서론
배경
최근 사회적 논란이 되고 있는 응급실 환자 미수용(응급실 뺑뺑이) 사례의 상당수는 중증외상 환자와 관련되어 있다. 이것은 응급실 과밀이나 개별 의료기관의 수용 능력 문제를 넘어, 중증외상 환자가 적절한 시간에 적절한 의료기관으로 이송하여 결정적 치료를 제공해야 하는 외상시스템(trauma system)이 한국에 제대로 정착되지 못했음을 시사한다[1–6]. 외상 진료는 시간 의존적(time-sensitive) 특성이 강하며, 특히 출혈·기도·중증 뇌손상 등은 초기 대응의 속도와 질이 환자의 예후를 좌우한다[7–9]. 따라서 외상체계 구축의 핵심은 ‘환자가 발생한 순간부터 최종 치료(definitive care)에 이르기까지 환자 흐름(patient flow)을 끊김 없이 관리하는 것’이며[4,5,10], 이를 가능하게 하는 기반이 중증외상에 대한 정의와 중증도 분류체계에 따른 표준화된 데이터다[11–13].
외상체계의 궁극적인 목표는 예방가능외상사망(preventable trauma death)을 감소시키는 것이다. 이를 위해서 중증외상 환자를 조기에 정확히 식별하고, 일관된 기준으로 그 규모와 특성을 파악할 수 있는 국가 차원의 통계체계가 필수적이다[6,13]. 예방가능외상사망률(preventable trauma death rate, PTDR)은 외상체계 성능의 핵심 지표로 활용되며, 국내에서도 권역외상센터 도입 이후 PTDR 변화가 관찰되고 있다[14]. 그러나 현재 한국의 국가 통계로 등록되어 있는 중증외상에 대한 정의와 통계 산출 방식이 자료원별로 상이하여, 동일한 용어가 서로 다른 환자군과 수치를 의미하는 상황이 반복되고 있다. 이러한 불일치는 외상체계의 성과를 객관적으로 평가하고, 정책적 개선 방향을 설정하는 데 중요한 장애 요인으로 작용할 수 있다. 국내 여러 조사에서도 외상체계 도입 전후 PTDR의 변화가 보고되었으며, 이는 외상체계 성과 평가에 있어 자료 기반의 일관된 정의가 필요함을 시사한다[14–16].
‘한국의 중증외상 환자 수는 몇 명인가?’라는 질문은 단지 학술적 호기심이 아니라 외상 정책 출발점의 기반이 된다. 현재 전국 17곳에서 운영되고 있는 권역외상센터 운영을 비롯하여 정부가 추진을 계획하고 있는 외상센터유형화 사업 및 지역별 중증외상 수요 추정, 인력·병상·수술역량·전원체계 구축은 모두 중증외상의 규모와 분포를 정확히 파악할 수 있을 때 타당하게 설계될 수 있다. 그러나 중증외상 규모가 과대 또는 과소 추정되면, 외상 정책은 한정된 자원의 효율적 배분이 이루어지지 못하고, 이는 결국 예방가능사망 감소라는 본질적 목표를 간접적으로 위협한다.
국가 외상 통계의 정책적 역할과 데이터 체계의 중요성
외상 통계는 숫자가 아니라 시스템 성과를 측정하는 도구
외상은 젊은 연령층에서 사망과 장애의 주요 원인으로, 단기간의 응급 대응뿐 아니라 장기적인 재활·사회복귀까지 포함하는 광범위한 사회경제적 부담을 유발한다[17,18]. 따라서 외상 정책의 핵심은 단순한 사망자 수 산출이 아니라, 외상 발생(incident)–병원전(prehospital) 이송–병원 치료–결과로 이어지는 전 과정을 연속적으로 파악하고 개선할 수 있는 데이터 기반 체계를 구축하는 데 있다.
이상적인 외상 데이터 체계는 ‘발생–병원전–응급실–결정적 치료(definitive care)–예후(outcome)’의 연속선 상에서 환자를 누락 없이 포착하고, 중증도와 치료 과정을 표준화된 지표로 측정하며, 이를 바탕으로 자원 배분과 질 개선이 반복되는 학습 시스템(learning system)으로 작동해야 한다[4,19,20]. 즉, 국가 외상 정책의 핵심 질문은 첫째, 얼마나 발생하는가(분모), 둘째, 누가 중증인가(정의·분류), 셋째, 어떤 치료가 어디에서 제공되는가(과정·전달체계), 넷째, 결과가 어떠한가(성과·형평성)로 요약된다.
이 네 가지 질문에 일관되게 답할 수 없다면, 외상체계는 국가가 지정하는 권역외상센터 수준의 기관이 운영되고 많은 예산이 투자되어도, ‘무엇이 개선되었는지’를 근거로 확인하기 어렵다. 특히 응급실 뺑뺑이와 같이 사회적 파장이 큰 문제는 일회성 처방만으로 해결될 수 없고, 근거 기반 접근을 통해 교정하는 노력이 필요하다. 이때 통계와 데이터는 사후 보고를 위한 행정의 도구가 아니라, 시스템 설계와 성과 평가를 위한 사전의 언어가 되어야 한다.
