| Home | E-Submission | Sitemap | Editorial Office |  
top_img
J Health Info Stat > Volume 47(1); 2022 > Article
정신질환이 동반된 입원환자의 특성과 주진단과의 연관성

Abstract

Objectives

The purpose of this study was to determine the prevalence of the principal diagnosis among hospitalized patients with mental disorders and to investigate the association between the principal diagnosis and mental diseases as comorbidity.

Methods

The subjects of this study were patients with mental disorders, regardless of the main diagnosis, among the Korean National Hospital Discharge In-depth Injury Survey (KNHDS) from 2006 to 2018. Frequency analysis was performed on the general characteristics, principal diagnosis, and mental disorders of the study subjects. The association between the principal diagnosis and mental diseases was analyzed for patterns using association rule mining (ARM).

Results

The main result is that liver diseases are fairly associated with behavioral disorders due to psychoactive substance use. And then organic, including symptomatic, and mental disorders are associated with cerebrovascular diseases, Influenza and pneumonia, and other degenerative diseases of the nervous system. Mood disorders are linked to poisoning by drugs, medicaments, and biological substances.

Conclusions

It is necessary to raise awareness of mental diseases and to build a care cooperative system between diseases that are highly associated. It will be possible to monitor key association rules and apply them to clinical decision-making systems.

서론

산업화와 정보화 사회를 거처 현재 급격한 사회의 변화는 스트레스 증가의 원인이 되고 있으며 이로 인한 정신질환은 공중보건에서 관심이 높아지고 있다[1]. 세계보건기구가 시행하는 세계정신건강(World Mental Health, WMH)조사결과 불안장애, 파괴적 행동장애, 약물남용과 같은 물질장애가 주요 정신질환이며, 국가별로 유병률이 13.4%에서 36.1%에 달하고 있다[2,3]. 2021년 발표된 우리나라의 정신건강실태조사에서도 정신질환의 1년 유병률이 남자 8.9%, 여자 8.0%, 전체 8.5%로 나타났으며, 평생 유병률은 남자 32.7%, 여자 22.9%, 전체 27.8%로 평생 암유병률에 근접한 수준이다[4]. 이는 고혈압(27.9%)과 비슷하거나 당뇨(9.5%), 고콜레스테롤혈증(17.9%)보다 높은 수준이다[5]. 또한 2020년부터 시작된 코로나19 감염 확산으로 인해 앞으로 정신질환의 유병률은 더욱 높아질 것으로 예상된다. 더욱이 고령화를 통한 인구구조의 변화와 기대 수명의 증가로 인해 정신질환의 장기적 부담도 증가할 것으로 예상된다. 정신질환은 높은 유병률 뿐 아니라 질병 부담도 상승하는 추세이다. 2010년 데이터에 따르면 전 세계인 정신질환의 직간접적 경제적 비용은 2조 5,000억 달러로 추산된다. 중요한 것은 심혈관 질환 및 암과 같은 만성질환보다 더 크게 나타났으며, 2030년에는 6조 달러에 달하는 등 경제적 부담이 두 배 이상 될 것으로 예측된다[6].
그 동안 의학의 발달로 인하여 정신질환에 대한 임상적 치료수준은 상당히 향상되었으나 여전히 치료격차가 존재하고[7] 다양한 신체질환을 동반하는 특성으로 인하여 정신질환이나 만성질환을 개별적으로 치료하기 보다는 이들 간의 연관관계를 확인하고 통합된 의료서비스를 제공하는 것이 시급하다. 최근 정신질환과 공존하는 신체질환에 대한 몇몇 연구를 살펴보면 대표적인 만성질환인 당뇨병과 고혈압 환자의 경우 우울증을 동반할 경우 그렇지 않은 환자보다 내원일수가 길고 의료비가 높게 나타났으며, 우울증은 내원일수와 총진료비에 영향을 미친다고 하였다[8]. 지역사회 표본자료를 이용한 연구에서도 중증정신질환을 가진 환자가 그렇지 않은 환자에 비하여 소화기계질환, 당뇨병, 만성통증, 호흡기질환, 관절염, 혈관질환과 같은 만성질환의 위험이 더 높고 주관적 건강상태에도 영향을 미친 것으로 나타났다[9]. 우울장애는 심근경색이나 골밀도 저하에 따른 골절의 가능성을 높이며[5], 암환자의 경우 죽을 수 있다는 심리적 스트레스나 장기간 치료에 대한 부담으로 인해 불안장애 발생의 위험이 증가하기도 한다[10]. 이처럼 정신질환 진단 이후에 신체질환이 발병 되기도 하지만, 이와는 반대로 신체질환으로 인한 정신질환의 발병가능성이 존재하기 때문에 이들 공존질환에 대한 통합된 연구가 필요하다. 앞서 정신질환과 신체질환의 공존가능성을 확인하였으나 특정 정신질환과 신체질환에만 국한된 제한된 연구[8]이거나 보험적용이 가능한 약물이나 치료를 처방하기 위해 진단명이 왜곡될 가능성이 있는 건강보험 청구자료를 이용한 연구[5,11], 일부 지역이나 병원자료를 이용한 연구[9]이므로 한계가 있다. 따라서 이를 극복할 수 있는 연구로 질병자료에 기반한 정신질환과 주요 신체질환인 주진단을 통합적으로 분석하여 이들 간의 연관규칙을 확인할 필요가 있다고 판단하였다. 이를 위해 전국 단위의 퇴원환자자료인 퇴원손상심층조사자료를 통해 비율중심의 기술통계분석에서 탈피하여 ARM (association rule mining)을 적용해 보고자 한다.
본 연구의 목적은 정신질환이 동반된 병원 입원환자의 주진단 유병률을 확인하고 이들의 동반된 정신질환과 주진단이 어떤 연관성이 있는지를 규명하는 것이다. 이를 통해 정신질환에 대한 적극적인 치료의 필요성을 제기하고 나아가 정신질환이 동반된 입원환자의 치료와 관리방안에 대한 시사점을 제공하고자 한다.

