ISSN : 2093-5986(Print)
ISSN : 2288-0666(Online)
The Korean Society of Health Service Management
Vol.10 No.2 pp.71-82
https://doi.org/10.12811/kshsm.2016.10.2.071

지역 의료자원 이용의 생산성 변화 분석

동재용¹, 이광수²
¹연세대학교 대학원 보건행정학과
²연세대학교 보건과학대학 보건행정학과

A Study on the Productivity Trends of Regional Health Care Resource Uses in South Korea

Jae-Yong Dong¹, Kwang-Soo Lee²
¹Department of Health Administration, Yonsei University, Graduate School
²Department of Health Administration, Yonsei University, College of Health Sciences

Abstract

Objectives : This study purposed to analyze the productivity trends of regional health care resource uses in South Korea. Methods : Data was provided from the regional health care statistics by the National Health Insurance Service(NHIS) and collected from 2011 to 2014 at the 226 administrative regions such as Si(city in Korean), Gun(county in Korean), Gu(district in Korean). Productivity trend was analyzed with Malmquist Productivity Index(MPI). Input variables were the number of medical personnels, facilities, and major medical equipments. Output variables were the number of inpatient and outpatients in model A, and the amount of inpatient and outpatient reimbursements in model B. Results : In model A, the productivity of 62 regions were increased but it was decreased in 164 regions. In model B, the productivity of 123 regions were increased but it was decreased in 123 regions. Conclusions : If these trends were continued, there will be problems with the efficiency of national regional healthcare resource utilization. Health policy makers will require to focus in solving this phenomenon.


    Ⅰ. 서론

    우리나라는 정부의 계획에 따라 경제개발을 시작하여 국가경제가 급속도로 발전하였다. 경제 발전을 통해 국민 생활 및 보건 수준이 향상되었고, 국민들의 건강에 대한 관심은 점점 높아졌다. 전 국민 의료보험이 실시 후 의료수요가 빠르게 증가하여 보건의료자원도 함께 증가하였다. 면허를 취득한 의사, 치과의사, 한의사, 간호사 수는 1995년 243,267명에서 2013년 529,416명으로 2배 이상 증가하였으며 의료기관도 1990년 21,701개소에서 2013년 60,899개소로 약 2.8배 이상 증가하였다[1][2].

    우리나라 보건의료자원을 OECD 타 국가들과 비교하면 인구 천 명당 의사와 간호사 수는 OECD 국가들에 비해 낮은 수준인 반면, 병원, 병상 수, 의료장비 등 시설과 장비분야에 더 많을 자원을 투자하고 있다[3].

    보건의료자원 지역 분포에 관한 연구를 살펴보면 우리나라 의료공급이 주로 민간부문에서 이루어지기 때문에 지역 중 구매력을 가진 지역으로 의료자원이 집중 투자되어 분포한다는 보고가 있다[4][5]. 또 다른 연구에서는 의료필요와 관계없이 경제적 수준이 높은 지역이거나 지역인구가 많은 지역에 많이 분포한다는 연구 결과도 있으며[6][7], 지역 간 분포의 차이가 발생하는 것을 알 수 있다.

    의료자원의 지역 별 분포 차이와 함께 환자들은 발달된 교통수단을 사용하여 의료자원이 집중된 지역으로 이동해 의료서비스를 이용하고 있으며, 특히 암과 같은 중증 질환을 가진 환자들이 의료자원을 많이 보유한 지역으로 이동하여 의료서비스를 해결하는 것으로 나타났다[8]. 이와 같은 의료서비스의 이동에 따른 환자의 이동은 직접적인 진료비 외에 시간과 이동에 따른 간접적인 비용을 발생시키며 경제적 손실을 발생시킨다. 지역 내 의료자원의 수준은 환자들이 관내 의료서비스를 이용할 때 영향이 있는 것으로 알려져 있다[5][10]. 환자들이 관내 의료서비스의 이용 수준이 높아진다면, 지역 의료자원의 이용률이 높아져 사회적 비용은 감소할 것이다. 연구에서는 지역주민이 지역 내 의료자원 이용에 따른 생산성에 초점을 맞추어 분석하고자 하며, 이를 통해 지역에서 운영 중인 의료자원이 지역주민에 의해 효율적으로 사용되고 있는 지 평가하고자 한다.

