오늘날 다양한 질병의 출현과 빠르게 변화하는 의료환경에 보다 효과적으로 대처하기 위해 대학병원 내에서 여러 진료과들이 협업진료를 수행하고 있다. 이러한 협업진료는 매우 중요하며 의료 현장에서 이미 보편화되어 있다. 그럼에도 불구하고, 이에 대한 연구, 특히 진료과들이 어떻게 협업을 하고 있는지에 대한 연구는 전무하다. 따라서 본 연구는 대학병원 내의 진료과 간의 협업진료 관계를 탐색하여 진료협업 네트워크 특성들이 연도별 및 계절별로 어떻게 달라지는지를 고찰하는 것에 목적이 있다. 본 연구는 국내 A대학교 대학병원에서 이루어진 29개 진료과 사이의 협업 진료를 연도별 및 계절별로 나누어 29개 진료과 협업 네트워크를 분석하였다. 협업진료의 요청 및 피요청에 따라 방향네트워크를 구성하였으며, 매개중심성, 아이겐벡터중심성, 근접중심성 분석, 에고 네트워크 분석 및 팩션분석과 더불어 추후 인터뷰도 실시하였다. 본 연구는 최초의 진료과 간의 협업 네트워크 분석을 수행하였으며, 의료기관 내에서의 동선을 고려한 진료과의 위치 및 공간 구성에 새로운 통찰력을 제시할 것으로 기대된다.
오늘날 다양한 질병의 출현과 빠르게 변화하는 의료환경에 보다 효과적으로 대처하기 위해 대학병원 내에서 여러 진료과들이 협업진료를 수행하고 있다. 이러한 협업진료는 매우 중요하며 의료 현장에서 이미 보편화되어 있다. 그럼에도 불구하고, 이에 대한 연구, 특히 진료과들이 어떻게 협업을 하고 있는지에 대한 연구는 전무하다. 따라서 본 연구는 대학병원 내의 진료과 간의 협업진료 관계를 탐색하여 진료협업 네트워크 특성들이 연도별 및 계절별로 어떻게 달라지는지를 고찰하는 것에 목적이 있다. 본 연구는 국내 A대학교 대학병원에서 이루어진 29개 진료과 사이의 협업 진료를 연도별 및 계절별로 나누어 29개 진료과 협업 네트워크를 분석하였다. 협업진료의 요청 및 피요청에 따라 방향네트워크를 구성하였으며, 매개중심성, 아이겐벡터중심성, 근접중심성 분석, 에고 네트워크 분석 및 팩션분석과 더불어 추후 인터뷰도 실시하였다. 본 연구는 최초의 진료과 간의 협업 네트워크 분석을 수행하였으며, 의료기관 내에서의 동선을 고려한 진료과의 위치 및 공간 구성에 새로운 통찰력을 제시할 것으로 기대된다.
Today, in order to more effectively cope with the emergence of various diseases and the rapidly-changing medical environment, several medical departments are conducting treatment collaborations within the university hospital. This collaborative care is very important and is already common in the med...
Today, in order to more effectively cope with the emergence of various diseases and the rapidly-changing medical environment, several medical departments are conducting treatment collaborations within the university hospital. This collaborative care is very important and is already common in the medical field. Nevertheless, there is no research on this, especially how the departments are collaborating. Therefore, the purpose of this study is to investigate how the characteristics of the treatment collaboration networks vary by year and season by exploring the relationship between the medical departments within the university hospital. This study analyzed the collaboration networks of 29 medical departments of 'A' university in Korea by dividing the collaborative care by year and season. Directed networks were constructed in response to departments requesting and departments requested for collaborative care. Betweenness centrality, eigenvector centrality, closeness centrality analysis, ego network analysis, and faction analysis were also conducted. This study performed the first treatment collaboration network analysis among medical departments, and is expected to present new insights into the location and spatial composition of medical departments in consideration of the knowledge transfer paths within medical institutions.
