Ⅰ. 서론
약 3년간에 걸친 COVID-19 유행기간 동안 전 담병원 역할을 맡았던 공공병원들이 경영정상화를 위해 노력하고 있다. COVID-19 유행기간 동안 정 부는 지역거점공공병원들을 비롯한 많은 의료기관 이 생존할 수 있도록 재정적으로 지원했다[1][2]. 따라서 그 시기에는 공공병원들의 의료외수익이 증가하여 전체적으로는 수익성이 좋아졌지만, 일반 환자 진료를 중단하고 코로나 환자를 주로 진료함 으로써 의료부문에서 어느 정도 수익성에 타격을 받았는지, 그리고 그러한 재무상태의 변화가 의료 인력 고용에는 어떻게 영향을 미쳤는지에 대한 실 증적인 연구는 여전히 부족한 편이다.
이번 연구를 진행하면서 고찰해 본 최근 국내외 연구 결과는 다음과 같다. 먼저, Yang[3]은 COVID-19 유행 전후 지방의료원의 수익성을 분석 하였다. 연구자료는 2016년부터 2021년까지 25개 지방의료원의 결산서였으며, COVID-19 유행기간 에 국가 및 지자체 지원금의 급속한 증가로 인해 COVID-19 유행 이전보다 수익성이 오히려 좋아졌 다고 하였다. Yang[3]은 동 논문에서 지방의료원은 우리나라 공공 보건의료의 중심에서 가장 중요한 역할을 하고 있기에, 국가 및 지자체의 적극적인 재정적, 행정적 지원이 필요하다고 하였다.
Rhodes et al.[4]은 COVID-19 유행 전후 기간인 2019년과 2020년 미국 4,059개 병원 패널 데이터를 분석한 결과, COVID-19 유행 이후 영업이익률이 평균 5.3% 포인트 감소했음을 확인하였다. 이렇게 병원의 수익성이 감소한 이유는 동 기간 중 의료 수익은 평균 3.2% 감소한 반면, 의료비용이 1.5% 증가한 데 있다고 하였다. 한편, COVID-19 유행으 로 인해 많은 사람들이 직장을 잃었음에도 불구하 고 자선진료비에는 변화가 없었다고 한다. 이들은 병원의 특성 중 소유권 유형(즉, 설립형태)에 따른 차이를 확인하였는데, 주목할 만한 점은 영리병원 이 비영리나 공공병원보다 수익성 측면에서 COVID-19의 영향을 덜 받았다는 것이다. 또한, 안 전망 병원과 농촌 지역 병원의 수익성이 다른 병 원들보다는 나쁘지 않았다고 하였다.
Wang et al.[5]은 2020 회계연도에 2,163개 미국 병원을 분석한 결과, 영업이익률이 상당히 감소한 것을 확인하였다. 그러나 전체적인 이익률은 지난 몇 년과 유사했으며, 정부, 농촌 및 소규모 병원은 오히려 COVID-19 유행 수년 전에 비해 전체적으 로 이익률이 더 높았다고 하였다. 이러한 결과는 COVID-19 구호 기금 지급이 COVID-19 유행기간 중 발생한 병원의 재정적 손실을 효과적으로 상쇄 시켰으며, 특히 재정적으로 취약한 정부, 농촌 및 소규모 병원의 손실이 상대적으로 적었음을 시사 한다.
Küçük[6]는 COVID-19 유행이 터키의 공공병원 에 미치는 재정적 영향을 평가하고 터키 정부의 대응에 대해 논의하였다[4]. 2019년 3월-12월과 2020년 3월-12월 사이 터키 공공병원의 의료 및 재 무 데이터를 비교 분석한 결과, 외래 환자 서비스 는 약 49% 감소했고, 입원은 35% 감소했다. 환자 수 감소로 인해 외래 환자 수입은 37.8% 감소했지 만, 입원환자 수입은 사회보장기관(Social Security Institution, SSI)의 지원 덕분에 6.3% 증가했다. 반 면 총 병원 비용은 COVID-19 관련 비용의 영향으 로 24% 증가했다고 하였다. Küçük[6]는 이 연구를 바탕으로 터키 공공병원의 자금 조달 측면에서 안 정성에 도움을 주기 위해서는 전향적인 총액예산 모형이 필요하다고 주장하였다.
Wang et al.[7]은 COVID-19 유행이 미국 캘리 포니아주의 병원 재정에 미친 영향을 분석하였다. 2019년 1분기와 2021년 2분기 사이에 캘리포니아 병원 348곳을 대상으로 한 횡단면 연구에서 병원 의 재무성과는 COVID-19 유행기간 동안 매우 다 양한 형태로 나타났다. 재정적 손실은 안전망 병원 에 집중되었고, 2020년 1분기와 2021년 2분기 사이 에 캘리포니아 안전망 병원 101곳에서 총 32억 달 러가 넘는 운영 손실이 발생했다. 이 연구에 따르 면 정부의 지원 프로그램은 캘리포니아주 병원, 특 히 안전망 병원의 COVID-19로 인한 재정적 피해 를 줄이는 데 상당한 역할을 하는 것으로 나타났 다.
위와 같이 COVID-19 유행으로 인한 병원의 재 무성과나 수익성에 관한 연구는 어느 정도 진행된 반면, 인력 고용에 대한 연구 결과는 드문 편이다. 기존 연구 중에서는 Zhao et al.[8]이 1995년부터 2000년까지 미국 지역사회병원의 재무상태 변화가 인력운영 결정에 미치는 영향을 평가했다. 그 결과 현금 흐름과 의료이익의 악화가 일부 간호인력의 감소로 이어졌지만, 전체 병원 인력 고용에 미치는 영향은 크지 않았다고 하였다.
한편, 국내 언론에서는 COVID-19 유행기간 동 안 공공병원에서 의료진의 이직이 증가했다고 보 도하였다[9][10]. COVID-19 유행기간 동안 의료진 들은 고위험 직군에 속하게 되면서 건강과 안전에 대한 우려가 더 커졌고, 그로 인해 일부 의료진들 은 본인과 가족의 안전을 고려하여 이직을 선택할 수 있었을 것이다. 근무 환경의 변화도 관련이 있 을 수 있다. 의료진들은 감염 예방을 위한 추가적 인 장비 착용, 업무 부담의 증가 등을 경험했을 것 이다. 이는 일시적으로나마 의료진의 직무스트레스 와 소진을 증가시켜 이직 의도를 증폭시켰을 수 있다[11][12]. 경제적 요인도 영향을 주었을 수 있 다. COVID-19 유행기간 동안 일부 의료진은 더 나은 조건을 제공하는 병원이나 시설로 이직할 수 있었을 것이다. 그러나 정부의 다양한 정책 시행이 공공병원에서의 의료진 근무 조건에 영향을 미쳤 을 가능성이 있다[13]. 공공병원의 인력 확보를 위 한 특별한 정책을 시행하거나, 의료진에 대한 추가 적인 지원을 제공하기도 했다. 따라서, 공공병원에 서 의료진의 이직이 증가하는 것은 특정 지역에서 일어난 현상일 수 있으며, 이는 다양한 요인들이 복합적으로 작용한 것이라고 설명할 수 있다.
