국내 보건의료 빅데이터로 논문 쓰기: NHIS·HIRA·KNHANES 비교

한국은 전 국민 단일 건강보험 체계 덕분에 연구자 입장에서는 매우 드문 자산을 갖고 있다. 국민의 97%가 국민건강보험에 가입돼 있고 대부분이 연 1회 이상 의료를 이용하므로, 청구자료만으로도 사실상 전 국민 규모의 코호트를 구성할 수 있다.^[8] 그럼에도 국내 보건의료 빅데이터를 이용한 논문 계획이 중간에 멈추는 경우가 적지 않은데, 원인은 대체로 데이터가 없어서가 아니라 어느 데이터베이스가 자신의 연구 질문에 맞는지, 그 데이터에 무엇이 들어 있고 무엇이 없는지를 신청 전에 확인하지 않았기 때문이다. 청구자료에는 검사 수치가 없고, 진단명은 진단이 아니라 청구 코드이며, 흡연·음주 같은 생활습관 변수는 아예 존재하지 않는다.^[8] 이 글은 NHIS(국민건강보험공단), HIRA(건강보험심사평가원), KNHANES(국민건강영양조사), 지역사회건강조사 네 가지 자료원을 대상으로 실제 수록 내용, 가능한 연구설계, 신청 경로, 그리고 반드시 논문 한계(limitations)에 적어야 할 제약을 각 기관의 공식 자료 프로파일 논문과 국내 방법론 문헌을 근거로 정리한다.

네 자료원은 애초에 다른 목적으로 만들어졌다

가장 먼저 짚어야 할 점은 이 자료들이 연구용으로 설계된 것이 아니라는 사실이다. HIRA 청구자료는 요양기관이 진료비를 청구하고 심사평가원이 이를 심사하는 과정에서 축적되는 행정자료이며, 그 결과가 국민건강보험공단으로 전달돼 급여가 지급된다.^[8] 따라서 이 자료의 1차 목적은 “누가 무엇을 청구했고 그것이 급여 대상인가”이지 “환자가 어떤 임상 경과를 밟았는가”가 아니다.

반면 KNHANES는 1995년 제정된 국민건강증진법에 근거해 1998년부터 질병관리청(당시 질병관리본부)이 수행해 온 국가 건강통계 조사이고^[6], 지역사회건강조사는 2008년 시작돼 시·군·구 단위 건강통계를 산출하기 위해 설계된 지역 기반 단면조사다.^[7] 전자는 검진·검체 검사까지 포함한 전국 대표성 조사, 후자는 지역 간 비교가 가능한 대규모 면접조사라는 서로 다른 강점을 갖는다.

NHIS: 전 국민 규모 + 검진 + 사망

국민건강보험공단이 구축한 국민건강정보DB(National Health Information Database, NHID)는 자격·보험료 자료, 진료 청구 자료, 건강검진 자료, 요양기관 자료로 구성되며, 그 자료 프로파일은 International Journal of Epidemiology에 정식 발표돼 있다.^[1] 연구자 입장에서 NHIS 자료의 결정적 강점은 두 가지다. 첫째, 사망 기록이 사인과 함께 연계돼 있어 사망을 결과변수로 하는 코호트 연구가 가능하다. 둘째, 국가건강검진 자료가 포함돼 청구자료에는 없는 신체계측과 혈액검사 수치를 확보할 수 있다.^[8]