Today, in order to more effectively cope with the emergence of various diseases and the rapidly-changing medical environment, several medical departments are conducting treatment collaborations within the university hospital. This collaborative care is very important and is already common in the medical field. Nevertheless, there is no research on this, especially how the departments are collaborating. Therefore, the purpose of this study is to investigate how the characteristics of the treatment collaboration networks vary by year and season by exploring the relationship between the medical departments within the university hospital. This study analyzed the collaboration networks of 29 medical departments of 'A' university in Korea by dividing the collaborative care by year and season. Directed networks were constructed in response to departments requesting and departments requested for collaborative care. Betweenness centrality, eigenvector centrality, closeness centrality analysis, ego network analysis, and faction analysis were also conducted. This study performed the first treatment collaboration network analysis among medical departments, and is expected to present new insights into the location and spatial composition of medical departments in consideration of the knowledge transfer paths within medical institutions.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
의학 분야 연구자 및 연구 주제분야에 초점을 둔 계량정보학적 네트워크 분석은 선행되어 왔으나, 진료과 간의 협업진료네트워크는 지금까지 선행연구에서 다루어왔던 현상과 차별점을 가지고 있다. 따라서, 본 연구는 진료과 간의 협업진료 관계를 탐색하여 의학이라는 전문분야의 지식공유 현상에 대한 이해를 높이는 것에 초점이 있다. 이를 위해, 본 연구는 <그림 1>과 같이 의학 진료 협업 네트워크의 특성이 연도별 및 계절별로 어떻게 달라지는지 파악하는 것에 목적을 두고 있다.
1996년~2013년 사이에 발행된 논문 분석 결과, 정신건강의학과 공저자 네트워크는 불균일한 척도 없는 네트워크를 보이며, 영향력이 높은 저자와 공저관계를 맺을수록 높은 연구 성과를, 반복적인 공저자 관계를 맺을수록 낮은 연구성과를 보이는 것으로 나타났다. 또한 소아청소년정신의학 분야에서 발행된 학술지의 공저 네트워크 분석을 실시하여 사회 구성원이 네트워크에서 수행하는 역할과 개인이 포함된 네트워크 구조 형태를 파악하고자 하였다(김성완, 최범성, 김봉석, 김경민, 2017). 비연구자들의 협업네트워크 연구 사례도 존재한다.
본 연구에서 활용한 소셜네트워크 분석의 개념과 중심성 지표에 대해 살펴보고자 한다. 소셜네트워크 분석은 노드(node) 간의 관계적 집합으로 하나 이상의 관계 유형에 의해 연결된 네트워크 구성원(들)의 집합이다.
이를 위해, 본 연구는 과 같이 의학 진료 협업 네트워크의 특성이 연도별 및 계절별로 어떻게 달라지는지 파악하는 것에 목적을 두고 있다.
제안 방법
2009년 네트워크의 서브그룹을 살펴보기 위해, 서브그룹 내에는 밀도가 높으며 서브그룹 간에는 밀도가 낮도록 네트워크를 지정한 숫자만큼의 서브그룹을 분할하는 팩션분석을 실시하였다. 팩션분석은 필요로 하는 서브그룹의 개수를 지정한 후, 이에 대한 적합도를 계산 하고 일부의 노드를 다른 서브그룹으로 이동한 후 적합도를 다시 계산하여 적합도가 증가하는지를 살펴본다.
2009년 전체 네트워크를 분석한 다음, 진료과 엑터를 좀 더 자세히 분석하고자 에고 네트워크 분석을 실시하였다. 에고 네트워크는 에고(ego)라고 중심이 되는 하나의 액터와 그 액터와 직접 연결된 알터(alter)라 불리는 다른액터들, 그리고 이들 알터들 간의 연결로 구성된다(<표 3> 참조).
첫째, 의학 분야 네트워크 분석에 대한 국내외 선행 연구의 고찰을 통해 본 연구의 가치를 재조명한다. 둘째, 국내 A대학교 대학병원에서 이루어진 29개 진료과 사이의 협업 진료를 분석한다. 셋째, 연도별 및 계절별 분석을 위해 서로 다른 시기에서의 29개 진료과 협업 네트워크를 분석한다.
둘째, 서울소재 A대학병원의 진료과 간에 이루어진 협업 진료(컨설트)를 네트워크 분석하여 이를 대상으로 기관에서 근무 중인 전공의를 대상으로 심층 인터뷰를 진행하였다. 이로써 의학 협업 진료 네트워크의 특성을 좀 더 의학적으로 분석하여 보다 효율적인 의학 협업 진료에 대한 방향을 제시할 수 있는 점에서 의의가 있다.
매개중심성, 아이겐벡터중심성, 근접중심성, 에고 네트워크 분석 및 군집 분석을 위해 팩션분석을 함께 실시하였다. 또한 네트워크 분석 결과에 대한 타당성을 검증하기 위해 A대학병원에 근무 중인 전공의 5명과 인터뷰를 진행하였고 그 결과를 통해 네트워크 분석 결과를 보완하였다.
