Journal Archive

보건의료자원은 제한되어 있으며 따라서 지역사회 주민들이 공평한 의료서비스를 제공받는지 여부는 지역의 생활환경의 질을 나타내는 하나의 척도로 볼 수 있다. 또한 보건의료자원에 대한 수요와 공급이 균형을 이루게 하는 것은 국토 및 도시의 지역시설계획에 있어 중요한 과제이다(김병량, 2000). 이러한 계획에 앞서 지역의 보건의료자원에 대한 주민의 접근성을 파악하는 것은 구체적 정책 수립의 기초자료가 된다. 특히 공공보건의료서비스의 효율적 제공을 위해서 공공보건의료인력의 공간적인 분포를 분석하고 이해하는 것은 중요하다. 미국의 경우 질병통제센터(Centers for Disease Control)가 역학연구에 공간분석기법을 적극 활용하여 관련 정책 수립과 의료서비스의 공간적 배치의 효율성을 높이고 있으며, 이러한 접근방식은 공공보건체계의 여러 부문에서 적용되고 있다(Walsh et al. 1997; Gatrell and Loytonen, 1998). 특히 의료취약지역과 인구집단(Medically Underserved Areas or Populations: MUA/P) 또는 의료인력부족 지역(Health Professional Shortage Areas: HPSA)을 지정하기 위한 분석에 있어 지역의 사회경제적 특성 및 의료자원에 대한 공간적 접근성 측정을 위해 지리정보시스템(Geographic Information System: GIS)이 유용하게 이용되고 있다(Brabyn and Skelly, 2002; Cromley and McLafferty, 2012). 국내에서도 공공보건의료인력에 대한 GIS 데이터베이스 구축을 통해 공공보건의료인력의 공간적 및 계층적 분포에 대해 더욱 체계적이고 실증적 분석을 수행할 필요가 제기되고 있다(오영호, 2008).

본 연구는 공공보건의료 영역에서 인력의 공간적 특성에 대한 분석을 목표로 한다. 구체적으로 본 연구는 지역 구성원의 사회경제적 특성에 따른 의료서비스에 대한 공간적 접근성의 차이를 비교 분석한다.

기존의 의료서비스 접근성에 초점을 둔 연구는 의료자원 규모에 대한 고려가 미약한 바, 본 연구는 의료서비스 접근성 측정에서 의료자원의 규모를 고려한다. 의료자원 규모를 고려한 접근성 분석에 널리 이용되는 방법 중 하나는 2SFCA(two-step floating catchment area) 및 이를 변형한 방법이다. 본 연구는 2SFCA를 개선함에 있어 의료서비스 수요의 공간적 재현에서 분석단위 설정에 따른 오류를 최소화할 수 있는 공간적 단위를 설정하여 기존 방법을 향상하고자 한다. 기존 의료공급 체계의 기준이 된 행정구역은 의료기관의 실제 영향권이나 편익 발생 구역과는 차이가 있으므로 기본단위로 한계가 있기 때문이다. 그리고 의료자원에 대한 사회집단의 접근성 차이를 살펴보기 위해 유사한 사회적 결핍상태를 보이는 군집 내 및 군집 간 공공 및 민간보건의료 자원에 대한 접근성의 비교분석을 수행한다.

공공보건의료자원 현황을 파악하기 위해 보건복지부 전국 공공의료기관 현황 안내 및 건강보험심사평가원의 기관 현황 자료, 국립중앙의료원 공공보건의료지원센터의 전국 공공병원 안내 자료를 통해 국공립 의료기관, 보건기관의 직원 및 병상 수를 수집하였다. 민간의료기관의 위치 및 의사 수 현황 자료는 비즈지아이에스(www.biz-gis.com)를 통해 획득하였다. 지역 특성을 반영하는 사회경제적 지표 및 변수 선정을 위해 통계청의 2010년 기준 인구센서스 자료를 수집하고, 시군구단위 통합결핍지수(CDI: Composite Deprivation Index)를 획득하였다. 또한 수치 행정구역도 및 환경부의 수치 토지피복도, 교통연구원의 수치 도로망도를 이용하여 지역 특성과 네트워크 접근성 분석을 수행할 수 있는 자료를 구축하였다.

