의약품 소비량 및 비급여 의약품 판매액 추정을 위한 DDD(일일상용량) 부여 체계 구축과 의사결정나무 모델을 활용한 분석 방법론 연구 doc_id PCY_201511170457252181_2

2013년 병원 비급여 의약품의 공급가대비 소비자가의 비율을 확인한 결과, 최소 0%에서 최대 126%(모든 기관의 공급금액이 0이상인 7품목)로 의약품마다 공급가대비 소비자가 비율의 편차가 큰 특성을 보였다. 위와 같이, 다소비 일반의약품 뿐만 아니라 2013년 기 통계조사자료의 전문/일반의약품에 대한 소비자가격 검토시 기입오류, 포장단위 혼동 등으로 판단되는 값이 많았고, 이러한 이상치(outlier)를 제외하더라도 그 변이가 커서 일반화 할 수 있는 소비자가 산출은 어려운 것으로 판단하였다. 이러한 특성은 우리나라 의약품 제도 및 유통 특성에 따른 것으로, 동일 성분의 동일 제약회사 의약품이더라도 시점간, 기관간, 유통경로별 차이가 커서 전수가 아닌 표본조사는 신뢰도 확보가 어려울 것으로 판단되었다. 따라서, 본 연구에서는 전체 의약품 판매가격의 16%(2013년 기준)에 해당하는 비급여의약품 판매가격 산출시 공급가를 기준으로 하였다. 별도 DDD 정보 수집 대상 의약품(22,775품목)에 대해 ATC 코드별 DDD를 매치하되 동일한 ATC 코드라도 투여 경로(경구제, 주사제 등)나 약제 특성(지속형 주사 여부 등)에 따라 DDD가 다르게 부여되어 있어, 우선적으로 WHO ATC/DDD 가이드라인에 제형별 DDD 부여 일반 원칙을 참고하였다. 그 외에, 투여경로 및 약제특성 정보는 약제급여목록 및 급여상한금액표 (www.hira.or.kr) 및 비급여 의약품 목록의 주성분 코드 및 식약처 EZdrug 등 약제정보사이트의 제공정보를 활용하여 DDD를 부여하였다. 의약품 소비량 산출을 위해서는 의약품 주성분 함량을 DDD로 단위를 환산하는 과정이 필요하다. 이를 위해 의약품 주성분 함량을 WHO의 ATC별 DDD 단위 함량으로 나누면 되는데, 의약품 주성분 함량에 대한 정보는 약제급여목록 및 급여상한금액표, 식약처 허가사항 및 제약사 문의를 통해 수집하였다. 추가로 검토된 22,775품목 중 약제별 특성이 별도 고려되어야 할 것으로 판단한 의약품(800품목)에 대해서는 내부 전문위원, 외부전문가 자문 과정을 거쳐 확인하였다. 이 과정을 통해 DDD를 부여하였고, 그 외에 대표코드, 약품코드, 제품명, 성분명, WHO ATC별 DDD에 따른 환산 계수 정보를 포함한 의약품 분석정보 목록을 구축하였다. 내부 검토 및 내외부 전문가 자문을 거쳐 구축된 의약품 분석목록 중 DDD 부여 내역을 확정하기 위해 309개사 14,929품목에 대해 제약사 의견조회를 실시하였다. 의견제출은 이메일을 통해 하도록 하였고, 일주일 간의 의견조회 기간 이후 총 28개 제약사의 338품목에 대한 의견이 제출되었다. 제출된 의견은 대부분 허가 취하 또는 누락 관련 건(256품목) 이었고, 그 외에 약제특성별 고려사항과 관련한 사항(10품목), 허가상의 용법 용량과 DDD 차이(57품목), 기타 ATC 코드 관련(10품목) 및 기타 주성분 함량 등 관련 의견(5품목)이 제출되었고, 해당 품목에 대해서 추가 임상전문가 자문회의를 거쳐 DDD 부여내역을 최종 확정하였다. 2009-2013년간 공급이력이 있었던 37,107품목에 대해 2014년 기준 WHO ATC별 의약품 일일상용량(DDD) 정보를 매칭한 결과 최종 14,929품목이 매칭되었다. 이중 제형 특성, 포장 단위 등을 반영한 환산 계수 부여 품목은 총 14,918품목으로 과거 5년간 공급 이력이 있었던 품목 전체 중 40.2%에 대해 의약품 소비량 산출의 기본 단위인 의약품 일일상용량 환산계수 정보를 확정하였다. DDD 부여 품목의 현황은 ATC별로 차이가 컸는데, 소화기계(A) 및 혈액 및 조혈기관(B)의 경우 DDD가 부여된 품목의 비율이 가장 낮았다(각각, 25.6%, 24.8%). 