병원 및 의원급 일일사용량 기준 항생제 사용량에 영향을 미치는 요인

Analysis of factors affecting antibiotic use at hospitals and clinics based on the defined daily dose

Article information

J Korean Med Assoc. 2018;61(11):687-698
Publication date (electronic) : 2018 November 20
doi : https://doi.org/10.5124/jkma.2018.61.11.687
1건강보험심사평가원 연구조정실
2고려대학교 의과대학 예방의학교실
1Pharmaceutical & Medical Technology Research Team, Department of Research, Health Insurance Review & Assessment Service, Wonju, Korea.
2Department of Preventive Medicine, Korea University College of Medicine, Seoul, Korea.
Corresponding author: Dong-Sook Kim, sttone@hira.or.kr
Corresponding author: Hyeong Sik Ahn, ahnhann@gmail.com
*These authors contributed equally to this work.
Received 2018 September 14; Accepted 2018 October 02.

Abstract

Inappropriate antibiotic use significantly contributes to antibiotic resistance, resulting in reduced antibiotic efficacy and an increased burden of disease. The objective of this study was to investigate the characteristics of prescribers whose antibiotics use was high and to explore factors affecting the use of antibiotics by medical institutions. This study analyzed the National Health Insurance claims data from 2015. Antibiotic prescription data were analyzed in terms of the number of defined daily doses per 1,000 patients per day, according to the World Health Organization anatomical-therapeutic-chemical classification and methodologies for measuring the defined daily dose. We investigated the characteristics of prescribers and medical institutions with high antibiotic use. Multivariate regression analyses were performed on the basis of characteristics of the medical institution (number of patients, type of medical institution [hospital or clinic], age of the physician, etc.). The number of patients and number of beds were found to be significant factors affecting antibiotic use in hospitals, and the number of patients, region, and medical department were significant factors affecting antibiotic use at the level of medical institutions. These findings are expected to help policy-makers to better target future interventions to promote prudent antibiotic prescription.

Keywords: 항생제; 병원; 의사

서론

항생제의 상용화로 감염질환이 줄어들고, 인간의 평균 수명도 크게 향상되었지만, 페니실린(penicillin)이 사용된지 얼마 되지 않아 페니실린에 죽지 않는 내성 포도알균이 등장했고, 1960년 반합성 페니실린과 1973년 세파졸린(cefazolin)이 개발된 이후 곧 메티실린(methicillin) 내성 포도알균이 발생하게 되었다[1]. 새로운 항생제가 출시되더라도 광범위한 내성균 출현과 함께 내성률도 증가하고 있어, 항생제에 효과 없는 ‘항생제 이후의 시대’에 대한 우려가 제기되는 시점에 이르렀다[2].

항생제 내성균의 증가는 치료적 측면뿐만 아니라 경제적인 측면에서도 파급효과가 크다. 전 세계적으로 내성균에 의한 사망은 매년 70만 건으로 추정되고 있고[3], 미국의 경우, 2013년 약 23,000건이 발생하였으며, 유럽연합에서는 2011년 기준 약 25,000건 발생하였다[456]. 영국 짐 오닐(Jim O'neill)의‘항생제 내성 보고서’에는 매년 70만 명이 항생제 내성균으로 생명을 잃고 있고, 항생제 내성의 확산을 해결하지 못한다면 2050년에는 내성세균에 의한 감염으로 인한 사망자가 전 세계적으로 연간 1천만 명씩 발생하며, 내성 확산에 따른 세계 각국의 대응 비용이 연간 63조 파운드(약 11경 원)으로 치솟을 것으로 전망하였다[3].

항생제 내성균은 사람 외에도 농축수산, 식품, 환경 등 생태계 내 다양한 경로를 통해 발생과 전파가 가능하다. 이러하기에, 세계보건기구(World Health Organization, WHO)는 2015년 항생제 내성 국제 행동계획을 채택하였고, 2016년 국제연합 고위급 회의, 2017년 G20 보건장관회의에서 항생제 내성문제를 해결하기 위한 공동행동이 중요한 의제로 다뤄지고 있으며, 사람, 동식물, 환경의 건강이 불가분의 관계라는 ‘One Health’ 기치 아래 항생제 내성 해결을 위한 공동 노력이 진행 중에 있다[7]. 인체에서 병원균이 항생제 내성을 획득하게 되는 경로는 개인에서 항생제 과다사용과 사람 간 전파되는 경우로 나뉘는데, 개인에서 항생제 사용량 증가와 내성의 증가는 확실한 상관성을 보이고 있다. 즉, 항생제를 과다하게 사용하게 되면, 많은 종류의 세균이 항생제에 노출되면서 내성세균만 인체에 남아있게 되고, 서로 내성 유전자를 전파하게 되어, 항생제 내성이 보다 빠르게 발생하게 되기 때문이다[8]. 따라서 미래에도 항생제를 지속적으로 사용하기 위해서는 항생제는 꼭 필요한 경우에 적절한 기간 동안 적절한 용량을 사용하는 것이 항생제 내성발생을 방지하기 위한 중요한 정책으로 제시되고 있다[9].

