H
I
R
A
빅 데 이 터
브
리
프
H I R A B i g D a t a B r i e f
보건의료 빅데이터 동향
_3
Ⅰ-1. 보건의료 분야 CDM 적용 사례 및 미래 활용 방안 _ 5 Ⅰ-2. 보건의료 빅데이터 관련 주요 기사 _ 19HIRA 빅데이터 분석 사례
_23
Ⅱ-1. 국내 만성 비암성통증 환자에서 마약성 진통제 처방양상 _ 25 Ⅱ-2. 국내 항인지질항체 증후군 환자 실태분석 _ 30 Ⅱ-3. 다한증과 내시경적 교감신경절제술이 심뇌혈관질환 발생 위험에 미치는 영향 _ 35 Ⅱ-4. 대장암 선별검사의 효과 연구 _ 39 Ⅱ-5. 말기신부전 환자에서 이상지질혈증 치료와 심뇌혈관계질환 발생 예방 _ 44 Ⅱ-6. 전신홍반루푸스 환자의 임신 및 분만에 관한 연구 _ 52 Ⅱ-7. 한국 혈우병의 인구학적 변인 분석과 의료이용, 진료 실태 _ 58 ※ 제2권4호에서는 ‘빅데이터 분석 사례’가 7편으로 편성된 관계로 ‘HIRA 빅데이터 분석 가이드’는 생략되었습니다.보건의료 빅데이터 동향에서는
국내ㆍ외 빅데이터 관련 기술 개발, 활용 등
최신 동향과 주요 언론 기사를 소개하고 있습니다.
Ⅰ
보건의료
빅데이터
동향
Ⅰ-1. 보건의료 분야 CDM 적용 사례 및 미래 활용 방안
박래웅 교수, 유승찬 연구원 아주대학교 의료정보학과1. 들어가는 글
최근 전세계적으로 보건의료 빅데이터 활용에 대한 관심이 증가함 보건의료 빅데이터를 이용한 질병 예방에 따른 의료비 절감, 의료기관의 운영비용 절감, 오류에 따른 손실비용 절감 등의 경제적 효과도 기대되어 활용이 증대되고 있음 헬스케어 서비스를 통해 생산되는 건강정보 관리와 활용에 대한 논의가 활발히 진행되고 있으며, 보건의료 빅데이터에 대한 니즈와 관련 데이터, 대응 방향 등이 이슈화되고 있음 국내에서는 건강보험심사평가원(이하 심평원)에서 ‘보건의료빅데이터개방시스템’을 통해 연구자들에게 보건의료 빅데이터를 개방하면서 보건의료 빅데이터의 활용이 본격적으로 대두됨심평원은 전국민 기반의 실제 임상 데이터 (Real World Data)를 개인 단위의 세부 의료이용 데이터를 포함하여 관리하고 있으며, 이를 모두 표준화된 청구 서식을 기반으로 수집하고 있음
하지만 데이터 수집의 목적이 심사 업무 수행이다보니 의료 연구를 위한 재처리 과정이 필요하고, 외부 데이터(타 기관, 타 국가 등) 연계, 비급여정보 부재 등의 한계점이 존재함
국제 공동연구를 위해 국내 대형 병원을 중심으로 용어와 구조가 표준화된 공통데이터모델 (Common Data model, CDM) 도입이 증가하고 있음
CDM을 통한 분산연구망 연구는 각 기관에서 같은 의미와 내용으로 연구에 필요한 데이터를 저장한 데이터 웨어하우스를 구축하고, 분석 코드를 공유하여 외부 데이터 연계, 공동 연구가 가능함
6
2. 분석연구망과 공통데이터모델
1. 분산연구망(Distributed Research Network, DRN)
[그림 1] 분산연구망의 개념 각 기관의 정형화된 임상정보 전체를 전세계적으로 동일한 구조와 의미를 갖도록 공통데이터모델로 변환한 후, 동일한 분석코드를 참여기관에 보내어 각 기관 안에서 분석하고 분석된 집합정보(평균, 합, 표준편차, 오즈비, 위험도 등)만 기관 외의 연구자에게 회신하며, 기관 외의 연구자는 여러 기관에서 회신된 집합정보를 모아서 결과적으로 환자의 개별정보는 보지 않으면서도 여러 기관의 자료를 모아서 분석한 것과 같은 결과를 낼 수 있음 의료 데이터는 기술적인 어려움(데이터 구조, 형식의 이질성 등)과 규제(개인정보보호문제, 기관승인) 등으로 인해 공유가 어려움 현재까지 대부분 공동연구는 일부 환자 데이터를 연구 주도 기관과 공유하며 진행하였는데 기술적, 윤리적 문제들이 있었음
분산연구망은 수요자간 원본데이터 공유없이 분산된 데이터만 관리하고, 분석결과만 공유하여 위와 같은 문제점을 극복할 수 있음
2. 공통데이터모델(Common Data Model, CDM)
데이터 표준화는 협업 연구, 대규모 분석 및 정교한 도구 및 방법론 공유를 가능하게 하는 중요한 프로세스임 연구에 사용할 데이터를 공통 형식으로 저장하여 협업 연구, 대규모 분석 및 정교한 도구 및 방법론 공유가 가능하지만 오랜 시간과 비용이 소요됨 공통데이터모델(CDM)은 여러 병원들의 데이터를 효율적으로 활용하기 위하여 정의한 표준화된 데이터 구조임 기관별로 상이한 데이터 구조와 의미를 동일한 하나의 구조와 의미를 갖도록 변환하여, 다기관 공동 연구 수행 시, 기관 간 다른 데이터 구조로 인해 다양한 어려움이 따르는 것을 해결할 수 있음 공통데이터모델을 따르기 위해서는 기존 데이터를 공통데이터모델로 변환하는 과정(ETL: Extract, Transform, Load)이 필요하며, 기존의 한계점 등을 고려하여 지속적으로 업데이트 되고 있음
대표적인 공통데이터모델로 비영리 국제컨소시엄인 오딧세이(Observational Health Data and Informatics, 이하 OHDSI), 약물부작용 조사를 위한 미국 FDA의 센티넬 공통데이터모델(이하 Sentinel CDM), 미국 국내에서의 비교효과연구를 위한 피코르넷(The National Patient-Centered Clinical Outcomes Research Network, 이하 PCORnet) 등이 있음
OHDSI는 2008년에 미국정부의 지원으로 결성된 Observational Medical Outcomes Partnership(OMOP)으로부터 파생된 국제적 협의체로 초기에는 관찰연구 방법론과 데이터를 활용하기 위한 분석 및 시각화 도구와각 기관마다 다른 진단, 처방 용어를 통일한 표준용어를 만듬
8 OMOP의 업무는 2013년 정부 지원이 종료된 후 OHDSI로 이관되어 계속되고 있으며, 인공지능 기반 환자 개별 위험도 예측 등의 임상 빅데이터 분석으로 진화해 나가고 있음 OHDSI 프로그램은 대규모 분석을 통해 헬스 데이터의 가치를 창출하는 여러 이해 관계자 간의 학제 간 협력을 끌어내고 있으며, 연구자 및 관찰 건강 데이터베이스(observational health databases)의 국제 네트워크를 구축하였음
중앙 조정센터(central coordinating center)는 Columbia University에 위치하고 있으며, OHDSI에 참여하는 국제 협력기관들은 각 대륙에 고루 분포되어 있음 [그림 2] OHDSI Collaborators OHDSI의 모든 솔루션은 오픈 소스로 제공되고 있기 때문에, OHDSI 연구 커뮤니티에 여러 분야(임상 의학, 생물 통계학, 컴퓨터 과학, 역학 등) 연구자들의 적극적인 참여가 가능하고, 다양한 이해 관계자(연구자, 환자, 제조업체 등) 그룹을 포괄할 수 있음 OHDSI 프로젝트는 협업 구성원이 주도하고 리더십은 프로젝트별로 결정되는데, 현재 빅데이터 기반의 대부분 분야(데이터 표준화, 의료제품 안전 감시, 개인 맞춤형 위험 예측, 지리정보 등)에 걸쳐 다양한 연구가 진행되고 있음
Sentinel은 미국 식품의약국(Food and Drug Administration, 이하 FDA)로부터 시작되었으며, 의료 제품의 안전성 감시를 위한 국가적 전자시스템으로 Sentinel 시스템을 개발하였음
이 시스템은 FDA 규제 제품을 사용하여 보고된 이상 반응을 추적하는 기존의 감시 기능을 보완하여, FDA가 이러한 제품의 안전성을 사전에 평가할 수 있도록 함 Sentinel은 데이터 파트너가 기존 환경에서 전자 데이터에 대한 물리적 및 운영상의 제어를 유지하는 분산 데이터 접근 방식을 사용함 분산된 접근 방식은 Sentinel CDM으로 저장되며, 참여하는 파트너는 자신들이 보유한 데이터를 통일된 Sentinel CDM으로 변환하므로 하나의 동일한 분석 프로그램으로 여러 기관 결과를 동시에 분석할 수 있음 개인정보보호를 위하여 분석 쿼리가 배포되고, 검색 결과가 보안 포털을 통해 반환됨
모든 데이터 파트너들 사이에서 합쳐진 데이터 집합을 Sentinel Distributed Database (SDD)라고 한다.
