Development of Predictive Model for Long-Stay Patients Using the Korean National Hospital Discharge In-depth Injury Survey Data

입원일수는 의료비용과 건강보험 재정에 중대한 영향을 미치는 핵심 지표이며, 특히 장기입원은 의료자원의 효율적 배분에 있어 중요한 고려 요소이다. 본 연구에서는 퇴원손상심층조사 데이터를 활용하여 장기입원 여부를 예측하는 머신러닝 모델을 제안한다. 2008년부터 2022년까지의 데이터 3,633,134건을 활용하여 7개 모델을 구축하고 검증하였다. Logistic Regression, Decision Tree, Random Forest, XGBoost(eXtreme Gradient Boosting), LightGBM(Light Gradient Boosting Machine), CatBoost (Categorical Boosting), MLP (Multi-Layer Perceptron)를 비교 분석한 결과, CatBoost가 가장 높은 예측 성능을 보였다. 또한, 모델의 설명력을 제고하기 위해 XAI(eXplainable Artificial Intelligence) 기법인 SHAP(Shapley Additive exPlanations)을 이용하여 장기입원에 영향을 주는 주요 변수를 시각화하였다. 분석 결과 입원경로, 연령, Charlson 동반질환지수, 진료비 지불 방법이 장기입원 여부에 영향을 미치는 주요 요인으로 확인되었다. 본 연구의 결과는 병원의 효율적인 병실 운영과 환자 관리에 기여할 것으로 기대된다.