공단은 연구 접근성을 높이기 위해 별도의 표본 데이터베이스도 구축해 제공한다. 표본코호트(NHIS-NSC)의 자료 프로파일^[2]과 건강검진 코호트(NHIS-HEALS)의 코호트 프로파일^[3]이 각각 국제학술지에 게재돼 있으므로, 신청 전에 이 두 논문을 읽는 것이 사실상 필수다. 특히 NHIS-HEALS는 구성이 명확하다. 2002~2003년 공단 건강검진 수검자 전체의 10%를 무작위로 추출한 514,866명으로, 2002년 기준 연령 40~79세를 대상으로 하며 2013년까지 추적된다. 검진 항목으로 혈압, 공복혈당, 지질검사, 혈색소, 요검사, 크레아티닌, 간효소, 체질량지수, 허리둘레가 포함되고, 문진표에는 흡연 여부·양·기간, 주당 음주 빈도와 1회 음주량, 신체활동 유형과 주당 일수, 과거력·가족력이 들어 있다.^[3] 즉 “청구자료에는 생활습관 변수가 없다”는 일반론은 검진 코호트에는 그대로 적용되지 않는다는 점을 기억해 둘 필요가 있다.

HIRA: 청구자료의 원형, 그리고 개인이 소유할 수 있는 유일한 표본

HIRA 자료의 강점과 한계, 연구 활용 전략을 종합적으로 검토한 논문은 심사평가원 연구진이 직접 Journal of Korean Medical Science에 발표했으며, 청구자료 연구를 처음 시작하는 연구자가 가장 먼저 읽어야 할 문헌이다.^[4] HIRA 자료는 일반내역, 진료내역, 상병내역, 원외처방내역, 요양기관 정보의 다섯 개 테이블로 구성된다.^[8] 심사평가원이 연구 접근성을 높이기 위해 층화무작위추출 방식으로 구축해 제공하는 환자표본자료(Patient Samples)는 명세서 일반내역(Table 20), 진료내역(Table 30), 상병내역(Table 40), 원외처방내역(Table 53), 요양기관 현황 테이블로 이루어져 있다.^[5]

표본은 대상 집단에 따라 네 종류로 나뉜다. HIRA-NPS(전체환자표본)는 전체 청구자료의 약 3%로 연간 약 140만 명, HIRA-NIS(입원환자표본)는 입원 건의 약 13%로 연간 입원환자 약 70만 명과 외래환자 약 40만 명, HIRA-APS(고령환자표본)는 65세 이상의 약 20%로 연간 약 100만 명, HIRA-PPS(소아청소년환자표본)는 20세 미만의 약 10%로 연간 약 110만 명 규모다.^[5] 연구 질문이 고령 환자의 다제병용이라면 HIRA-APS가, 입원 중 시술 이용 양상이라면 HIRA-NIS가 맞는다.

실무적으로 중요한 차이가 하나 더 있다. NHIS·HIRA의 맞춤형 자료는 각 기관이 운영하는 분석센터에 방문하거나 경우에 따라 원격 접속해서만 분석할 수 있는 반면, HIRA 표본자료는 구매해 연구자가 직접 보유할 수 있는 형태로 제공된다. Kyoung과 Kim은 이를 두고 “개인이 소유할 수 있는 유일한 청구자료 데이터셋”이라고 표현했다.^[8] 분석 일정과 장소 제약이 연구 진행에 미치는 영향을 고려하면, 이 차이는 설계 단계에서부터 고려할 만한 요소다.

KNHANES와 지역사회건강조사: 청구자료에 없는 것을 채우는 자료

KNHANES는 연간 약 1만 명을 표본으로 하며, 약 20만 개의 지리적 조사구에서 192개 표본조사구를 추출하고 조사구당 20가구를 최종 표본으로 선정하는 다단계 층화집락 확률표본설계를 사용한다. 조사는 이동검진센터에서 이루어지는 건강설문조사와 건강검진, 그리고 검진 1주일 뒤 영양사가 가구를 방문해 수행하는 영양조사의 세 부분으로 구성된다.^[6] 사회경제적 지위, 건강행태, 삶의 질, 의료이용, 신체계측, 만성질환 관련 생화학·임상 지표, 식이 섭취량까지 한 사람에 대해 동시에 확보할 수 있다는 점이 청구자료와 결정적으로 다르다. 최근에는 KNHANES 인체자원은행 사업의 자료 프로파일도 별도로 발표돼, 검체·유전체 자원을 활용하려는 연구자가 참고할 수 있다.^[13]

