Ⅰ. 서론
최근 코로나19, 건강보험 관련 정책변화 등 급격한 의료환경 변화에 따라 의료기관에서는 이에 대응하기 위한 다양한 노력을 해왔다. 특히 의료기관 경쟁력 강화와 내부적인 동기부여를 위해 성과(performance)에 대한 금전적 보상 제도를 도입하고 있으며, 상대적으로 규모가 큰 대학병원을 중심으로 수익과 직접적으로 관련이 있는 전문의를 주요 대상으로 하여 성과보상제도를 실시하고 있다[1].
성과보상제도(pay for performance system)는 종사자의 직무 수행 실적을 보수(salary) 결정의 핵심 기준으로 삼는 제도로, 기본급 성격의 보수에 추가로 지급되는 성과급을 통해 직무 수행에 대한 동기부여를 강화하고 보수를 조직 관리의 도구로 활용하고자 도입되었다. 업무성과와 금전적 보상을 연계함으로써 평가대상자의 동기를 제고하고 조직의 전반적인 생산성 향상을 도모할 수 있다는 점에서, 많은 조직이 성과보상제도를 운영하고 있다[2]. 조직의 성격에 따라 효과는 다르게 나타나는데, 공조직(public organization)에서는 성과급이 직무만족과 높은 관련성을 보이지만, 사조직(private organization)에서는 조직몰입과의 관련성이 더 큰 것으로 나타났다[3][4].
과거의 전문의를 대상으로 한 성과보상제도(pay for performance)는 의료기관에 따라 성과급, 인센티브 등 여러 명칭으로 사용되고 있다. 구체적으로 보상을 위한 재원으로는 기관 예산, 선택진료비 등이었으며, 평가지표로는 의료수익, 비용, 환자수 등 주로 의료기관 경영 성과와 관련된 지표를 사용하였다. 특히, 대학병원의 경우 설립목적을 고려한 연구실적 지표를 포함하여 전문의에 대한 성과를 평가하였다[5][6][7]. 그러나 2015년 선택진료비 정책의 점진적 폐지에 따라 전문의 성과 보상을 위한 재원이 축소되었으며, 정부의 의료질평가, 환자경험 평가 시행 등 외부 평가 시행에 따른 환경 변화가 발생함에 따라 최근에는 환자만족도 등 질적 지표를 도입하며 다양하게 성과를 보상하고 있다[8][9]. 특히, 본 연구대상인 A치과대학병원은 최근 환자수 등 진료실적의 증가세가 둔화되어 성장률이 정체되고 있으며, 이러한 한계를 극복하고 경영 효율성을 제고하기 위해 활동기준 원가계산(ABC) 프로그램 도입과 함께 전문의 성과보상제도를 개선하게 되었다.
한편, 전문의 평가 방법에 있어서는 개인 평가와 진료과 단위의 평가가 혼재되어 사용되고 있으며, 최근 증가하는 MZ (Millennials + Generation Z) 세대에서는 자신의 기여와 강점을 중심으로 한 공정하고 개인주의적인 평가를 선호하고 있다. 또한, 일반 조직에서는 성과 분배나 절차에 대한 공정성 인식이 평가대상자의 직무만족과 조직몰입에 대한 긍정적 효과가 있으며, 개인 차원의 평가와 집단 차원의 평가에 따라 그 효과가 다른 것으로 보고되고 있다. 따라서, 높은 전문성과 공공성의 특성을 가진 보건의료조직을 대상으로 개인이나 팀 단위 평가 방법에 따른 영향 연구가 필요하다[10][11][12][13].
기존 보건의료산업에서 전문의를 대상으로 한 성과보상제도 관련 연구로서 해외의 경우 전체 전문의 급여에서 성과에 기반한 보상이 차지하는 비중은 최소 5%부터 42%까지 다양했으며 성과측정을 위한 지표로는 단순 진료 실적뿐만 아니라, 환자경험, 팀워크, 외부활동 등이 폭넓게 반영되고 있었다. 그러나, 공적 성격을 지닌 우리나라 보험체계와는 달리 HMO(Health Maintenance Organization) 등 민간 보험을 적용하고 있어 직접적인 비교에는 한계가 있다[14]. 치과 보존 및 치주 등의 치과 분야에서는 유효한 지표 부족과 의사 개인에 대한 수용성 확보가 어려워 전문의 성과보상제도가 그다지 성공적이지 못하였으며, 향후 제도 설계 시 현실적인 성과지표 설정 및 충분한 행정지원 인력과 시의적절한 정보를 제공하는 전산시스템 구축이 필수적임을 언급하였다[15][16].