국내에서도 항생제 내성 문제를 해결하기 위한 방안으로 항생제의 적정사용 관련 노력을 끊임없이 해오고 있다. 2000년 의약분업 도입된 이후, 2003년부터 2012까지 국무조정실 총괄의 국가 항생제 내성 안전관리사업이 진행되었고, 건강보험심사평가원에서는 2001년부터 항생제를 포함한 약제급여 적정성 평가 사업을 통해 항생제 처방률을 관리해오고 있었다. 또한, 2006년 2월 이후부터 항생제 처방률을 공개하고, 2014년 7월부터 의원급을 대상으로 외래 약제 적정성 평가 가감지급 사업을 시행했다[10]. 이러한, 급성상기도감염에서의 항생제 평가결과 공개로 방문당 항생제 처방률이 감소하는 효과가 있었다[11]. 그러나 특정 질환에서의 항생제 처방률은 감소하고 있으나, 인구집단에서의 항생제 사용량은 지속적으로 증가하는 양상을 보이고 있어, 이에 대한 요인 파악과 방안 마련이 필요한 시점이다[12].

일반적으로 항생제 처방을 결정하게 되는 요인을 파악하려는 연구는 매우 많이 진행되어 왔다. 의료진과 환자의 항생제에 대한 태도, 의료진과 환자와의 관계, 환자의 치료기대로부터 느끼는 불확실성과 압박감, 의료진에 대한 환자의 불신, 병원 내에서의 의료진의 지위, 개원연수, 제약회사의 선전 등 비진료적인 요인들이 항생제 처방에 영향을 미친다고 알려져 있다[131415]. 외국에서 국경이 매우 인접한 국가 간(네덜란드와 벨기에)에도 처방률의 차이가 나타나는 원인은 의사·환자의 관계, 역사적 배경, 사회문화적 원인, 보건의료체계 차이로 인한 처방패턴에서 야기된다고 하였다[13]. 소아의 경우는 특히 부모의 압박, 부모의 항생제 처방요구, 부모의 적절한 항생제 사용에 대한 지식부족 등 비진료적인 요인들로 인해 항생제가 부적절하게 처방된다는 연구가 이뤄진 바 있다[1617]. Cho 등[18]은 국내 의사들을 대상으로 시행한 질적 연구에서 항생제 내성 증가를 야기하는 원인으로 항생제 처방 시 불충분한 정보(의사 측) 및 복약 시 중단(환자 측), 개원의 경쟁 등 보건의료시스템 측면을 제시하였다. 국내 상황은 짧은 진료시간 안에 검사를 유도하여 확진하는 것보다 항생제를 처방하는 것이 더 용이하고 의사에게 더 안심을 줄 수 있는 환경이어서 의료진 입장에서 쉽게 항생제를 선택하게 된다고 결론지었다.

국내에서도 항생제 처방률에 영향을 미치는 요인을 살펴본 연구도 일부 이뤄진 바 있으나[1920], 의료기관별로 용량과 투여일수가 고려된 항생제 사용량에 영향을 미치는 요인에 대해서는 살펴본 연구가 없었다. 본 연구는 항생제 사용량이 많은 의료기관의 특성을 살펴보고, 관련된 요인을 파악함으로써, 항생제 사용량이 높은 의료기관을 대상으로 하는 정책 개발의 기초자료로 활용되고자 한다.

방법

1. 연구대상

1) 자료원 및 대상 의료기관

본 연구는 2015년도 1월 1일부터 12월 31일까지 환자가 의료기관을 방문해 처방받은 내역을 건강보험에 청구한 건강보험청구자료를 활용하였다. 분석대상 의료기관은 항생제 사용량이 없는 의료기관을 제외하고, 항생제 사용량이 있는 44,665개소의 의료기관의 자료를 후향적으로 분석하였고, 본 연구에서는 이 중 병원 1,306개소, 의원 25,136개소를 분석대상으로 하였다. 분석 단위는 의료기관이므로, 의료기관별 1년간 환자수, 의료기관의 1년간 항생제 내역 등을 합산하여 산출하였다. 전체 의료기관 특성과 항생제 사용량이 극단 이상치 이상에 해당하는 의료기관의 특성을 비교 분석하였다.