[그림 3] Sentinel's distributed data approach
PCORnet은 2013년에 The Patient-Centered Outcomes Research Institute (PCORI)에서 설립한 프로젝트로 환자 전자건강기록(Electronic health records, EHR)을 이용하여, 비교효과연구(Comparative effectiveness research, CER)를 수행하기 위한 목적으로 시작되었음
10
50개 주에 걸쳐 11개의 임상 데이터 연구 네트워크(Clinical data research networks, CDRNs)와 18개의 환자 참여 연구 네트워크(Patient - powered research networks, PPRNs)를 설립 PCORnet이 구축하고 있는 연구 플랫폼의 핵심은 환자 중심의 접근 방식(patient-centered approach)이며 데이터는 중추 역할을 함
3. 학술연구 진행 및 소프트웨어 개발 현황
1. 분산연구망 기반 학술 연구 진행 현황
분산 연구망기반 학술 연구는 기본적으로 비실험적 혹은 후향적 관찰 연구(non-experimental or retrospective observational study)로 분류됨기존의 다기관 공동 연구 방식과 달리 하나의 연구기관이 다른 기관들의 데이터를 수집하여 통일화하지 않고, 약속된 공통데이터모델의 형식에 맞춘 데이터를 기관들이 각각 소유하며 진행됨
현재까지의 분산 연구망 기반 학술 연구 진행 방식은 크게 협력센터(Coordinating center)를 거쳐 진행되는 방식, 중앙형 분산 연구망 연구(Centralized research system through DRN)방식, 개별 연구 기관의 연구자들간 협력을 통해 진행되는 방식, 탈중앙형 분산 연구망 연구(Decentralizd reserach system through DRN)방식이 있음
Sentinel initiative, PCORNet은 협력센터 또는 그에 상응하는 협력 연구 집단(Collaborative research group)이 존재하여 중앙식 분산 연구망 연구를 진행하며, 모든 분석 및 연구는 협력센터 또는 협력 연구 집단을 통해 시작됨
협력 연구 집단, 개인 연구자가 원하는 연구 디자인을 협력 센터에 공동 연구를 신청하면 Sentinel initiative에서는 미국 FDA가 자발적 부작용 보고 등을 기반으로 협력센터에 의약품 안정성 검사를 요청하는 형식으로 시작됨
협력 센터는 제안된 연구를 검토한 후 승인할 수 있는 권한을 가지며, 이후 승인된 연구에 대해 분석 코드를 작성하여 각 데이터 파트너들에게 분석을 요청함
데이터 파트너들은 분석 결과를 협력 센터에 전송하고, 협력 센터는 분석 결과를 검토하고 취합하는 역할을 함 OHDSI는 탈중앙형 분산 연구망 연구를 채택하고 있으며, 개별 연구자들은 누구나 본인이 원하는 연구에 대한 프로토콜과 분석 코드를 작성하여 홈페이지 등에 게시할 수 있음 CDM 의료 데이터를 보유하고 있는 기관의 연구자들은 이를 개별적으로 검토한 후 연구에 대한 참여의사를 밝히고, 분석 코드를 수행하여 분석 결과를 연구자에게 전송함 연구자는 이 분석 결과를 취합하여 발표할 수 있으며, 논문 작성 과정도 클라우드 서비스 등을 이용하여 공동으로 수행할 수 있음
2. CDM 기반 분석 소프트웨어 및 인공지능 소프트웨어 개발 현황
2017년 10월 구글팀은 EHR의 전송 표준인 FHIR을 기반으로 원내 사망 및 30일 이상 장기 입원을 예측하는 딥러닝 알고리즘을 개발ㆍ발표 예측 및 분석 알고리즘 개발 시, 알고리즘 구성 자체가 아닌 데이터 전처리, 융합, 가공 등에 80% 이상의 노력이 사용되고 있다고 지적 표준에 기반한 알고리즘을 개발하여, 해당 노력을 반복하지 않고도 확장 가능한 알고리즘 개발한 것을 장점으로 부각시키고 있음 소프트웨어 개발에 있어서 CDM의 장점은 다양한 의료기관 데이터에 적용할 수 있는 확장성임 국내에서 여러 병원들이 다양한 기업과 협업하여 인공지능 시스템을 개발하고 있지만 개별 병원에서만 작동하며, 타 병원에서 작동할 수 있도록 설치하기 위해서는 막대한 데이터 전처리 작업이 필요함 하지만 CDM 기반으로 개발한 소프트웨어는 한 번의 개발로 전 세계의 다양한 의료 기관 데이터에 적용이 가능하다는 장점이 있음 OHDSI 내 소프트웨어 개발 환경의 또다른 장점은 다양한 오픈소스 프로그램에 기반한12
에코시스템으로 OHDSI github(github.com/ohdsi)에 100개 이상의 다양한 프로그램들이 등록되어 무료로 사용 가능함
OHDSI methods library내의 핵심 프로그램들은 서로와 밀접한 연관을 맺고 발전하고 있으며, 새로운 프로그램 개발 시 이러한 핵심 프로그램들을 다양하게 활용하여 개발 시간을 현격하게 단축할 수 있음
현재 OHDSI에는 연구자가 원하는 환자에서 원하는 이벤트를 예측할 수 있는 딥러닝 코드를 구성해주는 패키지(CIReNN, 그림4)가 공개되어 있음
4. 심평원 빅데이터의 CDM 변환 경험
심평원 빅데이터의 CDM 변환 가능 및 활용 여부를 확인하기 위하여 2017년 하반기부터 심평원 빅데이터의 일부를 CDM으로 변환하여 연구를 수행하는 프로젝트가 진행됨
최근 의료이용이 증가하고 있는 경피관상동맥시술(Percutaneous Coronary Intervention, PCI)을 받은 환자 대상(2007 ~2016년) 변환 후 명세서 건수 및 환자수를 비교하여, 변환 시 누락데이터가 없음을 확인 [그림 5] 데이터 비교 현재 해당 데이터를 이용하여 아스피린 클로피도그렐 병합 요법과 이스피린 티가그렐러 병합 요법의 주요 합병증(관상동맥재시술, 심근경색, 출혈 부작용)을 비교하는 국제 공동 연구를 진행 본 연구를 통하여 서구 데이터를 중심으로 효과가 입증된 신약의 시판 후 조사(post-marketing surveilliance)를 CDM 및 분산 연구망을 이용하여 효율적으로 수행할 수 있는지 확인 같은 연구 프로토콜의 결과를 해외의 다양한 데이터베이스에서 확인하여 국내 인구의 보건학적 특성을 다른 나라와의 비교할 수 있을 것으로 기대됨
14
5. 분산연구망을 이용한 CDM의 한계
기존의 CDM은 EMR, EHR 혹은 보험 청구자료 등의 임상데이터는 포함할 수 있으나 생체신호, 라이프로그, 유전체 정보, 영상정보 등의 대규모 비정형자료를 포함할 수 없었음 또한 분석에만 초점이 맞추어져 있기 때문에 쌓인 과거 데이터를 한꺼번에 변환하여 이용하는 방식을 취하고 있으므로 실시간으로 쌓이는 데이터를 변환하지는 않음 따라서 타 기관 자료를 통해 병원에서 실시간 임상의사 결정 지원시스템에 활용하기 위해서는 데이터의 실시간 변환기능이 필요함 CDM은 데이터 저장표준으로서 데이터 전송 기능이 없지만 데이터의 전송을 목적으로 하는 HL7의 FHIR 표준과 병행하여 사용하면 해결할 수 있음OHDSI내에서 FHIR와 OMOP-CDM을 결합하여 사용하기 위한 워크그룹이 결성되어 활동 중이며, 국내에서는 아주대학교를 중심으로 42개 병원이 한국 OHDSI 컨소시엄을 결성하여 활발하게 활동 중 임
6. 향후 발전 방안
현재까지 의료정보 공유를 위한 많은 노력과 연구가 있었지만 특정기관에서 만든 시스템을 다른 기관에서 사용하기는 거의 불가능했음 데이터 공유에 대한 동기와 보상이 없고, 개인정보보호법과 생명윤리 및 안전에 관한 법률 등에 의해 여러 가지 제약이 있었음 최근 분산연구망 이용한 공통데이터모델을 활용한 연구가 시작되고 있으며, 국내에 도입된 OHDSI 국제컨소시엄은 임상자료, 병원 자료, 원무자료, 메타자료, 추출요소, 표준용어 등 총 6개의 대분류 하에 총 36개의 테이블로 구성되어 있음 이 기준에 따르면 국가, 언어, 기관에 상관없이 모든 데이터가 같은 구조와 의미를 갖고 데이터는 익명화됨 이에 연구자들은 여러 기관의 자료를 바탕으로 연구 분석이 가능함 최근 개발하려는 시도가 있는 한국형 CDM은 쉽고 간단하게 만들 수 있는 장점이 있지만 국외 기관과의 공동연구나 분석의 가능성이 아직 확인되지 않았고, 활용 가능한 임상자료원, 분석플랫폼이나 분석툴이 국내 사용자에게만 국한되는 단점이 존재함 결과적으로 빅데이터화 하거나 다양하고 혁신적인 응용소프트웨어 개발 및 활용과 국제적 리더쉽 확보가 어려워 지속적으로 성장ㆍ발전하는 플랫폼이 되기 어려울 것으로 판단됨 임상정보에 국한된 CDM모델을 확장하여 생체신호, 라이프로그, 유전체 정보, 레지스트리, 영상정보를 포괄할 수 있는 형태로 확장시킬 경우 진정한 의료 빅데이터 시대로 한걸음 더 다가설 것임16 ※ 미리 보는 이상적인 임상의료 빅데이터 오픈 플랫폼 세계의 모든 기관이 국제 표준의 공통데이터 모델 형태의 데이터 보유 (병원/청구자료 포함) 공통데이터 모델을 갖고 있는 기관들이 임상빅데이터 네트워크를 형성 네트워크 내 모든 기관이 분석 툴(R, SAS, SQL 등)을 공유하여 동일 형태의 결과 반환 모든 요소 기술은 공개되고, 사용자들이 직접 수정 및 개발하여 open innovation 실현
참고문헌
[1] Ruping S. [Big data in medicine and healthcare]. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2015;58(8):794-8.