지역사회건강조사는 253개 보건소가 지역 대학 등과 협력해 수행하는 지역 기반 단면조사로, 보건소당 평균 약 900명을 조사한다. 훈련된 조사원이 1인당 약 20~30분간 면접조사를 수행하며, 2010년 컴퓨터 이용 개인면접조사(CAPI)가 도입되면서 자료 질이 크게 향상됐다. 조사 항목은 흡연·음주·신체활동·체중조절·정신건강 등 건강행태, 고혈압·당뇨병·뇌졸중 등 질병 이환과 관리, 의료이용과 예방접종, 사고와 손상, 삶의 질, 의료서비스 접근성 등을 아우른다.^[7] 시·군·구 단위 비교가 가능하다는 점 때문에 지역 간 건강격차 연구에 특히 적합하다.

자료원별 비교

신청 절차: 실제로 무엇이 필요하고 얼마나 걸리는가

조사자료와 청구자료는 접근 난이도가 전혀 다르다. KNHANES는 해당 연도 자료가 다음 해 말에 무료로 공개되며 웹사이트에서 원시자료를 내려받을 수 있고^[6], 지역사회건강조사 역시 웹사이트에서 SAS 형식 원시자료와 분석 지침을 제공한다.^[7] 즉 사실상 다운로드 즉시 분석에 착수할 수 있다.

반면 NHIS·HIRA 청구자료는 절차가 있다. Kyoung과 Kim은 연구자가 먼저 기관생명윤리위원회(IRB)의 승인 또는 심의 면제를 받고, 이에 기반한 연구계획서를 HIRA나 NHIS에 신청해야 한다고 설명한다. 그리고 “신청부터 자료 추출까지, 그리고 분석실 배정부터 분석센터 이용까지 수개월이 걸린다는 점을 고려해야 한다”고 명시한다.^[8] 학위논문 일정이나 연구과제 종료 시점에 맞춰 청구자료 연구를 계획한다면 이 소요 기간을 앞단에 반드시 반영해야 한다는 뜻이다. 국내 연구자를 위한 NHI 자료 활용 실무 지침도 별도로 발표돼 있으므로, 신청 전 단계에서 함께 참고할 만하다.^[9]

HIRA 환자표본자료는 다소 다르다. 심사평가원 웹사이트에서 환자표본자료 이용 동의서를 작성해 신청하며, 자료 이용에 비용이 부과된다.^[5] 대신 앞서 언급했듯 연구자가 자료를 직접 보유한 상태로 분석할 수 있다.^[8]

청구자료의 한계: 논문 limitations에 반드시 들어가야 할 것들

검사 수치가 없다

Kyoung과 Kim은 이 문제를 개념적 정의와 조작적 정의의 괴리로 설명한다. 전통적 연구에서 당뇨병을 정의하려면 혈당을 확인하거나 검사를 수행해야 하지만, 청구자료 기반 연구는 ICD-10 상병코드나 경구혈당강하제·인슐린 처방 여부로 이를 대신할 수밖에 없다.^[8] 다만 앞서 살펴본 대로 NHIS 검진 자료를 연계하면 이 제약을 상당 부분 완화할 수 있다.^[3]

임상 결과가 기록되지 않는다

같은 문헌은 더 근본적인 제약을 지적한다. “임상 결과는 자료에 기록되지 않는다 — 환자가 혈압약이나 당뇨약을 처방받았다 하더라도 혈압이나 혈당이 실제로 떨어졌는지에 대한 직접적 결과는 기록되지 않는다.”^[8] 치료 효과를 결과변수로 삼는 연구를 청구자료만으로 설계하기 어려운 이유다.