연구방법

연구대상

본 연구는 2006년부터 최근자료인 2018년까지 조사된 퇴원손상심층조사의 원시자료를 활용하였다. 2005년도 첫 해 조사자료는 부진단 및 조사항목이 이후 년도의 자료와 일치하지 않아 제외하였다. 퇴원손 상심층조사자료는 질병관리청에서 매년 전년도 퇴원환자를 대상으로 수집하는 국가승인통계(통계청 승인번호 117060)이다. 질병관리청은 표본병원과 이들 병원의 표본환자를 대상으로 층화이단집락추출을 사용하여 최종 표본을 선정하는데, 층화변수는 4개의 그룹으로 구분한 병상수를 활용하고 있다[12]. 질병데이터를 이용한 연구에서 퇴원손상심층조사자료의 장점은 보험청구 데이터가 아니기 때문에 보험수가 인정을 위한 진단명 왜곡이 존재하지 않는다는 것이다. 조사항목으로 성별, 연령, 퇴원일 등 개인특성과 주진단, 부진단, 수술 및 처치와 같은 임상적 자료를 포함하고 있다. 주진단과 부진단은 ICD-10에 기반한 한국표준질병사인분류로 분류되었다. 질병관리청의 자료제공 절차에 따라 개인식별이 가능한 변수를 제외하고 연구자료를 확보하였다. 본 연구는 동반된 정신질환과 주진단의 연관성을 분석하기 위하여 2006-2018년 퇴원손상심층조사자료에서 주진단과 상관없이 부진단이 정신 및 행동장애(F00-F99)를 동반한 퇴원환자 71,441명을 최종 분석대상으로 선정하였다. 한국표준질병분류상 정신 및 행동장애(F00-F99)는 정신질환을 의미하며, 이를 제외한 주진단은 신체질환에 해당한다.

연구도구

연구대상자의 일반적 특성과 관련한 변수는 성별, 연령, 보험유형, 입원경로, 치료결과, 퇴원 후 향방, 수술여부, 입원한 병원의 병상수이다. 성별은 남과 여, 연령은 생애주기별 연령을 적용하여 18세 이하, 19-44세, 45-64세, 65-74세, 75세 이상으로 재분류하였다. 보험유형은 건강보험, 의료급여1종, 의료급여2종, 기타로 구분하였다. 입원경로는 응급, 외래, 기타로 치료결과는 향상, 향상되지 않음, 사망, 기타로 분류하였다. 퇴원 후 향방은 귀가, 타병원, 사망, 기타로 분류하였다. 주수술 코드가 있는 경우 수술한 것으로 보고 그렇지 않은 환자는 수술하지 않은 것으로 분류하였다. 입원한 의료기관의 병상수는 원시자료에서 분류한 기준대로 100-299, 300-499, 500-999, 1,000병상 이상으로 분류한 자료를 활용하였다. 주진단과 부진단은 한국표준질병사인분류 코드로 분류된 자료를 이용하였다. 퇴원손상심층조사자료는 퇴원환자 마다 1개의 주진단과 최대 20개의 부진단이 수집되는데, 본 연구에서는 주진단과 정신 및 행동장애(F00-F99)에 해당하는 부진단만 추출하였고, 자료분석과 질병군을 적절히 표기하기 위하여 3단위숫자 항목분류표에서 대분류, 중분류의 분류체계를 기준으로 분류하였다.

분석방법

연구대상자의 일반적 특성은 성별에 따른 분포를 살피기 위해 교차분석을 실시하였다. 주진단과 부진단의 분포는 기술통계를 사용하였다. 이들 분석에는 SPSS 26.0 (IBM Co., Armonk, NY, USA) 통계프로그 램을 사용하였다. 정신 및 행동장애로(F00-F99)로 분류되는 정신질환과 연구대상의 주진단의 연관관계를 분석하기 위한 통계프로그램은 R version 4.1.0 (R Foundation for Statistical Computing)을 이용한 연관규칙을 적용하였다. 연관규칙을 분석하기 위해 해당 질병이 있는지 없는지를 이분형 매트릭스 구조로 변환한 후 apriori 알고리즘을 이용하였고, 연관규칙의 시각화는 arulesViz을 사용하였다. Apriori는 연관규칙에서 주로 사용되는 사건의 발생 중심으로 설계된 알고리즘이다[13]. 최근 보건의료분야의 동반질환 간 분석이나 임상적 의사결정에도 활용되고 있는 추세이며, 머신러닝의 비지도학습으로 분류되는 분석방법이다[14,15]. 이에 따라 질병간 패턴을 확인하는 본 연구에 유용한 알고리즘으로 판단하였다. Apriori 알고리즘의 평가기준으로 지지도(support), 신뢰도(confidence), 향상도(lift), IS(interest support) scale을 사용하였다.
본 연구에서 지지도는 전체 연구대상자중 질환 A와 B가 함께 진단된 비율을 말한다. 신뢰도는 질환 A가 있는 환자중에서 질환 B가 함께 존재하는 비율이며, 연관규칙의 효용성을 나타내는 지표인 향상도는 질환 A와 B가 독립적으로 진단되는 확률 대비 함께 진단되는 확률을 말한다. 관련이 높은 연관규칙을 제시할 때 주로 향상도를 사용하지만 본 연구에서는 지지도와 향상도를 모두 고려한 interest support (IS) scale을 제시하였다. IS scale은 지지도와 향상도를 곱한 값의 제곱근으로 계산되며 클수록 중요한 연관규칙을 의미한다. 이들 주요 지표의 공식은 아래와 같다.
Equation 1
Support(diseaseAdiseaseB)=P(diseaseA,diseaseB)Totalnumberofpatient
Equation 2
Confidence(diseaseAdiseaseB)=P(diseaseA,diseaseB)P(diseaseA)
Equation 3
Lift(diseaseAdiseaseB)=P(diseaseA,diseaseB)P(diseaseA)P(diseaseB)
Equation 4
IS(diseaseAdiseaseB)=Support(AB)×Lift(AB)
한국표준질병사인분류의 중분류 카테고리가 267개로 많고 표본이 큰 본 연구의 특성을 고려하여 최소 지지도 >0.01과 최소 신뢰도 >0.1을 만족하는 초기 연관규칙을 추출하였다[16]. 우연한 패턴(lift=1)이거나 연관규칙의 효용성이 낮은(lift<1)규칙을 제외하기 위해 lift>1인 조건을 추가 적용한 후 IS scale이 높은 순서로 제시하였다[16]. 이렇게 선정된 연관규칙은 arulesViz을 사용하여 네트워크 그래프로 시각화하였다.