중증외상 정의는 외상 정책의 기본 단위(unit of policy)
외상체계에서 중증외상은 외상 환자의 중증도 분류만을 의미하는 것은 아니다. 중증외상은 수술·중환자실(intensive care unit, ICU)·대량수혈·전담인력·전원체계와 같은 외상센터 자원이 집중되어야 하고, 외상센터 설치와 이송체계 개선 및 질 관리(quality improvement, QI) 등 정책 효과가 가장 크게 나타나야 하는 핵심 대상군을 의미한다[19–22]. 따라서 중증외상을 어떻게 정의하느냐에 따라, 외상 정책의 분모·분자, 성과지표 해석 및 기관 간 비교의 공정성이 달라질 수 있다.
중증외상 정의가 너무 넓어 위험도가 낮은 환자까지 포함하면 과대추계되어, 중증외상 지표는 치명률, ICU 이용, 전원율, 치료지연 등이 평균화되어 개선 효과가 희석된다. 반대로 정의가 너무 협소하면 과소추계되어 체계적 대응이 필요했던 환자가 통계에서 누락되어 문제 규모가 과소평가될 수 있다. 따라서 중증외상의 정의는 임상적 타당성과 정책적 유용성을 동시에 고려해야 하며, 단일 지표가 어렵다면 목적에 따른 계층화(stratification) 전략도 고려해야 한다.
중증외상 정의의 국제적 프레임: 왜 ‘하나의 숫자’로 합의하기 어려운가?
국제적으로도 중증외상의 정의는 단일 기준으로 완전히 합의되어 있지 않다. 이는 외상이 하나의 질환(disease)이 아니라 다양한 손상 기전과 장기 손상 양상이 혼재된 상태이며, 중증이라는 개념이 해부학적(anatomic) 손상 정도, 생리학적(physiologic) 불안정, 치료자원 소요, 예후 위험도 등 여러 축을 동시에 포함하기 때문이다. 따라서 실제 정책 및 질 관리에서는 중증외상 정의를 다음과 같은 기준으로 구분하여 이해할 필요가 있다.
해부학적 기준: abbreviated injury scale/injury severity score 기반
가장 널리 알려진 전통적 기준은 abbreviated injury scale (AIS) 코딩을 기반으로 산출되는 injury severity score (ISS)이다[11,23]. ISS는 여러 손상이 동반된 외상에서 손상 정도를 비교할 수 있게 만드는 대표 지표로, 연구 및 질 관리에서 오랫동안 사용되어 왔다[11,23,24]. 임상과 정책 현장에서 ISS ≥15를 중증외상의 관행적 기준으로 사용하는 경우가 많다. 다만 ISS는 AIS 코딩이 전제되어야 하며, 코딩 인력과 교육 및 품질관리 체계가 없으면 전국 전수 자료에 적용하기 어렵다. 또한 ISS는 해부학적 손상에 초점을 맞추고 있어, 같은 ISS라도 환자의 연령과 기저질환 및 생리학적 상태에 따라 실제 위험도가 달라질 수 있다[23,24].
생리학적 기준: 현장/도착 시 불안정
병원전 단계나 응급실 초기에는 해부학적 손상 파악이 제한적이므로, 혈압, 호흡, 의식수준 등 생리학적 지표를 기반으로 중증 의심군을 정의한다. 이 기준은 현장의 환자 중중도 분류에 유용하다. 그러나 생리학적 이상이 뚜렷하지 않은 보상성 출혈이나 노인 외상과 같은 잠재적 중증에 과소분류되거나 반대로 일시적 불안정으로 과대분류되는 문제도 존재한다. 따라서 생리학적 기준은 중증 확인이라기보다 중증 의심 또는 고위험 분류에 더 적합하다.
자원 기반 기준: 실제 시스템 부담을 반영
외상체계 관점에서 중증외상은 곧 중증자원(resource)의 투입이 집중되는 집단이다. 예를 들어 응급수술, 대량수혈, 외상중환자실 입실, 혈관중재, 응급개두술 등 특정 자원 사용 여부로 중증을 정의하는 방식은 ‘정책 단위’로서의 실용성이 높다. 다만 자원 기반 정의는 기관마다 자원 가용성과 진료 패턴이 다르면 비교가 어려울 수 있고, ‘자원이 부족해서 사용하지 못한’ 사례가 오히려 중증에서 배제되는 역설이 생길 수 있어 섬세한 설계가 필요하다.
예후(outcome-risk) 기반 기준: ICISS 같은 사망 위험도 추정
ICISS는 Osler 등[12]이 1996년 처음 제안한 손상중증도 지표로, 병원 진단코드(International Classification of Diseases [ICD] 코드)를 기반으로 외상 환자의 생존 가능성을 확률적으로 추정하는 손상중증도 지표이다. 병원 진단코드(ICD 코드)만으로 외상 환자의 생존 가능성을 수치화하는 방법이다[23]. 원리를 간단히 설명하면, 과거 대규모 외상 환자 데이터에서 각 진단코드를 받은 환자들이 실제로 얼마나 생존했는지를 계산하여 생존위험비(survival risk ratio, SRR)를 산출한다. 예를 들어 비장 파열 진단코드의 SRR이 0.85라면, 해당 손상을 입은 환자 100명 중 85명이 생존했다는 의미다. 한 환자에게 여러 손상이 있을 경우, 각 손상의 SRR을 모두 곱하여 최종 ICISS 값을 산출한다. 즉, 각 손상에 대해 생존확률이 부여되고, 이를 결합하여 환자 단위의 생존 위험도를 산출하는 방식으로, 이 값은 0 (생존 가능성 매우 낮음)에서 1 (생존 가능성 매우 높음) 사이로 표현되며, 값이 낮을수록 더 중증임을 의미한다[23,24].