    지역 의료자원 이용의 효율성에 대한 선행연구들은 지역별 의료자원의 분포에 대해 분석한 연구[1][7][11][12], 지역 의료자원 이용의 효율성을 분석한 선행 연구가 있다[13][14][17]. 대부분의 선행 연구들은 연구기간을 1년으로 설정하여 연구를 진행하였다. 그러나 1년의 연구만 진행할 경우 그 해당 연도에 대한 분석만 가능하고, 다년간의 변화를 알 수 없는 한계가 있다. 따라서 본 연구는 다년도 자료의 분석을 통해 각 지역의 추세 파악 후 변화된 양상을 분석한다. 구체적인 목적으로는 다음과 같다. 첫째, 지역(시·군·구) 내 의료자원이용의 생산성을 나타내는 맘퀴스트 생산성 지수(Malmquist Productivity Index, MPI)를 산출한다. 둘째, 4년(2011년 ~ 2014년)간 맘퀴스트 생산성 지수의 변화 양상을 파악한다. 셋째, 분석결과를 바탕으로 지역 생산성 변화에 대해 시사점을 제공하고자 한다.

    의료자원 이용의 효율성을 분석한 선행연구는 다음과 같다. 국외의 선행연구 Wei[15]은 맘퀴스트 생산성 지수를 사용하여 대만의 복지부(Depart Of Health, DOH)와 연계한 병원들의 생산성을 연구하였다. 분석결과 대부분의 DOH와 연계한 병원들은 기술의 진보로 생산성이 향상하였다. Roh et al.[16]은 미국 콜로라도 지역 64개 병원들의 생산성을 측정하기 위해 DEA와 맘퀴스트 생산성 지수 사용하였다. 분석결과 콜로라도 지역 병원들은 기술적 효율성 향상보다 기술의 진보 변화로 인해 생산성이 향상되었다. Nghiem et al.[18]은 맘퀴스트 생산성 지수를 사용하여 호주 Queensland Health Service 지역 의료기관의 생산성을 분석하였다. 분석결과 연구기간 동안 의료기관의 생산성은 성장하였다.

    국내의 선행연구에서 Park[9]은 지방정부 단위별로 대상을 설정하고 공간종속성을 사용하여 분석을 하였다. 분석결과 보건의료서비스가 기초자치단체별 공급이 과잉되거나 부족한 현상이 혼재하여 지역 간 의료이용이 불균형한 것으로 나타났다. Jeon et al.[7]은 지역을 분석단위로 하고, 지역의 경제적 수준에 따라 의료자원의 분포가 평등한지를 알아보기 위해 집중지수를 사용하여 분석하였다. 분석결과 의료자원은 경제적 수준이 높은 지역에 더 많이 분포하는 것으로 나타났다. Oh et al.[5]은 보건의료자원 중 의료인력 자원이 지역별로 적정 분포에 대해 생산성과 효율성 분석을 하였다. 분석결과 지역 별 의료인력은 불균형하게 분포하는 것으로 나타났다.

    지역 의료자원의 생산성 또는 효율성을 분석한 연구로 Park et al.[13]은 DEA를 사용하여 16개 광역시·도의 효율성을 분석하고 지역 특성 변수와의 관련성을 분석하였다. 분석결과 경제활동이 높은 지역일수록 의료자원이 효율적으로 이용될 가능성이 높았다. Cho et al.[14]은 16개의 광역시·도를 대상으로 맘퀴스트 생산성 지수를 사용하여 보건의료 자원의 생산성 변화를 분석하였다. 분석결과 고령인구 비중과 관련하여 지역 별 생산성 변화의 격차는 큰 것으로 나타났다. Cha et al.[17]은 지역을 광역시·도로 구분하고, 외국인 환자를 대상으로 DEA와 맘퀴스트 생산성 지수를 사용하여 효율성 및 생산성 분석하였다. 분석결과 효율성 점수의 평균은 증가하고 있으나, 생산성 지수는 감소하는 추세로 나타났다.

    Ⅱ. 연구방법

    1. 분석자료

    본 연구는 국민건강보험공단에서 발표한 지역별 의료이용 통계에서 시·군·구별 의료자원과 관내 의료이용 자료를 사용하였으며, 분석 연도는 2011년부터 2014년까지다. 전국을 대상으로 연구를 하였으며, 자료가 집계되지 않은 지역은 제외되었다. 제외된 지역은 세종특별시, 양양군, 연기군, 청양군, 홍성군으로 총 5개 지역이다. 연구에서 기초자치단체내의 ‘구’는 해당 관할지역의 ‘시’로 통합하여 연구에 사용하였고, 제주특별자치도 경우 제주시와 서귀포시로 나누어 분석하였다. 총 226개 시·군·구를 의사결정단위(Decision Making Unit, DMU)로 설정하여 연구를 진행하였다.