국내의 경우 개인 병의원 봉직의뿐만 아니라 대학병원 교수도 실적에 따른 보상을 지급받는 것으로 나타났다. 평가 방법으로는 의사 개인 평가 또는 진료과 단위의 평가를 혼합하여 사용하고 있었으며, 지표는 의료수익, 의료손익, 환자수, 연구실적, 수익 증감률 등을 사용하는 것으로 나타났다[5][7]. 최근에는 이러한 전문의 성과보상제도가 과잉 진료를 유도하고 의료의 질을 저해할 수도 있음을 언급하며 전문의 인센티브에 대한 지속적인 논의를 하는 것이 중요함을 언급하였다[17]. 그러나, 기존 연구는 도입 현황 및 개선점 제안에 대한 연구가 대부분이며, 평가 방법이나 지표 변경 등 제도 변화에 따른 영향 연구는 부족한 상황이다[7][18][19]. 아울러 연구 방법에 있어서, 체계적 문헌고찰(systematic review)을 활용한 질적 연구가 대부분이었기에, 실제 발생 데이터를 분석한 양적연구가 필요하다[20][21].
따라서, 본 연구에서 설정한 연구 목표는 다음과 같다. 첫째, 합리적인 보상 구조를 확립하고 최근 세대의 트렌드를 반영하기 위한 개인 성과 평가 강화 정책의 효과를 분석하고자 한다. 이를 위해, 치과대학병원의 특정 기간 패널데이터와 이중차분법(DID) 준실험설계 방법을 적용하여, 제도 변경 전후 개인성과 우위 집단과 진료과성과 우위 집단 간 성과 차이를 양적으로 비교한다.
둘째, 제도 변경 이후 세부적인 진료과 단위에 미치는 영향을 분석함으로써, 전문의 성과보상제도 변경이 미칠 수 있는 영향을 파악하고자 한다. 이를 위해서, 내·외과계 및 진료지원계별로 이중차분법(difference-in-differences, DID)을 실시하여 제도 변경 전·후 집단 간 의료수익, 환자수 등 변화를 분석할 것이다. 이를 통해, 향후 의료기관이 전문의 성과보상제도를 설계·보완하는 과정에서 유용한 근거로 활용될 수 있도록 한다. 다만 본 연구는 단일 기관 사례를 기반으로 수행되었기 때문에, 연구 결과를 일반화하는 데에는 일정한 한계가 있을 수 있다.
Ⅱ. 연구방법
1. 연구 모형
전문의 성과보상제도 변경에 따른 효과를 분석하기 위해 아래 <Figure 1>과 같이 이중차분법(DID)을 적용하여, 사전에 분류된 개인성과와 집단(진료과)성과 우위 집단별로 개인 성과평가를 강화한 이후 종속변수인 의료수익, 환자수, 성과급에 대한 변화를 분석하고자 한다.
2. 연구 대상 및 자료수집
연구 대상으로는 전문의 성과보상제도를 변경한 1년 전후인 2023년 1월부터 2024년 12월까지 국내 A 치과대학병원에 연속적으로 근무한 치과 전문의 29명이며, 병원 전산 및 행정 자료를 활용하여 24개월간의 패널데이터(panel data)를 수집하였다. A 치과대학병원의 경우 전문의 성과측정 지표로 개인별 의료수익의 일정 부분(%)을 성과급으로 지급하고 있다. 개인 및 집단(진료과) 평가의 반영 비율은 제도 변경 전 개인 평가 50%, 집단(진료과) 평가 50%를 반영하였으나, 평가지표인 의료수익 발생에 있어 치과진료 특성상 진료과 단위보다는 전문의 개인의 책임과 역량이 더 중요하다는 공감대 형성에 따라 2024년 1월부터 개인 평가 반영 비율을 100%로 변경하여 성과 보상을 하고 있다.
3. 변수 설정
연구를 위한 종속변수로는 의료기관 전체 성과에 해당하는 의료수익, 전문의 개인 업무량에 해당하는 환자수, 그리고 현재 성과에 대한 보상으로 지급받는 성과급을 종속변수로 설정하였다.