[2] Maynard AD. Navigating the fourth industrial revolution. Nat Nanotechnol. 2015;10(12):1005-6.
[3] Yoon D, Ahn EK, Park MY, Cho SY, Ryan P, Schuemie MJ, et al. Conversion and Data Quality Assessment of Electronic Health Record Data at a Korean Tertiary Teaching Hospital to a Common Data Model for Distributed Network Research. Healthc Inform Res. 2016;22(1):54-8.
[4] OHDSI. Welcome to OHDSI! 2017 [cited 2017. Available from: https://www.ohdsi.org/.
[5] Hripcsak G DJ, Shah NH, et al. Observational Health Data Sciences and Informatics (OHDSI): Opportunities for Observational Researchers. Studies in health technology and informatics. 2015;2017(216):574-8.
[6] OHDSI. Areas of Focus 2017 [cited 2017. Available from: https://www.ohdsi.org/who-we-are/areas-of-focus/.
[7] OHDSI. Mission-Vision-Values 2017 [cited 2017. Available from: https://www.ohdsi.org/ who-we-are/mission-vision-values/.
[8] Ball R, Robb M, Anderson SA, Dal Pan G. The FDA's sentinel initiative--A comprehensive approach to medical product surveillance. Clin Pharmacol Ther. 2016;99(3):265-8.
[9] Sentinel. Distributed Database and Common Data Model [cited 2017. Available from: https://www.sentinelinitiative.org/sentinel/data/distributed-database-common-data-model.
[10] pcornet. PCORnet Common Data Model (CDM) [cited 2017. Available from: http:// www.pcornet.org/ pcornet-common-data-model/.
[11] Seongwon Lee PD, Soo-Yeon Cho, R.N., MPH., Seng Chan You, M.D., M.S., Hojun Park, BS., Sungjae Jung, BE., Rae Woong Park, M.D., Ph.D,Yunyoung Bae, MPH., Hangil Lee, MPH., Jahyun Cho, MPH., Keunhui Park, MS. . Conversion of National
18
Health Insurance Service (NHIS) Data of Korea to the Observational Medical Outcomes Partnership (OMOP) Common Data Model [cited 2017. Available from: http://
www.ohdsi.org/web/wiki/lib/exe/ fetch.php?media=resources:2016_ohdsi_symposiu m_ajou.pdf.
[12] OHDSI. Data Standardization [Available from: https://www.ohdsi.org/data-standardization/.
[13] Sentinel. Overview and Description of the Common Data Model v6.01 [cited 2017. Available from: https://www.sentinelinitiative.org/sites/default/files/data/ DistributedDatabase/Sentinel_Common- Data-Model_v6.01.xlsx.
[14] pcornet. PCORnet Common Data Model v3.0 Specification [Available from: http:// www.pcornet.org/ wp-content/uploads/2014/07/2015-07-29-PCORnet-Common-Data-Model-v3dot0-RELEASE.pdf.
[15] i2b2. Informatics for Integrating Biology and the Bedside (i2b2) Overview [cited 2017. Available from: https://www.i2b2.org/about/index.html.
[16] Paolino AR, McGlynn EA, Lieu T, Nelson AF, Prausnitz S, Horberg MA, et al. Building a Governance Strategy for CER: The Patient Outcomes Research to Advance Learning (PORTAL) Network Experience. EGEMS (Wash DC). 2016;4(2):1216.
Ⅰ-2. 보건의료 빅데이터 관련 주요 기사
복지부, AI 활용 신약개발·스마트 임상시험 구축 추진 (메디컬타임즈, 2018. 12. 10.) - 보건복지부(장관 박능후)는 10일 관계부처와 합동으로 대통령직속 4차 산업혁명위원회 제9차 회의 심의를 거쳐 헬스케어 발전전략을 확정 발표함 - 임숙영 보건산업정책과장은 “내년도 신규 사업 및 제도 개선 확정 과제는 일정에 따라 추진하고, 추가적인 논의를 거쳐 계획 구체화와 신규 사업 개발이 필요한 과제의 소관부처 검토 등 지속 추진할 예정”이라고 밝힘 ‘국민과 소통 합격점’...심평원, 커뮤니케이션 대상 2개 수상 (약사공론, 2018. 12. 7.) - 건강보험심사평가원(원장 김승택)은 6일 한국프레스센터에서 열린 ‘2018 대한민국 커뮤니케이션 대상’에서 인쇄사보(공공) 부문 보건복지부장관상, 블로그 부문 최우수기획상을 수상 - 김승택 심평원장은 “심평원은 앞으로도 사보와 다양한 온라인 매체를 통해 국민의 눈높이에서 업무와 건강에 관한 유익한 정보를 알려드리기 위해 노력하겠다”고 수상 소감을 밝힘20 심평원 ‘공공-의료 등 빅데이터’ 이용 활발...매년 ‘쑥쑥’ (약사공론, 2018. 12. 10.) - 심평원의 보건의료빅데이터개방시스템 이용현황 통계에 따르면 올들어 지난 10월 기준 공공데이터 서비스 이용량(조회&다운로드)이 248만139건으로 집계, 지난해 연간 252만7301건과 비슷한 수준 - 이용데이터 종류는 공공데이터, 의료빅데이터, 의료통계정보가 있으며 사용자 특성이 맞게 이용 가능함 - 공공데이터: 심평원의 데이터를 공공데이터 이용정책에 따라 편리하고 손쉽게 활용할 수 있도록 국민에 개방하고 있는 데이터 - 의료빅데이터: 심평원의 데이터를 직접 활용할 수 있게 민간 및 공공기관에 제공 - 의료통계정보: 심평원의 의료정보 중 의미가 있는 통계데이터를 구축해 시각화 조회 및 다운로드 할 수 있도록 국민에게 제공하고 있는 서비스
복지부-특허청, 보건의료 R&D 특허·사업화 지원 강화 (메디파나, 2018. 11. 26.) - 보건복지부와 특허청은 26일 보건산업혁신창업센터에서 보건복지부 권덕철 차관, 특허청 박원주 청장이 참석한 가운데 ‘지식재산(IP) 기반 바이오헬스 산업 혁신 성장을 위한 보건복지부-특허청 MOU(업무협약) 체결식’을 개최 - 보건복지부 권덕철 차관은 “보건산업은 4차 산업혁명 시대의 혁신성장 동력이자 고용유발 효과가 높은 고부가가치 산업으로 주목받고 있다”며 “복지부와 특허청의 이번 협력은 연구개발(R&D) 결과물이 혁신적 기업의 창업과 성장, 그리고 일자리 창출로 이어지는 선순환적 보건산업 생태계 조성에 기여할 것이다”고 강조함 - 특허청 박원주 청장은 "바이오헬스 산업은 우리나라가 반드시 키워나가야 하는 대표적인 미래먹거리로 국가 혁신성장의 주역이 될 것"이라면서 "보건복지부와 협력하여 바이오헬스 분야에서 부가가치가 높은 양질의 특허를 확보해나가겠다"고 밝힘
22 의료기기법 개정안 국회 본회의 통과...‘왓슨’도 의료기기로 허가 가능 (라포르시안, 2018. 11. 23.) - 의료기기의 정의에 소프트웨어를 추가하는 내용의 의료기기법 개정안(대안)이 국회 본회의를 통과, 법개정에 따라 앞으로는 왓슨 등 인공지능(AI) 기반의 의료 데이터 분석 소프트웨어도 의료기기로 허가를 받을 수 있게 됨 - 국회 보건복지위원회는 “의료기기 기술발전 및 국제적 기준을 반영해 현행 의료기기 정의에 소프트웨어를 명확하게 추가하고, 희귀·난치성 질환자 등에게 긴급 사용될 필요가 있으나 국내에 대체의료기기가 없는 경우 또는 국내에 허가된 바 있으나 공급되지 않는 의료기기는 식약처장이 공급할 수 있도록 하여 국민의 건강권을 보장하도록 한 것” 이라고 법개정 취지를 설명함 ‘인류 바둑史’ 새로 쓴 AI, 이제는 ‘신약개발’ (머니투데이, 2018. 11. 22.) - 스탠다임 AI를 이용하면 신약 개발회사의 이익이 최대 120%까지 확대될 것으로 기대되며 현재 암, 파킨슨, 자폐증, 지방간 등에 적용할 수 있는 약물후보군을 발굴, 검증을 진행 중 - 파로스IBT는 현존하는 약물 관련 데이터베이스에서 1200만개 화합물 정보와 200만개 표적 단백질 약효 데이터, 2억 편 논문 정보를 학습하고 분석 - AI 전문가 배영우 아이메디신 대표는 “한국은 신약개발에 후발주자고 규모도 작지만 AI는 이런 상황을 획기적으로 바꾸고 글로벌 선두 주자로 부상할 수 있는 기회를 제공할 수 있다”고 밝힘
HIRA 빅데이터 분석 사례에서는
HIRA 빅데이터를 활용한 주요 이슈 분석, 연구 결과 등
다양한 활용 사례를 소개하고 있습니다.