    2. 연구 모형

    연구모형은 <Figure 1>과 같이 2개의 모형(Model A, Model B)으로 나뉜다. Model A는 투입변수는 지역 내 의료자원이며, 산출변수는 지역 내 주민의 지역 의료기관 이용에서 발생한 입원 및 외래의 환자 수를 가지고 생산성 분석을 하였다. Model B는 Model A의 투입변수와 동일하고, 산출변수로 지역 내 주민의 지역 의료기관 이용에서 발생한 연간 외래 및 입원의 급여비를 가지고 생산성 분석을 하였다.

    3. 연구 변수

    본 연구에서 국내·외 선행연구[5][13][14][15][16] [17][18][19][20][21]를 참고하여 투입변수와 산출변수를 선정하였다.

    투입변수에서 보건의료자원은 의료인력, 의료장비, 의료시설 3가지 유형으로 나누었다. 의료인력은 의사 수, 치과의사 수, 한의사 수, 간호사 수를 합산하여 사용하였으며, 의료장비는 CT(Computed Tomography, CT)와 MRI(Magnetic Resonance Imaging, MRI) 수의 합계로 사용하였고, 그리고 의료시설은 병상 수를 이용하여 측정하였다. 투입변수의 정의는 다음과 같다. 의료인력(의사, 치과의사, 한의사, 간호사)은 “의료법”에 의하여 일정한 자격을 갖추고 요양기관에서 종사하는 의료인력 이며, 그 중 의사(의사, 치과의사, 한의사) 수는 일반의, 인턴, 레지던트, 전문의를 포함한 수이다. 병상 수는 일반입원실(상급, 일반)의 병상 수, 정신과폐쇄, 중환자실(성인소아, 신생아), 격리병실, 무균치료실을 포함한 합계 병상 수를 사용하였다.

    산출변수는 선행연구[5][15][16][17][18][19][20] [21][22]를 참고하여 선정하였다. 산출변수의 정의는 다음과 같다. 관내 입원 및 외래 환자 수는 건강보험 또는 의료급여 가입자 중 실제 진료를 받은 환자 수이며, 관내 입원 및 외래 급여비는 심사 결정된 총 진료비(약제비 포함) 중 법이 정한 환자본인부담금을 제외하고, 보험자(공단)가 의료기관에 지급한 금액이다. 그러므로 급여비는 지역 의료기관에 지급한 비용을 의미하다. 또한 매해 연도별 수가인상으로 인한 급여비의 상승을 통제하기 위해 2011년 수가를 기준으로 증가율을 통제하였다.

    4. 분석방법

    맘퀴스트 생산성 지수(MPI)를 이용한 생산성 분석 방법은 1953년 맘퀴스트(Malmquist)가 제시한 방법이고, 1990년 중반 이후로 자주 사용되고 있다. 거리함수에 기초하여 투입된 자원에 대한 산출물의 지수로 계산한다. 거리함수로는 크게 투입지향(Input-oriented) 방법과 산출지향(Output- oriented) 방법으로 분석을 실시한다. 투입지향 방법은 산출량을 고정시키고, 투입량을 최소화하여 거리함수를 측정하는 방법이고, 산출지향 방법은 투입량을 고정시킨 뒤 산출량을 최대로 늘려 거리함수를 측정한다. Caves et al.[23]은 투입기준 맘퀴스트 생산성 지수(MPI)를 다음과 같이 분해하였다.

    MPI = TECI(Technical Efficiency Change Index, TECI) TCI(Technical Change Index, TCI)

    기술적 효율성 변화지수(Technical Efficiency Change Index, 이하 TECI)는 두 기간 사이의 기술적 효율성을 평가한다. 기술 변화 지수(Technical Change Index, TCI)는 두 기간 사이 생산 기술의 변화를 통해 생산성 변화에 얼마나 기여 했는지를 평가한다. MPI는 MPI>1 경우 생산성이 증가한 것을 의미하고, MPI<1 경우 생산성이 감소한 것을 의미한다. MPI=1 경우 생산성의 변화가 없다는 것을 의미한다.