극단 이상치는 의원별, 병원별 항생제 사용량의 분포를 살펴본 후, 사분위계수를 활용하여 [q3+1.5(q3-q1)]이상의 항생제 사용량 값으로 정의하였다. 이는 Joo와 Cho [21]가 Tukey [22] 방법을 활용하여 이상치를 정의하는 방식으로, 바깥쪽 울타리인 [q1-clIQR, q3+cuIQR]를 벗어나는 관측치를 이상치로 정의하는 방법이다. 이때 IQR은 q3-q1이다.

2) 항생제 대상 및 결과지표

본 연구에서는 항생제의 범위를 WHO의 Anatomic Therapeutic Chemical Classification (ATC) 분류의 J01 (antibacterials for systemic use)로 정의하였다[23]. 국내에서는 등재된 약제 급여목록을 매월 1일 고시하고 있다. 이러한 약가 변화, 포장단위 등의 이력이 포함된 약제 급여목록 누적파일을 이용하여, 2015년 1월 1일부터 12월 31일까지 등재된 약가파일을 구축한 후 WHO ATC 파일과 약제급여목록파일을 짝지은 후 WHO J01에 해당하는 2015년 항생제를 대상으로 하였다. ATC J01그룹 항생제는 총 3,445 품목이다.

결과지표는 WHO의 의약품 사용량 기준인 일일사용량(defined daily dose, DDD)을 단위로 산출한 항생제 사용량이다. DDD는 해당 의약품의 주성분별로 주요 적응증에 대하여 성인이 하루 동안 복용해야 하는 평균 유지용량을 의미하는데, 이는 의약품의 사용량을 비교하는 기술적 단위이다. WHO Collaborating Center에서는 성인(70 kg)의 하루 유지용량을 근거로 단일 제제의 DDD를 산출하고 있고, 생물학적 효용이 제형별로 다르므로 동일한 의약품이라도 제형별로 DDD를 다르게 결정하고 있다. 항생제 사용량을 산출하는 결과지표는 다음과 같다.

(DDD/1,000/)=1i(mg)DDDi(mg)×365××1,000

일반적으로 국가별 의약품 소비량을 비교하는 지표는 DDD/인구 1,000명/일로 산출하는데, 인구 1,000명 중 매일 어느 정도의 DDD를 소비했는지를 의미하고 있으나, 본 연구에서는 의료기관별로 항생제 사용량을 산출하기 위해 환자수를 분모에 사용하였다. 방문한 환자의 규모, 효능군, 제형, 용량의 특성을 모두 감안하여 의료기관별 항생제 사용량을 비교할 수 있겠다.

2. 연구방법

1) 설명요인

기존 연구결과를 토대로 의료기관별 항생제 사용량에 영향을 미치는 요인을 설명하기 위한 분석틀을 Figure 1과 같이 구성하였다.

Figure 1

Conceptual framework of antibiotic use by clinics and hospitals. Underlined variables are included in this research.

병원급의 경우 환자수, 환자 내원일수, 병상수, 의사수, 지역별로 전체 병원의 분포와 항생제 사용량이 극단 이상치 이상에 해당하는 병원의 특성을 비교 분석하였고, 병원급 항생제 사용량에 영향을 미치는 요인을 파악하고자 다중선형회귀분석을 실시하였다. 의원의 경우 환자수, 환자 내원일수, 의사 연령, 개원기간, 진료과목별로 전체 의원의 분포와 항생제 사용량이 극단 이상치 이상에 해당하는 의원의 특성을 비교분석하였고, 항생제 사용량에 영향을 미치는 요인을 파악하고자 다중선형회귀분석을 실시하였다.

2) 분석방법

전체 의료기관 특성과 항생제 사용량이 극단 이상치 이상에 해당하는 의료기관의 특성을 비교 분석하고자 빈도 분석을 실시하였다. 병원과 의원별로 항생제 사용량에 영향을 주는 요인들을 파악하기 위해 다중선형회귀분석을 실시하였고, 이 때 독립변수에는 병원의 특성(병상수, 의사수, 지역), 병원의 환자수 혹은 환자 내원일수가 포함되었고, 의원의 특성(의사 연령, 의사 개원기간, 진료과목, 지역), 의원의 환자수 혹은 환자 내원일수가 포함되었다. 회귀모형은 전체, 입원, 외래로 구분하였고, Model 1(환자 내원일수), Model 2(환자수)로 구분하여 분석하였다(Table 1). 각 모형의 다중공선성 여부를 파악하기 위하여 상태지수와 분산 확대 인자를 살펴본 결과 모두 10 미만으로 다중공선성 문제는 없는 것으로 나타났다. 이상의 통계분석은 SAS ver. 9.1 (SAS Institute, Cary, NC, USA)을 이용하였다.