독립변수로 첫째, 제도 변경 변수는 성과보상제도 변경 전(2023년 1월 – 2023년 12월)일 경우 ‘0’으로, 이후(2024년 1월 – 2024년 12월)일 경우 ‘1’로 코딩하였다. 둘째, 집단 구분 변수는 제도 변경 전 12개월 동안의 개인 성과지표 평균에서 진료과 성과지표 평균을 차감하여 음수인 경우 진료과 성과지표 우위 집단(=‘0’), 양수인 경우 개인 성과지표 우위 집단(=‘1’)으로 구분하였다. 따라서, 본 연구에서의 집단 구분은 제도 변경 이전 기간(2023년 1월~12월)의 성과 평균을 기준으로 사전에 정의되었으며, 제도 변경 이후의 결과 변수에 의한 영향을 최소화하였다. 셋째, 정책 변경 효과를 측정하기 위해 이중차분법(DID)에 의한 상호작용(제도 변경 * 집단 구분) 변수를 사용하였다.
마지막으로 통제 변수의 경우 근속연수를 포함하였으며, 고정효과모형(Fixed-Effects model)을 고려하여 진료과 등 불변변수는 제외하였다. 효과적인 이중차분법(DID)을 위하여 연속형 변수의 경우 log로 변환하였으며, 변수 설정에 대한 자세한 내용은 아래 <Table 1>과 같다.
4. 분석 방법
전문의 성과보상제도 변경 이후 정책효과를 분석하기 위해 개인별 월별 패널데이터에 이중차분(DID)을 적용한 TWFE(Two-Way Fixed-Effects) DID(difference-in-differences)를 실시하였으며, 이를 통해서 패널데이터에서의 개인 및 시간에 대한 고정 효과를 고려할 수 있다. 이중차분법(DID)은 정책이 적용되는 처치집단과 적용되지 않는 통제집단 간 정책효과를 측정할 수 있기에 보건, 교육, 부동산 등 다양한 정책연구 분야에서 활용되고 있다[22][23][24][25][26][27].
본 연구에서는 자료 전체에 대한 이중차분법(DID)을 실시한 후, 진료과별 효과를 분석하기 위해 내과계, 외과계, 진료지원계로 데이터를 구분하여 분석하였다. 개인성과 우위 집단과 진료과성과 우위 집단 간 전문의 성과보상제도 변경 전후의 차이는 (Treat개인 * Post변경후 – Treat개인 * Post변경전) - (Treat진료과 * Post변경후 – Treat진료과 * Post변경전)로 요약할 수 있으며, 분석 도구로는 통계 소프트웨어 프로그램인 R (Ver. 4.5.1) 및 관련 패키지를 활용하였다. 위 연구 목적 및 분석 방법에 따라 설정한 모형 방정식은 아래와 같다.
-
Yit: 종속변수 log(의료수익/환자수/성과급)
-
Treati: 사전 정의된 집단 더미(진료과우위=0, 개인우위=1)
-
Postt: 제도 변경 후 더미(전=0, 후=1)
-
αi, ϒt: 개인 및 시간 고정 효과,
-
X′it: 시간에 따라 변하는 통제변수(근속년수)
-
εit: 오차항
<Table 1>
Variable Definitions
| Category | Variable | Description |
|---|---|---|
|
|
||
| Dependent Variables | Medical Revenue | · Monthly total of outpatient and inpatient revenue generated by each physician |
| Number of Patients | · Monthly total number of outpatients and where applicable, inpatients treated by each physician | |
| Incentive Pay | · Amount paid as incentive compensation according to the evaluation method | |
|
|
||
| Independent Variables | Policy Change | · 0 = Before the performance-based compensation reform: January–December 2023 (ref.) · 1 = After the performance-based compensation reform: January–December 2024 |
| Group Classification | · 0 = department performance–dominant group (ref.) · 1 = individual performance–dominant group |
|
| Interaction Term | · Policy change × group classification | |
|
|
||
| Control Variables | Years of Service | · Number of years the specialist has continuously worked at the hospital |
|
|
||
| Classification Variables | Month | · Monthly classification from January 2023 to December 2024 (yyyymm) |
| Employee ID | · Employee identification number (ID) of the specialist | |
| Department | · 0 = internal medicine departments: treatment mainly focused on non-surgical and medication-based care, including conservative dentistry, pediatric dentistry, and periodontics (ref.) · 1 = surgical departments: departments mainly focused on surgical and operative dental treatment · 2 = support departments: departments supporting internal medicine and surgical departments, such as anesthesiology and dental radiology |
|
Ⅲ. 연구결과
1. 일반적 특성
변수에 대한 집단별 일반적 특성은 아래 <Table 2>와 같다. 우선 분석 대상인 29명의 치과 전문의로부터 24개월간 수집된 데이터는 총 696개로 나타났으며, 사전에 분류된 집단에 따라 개인성과 우위 집단의 데이터는 432개(62.1%), 진료과성과 우위 집단의 데이터는 264개(37.9%)로 나타났다. 개인성과 우위 집단과 진료과성과 우위 집단 간 차이를 파악하기 위해 변수 특성별로 카이제곱(χ2) 검정 및 t-test를 실시하였으며, 분석 결과 두 집단 간 의료수익, 환자수, 성과급, 근속년수 등 모든 변수에서 평균 및 비율이 통계적으로 유의한 차이가 있는 것으로 나타났다. 특히, 주요 종속변수인 의료수익, 환자수, 성과급의 경우 아래 <Figure 2>와 같이 진료과성과 우위 집단보다 개인성과 우위 집단의 평균 값이 더 높은 것으로 나타났다.