진단코드는 진단이 아니라 청구 코드다

상병코드의 정확도는 질환마다 다르며, 이를 실증적으로 측정한 국내 연구가 있다. Kimm 등은 한국인 심장연구(Korean Heart Study) 자료를 이용해 청구자료의 급성심근경색(ICD I21) 코드 정확도를 검증했다. 1994~2007년 병원 입퇴원 기록에서 확인된 AMI 107건을 대상으로, WHO 기준으로는 정확도 71.4%(1997~2000년, n=24, kappa=0.46), 유럽심장학회 기준으로는 73.1%였다.^[10] 상병코드를 결과변수로 쓸 때는 이런 검증 문헌을 인용해 조작적 정의의 타당도를 논의에서 다뤄야 한다. 검증 문헌이 없는 질환이라면 그 사실 자체를 한계로 명시하는 편이 낫다.

비급여 항목과 코딩 관행

청구자료는 급여 항목에 대해서만 제공되므로 비급여 진료를 분석할 때 부정확성이 발생한다. 또한 청구자료가 급여 대상 여부와 연결돼 있다는 구조적 특성 때문에 일부 의료진이 질병의 중증도를 과대 반영해 코딩하는 경향이 있고, 반대로 급여와 무관한 중증 질환은 코딩에서 정확히 식별하기 어려울 수 있다.^[8]

생활습관 변수가 없다

흡연, 음주, 신체활동 같은 변수는 순수 청구자료에는 존재하지 않는다. 이들 변수는 심혈관·대사 질환 연구에서 대표적 교란변수이므로, 보정하지 못했다는 사실은 잔여 교란의 근거가 된다. 이 제약을 넘어서려면 NHIS 검진 문진 자료를 연계하거나^[3], 애초에 KNHANES·지역사회건강조사처럼 해당 변수를 직접 조사한 자료원을 선택해야 한다.^[6][7]

보고 기준: STROBE만으로는 부족하다

관찰연구 보고의 국제 표준은 STROBE이며, 코호트·환자대조군·단면 연구를 포괄하는 22개 항목 체크리스트로 구성된다.^[15] 그런데 청구자료처럼 연구 목적 없이 일상적으로 수집된 자료(routinely-collected health data)를 사용하는 연구는 STROBE가 다루지 않는 고유한 쟁점을 갖는다. 원자료에서 연구 코호트를 어떤 코드와 알고리즘으로 도출했는지, 자료 연계는 어떻게 이루어졌는지, 그리고 그 과정이 재현 가능한지 같은 문제다. 이 공백을 메우기 위해 개발된 것이 STROBE 확장판인 RECORD 보고 기준이다.^[14] NHIS·HIRA 자료로 논문을 쓴다면 STROBE와 RECORD를 함께 대조하는 것이 안전하다.

국내에서도 청구자료 연구의 자료 구성과 분석 절차를 표준화하려는 시도가 있었다. Song 등은 국민건강보험 시스템을 이용한 전국 단위 인구기반 연구의 배경과 자료 구성 과정을 정리했고^[11], Lee 등은 국민건강정보DB를 이용한 연구의 자료 분석 절차를 별도로 다루었다.^[12] 두 논문 모두 방법론 섹션 작성 시 참고 근거로 인용할 수 있다.

