우리나라의 지역별 간호인력의 기술적 효율성 분석과 결정요인

Abstract

본 연구는 우리나라의 지역별 간호인력의 기술적 효율성을 자료포락분석법을 사용하여 분석하고, 그 결정요인을 밝히는 데 목적이 있다. 연구 대상은 우리나라 16개 지역(행정구역)이며 의사결정단위(DMU)의 동질성을 확보하기 위해 전체 의료기관을 포함한 분석과 더불어 의료기관 종별 분석을 시행하였다. 가변규모수익(VRS) 모형을 사용하였으며, 투입변수는 각 지역의 2019년 4분기 기준 간호사수와 간호조무사수이고 산출변수는 각 지역 의료기관의 2019년 입원일수와 외래 내원일수이다. 투입 및 산출변수는 국민건강보험공단과 건강보험심사평가원의 2019 건강보험통계연보 자료를 사용하였다. 기술적 효율성의 결정요인을 밝히기 위한 설명변수는 각 지역의 2019년 1인당 지역총소득, 고용률, 인구밀도, 고령인구비율이며 각각 통계청 지역소득, 경제활동인구조사, e-나라지표, 주민등록인구현황 자료를 사용하였다. 네 가지 설명변수를 독립변수로 하고, 앞서 산출된 각 지역 간호인력의 기술적 효율성 점수를 종속변수로 하여 로짓 모델을 적용해 효율적인 지역과 비효율적인 지역을 결정하는 요인이 있는지 분석한 뒤, 비효율적인 지역만을 대상으로 하여 절단회귀분석을 적용해 비효율 정도를 결정하는 요인이 있는지 분석하는 2단계 분석법(two-part model)을 사용하였다. 연구 결과 16개 지역 간호인력의 기술적 효율성 점수는 평균 0.934점으로 매우 높게 나타났으며, 의료기관 종별로는 의원(0.943점), 상급종합병원 및 종합병원(0.939점), 병원(0.927점) 순이었다. 크루스칼-왈리스 검정(Kruskal-Wallis test) 결과 의료기관 종별로 기술적 효율성 점수 분포에는 차이가 없었다(χ^2=0.45, p=.800). 경기, 전남, 제주는 모든 분석에서 기술적 효율성 점수가 1점으로 상대적 효율을 달성한 것으로 나타났으며, 인천, 대전, 강원은 모든 분석에서 상대적으로 비효율적인 것으로 분석되었다. 각 지역은 평균적으로 외래 내원일수를 37만일 늘리고 간호사를 77명, 간호조무사를 43명 줄여야 효율성을 달성할 수 있는 것으로 나타났으나, 환자당 간호사수가 부족한 우리나라에서는 효율성을 달성하기 위해 간호인력 투입을 줄일 경우 간호의 질을 낮게 만드는 결과를 초래할 수 있으므로 비효율적인 지역의 의료서비스 질을 높여 지역 주민이 해당 지역의 의료기관을 이용하게 함으로써 산출인 외래 내원일수를 늘려 효율을 달성할 수 있도록 해야 한다. 로짓 분석 결과 효율적인 DMU와 비효율적인 DMU를 결정하는 요인은 없는 것으로 나타났으나, 절단회귀분석 결과 상급종합병원 및 종합병원 분석에서는 인구밀도(p=.039)가, 의원 분석에서는 1인당 지역총소득, 고용률, 인구밀도, 고령인구비율 모두(p<.001)가 기술적 효율성 점수에 통계적으로 유의한 영향을 미치는 요인으로 밝혀졌다. 본 연구는 우리나라의 지역별 간호인력의 효율성과 그 결정요인을 분석함으로써 간호인력의 합리적인 분포를 위한 정책 마련에 기초자료를 제공한다는 의의가 있으나, 분석의 특성상 효율성을 달성하기 위해 투입을 줄여야 한다는 결과가 도출되므로 간호의 질 확보 측면에서 결과 해석에 주의해야 하며, 연구 결과가 선행연구와 일치하지 않는 부분이 있으므로 지니계수, 기대여명 등 추가적인 변수를 포함한 후속 연구가 필요하다.

The aim of this study was to measure the technical efficiency of nursing personnel by region in South Korea using the data envelopment analysis(DEA) and to identify its determinants. The subject of study covered 16 regions in South Korea, and in order to ensure the homogeneity of the decision making units(DMUs), an analysis by the types of medical institutions was made alongside analysis including all medical institutions. The variable returns to scale(VRS) DEA model was used, with the numbers of registered nurses and the number of nurse assistants as input variables, and the number of visit days of inpatient visits and the number of visit days of outpatient visits as output variables. All data were extracted from 2019 National Health Insurance Statistical Yearbook by National Health Insurance Service and Health Insurance Review & Assessment Service in Korea. In order to identify the determinants of technical efficiency, gross primary income per capita, employment rate, population density, and elderly population ratio of each 16 regions were set as explanatory variables with the source of the data coming from KOSIS(Korea statistical information service). Two-part model was used. For the first stage, Logit model with four explanatory variables as dependent variables and technical efficiency scores as independent variable was applied to analyze whether there were factors that determine effective DMUs and ineffective DMUs. Subsequently, truncated regression model was applied to identify the factor that determine the degree of inefficiency among inefficient DMUs. As a result of DEA, the technical efficiency scores of 16 regions were found to be very high with an average of 0.934 points, and clinics had the highest score with 0.943 points. Kruskal-Wallis test was done to find the difference in the distribution of technical efficiency scores among types of medical institutions which demonstrated no difference(χ^2=0.45, p=.800). Input and output slacks were derived and each region had to increase the outpatient visits by 370 thousand days or decrease 77 RNs and 43 NAs on average to achieve efficiency. In Korea, however, where the number of nurses per patients is insufficient, reducing nursing personnel to an efficient level may not compromise the quality of nursing performance. Therefore inefficient DMUs should achieve efficiency by increasing the outpatient visits by improving the quality of medical services that encourage local residents to use local medical institutions. Logit analysis found that there were no factors that determine effective and ineffective DMUs, but as a result of truncated regression analysis, the population density was statistically significant(p=.039) in factor of efficiency scores of inefficient DMUs in tertiary and general hospitals analysis. And all four dependent variables were statistically significant in analysis of clinics(p<.001). This study has its significance in that it provides basic data for policies to be made that improves the distribution of the nursing workforce by analyzing the efficiency and its determinants. However, due to the nature of DEA, it can be concluded that the input(nursing personnel) should be reduced to achieve efficiency. Therefore, care must be taken in interpreting the results in terms of the quality of nursing care. Finally, there were some discrepancies with previous studies, so follow-up studies including additional explanatory variables such as the Gini coefficient and life expectancy are needed.