한편, 집단 간 기저 수준의 차이가 존재한다는 점에서 비교가능성에 대한 우려가 제기될 수 있으나, 본 연구에서는 이중차분법(DID)을 활용하여 시간에 따라 변하지 않는 개인별 고유의 특성을 통제함으로써 집단 간 수준 차이가 아닌 정책 시행 전후의 변화 차이를 식별하는 데 목적이 있다.
세부적으로 진료과 변수의 경우 내과계, 외과계, 진료지원계별로 집단 간 비율 분포의 차이가 있는 것으로 나타났으며 χ2 값은 7.709 (P <.05)로 통계적으로 유의한 것으로 나타났다. 또한, 종속변수인 의료수익, 환자수, 성과급 모두 진료과성과 우위집단보다 개인성과 우위집단에서의 평균값이 통계적으로 유의하게 높은 것으로 나타났으며(P <.001), 근속년수의 경우는 진료과성과 우위집단에서의 평균값이 통계적으로 유의하게 높은 것으로 나타났다(P <.001).
<Table 2>
General Characteristics by Group
Note 1) “***” P < .001, “**” P < .01, “*” P < .05
| Variables | Total | Department performance-dominant group (Treat=0) |
Individual performance-dominant group (Treat=1) |
χ2 / t-value |
|||
|---|---|---|---|---|---|---|---|
| N | % | N | % | N | % | ||
|
|
|||||||
| Total | 696 | 100 | 264 | 100 | 432 | 100 | – |
| Clinical Department | |||||||
| Internal Medicine | 480 | 69.0 | 168 | 63.6 | 312 | 72.2 | 7.709* |
| Surgical | 120 | 17.2 | 48 | 18.2 | 72 | 16.7 | |
| Support | 96 | 13.8 | 48 | 18.2 | 48 | 11.1 | |
| Dependent Variables | Mean | SD | Mean | SD | Mean | SD | |
| Medical Revenue (KRW 1,000) |
55,577 | 42,310 | 40,527 | 28,662 | 64,773 | 46,496 | −8.510*** |
| Number of Patients (persons) |
244 | 151 | 171 | 124 | 289 | 148 | −11.211*** |
| Incentive Pay (KRW 1,000) |
2,778 | 1,949 | 2,279 | 1,425 | 3,082 | 2,154 | −5.911*** |
| Control Variables | Mean | SD | Mean | SD | Mean | SD | |
| Years of Service (years) |
24 | 8 | 29 | 8 | 21 | 6 | 13.612*** |
2. 전체 대상 이중차분법(DID) 분석 결과
앞선 집단별 일반적 특성에서 두 집단 간 모든 종속변수에 있어 평균값이 통계적으로 유의한 차이가 있는 것으로 나타나 이를 고려한 추가적인 분석이 필요하며, 개인성과 우위집단과 진료과 우위집단 간 변수를 통제한 상태에서 전문의 성과보상제도 변경 전후를 비교하기 위한 이중차분법(DID)을 수행하였다.
이중차분법(DID)의 타당성 요건인 사전 추세(pre-trend)를 점검하기 위해 공동유의성 검정(Wald test)을 실시하였다. 그 결과, 종속변수인 의료수익(P=.176), 환자수(P=.106), 성과급(P=.114)에서 정책변경 전 상대시점(lead) 계수들이 공동으로 0이라는 귀무가설을 기각하지 못하였으며, 본 자료에서 관측되는 정책변경 전 기간에 한해 뚜렷한 사전 추세 위반의 통계적 증거는 관찰되지 않았다. 그러나, 정책 시행 이전 기간이 12개월로 비교적 짧아 평행추세 가정을 충분히 검증하기에는 통계적 검정력이 제한적일 수 있다는 한계가 존재한다.
고정효과 모형 특성상 불변 변수인 집단 구분 및 제도 변경 변수의 주 효과는 사번(id) 및 년월(yyyymm) 변수에 흡수되었으며, 분석 결과는 아래 <Table 3>과 같다.