둘째, 연구자들의 협업네트워크 분석을 수행한 사례도 찾아볼 수 있다. 보건의료분야에서 협력연구를 위한 협업네트워크를 구축하여 비가중 중심성 값과 가중 중심성 값을 기준으로 연구자 순위를 계산하고 이의 통계적 유의성이 존재함을 확인하였으며(장혜란, 2015), 정신건강의학과의 학술적 네트워크 구조적 특성을 공저자 네트워크 분석을 통해 파악하고자 하였다(최명제, 2015). 1996년~2013년 사이에 발행된 논문 분석 결과, 정신건강의학과 공저자 네트워크는 불균일한 척도 없는 네트워크를 보이며, 영향력이 높은 저자와 공저관계를 맺을수록 높은 연구 성과를, 반복적인 공저자 관계를 맺을수록 낮은 연구성과를 보이는 것으로 나타났다.
본 연구에서는 2009년, 2014년, 2018년 진료과 협업 진료수 중 협업 진료(컨설트) 건수가 100보다 큰 경우, 즉 101건 이상인 경우에만 연결관계가 존재하는 것으로 가정하여, 101이상인 셀은 1로 변환하고, 그 미만인 셀은 0으로 대체하여 이진 매트릭스를 생성하였다. 그 결과 2009년 진료과 이진/방향 매트릭스 및 29개의 진료과 노드 사이에 115건의 협업 진료(컨설트) 라인이 존재하는 네트워크 구조가 나타났다.
본 연구에서는 먼저 연도별 네트워크의 연결정도, 밀도 등을 통해 네트워크의 결속정도를 판단하고, 중심에 집중된 정도를 파악하고자 연결정도중심성, 근접중심성, 매개중심성, 아이겐벡터중심성을 이용하였다. 연결중심성은 특정 노드가 다른 노드와 직접적인 연결을 얼마나 빈번히 이루고 있는가를 나타내는 척도이며, 근접중심성은 노드 간 최단경로 거리합의 역수로 계산할 수 있고, 이의 값이 클수록 다른 노드와 가깝게 위치하고 있다는 의미인 반면, 매개중심성은 노드와 노드를 연결시켜주는 정도를 나타내며 브릿지(bridge) 역할 정도를 측정하는 지표이다(곽기영, 2017; 김용학, 2003; 손동원, 2002).
소셜네트워크는 유형에 따라 전체 네트워크(full network), 양자 네트워크(dyadic network),에고 네트워크(ego network)로 나눌 수 있다. 본 연구에서는 연도별 분석을 통해, 2009년, 2014년, 2018년 전체 네트워크를 분석한 후 특정 연도에서 차별성을 보이는 진료과를 선정하여 소셜 네트워크의 한 진료과를 중심으로 그 진료과와 다른 진료과 간의 연결로 구성된 소셜네트워크인 에고-네트워크를 분석하였다.
둘째, 국내 A대학교 대학병원에서 이루어진 29개 진료과 사이의 협업 진료를 분석한다. 셋째, 연도별 및 계절별 분석을 위해 서로 다른 시기에서의 29개 진료과 협업 네트워크를 분석한다. 의학 협업 네트워크의 기본적인 특성 파악한 후, 네트워크 중심성을 분석한다.
보건의료분야 연구주제와 연구자 네트워크 분석을 통해 보건의료 분야 연구주제 동향을 파악한 연구가 있다(장혜란, 2011). 암유전체, 대장암, 인플루엔자를 주제로 하는 논문의 한국 연구자들을 대상으로 가중네트워크를 구성한 후 연결정도 중심성과 매개 중심성을 파악하였다. 이와 유사하게, 대장암분야 연구주제 네트워크를 구축하여 대장암 관련 연구주제 현황 및 연구주제 흐름을 파악한 연구도 있다(손대경, 2011).
셋째, 연도별 및 계절별 분석을 위해 서로 다른 시기에서의 29개 진료과 협업 네트워크를 분석한다. 의학 협업 네트워크의 기본적인 특성 파악한 후, 네트워크 중심성을 분석한다. 진료과들을 중심으로 연결 중심성은 방향성에 따라 내향(in), 외향(out)으로 나뉘며, 협업 진료를 요청하는 경우를 in-degree centrality, 협업 진료를 받는 경우를 out-degree centrality로 구분하였다.