공공보건의료자원 현황 분석할 때 사용되는 공간단위 규모의 크기는 분석의 결과와 그 해석에 영향을 미친다. 따라서 본 연구는 공간분석 단위 선정 오류를 최소화할 수 있는 방법 중 하나로 대시메트릭 기법을 이용한다. 대시메트릭 기법은 인구밀도 분포와 밀접히 관련된 보조정보(토지피복도, 토지이용도 등)를 활용하여 연구지역의 읍면동 공간단위를 보다 더 작은 크기의 공간단위로 분할하여 구역 내 밀도 분포의 동질성을 더 많이 확보하고 그 결과로 인구밀도 분포를 보다 정확하게 재현한다(Eicher and Brewer, 2001). 대시메트릭 기법을 GIS 환경에서 구현한 기존의 연구(이상일·김감영, 2007 등)가 축적되어 있으며, 공공보건의료인력 현황의 공간적 분석에 활용되어야 한다. 그 결과로 인구분포의 보다 현실적인 재현이 가능하게 되며, 분석 결과의 신뢰도가 높아지게 될 것이다. 대시메트릭 기법을 통한 분할된 공간단위의 추정 인구수는 다음과 같은 식으로 나타낼 수 있다.

토지피복 범주에 따른 가중치 부여를 위해 바이너리(binary) 방식을 채택하였다. 즉, 토지피복 범주를 크게 거주가능 지역과 거주불가능 지역으로 구분하고 주거지역인 거주가능지는 가중치 1을 부여하고 수역, 나지, 습지, 초지, 산림, 논, 밭 등의 비거주가능지에는 가중치 0을 부여하였다. 인구분포와 인구밀도를 재현한 결과, 231,607개의 인구 중심지가 산출되었다.

2SFCA는 잠재적 환자와 의료인력 간의 상호작용을 거리 및 통행시간에 의거하여 행정경계에 국한하지 않을 뿐만 아니라, 각 수요지점이 가진 접근성의 지역차를 드러내 준다는 장점이 있으며, 아래와 같은 식으로 나타낼 수 있다.

하지만 이 방법은 세계적으로 여러 학자들에 의해 개선되었는데, 구체적으로 거리에 따른 서비스 이용률의 감소정도, 사회적 요인에 대한 고려, 대중교통의 이용에 따른 접근성 분석 등(Guagliardo, 2004; Wang and Luo, 2005; Apparicio et al., 2008; 조대헌 외, 2010) 모델이 가진 현실성을 향상시키기 위한 노력이 지속되었다. 본 연구는 전국을 대상으로 대시메트릭 기법을 활용한 결과로, 수요지점의 수(n=231,607)가 매우 많으며 또한 서비스 공급분석 대상인 민간 및 공공보건의료 시설의 수(국공립: 434, 민간: 57,264) 역시 매우 많기 때문에 2SFCA 분석의 각 단계에서 입력 자료를 분할하여 분석을 수행한 후 각 결과를 병합하는 과정을 거친다. 분석을 위해 사용한 임계거리는 15㎞이다. 이는 도시지역의 실제 서비스 수요를 위한 이동거리보다 다소 과대하며, 반면 농촌지역의 경우 과소한 값이라고 볼 수 있다. 적정한 임계거리의 선정과 진료서비스 특성에 따른 차별화 등의 필요성이 존재하지만 본 연구의 초점이 민간 및 국공립 보건의료기관에 대한 접근성 비교라는 점에서 계산의 복잡성을 줄이기 위해 임계거리를 공통적으로 15㎞로 적용하였다.

접근성 점수의 공간적 분포를 확인하기 위해 공간군집 탐지 분석을 수행하였다. 공간군집 탐지 방법은 크게 세 가지 방법(전역적, 국지적, 초점 모델)이 널리 사용된다(Mitchell, 2005; Cromley and McLafferty, 2012). 특히 국지적 방법 중 하나인 Getis and Ord(1992)의 국지 G 통계치(Getis and Ord’s Gi^*)는 통계적으로 유의미한 국지적 높은 값 군집(hot spot)과 낮은 값 군집(cold spot)을 탐지하기 위해 널리 사용된다. 특정 지역을 m 개의 하부지역으로 나누었다고 가정하고, x_i 를 i지역의 특성(보건의료자원 접근성 점수, 표준사망비 등)을 나타내는 변수로 상정하며, w_ij를 지역 i와 j간의 근접성을 대표하는 공간가중치로 정의할 수 있다. 이 때 표준화된 Gi^* 통계치는 다음과 같은 식으로 표현할 수 있다.