분석 결과, 집단 간 개인성과 강화에 대한 제도 변경의 효과를 나타내는 상호작용 변수(제도 변경*집단 구분)는 의료수익, 환자수 변수에서 음(-)의 계수를 나타냈으나 통계적으로 유의하지는 않았다(의료수익 P=.698, 환자수 P=.955). 반면 성과급 변수의 경우 β=0.457로 양(+)의 계수를 나타내며 통계적으로 유의하였으며(P=.021), 이는 전문의 성과보상제도 변경 이후 개인성과 우위집단이 진료과성과 우위집단과 비교하여 성과급에서 평균적으로 약 58%(exp(0.457)−1) 더 증가하였음을 알 수 있다. 통제변수인 근속년수의 경우 의료수익, 환자수, 성과급 등 모든 변수에서 양(+)의 계수를 나타내며 통계적으로 유의하였다(P <.001).
<Table 3>
Difference-in-Differences (DID) Results for the Full Sample
Note 1) “***” P < .001, “**” P < .01, “*” P < .05
Note 2) The main effects of group classification (Treat) and policy change (Post) are not presented because they are absorbed by the employee ID and month variables in the analysis.
Note 3) Dependent variables are log-transformed. Coefficients can be interpreted as approximate percentage changes, calculated as exp(β) − 1.
Note 4) Values in parentheses are clustered robust standard errors at the individual level.
| Category | Model 1 | Model 2 | Model 3 | |
|---|---|---|---|---|
| Medical revenue | Number of patients | Incentive pay | ||
|
|
||||
| Independent Variable (policy effect) |
DID (Policy Change × Group Classification) |
-0.035 (0.089) |
-0.005 (0.085) |
0.457* (0.187) |
| Control Variable | Years of Service | 0.164*** (0.030) |
0.144*** (0.023) |
0.143*** (0.034) |
| N | 696 | 696 | 696 | |
| R2 | 0.907 | 0.931 | 0.875 | |
3. 진료과별 이중차분법 분석 결과
내·외과계 및 진료지원계별 이중차분법(DID) 결과는 아래 <Table 4>과 같다. 우선 내과계에서는 집단 간 정책 변경의 효과를 나타내는 상호작용 변수(제도 변경 * 집단 구분)는 종속변수인 의료수익(β=0.066, P=.583), 환자수(β=0.115, P=.235) 변수에 대해 양(+)의 계수를 나타냈으나 통계적으로 유의하지 않은 것으로 나타났다. 그러나 성과급(β=0.696, P=.011) 변수에 대해서는 양(+)의 방향으로 통계적으로 유의한 영향을 미치는 것으로 분석되었으며, 이는 제도 변경 이후 개인성과 우위 집단의 성과급은 진료과성과 우위 집단보다 평균적으로 101%(exp(0.696)−1) 더 증가한 것으로 해석할 수 있다.
외과계에서 상호작용 변수는 의료수익(β=-0.192, P=.081), 환자수(β=-0.106, P=.273)에 음(-)의 영향을 미치는 것으로 나타났으나, 모두 통계적으로 유의하지 않았다. 성과급 변수는 β=0.195 (P=.066)로 양(+)의 계수를 나타냈으나 마찬가지로 통계적으로 유의하지 않았다.
마지막으로 진료지원계의 경우, 정책효과를 나타내는 상호작용 변수는 의료수익(β=-0.219, P=.026), 환자수(β=-0.308, P=.066), 성과급(β=-0.129, P=.212) 변수에 대해 모두 음(-)의 계수를 나타냈으며, 이 중 의료수익 변수만 통계적으로 유의한 변수인 것으로 나타났다. 진료지원계는 전문의 성과보상제도 변경에 따라 개인성과 우위 집단의 의료수익은 진료과 우위 집단보다 평균적으로 약 20%(exp(-0.219)−1) 감소한 것으로 해석할 수 있다.
<Table 4>
Difference-in-Differences (DID) Results by Department
Note 1) “***” P < .001, “**” P < .01, “*” P < .05
Note 2) The main effects of group classification (Treat) and policy change (Post) are not presented because they are absorbed by the employee ID and month variables in the analysis.
Note 3) Dependent variables are log-transformed. Coefficients can be interpreted as approximate percentage changes, calculated as exp(β) − 1.
