입원 시 상병 지표의 활용성 및 정확도를 증진을 위한 Y코드 분류체계 개발

Abstract

Background The Present on Admission (POA) indicator, which identifies the timing of diagnoses, can be utilized in various ways to improve healthcare quality and patient safety. The POA indicator helps differentiate between comorbidities and patient safety incidents based on diagnostic timing information. Additionally, it can be used as a risk adjustment variable to enhance the validity of healthcare quality assessment metrics. However, before leveraging the POA indicator, its accuracy must be ensured. It is particularly important to accurately tag the Y codes, which denote "present on admission," to effectively identify comorbidities. Despite this, our country still focuses primarily on data collection and lacks a clear system to verify the accuracy of POA tagging for each code. Therefore, to increase the utility of the POA indicator in the realm of healthcare quality, it is necessary to develop a customized classification system to assess the accuracy of Y code tagging.

Method In this study, we conducted a review of various literature that could inform the development of a classification system for the accuracy of POA Y code tagging. Additionally, we examined literature related to risk adjustment to facilitate the future utilization of accurately secured Y codes. Following a systematic literature review methodology, we selected accuracy and risk adjustment as the primary keywords and conducted literature classification according to the PRISMA flowchart. The classified literature was summarized based on key questions. Furthermore, based on these preceding studies, we developed a research tool to validate the accuracy of POA Y code tagging. Specifically, for the assessment of POA Y code accuracy, we classified diagnosis codes with high probabilities of being the primary diagnosis upon admission, based on the 7th edition of the Korean Standard Classification of Diseases (KCD-7). Subsequently, we conducted frequency analysis of the final selected classification system tool by KCD major categories and performed correlation analysis to compare it with research tools developed in previous studies.

Result Through a systematic literature review, we examined 7 papers related to the accuracy of POA and 11 papers focusing on utilizing POA for risk adjustment. The examination of POA accuracy revealed that for certain procedures or conditions, the quality of POA indicators was incomplete (30-45%) or showed low sensitivity (38.2%). Moreover, despite being a hospital-acquired condition, tagging with codes other than Y codes was observed in 26.5% of cases (PPV 73.5%), with variations based on the type of healthcare institution or disease location. Additionally, leveraging POA information for risk adjustment contributed to an increase in the model's explanatory power (C-statistic ≥ 0.7) and yielded improved outcomes in key indicators such as length of stay, mortality rate, and costs. Based on a systematic literature review, this study developed a classification system for the accuracy of POA Y code tagging. Using the KCD-7 criteria, a total of 11,533 diagnosis codes with a high likelihood of being the primary diagnosis upon admission were selected as classification system codes based on four major criteria: chronic diseases, congenital diseases, and two others. Based on the KCD major categories, the top three categories with high distributions of principal diagnoses at present on admission were "Factors influencing health status and contact with health services (Z00-Z99)" (62.4%), "Neoplasms (C00-D48)" (61.5%), and "Congenital malformations, deformations, and chromosomal abnormalities (Q00-Q99)" (50.9%). These categories predominantly comprised conditions such as chronic diseases and congenital anomalies, which are difficult to consider as complications mostly acquired in hospitals. When comparing the classification tool with the tool used in previous studies (Jackson's algorithm), there was a significant positive correlation in the distribution of principal diagnosis codes by major category for both tools (r>0.7, p<0.001).

Conclusion Based on various studies, POA has been suggested to be highly useful for adjusting for comorbidities, and its application in the realm of healthcare quality has been viewed positively. However, this perspective assumes the accuracy of POA. Previous findings from literature on POA accuracy indicate that its accuracy is not at a sufficiently high level. In this sense, the POA Y-code accuracy classification system developed in this study is expected to serve as a key criterion for reviewing the accuracy of POA indicators and suggesting improvement directions. Furthermore, to enhance the accuracy of POA indicators, a multifaceted approach is necessary, along with the establishment of monitoring systems. For instance, central authorities need to introduce audit mechanisms in conjunction with case-based guideline development, while individual Medical institutions should focus on creating environments conducive to accurate coding and coder support. It is hoped that improved accuracy in POA indicators will enhance the equity of healthcare quality outcome measures and contribute positively to the field of patient safety.

Keyword: Present on admission, Risk adjustment, Accuracy|연구 배경 및 목적 입원 시 상병(Present on admission, 이하 POA) 지표의 진단 시기를 식별할 수 있는 특성으로 인해 의료 질과 환자안전 영역에서 이를 다양하게 활용할 수 있다. POA 지표는 진단 시기 정보를 토대로 동반질환과 환자안전사건을 구분하고, 위험도 보정 변수로 이용하여 의료 질 평가 지표의 타당성을 높일 수 있다. 그러나 활용에 앞서 POA 지표의 정확도가 먼저 확보되어야 한다. 특히 POA 지표가 동반질환을 잘 식별하기 위해서는 ‘POA’를 의미하는 Y코드를 정확하게 태깅하는 것이 중요하다. 그러나 우리나라는 여전히 수집에만 초점을 두고 있고, POA 지표가 코드별로 얼마나 정확하게 태깅되었는지 여부를 확인할 수 있는 명확한 체계는 부재하다. 따라서 의료 질 영역에서 POA 지표의 활용성을 높이기 위해서는 Y코드의 태깅 정확도를 검토할 수 있는 맞춤형 분류체계의 개발이 필요하다.

