질병분류 자료가 보건의료 정책 수립에 활용되는 근거로 가장 적절한 것은?

표준화된 질병분류 코드를 통해 수집된 데이터는 특정 질병이 인구 집단에서 얼마나 발생하고 있는지(발생률), 얼마나 많은 사람이 앓고 있는지(유병률)를 파악하는 기초 자료가 되어 예방 및 관리 정책 수립에 활용된다.

보건행정 핵심 해설 이 문제는 질병분류(ICD) 데이터의 공공보건적 활용 가치를 묻고 있어요. 질병분류는 단순히 병원 내 청구나 기록 관리만을 위한 도구가 아니라, 국가적 차원의 보건 정책을 수립하는 데 필수적인 기초 데이터를 제공하는 핵심 인프라예요. 핵심 개념 분석 (Key Concept): 질병분류 자료는 표준화된 코드 체계를 통해 수집된 대규모 의료 이용 데이터입니다. 이 데이터를 집계·분석하면 특정 질병의 시간적·지역적·인구학적 분포를 객관적으로 파악할 수 있어, 이는 바로 역학적 지표(Epidemiological Indicators)인 발생률(Incidence)과 유병률(Prevalence)을 산출하는 기초가 돼요. 정답 근거 (Answer Rationale): 핵심! 보건 정책 수립의 첫걸음은 '문제의 규모와 심각성을 정량적으로 파악'하는 것입니다. 정답인 ②번은 질병분류 자료가 유병률(특정 시점에 존재하는 환자 수)과 발생률(일정 기간 동안 새로 발생한 환자 수)이라는 핵심 역학 지표를 산출하는 데 사용됨을 정확히 지적하고 있어요. 예를 들어, 특정 지역에서 당뇨병(Diabetes mellitus) 코드(E10-E14)가 급증하는 추세를 발견하면, 해당 지역을 대상으로 한 예방교육 프로그램이나 선별검사 사업을 우선적으로 기획할 수 있어요. 오답 분석 (Distractor Analysis): ① 혼동 주의! '개별 환자의 치료 만족도'는 환자경험평가(Patient Experience Survey)나 만족도 조사를 통해 측정하는 주관적 지표입니다. 질병분류 코드는 객관적인 진단명을 기록할 뿐, 치료 경험의 질을 반영하지 않아요. ③ 의료기관의 수익 구조 분석은 주로 건강보험 청구 데이터(Claim Data)와 재무데이터를 결합하여 이뤄지며, 질병분류 코드는 그 중 하나의 변수일 뿐이에요. 수익 구조 평가 자체가 보건 정책 수립의 '주된 근거'라고 보기 어려워요. ④ 의사의 진단 습관 분석은 가능한 활용 분야일 수 있지만, 이는 보건 정책 수립보다는 의료의 질 관리(Quality Improvement)나 교육 프로그램 개발에 더 직접적으로 연관돼요. ⑤ 신약 개발 비용 예측은 시장 조사(Market Research), 임상시험(Clinical Trial) 비용, 규제 환경 등 복합적인 요소에 의존하며, 질병분류 자료만으로는 정확한 예측이 불가능해요. 연관 개념 정리 (Related Concepts): 질병분류 데이터는 보건 정책뿐만 아니라 의료자원 배분(Resource Allocation), 건강보험 급여 정책 결정, 감염병 감시(Disease Surveillance) 체계 운영 등 다양한 분야에서 활용됩니다. 국가통계청의 사망원인통계도 질병분류(ICD-10) 코드를 기반으로 작성돼요. 개념 정리

용어	의미	보건 정책 활용 예
발생률 (Incidence)	특정 기간 동안 특정 인구에서 새로 발생한 질병 사례 수	신규 감염병 대응 정책, 예방접종 캠페인 타겟팅
유병률 (Prevalence)	특정 시점에 특정 인구에서 존재하는 모든 질병 사례 수	만성질환 관리 사업 계획, 요양병상 수요 예측
질병부담 (Disease Burden)	장애보정생존년수(DALY) 등 질병이 인구에 미치는 총체적 영향	국가 보건 예산 우선순위 설정, 연구 개발(R&D) 투자 방향

한눈에 비교!

데이터 유형	주된 목적	정책 활용 예	한계
질병분류(ICD) 데이터	진단명 표준화, 집계	유병률/발생률 추산, 감시체계 구축	진단의 정확성에 의존, 중복계산 가능성
건강보험 청구 데이터	급여 비용 산정, 심사	의료 이용 양상 분석, 수가 정책 평가	비급여 항목 정보 누락
건강조사 데이터	건강 상태·행태 파악	위험요인 규명, 건강증진 프로그램 기획	표본 조사, 주관적 응답 가능