연구결과

연구대상자의 일반적 특성

성별은 여자가 38,778명(54.3%)으로 남자 32,663명(45.7%)보다 많았다. 연령별로 살펴보면, 남성은 45-64세가 35.38%로 가장 높은 비율은 차지하였으나 여성은 75세 이상이 35.50%로 가장 높아 유의한 분포차이를 보이는 것으로 나타났다 (p <0.001). 대상자의 보험유형은 건강보험이 남자 76.20%, 여자 79.53%로 여성이 다소 높았으며, 의료급여1종은 남성 15.78%, 여성 15.57%로 비슷한 수준이었다. 의료급여2종은 남성이 2.28%로 여성 1.58%보다 다소 높았다 (p <0.001). 입원경로는 응급실을 통한 경우 남성은 49.91%로 여성은 44.82%보다 높은 반면, 외래의 경우 여성 55.02%로 남성 49.91%보다 높았다 (p <0.001). 치료결과의 경우 남성은 89.07%가 향상되었으며 여성은 91.83%가 향상되었다. 사망은 남성이 4.98%로 여성 3.43%보다 높았다 (p <0.001). 퇴원 후 향방은 여성이 88.17%가 귀가한 반면, 남성은 84.23%로 여성보다 다소 낮았다. 타병원 전원은 남성 9.95%로 여성 7.74%보다 높게 분포하였다 (p <0.001). 수술여부는 남성이 14.33%, 여성 14.27%로 비슷한 수준이었다 (p=0.795). 입원한 병원의 병상규모는 남성의 경우 절반이 넘는 대상자가 500-999병상에 분포하였으나 여성의 경우 남성과 비교하면 100-299병상 규모에서 높은 비율을 차지하였다 (p <0.001) (Table 1).
Table 1.
Demographic characteristics of inpatients with mental disorder as comorbidity
Variables Male (n=32,663)
Female (n=38,778)
χ2 p
n % n %
Age group (y)
 ≤18 1,365 4.18 1,168 3.01 1,603.10 <0.001
 19-44 5,603 17.15 6,926 17.86    
 45-64 11,556 35.38 9,687 24.98    
 65-74 6,504 19.91 7,230 18.64    
 ≥75 7,635 23.38 13,767 35.50    
Insurance type
 National health 24,888 76.20 30,841 79.53 305.81 <0.001
 Medicaid I 5,154 15.78 6,036 15.57    
 Medicaid II 746 2.28 611 1.58    
 Others 1,875 5.74 1,290 3.33    
Admission route
 Emergency 16,301 49.91 17,379 44.82 185.24 <0.001
 Outpatient 16,303 49.91 21,334 55.02    
 Others 59 0.18 65 0.17    
Treatment outcome
 Improved 29,092 89.07 35,608 91.83 166.60 <0.001
 Not improved 1,854 5.68 1,753 4.52    
 Death 1,626 4.98 1,330 3.43    
 Others 91 0.28 87 0.22    
Disposition
 Return-home 27,512 84.23 34,190 88.17 241.27 <0.001
 Other hospital 3,251 9.95 3,003 7.74    
 Death 1,626 4.98 1,330 3.43    
 Others 274 0.84 255 0.66    
Operation
 No 27,981 85.67 33,246 85.73 0.07 0.795
 Yes 4,682 14.33 5,532 14.27    
Number of hospital beds
 100-299 7,010 21.46 9,789 25.24 146.57 <0.001
 300-499 4,239 12.98 4,917 12.68    
 500-999 16,888 51.70 19,160 49.41    
 ≥1,000 4,526 13.86 4,912 12.67    
Total 32,663 100.00 38,778 100.00    

주진단 분포

연구대상자의 주진단을 분석하기 위해서 한국표준질병사인분류 대분류 기준으로 분류하였다. 주진단의 다빈도 그룹을 분석한 결과 Table 2와 같다. 10% 이상 분포하는 다빈도 그룹은 손상, 중독 및 외인에 의한 특정 기타 결과(S00-T98) 13.00%, 순환계통의 질환(I00-I99) 12.00%, 소화계통의 질환(K00-K93) 11.80%, 정신 및 행동 장애(F00-F99) 10.20%순으로 나타났다. 5% 이상 차지하는 다빈도 그룹은 호흡계통의 질환(J00-J99) 8.80%, 신경계통의 질환(G00-G99) 8.00%, 신생물(C00-D48) 7.80%, 내분비, 영양 및 대사 질환(E0-E90) 5.00%순으로 나타났다. 1% 이하의 낮은 분포를 보이는 질환은 귀 및 유돌의 질환(H60-H95) 0.80%, 피부 및 피하조직의 질환(L00-L99) 0.70%, 혈액 및 조혈기관의 질환과 면역메커니즘을 침범한 특정 장애(D50-D89) 0.50%, 임신, 출산 및 산후기(O00-O99) 0.30% 등으로 나타났다.
Table 2.
Distribution of principal diagnosis of study population
Principal diagnosis n %
S00-T98 Injury, poisoning and certain other consequences of external causes 9,255 13.00
I00-I99 Diseases of the circulatory system 8,570 12.00
K00-K93 Diseases of the digestive system 8,456 11.80
F00-F99 Mental and behavioral disorders 7,279 10.20
J00-J99 Diseases of the respiratory system 6,307 8.80
G00-G99 Diseases of the nervous system 5,685 8.00
C00-D48 Neoplasms 5,543 7.80
E00-E90 Endocrine, nutritional and metabolic diseases 3,543 5.00
N00-N99 Diseases of the genitourinary system 3,454 4.80
M00-M99 Diseases of the musculoskeletal system and connective tissue 3,002 4.20
Z00-Z99 Factors influencing health status and contact with health services 2,938 4.10
R00-R99 Symptoms, signs and abnormal clinical and laboratory findings, not elsewhere classified 2,871 4.00
A00-B99 Certain infectious and parasitic diseases 2,589 3.60
H60-H95 Diseases of the ear and mastoid process 587 0.80
L00-L99 Diseases of the skin and subcutaneous tissue 512 0.70
D50-D89 Diseases of the blood and blood-forming organs and certain disorders involving the immune mechanism 326 0.50
O00-O99 Pregnancy, childbirth and the puerperium 228 0.30
H00-H59 Diseases of the eye and adnexa 167 0.20
Q00-Q99 Congenital malformations, deformations and chromosomal abnormalities 129 0.20
Total   71,441 100.00