이에 반해 H(전신성 호르몬제)의 경우 DDD 부여 비중이 약 92%로 가장 높았다. 타 의약품들과 달리, 인종간의 차이로 국내외 허가사항과 WHO의 DDD간에 차이가 있는 액토스정 등 염산피오글리타존을 성분으로 하는 102개 품목(A10BG03)에 대해서는 WHO의 DDD 적용 외에, 국내허가사항을 반영한 DDD(15mg)를 별도 관리하기로 하였다(WHO DDD: 30mg). 비급여 품목(품목코드 삭제 포함)의 공급 특성 및 의약품 특성을 고려하여 판매액 결정이 필요하므로 군집분석을 통해 결정된 급여 품목의 판매액을 공급액 대비 비율로 적용하여 산정하는 방식으로 의사결정나무 모델을 생성하였다. 목표(target) 변수로 정의되어 있는 사용률은 공급액 대비 판매액 비율로 최종적으로 비급여 품목의 사용액 추정을 위해 적용될 값이다. 그리고 개별 입력(input) 변수는 사용에 영향을 줄 수 있는 혹은 사용 패턴에 상호 영향을 주고 받을 수 있는 변수를 후보로 정의하였다. 급여 품목을 기준으로 생성한 의사결정나무를 기준으로 비급여 품목을 적용하는 알고리즘의 특성상, 급여 품목에 존재하지 않는 변수값을 갖는 경우, 분류가 불가능한 경우가 발생된다. 비급여 추정 모델에서는 ATC 카테고리가 비급여 품목에만 존재해서 ATC 3단계에서 매칭되지 않는 품목은 ATC 1단계 의사결정나무 모델을 적용하여 추정하였다. 군집분석은 유사한 개인 또는 객체(object)들을 몇 개의 집단으로 그룹화하고, 각 그룹의 특성을 파악함으로써 자료의 전체적인 구조를 이해할 수 있는 탐색적인 분석방법이다. 즉, 하나의 목적 변수(target variable)를 비교, 예측하는 분석이 아니라 대용량 자료를 구성하고 있는 몇 개의 군집을 우선 분석하여 자료의 전체적인 구성을 보여주는 기법이다. 군집분석은 기본적으로 객체들 간의 거리(distance)를 변수의 형태에 맞게 정의하면 거의 모든 형태의 자료에 적용 가능하며 분석 대상 데이터에 대한 사전 정보를 요구하지 않는다는 장점이 있다. 또한 구조가 복잡하고 변수가 많은 대용량 데이터 안에서 유사성을 갖는 군집 내의 자료들 사이의 규칙이나 패턴을 파악하는데 효과적이다. 군집분석 중에서 K 평균(K-means) 군집분석은 자료의 수가 많은 경우에 사용하는 방법으로, 군집의 중심점인 평균과 객체들간의 거리를 계산하여 가장 가까운 중심점에 객체를 할당하는 방법이다. K 평균 군집분석을 수행하기 위해서는 군집의 수(K)가 미리 결정되어 있어야 하며 군집의 수를 결정하는 가장 좋은 방법은 군집의 수를 증가시키면서 그 중 가장 유사성이 있게 군집이 되는 군집의 수를 결정하는 것이다. 일반적으로 분류(Classification)를 목적으로 하는 마이닝 알고리즘의 경우, 학습 단계와 적용 단계로 구분된다. 학습된 알고리즘의 평가는 이미 분류가 되어 있는 일부 데이터를 적용하여 원래의 분류와 예측된 분류의 비교를 통해 모델의 정확도를 측정한다. 현재 비급여 품목의 추정에 활용된 의사결정나무의 경우, 분류 목적이 아닌 의약품 공급 특성에 따른 유사 패턴 구분을 위해 활용 되었다. 알고리즘의 활용 특성에 맞게 최종 Leaf Node 간의 추정률 차이에 대한 유의성 검증을 통해 공급 특성에 의해 유의미한 차이로 품목을 구분할 수 있는가에 대한 검증을 진행하였다. 그 결과, ATC 1단계 적용 모델과 ATC 3단계 적용 모델 모두 종별 모형에서 생성된 Leaf node에 포함된 품목의 평균 추정률(판매액/공급액)의 차이에 대한 ANOVA(Analysis of Variance) 검증에서 유의미한 차이를 보였다(P<0.0001).