    기술적 효율성 변화지수(TECI)는 순수 효율성 변화 지수(Pure Efficiency Change Index, PECI)와 규모 효율성 변화 지수(Scale Efficiency Change Index, SECI) 2개의 지수로 분해할 수 있다.

    TECI(Technical Efficiency Change Index, TECI) = PECI(Pure Efficiency Change Index, PECI) SECI(Scale Efficiency Change Index, SECI)

    규모 효율성 변화 지수(SECI)는 생산규모가 최적의 규모를 가지는 것으로 규모의 상태가 최적의 규모 상태인가를 측정하는 것이다. 그리고 순수 효율성 변화 지수(PECI)는 기술적 효율성 변화에서 규모의 효율성을 제거한 것이다. 즉 맘퀴스트 생산성 지수(MPI)를 분해하면 순수 효율성 변화 지수(PECI), 규모 효율성 변화 지수(SECI), 기술 변화 지수(TCI)로 구성되어 있다.[24][25]

    본 연구에서는 맘퀴스트 생산성 지수를 사용하여 최근 4년의 생산성 지수 값을 도출하고, 각 지수들을 분석한다. 생산성 지수를 분석하기 위해 EnPAS version 1.0 프로그램을 사용하였고, 투입지향(Input-oriented) 모형을 적용하였다.

    Ⅲ. 연구결과

    1. 연구 변수의 기술통계량

    투입변수와 산출변수에 대한 기술통계량은 <Table 1>과 같다. 투입변수의 기술통계량은 대부분이 2011년부터 2014년까지 지속적으로 증가하였으나, 의료장비는 큰 변화 없이 비슷한 수준을 유지하였다. 산출변수의 기술통계량은 2011년 ~ 2014년까지 외래 환자 수 및 급여비는 지속적으로 증가하였으나, 입원 환자 수는 2013년에 감소하였다.

    2. 생산성 지수의 연도별 변화 추이

    <Table 2>는 Model A와 Model B의 생산성 지수를 분해하여 연도 별 평균과 연구기간 전체 평균이다. Model A에서 2011년 ~ 2012년 TCI는 1.010로 약 1% 증가하였으나 TCI를 제외한 다른 지수들의 하락으로 MPI는 0.987로 약 1.3% 감소하였다. 2012년 ~ 2013년 SECI는 1.001으로 약 0.1% 증가하였으며 TECI와 PECI도 2011~ 2012년에 비하여 지수 값들이 증가하였다. 그러나 TCI의 하락으로 인해 MPI는 0.9645로 약 3.6% 감소하였다. 2013년 ~ 2014년 TCI는 1.0293으로 약 2.9%의 상승이 있었으나, TCI를 제외한 지수들의 하락으로 MPI가 0.9911로 약 0.1% 감소하였다. 전체 기간 MPI는 1보다 낮았지만, 2013년 ~ 2014년 MPI가 가장 높은 것으로 나타났다. Model A에서 연구기간의 평균 MPI는 0.981로 약 1.9% 감소하였다.

    Model B에서 2011 ~ 2012년은 모든 지수의 하락으로 MPI는 0.977로 약 2.7% 감소하였다. 2012 ~ 2013년 TECI와 SECI는 상승하였으나, TCI는 0.973로 약 2.7% 하락하였고, PECI는 0.997로 약 0.3% 하락하였다. 주로 TCI의 하락으로 인해 MPI가 약 2.4% 감소하였다. 2013 ~ 2014년은 TCI를 제외한 다른 지수들의 감소하였지만, TCI는 약 2.4% 증가하였다. MPI는 1.019로 TCI가 증가 한 것이 작용하여 약 1.9% 증가하였다. 기간 중 2013년 ~ 2014년만 MPI는 1보다 크다. Model B에서 연구기간의 평균 MPI는 0.991로 0.9% 감소하였다.