정신과적 동반질환 분포

정신 및 행동 장애(F00-F99)로 분류되는 연구대상자의 정신과적 동반질환을 분석하기 위해서 한국표준질병사인분류 중분류를 기준으로 분류하고 이들 분포를 분석한 결과 Table 3과 같다. 동반질환은 주진단과 달리 같은 입원기간에 여러 질병이 함께 진단된다. 따라서 다중 응답으로 분석한 결과 연구대상자 71,441명은 총 81,513개의 정신과적 동반질환이 있는 것으로 분석되었다. 연구대상자 중 10% 이상 분포하는 질환은 증상성을 포함하는 기질성 정신장애(F00-F09) 38.86%로 가장 높고, 기분[정동]장애(F30-F39) 26.62%, 신경증성, 스트레스-연관 및 신체형 장애(F40-F48) 19.46%, 정신활성물질 사용에 의한 정신 및 행동 장애(F10-F19) 12.62% 순으로 나타났다. 소아기 및 청소년기에 주로 발병하는 행동 및 정서 장애(F90-F98), 상세불명의 정신장애(F99)는 각각 0.69%와 0.25%를 차지하여 낮은 비율을 보였다.
Table 3.
Distribution of mental disorders of study population
Mental disorders   n %1
F00-F09 Organic, including symptomatic, mental disorders 27,759 38.86
F30-F39 Mood disorders 19,015 26.62
F40-F48 Neurotic, stress-related and somatoform disorders 13,900 19.46
F10-F19 Mental and behavioral disorders due to psychoactive substance use 9,017 12.62
F50-F59 Behavioral syndromes associated with physiological disturbances and physical factors 4,150 5.81
F20-F29 Schizophrenia, schizotypal and delusional disorders 4,027 5.64
F70-F79 Mental retardation 1,244 1.74
F60-F69 Disorders of adult personality and behavior 930 1.30
F80-F89 Disorders of psychological development 803 1.10
F90-F98 Behavioral and emotional disorders with onset usually occurring in childhood and adolescence 490 0.69
F99 Unspecified mental disorder 178 0.25
Total   81,513 100.00

1 The denominator is the number of the study population. Because of comorbidities may have multiple diagnoses during the same hospitalization.

정신과적 동반질환과 주진단의 연관성 분석

정신과적 동반질환과 주진단의 연관성을 분석하기 위하여 apriori 알고리즘을 이용한 연관성 규칙을 분석하였다. 분석방법에 따라 초기 모델에서 향상도가 1 이하인 규칙을 제외하고 IS scale이 높은 순으로 분석한 결과 12개의 규칙이 생성되었다(Table 4). 향상도는 최소 1.037에서 최대 5.392까지 분포하는 것을 알 수 있다. 향상도가 1보다 작을 경우 연관관계가 우연이거나 낮은 것을 뜻한다.
Table 4.
Association rules between principal diagnosis and mental disor ders of study population
No Rules n Support Confidence Lift IS scale
1 K70-K77→ F10-F19 2,107 0.029 0.714 5.392 0.399
2 F10-F19→ K70-K77 2,107 0.029 0.223 5.392 0.399
3 I60-I69→ F00-F09 2,424 0.034 0.634 1.679 0.239
4 J09-J18→ F00-F09 2,074 0.029 0.681 1.804 0.229
5 G30-G32→ F00-F09 1,104 0.015 0.967 2.562 0.199
6 T36-T50→ F30-F39 992 0.014 0.738 2.552 0.188
7 S70-S79→ F00-F09 1,126 0.016 0.781 2.070 0.181
8 C15-C26→ F00-F09 912 0.013 0.422 1.118 0.119
9 S00-S09→ F00-F09 766 0.011 0.491 1.301 0.118
10 I30-I52→ F00-F09 752 0.011 0.472 1.252 0.115
11 Z40-Z54→ F30-F39 808 0.011 0.300 1.037 0.108
12 E10-E14→ F30-F39 730 0.010 0.320 1.107 0.106

IS, interest support.

Korean Standard Classification of Diseases (KCD) code and description C15-C26, Neoplasm of digestive organs; E10-E14, Diabetes mellitus; F00 F09, Organic, including symptomatic, mental disorders; F10-F19, Menta and behavioral disorders due to psychoactive substance use; F30-F39 Mood [affective] disorders; G30-G32, Other degenerative diseases of the nervous system; I30-I52, Other forms of heart disease; I60-I69, Cerebrovas cular diseases; J09-J18, Influenza and pneumonia; K70-K77, Diseases of liv er; S00-S09, Injuries to the head; S70-S79, Injuries to the hip and thigh; T36 T50, Poisoning by drugs, medicaments and biological substances; Z40 Z54, Persons encountering health services for specific procedures and health care.