본 연구에서는 2SFCA로 구한 각 세부 인구중심점의 접근성 점수의 공간적 군집을 확인하기 위해 15km의 고정거리값을 임계거리로 지정하였다. 이는 각 세부 인구중심점에서 15km 범위 내에 있는 이웃 지점의 값은 가중치 1을 부여하고 대상 지점에 대한 영향력이 있다고 가정하는 반면, 그 외부 지점의 값은 가중치 0을 부여하며 대상 지점에 영향력이 없다고 가정하고 계산하였다.

공공보건의료서비스가 공공의 이익을 극대화해야 하는 궁극적 목적을 고려하면 서비스의 대상은 전체 인구 집단으로 보는 것이 바람직하다. 이런 측면에서 지역보건환경을 나타낼 수 있는 보건서비스 필요 및 사회경제적 결핍정도를 나타내는 다차원 지표를 개발하는 연구가 활발한 점(신호성 외, 2009; Cromley and McLafferty, 2012)은 매우 고무적이다. 지역사회의 결핍상태를 측정하고 비교하는 다양한 지표들이 개발되어 왔는데, 그 중 대표적인 지표는 Townsend et al.(1988)의 타운젠드 지수(Townsend Index)와 Carstairs and Morris(1991)의 카스티어 지수(Carstairs Index)이다. 이들은 물질적 결핍을 나타낼 때 이용되었다. 하지만 변수의 선정 및 지수의 해석 등에 있어 우리나라의 실정에 맞지 않기 때문에 신호성 외(2009)는 국내 실정에 부합하는 통합결핍지수(CDI)를 개발하였다. 이는 사회적 배제에 기반을 두어 산출되는데 사회적 배제의 영역은 크게 물질적 결핍과 사회적 결핍으로 나누었으며, 구체적으로 다음 <표 1>과 같은 6개의 영역으로 구성된 통합결핍지수를 제안하였다.

전술한 바와 같이 보건의료서비스 접근성에 대한 사회적 요인은 공간적 접근성과 상호작용하기 때문에 이 둘을 동시에 고려한 의료서비스에 대한 접근성 분석이 필요하다. 본 연구에서는 유사한 사회적 결핍상태를 보이는 것으로 분류된 군집 내 및 군집 간 공공 및 민간보건의료 자원에 대한 접근성을 비교하는 분석을 수행한다. 즉, 민간의료자원에 대한 접근성과 국공립 보건의료기관에 대한 지리적 접근성을 비교할 때 동일한 결핍상태를 가지는 지역 내에서 보이는 유사점과 차이점을 비교할 뿐 아니라 상이한 결핍상태로 분류된 지역 간의 접근성 특성의 비교를 수행하였다.

2SFCA를 적용하여 공공보건의료기관에 속한 의사에 대한 접근성 점수의 빈도분포는 다음 <그림 1>과 같다. 이 때 접근성 점수는 인구 1명당 가용한 의사의 수를 의미한다. 접근성 점수 평균이 0.00019이므로 평균적으로 인구 1,000명당 약 0.19명의 공공보건의료기관 의사가 가용하다. 빈도분포를 보면, 소수의 접근성이 높은 지역과 대다수의 접근성이 낮은 지역이 존재하여 일부 지역에 공공보건의료기관 및 의사 분포가 집중되어 있다. 구체적으로 약 10% 지역(25,970)에서 접근성 점수가 0 즉, 주변 15㎞ 범위 내에 공공보건의료기관 의사가 존재하지 않는다.

Fig. 1 
Frequency distribution of accessibility score (above: public, below: private)

민간의료기관(N=57,264) 의사에 대한 접근성 점수 평균은 0.001464로 평균적으로 인구 1,000명당 약 1.46명의 민간의사가 가용하다. 이는 공공보건의료기관 의사에 대한 접근성보다 약 7.6배 높은 값이다. 민간의료기관 의사 접근성 점수의 분포를 보면, 공공보건의료기관 의사 접근성 점수 분포와는 달리 상대적으로 좀 더 정규분포와 유사한 패턴을 보이고 있다. 더불어 점수가 0인 지역의 수는 812개로 매우 적다.