    <Table 3>은 <Table 2>에서 제시한 시·군·구 지역 별 연구기간의 평균 MPI를 이용하여 구분한 표이다. Model A에서 MPI≧1인 지역을 구분하면 서울특별시(7곳), 부산광역시(1곳), 인천광역시(2곳), 울산광역시(3곳), 경기도(3곳), 강원도(9곳), 충청북도(5곳), 충청남도(5곳), 전라북도(4곳), 전라남도(10곳), 경상북도(5곳), 경상남도(8곳)로 총 62개 지역의 시·군·구이다. 그리고 MPI 상위 5개 지역은 충북 증평군, 진천군, 전남 나주시, 경북 영양군, 울릉군으로 나타났다. MPI<1인 지역을 구분하면 서울특별시(18곳), 부산광역시(15곳), 대구광역시(8곳), 인천광역시(8곳), 광주광역시(5곳), 대전광역시(5곳), 울산광역시(2곳), 경기도(28곳), 강원도(8곳), 충청북도(7곳), 충청남도(8곳), 전라북도(10곳), 전라남도(12곳), 경상북도(18곳), 경상남도(10곳), 제주특별자치도(2곳)로 총 164개 지역의 시·군·구이다. 그리고 MPI 하위 5개 지역은 서울특별시 영등포구, 강남구, 강원도 양구군, 경상북도 예천군, 경상남도 의령군으로 나타났다. 대전광역시, 대구광역시, 광주광역시, 제주특별자치도 경우 지역 내 모든 시·군·구의 MPI는 1보다 작았다.

    Model B에서 MPI≧1인 지역은 서울특별시(14곳), 부산광역시(6곳), 대구광역시(1곳), 인천광역시(7곳), 광주광역시(2곳), 울산광역시(2곳), 경기도(11곳), 강원도(11곳), 충청북도(5곳), 충청남도(7곳), 전라북도(6곳), 전라남도(13곳), 경상북도(8곳), 경상남도(8곳), 제주특별자치도(2곳)로 총 103개 지역의 시·군·구이다. 그리고 MPI 상위 5개 지역은 서울특별시 양천구, 강원도 고성군, 충청북도 증평군, 진천군, 전라남도 나주시로 나타났다. MPI<1인 지역은 서울특별시(11곳), 부산광역시(10곳), 대구광역시(7곳), 인천광역시(3곳), 광주광역시(3곳), 대전광역시(5곳), 울산광역시(3곳), 경기도(20곳), 강원도(6곳), 충청북도(7곳), 충청남도(6곳), 전라북도(8곳), 전라남도(9곳), 경상북도(15곳), 경상남도(10곳)로 총 123개 지역의 시·군·구이다. 그리고 MPI 하위 5개 지역은 서울특별시 영등포구, 강남구, 강동구, 대전광역시 동구, 충청남도 천안시로 나타났다. 대전광역시 경우 모든 지역의 생산성이 낮은 것으로 나타났고, 공통적으로 두 모형의 MPI가 1보다 낮은 지역이 많았다.

    <Table 4>는 두 모형에서 공통적으로 MPI가 가장 높은 지역과 낮은 지역의 지수값을 분해한 표이다. 충청북도 증평군과 진천군, 전라남도 나주시는 MPI가 가장 높은 지역이고, 서울특별시시 영등포구와 강남구, 대전광역시는 MPI가 가장 낮은 지역이다. 충청북도 증평군과 진천군은 두 모형의 MPI를 비롯한 모든 지수 값들이 높았고, 전남 나주시의 경우 두 모형에서 MPI는 높지만, Model A에서는 기술 변화 지수(TCI)와 Model B에서는 규모 효율성 변화 지수(SECI)가 낮았다. 서울특별시 영등포구, 강남구는 두 모형의 MPI를 비롯한 모든 지수 값들이 낮았다. 대전광역시의 경우 Model A에서 동구와 유성구는 기술 변화 지수(TCI)만 높았고, Model B에서 서구, 유성구, 대덕구는 기술 변화 지수(TCI)와 규모 효율성 변화 지수(SECI)가 높았지만, MPI를 비롯한 다른 지수 값들은 낮았다.

    Ⅳ. 고찰

    본 연구는 우리나라 전국 226개 시·군·구를 대상으로 산출한 맘퀴스트 생산성 지수를 이용하여 지역주민에 의한 관내 의료자원 이용의 생산성을 분석하였다. 2011년부터 2014년까지 4년의 지역별 의료자원과 입원환자 및 외래환자 수, 그리고 입원급여비 및 외래급여비를 2개의 모형으로 나누어 분석을 실시하였다. 분석결과 연도별 MPI의 평균은 1보다 낮은 것으로 나타났다. 지역으로는 충북 증평군과 진천군, 전남 나주시의 MPI가 가장 높은 지역으로 나타났고, 서울시 영등포구와 강남구의 MPI가 가장 낮은 지역으로 나타났다. Model 별로 살펴보면 Model A의 전 기간 MPI는 1보다 낮았고, Model B 역시 연도별 MPI는 1보다 낮았고, 다만 2013년 ~ 2014년 경우 MPI≧1 것으로 나타났다. 그러나 MPI는 Model A보다 Model B에서 높은 지역의 수가 더 많았다.

