텍스트 마이닝 기법을 활용한 노인장기요양기관 부당청구 판례 분석 연구 - 노인의료복지시설 판례를 중심으로 -

윤기혁

doi:http://doi.org/10.52902/kjsc.2023.22.277

추천

검색

자료유형: 학술저널

저자정보: 윤기혁 (동명대학교)

저널정보: 안전문화포럼 안전문화연구 안전문화연구 제22호

발행연도: 2023.5

수록면: 277 - 311 (35page)

DOI: http://doi.org/10.52902/kjsc.2023.22.277

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

노인장기요양보험법 시행 이후 지속적으로 증가하고 있는 노인장기요양기관의 부당청구는 노인의료비 증가를 부추기는 요인이자 초고령사회를 목전에 두고 있는 우리나라의 국민건강보험 재정을 위협하는 위험요인으로 대두되고 있다. 이에 본 연구에서는 노인장기요양기관의 부당청구 예방 및 재범방지를 위한 대안을 제시하는 것이 목적이다. 연구 목적을 달성하기 위해서 법원의 판례 자료와 텍스트 마이닝 기법을 활용․분석하여 부당청구의 쟁점 사항과 요인을 도출하고자 한다. 본 연구의 분석 대상 판례의 자료수집 기간은 2013년 1월 1일부터 2020년 12월 31일까지이고, 노인의료복지시설 판례 91개(노인요양시설 85개, 노인 요양 공동생활가정 6개) 판례를 수집하였다. 본 연구의 결과는 다음과 같다. 첫째, 사건 유형과 피고인에 대한 법원의 1심 판결은 벌금형 44명, 집행유예 72명, 징역형 18명으로 나타났다. 둘째, 피고인의 특성으로는 피고인 146명 중 운영자, 대표자, 원장 등 최고 관리자가 99명(70%)로 나타났고, 다음으로 요양보호사 13명, 사무직 관리자 6명, 사회복지사 5명 등으로 나타났다. 셋째, 검사의 기소 내용은 노인장기요양보험법 위반, 특정경제범죄가중처벌 등에 관한 법률 위반(사기), 사기, 노인복지법 위반, 업무상 횡령, 사문서 위조, 보조금관리에 관한 법률 위반 등이다. 넷째, 텍스트 마이닝의 TF-IDF 분석 결과 1심은 규정과 고시, 근무시간, 가산, 공모 등이 중요하게 언급이 되었고, 요양보호사, 조리원, 물리치료사, 사회복지사, 간호조무사 등 의무배치인력이 다양하게 나타났다. 2심에서는 현지 조사, 위생원, 입소자 등이 주요한 키워드로 나타났다. Topic Modeling 분석 결과 1심의 주요 Topic으로는 요양보호사&위생원, 요양보호사 인력배치기준, 사회복지사&물리치료사, 고시와 법령, 근무시간& 편취, 피고인&피해자이다. 2심의 주요 Topic으로는 피고인&원심 부당(무거움), 노인장기요양 급여&근무시간 위반, 피해자 주장&사기죄, 허위근무&요양보호사, 인력배치기준&기망(행위), 피고인 근무 규정&현지 조사이다. 이러한 연구 결과를 바탕으로 우선 부당청구의 주요 쟁점사항과 부당청구 요인 또는 원인을 파악하였다. 그리고 노인장기요양기관 부당청구 예방과 재범방지를 위한 대안으로 ① 노인장기요양기관의 운영자 및 종사자의 인식 전환, ② 노인장기요양기관의 투명한 운영과 법령 준수 ③ 법령, 고시 등 관련 규정의 철저한 이해와 해석 오류 방지 ④ 처벌 위주가 아닌 부당청구 개선 위주의 적극적인 대응방안 모색 등을 제안하였다.

The increasing number of unfair claims in long-term care facilities has emerged as a risk factor for threatening the finances of the Korean national health insurance and increasing medical expenses, considering the imminent danger to super-aged society, since the implementation of the Long-term Care Insurance Act for the Elderly. Therefore, we aim to provide alternatives for unfair claim prevention and recidivism. The court's precedents and text-mining analysis were used to identify issues and factors in unfair claims to meet our research goals. Ninety-one cases (i.e., eighty-five elderly care facilities and six elderly care communal homes) were collected from January 1, 2013, to December 31, 2020. Our results revealed that fourty-four were fined, seventy-two received probation, and eighteen were sentenced to imprisonment, of the first verdicts by trial courts for senior medical welfare facilities. Among the defendants (n = 146), ninety-nine were top managers; thirteen were care workers; and five were social workers. The indictments consisted of seven violations, and of three most representative contents were violations of the Long-Term Care Insurance Act for the Elderly, of the Act on the Aggravated Punishment of Specific Economic Crimes (fraud), fraud, violations of the Elderly Welfare Act, business embezzlement and forgery of private documents. In the first trial, TF-IDF analysis indicated four keywords, 'regulations and announcements,' 'working hours,' 'additions,' 'competition,' and mandatory personnel, such as physical therapists, social workers, and nursing assistants. In the second trial, 'field investigation,' 'sanitation,' and 'resident' were the main words. Topic Modeling of the first trial showed that 'nursing care workers & sanitation center,' 'nursing care staff assignment standards,' 'social worker & physical therapist,' 'notifications and laws,' 'working hours & exploitation,' 'defendants & victim.' In the second trial, 'accused & supreme unjust (heavy),' 'placement criteria & deception (acts),' 'long-term care benefit & breach of working hours,' 'victim's claim & crime of fraud,' 'false service,' 'staff assignment standards & deceiving (acting),' and 'defendant's working rules & field investigation.' Thus, we explored causes and issues with unfair claims. Finally, we proposed several preventative solutions: ①. change in the perception of operators and works of long-term care institutions, ②. transparent management, ③. a thorough understanding of relevant regulations, such as laws and public announcements, and prevention of errors in interpretation, and lastly ④. active countermeasures focused on improving unfair claims instead of punishment.

#노인장기요양기관 #부당청구 #판례 #노인의료복지시설 #텍스트 마이닝 #토픽 모델링 #Long Term Care Institutions #Unfair Claims #Precedent #Medical welfare facilities for senior citizens # Text Mining #Topic Modeling

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

윤기혁

소속기관 동명대학교

주요연구분야 사회과학 > 사회과학 일반 사회과학 > 사회학 > 사회복지학

논문수 38 이용수 4,446

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)