[논문 리뷰] Analysis of the AOK Lower Saxony hospitalisation records data (years 2008 -- 2015)

Monika Joanna Piotrowska, Konrad Sakowski|arXiv (Cornell University)|2019. 03. 12.

Antibiotic Use and Resistance참고 문헌 13인용 수 5

한 줄 요약

이 연구는 익명화된 AOK 라인란트 하스피탈라이제이션 레코드(2008–2015)를 분석하여 의료기관 간 환자 이송 동역학을 모델링하고, 다제내성 엔테로박테리아세레아에이(MDR-E) 전파를 시뮬레이션할 수 있는 네트워크를 구축한다. 입원, 퇴원 및 겹치는 체류 기록 데이터를 바탕으로, 직접적이고 간접적인 환자 이송이 신뢰성 있게 추론될 수 있음을 입증하며, 이는 기관 간 전염병 관리 전략 평가를 위한 네트워크 역학 모델의 기초가 된다.

ABSTRACT

Multidrug-resistant Enterobacteriaceae (MDR-E) have become a major public health threat in many European countries. While traditional infection control strategies primarily target the containment of intra-hospital transmission, there is growing evidence highlighting the importance of inter-hospital patient traffic for the spread of MDR-E within healthcare systems. Our aim is to propose a network model, which will reflect patient traffic in various European healthcare systems and will thus provide the framework to study systematically transmission dynamics of MDR-E and the effectiveness of infection control strategies to contain their spread within and potentially across healthcare systems. However, to do that first we need to analyse real patients data and base on that propose network model reflecting the complexity of the real hospital network connections and dynamics of patient transfers between healthcare facilities.

연구 동기 및 목표

• 다양한 의료기관 간 환자 이송의 데이터 기반 네트워크 모델을 개발하여 다제내성 엔테로박테리아세레아에이(MDR-E)의 기관 간 전파를 연구한다.
• 지리적 또는 위치 정보 없이 익명화된 입원/퇴원 기록에서 병원 이송 네트워크를 재구성하는 것이 가능한지 평가한다.
• 겹치는 입원 기록을 활용한 직접 이송과 간접 이송 간의 식별에 발생하는 문제를 규명하고 해결한다.
• 연결된 의료기관 간 전파 역학을 모델링하여 체계적 감염 관리 전략의 기초를 마련한다.
• 감염 관리 간 interventions의 효과를 평가하기 위한 다수준 수학적 네트워크 모델 개발을 지원한다.

제안 방법

• AOK 라인란트(2008–2015)의 525만 건의 익명화된 입원 기록 분석, 환자 ID, 기관 ID, 입원/퇴원 일자, ICD-10 진단 코드 포함.
• 각 입원 기록의 체류 기간을 퇴원 일자에서 입원 일자를 빼어 계산.
• 환자 ID 기반 그룹화를 통해 겹치는 체류 기간을 식별하여 기관 간 잠재적 이송을 탐지.
• 겹침을 유형(예: 첫날/마지감일, 동일 일자 다중 입원)으로 분류하여 직접 이송과 간접 이송을 구분.
• matplotlib 등의 라이브러리를 활용한 파이썬 기반 데이터 처리 및 시각화, 고성능보다는 유연성과 확장성에 중점을 두어 개발.
• 유도된 환자 이동 패tern을 바탕으로 기관 간 이송 엣지(연결)를 도출하기 위해 네트워크 모델링 원리를 적용.

실험 결과

연구 질문

• RQ1 지리적 위치 정보 없이 익명화된 입원/퇴원 데이터에서 환자 이송 네트워크를 신뢰성 있게 재구성할 수 있는가?
• RQ2 라인란트 의료 시스템에서 환자 이송의 몇 퍼센트가 직접적(기타 기관 간) 이송이며, 몇 퍼센트가 간접적(집 또는 다른 기관을 거쳐) 이송인가?
• RQ3 겹치는 입원 기록은 어떻게 기관 간 환자 이동을 탐지하는 데 기여하는가?
• RQ4 동일 일자 다중 입원과 같은 모호한 사례를 구분하는 데 발생하는 주요 과제는 무엇인가?
• RQ5 이 데이터는 의료기관 간 MDR-E 전파를 시뮬레이션하기 위한 동적 네트워크 모델을 얼마나 잘 지원하는가?

주요 결과

• 라인란트의 457만 건의 입원 기록 중 257,668건은 주내 기관에서, 79,102건은 독일 다른 연방주에서 이루어졌으며, 진단 코드는 분석 가능하다.
• 전체 기록의 1.8%에서 입원 기록 겹침이 발생했으며, 이는 잠재적 이송을 시사하는 바이다. 문제 있는 사례(예: 동일 일자 다중 입원)는 겹침의 2% 미만을 차지한다.
• 첫날/마지막 날 이송과 동일 일자 다중 입원이 주요 모호성 원인으로 밝혀졌지만, 이러한 사례는 희귀하며 전체 네트워크 추론에 큰 영향을 주지 않았다.
• 데이터를 통해 직접적 및 간접적 환자 이송이 안정적으로 추론되었으며, 2% 미만의 사례만 모호하게 남아 있었고, 이는 해결 가능할 것으로 판단된다.
• 연구는 익명화된 입원 기록가 네트워크 모델을 활용해 MDR-E 전파 역학을 현실적으로 시뮬레이션할 수 있음을 확인한다.
• 최종적으로 도출된 네트워크 모델은 연결된 의료기관 간 체계적 감염 관리 전략 평가를 위한 기초를 제공한다.