Table 1

Variable of multiple linear regression model

결과

1. 의료기관 특성별 항생제 사용량

1) 전체 의료기관의 항생제 사용량

전체 의료기관의 항생제 사용량은 거의 없는 의료기관에서 240.5 DDD/환자 1,000명/일까지 분포되어 있었다(Figure 2). 의료기관 44,665개소 중 상위 두 개 의료기관의 경우, 해당 의료기관은 결핵치료전문병원으로 내원 환자수가 적고 전체 내원일수 중 99%가 입원을 차지하기 때문에 항생제 사용량이 다른 의료기관에 비해 많았을 것으로 예상된다. 전체 의료기관 중 극단 이상치(16.83 DDD/환자 1,000명/일 이상)에 해당하는 의료기관은 총 2,293개소였다(Table 2).

Figure 2

Distribution of antibiotic use in medical institutions.

Table 2

General characteristics of total medical institutions

2) 병원의 항생제 사용량

본 연구에서는 1,306개소 병원과 2,5136개소 의원을 대상으로 항생제 사용량 분포를 살펴보고(Figures 3,4), 극단 이상치에 해당하는 병의원의 특성을 살펴보았다. 병원급 의료기관에서는 500병상 초과 의료기관에서 항생제 사용량 평균이 4.57 DDD/환자 1,000명/일로 가장 낮았고, 100병상 이하 의료기관에서 7.29 DDD/환자 1,000명/일로 가장 높았다. 또한 의사수가 11-20명인 의료기관의 항생제 사용량이 7.83 DDD/환자 1,000명/일로 가장 높았고, 지역별로는 경남의 항생제 사용량이 11.6 DDD/환자 1,000명/일로 가장 높았다(Table 3).

Figure 3

Distribution of antibiotic use in hospitals.

Figure 4

Distribution of antibiotic use in clinics.

Table 3

General characteristics of hospitals

3) 의원의 항생제 사용량

의원에서는 대표자 연령이 30대일 경우 항생제 사용량이 8.18 DDD/환자 1,000명/일로 가장 높았고, 개원기간이 30년 이상에서 항생제 사용량이 7.48 DDD/환자 1,000명/일로 가장 높았다. 표시과목별로 살펴보면, 소아청소년과에서 항생제 사용량이 평균 15.62 DDD/환자 1,000명/일로 가장 많았으며 다음으로 이비인후과, 비뇨기과 순이었다(Table 4).

Table 4

General characteristics of clinics

2. 항생제 사용량에 영향을 미치는 요인

1) 병원급 의료기관

병원급에서 항생제 사용량에 영향을 미치는 요인에 대해서 환자 내원일수, 병상수, 의사수, 지역을 설명변수로 채택한 회귀모형(Model 1)은 유의수준 5% 하에서 통계적으로 유의하였고(F=7.4, P≤0.0001), 약 8%(R2=0.0792)의 설명력을 가졌다. 총 내원일수가 증가할수록 항생제 사용량은 증가하였고, 100병상 이하인 의료기관에 비하여 병상수가 증가할수록 항생제 사용량은 적었다.

환자수, 병상수, 의사수, 지역을 설명변수로 채택한 회귀모형(Model 2) 또한 유의수준 5% 하에서 통계적으로 유의하였고(F=3.42, P≤0.0001), 약4%(R2=0.0383)의 설명력을 가졌다. Model 1과 Model 2에서 공통적으로 지역에서는 경상(부산, 대구, 울산, 경북, 경남), 전라(광주, 전북, 전남)지역이 서울에 비하여 항생제 사용량이 많았다.

입원으로 국한하여 병원급 이상 입원 항생제 사용량에 대한 Model 2(환자 내원일수 등)의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=2.87, P=0.0002), 약 3%(R2=0.0327)의 설명력을 가졌다. Model 2(환자수 등)의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=2.72, P=0.0004), 약 3%(R2=0.0311)의 설명력을 가졌다. Model 1과 Model 2에서 공통적으로 100병상 이하인 의료기관에 비하여 101-300병상인 의료기관의 항생제 사용량이 많았다.