Note 4) Values in parentheses are clustered robust standard errors at the individual level.
| Category | Model 1 | Model 2 | Model 3 | |
|---|---|---|---|---|
| Medical revenue | Number of patients |
Incentive pay |
||
|
|
||||
| 1. Internal medicine departments | ||||
| Independent Variable (policy effect) |
DID (Policy Change × Group Classification) |
0.066 (0.119) |
0.115 (0.094) |
0.696* (0.248) |
| Control Variable |
Years of Service | 0.171*** (0.041) |
0.160*** (0.029) |
0.148** (0.042) |
| N | 480 | 480 | 480 | |
| R2 | 0.880 | 0.904 | 0.834 | |
|
|
||||
| 2. Surgical departments | ||||
| Independent Variable (policy effect) |
DID (Policy Change × Group Classification) |
−0.192 (0.082) |
−0.106 (0.084) |
0.195 (0.077) |
| Control Variable |
Years of Service | 3.539 (2.153) |
0.215 (1.111) |
5.557 (2.284) |
| N | 120 | 120 | 120 | |
| R2 | 0.789 | 0.713 | 0.772 | |
|
|
||||
| 3. Support departments | ||||
| Independent Variable (policy effect) |
DID (Policy Change × Group Classification) |
−0.219* (0.053) |
−0.308 (0.109) |
−0.129 (0.082) |
| Control Variable |
Years of Service | −1.046 (1.954) |
0.273 (1.416) |
−1.131 (1.486) |
| N | 96 | 96 | 96 | |
| R2 | 0.963 | 0.800 | 0.973 | |
4. 내과계 특정 진료과 이중차분법 분석 결과
앞선 이중차분법(DID) 시행 결과 성과급 변수가 통계적으로 유의하게 증가한 내과계 진료과들을 대상으로 개별 진료과 단위의 분석을 추가로 수행하였다. 이들 가운데 의료수익과 환자수 변수에 대해 상반된 효과를 나타낸 내과계 A와 B과에 대한 분석 결과는 아래 <Table 5>과 같다.
구체적으로 내과계 A과는 상호작용 변수(제도 변경*집단 구분)에 대해 종속변수인 환자수는 β=0.472로 양(+)의 계수를 나타내며 통계적으로 유의하였으며(P=.007), 성과급의 경우 β=1.776로 통계적으로 유의한 양(+)의 계수를 나타냈다(P=.002), 이는 성과보상제도 변경 이후 동기부여로 인한 개인의 업무량과 성과급이 동시에 증가하며, 조직이 기대하던 정책 변경 효과가 나타났음을 시사한다. 반면, 내과계 B과의 경우 상호작용 변수에 대해 의료수익은 β=-0.016 (P <.001), 환자수는 β=-0.033 (P <.001)으로 음(-)의 방향으로 유의한 영향을 미치는 것으로 나타났음에도, 성과급은 β=0.017 (P <.001)로 유의한 양(+)의 영향을 미치는 것으로 나타나 내과계 A과와는 상반된 정책 효과를 보였다. 다만 해당 하위분석에서는 표준오차가 매우 작게 추정되어 높은 통계적 유의성이 나타났으며, 이는 표본 내 변동성이 제한된 특성에 기인할 수 있다.
<Table 5>
Difference-in-Differences (DID) Results for Selected Internal Medicine Departments
Note 1) “***” P < .001, “**” P < .01, “*” P < .05
Note 2) The main effects of group classification (Treat) and policy change (Post) are not presented because they are absorbed by the employee ID and month variables in the analysis.
Note 3) Dependent variables are log-transformed. Coefficients can be interpreted as approximate percentage changes, calculated as exp(β) − 1.
Note 4) Values in parentheses are clustered robust standard errors at the individual level.
Note 5) The extremely small standard errors likely reflect limited within-group variation in the subgroup analysis.
| Category | Model 1 | Model 2 | Model 3 | |
|---|---|---|---|---|
| Medical revenue | Number of patients | Incentive pay |
||
|
|
||||
| Internal Medicine A Department | ||||
| Independent Variable (policy effect) |
DID (Policy Change × Group Classification) |
0.368 (0.139) |
0.472** (0.073) |
1.776** (0.179) |
| Control Variable |
Years of Service | 3.929 (2.679) |
1.427 (1.705) |
2.214 (2.107) |
| N | 96 | 96 | 96 | |
| R2 | 0.913 | 0.964 | 0.932 | |
|
|
||||
| Internal Medicine B Department | ||||
| Independent Variable (policy effect) |
DID (Policy Change × Group Classification) |
−0.016*** (0.00001) |
−0.033*** (0.00001) |
0.017*** (0.00001) |
| Control Variable |
Years of Service | 0.307*** (0.00001) |
−0.073*** (0.00001) |
0.854*** (0.00001) |
| N | 48 | 48 | 48 | |
| R2 | 0.859 | 0.884 | 0.895 | |
Ⅳ. 고찰
전체를 대상으로 이중차분법(DID)을 시행한 결과, 정책효과를 나타내는 상호작용(제도 변경*집단 구분) 변수는 주요 종속변수인 의료수익 및 환자수에 통계적으로 유의한 영향을 미치지 않았다. 이는 조직 및 개인 성과를 나타내는 의료수익, 환자수 증가 측면에서, 개인 성과평가 강화에 의해 기대되었던 정책효과가 나타나지 않았음을 의미한다. Han[3]의 연구에서는 공·사조직에서 성과급 운영은 긍정적인 조직 관리 효과가 있으나, 다른 요인에 비해 성과급과 조직 성과의 관계가 가장 낮은 것을 언급하였으며, Im & Shin[23]은 공공 및 민간 조직은 그 특성의 차이 때문에 같은 유인 체제를 도입한다고 하더라도 경쟁에 직접 반응하거나 혹은 규제로 인식될 수 있어 그 효과는 다를 수 있음을 언급하였다.