전문적인 의학 분야에 대한 네트워크 분석인 만큼 자의적인 해석이 아닌 객관적인 분석결과를 얻기 위해, 실제 협업 진료가 일어나고 있는 A대학병원 전공자들의 의학 지식과 견해가 필요하다고 판단하여 인터뷰 데이터 분석을 수행하였다. 인터뷰 대상자들은 네트워크 분석 대상이 되는 A 대학병원에서 5년 이상의 근무 경험을 가지고 있으며, 인터뷰는 대상자와 마주 앉아서 미리 준비된 질문지와 분석 결과를 이용하여 질문하고 답변을 기록하는 형식으로 진행되었다. 인터뷰를 진행하기 앞서, 유선 및 메일을 통해 본 네트워크 분석에 대한 목적과 취지를 설명하며 결과를 미리 제공하였다.
네트워크 분석을 실시한 결과를 바탕으로 A 대학병원에서 근무하고 있는 전공의를 대상으로 인터뷰 자료를 수집하였다. 전문적인 의학 분야에 대한 네트워크 분석인 만큼 자의적인 해석이 아닌 객관적인 분석결과를 얻기 위해, 실제 협업 진료가 일어나고 있는 A대학병원 전공자들의 의학 지식과 견해가 필요하다고 판단하여 인터뷰 데이터 분석을 수행하였다. 인터뷰 대상자들은 네트워크 분석 대상이 되는 A 대학병원에서 5년 이상의 근무 경험을 가지고 있으며, 인터뷰는 대상자와 마주 앉아서 미리 준비된 질문지와 분석 결과를 이용하여 질문하고 답변을 기록하는 형식으로 진행되었다.
의학 협업 네트워크의 기본적인 특성 파악한 후, 네트워크 중심성을 분석한다. 진료과들을 중심으로 연결 중심성은 방향성에 따라 내향(in), 외향(out)으로 나뉘며, 협업 진료를 요청하는 경우를 in-degree centrality, 협업 진료를 받는 경우를 out-degree centrality로 구분하였다. 매개중심성, 아이겐벡터중심성, 근접중심성, 에고 네트워크 분석 및 군집 분석을 위해 팩션분석을 함께 실시하였다.
2009년 계량/방향 매트릭스는 29개 진료과 노드, 40,709건의 협업 진료(컨설트) 라인으로 나타난 엣지(라인)의 가중치가 반영된 가중 네트워크 구조이다. 진료과별 협업 진료 네트워크의 차원을 줄여 네트워크를 단순화하기 위해, 계량 그래프를 관계의 유무만이 관심의 대상인 이진 그래프로 변환하였다.
보다 구체적인 연구 과정은 다음과 같다. 첫째, 의학 분야 네트워크 분석에 대한 국내외 선행 연구의 고찰을 통해 본 연구의 가치를 재조명한다. 둘째, 국내 A대학교 대학병원에서 이루어진 29개 진료과 사이의 협업 진료를 분석한다.
대상 데이터
2009년 진료과 협업 의뢰건수 108,363건 중 실제로 협업 진료가 이루어진(실시여부 Y) 40,709건을 대상으로 네트워크 분석을 하였다. 2014년 진료과 협업(컨설트) 의뢰건수 133,598건 중 실제로 협업 진료가 이루어진 57,005건을 대상으로, 2018년 진료과 협업 의뢰건수 210,978건 중 실제로 협업 진료가 이루어진 73,794건을 대상으로 네트워크 분석 프로그램인 UCINET6.
2009년 진료과 협업 의뢰건수 108,363건 중 실제로 협업 진료가 이루어진(실시여부 Y) 40,709건을 대상으로 네트워크 분석을 하였다. 2014년 진료과 협업(컨설트) 의뢰건수 133,598건 중 실제로 협업 진료가 이루어진 57,005건을 대상으로, 2018년 진료과 협업 의뢰건수 210,978건 중 실제로 협업 진료가 이루어진 73,794건을 대상으로 네트워크 분석 프로그램인 UCINET6.689 활용하여 분석을 실시하였다. 본 연구에서 노드는 29개 진료과이며, 라인은 진료과 사이의 협업 진료 관계이다.