외래에 있어서는 병원급 이상 외래 항생제 사용량에 대한 Model 1(환자 내원일수 등)의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=12.08, ≤0.0001), 약 13%(R2=0.1275)의 설명력을 가졌다. 외래 내원일수가 증가할수록 외래 항생제 사용량은 증가하였고, 100병상 이하인 의료기관에 비하여 101-300병상인 의료기관의 외래 항생제 사용량은 적게 나타났고, 의사수가 1명인 의료기관에 비하여 21-30명인 의료기관의 외래 항생제 사용량은 낮았다. 지역에서는 서울에 비하여 경상(부산, 대구, 울산, 경북, 경남), 전라(광주, 전북, 전남)지역이 외래 항생제 사용량이 높았다. Model 2(환자수 등)의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=6.03, P≤0.0001), 약 6%(R2=0.068)의 설명력을 가졌다. 내원환자수가 증가할수록 외래 항생제 사용량은 증가하였고, 100병상 이하인 의료기관에 비하여 병상수가 증가할수록 외래 항생제 사용량은 적었다. 지역에서는 서울에 비하여 경상(부산, 대구, 울산, 경북, 경남), 충청(대전, 세종, 충북, 충남), 전라(광주, 전북, 전남)지역이 외래 항생제 사용량이 높았다(Table 5).

Table 5

Results of multiple linear regression analysis in hospitals

2) 의원급 의료기관

의원급 항생제 사용량에 대한 Model 1의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=704.59, P≤0.0001), 약 39%(R2=0.3922)의 설명력을 가진다. 총 내원일수가 증가할수록 항생제 사용량이 증가하였고, 다른 지역에 비하여 서울에서 항생제 사용량이 가장 많게 나타났다. Model 2의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=619.76, P≤0.0001), 약 36%(R2=0.3621)의 설명력을 가진다. 총 내원환자수가 증가할수록 항생제 사용량은 증가하였고, 서울이 경상(부산, 대구, 울산, 경북, 경남), 경인(인천, 경기), 충청(대전, 세종, 충북, 충남), 강원지역보다 항생제 사용량이 높았다. Model 1과 Model 2에서 공통적으로 의사연령이 30대 이하인 의료기관이 다른 의사연령인 의료기관에 비하여 항생제 사용량이 높았고, 개원기간에서는 10년 이하인 의료기관에 비하여 개원기간이 증가할수록 항생제 사용량이 많았다. 표시과목에서는 일반과에 비하여 내과·가정의학과, 외과계, 안과, 기타과에서 항생제 사용량이 적었고, 산부인과, 소아청소년과, 이비인후과, 비뇨기과에서는 항생제 사용량이 많았다.

의원급 이상 입원 항생제 사용량에 대한 Model 1의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=23.89, P≤0.0001), 약 12%(R2=0.1273)의 설명력을 가진다. 입원일수가 증가할수록 입원 항생제 사용량이 증가하였고, 경인(인천, 경기), 강원지역이 서울에 비하여 입원 항생제 사용량이 적게 나타났다. Model 2의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F =23.56, P≤0.0001), 약 12%(R2=0.1257)의 설명력을 가진다. 입원환자수가 증가할수록 입원 항생제 사용량이 감소하였고, 서울에 비하여 강원지역의 입원 항생제 사용량이 낮았다. Model 1과 Model 2에서 공통적으로 의사연령이 30대 이하인 의료기관에 비하여 의사연령이 70대 이상인 의료기관의 항생제 사용량이 적었고, 개원기간이 10년 미만인 의료기관에 비하여 개원기간이 20-30년 미만, 30년 이상인 의료기관의 입원 항생제 사용량이 많게 나타났다. 표시과목에서는 일반과에 비하여 외과계, 안과, 이비인후과, 기타 과에서 입원 항생제 사용량이 적게 나타났고, 내과·가정의학과, 소아청소년과, 비뇨기과는 입원의 항생제 사용량이 높았다.

의원급 이상 외래 항생제 사용량에 대한 Model 1의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=647.8, P≤0.0001), 약 37%(R2=0.3727)의 설명력을 가진다. 외래 내원일수가 증가할수록 외래 항생제 사용량은 증가하였고, 서울의 외래 항생제 사용량이 다른 지역에 비하여 높게 나타났다. Model 2의 회귀모형은 유의수준 5% 하에서 통계적으로 유의하였고(F=624.53, P≤0.0001), 약 36%(R2=0.3642)의 설명력을 가진다. 내원환자수가 증가할수록 외래 항생제 사용량은 증가하였고, 서울에 비하여 경상(부산, 대구, 울산, 경북, 경남), 충청(대전, 세종, 충북, 충남), 강원 지역의 외래 항생제 사용량이 적게 나타났다. Model 1과 Model 2에서 공통적으로 의사연령이 30대 이하인 의료기관에서 다른 연령의 의료기관에 비하여 외래 항생제 사용량이 높았고, 개원기간이 10년 이하인 의료기관에 비하여 개원기간이 증가할수록 외래 항생제 사용량이 증가하였다. 표시과목에서는 내과·가정의학과, 외과계, 안과, 기타과는 일반과에 비하여 외래 항생제 사용량이 적었고, 산부인과, 소아청소년과, 이비인후과, 비뇨기과는 일반과에 비하여 외래 항생제 사용량이 많게 나타났다(Table 6).