또한 전문의 성과 평가지표에 있어 연구 대상 병원에서는 의료수익만 사용하고 있기에 개인적인 동기부여 향상 등의 정책효과를 기대하기 어려울 수 있다. 평가지표로서 의료수익은 의료기관의 대표적인 운영 성과이며 측정하기 편리하지만, 진료과 특성별로 인건비, 재료비 등 의료자원의 투입 규모에 따라 수익 규모가 결정될 수 있는 단점이 있어서, 비용을 고려한 의료이익 등 합리적인 평가지표를 함께 반영하여 평가할 필요성이 있다[6]. 특히, 치과 분야의 경우 보험 및 비보험 수가 비율 등 구조적 문제로 인하여 의료수익만으로 평가한다면 진료과 간 형평성이 저해될 수 있기 때문에 이를 보정할 수 있는 평가지표를 함께 고려해야 한다.
그러나, 개인 성과평가를 강화하는 방식으로 제도를 변경함으로써 개인성과 우위집단은 성과급 변수에 있어 유의한 양(+)의 영향을 나타냈으며, 진료과성과 우위집단과 비교하여 약 58% 성과급이 증가한 것으로 나타났다. 이는 집단별 일반적 특성 분석 결과에서 개인성과 우위 집단이 진료과성과 우위 집단보다 의료수익, 환자수 등 주요 변수에서 통계적으로 유의하게 높았음을 고려한다면, 기존 개인과 집단(진료과) 평가 비율을 혼합하여 발생할 수 있는 성과급 손실 부분을 개인 성과평가 강화를 통해 보상함으로써 개인성과 우위 집단을 위한 합리적인 보상 구조를 마련했다고 볼 수 있다. 또한 집단 성과급의 경우, 보상이 집단에게 주어질 경우 다른 구성원의 작업 노력에 편승하여 노력보다 많은 보상을 기대하는 무임승차(free-riding)가 나타날 수 있어서 향후 적절한 평가방법 적용하여 진료과 성과급을 반영할 필요가 있다[28].
한편, 내과계의 경우 정책효과를 나타내는 상호작용(제도 변경*집단 구분) 변수는 성과급 변수에 유의한 양(+)의 영향을 미치는 것으로 나타났으며, 외과계는 상호작용 변수에 대해 의료수익, 환자수, 성과급 등 주요 변수에 대해 모두 통계적으로 유의하지 않은 것으로 나타났다. 그러나, 내과계 특정 진료과 A와 B에 대해서 추가적인 이중차분법(DID)을 시행한 결과, 상호작용 변수는 종속변수인 의료수익과 환자수에게 각각 상반된 방향(양(+) 및 음(-)으로 영향을 미치는 것으로 나타나 진료과별 정책 변경의 효과가 서로 다른 것으로 나타났다.
이러한 상반된 결과는 진료과별 특성 차이에 기인할 가능성이 있다. 특히, 진료과 간에는 환자 구성, 수술 여부, 수익 창출 구조 등의 차이가 존재하며 치과 분야의 경우 진료과별 보험 및 비보험 수가 구조가 상이하다. 이러한 구조적 차이로 인하여 동일한 성과보상제도 변화에 대해서도 진료과별로 그 결과가 상이하게 나타날 수 있다.
따라서, 의료기관에서 성과평가 지표 설정 시 진료과별 특성을 고려해야 하며, 필요할 경우 계열을 분리하여 평가해야 할 것이다. Park[7]의 연구에서는 전문의의 보상 결정 기준으로서 모든 진료과에 공통으로 적용될 수 있는 조정 환자 수를 사용하였음을 언급하였다.