    Model A의 연구기간 평균 MPI는 1보다 낮아 생산성이 감소하였다. 그러나 연구기간의 평균 기술적 변화 지수(TCI)는 1보다 높은 것으로 보아 연구기간 동안 기술의 진보로 인한 생산성 증가가 있었음을 알 수 있다. 그러나 다른 지수들과는 달리 기술적 효율성 변화 지수(TECI)가 가장 낮았는데, 이는 기술 효율성이 낮았음을 의미한다. 또한 규모 효율성 변화 지수(SECI) 값이 1보다 낮은 것으로 보아 최적의 효율성을 갖추지 못했다. Model B는 연구 기간 중 2011 ~ 2012년과 2012 ~ 2013년에 MPI는 1보다 낮았으며 model A와 마찬가지로 생산성이 감소한 것으로 분석되었다. 다만, 2013 ~ 2014년에는 기술 변화 지수가 1보다 크며, 이로 인해 MPI가 1보다 높았으며 생산성의 증가를 보였다. 두 모형의 분석결과는 연구기간 동안 우리나라 지역주민에 의한 지역 내 의료자원 이용의 생산성이 대체적으로 하락하고 있다는 것을 시사하고 있다.

    그리고 분석 결과는 지역 특성에 따라 생산성 변화 추세에 차이가 있다는 것을 제시하고 있다. <Table 3>의 Model A와 B는 분석결과에서 차이를 보였다. Model A는 B와 비교하여 MPI가 1보다 큰 지역의 수가 더 적었다(62개 vs. 103개). 이러한 결과는 MPI 계산 시에 투입되는 변수에 따라 결과가 달라질 수 있으며, 그리고 환자 수와 급여비의 변화에 차이가 있다는 것을 제시하고 있다.

    환자 수를 이용한 모형의 분석 결과에 비교하여 급여비를 산출변수로 사용한 모형의 결과에서 MPI≧1인 지역의 수가 많다는 것은 환자에게 보상된 금액의 변화가 환자 수 변화에 비교하여 증가 수준이 큰 것을 시사하고 있다. Table 1에서 연도별 환자 수의 변동에 비교하여 급여비의 증가폭이 큰 것을 알 수 있으며, 그리고 Table 2에서도 Model B의 MPI 평균이 Model A 보다 큰 것을 알 수 있다.

    <Table 3>에서 서울과 6개 광역시의 ‘구’가 보인 MPI는 다른 지역의 MPI에 비교하여 낮았으며, Model A에서 서울과 광역시에서 MPI≧1인 지역이 차지하는 비중은 17.6%인 반면에 그 외 지역에서 MPI≧1인 지역이 차지하는 비중은 30.6%였다<Table 3>. Model B에서는 이러한 차이가 줄어들었지만(43.2% vs. 46.7%) 여전히 서울과 광역시가 아닌 지역에서 MPI≧1인 지역이 차지하는 비중이 높았다. 즉, 서울과 광역시의 ‘구’에 비교하여 그 외 지역에서 환자 수와 급여비 증가의 폭이 더 큰 것을 나타내고 있다.

    서울과 광역시는 환자 수 변화 보다는 급여비의 증가로 인한 생산성의 증가가 더 큰 것을 나타내고 있다. Model A에서 MPI≧1인 서울과 광역시의 ‘구’지역의 수가 13(17.6%)인 반면에 Model B에서는 MPI≧1인 ‘구’ 지역의 수가 32(43.2%)로 증가하였다. 환자 수 증가에 비교하여 급여비의 증가가 더 크게 발생한 결과로 판단된다. 그리고 이러한 양상은 서울과 광역시를 제외한 기타 지역과는 차이가 있었으며, 서울과 광역시의 ‘구’를 제외한 지역에서 MPI≧1인 지역의 수는 Model A에서 49(30.6%), 그리고 Model B에서 71(46.7%) 이다.

    결과를 요약하면 연구기간 동안 지역주민에 의한 지역 내 의료자원 이용의 생산성은 전반적으로 감소하는 경향을 보였다. 그러나 지역에 따라 변화의 양상에 차이가 있었으며 서울과 광역시 보다는 그 외 지역에서 생산성 증가가 더 크다. 그리고 환자 수와 급여비의 변화에 있어서도 차이가 있었으며 서울과 광역시에서 급여비의 변화로 인한 생산성의 증가가 더 큰 것을 알 수 있다.