실무 포인트 보건행정가나 정책 담당자는 질병분류 데이터를 활용할 때 다음을 주의해야 해요. 1. 데이터 품질: 정책의 근거가 되는 데이터이므로, 의무기록사(보건의료정보관리사)의 정확한 코딩이 얼마나 중요한지 실감할 수 있어요. 2. 시차(Lag Time): 병원에서 발생한 데이터가 국가 통계로 집계되기까지는 수개월에서 1년 이상의 시차가 발생합니다. 긴급 정책 수립 시에는 실시간 감시체계 데이터와 병행 활용해야 해요. 3. 보정: 인구 구조(고령화 등)의 차이를 고려하지 않고 단순 비교하면 왜곡된 해석이 나올 수 있어요. 연령표준화(age-standardization) 등의 통계 기법이 필요합니다. 암기 팁 "질병분류는 정책의 눈"이라고 생각하세요. 눈(데이터)이 없으면 길(정책)을 제대로 찾을 수 없어요. 구체적으로는 "유행(유병률)과 발생(발생률)을 본다"고 연상하면 정답 포인트를 쉽게 기억할 수 있어요. 국시 빈출 포인트 질병분류의 목적과 활용은 매년 빠지지 않고 출제되는 핵심! 영역이에요. 특히 '표준화', '통계', '정책 수립', '역학 지표'와 연결지어 묻는 패턴이 많습니다. 오답 선지로는 '개별 환자 치료 평가'나 '병원 마케팅' 등 미시적/상업적 활용례가 자주 등장하니 주의하세요. 기출 변형 주의! 이 개념은 다음과 같이 변형 출제될 수 있어요. - 사례형: "A 지역에서 B 질병 코드의 청구 건수가 전국 평균 대비 2배 높게 나타났다. 보건소장으로서 이 데이터를 어떤 보건 정책 수립에 우선적으로 활용해야 하는가?" - 연결형: "질병분류(ICD) 체계가 보건 의사결정에 기여하는 방식과 가장 관련이 깊은 것은? (① 의료기관 인증평가 ② 국가 암 등록 사업 ③ 건강보험 본인부담률 조정 ④ 감염병 신고 체계)"

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario): "당신은 시·도 보건청 정책기획팀 소속입니다. 최근 5년간 지역 내 상급종합병원(Tertiary care hospital)에서 청구된 건강보험 데이터를 분석한 결과, '만성 폐쇄성 폐질환(COPD, J44)'으로 분류된 65세 이상 남성 환자의 입원율이 인근 타 지역보다 현저히 높게 나타났습니다. 이 데이터를 바탕으로 어떤 정책적 대응을 고려해야 할까요?" 행정 중재 전략 (Admin Intervention): 1. 상황 파악: 단순히 '환자가 많다'는 사실을 넘어, 핵심! '왜 우리 지역에서 특히 높은가?'를 질문해야 해요. 높은 발생률의 원인을 탐색하는 단계입니다. 2. 법적/규정 검토: 이 데이터는 지역보건법에 따른 지역주민 건강증진 계획 수립의 근거 자료로 직접 활용될 수 있어요. 또한, 국민건강증진법에 따른 금연 사업의 타겟 지역 선정 근거가 됩니다. 3. 대응 및 처리: - 원인 조사: 해당 지역에 석탄 산업이나 특정 공업단지가 집중되어 있지는 않은지(직업적 노출), 고령 남성의 흡연율이 특히 높은지(행태적 요인) 등 추가 역학 조사를 기획합니다. - 정책 개발: 조사 결과를 바탕으로 (가정) 공단 인근 지역을 대상으로 한 'COPD 조기 선별 검사 사업', '고령 남성 금연 클리닉 확대', '대기 질 모니터링 강화' 등의 정책안을 마련합니다. 4. 사후 기록/보고: 정책 시행 후, 동일한 질병분류 코드의 발생률 추이를 모니터링하여 정책의 효과를 평가하고, 다음 예산 편성의 근거로 보고합니다. 법적 안전 및 주의사항 (Precautions): - 개인정보보호법에 따라 정책 분석에 사용되는 데이터는 반드시 비식별화(De-identification) 처리되어야 합니다. 개인을 특정할 수 있는 정보는 제거된 집계 데이터만 사용해야 해요. - 데이터 해석 시, '진단 오류'나 '코딩 오류' 가능성을 배제할 수 없으므로, 단일 데이터 소스에만 의존하기보다 의무기록 사본 검토 등의 방법으로 타당성을 교차 검증하는 절차가 필요할 수 있어요. 업무 프로토콜 질병분류 데이터 기반 정책 분석 프로세스 1. 데이터 확보: 건강보험심사평가원(HIRA) 통계 DB 또는 국가통계포털(KOSIS)에서 집계 데이터 요청. 2. 지표 산출: 인구 대비 발생률/유병률 계산, 연령·성별 표준화 수행. 3. 비교 분석: 타 지역, 전국 평균, 시간 경과에 따른 추이 비교. 4. 원인 가설 수립: 지리적, 산업적, 사회경제적 요인 검토. 5. 정책 대안 마련 및 예산 편성: 근거 기반 정책 제안서 작성. 6. 모니터링 및 평가: 지표 설정 → 정책 시행 → 성과 측정의 피드백 루프 구축. 선배의 한마디 "보건행정의 묘미는 눈에 보이지 않는 데이터를 모아서 사람들의 건강을 지키는 보이지 않는 방패를 만드는 일이에요. 질병분류 코드 하나 하나가 그 방패를 구성하는 작은 조각이라고 생각하세요. 여러분이 정확하게 코딩하고, 올바르게 해석하는 그 노력이 결국 국민 건강을 위한 과학적 정책의 초석이 된답니다. 데이터를 다룰 때는 항상 '이 숫자 뒤에 있는 사람은 누구일까?'를 떠올리며, 책임감을 갖고 접근해주세요!"