COVID-19 유행기간 동안 공공병원에서 신규 인력 채용이 어려웠을 가능성이 있다. 의료진이 추 가 근무를 해야 했거나, 비상근무 시간이 확대되었 을 가능성이 있다. 이러한 상황은 근로 부담을 증 가시켜 신규 인력 모집을 어렵게 만들었을 수 있 다. 근무 환경의 변화와 안전 문제, 예를 들어, 추 가적인 감염 예방 조치, 개인 보호 장비의 착용, 업무 부담 증가 등이 신규 인력에게는 어려운 조 건으로 다가왔을 가능성이 있다. COVID-19 유행 은 지역의 경제에 부담을 주어 공공병원의 재정 상황에도 영향을 미쳤을 가능성이 있으며, 이로 인 해 신규 인력을 모집하는 데 필요한 자원이 충분 하지 않았을 수 있다. 의료기관이 COVID-19 유행 에 대응하기 위해 신속하게 충분한 교육을 제공하 고, 새로운 인프라를 구축하는 것도 어려웠을 수 있다. 이는 신규 인력이 필요한 경우 그들의 교육 과 준비 시간이 부족하게 만들 수 있었다[14].
이러한 배경과 최근 문헌을 바탕으로 COVID-19 유행기간 동안 공공병원의 수익성 변화 뿐만 아니 라 고용의 변화를 평가하는 것이 필요하다고 판단 했다. 이에 본 연구에서는 2019년 12월 말 중국 우 한에서 COVID-19가 보고된 이후[15] 본격적으로 COVID-19가 유행한 2020년도를 기준으로 COVID-19 유행 전(2018년도-2019년도)과 후(2020년도-2022년도) 의 지역거점공공병원의 수익성과 고용 현황을 패널 자료를 통해 분석하여 대규모 감염병의 유행이 수 익성에 미친 영향과 인력 운용 현황을 실증적으로 확인해 보고, 전국적으로 산재한 공공병원의 소재지 에 따라 그 정도에 차이가 있는지를 보고자 하였다.
Ⅱ. 연구방법
1. 연구대상 및 자료수집
본 연구는 전국 지역거점공공병원 41개소 중 관 련 데이터가 부재한 5개소(충주, 군산, 순천, 마산, 통영적십자의료원)와 연구기간 중 개원한 1개소(성 남의료원)을 제외한 35개소를 대상으로 2018년도부 터 2022년도까지의 결산서 및 보건복지부 지역거 점공공병원 알리미 웹사이트에서 제공하는 자료를 사용하였다. 따라서 동 자료에서 35개 병원의 5년 치 자료를 아래 변수들에 대해 추출하였다.
2. 변수의 정의
이 연구는 COVID-19 유행이 수익성에 미친 영 향과 인력 고용 현황을 실증적으로 확인하기 위해 전국 지역거점공공병원의 특성과 2018년도부터 2022년도까지의 재무현황, 인력 관련 변수를 다음 과 같이 선정하였다.
1) 종속변수
수익성에 관해 판별력이 높은 종속변수로 많은 연구에서는 의료수익의료이익률, 의료수익순이익률 과 총자본의료이익률 등을 이용하고 있다. 의료이 익률은 의료이익(의료수익-의료비용)을 의료수익(매 출액)으로 나눈 수치로 주요 사업의 효율성이 얼마 나 좋은지를 파악할 수 있는 지표이다. 의료수익에 서 사업에서 남긴 의료이익이 얼마의 비중을 차지 하고 있는지를 파악할 수 있어 수익성 측면에서 병원의 주요 활동이 얼마나 효율적으로 운영되고 있는지를 알 수 있다. 본 연구에서는 2018-2019년 도과 2020-2022년도의 지역거점공공병원의 수익성 및 인력 고용 현황을 비교하기 위해 의료수익, 의 료비용, 의료이익, 의료수익의료이익률, 100병상당 의사 수, 100병상당 간호사 수, 100병상당 보건직 원 수, 100병상당 행정직원 수, 100병상당 신규직 원채용 수를 사용하였다. 또한, 의사 평균 보수는 의료기관의 재정 상태와 고용 안정성에 중요한 영 향을 미치기 때문에 의사 평균 봉급을 종속변수로 사용하였다[16].
2) 독립변수
이 연구의 주요 독립변수는 COVID-19 유행 전 후를 구분하는 더미변수이다. 즉, 본격적으로 COVID-19가 유행하기 전인 2018년도와 2019년도 를 ‘0’으로, COVID-19가 유행한 2020년도부터 2022년도까지를 ‘1’로 코딩한 변수이다. 또, COVID-19의 영향이 지역별로 다르게 나타날 수 있다는 가정하에 COVID-19 유행 전후 더미변수와 지역 구분 더미변수를 곱한 상호작용 더미 (interaction dummy)변수도 주요 변수 중 하나로 선정하였다.
3) 통제변수
선행연구에 따라 의료기관의 수익성과 고용에 영향을 미칠 수 있는 지역거점공공병원의 일반적 특성인 소재지와 의료기관 종별, 응급의료기관 종 별, 수련병원 여부, 병상규모를 본 연구에서 통제 변수로 설정하였다[17]. 소재지는 수도권, 광역시 및 특별자치도, 그 외 지역으로 구분하였다. 의료 기관 종별은 종합병원과 병원으로, 응급의료기관은 권역응급의료센터, 지역응급의료센터, 지역응급의 료기관, 비지정으로 구분하였다. 수련병원은 인턴 및 레지던트 수련, 인턴 수련, 비수련 병원으로 구 분하였다. 병상규모는 100병상 미만, 100병상 이상 250병상 미만, 250병상 이상 300병상 미만, 300병 상 이상으로 구분하였다.