Table 6

Results of multiple linear regression analysis in clinics

고찰

본 연구는 항생제 사용량이 많은 의료기관의 특성을 살펴봄으로써 항생제 사용량이 높은 의료기관을 대상으로 하는 정책개발의 기초자료로 활용하고자 하였다. 분석단위는 의료기관이지만, 환자별로 입원일수 혹은 내원일수를 산출하여 자료를 구축하였고, 항생제 사용량에 영향을 주는 요인들을 파악하기 위해 다중선형회귀분석을 실시하였다. 의료기관 종별과 입원, 외래 구분에 따라 특성이 다르기 때문에, 의료기관 종별 특성은 병원급 이상과 의원급으로 나누고, 전체, 입원, 외래를 구분하여 사용량을 살펴보았다.

환자 1인당 항생제 사용량은 상급종합병원이 가장 많았고, 병원, 의원 순으로 나타났다. 병원과 의원을 대상으로 입원과 외래로 구분하여 의료기관 특성별 항생제 사용량의 분포를 살펴보았다. 요약하면, 외래일수가 증가할수록 항생제 사용량은 증가하였고 환자수가 증가할수록 항생제 사용량은 감소하는 경향을 보였다.

병원급 이상에서 외래 항생제 사용량에 대한 다변량 회귀분석 결과 외래일수가 증가할수록 외래 항생제 사용량은 증가하였고, 내원환자수와 병상수가 증가할수록 외래 항생제 사용량이 감소하는 것으로 나타났다. 지역에서는 경상(부산, 대구, 울산, 경북, 경남)지역이 서울에 비하여 외래 항생제 사용량이 많은 것으로 나타났고, 그 외 지역은 통계적으로 유의하지 않았다. 다만, 의사수가 1명인 기관이 의사수가 많은 기관보다 항생제 사용량이 많은 것으로 나타났다. 이와 같은 결과는 충분치 못한 진료시간에 있다고 판단된다. 검사를 통해 확진하는 것보다 항생제를 처방하는 것이 더 용이하고 의사에게 더 안심을 줄 수 있는 환경이어서 의료진 입장에서 쉽게 항생제를 선택하는 것이다[14].

의원급 외래의 경우, 외래일수와 개원기간이 증가할수록 외래 항생제 사용량은 증가하였고, 내원환자수와 대표자 연령이 증가할수록 외래의 항생제 사용량이 감소하는 것으로 나타났다. 진료과목에서는 산부인과, 소아과, 이비인후과, 비뇨기과가 일반과에 비해 외래 항생제 사용량이 많은 것으로 나타났고, 내과·가정의학과, 외과, 안과, 기타는 일반과에 비해 외래 항생제 사용량이 낮은 것으로 나타났다. 또한, 모든 지역이 서울에 비하여 외래 항생제 사용량이 낮게 나타났다.

항생제 사용량의 대부분을 차지하는 급성 호흡기계 질환의 경우 대부분이 바이러스성이므로 반드시 항생제를 처방할 필요가 없는 질환이다[9]. 다만, 우리가 소아청소년과의 높은 항생제 사용에 주목해야 할 필요가 있다. 소아에서의 높은 항생제 사용은 이른 시기의 항생제 사용으로 인한 내성 획득 가능성을 높여 내성률 증가에 영향을 줄 수 있고, 특히 소아에서만 특이하게 나타나는 부작용도 존재하기 때문이다[24]. 항생제 내성을 감소시키기 위해서는 항생제를 적정하게 사용하는 것이 매우 중요한 과제이지만, 환자의 요구 등으로 처방행태를 바꾸는 것은 매우 어려운 문제로 제기되고 있다. ‘국가 항생제 내성 관리대책(2016–2020)’에서는 소비자교육, 의사교육 등 다양한 중점과제를 제시한 바 있다[25]. 이미 건강보험심사평가원에서는 항생제 사용을 줄이기 위해서, 의료기관에 지표연동 관리현황, 약제 급여 적정성 평가 결과를 제공해주고 있고, 항생제 처방률 지표를 이용한 약제 가감지급을 강화할 계획을 두고 있다[25]. 반면, 전문가들은 전체 항생제 사용량을 줄이는 것보다는 항생제 사용이 과도한 대상 의료기관을 선별하고, 타겟팅하는 전략이 보다 구체적이고 실현 가능성이 높은 것으로 제시하고 있다[26]. 이런 측면에서 항생제 사용량 감소를 위해서는 진료 현장의 의사에게 항생제 사용량 증가로 인한 문제점 등의 근거를 설득력 있게 제공하는 것이 필요하다. 더불어, 전체적인 항생제 사용량 분석 외에 광범위 항생제로 분류되는 3세대 이상 세파 계열, 마크로라이드 계열, 퀴놀론 계열의 항생제 사용량에 영향을 미치는 요인을 파악하는 것이 교차내성의 문제를 줄이는 실질적 방안을 마련하는데 기여할 것으로 기대된다. 추후 항생제의 오남용을 줄이는 것과 동시에 주요 광범위 항생제의 사용 원인을 파악하는 연구 수행이 필요할 것이다.