정신활성물질 사용에 의한 정신 및 행동 장애(F10-F19)만을 진단 받은 확률보다 간질환(K70-K77)을 진단 받은 자 중 추가적으로 정신질환을 진단 받을 확률이 약 5.4배(lift) 큰 것으로 나타났다. 증상성을 포함하는 기질성 정신장애(F00-F09)를 동반하는 환자는 여러 주진단과 연관관계가 높은 것으로 분석되었다. 정신활성물질 사용에 의한 정신 및 행동 장애(F10-F19)만을 진단 받은 확률보다 추가적으로 뇌혈관질환(I60-I69)이 동반될 확률이 1.7배(lift), 인플루엔자 및 폐렴(J09-J18)이 동반될 확률은 1.8배(lift), 신경계통의 기타 퇴행성 질환(G30-G32)이 동반될 활률은 2.6배(lift), 고관절 및 대퇴의 손상(S70-S79)의 동반확률은 2.1배(lift), 소화기관의 악성신생물(C15-C26) 1.1배(lift), 기타 형태의 심장병(I30-I52) 1.3배(lift)로 나타났다. 기분장애(F30-F39)를 동반으로 하는 주진단의 연관성은 다음과 같다. 기분장애(F30-F39)만을 진단받은 확률보다 약물, 약제 및 생물학적 물질에 의한 중독(T36-T50)이 함께 동반될 확률은 2.6배(lift)로 높은 반면, 당뇨병(E10-E14)이 함께 동반될 확률은 1.1배(lift), 특정 처치 및 건강관리를 위하여 보건서비스와 접하고 있는 사람(Z40-Z54)을 함께 진단받을 확률은 1.0배(lift)로 낮은 것으로 분석되었다.
네트워크 그래프를 통한 연관성규칙의 시각화는 Figure 1과 같다. 원의 크기는 지지도의 크기를 나타내며, 색상이 붉을수록 향상도가 높은 것을 의미한다. 네트워크 그래프는 정신활성물질 사용에 의한 정신 및 행동 장애(F10-F19), 증상성을 포함하는 기질성 정신장애(F00-F09), 기분[정동]장애(F30-F39)를 중심으로 각각 개별 네트워크가 형성되었으며, 간의 질환(K70-K77), 뇌혈관질환(I60-I69), 인플루엔자 및 폐렴(J09-J18)과 같은 주진단이 주요 연관규칙임을 시각적으로 볼 수 있다.
Figure 1.
Network graph for Association rules analysis. KCD code and description: See the comments at the bottom of Table 4. KCD, Korean Standard Classification of Diseases.
jhis-47-1-57f1.jpg

