.

본 연구는 시공간분석을 이용하여 주요 만성질환인 고혈압, 당뇨병, 관절증과 총의료이용에 있어 지역별 외래의료이용 차이를 살펴보았다. 분석자료는 보건복지부와 한국보건사회연구원에서 발간하는 1996, 1999, 2002, 2005, 2008년 환자조사 자료를 이용하였으며 분석방법으로는 베이지안 계층적 시공간모형(bayesian hierarchial spatio-temporal model)을 이용하였다. 이때 지역의 공간적 상관성은 convolution CAR 모형을, 시간적 상관성은 Ornstein-Uhlenbeck 방법을 적용하여 분석하였다. 분석결과 질환별로 의료이용에 있어 지역적 차이가 존재하였다. 총의료 이용의 경우 시 군지역보다 대도시인 구지역에서 높은 상대위험비를 보인반면, 만성질환인 고혈압, 당뇨병, 관절증은 총의료이용과는 달리 강원도, 충청남북도, 전라남북도, 제주도 등 농어촌 지역에서 전국평균보다 높은 의료이용(상대위험비)을 보였다. 특히 고혈압은 부산경남 해안가 지역과 강원, 경기, 경북, 충청남도, 전북 등에서 높은 의료이용을 보였고, 관절증은 경기, 강원 일부와 충북, 충남, 전북, 전남, 경북, 경남지역 등에서, 당뇨병은 경기, 서울, 부산, 전라남북, 충청일부 지역에서 상대적으로 높은 의료이용을 보였다. 본 연구는 기존 연구와는 달리 공간적, 시간적 상관성을 고려함으로써 지역단위 분석시 공간적, 시간적 상관성을 고려하지 않음으로써 발생하는 통계적 오류를 최소화하였다.

Keywords

References

  1. 강호제. 2007. 시공간분석기법: 시공간분석의 변화와 응용. 국토 309:104-111.
  2. 김광구. 2003. 공간자기상관(spatial autocorrelation)의 탐색과 공간회귀분석 (spatial regression)의 활용. 정책분석평가학회보 13(1):273-306.
  3. 김양균. 1995. 지역별 의료이용수준에 영향을 미치는 요인분석. 연세대학교 대학원 박사학위논문. 1-57쪽.
  4. 남광우, 김정건. 2007. 부산시 응급의료서비스의 시공간적 분포특성. 한국지리정보학회지 10(1):113-123.
  5. 박건희. 2009. 비의도적 손상 사망의 시공간적 분포와 이에 영향을 미치는 요인. 서울대학교 대학원 박사학위논문. 1-109쪽.
  6. 박은옥. 2008. 지역사회 보건사회지표를 이용한 지역사회 건강수준과 관련 요인 분석. 지역사회간호학회지 19(1):13-26.
  7. 신의균. 2005. 지역간 의료이용수준의 차이와 요인에 관한 연구. 경희대학교 대학원 박사학위논문. 1-193쪽.
  8. 신호성, 이수형, 추장민. 2009. 표준화사망비와 지역결핍지수의 상관관계: 지역사회 통합결핍지수 개발. 예방의학회지 42(6):392-402.
  9. 이용재. 2006. 지역간 건강보험이용의 형평성과 요인에 관한 연구. 중앙대학교 대학원 박사학위논문. 1-198쪽.
  10. Besag, J. and J. Newell. 1991. The detection of clusters in rare diseases. Journal of the Royal Statistical Society Series A 154(1):143-155. https://doi.org/10.2307/2982708
  11. Bivand, R.S., E.J. Pebesma and V. Gomez-Rubio. 2008. Applied Spatial Data Analysis with R. Springer. NY, USA, pp.237-272.
  12. Booth, G.L, M.I. Greatore, P. Gozdyra, A.M. Tynan and R.H. Glazier. 2007. Neighbourhood Environments an Resources for Healthy Living: A Focus on Diabetes in Toronto. Institute for Clinical Evaluative Sciences. pp.299-307.
  13. Branscum, A.J, A.M. Perez, W.O. Johnson and M.C. Thurmond. 2008. Bayesian spatiotemporal analysis of foot-andmouth disease data from the Republic of Turkey. Epidemiol Infect 136(6):833-842.
  14. Doreian, P. 1980. Linear models with spatially distributed data: spatial disturbances or spatial effects?. Sociological Methods and Research 9(1):29-60. https://doi.org/10.1177/004912418000900102
  15. Doreian, P. 1981. Estimating Linear models with spatially distributed data. in Samuel Leinhardt(2d.). Sociological methodology. San Francisco. CA: The Jossey-Bass Publishers.
  16. Evans, T., M. Whitehead, F. Diderischsen, A. Bhuiya and M. Wirth. 2001. Challenging Inequalities in Health from Ethics to Action. Oxford University Press. UK.
  17. Galauzi, G. and R. Labonte. 2002. Social inclusion as a determinant of health. The Social Determinants of Health Across the Life-Span Conference. Toronto, November 2002. pp.1-6.
  18. Hayward, K. and R. Colman. 2003. The tides of change addressing inequity and chronic disease in Atlantic Canada. A Discussion Paper. Population and Public Health Branch Atlantic Regional Office Health Canada, pp.51-65.

Cited by

  1. Spatial analysis of PM<sub>10</sub> and cardiovascular mortality in the Seoul metropolitan area vol.29, 2014, https://doi.org/10.5620/eht.2014.29.e2014005
  2. The Visual Distribution Map Based on the Geographic Information System for Ocular Health State vol.19, pp.4, 2014, https://doi.org/10.14479/jkoos.2014.19.4.493
  3. Analysis on Factors Relating to External Medical Service Use of Health Insurance Patients Using Spatial Regression Analysis vol.23, pp.4, 2013, https://doi.org/10.4332/KJHPA.2013.23.4.387
  4. “A Newcomer” versus “First Mover”: Retail Location Strategy for Differentiation 2017, https://doi.org/10.1080/00330124.2017.1310621