2018년 겨울 네트워크는 2018년 1, 11, 12월(2018년 1월 1일~2018년 1월 31일, 2018년 11월 1일~2018년 12월 31일)에 발생한 29개 진료과 협업으로 한정하였다. 2018년 겨울 네트워크 연결정도의 합은 127이며, 연결정도 평균은 4.
2018년 여름 네트워크는 2018년 6, 7, 8월(2018년 6월 1일~2018월 8월 31일)에 발생한29개 진료과 협업으로 한정하였다. 2018년 여름네트워크 연결정도의 합은 214이며, 연결정도 평균은 7.
이와 유사하게, 대장암분야 연구주제 네트워크를 구축하여 대장암 관련 연구주제 현황 및 연구주제 흐름을 파악한 연구도 있다(손대경, 2011). PubMed에서 검색된 114,764편의 논문에서 최종적으로 234개의 키워드를 선정하여 네트워크 분석을 실시하였다. 시기별로 ‘선암’, ‘항암제’, ‘병기’ 등의 키워드 연결정도 중심성 값이 높게 나타났으며, 2000년 이후 항암치료와 관련된 연구주제,치료결과, 예후 등과 관련된 주제어 비중이 커지고 있었다.
네트워크 분석 결과에 대한 심층적인 분석을 위해, A대학병원에 근무 중인 전공의 5명과 인터뷰를 진행하였다. 연도별 분석 관점에서 살펴보면, 2009년, 2014년, 2018년 시간이 지날수록 진료과들의 연결정도가 점점 증가하고 있으며, 진료과 네트워크 밀도 역시 증가하는 추세를 보이고 있다.
네트워크 분석을 실시한 결과를 바탕으로 A 대학병원에서 근무하고 있는 전공의를 대상으로 인터뷰 자료를 수집하였다. 전문적인 의학 분야에 대한 네트워크 분석인 만큼 자의적인 해석이 아닌 객관적인 분석결과를 얻기 위해, 실제 협업 진료가 일어나고 있는 A대학병원 전공자들의 의학 지식과 견해가 필요하다고 판단하여 인터뷰 데이터 분석을 수행하였다.
본 연구에서 진료과 별 협업 진료(컨설트)자료는 계량/방향 매트릭스이다. 2009년 계량/방향 매트릭스는 29개 진료과 노드, 40,709건의 협업 진료(컨설트) 라인으로 나타난 엣지(라인)의 가중치가 반영된 가중 네트워크 구조이다.
본 연구에서는 서울 소재 A대학병원에서 이루어진 진료과의 협업 진료에 대한 자료를 대상으로 네트워크 분석을 실시하였다. 정식으로 병원 쪽에 연구 협조를 요청하여 2009년, 2014년, 2018년도 진료과 사이에 이루어진 협업 진료 자료를 수집하였으며, 자료는 <그림 2>와 같이 협업 요청 의뢰일, 의뢰과, 협업 요청에 대한회신일, 협업 요청하는 희망과, 실시여부로 이루어져있다.
정식으로 병원 쪽에 연구 협조를 요청하여 2009년, 2014년, 2018년도 진료과 사이에 이루어진 협업 진료 자료를 수집하였으며, 자료는 와 같이 협업 요청 의뢰일, 의뢰과, 협업 요청에 대한회신일, 협업 요청하는 희망과, 실시여부로 이루어져있다.
진료과들을 중심으로 연결 중심성은 방향성에 따라 내향(in), 외향(out)으로 나뉘며, 협업 진료를 요청하는 경우를 in-degree centrality, 협업 진료를 받는 경우를 out-degree centrality로 구분하였다. 매개중심성, 아이겐벡터중심성, 근접중심성, 에고 네트워크 분석 및 군집 분석을 위해 팩션분석을 함께 실시하였다. 또한 네트워크 분석 결과에 대한 타당성을 검증하기 위해 A대학병원에 근무 중인 전공의 5명과 인터뷰를 진행하였고 그 결과를 통해 네트워크 분석 결과를 보완하였다.