고찰 및 결론

정신질환은 우리나라뿐 아니라 전세계적으로도 유병률과 질병부담이 증가하는 질환이며 장기간 지속되는 특성으로 인해 다양한 신체질환의 발병률이 높아 이들을 함께 고려하는 환자관리가 필요하다. 그 동안 정신질환과 신체질환이 함께 동반된 여러 연구가 시행되었으나, 일부 지역사회나 병원과 같은 소규모의 제한된 연구, 진단명의 편향이 존재하는 건강보험 청구데이터를 사용한 연구 등 제한점이 있었다. 본 연구에서는 이를 극복하기 위해 전국 표본병원 기반의 퇴원손상심층조사자료를 이용하여 정신질환과 주진단의 연관규칙을 규명하고자 시행하였다.
정신질환이 동반된 입원환자의 성비를 살펴보면 Kim et al. [17]의 연구결과에서는 여성이 51.8%로 남성 48.2%에 비하여 높은 것으로 나타났다. 국외 연구를 살펴보면 양극성 장애와 주의력 결핍 과잉행동장애 등을 제외하면 남성보다 여성의 비율이 높은 것을 알 수 있다[18]. 본 연구에서도 여성이 54.3%를 차지하여 선행연구와 일치하는 결과를 보였다. 여성이 남성보다 높은 이유로 성별 병인론적 이유와 만성질환에 의한 영향에 기인한다는 보고가 있다[18]. 우울증의 경우 여성이 남성보다 2배 이상 높게 보고되었는데, 이는 사회적 대인관계 및 생물학적 차이의 결합요인이 주요 원인이라고 하였다[19]. 이러한 결과는 여성이 남성보다 정신질환이 빈번히 동반하는 것을 시사하고 있어 여성환자에 대한 정신과적 치료연계가 더욱 필요하다. 연령군별로 분석한 결과를 보면 남성은 45-64세에서 정실질환이 가장 많이 동반되는 반면 여성은 75세 이상의 연령에서 정신질환을 가장 많이 동반하는 것으로 나타나 성별 뿐 아니라 연령에서도 차이가 있었다. 국내 복합질환에 대한 단면적 연구에서도 남성보다 여성이 그리고 연령이 높을수록 정신 질환 동반비율이 높다고 보고하고 있어 본 연구결과를 지지하는 것으로 나타났다[20]. 따라서 향후 연구에서는 성별과 연령을 구분하여 다양한 집단을 대상으로 심층연구가 필요함을 시사한다.
정신질환이 동반된 환자들의 주진단 분포를 분석한 결과 손상, 중독 및 외인에 의한 특정 기타 결과, 순환기계 질환, 소화기계 질환, 정신질환, 호흡계통의 질환 등이 높게 나타났다. 미국의 입원환자 표본자료를 바탕으로 조사한 연구결과에 의하면 외상성 뇌손상 환자들은 우울증, 양극성 장애, 불안장애와 같은 정신질환이 동반된다고 보고하였으며 정신분열병은 퇴원결과에도 나쁜 영향을 미친다고 하였다[21]. 또한 외상성 뇌손상 환자들은 불완전한 회복과 장기간 입원으로 인해 정신질환이 동반될 가능성이 높고[22], 반대로 향정신성 물질의 사용으로 인해 더욱 심각한 두개내 손상으로 이어질 수 있기 때문에[23] 이러한 연관성에 주목할 필요가 있다. 북유럽 국가의 연구에서는 심혈관 질환 환자가 정신질환을 동반할 경우 사망률이 2-3배 증가하며[24], 특히 양극성 정동 장애나 조현병의 동반으로 인한 사망률은 증가추세라고 하였다[25]. 이러한 결과는 과로에 의한 것으로 파악되는데, 직장인을 대상으로 한 연구에서 장시간 노동에 의한 과로는 우울증과 불안장애의 경우 1.3-1.7배, 관상동맥질환이나 뇌졸중은 1.13-1.33배 발생위험이 높다고 하였다[26,27]. 소화기계 질환과 정신질환의 동반을 시사 하는 연구는 매우 드물었는데, 국내의 한 보고에 의하면 9개 역류증상지수 중 우울증과 이들 모두와 통계적 상관성이 있는 것으로 나타났으며, 불안증은 8개 항목, 신체화 장애를 가진 환자는 5개 항목과 관련이 있었다. 하지만 후두내시경 검사에서 특별한 이상소견이 없는 환자들에 대해서는 정신적인 문제로 인한 신체화 장애와 연관성을 추론하기도 하면서 정신과적 평가의 필요성이 있다고 하였다[28]. 선행연구에서 기분장애가 주진단인 환자들의 정신질환 동반 유병률은 27.28%로 나타났으나[29], 본 연구에서는 정신질환 동반 유병률이 10.20%로 차이가 있었다. 선행연구는 기분장애가 주진단인 환자가 대상이며 본 연구는 모든 정신질환을 포함하기 때문에 다르게 나타났다. 출생부터 50세까지 추적 관찰한 핀란드의 연구에서 조현병을 제외한 정신질환 환자들은 호흡기 질환(AHR=1.27), 소화기계 질환(AHR=1.31), 신경계 질환(AHR=1.61)의 위험성이 높다고 보고하였으나 암질환은 조현병이 동반된 환자에게서 위험률(AHR=1.33)이 높은 것으로 나타났다[30]. 본 연구에서도 정신질환이 동반된 환자의 주요 주진단으로 호흡기계 질환, 신경계 질환, 암질환이 나타나 환자관리에 유의할 필요가 있다.
본 연구대상자들에게 동반된 정신질환의 분포를 보면, 증상성을 포함하는 기질성 정신장애, 기분장애, 신경증성, 스트레스연관 및 신체형 장애, 정신활성물질 사용에 의한 정신 및 행동장애가 주를 이루고 있었다. 증상성을 포함하는 기질성 정신장애로 분류되는 치매, 섬망은 뇌손상 및 뇌질환과 관련되기 때문에[31] 높은 분포를 보이며, 치매는 고령화로 인해 더욱 증가할 것으로 전망된다. 기분장애의 분포가 높은 이유는 앞서 살펴본 선행연구에서도 나타나듯이 외상성 뇌손상, 과로, 불완전한 회복과 장기간 입원 등과 관련이 있을 것으로 해석된다[2124]. 향후 구체적인 원인규명을 위한 다양한 연구가 필요하다.
본 연구에서는 입원환자의 주진단과 정신과적 동반질환의 구체적인 연관관계를 규명하기 위하여 데이터마이닝 방법 중 연관관계 규칙 분석을 활용하였다. 선행연구와 본 연구자료의 특성을 고려하여 지지도 >0.01, 신뢰도 >0.1을 기준으로 분석한 결과 12개의 연관규칙을 발견하였다. 간질환과 정신활성물질 사용에 의한 정신 및 행동 장애의 IS scale이 0.399로 연관관계가 가장 높게 나타났다. 이는 전해질 장애, 중추신경계의 감염, 특정 약물 사용에 대한 부작용이 간손상으로 이어진다는 보고가 있으며[32], 정신활성 물질 중 알콜의 과다한 섭취는 지방간이나 간경변으로 이어질 수 있기 때문이다[33]. 따라서 이러한 연관성을 고려하여 추가 질환이 발생하지 않도록 주의 깊게 관찰하여야 한다. 증상성을 포함하는 기질성 정신장애 중 대표적인 섬망은 고령 입원환자의 60% 이상 발병하는 것으로 알려져 있으며, 기저질환과 밀접한 관련이 있다[34]. 뇌졸중, 간질, 대사이상이 있을 경우 섬망의 발병률이 높으며, 단일요인을 보유한 환자보다 위험인자간 상호작용이 동반될 경우 발병률은 더욱 커진다[35]. 선행연구에서도 말기 암환자의 골전이나 모르핀 등 마약성 진통제의 사용은 섬망을 일으키는 위험인자이며 치명률을 높인다고 하였다[36]. 본 연구에서도 뇌혈관 질환, 인플루엔자 및 폐렴, 신경계통의 기타 퇴행성 질환, 고관절 및 대퇴의 손상, 소화기관의 악성신생물, 머리의 손상이 증상성을 포함하는 기질성 정신장애와 연관성이 높아 선행연구를 일부 지지하는 것으로 나타났다. 본 연구에서 약물, 약제 및 생물학적 물질에 의한 중독환자의 73.8%는 기분장애가 동반되는 것으로 분석되었다. 캐나다의 약물중독 치료환자를 연구한 결과에 따르면 49.8%가 우울증과 같은 기분장애를 동반하는 것으로 나타나[37], 본 연구 결과와 수치적인 차이는 있으나, 우울증은 자존감이 낮아지고 약물중독으로 빠지는 요인인 것은 틀림없다[38]. 연관규칙을 시각화하면 주요 정신질환을 중심으로 주진단의 경로가 이어지는 것을 볼 수 있다. 과거 누적된 의료기관의 자료를 이용하여 질환간 연관규칙을 파악하고 협진체계 강화 등 의료서비스를 개선하면 맞춤치료로 인해 의료의 질 향상을 높이는데 도움이 될 것이다.
본 연구는 자료의 신뢰성과 분석방법의 타당성을 중심으로 기존 선행연구의 제한점을 극복하고자 정신질환과 신체질환의 통합적인 연관규칙을 제시하고 임상적 의의를 고찰하였음에도 몇 가지 제한점 있다. 첫째 퇴원손상심층조사자료는 전국의 표본병원을 대상으로 퇴원환자의 자료를 수집한 것이므로 외래환자와 100병상 미만 의료기관에서 퇴원환 정신질환 환자의 자료가 제외되었으며 매년 동일한 환자가 표본으로 추출될 확률이 있으므로 연구결과의 일반화에 유의할 필요가 있다. 정신질환은 사회적 편견과 OECD평균 30% 수준에도 못 미치는 인적자원[39], 예산의 부족으로 치료격차가 존재하고[40] 낮은 의료이용 때문에 연구대상이 과소추정 될 수 있다. 향후 연구에서는 포괄적인 자료수집 체계를 고려할 필요가 있다. 둘째, 2차자료의 한계로 인하여 정신질환과 신체질환의 시간적 선후관계를 파악할 수 없었다. 이를 개선하기 위해서 개별 환자의 질병이력을 추적할 수 있는 코호트 연구를 제안한다. 셋째, 본 연구결과의 연관규칙은 인과성을 규명하는 분석방법이 아니다. 따라서 본 연구결과를 토대로 주요 연관규칙에 대한 인과성을 규명할 수 있는 임상연구가 활발해 지기를 기대한다.
본 연구는 최근 13년간 전국 퇴원환자의 진단자료를 이용하여 정신질환과 신체질환 중심의 주진단 특성이 어떠한 연관관계를 보이는지 관련 패턴을 규명하여 연구결과를 고찰하였다. 이를 기반으로 결론을 제언하면 다음과 같다. 첫째, 정신질환의 인식을 높이고 연관성이 높은 질환 간 협진체계를 강화할 필요가 있다. 둘째 연관관계가 깊은 정신질환과 신체질환을 중심으로 환자 감시 모니터링 결과를 임상의사결정시스템에 적용할 수 있을 것이다. 셋째, 그 동안 의료기관의 협진체계는 질병발생 이후에 이루어졌으나 본 연구결과의 연관규칙을 고려하여 인과성 연구를 시행한다면 향후 예상 질환에 대해서도 사전에 관리할 수 있을 것이다.