ICISS의 가장 큰 장점은 AIS 코딩이나 ISS 계산 없이도 병원 전산에 이미 입력된 진단코드만으로 산출이 가능하다는 점이다. 이 때문에 전국 응급실 자료(National Emergency Department Information System, NEDIS)처럼 수백만 건의 대규모 행정자료에서 중증외상을 추정하는 현실적 대안으로 활용되어 왔다.
그러나 ‘예후 위험도 추정 도구’와 ‘정책 단위로서 중증외상 정의’는 반드시 일치하지 않는다. 예후 예측이 잘 되더라도 절단점 설정이 부적절하면, 실제로 자원 집중이 필요한 집단이 희석되거나 과대 포함될 수 있다. 중요한 점은 ICISS 절단점의 적절성은 단일 기준으로 고정될 수 있는 것이 아니라, 사용 목적에 따라 달라질 수 있다는 것이다. 감시체계(surveillance) 목적에서는 중증외상 의심군을 가능한 한 빠짐없이 포착하는 민감도(sensitivity)가 중요하므로, 비교적 넓은 절단점(예: ICISS <0.9)이 유용할 수 있다. 반면 정책 평가나 자원 배분 목적에서는 실제 고위험 환자를 정확히 식별하는 특이도(specificity)와 양성예측도(positive predictive value, PPV)가 중요하므로, 더 엄격한 절단점(예: ICISS <0.75 또는 <0.7)이 요구된다. 질 관리 목적에서는 기관 간 비교의 공정성을 위해 위험도 보정이 가능한 수준의 정밀도가 필요하다. 따라서 단일 절단점을 모든 목적에 일률 적용하기보다, 목적에 따른 다층적 정의(multidimensional definition)가 요구된다. 특히 국가승인통계와 외상체계 운영이라는 두 가지 목적을 동시에 충족시키기 위해서는, ‘전수 기반(분모)+고해상도(질 관리)+병원전 연계(환자 흐름)’를 아우르는 복합적 데이터 설계가 필요하다.
국내 중증외상 통계 자료원의 3축 구조: 목적·수집과정·산출지표의 차이
한국에서 중증외상 관련 정책과 연구에 활용되는 주요 자료원은 크게 세 가지로 구분된다(Table 1): (1) 응급의료현황통계(NEDIS 기반), (2) 119 이송 기반 병원 의무기록 연계 조사, (3) 한국외상데이터뱅크(Korean Trauma Data Bank, KTDB). 이들 자료원은 서로 다른 사업 목적에 최적화되어 있다. 그러나 문제는 ‘서로 다른 목적을 가진 세 축이 공존한다’는 사실 자체가 아니라, 중증외상이라는 같은 용어를 사용하고, 국가 통계에 등록되어 있으면서 그 정의와 대상 및 산출값이 달라서 정책 현장에서 혼선이 발생한다는 점이다.
NEDIS: 전수 기반 분모와 국가 통계로서의 안정성
NEDIS는 중앙응급의료센터가 운영하는 국가응급진료정보망으로, 응급의료기관이 응급실 진료정보를 국가 정보망에 입력하여 국가 단위 응급의료 통계를 생성한다[25]. 응급의료현황통계는 국가승인통계로 활용되고 있으며, 대표성과 지속가능성이 크다. 외상 정책 관점에서 가장 중요한 장점은 ‘분모’를 제공한다는 점이다. 즉, 응급실에 내원한 외상 환자의 규모, 지역별 분포, 전원 패턴 등을 국가 단위로 모니터링할 수 있다. 다만 NEDIS는 외상 전문 레지스트리가 아니라 응급실 통합자료로, AIS/ISS 같은 해부학적 손상중증도 지표가 직접 포함되지 않는다. 따라서 진단코드 기반 추정 지표(ICISS 등)를 통해 중증외상을 추정하는 방식이 사용되고, 이 지점에서 정의의 타당성이 핵심 이슈로 부상한다.
국가승인통계 관점에서 본 자료원 평가틀 비교
국내 중증외상 통계 산출 자료원을 국가승인통계 관점에서 평가하고 비교하기 위한 핵심 요소를 다음과 같이 정리할 수 있다(Table 1). (1) 통계적 품질: 대표성(포괄성), 정확성(오차), 객관성(조사자 개입), 비교가능성; (2) 운영·관리: 지속가능성(제도 기반), 시의성(생산 주기), 비용-효율성, 품질관리 체계; (3) 활용·표준화: 중증 정의의 표준, 용어 일관성, 자료원 간 연동 가능성; (4) 법·윤리: 법적 근거, 개인정보 보호, 자료 접근·활용의 거버넌스.
이를 실제 자료원에 적용해 보면, NEDIS는 전산 기반 전수 수집으로, 대표성·객관성·지속가능성에서 강점이 있으나 외상특이 중증도/과정지표가 제한적이다. 119 이송 기반 병원 의무기록 연계 조사는 병원전 흐름을 볼 수 있으나 대표성·객관성·지속가능성·비용에서 취약점이 있고, KTDB는 고해상도 임상정보로 질 관리에 최적이지만 국가 분모 대표성이 제한적이다. Table 1이 분류하는 의미는 ‘어느 하나가 정답’이 아니라, 각 자료원의 역할을 분명히 하고, 연계 구조를 설계해야만 국가 외상체계를 측정할 수 있는 시스템으로 만드는데 유용한 도구로 활용할 수 있다는 것이다.