연구 시작 전 체크리스트

• 연구 질문의 결과변수가 자료에 실제로 존재하는가 — 임상 결과(혈압 강하, 혈당 조절 등)를 청구자료로 측정하려 하고 있지는 않은가^[8]
• 노출과 결과의 조작적 정의를 코드 수준(ICD-10 코드, 처방 코드, 시술 코드, 최소 청구 횟수)까지 사전에 확정했는가
• 사용하려는 상병코드에 대한 국내 타당도 검증 문헌이 있는지 확인했는가 — 없다면 한계로 명시할 준비가 됐는가^[10]
• 보정이 필요한 교란변수 중 자료에 없는 것(흡연·음주·신체활동 등)을 목록화하고, 검진 자료 연계나 다른 자료원 선택으로 해결 가능한지 검토했는가^[3]
• 필요한 것이 표본자료인지 맞춤형 자료인지 결정했는가 — 표본 규모가 목표 결과의 발생 건수를 확보하기에 충분한가
• IRB 승인(또는 면제)을 먼저 받고 그 연구계획서로 자료를 신청하는 순서를 일정에 반영했는가^[8]
• 신청부터 자료 추출·분석센터 이용까지 수개월이 소요된다는 점을 학위·과제 일정에 반영했는가^[8]
• 분석센터 방문이 필요한 자료인지, 연구자가 직접 보유할 수 있는 자료인지 확인했는가^[8]
• KNHANES·지역사회건강조사를 쓴다면 복합표본설계 가중치와 층·집락 변수를 분석에 반영했는가^[6][7]
• STROBE 22개 항목과 RECORD 체크리스트를 원고에 대조했는가^[14][15]

데이터베이스 연구 설계·분석 지원이 필요한 순간

국내 보건의료 빅데이터 연구에서 시간이 가장 많이 드는 구간은 분석 코드를 짜는 부분이 아니다. 연구 질문을 자료가 실제로 답할 수 있는 형태로 다듬는 일, 노출·결과·교란변수의 조작적 정의를 코드 수준까지 확정하는 일, 신청 서류를 승인 범위에 맞게 준비하는 일, 그리고 추출된 자료에서 분석 코호트를 구축하는 일이다.

데이터 접근 승인, IRB 심의, 이용료는 연구자 본인의 책임이며 데이터베이스마다 조건이 다릅니다. Editverse는 신청 준비와 분석을 지원할 뿐 데이터 자체를 제공하지 않으며, 게재 여부는 편집자와 심사위원이 결정하므로 보장하지 않습니다.

마무리

국내 보건의료 데이터베이스 연구가 심사에서 막히는 지점은 대체로 분석 기법이 아니라 자료 선택과 조작적 정의다. 청구자료에 검사 수치와 임상 결과가 없다는 사실, 상병코드가 진단이 아니라 청구 기록이라는 사실, 생활습관 변수가 존재하지 않는다는 사실은 모두 자료의 태생에서 비롯된 구조적 제약이며 통계로 해결되지 않는다.^[8] 그래서 순서가 중요하다. 연구 질문을 먼저 정하고 자료를 고르는 것이 아니라, 자료가 실제로 무엇을 담고 있는지 자료 프로파일 논문으로 확인한 뒤 그 자료가 답할 수 있는 질문으로 연구 질문을 다듬는 편이 훨씬 빠르다. 그리고 IRB 승인과 자료 신청에 수개월이 걸린다는 점을 일정 맨 앞에 넣어야 한다.^[8]

같은 데이터로 인과추론을 시도한다면 방법론적 선택지가 더 넓어진다. 유전변이를 도구변수로 사용하는 접근은 멘델 무작위화(Mendelian Randomization) 입문: 관찰연구의 인과추론에서, 청구자료 기반 후향적 코호트에서 반복적으로 문제가 되는 불멸시간 편향과 교란변수 선정, STROBE 22개 항목 보고는 후향적 코호트 연구 설계: 교란변수와 STROBE 보고에서 이어서 다룬다. 분석 계획 단계의 표본 크기 산정은 표본 크기(Sample Size) 계산 완벽 가이드를, 결과를 초록으로 정리하는 단계에서는 논문 초록(Abstract) 영문 작성 체크리스트를 참고하면 도움이 된다.