성능/효과
보건의료분야에서 협력연구를 위한 협업네트워크를 구축하여 비가중 중심성 값과 가중 중심성 값을 기준으로 연구자 순위를 계산하고 이의 통계적 유의성이 존재함을 확인하였으며(장혜란, 2015), 정신건강의학과의 학술적 네트워크 구조적 특성을 공저자 네트워크 분석을 통해 파악하고자 하였다(최명제, 2015). 1996년~2013년 사이에 발행된 논문 분석 결과, 정신건강의학과 공저자 네트워크는 불균일한 척도 없는 네트워크를 보이며, 영향력이 높은 저자와 공저관계를 맺을수록 높은 연구 성과를, 반복적인 공저자 관계를 맺을수록 낮은 연구성과를 보이는 것으로 나타났다. 또한 소아청소년정신의학 분야에서 발행된 학술지의 공저 네트워크 분석을 실시하여 사회 구성원이 네트워크에서 수행하는 역할과 개인이 포함된 네트워크 구조 형태를 파악하고자 하였다(김성완, 최범성, 김봉석, 김경민, 2017).
2009년과 2014년에 협업을 요청받는 진료과 중에서 ‘소화기내과’ 진료과가 나머지 진료과들과의 거리가 가깝게 위치하여, 네트워크에서 영향력이 크다는 것을 확인할 수 있다.
2009년과 2014년에 협업을 요청하는 진료과의 근접 중심성 분석 결과 ‘혈액종양내과’, ‘소화기내과’, ‘신경외과’, ‘이비인후과’가 상위 4개의 순위를 차지한 것으로 도출되었다.
의료 센터 설립 시, 협업이 활발한 진료과를 함께 위치해 환자가 한 곳에서 한 번에 진료를 받을 수 있으며, 동선을 고려하여 효율적인 진료 센터를 건립할 수 있으리라 기대할 수 있다. 계절별 분석에서 겨울 시즌과 비교하여 특정한 6, 7, 8월 여름 시즌의 협업 진료에 집중이 발생함을 확인할 수 있었다. 이를 통해 여름 시즌에 원활한 의료진의 인력수급 준비로 한꺼번에 환자가 몰려 복잡해지는 상황을 대비할 수 있으리라 기대한다.
본 연구에서는 2009년, 2014년, 2018년 진료과 협업 진료수 중 협업 진료(컨설트) 건수가 100보다 큰 경우, 즉 101건 이상인 경우에만 연결관계가 존재하는 것으로 가정하여, 101이상인 셀은 1로 변환하고, 그 미만인 셀은 0으로 대체하여 이진 매트릭스를 생성하였다. 그 결과 2009년 진료과 이진/방향 매트릭스 및 29개의 진료과 노드 사이에 115건의 협업 진료(컨설트) 라인이 존재하는 네트워크 구조가 나타났다.
다음으로 내분비외과, 순환기내과, 신경과, 신장내과, 이비인후과 순으로 높은 중심성을 보이며, ‘ 응급의학과’, ‘이식혈관외과’가 고립노드로 존재한다. 네트워크 내의 중요한 액터, 리더나 영향력 있는 구성원을 가장 잘 포착하는 중심성인 매개중심성은 소화기내과, 순환기내과, 안과 순으로 나타났다. 2009년 네트워크에서는 29개 진료과 중 13개 분과만이 매개 역할을 수행하고 있다.
다음으로 호흡기내과가 높은 중심성을 보이며, 소화기내과, 안과, 피부과 순으로 높은 중심성을 보이는 것으로 나타났으며, ‘ 응급의학과’가 고립노드로 존재한다.
심층 인터뷰를 다각적으로 분석한 결과, 네트워크 분석 결과에서 상위 중심적인 진료과로 결과를 나타냈던 소화기내과, 순환기내과, 호흡기내과에 대해 A대학병원에 근무하는 전공의들도 29개 진료과 중 협업진료 및 진료건수가 가장 많고 핵심적인 중요한 진료과로 생각하고 있음을 인터뷰 결과 확인할 수 있었다. 병원 내에서도 다른 진료과에 비해 환자 수, 진료 수,협업진료 수가 집중되는 과로 통용되고 있었다.
연도별 분석에서는, ‘안과’, ‘신경외과’, ‘혈액종양내과’, ‘정형외과’가 상위 순위를 차지하며 네트워크상에서 중요성을 보여주었으나, 시간이 지나면서 점차 네트워크상에서 순위가 낮아지고 있음을 확인할 수 있다.
중심성 분석 결과, ‘소화기내과’, ‘순환기내과’, ‘순환기내과’가 상위 순위를 차지하며, 네트워크상에서 위치상 확고한 중요성을 보여주고 있다.