    이러한 분석결과는 지역 주민들이 필요한 의료서비스를 지역 내 의료자원을 통해 해결하는 수준이 지역에 따라 차이가 있음을 제시한다. 즉, 환자는 의료서비스 이용을 위해 자신이 거주하는 행정구역의 외부에 있는 의료기관을 방문하거나, 또는 반대로 지역 의료기관에 방문하는 외지에 거주하는 환자들의 비율에 차이가 있으며, 따라서 국가적 측면에서 지역 내 의료자원 이용의 효율성에 문제가 있다는 것을 시사하고 있다. 선행연구 Cho et al.[14]에서는 광역시·도를 대상으로 하여 광역자치단체가 가진 의료자원 이용의 효율성 문제를 제기하였으나, 본 연구는 시·군·구 지역까지 연구를 진행하였기에 좀 더 세밀한 분석 결과를 제시하고 있다.

    연구의 제한점으로는 다음과 같다. 첫째, 자료의 한계로 최근 4개의 연도만 연구에 사용하였다. 둘째, 기초자치단체의 ‘시’지역의 ‘구’는 통합하여 분석을 하였기 때문에 연구 해석상 주의가 필요하다. 셋째, 생산성 변화의 원인을 파악할 수 없었다. 각 지역 마다 생산성에 영향을 미치는 요인을 본 연구를 통해 밝힐 수가 없었으며, 요인을 찾아보는 연구가 필요하다.

    Ⅴ. 결론

    본 연구에서는 맘퀴스트 생산성 지수를 사용하여 2011년부터 2014년까지 시·군·구의 의료자원과 관내 환자 수 및 급여비를 이용하여 생산성 추세를 분석하였다. 분석 결과 관내 환자 수(Model A)에서는 전반적으로 MPI가 1보다 낮은 것을 확인하였다. MPI 하락의 원인으로 순수 효율성 변화 지수(PECI)와 규모의 효율성 변화 지수(SECI)가 하락하여 전체 MPI가 낮아졌다. 마찬가지로 관내 급여비(Model B)에서도 MPI는 1보다 낮았다. 연구기간 동안 우리나라 관내 의료자원 이용의 평균 생산성은 감소한 것으로 나타났다. 생산성이 감소한 시·군·구 지역은 의료자원이 지역주민의 의료이용에 제대로 활용되고 있지 않으며, 이러한 추세가 지속되고 있는 것을 시사하고 있다.

    최근 인구의 고령화와 상병 구조의 변화 등 우리나라 보건의료환경이 변화하고 있다. 해마다 증가하고 있는 보건의료자원의 효율적 사용에 대한 관심도 커지고 있다. 본 연구를 통해 시·군·구 지역 내 보건의료자원의 이용 추세 양상을 파악할 수 있고, 지역 별 의료자원 정책을 위한 자료로 활용될 수 있을 것이다.

    Figure

    569_F1.jpg

    Research Framework

    Table

    Descriptive statistics of input and output variables

    * Average (Standard deviation), ¹person, ²numbers, ³Reimbursement unit: ₩ 100,000 won

    The MPI trend for the study years

    * TECI (Technical Efficiency Change Index), TCI (Technical Change Index), PECI (Pure Efficiency Change Index), SECI (Scale Efficiency Change Index), MPI (Malmquist Productivity Index), a : Geometric Mean

    MPI’s are classified according to 16 administrative regions including SI, Gun, Gu

    * MPI (Malmquist Productivity Index), The MPIs are the geometric means in study years

    The comparison of MPI Top Regions and Bottom Regions

    * TECI (Technical Efficiency Change Index), TCI (Technical Change Index), PECI (Pure Efficiency Change Index), SECI (Scale Efficiency Change Index), MPI (Malmquist Productivity Index)

