여러분이 가장 최근에 병원에서 진료를 받았던 기억을 떠올려보세요. 병원의 직원이 친절했나요? 대기 공간이 편안했나요? 의사에게 진료를 받기까지 얼마나 기다리셨나요? 병원에 머무는 동안 간호사가 이야기를 잘 들어주었나요? 이러한 모든 요소가 종합적인 환자 경험에 영향을 미치게 되며, 이는 헬스케어 서비스의 가장 중요한 부분 중 하나입니다.
이 블로그에서는 환자의 만족도 및 경험의 중요성에 대해 살펴보고 헬스케어 기관이 종합적인 환자 만족도를 개선하는 데 예측 분석과 지속적 개선 도구가 어떤 도움이 되는지도 함께 알아봅니다.
환자 만족도와 환자 경험의 차이점이 무엇인가요?
환자 만족도는 헬스케어 기관을 방문하는 동안 환자의 기대가 충족되었는지를 나타냅니다. 이는 헬스케어 기관 및 병원에서 개선점을 파악하기 위해 사용하는 핵심 지표 중 하나로, 종합적인 성공과 직결되는 요소입니다. 이러한 이유로 모든 헬스케어 기관은 환자 만족도를 최우선으로 여기고 있습니다.
환자 경험은 환자의 만족도와 결과를 향상하는 동시에 치료 시간을 줄이고 종합적 환자 케어 서비스를 개선하는 데 초점을 맞춥니다. 2023 Gartner CIO 및 Technology Executive 설문조사에 따르면 헬스케어 기관들이 디지털 분야에 투자를 하는 가장 핵심적인 목적이 운영 우수성과 환자 경험인 것으로 나타났습니다.
브레인스토밍으로 환자 만족도에 영향을 미치는 요소 파악하기
환자 경험을 종합적으로 살펴보기 위해서는 환자에게 영향을 미치는 요소들을 고려해봐야 합니다. 먼저 할 수 있는 쉬운 방법으로는 행정 담당 직원 및 병원 직원과 함께 브레인스토밍을 실시하여 이러한 요소를 “마인드맵으로 만드는 것”입니다.
마인드맵을 활용하면 관련 있는 아이디어와 개념을 시각적으로 정리하여 핵심 개념과 잠재적 솔루션을 파악하는 데 도움이 됩니다. 
위 예시는 Minitab Engage를 사용해 마인드맵을 만든 것으로, 환자 만족도 향상을 위해 어떤 부분에 초점을 맞춰야 하는지 파악하는 데 도움이 됩니다. 여러 가지 요소를 마인드맵으로 정리했으니 이제 환자 만족도를 개선하기 위해 어떻게 해야 하는지 살펴보겠습니다.
헬스케어 기관이 환자 만족도를 측정하기 위해 사용할 수 있는 가장 효과적이고 비용 효율적인 방법 중 하나는 설문조사입니다.
환자 만족도 설문조사: 자세히 들여다보기
환자 만족도 설문조사 결과를 통해 환자가 서비스에 만족한 이유와 만족하지 않은 이유에 대해 자세히 알 수 있습니다. 예시를 살펴보도록 하죠.
표본 환자 데이터 세트에는 환자들이 헬스케어 기관의 서비스에 대해 평가한 전반적인 만족도 점수가 표시되어 있습니다. 또한 의사 및 간호사의 공감 표현, 내부 인테리어, 예약 시간 준수, 편의 시설 및 용품 등 다른 중요한 요소의 점수도 표시되어 있습니다. 이 부분에 대해서는 블로그에서 또 다시 다룰 예정입니다.
표본 설문조사 결과를 통해 55%의 환자가 서비스에 만족했다는 사실을 알 수 있으며, 이는 대부분의 환자가 헬스케어 기관의 서비스에 전반적으로 만족했다는 사실을 나타냅니다.
환자 만족도: 예측 분석 활용하기
앞서 환자들이 헬스케어 기관의 서비스에 전반적으로 만족했다는 사실을 파악했습니다. 그렇다면 이제 이러한 만족도를 보인 이유는 무엇인지, 그리고 불만족 또는 중립을 표시한 환자와는 어떤 부분이 달랐는지를 살펴보겠습니다.
헬스케어 기관은 Minitab Statistical Software의 예측 분석 모듈을 활용하여 환자 만족도의 핵심 요인을 쉽게 파악할 수 있습니다. 이 예시에서는 CART®를 사용해보겠습니다.
CART®(Classification and Regression Trees)는 데이터 변수에서 중요한 패턴과 관계를 찾기 위해 사용하는 의사결정 트리 알고리즘입니다. 질문이나 문제에 대한 답변이 이항식 또는 다항식 범주형 답변인 경우 CART 분류를, 여러 개의 범주형 또는 지속형 예측 변수가 있는 연속형 답변의 경우 CART 회귀를 사용하세요.
이 표본 설문조사에서는 헬스케어 기관의 서비스에 만족한 고객과 만족하지 않은 고객 두 그룹으로 나누었으므로 CART 분류를 사용합니다. Minitab Statistical Software는 최적의 의사결정 트리를 자동으로 찾아 모델 통계를 제공하며, 이를 통해 해당 모델이 분석에 유용한지 알아볼 수 있습니다.
아래 표에서 알 수 있듯이 환자 만족도를 예측할 때 가장 중요한 변수는 간호사의 공감 표현과 환자에게 상태 알림이며, 다음 순위인 의사의 공감 표현과 치료 결과 또한 중요한 변수인 것으로 나타났습니다.
트리 다이어그램을 사용해 환자 데이터 이해하기
조사에서는 간호사의 공감 표현을 5점 만점의 점수 방식으로 평가하도록 했으며, 5점은 매우 긍정적인 평가를 나타냅니다. 트리를 자세히 살펴보면, 간호사의 공감 표현 점수가 3.5점 이상인 경우 환자의 82% 가량이 관련 경험에 만족했다고 응답한 것을 알 수 있습니다. 또한 간호사의 공감 표현 점수가 3.5 이하인 경우, 기관에서 자신의 상태에 대해 잘 알려줬을 때는 만족도가 높았지만 자신의 상태에 대해 알려주지 않았을 때는 만족도가 낮았습니다. 
위의 트리를 통해 헬스케어 기관은 환자들이 진료 과정에서 간호사로부터 공감을 받고 자신의 상태에 대해 잘 알기를 원한다는 사실을 알 수 있습니다. 뿐만 아니라 간호사가 공감 표현을 해주지 않더라도 기관에서 자신의 상태에 대해 잘 알려준다면 큰 문제가 없다는 중요한 인사이트도 얻을 수 있습니다.
결론
환자 만족도는 종합적인 환자 경험의 일부일 뿐입니다. 헬스케어 기관에서 브레인스토밍 도구와 함께 예측 분석의 데이터 기반 인사이트를 활용한다면 최적의 환자 케어 서비스를 제공할 수 있습니다.