또한 의료 발달로 인해, 수술 대신 대부분 내과에서 시술로 치료 대체가 가능해진 점과 국민들의 건강검진 대중화 및 증가로 인해 조기 질병 발견이 높아지며, 건강검진의 내시경 진료가 활발해져 내과의 협업 진료가 증가하게 되었다. 진료과 협업 네트워크를 분석한 결과, 100세 시대 기대수명이 늘어나면서, 노인들의 호흡기환자 및 폐렴환자가 증가하며 소화기내과, 호흡기내과와의 협업 진료가 폭발적으로 증가함을 알 수 있다. 또한 국가적으로 국민들의 건강검진 대중화 및 직장 건강검진의 의무화 정책으로 인해 건강검진이 활발해져서 내시경 검진을 하는 소화기내과의 협업 진료 역시 증가한 것으로 파악하였다.
후속연구
또한 더 많은 연도 자료를 포함해서 심도 있는 연도별 분석으로 발전시킬 수 있을 것으로 기대할 수 있다 .다양한 의료기관에서 수행되는 협업 진료 자료를 통해 객관성을 확보하여 심도있는 분석을 진행 및 발전시킬 수 있을 것이다.
이는 추후 연구에서 서울소재 A대학병원뿐만 아니라, 다른 병원 협업 진료 자료도 함께 비교해 볼 수 있을 것이다. 또한 더 많은 연도 자료를 포함해서 심도 있는 연도별 분석으로 발전시킬 수 있을 것으로 기대할 수 있다 .다양한 의료기관에서 수행되는 협업 진료 자료를 통해 객관성을 확보하여 심도있는 분석을 진행 및 발전시킬 수 있을 것이다.
본 연구의 의의 중 하나는 이러한 흐름에 추가하여 진료과 간의 협업에 대한 네트워크 분석을 수행하였다는 것에 있다. 또한, 의료기관 내에서의 동선을 고려한 진료과의 위치 및 공간 구성 및 이를 지원할 수 있는 정보시스템의 기본 설계에 도움을 줄 수 있을 것이라 기대한다.
서울소재 A대학병원에서 이루어진 협업 진료만을 기반으로 의학 진료 분야 네트워크를 분석하여 결론을 도출한 것은 본 연구의 한계점이다. 이는 추후 연구에서 서울소재 A대학병원뿐만 아니라, 다른 병원 협업 진료 자료도 함께 비교해 볼 수 있을 것이다.
서울소재 A대학병원에서 이루어진 협업 진료만을 기반으로 의학 진료 분야 네트워크를 분석하여 결론을 도출한 것은 본 연구의 한계점이다. 이는 추후 연구에서 서울소재 A대학병원뿐만 아니라, 다른 병원 협업 진료 자료도 함께 비교해 볼 수 있을 것이다. 또한 더 많은 연도 자료를 포함해서 심도 있는 연도별 분석으로 발전시킬 수 있을 것으로 기대할 수 있다 .
계절별 분석에서 겨울 시즌과 비교하여 특정한 6, 7, 8월 여름 시즌의 협업 진료에 집중이 발생함을 확인할 수 있었다. 이를 통해 여름 시즌에 원활한 의료진의 인력수급 준비로 한꺼번에 환자가 몰려 복잡해지는 상황을 대비할 수 있으리라 기대한다.
최근에 이르기까지 의학 분야에서 협업네트워크 분석 연구는 공저 네트워크 분석이 대부분으로, 연구자들 간에 미치는 학술적 영향력 및 사회적 관계에 대한 분석이 주로 다루어졌다. 하지만 의학 진료 분야에서 네트워크 분석에 대한 선행연구가 아직 미비한 상황이기에 의학 협업진료에 대한 연구가 필요하며, 특히 네트워크 분석은 새로운 기여를 할 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
네트워크의 응집성을 측정하기 위한 지표는 무엇이 있는가?
네트워크의 응집성(cohesion)을 측정하기 위한 지표는 연결정도, 밀도, 포괄성, 군집화계수, 이행성 등이 있다(박종학, 조윤호, 2011; Frank &Harary, 1982; Wasserman & Faust, 2009). 또한 네트워크에서 구조상 특정 액터가 중심에 위치하는 정도를 측정하는 연결정도 중심성(degree centrality), 근접중심성(closeness centrality), 매개중심성(betweenness centrality)이 있으며, 네트워크 전체 관점에서 각 중심성 값의 균등도를 측정하는 연결정도집중성(degree centralization),근접집중성(closeness centralization), 매개집중성(betweenness centralization) 등이 있다(곽기영, 2017; 손동원, 2002; Wasserman &Faust, 2009).