3. 분석방법
본 연구에서는 보건복지부 지역거점공공병원 알 리미 웹사이트에서 35개의 지역거점공공병원 결산 자료를 SAS 9.4 (SAS Institute, Cary, NC, USA) 소프트웨어를 이용하여 유의수준 5%를 기준으로 통계적 유의성 여부를 판단하였으며 다음과 같이 분석하였다.
첫째, 지역거점공공병원의 일반적 특성과 COVID-19 유행기간 전후의 수익성과 인력 고용 현황을 파악하기 위해 빈도분석을 실시하였다. 둘 째, 수익성과 고용 관련 변수의 차이를 COVID-19 유행기간 전후 구분하여 paired t-test를 실시하였 다. 셋째, COVID-19 유행과 지역의 상호작용이 병 원의 기타 특성을 감안한 상태에서 수익성과 고용 에 미치는 영향을 알아보기 위해 일반화추정방정 식(generalized estimating equations)을 실시하였 다. 수익성 변수 4개와 고용 관련 변수 6개를 종속 변수로 하여 총 10번의 회귀분석을 하였다.
Ⅲ. 연구결과
1. 연구대상의 특성
본 연구의 대상인 지역거점공공병원 35개소의 2022년 12월 말 기준 일반적 특성을 빈도분석 한 결과는 <Table 1>과 같다.
<Table 1>
Variable | n | % |
---|---|---|
|
||
Hospital location | ||
Capital Region | 10 | 28.57 |
Metropolitan and territories | 4 | 11.43 |
Other regions | 21 | 60.00 |
Hospital level | ||
Hospital | 6 | 17.14 |
General hospital | 29 | 82.86 |
Emergency medical institution | ||
Regional Emergency Medical Center | 1 | 2.86 |
Local Emergency Medical Centers | 4 | 11.43 |
Local Emergency Medical Agency | 29 | 82.86 |
None | 1 | 2.86 |
Teaching hospital | ||
Intern and resident training | 6 | 17.14 |
Intern training | 12 | 34.29 |
None | 17 | 48.57 |
Number of Beds | ||
<100 | 3 | 8.57 |
<250 | 16 | 45.71 |
<300 | 10 | 28.57 |
>=300 | 6 | 17.14 |
※ Seongnamsi Medical Center opened in 2019, and Chungju, Gunsan, Suncheon, Masan, and Tongyeong Red Cross Medical Center were excluded from the analysis due to missing data
소재지별로 수도권 10개소(28.57%), 광역시 4개 소(11.43%), 그 외 지역 21개소(60.00%)이다. 의료 기관 종별로 구분하면 종합병원 29개소(82.86%), 병원 6개소(17.14%)이다. 응급의료기관 종별은 지 역응급의료기관이 29개소(82.86%)로 가장 많고, 지 역응급의료센터 4개소(11.43%), 권역응급의료센터 및 비지정 기관이 각각 1개소(2.86%) 순이다. 수련 병원 여부에 대해서는 비수련병원이 17개소 (48.57%)로 절반 가까이 되고, 인턴 수련병원 12개 소(34.29%), 인턴 및 레지던트 수련병원 6개소 (17.14%)로 적은 편이다. 규모 면에서 100병상 이상 250병상 미만에 해당되는 병원이 16개소(45.71%), 250병상 이상 300병상 미만인 기관이 10개소 (28.57%), 300병상 이상인 병원이 6개소(17.14%), 100병상 미만은 3개소(8.57%)이다.
위와 같이 분석 대상 기관의 특성을 분석한 후 에 COVID-19 유행 전후 지역거점공공병원의 수익 성과 고용 관련 변수(이 연구의 종속변수)에 대해 기술통계 분석한 결과는 <Table 2>와 같다.
<Table 2>
Variable | Before COVID-19 (2018-2019) | After COVID-19 (2020-2022) | ||
---|---|---|---|---|
|
||||
M | SD | M | SD | |
|
||||
Patient revenue | 29,398,715 | 22,475,437 | 26,030,924 | 16,570,128 |
Patient expenses | 33,349,137 | 25,264,581 | 38,884,227 | 28,661,900 |
Operating profit(loss) | -3,950,232 | 3,564,249 | -12,853,302 | 13,076,416 |
Operating Margin | -17.19 | 13.88 | -48.86 | 24.46 |
Number of doctors per 100 beds | 15.76 | 10.62 | 15.17 | 11.38 |
Number of nurses per 100 beds | 55.17 | 16.29 | 70.59 | 17.74 |
Number of healthworkers per 100 beds | 14.58 | 5.88 | 19.98 | 5.75 |
Number of administrators per 100 beds | 18.05 | 12.41 | 16.80 | 6.69 |
Number of new employee per 100 beds | 34.76 | 24.76 | 32.67 | 25.16 |
Average physician salary | 233.47 | 34.94 | 232.92 | 37.20 |
Note. COVID-19 = coronavirus disease 2019.
평균적으로 의료수익은 COVID-19 유행 전 약 294억원에서 COVID-19 유행 후 약 260억원으로 전체적으로 감소한 반면, 의료비용은 약 333억원에 서 약 389억원으로 증가했다. 따라서 의료손실은 약 40억원에서 129억원으로 더 커졌고, 의료수익의 료이익률도 –17%에서 –49%로 크게 감소하였다. 고용 관련 변수 중 100병상당 의사 수는 거의 변 화가 없었던 반면, 간호사 수는 평균적으로 약 15 명 가량 늘었고, 신규 인력은 소폭 감소했다. 의사 봉급은 거의 변화가 없었다.
2. COVID-19 유행기간 전후 수익성과 고용 차 이
지역거점공공병원의 특성과 COVID-19 유행기 간 전후의 수익성과 고용 차이를 paired t-test로 분석한 결과는 <Table 3>과 같다.