자료원별 데이터 수집과정과 ‘오류가 생기는 지점’의 분석
중증외상과 관련된 각 자료원이 실제로 어떻게 데이터가 생성되는지, 그리고 그 과정에서 어떤 종류의 오류·편향·누락이 발생할 수 있는지를 흐름(flow) 관점에서 세밀하게 분석한다. 이는 단순 비교를 넘어 통합 설계에서 ‘어디를 먼저 고쳐야 하는가’를 구체화하기 위해 중요하다.
NEDIS: 전산 입력의 장점과 ‘외상특이 정보부족’의 한계
NEDIS는 전국의 모든 응급의료기관에서 응급실 진료 과정 중 주요 항목을 입력하고 전송하여 중앙에서 취합하는 구조로 전산 기반이라는 측면에서 다음의 장점을 제공한다[25]. (1) 누적/시계열 안정성: 매년 동일한 체계로 수집되어 추세 분석이 가능, (2) 조사자 편향 최소화: 외부 조사원이 개입하지 않고, 시스템 입력으로 표준화 가능, (3) 비용-효율성: 기존 응급의료 인프라 안에서 생산 가능.
그러나 NEDIS의 외상 정책 활용에는 구조적 한계가 있다. (1) AIS/ISS 부재: 해부학적 중증도 분류가 어렵다. (2) 외상특이 과정지표 부족: 예를 들어 출혈 통제 시간, 응급수술 개시, 대량수혈 여부/타이밍, 외상팀 활성화 여부 등 질 개선에 핵심이 되는 과정 데이터가 제한적이다. (3) 진단코드 기반 분류의 한계: ICD 진단코드 입력 품질은 기관별·의료인별로 상이할 수 있고, 외상과 비외상성 손상(중독, 화상 등)이 혼재될 경우 '외상' 분류가 흔들릴 수 있다. 따라서 NEDIS는 ‘분모 자료원’으로는 강력하지만, 중증도 정의를 진단코드 기반 추정(ICISS)으로 해결하려 할 때 절단점 문제가 정책적 왜곡으로 이어질 가능성이 있다(Table 3).
119 이송 기반 병원 의무기록 연계 조사: 방문 조사의 구조와 품질관리 필요
이 조사는 119 구급대 기록을 바탕으로 대상 환자를 선정한 뒤, 의료기관 의무기록을 방문 조사해 데이터를 수집한다[26]. 이 과정에서 발생하는 대표적 오류는 다음과 같다. (1) 선정 단계의 누락(coverage bias): 119 이송이 아닌 환자는 포함되지 않는다. (2) 기록 품질 편차: 구급일지 및 세부상황표의 작성 충실도·형식의 일관성 문제는 대상 선정과 병원 결과 연결에 영향을 준다(작성자·지역·시기별 변이). (3) 코딩 재현성: AIS/ISS 산출은 코더 교육과 경험에 따라 달라질 수 있으며, 중앙 품질관리(quality assurance, QA) 기반이 튼튼하지 않으면 기관 간 비교가 어렵다. (4) 시의성 저하: 조사–검증–확정 과정이 길어지면, 정책 피드백이 늦어진다. (5) 비용 구조: 방문 조사에 많은 인력과 비용이 필요해 비용-효율성이 낮다. 이 조사는 ‘병원전 흐름을 보는 장점’이 있으나, 국가 통계의 중심축이 되기에는 구조적 취약점이 존재한다. 따라서 병원전 운영 성과 중심의 역할 재배치 또는 NEDIS 중심 통합체계로의 연동 전략이 필요하다.
KTDB: 고해상도 임상정보의 강점과 ‘코딩 품질’이라는 숙제
KTDB는 외상센터 기반으로 AIS/ISS, 치료 과정, 결과 등을 고해상도로 수집한다[27,28]. 그러나 레지스트리는 ‘많이 적었다’가 아니라 ‘같은 방식으로 적었다’가 더 중요하다. 따라서 KTDB의 주요 오류는 다음과 같다. (1) 코딩 일관성(inter-rater reliability): AIS 코딩은 경험과 교육에 따라 달라질 수 있어, 정기적 일치도 평가와 피드백이 필요하다. (2) 누락과 지연: 바쁜 임상 환경에서 등록 누락이 생기면 성과 평가가 왜곡될 수 있다. (3) 대표성 문제: 외상센터로 이송되지 않은 중증외상 환자를 포착하지 못한다. 한계에도 불구하고 KTDB는 국가 외상체계의 ‘질 개선과 벤치마킹’ 관점에서 핵심 자산이며, NEDIS (분모) 및 병원전(흐름) 데이터와 결합되어 운영될 때 국가 외상체계의 학습 시스템이 완성될 가능성이 높다.
NEDIS 기반 중증외상 추계와 ICISS 0.9 기준의 한계: 예측도구와 정책 단위의 분리
NEDIS는 국가승인통계로 대표성과 지속가능성이 가장 강력한 자료원이다. 하지만 AIS/ISS가 없어 진단코드 기반 추정인 ICISS를 사용할 수밖에 없다. 문제는 ‘ICISS 사용’이 아니라 현재 ‘ICISS 0.9 미만을 중증외상으로 고정’하는 설계다.