이러한 결과를 토대로 본 연구에서는 몇 가지 제안을 하고자 한다. 첫째, 향후 전문의 성과보상제도 운영 시에는 합리적이고 다양한 평가지표가 반영될 필요가 있다. 본 연구에서 개인 평가지표의 강화에도 불구하고 상호작용 변수는 의료수익 변수에 대해 통계적으로 유의하지 않았으며, 의료수익은 평가지표로서 투입 자원을 반영하지 못하는 등 한계가 있기에 비용을 고려한 의료이익이나 개인의 진료량을 반영할 수 있는 환자수 지표를 함께 고려해야 한다.
둘째, 진료과 특성에 맞는 성과보상제도 설계가 필요하다. 제도 변경에 대하여 의료수익, 환자수, 성과급 등 종속변수에 대한 개인성과 우위 집단의 영향이 진료과별로 다르게 나타났기 때문에 검사, 수술 및 입원 등 진료 특성을 고려하고 내·외과계를 구분하여 별도로 평가하는 방법을 고려해 볼 필요가 있다.
셋째, 의료기관에서 전문의의 중요성과 급여 중 성과급이 차지하는 비중을 고려한다면, 성과보상제도에 대한 지속적인 점검과 모니터링이 필요하다. 연구 결과에서 제도 변경 이후 전문의 성과급에 대한 증가가 있었으며, 이는 의료기관의 재원 증가로 이어질 수 있어서 제도 적정성에 대한 지속적인 모니터링이 필요하다. 특히, 의료계에서 인센티브 제도 운영 시 상시적인 점검 장치를 마련하고, 과잉 진료 등 윤리적 부작용이 생기지 않도록 감시해야 하며, 평가지표에서는 공공성이라는 의료서비스 특성을 고려하여 의료 질에 대한 평가를 반영하는 등 꾸준한 제도 보완이 필요하다[17][18].
본 연구는 기존 전문의 성과보상제도 관련 연구가 주로 제도 도입 현황 중심의 질적 접근에 머물렀던 것과 달리, 단일 의료기관에서 실제로 시행된 성과보상제도 변경 사례를 기반으로 개인 단위 패널데이터를 구축하고 이중차분법(DID)을 적용하여 정책 효과를 정량적으로 분석하였다. 또한 최근 세대에서 중시하는 개인 성과평가 강화 흐름을 반영한 제도 변화의 효과를 실증적으로 분석함으로써 전문의 성과보상제도 변화에 대한 보다 구체적인 근거를 제시하였다는 점에서 의의를 가진다.
그러나 연구의 제한점으로는 첫째, 단일 병원의 자료를 이용하여 연구 결과를 전체 의료기관으로 일반화하는 데에는 한계가 있으며, 연구 대상이 상대적으로 부족하여 개인의 이상치(outlier)에 민감하게 반응할 수 있다. 따라서 향후 연구에서는 비슷한 특성을 가진 다수 의료기관의 자료를 확보하여 연구의 대표성과 신뢰성 강화를 할 필요성이 있다. 둘째, 전문의 성과보상제도의 변경 효과를 주로 의료수익, 환자수 등 양적 지표를 통해 평가하였으며, 피평가자의 제도에 대한 인식이나 만족도, 환자 만족도, 의료의 질과 같은 질적 측면을 충분히 반영하지 못하였다. 셋째, 고정효과 모형을 적용하면서 직급 등 개인 및 조직 특성을 반영할 수 있는 일부 통제변수를 포함하지 못하였다. 향후에는 근무 형태, 부서 특성 등 시간에 따라 변동할 수 있는 자료를 확보하여 모형에 포함한다면, 정책변화에 대한 효과를 정확하게 추정할 수 있을 것으로 판단된다.
Ⅴ. 결론
본 연구는 치과대학병원의 전문의 성과보상제도에서 개인 성과평가 강화에 대한 정책효과를 분석하기 위해 수행되었다. 이를 위해 제도 변경 전후의 패널데이터를 수집하여 이중차분법(DID)을 적용한 실증분석을 실시하였다. 분석 결과, 전문의 성과보상제도 변경 이후 개인성과 우위 집단에서의 의료수익 및 환자수의 변화는 통계적으로 유의하지 않은 것으로 나타났다. 반면, 개인성과 우위 집단의 성과급은 유의하게 증가하여 보상 구조 측면에서는 변화가 확인되었다. 이러한 결과는 개인 성과평가 강화가 조직 성과 개선으로 직접 이어지는 데 제한적이었으나, 공정한 보상 배분 구조의 변화에 주로 영향을 미쳤음을 시사한다.