<Table 3>
Variable | Patient revenue | Patient expenses | Operating profit(loss) | Operating Margin | ||||||||
|
|
|
|
|||||||||
Before COVID-19 | After COVID-19 | t | Before COVID-19 | After COVID-19 | t | Before COVID-19 | After COVID-19 | t | Before COVID-19 | After COVID-19 | t | |
|
||||||||||||
Hospital location | ||||||||||||
Capital Region | 36,290,109 | 28,400,706 | 2.436* | 42,362,671 | 48,823,786 | -2.711* | -6,072,562 | -20,423,080 | 2.927* | -17.68 | -71.99 | 7.933*** |
Metropolitan and territories | 38,956,623 | 37,011,909 | .387 | 44,670,676 | 52,472,789 | -8.203** | -5,714,053 | -15,460,880 | 1.661 | -18.30 | -35.58 | .975 |
Other regions | 24,296,545 | 22,810,840 | 1.273 | 26,900,494 | 31,562,806 | -7.688*** | -2,603,633 | -8,751,965 | 6.012*** | -16.75 | -40.38 | 6.089*** |
Hospital level | ||||||||||||
Hospital | 10,918,604 | 12,825,036 | -1.350 | 14,337,073 | 16,780,949 | -3.630* | -3,418,468 | -3,955,913 | .617 | -34.83 | -38.39 | .482 |
General hospital | 33,222,186 | 28,763,177 | 2.958** | 37,282,667 | 43,457,319 | -6.961*** | -4,060,252 | -14,694,142 | 5.584*** | -13.54 | -51.03 | 8.946*** |
Emergency medical institution | ||||||||||||
Regional Emergency Medical Center | 133,300,093 | 100,466,411 | - | 154,289,674 | 178,906,923 | - | -20,989,581 | -78,440,511 | - | -15.75 | -78.08 | - |
Local Emergency Medical Centers | 29,129,619 | 24,891,133 | 1.589 | 32,346,647 | 35,343,965 | -1.476 | -3,217,027 | -10,452,832 | 3.978* | -11.88 | -42.88 | 4.806* |
Local Emergency Medical Agency | 26,460,242 | 23,815,142 | 2.395* | 29,933,060 | 35,174,074 | -8.930*** | -3,472,589 | -11,358,931 | 7.561*** | -17.48 | -50.33 | 7.332*** |
None | 11,789,440 | 20,412,278 | - | 15,484,804 | 20,617,014 | - | -3,695,364 | -204,737 | - | -31.34 | -1.00 | - |
Teaching hospital | ||||||||||||
Intern and resident training | 57,807,149 | 45,375,617 | 2.744* | 65,503,811 | 74,366,877 | -2.547* | -7,696,662 | -28,991,260 | 2.810* | -13.11 | -61.43 | 8.102*** |
Intern training | 32,073,879 | 28,279,755 | 2.115 | 35,510,980 | 40,622,693 | -5.642*** | -3,437,101 | -12,342,937 | 7.314*** | -11.12 | -46.67 | 5.814*** |
None | 17,483,858 | 17,615,975 | -.114 | 20,474,421 | 25,133,786 | -5.918*** | -2,990,173 | -7,517,811 | 4.244*** | -22.91 | -45.98 | 3.400** |
Number of Beds | ||||||||||||
<100 | 9,476,091 | 10,564,548 | -1.770 | 13,247,389 | 15,348,898 | -2.435 | -3,771,297 | -4,784,349 | 1.785 | -44.72 | -51.67 | 1.882 |
<250 | 19,694,988 | 18,590,026 | .765 | 22,786,715 | 27,508,953 | -5.928*** | -3,091,727 | -8,918,927 | 5.037*** | -18.69 | -50.21 | 3.944*** |
<300 | 30,699,280 | 27,631,597 | 1.823 | 33,283,403 | 38,559,717 | -4.780*** | -2,583,459 | -10,928,119 | 8.415*** | -8.46 | -41.51 | 6.542*** |
>=300 | 63,069,023 | 50,938,718 | 2.435 | 71,676,025 | 81,526,804 | -3.131* | -8,607,002 | -30,588,085 | 2.924* | -13.99 | -56.12 | 6.158** |
|
||||||||||||
Variable | Number of doctors per 100 beds | Number of nurses per 100 beds | Number of healthworkers per 100 beds | Number of administrators per 100 beds | ||||||||
|
|
|
|
|||||||||
Before COVID-19 | After COVID-19 | t | Before COVID-19 | After COVID-19 | t | Before COVID-19 | After COVID-19 | t | Before COVID-19 | After COVID-19 | t | |
|
||||||||||||
Hospital location | ||||||||||||
Capital Region | 19.54 | 12.03 | 2.516* | 59.99 | 80.78 | -4.769*** | 12.11 | 22.29 | -3.410** | 14.79 | 18.78 | -3.842 |
Metropolitan and territories | 12.30 | 7.70 | 1.118 | 57.15 | 64.69 | -1.453 | 13.97 | 17.76 | -11.734** | 14.90 | 12.82 | .663 |
Other regions | 14.62 | 18.09 | -1.196 | 52.50 | 66.86 | -8.433*** | 15.88 | 19.29 | -5.112*** | 20.21 | 16.61 | 1.525** |
Hospital level | ||||||||||||
Hospital | 27.15 | 29.12 | -.282 | 55.85 | 67.60 | -3.918** | 15.77 | 18.80 | -16.495*** | 25.98 | 19.23 | 1.879 |
General hospital | 13.40 | 12.29 | .507 | 55.03 | 71.21 | -7.856*** | 14.34 | 20.22 | -4.703*** | 16.41 | 16.30 | .068 |