분석 결과, 의원급 의료기관에서는 서울지역에서 항생제 사용량이 많았고 진료과목에서는 이비인후과, 소아과, 비뇨기과에서 항생제 사용량이 많은 것으로 나타났다. 추후 환자의 질환과 특성을 고려한 추가적인 분석을 통해, 항생제 사용량 증가에 영향을 미치는 다차원적 분석을 수행할 필요가 있겠다. 또한, 의료기관 특성 외에도 환자, 보호자 차원의 조사를 통해 환자의 항생제에 대한 기대 정도와 보호자의 요구에 따라 처방결정에 미치는 영향도 함께 고려해볼 필요가 있을 것이다.

Peer Reviewers' Commentary

이 논문은 전국 단위 병원과 의원의 항생제 사용 자료를 수집하고 분석하여, 항생제 사용량이 많은 의료기관의 특성을 조사하였다. 또한, 환자별로 입원일수 혹은 내원일수를 산출하여 자료를 구축하여, 의료기관의 특성에 따른 항생제 사용량과 항생제 사용에 영향을 미치는 요인 등을 조사하여 정리하였다. 다제내성세균에 대한 사회적 관심이 증가하고 있는 시기에 시행된 국내 대규모 자료 분석 연구로서 항생제 적정 사용을 위한 정책 개발에 중요한 기초자료를 제공할 것으로 판단된다.

[정리: 편집위원회]