Table 3에 제시된 NEDIS 2014–2024년 자료의 구간 분석 결과를 살펴보면, ICISS-20 <0.9 구간의 연간 환자 수는 약 10만–12만 명 수준이며, 이 집단의 사망률은 약 4.6–5.6% 수준으로 나타난다. 반면 ICISS-20 <0.7 구간은 연간 약 2.3만–2.9만 명으로 규모가 크게 줄어들지만, 사망률은 10.2–12.1%로 현저히 높아진다. 이를 전통적인 중증외상 기준인 ISS ≥15와 비교하면, 국내외 다수 연구에서 ISS ≥15 환자군의 사망률은 10%를 초과하는 것으로 보고되어 있다[5,11,29,30]. 즉, ICISS-20 <0.9 집단의 사망률(약 5%)은 ISS ≥15 기반 중증외상 사망률(약 10–15%)의 절반에도 미치지 못하는 수준이다.
이러한 불일치는 ICISS <0.9 기준이 임상적으로 ‘중증’이라고 보기 어려운 환자군까지 포함하고 있음을 시사한다. 구체적으로, ICISS <0.9 집단에는 실제 ISS ≥15에 해당하는 고위험 환자뿐 아니라, ISS 기준으로는 경증–중등도에 해당하는 환자가 상당 부분 포함되었을 가능성이 있다. 다만 이는 동일 조건에서의 직접 비교가 아니며, 환자군의 케이스믹스, 병원전 선별, 의료기관의 치료 역량 등의 영향을 배제할 수 없어, 이러한 해석에는 추가적인 검증이 필요하다. 반면 ICISS <0.7 집단의 사망률(약 11–12%)은 ISS ≥15 기준과 유사한 수준으로, 이 절단점이 전통적 중증외상 정의에 더 근접한 집단을 포착할 가능성을 시사한다[31].
이러한 설계가 초래하는 핵심 문제를 질 관리(QI) 관점에서 분석할 수 있다. 중증외상군의 사망률이 지나치게 낮아지면, 치명률, 전원율, ICU 이용, 치료지연 등의 중증외상 성과지표의 해석이 희석되고, 기관 간 비교에서 실제 중증환자 치료 역량보다 ‘경증 포함 정도’가 성적을 좌우할 수 있다. 또한 ‘중증외상 식별’을 ‘사망 예측 성능’으로 정당화할 때, 전체 사망률이 매우 낮은 환경에서는 정확도나 음성예측도(negative predictive value)가 구조적으로 높아 보이는 착시가 생길 수 있으며, PPV가 낮아 ‘중증으로 분류된 집단의 대부분이 사망하지 않는 집단’이 될 수 있다는 점이다.
따라서 ICISS는 예측모델로서의 성능과 ‘정책 단위 정의’로서의 적합성을 구분해야 하며, 국가승인통계에서 중증외상이라는 용어를 사용할 경우 절단점 재조정 또는 다층 중증도 분류가 요구된다. 특히 감시 목적(전수 포착)과 정책 평가 목적(고위험군 집중)을 분리하여, 전자에는 ICISS <0.9를 유지하되 후자에는 ICISS <0.75 또는 <0.7을 적용하는 이중 기준 체계를 검토할 필요가 있다. ICISS <0.9는 임상적 중증외상과 완전히 일치하지 않을 가능성이 있으나, 감시 목적에서는 중증외상 의심군을 포괄적으로 포착하는 데 유용할 수 있다. 따라서 활용 목적(자원 배분·성과 평가 vs. 발생 감시)에 따라 서로 다른 절단점을 구분하여 적용하는 것이 바람직하다.
용어·범주 혼동의 문제: 외상 vs. 손상, 비외상성 손상 포함 여부
외상(trauma)과 손상(injury)의 혼용, 그리고 중독, 화상, 익수 등 비외상성 손상의 포함 여부가 자료원별로 달라질 수 있으므로, 정의가 통일되지 않으면 정책 현장에서 외상 개념 자체가 불명확해질 우려가 있다. 이는 단순한 용어상의 문제가 아니라 통계에서 분모와 분자를 규정하는 범주가 달라지는 기준의 문제다. 예를 들어 NEDIS 진단코드를 기반으로 ‘외상 사망’을 추출하였을 때, 의무기록 재검토 과정에서 상당 비율이 실제 외상 사망이 아닌 것으로 확인되는 경우가 발생할 수 있다[32–35]. 이러한 불일치는 손상 범주의 정의가 자료원마다 다르거나 진단코드 기반 분류가 임상적으로 규정되는 외상과 완전히 일치하지 않을 때 나타나는 전형적 현상이다. 따라서 통합체계를 설계할 때, 외상/손상/비외상성 손상에 대한 국가 수준의 용어와 포함 범주를 먼저 명확히 정의할 필요가 있다.
해외 외상 데이터 시스템 구축 사례와 국내 적용 시사점
해외에서는 외상체계의 성과 평가와 정책 수립을 위해 다양한 통합 외상 데이터 시스템이 구축되어 있다. 선진 외상체계를 갖춘 국가들은 수십 년에 걸쳐 병원전–병원–재활을 아우르는 통합 데이터 플랫폼을 구축해 왔으며, 이들의 경험은 한국의 외상체계 설계에 중요한 참고가 된다. 예를 들어 미국의 National Trauma Data Bank (NTDB)는 외상센터 기반 레지스트리를 통해 대규모 임상 데이터를 수집하고 있으며, 영국의 Trauma Audit and Research Network (TARN)는 국가 단위의 외상 데이터 수집과 성과 평가를 수행하고 있다. 독일 등 유럽 일부 국가 및 캐나다 등에서도 유사한 외상 레지스트리 기반 시스템이 운영되고 있으며, 이들 시스템은 공통적으로 고해상도 임상 데이터와 행정자료를 연계하여 외상 환자의 전 주기를 분석할 수 있도록 설계되어 있다. 이러한 국제 사례는 한국에서도 자료원 간 연계와 통합적 데이터 구조 구축의 중요성을 시사한다.