Ⅱ
HIRA
빅데이터
분석 사례
Ⅱ-1. 국내 만성 비암성통증 환자에서 마약성 진통제
처방양상 평가
연구책임자 연구실무자 분석지원 최남경 김미숙 신서희 주임연구원 이화여자대학교 서울대병원 건강보험심사평가원 ※ ‘2018년 HIRA 빅데이터 분석 협업 과제’ 사례1. 분석 배경
만성통증은 질환이나 손상의 회복에 충분한 시간이 지난 후에도 계속되는 통증으로, 일반적으로 3개월 이상 지속되며 불면증, 우울증 등이 동반되어 삶의 질을 저하시키므로 적극적인 치료가 필요함 미국, 캐나다, 호주 등에서는 마약성 진통제 사용이 급증하면서 이로 인한 심각한 사회문제가 대두되고 있으며, 최근 들어서는 우리나라에서도 마약류 사용이 증가하고 있음 만성통증 환자에서 마약성 진통제 처방 개시 이후 장기간 처방받는 환자의 규모나 장기간 사용에 관련된 요인 등에 대한 객관적인 근거는 아직까지 부족함 본 연구에서는 건강보험심사평가원 청구자료를 이용하여 90일 이상의 진통제 처방을 요하는 만성 비암성통증 환자에서 마약성 진통제 처방 현황을 파악하고, 이들 중 12개월 이상 지속적으로 마약성 진통제를 처방받는 환자의 기초특성 및 처방패턴을 파악하고자 함26
2. 분석 방법과 내용
자료원: 2015년 ~ 2017년 건강보험심사평가원 청구자료 대상: 통증 관련 주진단 또는 부진단으로 NSAIDs, 아세트아미노펜, 마약성 진통제 등의 진통제를 90일 이상 지속적으로 처방받은 환자를 만성통증 환자로 정의하며, 만성통증 발생 이후 마약성 진통제를 처음 처방받기 시작한 20세 이상 환자 연구기간 동안 암(ICD-10, C00-D48)으로 진단받은 환자 제외 연구대상 마약성 진통제 (R05DA, N02AA)는 성분명과 제형을 통해 6가지 그룹으로 분류하고 경구용 모르핀 동등용량으로 환산하여 일일 처방용량을 비교하였음 분석방법: 만성 비암성통증으로 마약성 진통제를 처방받기 시작한 환자의 특성 및 지역별, 월별 처방양상을 확인하고 마약성 진통제 첫 처방의 특성(만성통증 발생으로 첫 처방까지 기간, 처방용량, 처방기간, 처방받은 약물의 종류 등)이 12개월 이상 장기간 사용한 환자와 그렇지 않은 환자에서 차이가 나타나는지 확인함 [그림 1] 마약성 진통제 처방에피소드의 정의3. 분석 결과
만성통증 발생 이후 2016년 처음 마약성 진통제를 처방받았던 환자는 69,898명이었으며, 2017년 12월 31일까지 마약성 진통제 추적관찰기간 동안 마약성 진통제 처방에피소드를 확인한 결과 8.6%인 5,984명이 12개월 이상 마약성 진통제를 장기간 복용한 것으로 나타났음 성별로는 남성에서, 연령군별로는 70세 이상인 환자에서 12개월 이상 마약성 진통제를 장기간 사용하는 분율이 높게 나타났으며, 마약성 진통제 장기간 사용 환자 중에는 의료보호 대상자나 동반질환지수가 높은 환자 비중이 높은 편임 [표 1] 연구대상자 기초특성 마약성진통제 1년 이하(n=63,914) 마약성 진통제 1년 이상 (n=5,984) p-value 성별, n (%) 남성 25922 (40.6) 2624 (43.9) <.0001 여성 37992 (59.4) 3360 (56.2) 연령군, n (%) 20-29 1597 (2.5) 93 (1.6) <.0001 30-39 3041 (4.8) 239 (4.0) 40-49 6486 (10.2) 553 (9.2) 50-59 13436 (21.0) 1156 (19.3) 60-69 16474 (25.8) 1444 (24.1) 70-79 14939 (23.4) 1518 (25.4) 80- 7941 (12.4) 981 (16.4) 보험종별, n (%) 건강보험 58350 (91.3) 4967 (83.0) <.0001 의료보호 5311 (8.3) 966 (16.1) 보훈 253 (0.4) 51 (0.9)Charlson comorbidity index, n (%)
0 24810 (38.8) 2071 (34.6) <.0001 1-2 27439 (42.9) 2523 (42.2) 3- 11665 (18.3) 1390 (23.2) 통증 원인 분류, n (%) 관절염 17446 (27.3) 1774 (29.7) <.0001 등 통증 25074 (39.2) 2495 (41.7) 0.0002 활액막염 1503 (2.4) 73 (1.2) <.0001 두통, 편두통 565 (0.9) 72 (1.2) 0.01 신경병성 통증 1639 (2.6) 251 (4.2) <.0001 만성 췌장염 12 (0.02) 2 (0.03) 0.34 기타 22667 (35.5) 1887 (31.5) <.0001
28 마약성 진통제를 12개월 이상 장기간 복용한 환자와 그렇지 않은 환자의 첫 마약성 진통제 처방 패턴을 비교하였음 대부분의 환자들에서 비교적 중독성이나 부작용이 덜한 트라마돌을 처방받은 것으로 나타났으나, 마약성 진통제 첫 처방시점에서 지속형 처방제를 처방받는 환자도 10%에 가깝게 나타남 마약성 진통제를 장기간 처방받은 환자들에서 트라마돌을 처방받을 확률이 높게 나타났음 의료기관 종별로는 종합병원 이상에서 마약성 진통제를 처방받기 시작한 환자 중에서 장기간 처방 환자의 분율이 높았으며, 장기간 처방 환자가 만성통증 발생 이후 조기에 마약성 진통제를 처방받기 시작하는 것으로 나타났음 [표 2] 마약성 진통제 첫 처방의 특성과 장기간 사용 여부 마약성 진통제 1년 이하(n=63,914) 마약성 진통제 1년 이상 (n=5,984) p-value 마약성 진통제 분류, n (%) long-acting opioids 6112 (9.6) 255 (4.3) <.0001 other Schedule Ⅱ short-acting 4 (0.0) 1 (0.0) 0.36 oxycodone short-acting 801 (1.3) 33 (0.6) <.0001 hydrocodone short-acting 123 (0.2) 6 (0.1) 0.11 Schedule Ⅲ-Ⅳ and nalbuphine 3361 (5.3) 149 (2.5) <.0001 tramadol 56940 (89.1) 5716 (95.5) <.0001 의료기관종별, n (%) 의원 26371 (41.3) 2301 (38.5) <.0001 병원 15203 (23.8) 996 (16.6) 종합병원 22340 (35.0) 2687 (44.9) 만성통증 발생 이후 첫 마약성 진통제 처방까지의 기간 mean ± SD 73.4 ± 92.7 57.9 ± 85.3 <.0001 median (Q1, Q3) 30 (1, 116) 14 (0, 85) 처방기간 mean ± SD 13.5 ± 18.2 22.6 ± 24.8 <.0001 median (Q1, Q3) 7 (3, 14) 14 (7, 30) 일일처방용량 (모르핀 등등환산) mean ± SD 12.5 ± 29.2 9.2 ± 20.1 0.99 median (Q1, Q3) 7.5 (3.75, 11.25) 5.6 (3.75, 7.67)
마약성 진통제 첫 처방 이후 12개월 간 월별 처방환자수를 파악한 결과 일회적으로 마약성 진통제를 처방받은 환자로 인해 첫 1개월 이후 급격히 처방 환자수가 감소하였고, 간헐적으로 처방을 받는 환자도 상당히 있음
4. 결론
상당수의 만성통증 환자에서 마약성 진통제를 장기간 복용하는 것으로 나타났으나 비마약성 진통제에서 약한 진통제로 이어지는 등 비교적 적절히 처방되고 있었음 마약성 진통제의 경우 장기간 복용에 대한 이득이 명확하지 않기 때문에 처방에 주의를 기울여야 할 것임30
Ⅱ-2. 국내 항인지질항체 증후군 환자 실태분석
연구책임자 연구실무자 분석지원 이재승 황재준 신서희 주임연구원 서울아산병원 서울아산병원 건강보험심사평가원 ※ ‘2018년 HIRA 빅데이터 분석 협업 과제’ 사례1. 분석 배경
항인지질항체 증후군은 (anti-phospholipid syndrome; APS)은 전신의 다양한 기관을 침범하는 자가면역질환의 일종으로 동맥, 정맥, 작은 혈관에 혈전을 유발함 이로 인해 유산, 폐색전과 우심기능 저하, 신기능 저하, 뇌졸증 등 전신의 장기에 문제를 일으킬 수 있음 혈전에 의한 합병증이 발생한 항인지질항체 증후군 환자는 장기간 예방적 항응고제를 복용으로 인해 의료비용이 증가하게 되며, 특히 상대적으로 젊은 연령층에서 발병률이 높아 심각한 후유증 발생 시 사회적 부담이 증가하게 됨 자가면역질환 뿐 아니라 사산, 유산 등 태아사망과도 관련성이 있어 적극적인 진단과 예방 및 관리가 필요함 하지만 항인지질항체 증후군에 관련된 증례 보고만 몇 차례 있을 뿐 국내 유병률, 발생률 등의 기본역학 및 치료 현황 등에 대한 연구는 없는 실정임 본 분석에서는 국내 인구를 기반으로 하는 심사평가원 자료를 통해 신뢰성있는 최초의 인구기반 연구를 수행하여 발생률, 동반질환, 산과질환 관련성 등 기초 역학연구를 시행하고자 함
2. 분석 방법과 내용