REFERENCES

1. Bae JY, Yang M. A study on community's mental health status: impli-cations for mental health policy in Korea. Crisisonomy 2016;12(3):79-95. (Korean).
crossref
2. Kessler RC, Aguilar-Gaxiola S, Alonso J, Chatterji S, Lee S, Ustün TB. The WHO World Mental Health (WMH) Surveys. Psychiatrie (Stuttg) 2009;6(1):5-9.
pmid pmc
3. Polanczyk GV, Salum GA, Sugaya LS, Caye A, Rohde LA. Annual research review: a meta-analysis of the worldwide prevalence of mental disorders in children and adolescents. J Child Psychol Psychiatry 2015;56(3):345-365. 10.1111/jcpp.12381.
crossref pmid
4. Korea Goverment. 2021 Mental Health Survey results announced. Available at https://www.korea.kr/news/pressReleaseView.do?newsId=156488517 [accessed on December 17, 2021].

5. Lee JT, Lim TJ, Kim DG. Risk assurance for mental health in public and private sectors. Wonju: Korea Insurance Research Institute; 2018. (Korean).

6. Trautmann S, Rehm J, Wittchen HU. The economic costs of mental disorders: Do our societies react appropriately to the burden of mental disorders? EMBO Rep 2016;17(9):1245-1249. 10.15252/embr. 201642951.
pmid pmc
7. Kim J, Chae JH. Strategies for reducing mental disorder treatment gap in Korea. J Korean Neuropsychiatr Assoc 2020;59(3):208-214. (Korean).10.4306/jknpa.2020.59.3.208.
crossref
8. Seo EW, Choi SC, Lee KS. The differences of outpatient service uses by depression: focusing on the hypertension and/or diabetes patients. Korean Public Health Res 2017;43(4):21-34. (Korean).

9. Baughman K, Bonfine N, Dugan S, Adams R, Gallagher M, Olds R, et al. Disease burden among individuals with severe mental illness in a community setting. Community Ment Health J 2016;52(4):424-432. 10.1007/s10597-015-9973-2.
crossref pmid
10. Roy-Byrne PP, Davidson KW, Kessler RC, Asmundson GJG, Goodwin RD, Kubzansky L, et al. Anxiety disorders and comorbid medical illness. Gen Hosp Psychiatry 2008;30(3):208-225. 10.1016/j.gen-hosppsych.2007.12.006.
crossref pmid
11. Seo JC, Kim TH, Seo JS, Nam BW. Comorbidities in individuals with intellectual disability: analysis of National Claims Data (Korea). J Korean Assoc Soc Psychiatry 2020;25(1):26-33.

12. Korea Disease Control and Prevention Agency. Korean National Hospital Discharge In-depth Injury Survey guidebook. Cheongju: Korea Centers for Disease Control & Prevention; 2016. (Korean).

13. Alonso SG, de la Torre-Díez I, Hamrioui S, López-Coronado M, Bar-reno DC, Nozaleda LM, et al. Data mining algorithms and techniques in mental health: a systematic review. J Med Syst 2018;42(9):161. 10.1007/s10916-018-1018-2.
crossref pmid
14. Thitithamawat S, Chertchom P, Buraphawichit P, Thothong T. Association rules to analyze hospital resources with mortality rates. In Pro-ceeding of the 2018 5th International Conference on Business and In-dustrial Research (ICBIR). Bangkok, Thailand 2018, p.51-56.

15. Abdel-Basset M, Mohamed M, Smarandache F, Chang V. Neutrosoph-ic association rule mining algorithm for big data analysis. Symmetry 2018;10(4):106. 10.3390/sym10040106.
crossref
16. Park H. Association rule ranking function using standardized lift. J Korean Data Anal Soc 2010;12:2661-2670. (Korean).

17. KIm SM, Lee HS. Factors influencing treatment result and early complication in inpatients with psychiatric comorbidity. Korean J Hosp Manag 2017;22(4):113-122. (Korean).

18. Tesic A, Rodgers S, Müller M, Wagner E-YN, von Känel R, Castelao E, et al. Sex differences in neurodevelopmental and common mental disorders examined from three epidemiological perspectives. Psychiatry Res 2019;278:213-217. 10.1016/j.psychres.2019.06.019.
crossref pmid
19. Paykel ES. Depression in women. Br J Psychiatry Suppl 1991;10:22-29.
crossref
20. Jeon JA. Current status and policy tasks of complex mental illness. Health Welf Issue Focus 2014;241:1-8. (Korean).