미국: National Trauma Data Bank
미국외과학회(American College of Surgeons, ACS)가 운영하는 NTDB는 세계 최대 규모의 외상 레지스트리로, 900개 이상의 외상센터에서 연간 100만 건 이상의 데이터를 수집한다[19]. NTDB는 외상센터 인증(ACS-Committee on Trauma [COT] verification) 요건과 연계되어 있어, 인증을 유지하려는 기관이 자발적으로 데이터를 제출하는 구조다. 이를 통해 데이터 수집의 지속가능성 및 품질관리가 제도적으로 보장된다. 최근에는 NTDB 데이터를 병원전 데이터(National EMS Information System, NEMSIS)와 연계하는 시도가 확대되고 있으며, 이를 통해 구급 이송 단계부터 병원 결과까지의 연속적 분석이 가능해지고 있다.
영국: Trauma Audit and Research Network
영국의 TARN은 1989년 설립된 국가 외상 레지스트리로, 현재 잉글랜드·웨일스의 200개 이상 병원이 참여하고 있다[30]. TARN의 핵심 특징은 병원 기반 데이터 수집에 그치지 않고, 병원전 구급 데이터(NHS Ambulance Service)와의 연계를 통해 이송 전 단계부터 병원 결과까지 환자 흐름을 추적한다는 점이다. AIS/ISS 기반 중증도 분류와 위험도 보정 사망률(risk-adjusted mortality)을 표준 지표로 사용하며, 참여 기관에 정기적인 벤치마킹 리포트를 제공함으로써 질 개선의 피드백 루프를 제도화하였다. 특히 TARN은 데이터 입력의 부담을 줄이기 위해 전자의무기록(Electronic Medical Record)과의 자동 연동을 추진하고 있으며, 소규모 병원도 핵심 항목(minimum dataset)만으로 참여할 수 있도록 설계되어 있다.
독일: TraumaRegister DGU
독일외상학회(Deutsche Gesellschaft für Unfallchirurgie, German Trauma Society)가 운영하는 TraumaRegister DGU는 1993년부터 운영되어 현재 독일을 포함한 유럽 35개국 이상, 700개 이상 병원이 참여하는 국제 외상 레지스트리다[30]. 이 레지스트리의 강점은 병원전 처치(현장 소생술, 수액 투여 등)부터 응급실, 수술, ICU, 퇴원까지의 전 과정 데이터를 표준화된 양식으로 수집한다는 점이다. 특히 위험도 보정 사망률(Revised Injury Severity Classification [RISC] II score 기반)을 활용한 기관 간 비교와 국가 간 벤치마킹이 가능하여, 외상체계 성과 평가의 국제 표준으로 자리잡고 있다. TraumaRegister DGU는 병원전 데이터와의 연계를 통해 ‘골든 아워(golden hour)’ 내 처치 여부가 예후에 미치는 영향을 분석하는 연구 기반을 제공한다.
해외 사례의 국내 적용 시사점
이들 해외 사례에서 공통적으로 도출되는 시사점은 다음과 같다. 첫째, 병원전 데이터와 병원 데이터의 환자 단위 연계가 외상체계 평가의 핵심이다. 둘째, 외상 레지스트리는 처벌이 아닌 질 개선을 위한 도구로 설계되어야 참여율과 데이터 품질이 유지된다. 셋째, 전수 기반 행정자료(분모)와 고해상도 레지스트리(질 관리)의 역할을 명확히 분리하되 연계 구조를 갖추어야 한다. 넷째, 표준화된 최소 핵심 항목을 먼저 확립하고 점진적으로 확장하는 단계적 접근이 효과적이다. 한국의 경우 NEDIS라는 강력한 전수 기반 행정자료가 이미 존재한다는 점에서, 영국 TARN이나 독일 TraumaRegister DGU가 병원전 데이터와의 연계를 통해 시스템을 고도화한 경험이 특히 참고할 만하다.
통합 국가 중증외상 통계체계 구축 로드맵: 단기–중기–장기
행정자료 우선활용 제도와 국가승인통계의 요건을 고려할 때 NEDIS는 국내 외상 통계체계의 중심축으로 기능할 수 있는 잠재력이 있다. 동시에 병원전 단계, 응급의료 단계, 외상 전문 진료 단계에서 생성되는 서로 다른 자료원을 유기적으로 연계함으로써, 외상 발생 규모(분모)부터 중증도, 치료 과정, 그리고 결과에 이르기까지 외상 진료의 전 주기를 포괄하는 통계체계를 구축할 필요성이 제기된다.