자료원 : 2008년~2016년 건강보험심사평가원 청구자료 대상：2009년 1월 1일 이후 항인지질항체 증후군으로 진단받은 환자 분석방법 항인지질항체 증후군 환자의 연령별, 성별, 연도별 발생률 이차성 항인지질항체 증후군 환자의 자가면역질환 분석 항인지질항체 증후군 환자의 산과질환 분석 [그림 1] 항인지질항체 증후군 환자 정의 및 추출 과정3. 분석 결과
2009년-2016년 사이 총 3,111 명의 신규환자가 발생하였으며, 여성 1,883명, 남성 1,228 명으로 남성에 비해 여성 신규환자가 많음 인구 100,000명 당 연 평균 발생률은 전체 0.8명(남성 0.6명, 여성 1.0명)으로 확인되었으며, 점차 증가하는 추세임32 0 100 200 300 400 500 600 2009 2010 2011 2012 2013 2014 2015 2016 남 여 총 2009-2016 연도별 신규진단자(명) [그림 2] 항인지질항체 증후군 연도별 발생률 평균 진단연령은 여성에서 더 낮게 나타났으며, 신규환자를 연령군별로 보면 여성은 30-39세 연령층(28%)이 가장 많고, 남성은 30-39세(20%), 40-49세(21%), 50-59세(21%)에서 비슷한 양상을 보이고 있음 0 100 200 300 400 500 600 700 800 900 1000 0-19 20-29 30-39 40-49 50-59 60-69 70-79 =80 남 여 총 2009-2016 연령별 신규진단자 발병자수(명) [그림 3] 항인지질항체 증후군 연령별 신규진단자 전체 신규 환자 중 남녀 모두 전반적으로 자가면역질환과 관련성이 없는 일차성이 관련성이 있는 이차성에 비해 많음 남성은 여성에 비해 일차성 비율이 더 높았으며(1.8 vs 1.2), 남성은 류마티스(48.6%), 여성은 루프스(47.2%)가 가장 많음
하지만 남성에서도 루프스가 39.2%를 차지하고 있어, 남녀 모두 루프스와 관련성이 높고, 이는 기존 연구와 같은 결과를 보여줌 [그림 4] 항인지질항체 증후군 자가면역질환 분석 2009년-2016년까지 항인지질항체 증후군으로 진단받은 20~49세의 가임 연령 여성 환자는 총 1,209명이었으며, 이 중 437명에서 유산, 사산 진단 코드가, 28명에서 조산 코드가 확인됨 ※ 19세 이하, 50세 이상 연령군에서는 상기 코드가 확인되지 않음 이들에서 발생한 유산, 사산, 조산의 원인이 모두 항인지질항체 증후군으로 인한 것으로 확정지을 수는 없으나, 전체 환자의 36%에서 유산, 사산이 확인 되었음
34 [표 1] 가임연령기 환자의 유산, 사산 발생 분석 기준년도 성별 20-29세 30-39세 40-49세 합계 2009년 유산사산 6 13 0 19 여성진단자 33 46 27 158 2010년 유산사산 9 23 3 35 여성진단자 38 58 37 211 2011년 유산사산 14 34 2 50 여성진단자 40 77 43 233 2012년 유산사산 12 45 3 60 여성진단자 27 89 41 237 2013년 유산사산 10 38 4 52 여성진단자 25 78 40 225 2014년 유산사산 10 58 4 72 여성진단자 36 96 44 273 2015년 유산사산 14 75 2 91 여성진단자 33 110 38 267 2016년 유산사산 8 44 6 58 여성진단자 25 80 48 279
4. 결론
본 연구는 항인지질항체 증후군에 관한 최초의 인구기반 연구로 발생률, 동반질환, 산과질환 관련성 등을 확인하였음 2009년~2016년 사이 인구 100,000명 당 항인지질항체 증후군 환자의 연평균 발생률은 전체 0.8명, 남성 0.6명, 여성 1.0명으로 확인되었으며, 남녀 모두에서 점차 증가하는 추세임 남녀 모두에서 전반적으로 자가면역질환과 관련성이 없는 일차성이 이차성에 비해 많음을 확인할 수 있었음 20~49세 가임기 여성 항인지질항체 증후군 환자에서 유산, 사산 진단이 있었던 환자가 36%로 확인 되었음Ⅱ-3. 다한증과 내시경적 교감신경절제술이
심뇌혈관질환 발생 위험에 미치는 영향
연구책임자 연구실무자 분석지원 이지원 박재민 신서희 주임연구원 강남세브란스병원 가정의학과 세브란스병원 건강의학과 건강보험심사평가원 ※ ‘2018년 HIRA 빅데이터 분석 협업 과제’ 사례1. 분석 배경
다한증은 땀이 비정상적으로 과도하게 나오는 상태로 땀으로 인한 축축함과 냄새 등으로 정신적 위축이 되며 대인기피와 사회생활 기피, 우울증으로 발전할 수 있음 우리나라 다한증 환자 수는 증가하고 있으며, 다한증 환자의 삶의 질은 일반인에 비해 나쁜 것으로 알려져 있음 다한증 치료 방법인 흉부 교감신경 절제술이 심뇌혈관질환의 증상, 발생 위험도를 완화시키거나 낮출 수 있다는 연구결과가 보고된 바 있음 절제술은 받은 환자들은 받기 전과 비교하여 목동맥과 중대뇌동맥의 혈류량이 증가하였음 절제술을 받은 다한증 환자는 수술을 받지 않은 다한증 환자보다 심뇌혈관질환의 발생 위험도가 낮았음 본 연구에서는 심사평가원 자료를 이용하여 다한증 환자와 다한증이 없는 환자의 심뇌혈관질환의 발생 위험도와 흉부 교감신경 절제술을 받은 환자와 받지 않은 환자의 심뇌혈관질환의 발생 위험도를 비교하고자 함36
2. 분석 방법과 내용
자료원: 2007년부터 2017년까지 심사평가원 청구 자료 대상자 기준 심뇌혈관질환은 뇌졸중(I60-63)과 허혈성심장질환(I21-25)을 포함 주요 추출 대상자 질병 코드, 진료행위 코드: 다한증 (R61), 흉부 교감신경 절제술 (S4832), 흉부 교감신경 차단술 (LA361) 대상자 제외 기준: 2010년 이전에 다한증(R61) 코드가 있는 환자, 2010년 이전에 심뇌혈관질환(I21-25, I60-63) 코드가 있는 환자 대상자 연령: 2010년 당시 연령이 18세 이상, 65세 미만인 사람 동반질환 정의: 당뇨병(E10-14), 고혈압(I10-15), 기분(정동)장애(F30-39), 불안장애(F40-41), 이상지질혈증(E78), 신부전(N17-19), 악성신생물(C00-D48), 심방세동(I48)Baseline selection bias를 보정하기 위해 다한증이 있는 군과 없는 군을 Propensity score matching을 이용하여 매칭한 후 follow-up 기간인 2017년 12월 31일까지 심뇌혈관질환의 발생을 확인함
연령, 성별, 동반질환(당뇨병, 고혈압, 기분장애, 불안장애, 심방세동, 이상지질혈증, 심부전, 신부전, 악성신생물) 등을 고려하여 매칭
3. 분석 결과
다한증 환자 18,613명과 Propensity score matching을 통해 매칭된 대조군 18,613명을 심뇌혈관질환 발생 수를 비교한 결과, 심뇌혈관 질환 발생은 다한증 군(3.1%)이 대조군(2.5%)보다 유의하게 증가하였음 심뇌혈관 질환의 발생은 내시경적 흉부 교감신경 절제술을 받은 다한증 환자군(1.4%), 대조군(2.5%), 내시경적 흉부 교감신경 절제술을 받지 않은 다한증 환자군(3.3%) 순으로 유의하게 증가하였음 내시경적 흉부 교감신경 절제술을 받지 않은 다한증 환자군의 심뇌혈관질환 발생은 다한증이 없는 Health control에 비해 유의하게 증가하였음 반면 내시경적 흉부 교감신경 절제술을 받은 다한증 환자군의 심뇌혈관질환 발생은 다한증이 없는 Health control과 유의한 차이가 없었음
38
4. 결론
다한증 환자의 심뇌혈관 발생 위험은 다한증이 없는 사람에 비해 높지만 내시경적 흉부교감신경 절제술을 받은 다한증 환자는 다한증이 없는 사람에 비해 심뇌혈관 발생 위험이 높지 않음 내시경적 흉부교감신경 절제술은 다한증에 대한 치료 이외에도 심뇌혈관계 질환의 증상을 완화시키거나 발생 위험을 감소시키는 추가적 효과가 있을 수 있음Ⅱ-4. 대장암 선별검사의 효과 연구
연구책임자 연구실무자 분석지원 최현호 김영기 정명후 가톨릭대학교 의정부성모병원 가톨릭대학교 의정부성모병원 건강보험심사평가원 ※ ‘2018년 HIRA 빅데이터 분석 협업 과제’ 사례1. 분석 배경
대장암은 국내뿐 아니라 세계적으로 빠르게 발생률이 증가하고 있는 암으로 선별검사를 통해 적절한 시기에 전구병변이나 암종을 발견하여 치료하면 진행 병변으로 이행을 막아 사망률을 낮출 수 있음 대장 내에 국한된 암을 조기 발견할 경우 5년 생존율은 90%이상이지만, 주위 조직 침범이 있는 경우 68%, 원격전이가 발생한 경우 10%로 급격히 떨어짐 진행성 직장암의 경우 수술 후 복벽 장루술을 시행하게 되어 삶의 질이 저하되므로 대장암의 조기발견은 생존율 향상뿐만 아니라 치료 후 삶의 질에 있어서도 매우 중요함 대장암 선별검사인 분변잠혈검사, 대장내시경검사, 직장내시경검사에 대한 효용성을 비교하는 연구들이 해외에서 진행 중이며, 국내에서는 아직 보고된 바가 없음 분변잠혈검사는 비침습적이고 비용이 저렴하지만 양성으로 나왔을 때 실제 대장암이 발견되는 경우는 2~10%정도이고 대장암 및 선종성 용종을 발견하는 경우도 20~30%로 위양성률이 높음 대장내시경검사는 대장 전체를 관찰할 수 있으며 검사의 정확도가 높고, 용종이 있으면 바로 제거가 가능하지만 시행할 수 있는 의사 수가 제한적이고, 검사 시 통증과 전처치의 불편함이 있으며, 대장 천공이나 출혈 등의 합병증이 발생할 수 있음 직장내시경의 경우 대장내시경을 시행할 수 없는 경우 시행할 수도 있지만 우측 대장을 관찰할 수 없다는 단점이 있음40 본 연구에서는 선별검사를 받지 않은 군에 비해 대장암 선별검사를 시행했을 때 5년 생존율 증가를 확인하고, 선별검사 방법(분변잠혈검사, 직장내시경, 대장내시경)에 따른 생존율 차이를 비교하고자 함