Emergency medical institution | ||||||||||||
Regional Emergency Medical Center | 22.75 | 5.39 | - | 93.51 | 117.15 | - | 21.30 | 28.80 | - | 20.38 | 24.78 | - |
Local Emergency Medical Centers | 18.13 | 13.01 | 1.320 | 62.67 | 70.75 | -1.703 | 14.52 | 15.22 | -.378 | 13.36 | 13.22 | .681 |
Local Emergency Medical Agency | 14.68 | 15.86 | -.499 | 53.10 | 69.55 | -8.341*** | 14.38 | 20.42 | -5.052*** | 18.48 | 17.21 | .167 |
None | 30.54 | 13.63 | - | 46.80 | 53.69 | - | 14.04 | 17.24 | - | 22.17 | 11.17 | - |
Teaching hospital | ||||||||||||
Intern and resident training | 9.71 | 13.62 | -.491 | 62.00 | 80.69 | -2.662* | 17.79 | 20.76 | -2.009 | 17.45 | 17.19 | .084 |
Intern training | 12.51 | 11.54 | .353 | 60.29 | 71.64 | -4.189** | 15.09 | 19.87 | -2.174 | 17.04 | 16.70 | .144 |
None | 20.18 | 18.28 | .640 | 49.14 | 66.29 | -8.720*** | 13.10 | 19.78 | -4.737*** | 18.97 | 16.73 | .855 |
Number of Beds | ||||||||||||
<100 | 29.41 | 43.19 | -1.837 | 71.02 | 84.71 | -2.198 | 19.78 | 22.84 | -8.538* | 35.95 | 24.37 | 2.621 |
<250 | 20.40 | 13.32 | 2.982** | 51.44 | 69.04 | -9.125*** | 12.45 | 20.57 | -3.995** | 18.61 | 17.89 | .253 |
<300 | 8.41 | 13.54 | -1.265 | 52.37 | 65.73 | -4.879*** | 15.42 | 18.12 | -3.014* | 14.60 | 13.17 | .649 |
>=300 | 8.81 | 8.81 | .002 | 61.85 | 75.76 | -1.762 | 16.28 | 20.05 | -4.134** | 13.36 | 16.14 | -2.396 |
|
||||||||||||
Variable | Number of new employee per 100 beds | Average physician salary | ||||||||||
|
|
|||||||||||
Before COVID-19 | After COVID-19 | t | Before COVID-19 | After COVID-19 | t | |||||||
|
||||||||||||
Hospital location | ||||||||||||
Capital Region | 43.73 | 24.46 | 2.186 | 215.60 | 219.57 | -.334 | ||||||
Metropolitan and territories | 25.21 | 18.56 | .767 | 215.00 | 197.67 | 1.190 | ||||||
Other regions | 32.31 | 39.26 | -1.215 | 245.50 | 246.00 | -.046 | ||||||
Hospital level | ||||||||||||
Hospital | 55.85 | 62.89 | -.503 | 246.50 | 222.89 | 1.036 | ||||||
General hospital | 30.40 | 26.41 | .805 | 230.78 | 235.00 | -.552 | ||||||
Emergency medical institution | ||||||||||||
Regional Emergency Medical Center | 42.90 | 7.94 | - | 164.00 | 150.00 | - | ||||||
Local Emergency Medical Centers | 36.01 | 26.26 | 1.531 | 238.88 | 254.92 | -.929 | ||||||
Local Emergency Medical Agency | 33.20 | 34.28 | -.201 | 235.74 | 234.66 | .126 | ||||||
None | 67.00 | 36.29 | - | 215.50 | 177.67 | - | ||||||
Teaching hospital | ||||||||||||
Intern and resident training | 22.93 | 29.65 | -.405 | 235.92 | 222.44 | .729 | ||||||
Intern training | 26.73 | 23.54 | .860 | 230.54 | 238.58 | -.646 | ||||||
None | 44.61 | 40.18 | .583 | 234.68 | 232.63 | .182 | ||||||
Number of Beds | ||||||||||||
<100 | 64.77 | 95.09 | -1.730 | 245.00 | 229.33 | .316 | ||||||
<250 | 43.98 | 31.21 | 1.973 | 230.31 | 233.29 | -.271 | ||||||
<300 | 19.94 | 26.84 | -.773 | 242.70 | 251.77 | -.758 | ||||||
>=300 | 19.89 | 15.07 | .679 | 220.75 | 202.33 | 1.242 |
Note. COVID-19 = coronavirus disease 2019.
* p <.05; ** p <0.01; *** p <0.001.
수익성 관련 변수인 의료수익은 COVID-19 유 행 후 대체로 감소하였고, 그 중 지역거점공공병원 이 수도권에 위치할 때, 종합병원, 지역응급의료기 관, 인턴과 전공의 수련병원일 때 의료수익 감소가 통계적으로 유의하게 나타났다. 반면, 의료비용은 COVID-19 유행 후 대체로 늘었고, 그중에서도 광 역시, 종합병원, 지역응급의료기관, 인턴과 전공의 수련병원, 병상규모가 큰 병원일 때 의료비용 증가 가 유의하게 나타났다. 그 결과, 의료이익은 감소 하였고, 수도권, 종합병원, 지역응급의료기관, 인턴 과 전공의 수련병원, 병상규모가 큰 병원일 때 의 료이익 감소가 유의하게 나타났다. 의료수익의료이 익률 역시 마찬가지 결과를 보여준다.
고용 관련 변수 중 100병상당 의사 수는 수도권 지역 병원, 100-250병상 규모의 병원에서 유의하게 감소하였다. 100병상당 간호사 수는 대체로 증가하 였는데, 증가폭은 수도권 지역 병원, 인턴과 전공 의 수련병원에서 컸다. 100-250병상 규모의 병원에 서 유의하게 감소하였다. 100병상당 보건직원 수는 수도권, 광역시 및 특별시, 그리고 기타 지역에 위 치한 병원에서 유의하게 증가하였다. 이 증가는 종합병원 및 일반 병원에서도 나타났으며, 지역응 급의료기관 및 비수련병원에서도 병상 규모와 관 계없이 100병상당 보건직원 수가 유의하게 증가하 였다. 100병상당 행정직원 수는 기타 지역에 위치 한 병원에서 유의하게 감소하였다. 100병상당 신규 직원채용 수와 의사 봉급의 유의한 차이는 없었다.
3. COVID-19이 지역거점공공병원 수익성과 고 용에 미친 영향
COVID-19 유행이 지역거점공공병원의 수익성 과 고용에 영향을 미친 영향을 분석하기 위해 다 중회귀분석을 실시한 결과는 <Table 4>와 같다.