---

참고문헌

1. Seong SC, Kim YY, Khang YH, et al. Data Resource Profile: The National Health Information Database of the National Health Insurance Service in South Korea. Int J Epidemiol. 2017;46(3):799. PMID: 27794523. DOI: 10.1093/ije/dyw253
2. Lee J, Lee JS, Park SH, Shin SA, Kim K. Cohort Profile: The National Health Insurance Service–National Sample Cohort (NHIS-NSC), South Korea. Int J Epidemiol. 2017;46(2). PMID: 26822938. DOI: 10.1093/ije/dyv319
3. Seong SC, Kim YY, Park SK, et al. Cohort profile: the National Health Insurance Service-National Health Screening Cohort (NHIS-HEALS) in Korea. BMJ Open. 2017;7(9):e016640. PMID: 28947447. DOI: 10.1136/bmjopen-2017-016640
4. Kim JA, Yoon S, Kim LY, Kim DS. Towards Actualizing the Value Potential of Korea Health Insurance Review and Assessment (HIRA) Data as a Resource for Health Research: Strengths, Limitations, Applications, and Strategies for Optimal Use of HIRA Data. J Korean Med Sci. 2017;32(5):718. PMID: 28378543. DOI: 10.3346/jkms.2017.32.5.718
5. Kim L, Kim JA, Kim S. A guide for the utilization of Health Insurance Review and Assessment Service National Patient Samples. Epidemiol Health. 2014;36:e2014008. PMID: 25078381. DOI: 10.4178/epih/e2014008
6. Kweon S, Kim Y, Jang MJ, et al. Data resource profile: the Korea National Health and Nutrition Examination Survey (KNHANES). Int J Epidemiol. 2014;43(1):69-77. PMID: 24585853. DOI: 10.1093/ije/dyt228
7. Kang YW, Ko YS, Kim YJ, et al. Korea Community Health Survey Data Profiles. Osong Public Health Res Perspect. 2015;6(3):211-217. PMID: 26430619. DOI: 10.1016/j.phrp.2015.05.003
8. Kyoung DS, Kim HS. Understanding and Utilizing Claim Data from the Korean National Health Insurance Service (NHIS) and Health Insurance Review & Assessment (HIRA) Database for Research. J Lipid Atheroscler. 2022;11(2):103. PMID: 35656154. DOI: 10.12997/jla.2022.11.2.103
9. Kwon CY, Park IS. National Health Insurance Data as a Research Tool in Korean Medicine: a guide to database utilization and methodological approaches. J Pharmacopuncture. 2025;28(1):1-10. PMID: 40165879. DOI: 10.3831/KPI.2025.28.1.1
10. Kimm H, Yun JE, Lee SH, Jang Y, Jee SH. Validity of the diagnosis of acute myocardial infarction in Korean national medical health insurance claims data: the Korean Heart Study (1). Korean Circ J. 2012;42(1):10-15. PMID: 22363378. DOI: 10.4070/kcj.2012.42.1.10
11. Song SO, Jung CH, Song YD, et al. Background and data configuration process of a nationwide population-based study using the Korean national health insurance system. Diabetes Metab J. 2014;38(5):395. DOI: 10.4093/dmj.2014.38.5.395
12. Lee YH, Han K, Ko SH, Ko KS, Lee KU. Data analytic process of a nationwide population-based study using national health information database established by National Health Insurance Service. Diabetes Metab J. 2016;40(1):79. DOI: 10.4093/dmj.2016.40.1.79
13. Lee HA, Kim HR, Park H, et al. Data Resource Profile: The Statistics of the Korea National Health and Nutrition Examination Survey (KNHANES) Biobank Project. J Korean Med Sci. 2025;40(23):e189. PMID: 40524629. DOI: 10.3346/jkms.2025.40.e189
14. Benchimol EI, Smeeth L, Guttmann A, et al. The REporting of studies Conducted using Observational Routinely-collected health Data (RECORD) Statement. PLoS Med. 2015;12(10):e1001885. PMID: 26440803. DOI: 10.1371/journal.pmed.1001885
15. von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007;370(9596):1453-1457. PMID: 18064739. DOI: 10.1016/S0140-6736(07)61602-X