2. 분석 방법과 내용
대상: 2012년 대장암으로 진단받은 환자 환자군 분류 A: 대장내시경을 받은 환자 B: 대장내시경을 받지 않은 환자 C: 대장내시경을 받지 않은 환자중 분변잠혈검사를 받은 환자 D: 대장내시경을 받지 않은 환자중 직장내시경을 받은 환자 생존여부: 2017년(1년간) 진료기록이 있는 환자는 생존으로 정의3. 분석 결과
2012년 1년간 대장암으로 진단받은 환자 40,239명 중 대장내시경을 시행한 환자는 19,052명, 시행받은 적이 없는 환자는 21,187명임 [표 1] Patient characteristics Never-colonoscopy (n=21187), n (%) Ever-colonoscopy (n=19052), n (%) P-value Age, Mean ± SD, year 65.28 ± 13.60 62.61 ± 11.77 <0.001 ≤65 10128 (47.80%) 10901 (57.22%) >65 11059 (52.20%) 8151 (42.78%) Gender <0.001 Male 11837 (55.87%) 12019 (63.09%) Female 9350 (44.13%) 7033 (36.91%) Sigmoidoscopy <0.001 Never 19101 (90.15%) 16386 (86.01%) Ever 2086 (9.85%) 2666 (13.99%)Fecal Occult Blood <0.001
Never 18543 (87.52%) 16446 (86.32%) Ever 2644 (12.48%) 2606 (13.68%) 전체 환자의 5년 생존율은 72.3%이며, 대장내시경을 시행한 과거력이 있는 환자의 생존율이 81.8%로 가장 높음 대장내시경을 시행한 과거력이 있는 환자: 81.8% 대장내시경을 시행하지 않았던 환자: 63.8% 대장내시경을 받지 않은 환자 중 분변잠혈검사를 받은 환자: 66% 대장내시경을 받지 않은 환자 중 직장내시경을 받은 환자: 48%
42
[표 2] Crude survival by colonoscopy, sigmoidoscopy, fecal occult blood Survive, n (%) Death, n (%) P-value Ever-colonoscopy (n=19052) 15593 (81.84%) 3459(18.16%) <0.001 Never-colonoscopy (n=21187) 13509 (63.76%) 7678 (36.24%)
Sigmoidoscopy <0.001
Ever 1438 (68.94%) 648 (31.06%) Never 12071 (63.20%) 7030 (36.8%)
Fecal Occult Blood <0.001
Ever 1269 (48.00%) 12240 (66.01%) Never 1375 (52.00%) 6303 (33.99%)
대장내시경을 받은 과거력이 있는 군의 생존율이 높았음(Hazard ratio 0.487, P-value< 0.001). 대장내시경을 받지 않은 환자 중에서 직장내시경을 받은 군이 받지 않은 군보다 생존율이 높고, (Hazard ratio 0.829, P-value< 0.001). 분변잠혈검사를 받은 군이 생존률이 낮음 (Hazard ratio 1.515, P-value< 0.001)
[표 3] Prognostic factor for 5-years survival
Hazard ratio Confidence interval
Ever-colonoscopy 0.487 0.468-0.508
Never-colonoscopy 1
Sigmoidoscopy 0.829 0.765-0.899 Fecal Occult Blood 1.515 0.468-0.508
[그림 1] Survival curves according to screening test
4. 결론
대장내시경을 시행한 과거력이 있는 환자들의 생존율이 과거력이 없는 환자들보다 통계적으로 유의하게 높게 나타남 또한 직장내시경 및 분별잠혈검사를 받은 환자들보다 대장내시경을 받은 환자들의 생존율이 의미있게 높게 나타남44
Ⅱ-5. 말기신부전 환자에서 이상지질혈증 치료와
심뇌혈관계질환 발생 예방
연구책임자 연구실무자 분석지원 이하정 김지은 김상현 주임연구원 서울대학교병원 서울대학교병원 건강보험심사평가원 ※ ‘2018년 HIRA 빅데이터 분석 협업 과제’ 사례1. 분석 배경
말기신부전은 비가역적인 신기능 손실로 인해 투석, 이식과 같은 신대체요법이 필요한 질환으로 고령화, 당뇨 및 고혈압과 같은 만성질환의 증가로 세계적으로 지속적으로 증가하는 추세임 말기신부전 환자는 심뇌혈관질환 발생의 고위험군이며 심뇌혈관계 합병증으로 인한 사망이 전체 사망의 50% 이상을 차지함 이상지질혈증은 잘 알려진 심뇌혈관계 합병증의 위험 인자로, 이상지질혈증의 일차 치료약제인 스타틴은 다양한 연구에서 심뇌혈관 합병증 발생 및 사망을 줄이는 효용을 입증하였으나, 말기신부전에서는 그 효과가 입증되지 못 함 본 연구에서는 건강보험심사평가원 (HIRA)의 데이터를 이용하여 국내 말기신부전 환자의 신대체요법에 따른 심뇌혈관질환 발생률 및 스타틴에 대한 심뇌혈관질환 발생 예방 효과의 차이를 확인하고자 함2. 분석 방법과 내용
자료원: 2010 ~ 2017년 건강보험 청구자료 대상: 연구기간 동안 산정특례코드 V001 (혈액투석), V003 (복막투석), V005 (신장이식) 이 발행된 말기 신부전 환자 분석방법: 이식 또는 투석 시작 후 1년 이내 스타틴 처방 여부에 따라 스타틴 투약군과 대조군을 정의하고, 스타틴 투약 유무에 따른 환자군의 기본 특성을 비교, 심뇌혈관계질환과 사망률을 비교 분석함3. 분석 결과
1. 이식환자에서 스타틴 사용과 심뇌혈관계질환 발생
1) 연구 대상자의 기본정보 (Baseline characteristics) 2010~2017년간 총 14,350 명의 신장이식 환자가 확인되었으며, 배제조건에 따른 환자를 제외 후 4,348명이 최종 포함됨 [그림 1] 이식군 선정기준46 4,348명 중 1,745명 (40.1%)에서 이식 1년 이내 스타틴 투약력이 확인됨 스타틴 투약군은 40세 미만 환자가 더 많고, 여성의 비율이 높았으며, Charson comorbidity index(CCI)가 3이상인 환자의 비율과 당뇨, 고혈압 유병률 역시 높았음 또한 기저 투석기간 1년 미만인 환자비율이 대조군에 비해 더 높았음 2) 이식 환자군에서 스타틴 투여와 심뇌혈관계 질환, 사망, 이식신 소실 위험도 스타틴 투약군과 대조군 간 1년 이후 발생한 심뇌혈관계 질환 위험도를 확인한 결과, 스타틴 투약군에서 전체 심뇌혈관계질환(total MACE)은 18명(1.0%), 대조군에서는 51명(2.0%)이 발생함 스타틴 투약군은 대조군에 비해 전체 심뇌혈관계질환 발생 위험도가 낮았으나, 통계적인 유의성은 확인하지 못했음 [표 1] 이식 환자에서 스타틴 투약군과 대조군 간 심뇌혈관계질환 위험도 Outcomes Event N
*Model 1 **Model 2 ***Model 3
HR (95% CI) P HR (95% CI) P HR (95% CI) P
Total MACE
Control 51 Reference Reference Reference Statin 18 0.75 (0.44-1.28) 0.2919 0.69 (0.40-1.19) 0.1803 0.76 (0.44-1.30) 0.3137 Myocardial infarction
Control 10 Reference Reference Reference Statin 3 (0.18-2.38)0.65 0.5183 (0.17-2.19)0.60 0.4399 (0.16-2.21)0.60 0.4392
Revascularization
Control 18 Reference Reference Reference Statin 9 (0.48-2.39)1.07 0.8608 (0.45-2.25)1.01 0.9856 (0.46-2.35)1.04 0.9220
Ischemic stroke
Control 31 Reference Reference Reference Statin 11 (0.37-1.48)0.75 0.4014 (0.35-1.39)0.70 0.3017 (0.40-1.58)0.79 0.5047 *Model 1 : unadjusted