<Table 4>
Variable | Patient revenue | Patient expenses | Operating profit(loss) | Operating Margin | ||
|
||||||
COVID-19 Pandemic | ||||||
Before | ref | ref | ref | ref | ||
After | -2,877,171** | 1,851,697*** | -6,047,096*** | -26.168*** | ||
After COVID-19 x Hospital location | ||||||
Other regions | ref | ref | ref | ref | ||
Metropolitan and territories | -1,483,567 | 1,552,177** | -4,249,664 | 6.343 | ||
Capital Region | -7,855,028* | -454,738 | -8,910,082 | -38.736*** | ||
Hospital location | ||||||
Other regions | ref | ref | ref | ref | ||
Metropolitan and territories | 6,749,318 | 9,564,779** | -2,181,702 | -17.445 | ||
Capital Region | 3,181,028 | 2,849,069 | 1,096,568 | -2.957 | ||
Hospital level | ||||||
Hospital | ref | ref | ref | ref | ||
General hospital | 8,483,335*** | 11,303,064*** | -3,079,103** | -2.021 | ||
Emergency medical institution | ||||||
None | ref | ref | ref | ref | ||
Local Emergency Medical Agency | 372,375 | 4,628,049 | -4,165,811** | -29.950*** | ||
Local Emergency Medical Centers | 3,157,632 | 6,288,991** | -2,799,929** | -15.223* | ||
Regional Emergency Medical Center | 74,824,950*** | 116,520,000*** | -41,080,000*** | -29.824** | ||
Teaching hospital | ||||||
None | ref | ref | ref | ref | ||
Intern training | 2,730,223 | 3,928,882 | -1,166,396 | -3.184 | ||
Intern and resident training | 2,101,546 | 5,134,571 | -2,972,486 | -9.548 | ||
Number of Beds | ||||||
<100 | ref | ref | ref | ref | ||
<250 | 1,518,126 | -903,673 | 2,590,885* | 19.770* | ||
<300 | 7,400,668* | 5,588,042 | 2,027,491 | 26.029* | ||
>=300 | 21,343,912*** | 23,956,224*** | -2,169,008 | 31.017* | ||
|
||||||
Variable | Number of doctors per 100 beds | Number of nurses per 100 beds | Number of healthworkers per 100 beds | Number of administrators per 100 beds | Number of new employee per 100 beds | Average physician salary |
|
||||||
COVID-19 Pandemic | ||||||
Before | ref | ref | ref | ref | ref | ref |
After | 1.255 | 1.177*** | .135*** | -.236* | 1.207 | -8.325 |
After COVID-19 x Hospital location | ||||||
Other regions | ref | ref | ref | ref | ref | ref |
Metropolitan and territories | .534** | .936 | .0512 | .0741 | .656* | -8.552 |
Capital Region | .488*** | 1.052 | .363 | .452** | .471** | 13.015 |
Hospital location | ||||||
Other regions | ref | ref | ref | ref | ref | ref |
Metropolitan and territories | 1.210 | 1.251** | .0815 | .0681 | 1.407 | -38.304*** |
Capital Region | 1.427 | 1.096 | -.247 | -.514*** | 1.389 | -28.913* |
Hospital level | ||||||
Hospital | ref | ref | ref | ref | ref | ref |
General hospital | .745 | 1.276* | .177 | .451 | .886 | -10.322 |
Emergency medical institution | ||||||
None | ref | ref | ref | ref | ref | ref |
Local Emergency Medical Agency | 1.161 | 1.254 | .165 | .0292 | 1.370 | 4.518 |
Local Emergency Medical Centers | 1.165 | 1.261 | -.0684 | -.275 | 1.191 | 24.271** |
Regional Emergency Medical Center | 1.557 | 2.051*** | .554*** | .666 | 1.707 | -67.025*** |
Teaching hospital | ||||||
None | ref | ref | ref | ref | ref | ref |
Intern training | 1.017 | 1.207* | .163* | .264* | .977 | 6.176 |
Intern and resident training | 1.524 | 1.280* | .314*** | .669*** | 2.097* | 22.321* |
Number of Beds | ||||||
<100 | ref | ref | ref | ref | ref | ref |
<250 | .603* | .603*** | -.433** | -.595* | .559* | 7.235 |
<300 | .397*** | .521*** | -.559*** | -1.242*** | .300*** | 16.229 |
>=300 | .246*** | .474*** | -.744*** | -1.560*** | .136*** | -.514 |
Note. COVID-19 = coronavirus disease 2019; ref = reference.
* p <.05; ** p <0.01; *** p <0.001.
먼저, 의료수익을 종속변수로 한 회귀분석 결과, COVID-19 더미변수 및 COVID-19와 수도권의 상 호작용 더미변수가 유의한 음의 값을 보였다. 이는 COVID-19가 전체적으로 지역거점공공병원의 의료 수익을 감소시켰고, 특히, 기타 지역 대비 수도권 소재 기관에 미친 영향이 컸다는 것을 의미한다.
의료비용을 종속변수로 한 결과에서는 COVID-19 더미변수, COVID-19와 광역시의 상호작용 더미변수 가 유의한 양의 값을 보였다. 이는 COVID-19가 전 체적으로 의료비용을 증가시켰고, 그 중에도 기타 지역 보다는 광역시 소재 기관들을 중심으로 유의 하게 증가했음을 뜻한다.
의료이익에 대한 회귀분석 결과에서는 COVID-19 더미변수가 유의한 음의 값을 보였으나, COVID-19 와 지역의 상호작용 더미변수는 유의하지 않았다. 따라서 COVID-19가 전체적으로 의료이익을 감소시 켰으나, 지역 간 유의한 차이는 없었다고 볼 수 있 다.
한편, 의료수익의료이익률에 대한 분석 결과에 서는 COVID-19 더미변수, COVID-19와 수도권의 상호작용 더미변수가 유의한 음의 값을 보였다. 이 는 COVID-19가 전체적으로 의료수익의료이익률을 감소시켰고, 그 중에도 기타 지역 대비 수도권 소 재 기관에 유의하게 영향을 미쳤음을 의미한다.
100병상당 의사 수를 종속변수로 한 회귀분석 결과, COVID-19 더미변수는 유의하지 않았고, COVID-19와 수도권, 광역시의 상호작용 더미변수 가 유의한 양의 값을 보였다. 이는 COVID-19가 전체적으로 의사 수 변화에는 유의한 영향이 없었 으나, 기타 지역 대비 수도권과 광역시 소재 기관 의 의사 수가 다소 증가하였다는 것을 의미한다.
100병상당 간호사 수에 대해 회귀분석 결과, COVID-19 더미변수가 유의한 양의 값을 보였고, COVID-19와 지역의 상호작용 더미변수는 유의하 지 않았다. 이는 COVID-19가 전체적으로 간호사 고용을 늘리는 데 영향을 주었으나, 지역과의 상호 작용은 유의하지 않았음을 의미한다.
100병상당 보건직원 수에 대해 회귀분석 결과, COVID-19 더미변수가 유의한 양의 값을 보였고, COVID-19와 지역의 상호작용 더미변수는 유의하 지 않았다. 이는 COVID-19가 전체적으로 보건직 원 고용을 늘리는 데 영향을 주었으나, 지역과의 상호작용은 유의하지 않았음을 의미한다.
100병상당 행정직원 수에 대해 회귀분석 결과, COVID-19 더미변수가 유의한 음의 값을 보였으 나, COVID-19와 수도권의 상호작용 더미변수는 유의한 음의 값을 보였다. 이는 COVID-19가 전체 적으로 행정직원 고용을 줄이는 데 영향을 주었으 나, 기타 지역 대비 수도권 소재 기관에는 행정직 원 고용을 늘리는 데 영향을 미쳤음을 의미한다.