이상적인 통합 데이터 흐름은 ‘119 구급 기록→NEDIS (응급실)→KTDB (외상센터 전문 진료)’의 3단계 연속 연계 구조로 설계되어야 한다. 이 흐름에서 각 단계는 독립적으로 기능하면서도 환자 단위로 연결되어, 병원전 이송 시간·현장 처치·생리학적 초기 상태(119 구급 기록)가 응급실 도착 후 진단·처치·전원 여부(NEDIS)와 연결되고, 최종적으로 외상센터에서의 수술· ICU 치료·합병증·예후(KTDB)까지 추적 가능한 구조가 되어야 한다. 이러한 연계가 실현될 때, 비로소 ‘어느 단계에서 예방가능사망이 발생하는가’를 데이터로 규명하고 외상체계를 근거 기반으로 개선할 수 있다. 이러한 인식을 바탕으로 실제 정책에 적용하기 위한 단계적 접근 전략을 다음과 같이 제시하고자 한다.
단기(1–2년): ‘정의 통일+최소 연동(minimum viable product)’으로 정책 혼선을 줄인다.
용어·범주 표준화(국가 합의 문서화)
(1) 외상(trauma)과 손상(injury), 비외상성 손상(중독·화상·익수 등)의 범주 구분; (2) 중증외상 정의의 목적 분리(통계용 대 QI용) 또는 동일 용어 사용시 산출 기준 정합화.
NEDIS 중증외상 절단점 재검토(0.9 고정의 재평가)
(1) ICISS 절단점이 정책 단위로서 타당한지 재검증; (2) ICISS 절단점별 사망률·ICU 이용·수술·수혈 등을 함께 제시하여 ‘중증자원 대표성’ 확인; (3) 감시 목적(ICISS <0.9)과 정책 평가 목적(ICISS <0.75 또는 <0.7)을 분리 적용하는 이중 기준 체계 도입 검토.
최소 연동 설계: ‘119 구급 기록–NEDIS 환자 연결’부터 시작
(1) 소방청 119 구급 기록(세부상황표)과 NEDIS 간 환자 단위 매칭을 위한 기술·제도 기반 구축이 최우선 과제이며, 이는 단순한 데이터 연결이 아니라, ‘병원전 이송 시간이 응급실 결과에 미치는 영향’을 처음으로 국가 단위에서 분석할 수 있게 하는 기반이 됨; (2) 모든 변수를 통합하기보다 시간지표(출동–현장–이송–도착), 전원 여부, 초기 생리학 지표 등 핵심 항목부터 연동; (3) 연동 대상을 중증외상 의심군(예: ICISS <0.9 또는 119 중증 트리아지 해당자)으로 우선 한정하여 시범 운영 후 확대.
중기(3–5년): ‘중증외상 계층화+레지스트리 확장+피드백 시스템’ 구축
다층 중증도 분류체계 도입
(1) 예: Severe (중증)/very severe (고위험)/critical (최중증) 등 계층화; (2) 통계 감시(민감도 확보); (3) 자원 배분·QI (특이도 확보) 동시 충족.
‘Trauma add-on’ 전략: NEDIS에 외상 최소핵심변수 추가
모든 환자에 AIS/ISS를 강제하기보다 중증외상(또는 고위험군)에 대해 (1) 외상팀 활성화 여부; (2) 수술/중재/수혈 시작 시각; (3) ICU 입실 여부; (4) 전원 사유·시간 등 최소 과정지표를 표준 항목으로 추가해 ‘과정 개선’이 가능하도록 설계한다.
KTDB의 점진적 확장과 역할 재정립
중기 단계에서 KTDB의 역할은 단순한 외상센터 레지스트리를 넘어, 119 구급 기록–NEDIS–KTDB 3단계 연계 체계의 최종 종착점으로 재정립되어야 한다. 즉, KTDB는 ‘외상센터에 도달한 환자의 질 관리’에서 ‘외상체계 전체의 성과를 평가하는 고해상도 앵커(anchor)’로 기능을 확장해야 한다. 권역외상센터 외에도 권역응급의료센터/중증응급의료센터/지역외상센터급에서 표준화된 외상 등록(핵심항목) 및 AIS 코딩 역량을 단계적으로 확보해야 한다. 이를 위해 코디네이터 인력 지원, 교육 인증, 감사 체계가 필요하며, KTDB 등록 환자에 대해 119 구급 기록 및 NEDIS 데이터와의 소급 연계(retrospective linkage)를 시범 적용하여, 병원전–응급실–외상센터 전 과정 분석 코호트를 구축해야 한다.
장기(5년 이상): ‘전 주기 통합 외상 플랫폼’으로 학습 시스템 완성
병원전–병원–재활 전 주기 통합 플랫폼 구축
이 플랫폼에서 KTDB는 외상체계의 ‘질 관리 엔진’으로 기능하며, 위험도 보정 예방가능사망률(risk-adjusted preventable death rate)을 국가 표준 성과지표로 산출하는 역할을 담당한다. 119 구급 기록에서 시작된 환자 추적이 NEDIS를 거쳐 KTDB에서 최종 결과로 귀결되는 이 흐름은 외상체계의 어느 단계에서 예방가능한 사망이 발생하는지를 규명하는 근거 기반을 제공한다.
재활·사회복귀 단계 데이터(장애 등록, 재입원, 사회복귀율 등)와의 연계를 통해 외상의 장기 사회경제적 부담을 정량화하고, 이를 외상 예방 정책과 재활 자원 배분의 근거로 활용한다.