References

1. Shin E. Antimicrobials and antimicrobial resistant superbac-teria. Ewha Med J 2017;40:99–103.
2. Torjesen I. UK spearheads efforts to combat rising threat of antibiotic resistance. BMJ 2014;349g4418.
3. O'Neill J. Tackling drug-resistant infections globally: final report and recommendation London: HM Government and Wellcome Trust; 2016.
4. The White House. National action plan for combating antibio-tic-resistance bacteria Washington, DC: The White House; 2014.
5. Centers for Disease Control and Prevention. Antibiotic resis-tance threats in the United States Atlanta: Centers for Disease Control and Prevention; 2013.
6. Organization for Economic Cooperation and Development. Antimicrobial resistance in G7 countries and beyond: econo-mic issues, policies and options for action Paris: Organization for Economic Cooperation and Development; 2015.
7. Ministry of Health and Welfare. National plan on prevention of infection disease [Internet] Sejong: Ministry of Health and Welfare; 2018. cited 2018 Jul 7. Available from: http://www.mohw.go.kr/react/al/sal0301vw.jsp?PAR_MENU_ID=04&MENU_ID=0403&CONT_SEQ=345237.
8. Hooper DC, DeMaria A, Limbago BM, O'Brien TF, McCau-ghey B. Antibiotic resistance: how serious is the problem, and what can be done? Clin Chem 2012;58:1182–1186.
9. Word Health Organization. Country progress in the imple-mentation of the global action plan on antimicrobial resis-tance: WHO, FAO and OIE global tripartite database [Internet] Geneva: Word Health Organization; cited 2018 Oct 30. Available from: http://www.who.int/antimicrobial-resistance/global-action-plan/database/en/.
10. Kim DS, Bae G, Yoo SY, Kang M. Between government policy, clinical autonomy, and market demands: a qualitative study of the impact of the Prescribing Analysis System on behavior of physicians in South Korea. BMC Health Serv Res 2015;15:397.
11. Kim SK, Kim HE, Back MS, Lee SH. The effect of public report on antibiotics prescribing rate. Korean J Clin Pharm 2010;20:242–247.
12. Park J, Han E, Lee SO, Kim DS. Antibiotic use in South Korea from 2007 to 2014: a health insurance database-generated time series analysis. PLoS One 2017;12e0177435.
13. Cars O, Molstad S, Melander A. Variation in antibiotic use in the European Union. Lancet 2001;357:1851–1853.
14. Wood F, Phillips C, Brookes-Howell L, Hood K, Verheij T, Coenen S, Little P, Melbye H, Godycki-Cwirko M, Jakobsen K, Worby P, Goossens H, Butler CC. Primary care clinicians' perceptions of antibiotic resistance: a multi-country qualitative interview study. J Antimicrob Chemother 2013;68:237–243.
15. Brookes-Howell L, Hood K, Cooper L, Little P, Verheij T, Coenen S, Godycki-Cwirko M, Melbye H, Borras-Santos A, Worby P, Jakobsen K, Goossens H, Butler CC. Understanding variation in primary medical care: a nine-country qualitative study of cliniciansXMLLink_XYZ accounts of the non-clinical factors that shape antibiotic prescribing decisions for lower respiratory tract infection. BMJ Open 2012;08. 22. [Epub]. 10.1136/bmjopen-2011-000796.
16. Trepka MJ, Belongia EA, Chyou PH, Davis JP, Schwartz B. The effect of a community intervention trial on parental know-ledge and awareness of antibiotic resistance and appropriate antibiotic use in children. Pediatrics 2001;107E6.
17. Mangione-Smith R, McGlynn EA, Elliott MN, McDonald L, Franz CE, Kravitz RL. Parent expectations for antibiotics, physician-parent communication, and satisfaction. Arch Pediatr Adolesc Med 2001;155:800–806.
18. Cho H, Park J, Kim DS. A Qualitative study of antibiotic prescribing decision of physicians and strategy of antibiotics prescription. Korean J Health Promot 2016;16:203–213.
19. Choi WJ, Yim E, Kim TH, Suh HS, Choi KC, Chung W. Analysis of factors related to the prescription of antibiotics for the acute upper respiratory infection. Health Policy Manag 2015;25:256–263.
20. Kim Y, Lee S, Park S, Na HO. Tchoe B. Outpatient antibiotic prescription patterns for respiratory tract infections of infants. Health Policy Manag 2015;25:323–332.
21. Joo YS, Cho GY. Outlier detection and treatment in industrial sampling survey. J Korean Data Inf Sci Soc 2016;27:131–142.
22. Tukey JW. Exploratory data analysis London: Adiison-Wesley; 1977.
23. WHO Collaborating Centre for Drug Statistics Methodology. Guidelines for ATC classification and DDD assignment 2014 Oslo: WHO Collaborating Centre for Drug Statistics Methodology; 2014.
24. Lusini G, Lapi F, Sara B, Vannacci A, Mugelli A, Kragstrup J, Bjerrum L. Antibiotic prescribing in paediatric populations: a comparison between Viareggio, Italy and Funen, Denmark. Eur J Public Health 2009;19:434–438.
25. World Health Organization. Republic of Korea, National action plan on antimicrobial resistance (2016-2020) [Internet] Geneva: World Health Organization; 2016. cited 2018 Jul 7. Available from: http://www.who.int/antimicrobial-resistance/global-action-plan/library/en.
26. Kim DS, Park J, Lee GW, Choi JW, Lee EJ, Jeon SY. Analysis of antibiotic use and consideration of the association between antibiotic use and resistance Wonju: Health Insurance Review and Assessment Service; 2017.

Article information Continued

Figure 1

Conceptual framework of antibiotic use by clinics and hospitals. Underlined variables are included in this research.

Figure 2

Distribution of antibiotic use in medical institutions.

Figure 3

Distribution of antibiotic use in hospitals.

Figure 4

Distribution of antibiotic use in clinics.

Table 1

Variable of multiple linear regression model

Table 1

Table 2

General characteristics of total medical institutions

Table 2

DDD, defined daily dose; SD, standard deviation.

a)Over q3+1.5 (q3 − q1).

Table 3

General characteristics of hospitals

Table 3

DDD, defined daily dose; SD, standard deviation.

a)Over q3 + 1.5 (q3 − q1).

Table 4

General characteristics of clinics

Table 4

DDD, defined daily dose; SD, standard deviation.

a)Over q3 + 1.5 (q3 − q1).

Table 5

Results of multiple linear regression analysis in hospitals

Table 5

a)Busan, Daegu, Ulsan, Gyeongbuk, Gyeongnam. b)Incheon, Gyeonggi. c)Daejeon, Chungbuk, Chungnam, Sejong. d)Gwangju, Jeonbuk, Jeonnam.

Table 6

Results of multiple linear regression analysis in clinics

Table 6

a)Busan, Daegu, Ulsan, Gyeongbuk, Gyeongnam. b)Incheon, Gyeonggi. c)Daejeon, Chungbuk, Chungnam, Sejong. d)Gwangju, Jeonbuk, Jeonnam.