21. Brandel MG, Hirshman BR, McCutcheon BA, Tringale K, Carroll K, Richtand NM, et al. The association between psychiatric comorbidities and outcomes for inpatients with traumatic brain injury. J Neu-rotrauma 2017;34(5):1005-1016. 10.1089/neu.2016.4504.
crossref
22. Mooney G, Speed J. The association between mild traumatic brain injury and psychiatric conditions. Brain Inj 2001;15(10):865-877. 10.1080/02699050110065286.
crossref pmid
23. Andelic N, Jerstad T, Sigurdardottir S, Schanke AK, Sandvik L, Roe C. Effects of acute substance use and pre-injury substance abuse on traumatic brain injury severity in adults admitted to a trauma centre. J Trauma Manag Outcomes 2010;4(1):6. 10.1186/1752-2897-4-6.
crossref pmid pmc
24. Nordentoft M, Wahlbeck K, Hällgren J, Westman J, Osby U, Alinaghiza-deh H, et al. Excess mortality, causes of death and life expectancy in 270,770 patients with recent onset of mental disorders in Denmark, Finland and Sweden. PLoS One 2013;8(1):e55176. 10.1371/jour-nal.pone.0055176.
crossref pmid pmc
25. Laursen TM, Nordentoft M. Heart disease treatment and mortality in schizophrenia and bipolar disorder – changes in the Danish population between 1994 and 2006. J Psychiatr Res 2011;45(1):29-35. 10.1016/j.jpsychires.2010.04.027.
crossref pmid
26. Kivimäki M, Jokela M, Nyberg ST, Singh-Manoux A, Fransson EI, Al-fredsson L, et al. Long working hours and risk of coronary heart disease and stroke: a systematic review and meta-analysis of published and unpublished data for 603,838 individuals. Lancet 2015;386(10005):1739-1746. 10.1016/s0140-6736(15)60295-1.
crossref pmid
27. Kleppa E, Sanne B, Tell GS. Working overtime is associated with anxi-ety and depression: the Hordaland Health Study. J Occup Environ Med 2008;50(6):658-666. 10.1097/JOM.0b013e3181734330.
crossref pmid
28. Park IJ, Kang JM, Seo JH, Hwang SH, Youn HY, Jin HJ, et al. Analysis of relationship between reflux symptom index and psychiatric problems. Korean J Otorhinolaryngol-Head Neck Surg 2018;61(12):692-696. (Korean).10.3342/kjorl-hns.2017.00738.
crossref
29. Cha S, Kim SS. Comorbidity patterns of mood disorders in adult inpatients: applying association rule mining. Healthcare 2021;9(9):1155 (Korean).10.3390/healthcare9091155.
crossref
30. Korpela H, Miettunen J, Rautio N, Isohanni M, Järvelin MR, Jääskel-äinen E, et al. Early environmental factors and somatic comorbidity in schizophrenia and nonschizophrenic psychoses: A 50-year follow-up of the Northern Finland Birth Cohort 1966. Eur Psychiatry 2020;63(1):e24. 10.1192/j.eurpsy.2020.25.
crossref pmid pmc
31. Bang J, Spina S, Miller BL. Frontotemporal dementia. The Lancet 2015;386(10004):1672-1682. 10.1016/S0140-6736(15)00461-4.
crossref
32. de Sousa Arantes Ferreira G, Conde Watanabe AL, de Carvalho Trevi-zoli N, Felippe Jorge FM, Ferreira Figueira AV, de Fatima Couto C, et al. Tacrolimus associated psychotic disorder: a report of 2 cases. Trans-plant Proc 2020;52(5):1350-1353. 10.1016/j.transproceed.2020. 01.076.

33. Roerecke M, Vafaei A, Hasan OSM, Chrystoja BR, Cruz M, Lee R, et al. Alcohol consumption and risk of liver cirrhosis: a systematic review and meta-analysis. Am J gastroenterol 2019;114(10):1574-1586. 10.14309/ajg.0000000000000340.
crossref pmid pmc
34. Hshieh TT, Inouye SK, Oh ES. Delirium in the Elderly. Psychiatr Clin North Am 2018;41(1):1-17. 10.1016/j.psc.2017.10.001.
crossref pmid
35. Lee JY, Choi YJ. Network identication of major risk factors associated with delirium by Bayesian network. Korean J App Stat 2011;24(2):323-333. (Korean).10.5351/KJAS.2011.24.2.323.
crossref
36. Cho HJ, Kim HK, Kim KK, Kim YI, Suh SY, Cho KH, et al. Delirium in the final weeks of terminally Ill cancer patients. Korean J Fam Med 2009;30(4):285-291. (Korean).10.4082/kjfm.2009.30.4.285.
crossref
37. Urbanoski K, Kenaszchuk C, Veldhuizen S, Rush B. The clustering of psychopathology among adults seeking treatment for alcohol and drug addiction. J Subst Abuse Treat 2015;49:21-26. 10.1016/j.jsat.2014.07.004.
crossref pmid
38. Watkins KE, Hunter SB, Hepner KA, Paddock SM, de la Cruz E, Zhou AJ, et al. An effectiveness trial of group cognitive behavioral therapy for patients with persistent depressive symptoms in substance abuse treatment. Arch Gen Psychiatry 2011;68(6):577-584. 10.1001/archgenpsychiatry.2011.53.
crossref pmid pmc
39. The National Mental Health and Welfare Commission. Status of Man-power in Mental Health. NMHC Mental Health Trends 2019;13.

40. Go DS, Kim YE, Paik JW, Roh S, Yoon SJ. A comparison of disease burden and the government budget for mental health in Korea. J Ment Health. 2020;1-8. 10.1080/09638237.2020.1765999.
crossref
Editorial Office
The Korean Society of Health Informatics and Statistics
680 gukchaebosang-ro, Jung-gu, Daegu, 41944, Korea
E-mail: koshis@hanmail.net
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © The Korean Society of Health Informatics and Statistics.                 Developed in M2PI