국가 외상 성과 보고서 정례화
영국 TARN의 연간 성과 보고서(National Trauma Outcomes Report), 독일 TraumaRegister DGU의 연례 보고서와 같이, 한국도 국가 차원의 외상 성과 보고서를 매년 발간하는 체계를 제도화해야 한다. 이 보고서는 (1) 전국 중증외상 발생 규모(NEDIS 기반 분모), (2) 외상센터별 위험도 보정 사망률(KTDB 기반), (3) 병원전–응급실 이송 시간 지표(119–NEDIS 연계), (4) 예방가능사망률 추이(PTDR)를 핵심 항목으로 포함해야 한다. 보고서는 학술지 발간과 동시에 정책 입안자·의료기관·시민이 접근 가능한 공개 형태로 제공하여 외상체계에 대한 사회적 책무성(accountability)을 강화한다.
국제 벤치마킹 참여 및 데이터 표준 국제화
장기적으로는 KTDB 데이터를 TARN, TraumaRegister DGU 등 국제 레지스트리와 연계하여 국제 수준의 벤치마킹이 가능한 구조를 구축해야 한다. 이를 위해 AIS/ISS 코딩 표준, 핵심 데이터 항목(core data elements), 위험도 보정 방법론을 국제 기준에 맞게 정비하는 작업이 선행되어야 한다. 세계보건기구(World Health Organization, WHO) 외상 질 개선 프로그램(WHO Guidelines for Trauma Quality Improvement Programmes) [20] 및 ACS-COT 기준[19]을 참조하여 국내 외상체계 인증 기준을 국제 수준으로 격상이 필요하다.
통합 외상 데이터 연계 체계의 거버넌스와 법·제도적 기반
119 구급 기록–NEDIS–KTDB의 3단계 연계 체계가 실현되기 위해서는 기술적 설계만으로는 충분하지 않다. 이를 뒷받침하는 법·제도적 기반과 거버넌스 구조가 함께 마련되어야 한다.
데이터 연계의 법적 근거 확립
현재 119 구급 기록(소방청), NEDIS (보건복지부·중앙응급의료센터 관할), KTDB (중앙응급의료센터)는 각각 다른 법적 근거와 관할 부처 하에 운영되고 있다. 환자 단위 연계를 위해서는 ‘응급의료에 관한 법률’, ‘119구조구급에 관한 법률’, ‘개인정보 보호법’의 교차 적용 문제를 해결하는 법적 근거가 필요하다. 익명화 결합키(pseudonymization key) 기반의 데이터 연계 방법론을 법제화하고, 이를 관장하는 중립적 거버넌스 기구(예: 국가 외상 데이터 위원회)를 설치하는 것을 포함하여 현실적 대안이 추진되기를 기대한다.
결론
한국의 중증외상 통계체계는 NEDIS, 중증손상 및 다수사상조사, KTDB라는 세 가지 자료원이 각각의 목적에 최적화된 채 병존하고 있으나, 중증외상이라는 동일한 용어 아래 서로 다른 환자군과 수치를 산출하는 구조적 불일치가 지속되고 있다. 이 불일치는 단순한 통계 기술의 문제가 아니라, 외상체계의 성과를 측정하고 자원을 배분하며 정책을 설계하는 모든 과정의 신뢰성을 근본적으로 위협하는 문제다.
특히 현재 국가승인통계에서 사용되는 ICISS <0.9 절단점은 해당 집단의 사망률이 약 5% 수준으로, 전통적 중증외상 기준인 ISS ≥15의 사망률(10–15%)에 비해 현저히 낮아, 실제 고위험 환자군이 희석될 가능성이 높다. 반면 ICISS <0.7 집단의 사망률은 약 11–12%로, ISS ≥15 기준과 유사하여, 정책 평가 및 자원 배분 목적에는 더 엄격한 절단점 적용이 요구된다. 다만 ICISS 절단점의 적절성은 사용 목적에 따라 달라지므로, 감시 목적과 정책 평가 목적을 분리하는 이중 기준 체계의 도입이 현실적 대안이 될 수 있다.
영국 TARN, 독일 TraumaRegister DGU, 미국 NTDB 등 선진 외상 데이터 체계의 공통된 교훈은, 병원전 데이터와 병원 데이터의 환자 단위 연계가 외상체계 평가의 핵심이며, 전수 기반 행정자료(분모)와 고해상도 레지스트리(질 관리)의 역할을 명확히 분리하되 유기적으로 연계하는 구조가 필수적이라는 점이다.
한국의 통합 외상 데이터 체계는 ‘119 구급 기록→NEDIS→KTDB’의 3단계 연속 연계 구조를 목표로 설계되어야 한다. 이 흐름에서 NEDIS는 전수 기반 분모 자료원으로, KTDB는 외상체계 전체의 질 관리 엔진으로 각각의 역할을 명확히 하되, 환자 단위 연계를 통해 병원전 이송 단계부터 최종 치료 결과까지의 전 과정을 추적할 수 있어야 한다. 이를 위해서는 기술적 설계와 함께 법·제도적 근거 마련, 부처 간 협력 체계 구축, 데이터 품질관리의 제도화가 병행되어야 한다.
중증외상 통계의 재정립은 숫자를 바꾸는 작업이 아니라, 외상체계가 무엇을 측정하고 무엇을 개선해야 하는지를 다시 정의하는 작업이다. 정확한 정의와 통합된 데이터 위에서만 예방가능외상사망의 감소라는 외상체계의 궁극적 목표가 달성될 수 있다.
PDF Links
PubReader
ePub Link
XML Download
Full text via DOI
Download Citation
Supplement