**Model 2 : adjusted with age and sex
[그림 2] 이식환자에서 스타틴 투약군과 대조군 사이 전체 심뇌혈관계질환(A), 심근경색(B), 재관류(C), 허혈성 뇌졸중(D) 발생의 위험도에 대한 Kaplan-Meier curves
전체 심뇌혈관계질환을 개별 질환으로 나누어서 확인했을 때, 심근경색 (myocardial infarction), 재관류(revascularization) 및 허혈성 뇌졸중 (ischemic stroke) 모두 스타틴 투약 및 대조군 간 차이는 보이지 않았음 스타틴 투약군에서의 사망률 및 이식신 소실 또한 대조군과 유의한 차이는 없었으며, 출혈성 뇌졸중 위험도에 대해서도 차이가 없었음
2. 투석 환자에서 스타틴 사용과 심뇌혈관계 질환 발생
1) 연구 대상자의 기본정보 (Baseline characteristics) 2010~2017년간 혈액투석 또는 복막투석을 새롭게 시작한 환자는 총 93,917명이었으며, 배제조건에 따른 환자를 제외한 32,201명이 최종적으로 포함됨48 [그림 3] 투석군 선정기준 32,201명 중 13,841명(43.0%)이 이식 1년 이내 스타틴 투약력이 있었으며, 투석 환자에서도 스타틴 투약 및 대조군에서의 기본 특성 차이가 있었음 스타틴 투약군에서 40세 미만 환자가 더 적고, 여성의 비율이 높았으며, Charlson comorbidity index(CCI)가 3 이상인 환자의 비율 및 당뇨, 고혈압 유병률 역시 높았음 2) 투석 환자군에서 스타틴 투여와 심뇌혈관계질환 발생 위험도 전체 심뇌혈관계질환은 스타틴 투약군에서 220명(1.6%), 대조군에서 2,255명(12.3%)이 발생함 전체 심뇌혈관계질환 발생에 대해 스타틴 투약군이 비보정 분석에서는 유의하게 위험도의 감소를 보이는 듯 하였으나, 기저질환과 나이, 성별을 보정한 다변량 보정 분석 시 대조군과 차이가 없음을 확인함
[표 2] 투석 환자에서 스타틴 투약군과 대조군 간 심뇌혈관계질환 위험도
Outcomes Event N
*Model 1 **Model 2 ***Model 3
HR (95% CI) P HR (95% CI) P HR (95% CI) P
Total MACE
Control 2255 Reference Reference Reference Statin 220 (0.75-0.99)0.86 0.0337 (0.79-1.04)0.90 0.1475 (0.83-1.10)0.96 0.5225
Myocardial infarction
Control 695 Reference Reference Reference Statin 70 (0.70-1.15)0.90 0.3744 (0.74-1.02)0.94 0.6292 (0.79-1.30)1.01 0.8974
Revascularization
Control 992 Reference Reference Reference Statin 97 (0.71-1.07)0.87 0.1967 (0.74-1.13)0.91 0.3958 (0.80-1.22)0.99 0.9039
Ischemic stroke
Control 1247 Reference Reference Reference Statin 125 (0.74-1.07)0.89 0.2057 (0.77-1.12)0.93 0.4241 (0.81-1.17)0.97 0.7794 *Model 1 : unadjusted
**Model 2 : adjusted with age and sex
50
[그림 4] 투석 환자에서 스타틴 투약군과 대조군 사이 전체 심뇌혈관계질환(A), 심근경색(B), 재관류(C), 허혈성 뇌졸중(D) 발생의 위험도에 대한 Kaplan-Meier curves
심뇌혈관계질환을 개별적으로 나누어서 분석했을 때, 심근경색 (myocardial infarction), 재관류(revascularization) 및 허혈성 뇌졸중 (ischemic stroke) 모두 스타틴 투약군과 대조군 사이에 유의한 차이는 발견할 수 없었음
4. 결론
말기신부전 환자에서 신대체요법에 따라 심뇌혈관계질환 발생률의 차이를 보이며, 이상지질혈증 조절 약제인 스타틴의 투여는 이식 및 투석을 시작한 말기 신부전 환자에서 심뇌혈관계질환 발생 예방에 유의한 효과를 확인할 수 없었음 본 연구는 국내 환자들에서의 낮은 심뇌혈관계질환 발생률로 인한 통계적 검정력을 확보하기 어려웠다는 한계점이 존재함52
Ⅱ-6. 전신홍반루푸스 환자의 임신 및 분만에 관한 연구
연구책임자 연구실무자 분석지원 박윤정 주영빈 김상현 가톨릭대학교 성빈센트병원 가톨릭대학교 성빈센트병원 건강보험심사평가원 ※ ‘2018년 HIRA 빅데이터 분석 협업 과제’ 사례1. 분석 배경
전신홍반루푸스(이하 루푸스)는 자가항체와 면역복합체가 생성되고 이들이 조직 내 침착되면서 다양한 장기 손상을 가져오는 대표적인 자가면역질환임 루푸스 환자의 90%는 여성이며, 어느 연령에서도 발생할 수 있으나, 주로 15-45세 여성에서 가장 많이 발생함 루푸스가 나쁜 임신 예후와 연관이 있다는 보고가 있으나, 국내 루푸스 환자의 임신 예후에 대한 연구가 미흡한 실정이며, 아직까지 전세계적으로 루푸스 여성의 임신율에 대한 대규모 연구 결과는 없음 본 연구에서는 루푸스 가임기 환자와 루푸스가 없는 가임기 대조군 사이의 임신율과 임신 예후를 비교하고자 함2. 분석 방법과 내용
대상: 2013~2015년 임산부 루푸스 동반 유무에 따라 루푸스 임산부와 대조군 임산부로 구분함 자료원: 2012~2016년 건강보험 청구자료, 통계청 인구동향조사 분석방법: ① 루푸스 임산부와 대조군 임산부의 임신률 비교 ② 루푸스 임산부와 대조군 임산부의 임신 예후를 비교 [그림 1] 연구 프로세스3. 분석 결과
루푸스의 임신율은 대조군에 비해 약 30% 정도 낮고, 루푸스 환자의 임신율은 매년 1,000명당 30명 정도임 대조군의 임신율은 매년 1,000 명당 40명 정도이며, 나이를 보정한 루푸스 상대 임신율은 0.66~0.74로 대조군에 비해 임신 비율이 낮음 연도별 임신율 변화는 보이지 않음54 [표 1] 루푸스와 대조군 여성의 임신률 연도 루푸스 대조군 임산부 /가임기 여성 1,000명당 임산부 수 임산부 /가임기 여성 1,000명당 임산부 수 Age-adjusted IRR (95% CI) 2013년 313 /10,516 29.7 (26.5, 33.0) 508,442 /13,070,224 38.9 (38.8, 39.0) 0.68 (0.61, 0.76) 2014년 331 /11,205 29.5 (26.4, 37.7) 512,712 /12,992,974 39.5 (39.4, 39.6) 0.66 (0.60, 0.74) 2015년 350 /11,400 30.7 (27.5, 33.9) 489,404 /12,877,547 38.0 (37.9, 38.1) 0.74 (0.66, 0.82) 루푸스 임산부는 대조군 임산부에 비해 나이가 더 많았으며, 동반질환 수도 많고, 아스피린은 22배 이상, 스테로이드는 6.5배 이상 처방 받고 있음 [표 2] 루푸스와 대조군 임산부의 임상 특징 비교 루푸스 N = 917 대조군 N =1,205,881 OR (95% CI) 나이 15-19세 1 8,907 1 20-29세 204 331,264 6.11 (0.86, 43.40) 30-39세 671 810,451 8.05 (1.14, 57.01) 40-49세 41 55,259 6.41 (0.09, 46.34) 동반질환 수 0 352 802,500 1 1 310 297,223 2.46 (2.12, 2.54) 2개 이상 255 106,158 5.69 (4.87, 6.64) 약물 아스피린 미처방 804 1,198,616 1 처방 113 1,352 6.48 (5.55, 7.55) 스테로이드 미처방 195 756,769 1 처방 722 449,112 6.48 (5.55, 7.55)
루푸스 임산모는 대조군 임산모에 비해 나쁜 태아 예후를 보임 태아 사망은 대조군에 비해 약 1.3배, 자궁 내 발달 지연은 대조군에 비해 약 4.6배, 조산아는 대조군에 비해 약 3.4배 높게 나타남 루푸스 임산모는 대조군 임산모에 비해 나쁜 산모 예후를 보임 자간전증 또는 자간증 발생 위험이 약 3.4배 높으며, 임신성 당뇨 발생 위험은 대조군과 차이가 없음 [표 3] 루푸스와 대조군 임산부의 태아 및 산모 예후 비교 루푸스 임산부, n =917 대조군 임산부, n =1,205,881 IRR (95%CI)