100병상당 신규직원채용 수를 종속변수로 한 회 귀분석 결과에서는 COVID-19 더미변수가 유의하 지 않았으나, COVID-19와 수도권, 광역시 지역의 상호작용 더미변수는 유의하였다. 이는 COVID-19 이후 기타 지역에 비해서 수도권, 광역시 병원의 신규직원수채용 수가 다소 늘었음을 의미한다.
한편, 의사 봉급이 종속변수인 회귀분석에서 COVID-19 더미변수, COVID-19와 지역의 상호작용 더미변수 모두 유의하지 않았다. 이는 COVID-19가 전체적으로 의사 봉급에는 유의한 영향을 미치지 않았음을 의미한다.
Ⅳ. 고찰
본 연구는 코로나가 유행하지 않았던 2018-2019 년도 지역거점공공병원의 수익성과 고용 현황을 본격적으로 코로나가 유행한 2020년부터 2022년까 지의 상황과 비교해 보고, 코로나 대유행이 병원의 수익성과 인력 고용에 어떠한 영향을 주었는지에 대해 분석하고자 수행되었다.
이 연구에서 파악한 결과에 대해 다음과 같이 고 찰해 보았다. 첫째, 지역거점공공병원은 COVID-19 전에도 의료부문에서 수익성이 좋지 않았으나, COVID-19 유행 후 의료수익 감소와 의료비용 증가 로 인해 의료이익이 더욱 감소하고, 그에 따라 의료 수익의료이익률도 더 큰 폭으로 낮아졌다. 이러한 결과는 어느 정도 예상했던 것이며, 선행연구들과 도 일치한다[4][5][6][7]. 일반환자 진료를 대폭 줄 이거나 COVID-19 환자를 전담으로 진료하는 역할 을 하다보니, 전체적으로 진료실적이 줄거나 환자 중증도가 낮아져서 환자 진료를 통한 수익은 줄어 들게 되었을 것이다[18]. 한편, 인건비, 재료비, 관 리비 등 각종 의료비용은 더 늘어나게 되어 의료 부문에서의 손실 또한 크게 발생한 것으로 보인다 [19]. COVID-19 전에도 대부분의 공공병원들은 대 체로 적자에 허덕여 왔다[20][21]. 거기에다 코로나 에 대응하기 위해 시설과 장비를 보강하고, 인력을 확충하느라 들어간 비용이 만만치 않았을 것이다 [22]. 병원 운영 제한, 즉 COVID-19 확산 방지를 위해 방문객 제한, 선택적 수술 연기, 외래 환자 감소 등의 운영 제한을 받았고, 이는 수익 감소로 이어졌을 수 있다. COVID-19 유행기간 동안 의료 인력의 병가 및 격리로 인해 인력 부족 문제를 겪 음으로 인해 추가 인력 고용과 초과 근무 수당 지 급이 필요해 비용이 증가했을 것으로 보인다.
둘째, COVID-19 유행의 영향이 소재지별로 달 랐다. 특히, 수도권 소재 기관에 미치는 영향이 컸 다. 이는 소재지에 따라 의료수익의료이익률에 차 이가 있었다는 최근 연구와 유사하다[3]. 다만, 기 존 연구가 이용한 데이터와 소재지에 대한 분류기 준이 다소 차이가 있을 수 있다. 한편, 국외 연구 에서도 COVID-19 유행이 병원의 재무성과에 미친 영향이 지역별로 달랐다고 보고했기 때문에 이번 연구 결과와 유사하다고 볼 수 있다[4][5].
COVID-19 유행 시기에 대도시 병원의 수익성 이 농촌이나 중소도시 병원보다 더 안 좋았던 이 유는 다음과 같이 설명해 볼 수 있다. 먼저, 환자 구성의 변화가 그 이유가 될 수 있다. 대도시 소재 병원들은 COVID-19 환자를 더 많이 받아야 했을 것이고, 따라서 더 많은 자원을 투입해야 했을 것 이다. 중환자실 점유율은 올라가고, 긴급하지 않은 수술과 진료는 연기되면서 일반 진료 수익은 감소 했을 것이다[23]. 고정비용 증가도 이유가 될 수 있 다. 대도시 소재 병원은 상대적으로 규모가 크기 때 문에 운영비용이 많이 든다. COVID-19 유행기간 동 안 개인 보호 장비(personal protective equipment, PPE), 의료 장비, 인력 등에 추가 비용이 발생하면 서 재정 부담이 증가했을 것이다[24]. 응급 상황 대 응 역시 비용 증가에 기여했을 것으로 보인다. 대도 시 병원은 팬데믹 동안 응급 상황에 대비하기 위해 병상과 인력을 유지해야 했고, 이로 인해 일반적인 수익 창출 활동이 제한되었을 것이다. 경쟁도 영향 을 주었을 수 있다. 대도시 병원은 더 많은 의료서 비스 제공자와 경쟁해야 하는 상황에서 전담병원 역할을 수행하게 되면 환자 수 감소로 이어질 수 있다. 이러한 요인들이 복합적으로 작용하면서 수 도권과 대도시 소재 병원의 수익성이 팬데믹 동안 더 나빠졌을 수 있다.
고용에 미친 영향에 대한 결과 역시 주목할 만 하다. COVID-19 환자를 대부분 진료하게 되면 해 당 환자 진료와 다소 거리가 먼 의료진의 경우 역 할이 줄어들어서 다른 기관으로 이직하려고 할 수 있다[25]. 그러나 의사 수가 크게 줄어들지 않았다 는 것은 일부 의사의 이직이 있어도 새로 의사를 채용했거나, 우려와 달리 의사의 사직이나 이직이 대규모로 발생하지는 않았다고 볼 수 있다[26]. 반 대로, 대폭 증가한 입원환자 간호와 그 외 감염병 대응에 필요한 추가적인 업무를 감당하기 위해 간 호인력은 더 투입된 것으로 나타났다[27]. 간호사 가 소재지에 따라 유의한 차이가 발생하지 않은 이유는, 대도시의 대형병원은 COVID-19 유행기간 동안 중증 환자 치료와 감염병 관리에 대응하기 위해 신속하게 간호인력을 확충할 수 있었던 반면, 지방 병원은 재정적 제약과 열악한 근무 환경 개 선의 어려움으로 인해 동일한 수준의 간호사 채용 이 이루어지지 못한 것에서 기인할 수 있다[28].