    Reference

    1. C.K. Yoon(1994), A Study on Measurement of Health Resources Distribution by Health Service Region in Korea, Journal of the Korean Society of Health Statistics, Vol.19(1);22-45.
    2. Korea Ministry of Health and Welfare Statistical Year Book(2014), Ministry of Health and Welfare, pp.3-497.
    3. J.Y. Yeo, H.R. Kim(2014), Assessment of Korea health care system performance during 2000~2010, The Korean Journal of Health Economics and Policy, Vol.20(4);123-144.
    4. S.Y. Lee(2013), The Impact of Health Care System on Health Care Performance in Korea, Journal of Social Science institute for Chungnam National University, Vol.24(4);271-293.
    5. Y.H. Oh, H.S. Shin, S.Y. Lee, J.H. Kim(2007), Geographical distribution of health workforce in Korea and its policy implication, Korea Institute for Health and Social Affairs, pp.15-287.
    6. Y.J. Lee(2005), Regional Distribution and Characteristics of Health Care Resources, Journal of the Korean Regional Science Association, Vol.21(3);3-27.
    7. B.Y. Jeon, S.M. Choi, C.Y. Kim(2012), Socioeconomic Equity in Regional Distribution of Health Care Resources in Korea, Korean Journal of Health Policy & Administration, Vol.22(1);85-108.
    8. J.H. Kim, J.H. Lee, J.H. Lee(2010), Change in Healthcare Utilizations of Cancer Patients since the Launch of KTX, Journal of the Koreans Society for Railway, Vol.13(2);236-243.
    9. K.D. Park(2012), A Study on Regional Unbalance of Health Care Utilization – Focused on Space Dependency, The Korea Association for Policy Studies, Vol.21(3);388-415.
    10. A.G. Kang(2007), An analysis of the Equity in Health Service Utilization with the Regional Distribution of Health Care Resources, Korea Social Security Studies, Vol.23(2);189-219.
    11. S.C. Hwang, Y.H. Lee(1993), A Study on Bypassing the Regional Medical Facilities for the Utilization of In-patient Care Services in Other Health Services Districts, Korea Institute for Health and Social Affairs, Vol.13(1);1-18.
    12. Y.H. Oh(2008), A GIS-based Study of the Distribution of Major Health Manpower in Korea, Health·Welfare Policy Forum, pp.59-72.
    13. S.Y. Park, E.K. Jo, K.S. Lee(2014), How Were the Regional Health Care Resources Used Efficiently in Korea?, Korean Public Health Research, Vol.40(4);107-119.
    14. J.Y. Cho, K.S. Lee, H.S. Jeong(2014), Analysis on Healthcare Productivity Trend by Region Using Malmquist Productivity Index(2002-2011), The Korean Journal of Health Economics and Policy, Vol.20(1);63-86.
    15. C.K. Wei(2012), Chronological comparison on productivity for the assessment of the department of health - affiliated hospitals in Taiwan – application of malmquist productivity index, International journal of machine learning and computing, Vol.2(6);817-821.
    16. C.Y. Roh, C.S. Park, M.J. Moon(2011), Measuring economic performance of Colorado community hospitals using the malmquist productivity change index, International review of public administration, Vol.16(1);91-110.
    17. S.M Cha, K.S. Lee(2013), Analyzing the efficiency of Regional Medical Resource Use for Foreign Patient Care, The Korean Journal of Health Service Management, Vol.7(3);225-235.
    18. S. Nghiem, T. Coelli, S. Barber(2011), Sources of productivity growth in health services: A case study of queensland public hospitals, Economic analysis & policy, Vol.41(1);37-48.
    19. C.G. Shin(2006), An Analysis on the Efficiency and Productivity Changes of the National University Hospitals in the Republic of Korea, Korea Social Security Studies, Vol.22(4);49-783.
    20. D.H. Yang, Y.J. Chang(2011), Productivity Changes and Its Determinants of Regional Public Hospitals, Korean Journal of Bussiness Administration, Vol.24(6);3273-3293.
    21. D.H. Yang, Y.J. Chang(2013), An analysis on the change of the productivity and technology gap of Korean general hospital's with bootstrap meta Malmquist indices, The Korean Journal of Health Economics and Policy, Vol.19(4);29-51.
    22. S.J. Chang, H.C. Hsiao, L.H. Huang, H. Chang(2011), Taiwan quality indicator project and hospital productivity growth. Omega, Vol.39:14-22.
    23. D.W. Carves, L.R. Christesnsen, W.E. Diewert(1982), The economic theory of index numbers and the measurement of input, output and productivity, Econometrica, Vol.50(6):1393-1414.
    24. K.R. Yoo(2005), Measurement Methods and their Application of the Non-Radial Malmquist Productivity Index for Measuring the Productivity of the Public Sector, Korea Journal of Policy Analysis and Evaluation, Vol.15(2);99-125.
    25. M.H. Park(2008), Efficiency and Productivity Analysis, Korean Studies Information, pp.13-165.
    February 23, 2015
    March 30, 2015
    April 11, 2016
    downolad list view