본 연구는 데이터마이닝 분석방법을 활용하여 미충족 의료를 발생시키는 영향요인을 가용성(availability), 접근성(accessibility), 수용성(acceptability)으로 범주화하여 요인별 영향정도를 분석하였으며, 이에 기반한 미충족 의료의 주요 예측요인과 위험집단을 도출하였다. 의사결정나무모형과 신경망모형, 로지스틱회귀모형을 추정한 후 세 모형을 비교-평가하여 예측력과 신뢰성이 가장 높은 최적 분석모형을 선택하는 방식으로 탐색적 정책연구를 수행하였다. 연구를 통한 주요 분석결과는 다음과 같다. 첫째, 미충족 의료 경험에 영향을 미치는 가장 중요한 영향요인은 주관적 건강상태이었으며, 사회경제적 측면에서 미충족 의료에 가장 영향력이 높은 요인은 연간 총 가구소득이었다. 둘째, 주관적 건강상태가 낮고, 연간 가구소득이 낮으며, 교육수준이 낮은 집단이 미충족 의료를 경험할 확률이 가장 높은 집단으로 파악되었다. 세째, 세 가지 분석모형 중 의사결정나무모형이 가장 적합성이 높은 추정모형으로 판별되었다. 요인범주별 정책적 시사점으로는, 개인의 건강에 대한 주관적 인식 수준 등으로 측정한 수용성(acceptability) 범주가 미충족 의료의 가장 중요한 영향요인으로 파악되었으며, 이어서 연간 총 가구소득 등을 포함한 접근성(accessibility) 범주가 미충족 의료에 강한 영향을 미치는 것으로 나타났다. 반면 본 연구에서 의료서비스 환경(의료시설 충분 지역 거주 여부)으로 구분한 가용성(availability) 범주는 미충족 의료에 큰 영향을 미치지 않는 것으로 나타났다. 본 연구결과는 미충족 의료를 경험할 가능성이 높은 위험집단에 대한 맞춤형 정책 마련의 기초자료로 활용될 수 있을 것이며, 의료 형평성 제고를 위한 효율적 의료자원 분배정책 설계에 기여할 수 있을 것으로 기대한다.

Equitable and efficient health care policy requires understanding the associated factors of unmet medical needs. In addition, offering differentiated policy to a high risk group serves to enhance its efficacy. This study was based upon the 2012 integrated data of the Korean Health Panel 2008-2012 Annual Data (version 1.1). This study aimed to investigate the highly associated factors of unmet medical needs and to distinguish high risk groups. A decision tree was used to identify the main factors and degrees of influence. After separating the high risk group, a logistic regression model and a neural network model confirmed the predictive power of the decision tree. In the result, the group was perceived to have poor subjective health status and households with less than 5740 thousand won of annual income was found to experience the highest probability of unmet medical needs. The decision tree represented an excellent fit compared with the logistic regression model and neural network model. The study’s findings can be meaningfully utilized as a basis for differentiated policy for high risk groups.