객관적인 분석결과를 얻기위해 수행한 것은 무엇인가?
네트워크 분석을 실시한 결과를 바탕으로 A 대학병원에서 근무하고 있는 전공의를 대상으로 인터뷰 자료를 수집하였다. 전문적인 의학 분야에 대한 네트워크 분석인 만큼 자의적인 해석이 아닌 객관적인 분석결과를 얻기 위해, 실제 협업 진료가 일어나고 있는 A대학병원 전공자들의 의학 지식과 견해가 필요하다고 판단하여 인터뷰 데이터 분석을 수행하였다. 인터뷰 대상자들은 네트워크 분석 대상이 되는 A 대학병원에서 5년 이상의 근무 경험을 가지고 있으며, 인터뷰는 대상자와 마주 앉아서 미리 준비된 질문지와 분석 결과를 이용하여 질문하고 답변을 기록하는 형식으로 진행되었다.
연결정도, 밀도, 포괄성, 군집화계수, 이행성 외에 네트워크의 응집성을 측정하기 위한 지표는 무엇이 있는가?
네트워크의 응집성(cohesion)을 측정하기 위한 지표는 연결정도, 밀도, 포괄성, 군집화계수, 이행성 등이 있다(박종학, 조윤호, 2011; Frank &Harary, 1982; Wasserman & Faust, 2009). 또한 네트워크에서 구조상 특정 액터가 중심에 위치하는 정도를 측정하는 연결정도 중심성(degree centrality), 근접중심성(closeness centrality), 매개중심성(betweenness centrality)이 있으며, 네트워크 전체 관점에서 각 중심성 값의 균등도를 측정하는 연결정도집중성(degree centralization),근접집중성(closeness centralization), 매개집중성(betweenness centralization) 등이 있다(곽기영, 2017; 손동원, 2002; Wasserman &Faust, 2009).
Kim, Soungwan, Choi, Bum-Sung, Kim, Bongseog, & Kim, Kyoung-Min. (2017). Co-author networks in journal of the Korean academy of child and adolescent psychiatry. Journal of the Korean Academy of Child and Adolescent Psychiatry, 28(2), 149-154. http://dx.doi.org/10.5765/jkacap.2017.28.2.149
Kim, Yonghak (2003). Social network analysis. Seoul: Park Young-sa.
Park, Jong Hak, & Cho, Yoonho (2011). Social network analysis for the effective adoption of recommender systems. Journal of Intelligence and Information Systems, 17(4), 305-316.
Bae, Sang Soo (2016). The network analysis for school health program. Korean Journal of Health Education and Promotion, 33(3), 1-11. http://dx.doi.org/10.14367/kjhep.2016.33.3.1
Seo, Moungseock, Cho, Myeongji, & Son, Hyeonseok (2018). Investigation of cardiomyopathic marker genes using gene network analysis. The Korean Journal of Public Health, 55(1), 43-55.
Sohn, Dae Kyung (2011). Generation and analysis of the research network for colorectal neoplasms. Doctoral Dissertation, Dept. of Medical Informatics & Health Policy and Management, Graduate School, Chungbuk National University.
Son, Dongwon (2002). Social network analysis. Seoul: Gyeongmunsa.
Lee, Jae Chul, & Jin, Hee Jeong (2012). Review of subhealth and Mee-byung research trend as a method of network analysis from 2007 to 2011 in China. Journal of Physiology & Pathology in Korean Medicine, 26(5), 615-620.
Jang, Hae Lan (2011). Analysis of research and researcher network for health technology -Oncogene, Colorectal Neoplasms, Influenza-. Master's thesis, Dept. of Medical Informatics & Health Policy and Management, Graduate School, Chungbuk National University.
Jang, Hae Lan (2015). Generation of collaboration network and analysis of researcher’s role in national cancer center. Journal of the Korea Contents Association, 15(10), 387-399. http://dx.doi.org/10.5392/JKCA.2015.15.10.387
Choi, Myoungje (2015). The characteristics of a research network for psychiatry in Korea. Master's thesis, Dept. of Medicine, Graduate School, Inje University.
Frank, O., & Harary, F. (1982). Cluster inference by using transitivity indices in empirical graphs. Journal of the American Statistical Association, 77(380), 835-840. http://dx.doi.org/10.2307/2287315
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.