연구 방법 이번 연구에서는 POA 지표의 Y코드 분류체계 개발에 참고할 수 있는 다양한 문헌을 고찰하였다. 더불어 향후 정확성이 확보된 Y코드의 활용성을 도모하기 위하여 위험도 보정과 관련된 문헌도 함께 고찰하였다. 체계적 문헌고찰 방법론에 따라 정확도와 위험도 보정을 주요 키워드로 선정하여, PRISMA 흐름도를 참고하여 문헌 분류를 진행하였고, 분류된 문헌은 핵심 질문을 중심으로 주요 결과를 정리하였다. 그리고 이러한 선행 문헌을 참고하여 POA 지표의 Y코드 태깅 정확도를 검증할 수 있는 연구 도구를 개발하였다. 구체적으로는, Y코드의 정확도를 검토하기 위해, 7차 KCD를 기준으로 내외부 전문가 검토를 통해 POA 가능성이 높은 진단코드를 분류하였다. 이후 최종 선별된 분류체계 도구를 KCD 대분류별로 빈도분석하고, 선행 연구에서 개발한 연구 도구와의 비교를 위해 상관분석을 진행하였다.

연구 결과 체계적 문헌고찰 분류에 따라 POA 지표의 정확도와 관련된 논문 7편과 POA 지표를 활용한 위험도 보정 논문 11편을 검토하였다. 먼저 POA 지표의 정확도를 살펴본 결과, 일부 시술이나 질환에 따라 POA 지표의 질이 불완전(30~45%)하거나, 민감도(38.2%)가 낮게 나타났다. 그리고 POA에 해당하는 상병임에도 Y코드가 아닌 다른 코드로 태깅된 경우가 26.5%로 나타났으며(양성예측값: 73.5%), 이는 의료기관의 종류나 질환 위치에 따라 차이가 있었다. 그리고 POA 지표를 위험도 보정에 활용하였을 때 모델의 설명력(C-통계량≥0.7)이 높아지고, 재원기간, 사망률, 비용과 같은 주요 결과지표의 개선된 수치를 제공하는 데 기여하였다. 이번 연구에서는 체계적 문헌고찰을 바탕으로 Y코드 분류체계를 개발하였다. 7차 KCD를 기준으로 만성질환, 선천성 질환 등 주요 4가지 기준에 따라 POA 가능성이 높은 진단코드가 총 11,533개의 코드를 분류체계 코드로 선정하였다. KCD 대분류 기준으로, POA 분포가 높은 항목은 “건강 상태 및 보건서비스 접촉에 영향을 주는 요인(Z00-Z99)”(62.4%), “신생물(C00-D48)”(61.5%), “선천 기형, 변형 및 염색체 이상(Q00-Q99)”(50.9%) 순이었다. 해당 항목들에서는 만성질환, 선천성 질환 등 대부분 병원에서 발생하는 합병증으로 보기 어려운 상병들의 비중이 높았다. 분류체계를 선행 연구의 도구(Jackson 알고리즘)와 비교해 본 결과, 대분류별 POA 지표 분포가 두 도구 모두 높은 수준의 양의 상관관계가 있었다(r>0.7, p<0.001).

연구 결론 여러 문헌을 토대로 POA 지표가 동반질환 보정에 있어 유용하게 활용될 수 있음을 시사하였으며, 의료 질 영역에 있어 POA 지표의 활용을 긍정적으로 바라보고 있었다. 그러나 이러한 관점은 어디까지나 POA 지표의 정확도를 전제로 두고 있었다. 앞서 정확도와 관련된 문헌에서 도출된 결과들은 POA 지표의 정확도가 그리 높은 수준이 아님을 방증하고 있었다. 그런 의미에서 이번 연구의 Y코드 분류체계가 POA 지표의 정확도를 검토하고 개선 방향성을 제시하는 주요 기준이 될 수 있을 것으로 기대한다. 또 POA 지표의 정확도를 높이기 위해서는 검토 도구 개발과 더불어 다각적인 접근이 필요하다. 예를 들어 사례 중심의 지침 개발과 함께 중앙기관의 감사 제도 도입이 필요하고, 각 의료기관에서는 관심을 가지고 안정화된 태깅 체계와 코더를 지원하기 위한 환경을 구축해야 한다. 정확도가 향상된 POA 지표를 통해 의료 질 결과지표의 형평성을 높이고 이를 기반으로 의료 질 영역에서의 긍정적인 역할을 기대하는 바이다.

중심단어: 입원 시 상병(Present on admission), 위험도 보정(Risk adjustment), 타당도(Validity)