전체 직원에 대하여 신규채용이 줄었을 것이라 는 예상과는 달리 지역거점공공병원의 COVID-19 유행 후 시기에도 해당 지표에는 크게 영향이 없 었다. 병원의 재정상황이 안 좋아도 직원들을 줄이 기 어려운 이유는 여러 가지가 있을 수 있다. 필수 인력 유지 측면에서 병원은 환자의 생명과 건강을 다루는 곳으로, 기본적인 의료서비스 제공에 필요 한 인력은 필수적이다. 간호사 등 병원의 핵심 운 영 인력을 줄이게 되면 환자 진료의 질이 저하될 수 있다[24]. 법적, 윤리적으로도 병원은 환자에게 적절한 치료를 제공할 법적 책임이 있으며, 직원 수를 줄이는 것은 치료의 질이나 환자의 안전을 위협할 수 있다. 또한, 의료진과의 고용 계약이나 법적 요구사항이 있을 수 있어 단기적인 재정 문 제로 인해 인력을 급격히 줄이는 것이 어렵다[28].
전문성 유지를 위해서도 병원에는 각종 전문 분 야의 인력이 필요하다. 특정 분야의 전문성을 갖춘 인력을 줄이면 병원의 전반적인 전문성과 치료 능 력이 저하될 수 있다. 따라서 인력을 무조건 줄이 는 것이 병원 운영에 부정적인 영향을 미칠 수 있 다.
환자 수와 치료의 복잡성도 관건이다. 병원의 환자 수와 치료의 복잡성에 따라 인력의 필요량이 결정된다. 환자 수가 많거나 치료가 복잡한 경우에 는 인력 부족으로 인한 부담이 크게 느껴질 수 있 어 인력을 줄이는 것이 어려울 수 있다.
직원 사기 및 유지도 중요하다. 인력 감축은 남 아 있는 직원들의 사기에 악영향을 미칠 수 있다. 직원들이 병원의 재정 상황을 걱정하면서도 불안 정한 고용 상태에서 일하는 것은 생산성과 서비스 품질에 영향을 줄 수 있다. 따라서 인력 감축보다 는 다른 방법으로 재정 문제를 해결하려는 노력이 필요할 수 있다.
Zhao et al.[8]은 병원 수익성의 하락과 인력 배 치 간에 지속적인 관계가 존재하지 않을 수 있다 고 하였다. 즉, 성과가 일정 이상 하락하거나 일정 수준 이하로 떨어질 때만 인력 배치에 영향을 미 치는 임계효과가 존재할 수 있다는 것이다.
이 연구 결과는 병원 재정 상태와 인력 배치 결 정에 대한 통찰력을 제공한다. 그러나 이 연구에는 몇 가지 제한 사항이 있다. 첫 번째 제한 사항은 인력 데이터와 관련이 있다. 병원의 특정 부서 내 인력에 대한 자세한 정보는 제공되지 않는다. 재정 상태가 악화된 병원은 경쟁력이 있고 수익성이 높 은 서비스 라인의 인력 수준을 유지하고, 비용이 많이 들고 수익성이 높지 않은 서비스의 경우는 인력을 줄일 수 있을 것이다. 두 번째 한계는 직원 수 변화만 조사했을 뿐 직원의 교육 및 근무 경험 수준은 조사하지 않았다는 것이다. 예를 들어, 현 재 연구에서는 재무성과가 감소하는 병원의 교육 수준이 낮은 간호사가 더 많은지 아니면 근무 경 험이 더 적은지 여부를 확인할 수는 없었다. 이에 대해서는 향후 연구에서 살펴봐야 할 것이다. 또한 이 연구는 2018년부터 2022년까지의 결산서 및 보 건복지부 지역거점공공병원 알리미 웹 사이트를 통해 데이터를 수집하여, COVID-19 발생 전후 지 역거점공공병원의 수익성과 고용 변화를 시계열 자료를 활용해 분석하였다. 반복 측정 구조를 적용 했음에도 불구하고, 수익성과 고용 변화에 대한 인 과관계를 명확히 규명하는 데는 한계가 있었다. 추 가적으로, 대부분의 지역거점공공병원이 감염병 전 담병원으로 지정되었지만, 객관적인 정보의 부족으 로 지정 및 해제 시기의 확인에 어려움이 있었고, COVID-19 확진자 진료 내역을 통한 전담병원의 수익성 연구는 수행하지 못하였다. 그러나 이 연구 는 기존의 선행연구들이 주로 지방의료원을 대상 으로 하거나 단년도 데이터를 비교한 것과 달리, 공공의료기관에 초점을 맞추어 감염병 전담병원으 로서 주요 기능을 수행한 지역거점공공병원을 대 상으로 5년간의 패널 데이터를 구축하여 분석했다 는 점에서 의의가 있다. 향후 연구에서는 더 긴 연 구 기간과 다양한 자료를 활용하여 COVID-19 전 후의 수익성과 고용 변화를 더욱 심도 있게 연구 하기를 기대한다.
Ⅴ. 결론
이 연구는 COVID-19 유행이 지역거점공공병원 의 수익성과 고용에 영향을 미치는지를 알아보았 다. 특히, 병원의 주요 사업부문인 의료부문에서의 수익과 비용의 증감, 그에 따른 손익의 증감, 그리 고 그 차이가 반영된 의료수익의료익률을 통한 수 익성의 변화를 살펴보았다. 동시에 이러한 수익성 변화와 COVID-19 유행이 인력 고용에도 영향을 주었는지도 확인하였다. COVID-19 유행 후 수익 성 지표는 모두 유의한 변화가 있었다. 그러나 인 력 고용 관련 변수는 간호사 수와 보건직원 수만 유의하게 증가하였고 행정직원 수는 유의하게 감 소한 것으로 나타났다. COVID-19 유행이 수익성 과 고용에 미친 영향은 지역별로 차이가 있었다. 수도권 소재 병원은 의료수익의료이익률 감소가 보다 뚜렷하게 나타난 반면, 100병상당 의사 수, 행정직원 수와 신규직원채용 수는 소폭 늘었다. 전 담병원 역할을 했던 지역거점공공병원들은 이전과 같은 상황으로 진료기능을 돌리기 위해 노력하고 있다. 그러나 민간병원이나 대형병원들과는 달리 공공병원들의 경우 진료기능을 이전으로 돌리는 데 어려움을 겪고 있는 것으로 보인다. 수익성은 악화되었으나 늘어난 인력을 유지하기 위해서는 경영성과를 개선하는 것이 중요하다. 정부와 지방 자치단체의 지원과 함께 지역거점공공병원의 경영 혁신, 비즈니스 모델의 조정, 그리고 재무관리의 전략적 접근이 기대된다.