n IR (95%CI) n IR (95%CI) Age-adjusted 태아 예후 태아 사망 220 239.9(208.2,271.6) 219,842 182.3(181.5,183.0) 1.30(1.14,1.49) 자궁 내 발달지연 53 57.80(42.24,73.36) 14,712 12.20(12.00,12.40) 4.65(3.55,6.09) 조산아 8 8.72(2.68,14.77) 2,958 2.45(2.36,2.54) 3.47(1.73,6.94) 산모 예후 자간전증 또는 자간증 67 73.06(55.57,90.56) 25,305 20.98(20.73,21.24) 3.43(2.70,4.36) 임신성 당뇨 312 340.2(302.4,377.9) 439,762 364.6(363.6,365.7) 0.90(0.81,1.01) 루푸스 임산부 나이가 어릴수록 태아 및 산모 예후가 좋지 않음 태아 사망은 20-24세에 2.5배로 가장 높고, 자간전증은 25-29세일 경우 4.5배, 30-34세일 경우 4.0배이며, 40세 이상에서는 차이가 없음 루푸스 신염이 동반되거나 루푸스로 인해 입원, 루푸스 치료를 위해 고용량의 스테로이드를 사용하는 경우 루푸스 임산부의 예후가 좋지 않음 태아 사망은 고용량 스테로이드를 사용 시 2.1배 증가 자궁 내 발달 지연은 루푸스 신염이 있는 경우 11.3배 증가
56 조산은 루푸스 신염이 있는 경우 6.2배, 입원하는 경우 16.7배, 고용량 스테로이드 사용하는 경우 17배 증가 자간전증 또는 자간증은 입원하는 경우 7.6배, 고용량의 스테로이드를 사용하는 경우 6.8배 증가 [표 4] 루푸스와 대조군 임산부의 임신 예후 민감도 분석 루푸스 임산부, n =917 대조군 임산부, n =1,205,881 IRR (95%CI)
n IR (95%CI) n IR (95%CI) Age-adjusted 태아사망 220 239.9(208.2,271.6) 219,842 182.3(181.5,183.0) 1.3(1.1,1.4) 루푸스 신염(-) 202 220.2(189.9,250.6) 219,842 182.3(181.5,183.0) 1.2(1.1,1.4) 루푸스 신염(+) 18 19.6(10.5,28.7) 219,842 182.3(181.5,183.0) 1.4(0.9,2.2) 입원(-) 194 211.5(181.7,241.3) 219,842 182.3(181.5,183.0) 1.2(1.0,1.4) 입원(+) 26 28.3(17.4,39.2) 219,842 182.3(181.5,183.0) 1.9(1.3,2.8) 고용량 스테로이드(-) 203 221.3(190.9,251.8) 219,842 182.3(181.5,183.0) 1.2(1.1,1.4) 고용량 스테로이드(+) 17 18.5(9.7,27.3) 219,842 182.3(181.5,183.0) 2.1(1.3,3.3) 자궁내 발달지연 53 57.8(42.2,73.3) 14,712 12.2(12.0,12.4) 4.6(3.5,6.0) 루푸스 신염(-) 44 47.9(33.8,62.1) 14,712 12.2(12.0,12.4) 4.1(3.0,5.5) 루푸스 신염(+) 9 9.8(3.4,16.2) 14,712 12.2(12.0,12.4) 11.3(5.8,21.7) 입원(-) 48 52.3(37.5,67.1) 14,712 12.2(12.0,12.4) 4.5(3.4,6.0) 입원(+) 5 5.4(0.6,10.2) 14,712 12.2(12.0,12.4) 5.5(2.3,13.3) 고용량 스테로이드(-) 49 53.4(38.4,68.4) 14,712 12.2(12.0,12.4) 4.5(3.4,6.0) 고용량 스테로이드(+) 4 4.3(0.1,8.6) 14,712 12.2(12.0,12.4) 6.7(2.5,17.9) 조산아 8 8.7(2.6,14.7) 2,958 2.4(2.3,2.5) 3.4(1.7,6.9) 루푸스 신염(-) 7 7.6(1.9,13.2) 2,958 2.4(2.3,2.5) 3.2(1.5,6.8) 루푸스 신염(+) 1 1.0(-1.0,3.2) 2,958 2.4(2.3,2.5) 6.2(0.8,44.6) 입원(-) 5 5.4(0.6,10.2) 2,958 2.4(2.3,2.5) 2.3(0.9,5.6) 입원(+) 3 3.2(-0.4,6.9) 2,958 2.4(2.3,2.5) 16.7(5.4,52.0) 고용량 스테로이드(-) 6 6.5(1.3,11.7) 2,958 2.4(2.3,2.5) 2.7(1.2,6.1) 고용량 스테로이드(+) 2 2.1(-0.8,5.2) 2,958 2.4(2.3,2.5) 17.0(4.2,68.2) 자간전증/자간증 67 73.0(55.5,90.5) 25,305 20.9(20.7,21.2) 3.4(2.7,4.3) 루푸스 신염(-) 62 67.6(50.7,84.4) 25,305 20.9(20.7,21.2) 3.4(2.6,4.3) 루푸스 신염(+) 5 5.4(0.6,10.2) 25,305 20.9(20.7,21.2) 3.6(1.5,8.7) 입원(-) 55 59.9(44.1,75.8) 25,305 20.9(20.7,21.2) 3.0(2.3,3.9) 입원(+) 12 13.0(5.6,20.4) 25,305 20.9(20.7,21.2) 7.6(4.3,13.5) 고용량 스테로이드(-) 60 65.4(48.8,81.9) 25,305 20.9(20.7,21.2) 3.2(2.5,4.1) 고용량 스테로이드(+) 7 7.6(1.9,13.2) 25,305 20.9(20.7,21.2) 6.8(3.2,14.3) 임신성 당뇨 312 340.2(302.4,377.9) 439,762 364.6(363.6,365.7) 0.9(0.8,1.0) 루푸스 신염(-) 296 322.7(286.0,359.5) 439,762 364.6(363.6,365.7) 0.9(0.8,1.0) 루푸스 신염(+) 16 17.4(8.9,2.0) 439,762 364.6(363.6,365.7) 0.6(0.4,1.1) 입원(-) 294 320.6(283.9,357.2) 439,762 364.6(363.6,365.7) 0.9(0.8,1.0) 입원(+) 18 19.6(10.5,28.7) 439,762 364.6(363.6,365.7) 0.6(0.4,1.0) 고용량 스테로이드(-) 302 329.3(292.1,366.4) 439,762 364.6(363.6,365.7) 0.9(0.8,1.0) 고용량 스테로이드(+) 10 10.9(4.1,17.6) 439,762 364.6(363.6,365.7) 0.5(0.3,1.0)
4. 결론
한국인 루푸스 환자의 임신율은 1,000명당 30명 정도이며, 대조군에 비해 약 30%정도 낮은 임신율을 보임 루푸스는 임신 후 태아 및 산모의 나쁜 예후와 연관이 있으며, 임산부 나이가 어릴수록 임신 예후가 나쁠 가능성이 높음 특히, 루푸스 신염이 동반되거나, 입원 및 고용량의 스테로이드를 사용하는 경우 임신 예후가 좋지 못함 산모와 태아의 좋은 임신 예후를 위해서는 적절한 임신 시점을 계획하여 약제를 조절하고, 임신 기간 동안 철저한 모니터링이 필요함 이번 연구 결과는 루푸스 가임기 여성의 적절한 계획 임신에 대한 교육 및 이용 가능한 정보를 제공하였으며, 향후 루푸스 여성의 임신 및 임신 관리를 통한 국내 루푸스 산모의 진료 수준을 올리는데 기여할 수 있는 근거를 제공함58
Ⅱ-7. 한국 혈우병의 인구학적 변인 분석과 의료이용,
진료 실태
연구책임자 연구실무자 분석지원 유철우 한정우 정명후 을지대학교 의과대학 연세대학교 의과대학 건강보험심사평가원 ※ ‘2018년 HIRA 빅데이터 분석 협업 과제’ 사례1. 분석 배경
혈우병은 혈액 내 응고인자가 부족하여 발생하는 출혈성 질환으로 출혈이 반복되는 경우 혈관절증 이후 관절병증으로 진행, 삶의 질을 크게 손상시키고 정상적인 사회 생활을 제한하는 악영향을 초래함 혈우병의 출혈 치료 시 사용되는 약제는 혈장유래 제제와 유전자 재조합제제가 있으며, 두 제제 모두 고가로서 재정적인 부담을 초래함 혈우병의 전체 생존기간이 정상인의 생존기간에 육박함에 따라 고령의 환자가 증가하고 있어, 재정 부담이 가중되고 있음 혈우병을 치료함에 있어 비용-효과를 극대화 하고, 환자의 삶의 질을 높이기 위해, 진료 현황 및 비용 분석, 합병증 실태 등의 기본 조사가 필요하나, 국내 연구 결과는 충분하지 않았음 본 연구는 혈우병의 인구학적 기술 (발생률, 유병률, 사망연령 등)과 혈우병 관리의 양상을 기술하여, 혈우병 진료 체계를 발전하고, 정책을 마련토록 기초 자료를 제공하고자 함2. 분석 방법과 내용
자료원: 건강보험 심사평가원 청구자료 혈우병 환자의 조작적 정의 8번 결핍(A), 9번 결핍(B), 11번 결핍(C)의 3가지 혈우병을 분석의 주요 대상으로 함 D66, D67, D68 진단명을 보유하고 있으면서 V009 (혈우병 치료를 받은 당일 외래진료 또는 해당 치료 관련 입원진료) 코드가 한번 이상 발생한 환자 전체 군 (N=3440) 혈우병A 1847명, 혈우병 B 447명, 중화항체보유력(일시중화항체포함) 149명으로 각각 확인됨 [표 1] 혈우병 진단 환자 수 코드 진단명 N D66 혈우병A 1938 D67 혈우병B 454 기타 폰빌레브란트병, 혈우병C, FVII인자결핍증, 미분류 등 1048 전체 344060