접근성 점수의 공간적 분포를 살펴보면 대체적으로 공공 및 민간 의사에 대한 접근성 점수의 밀도분포는 유사한 패턴을 보이지만, 두 가지 차이점을 발견할 수 있다(그림 2). 첫째, 공공의사에 대한 접근성이 0인 지역이 강원도, 전북, 전남, 경남 및 경북 산간지역에서 상당한 면적을 차지하지만, 해당 지역의 민간의사에 대한 접근성 점수는 비록 낮은 값으로나마 골고루 분포하고 있다. 둘째, 공공의사에 대한 접근성이 민간의사에 비해 상대적으로 높은 지역이 존재한다. 이 지역은 강원도 홍천, 충남 서산 및 홍성, 전북 전주, 전북 남원, 경남 진주로 지방의료원 및 국립대 병원이 위치한 지역이다. 이와는 반대로 울산의 경우 민간의료기관이 상대적으로 더 많이 분포하고 있다.

통계적으로 유의미한 국지적 공간 군집을 확인하기 위해 Getis-Ord의 국지 G 통계치를 구하니 <그림 3>과 같이 분포하였다. 여기서 빨간색 점으로 표현된 세부 인구중심점은 접근성 점수가 통계적으로 유의미하게(p<0.01) 높은 값, 즉 hot spot이고, 파란색 점은 cold spot이다. 이들의 분포는 대개 밀도분포와 유사한 점이 많다. 하지만 hot/cold spot의 범위가 시군구 행정구역 경계와 일치하지 않는 다는 점을 명백하게 알 수 있다. 예를 들어, 경북 문경시, 상주시, 예천군의 hot spot 군집은 세 행정구역의 좁은 부분에 걸쳐있다. 만일 시군구 단위의 분석을 수행하였다면, 해당 hot spot은 세 지역에 나뉘어져 유의미한 hot spot으로 탐지되기 어려웠을 것이다. 유사한 특성을 지닌 다른 민간의사 접근성 점수 hot spot의 예는 경북 안동시와 예천군에 걸친 hot spot과 평택, 안성, 천안, 아산에 걸치는 군집, 경북 청도군과 경남 밀양시에 걸친 군집을 들 수 있다. 공공의사 접근성 점수 hot spot은 상대적으로 범위도 넓고 수도 많은 것처럼 보이지만 이는 접근성 점수가 0인 지역이 넓게 펼쳐져 있고 바로 그 주변지역은 상대적으로 접근성 점수가 낮아도 hot spot이 될 개연성이 존재하기 때문에 해석에 있어 주의를 요한다.

Fig. 2 
Density of accessibility scores (above: public, below: private)

Fig. 3 
Spatial clustering of accessibility (above: public, below: private)

세부 인구중심점 단위로 산출된 접근성 점수를 시군구 단위로 합역하면, <그림 4>와 같이 시군구별 접근성 점수 분포도로 표현할 수 있다. 하지만 합역된 접근성 점수는 시군구의 행정구역 단위로 값이 평활되면 공간단위가 불일치하기 때문에 분석에 오류가 내포될 가능성이 있다. 또한 표현된 CDI는 다차원지표이기 때문에 CDI 분포와 합역된 접근성 점수를 시각적으로 직접 비교하며 상관성을 논의하는 것은 논리적 모순이 있다. 따라서 본 연구에서는 사회적 결핍도에 따른 접근성 특성을 분석하기 위해 각 시군구별 CDI 군집 간 및 군집 내 접근성 점수의 기술통계를 구하여 공공 및 민간 의사에 대한 접근성으로 구분하여 비교하고 각 접근성 점수의 빈도분포를 확인하였다.

Fig. 4 
Accessibility score distribution by sigungu (above: public, below: private)

CDI 값은 1에서 5까지의 범위를 가지며 해당 값을 가진 지역별 국공립 및 민간보건의료기관 의사에 대한 접근성 점수의 분포는 <그림 5> 및 <그림 6>과 같다.

Fig. 5 
Frequency distributions of accessibility to public healthcare service personnel by CDI regions

Fig. 6 
Frequency distributions of accessibility to private health service personnel by CDI regions

국공립보건의료기관의 의사에 대한 접근성 점수는 통합결핍지수가 낮은, 즉 사회적 배제정도가 낮다고 나타난 지역의 내부 편차가 매우 크다(그림 5). 예를 들어 CDI-1 지역의 최소값은 0.003으로 CDI-2 및 CDI-3 지역의 최소값보다 낮다. 이에 비해 최대값은 1.799로 CDI 군집 중 가장 높다. 이는 CDI-1 지역 내에 국공립보건의료기관 의사에 대한 접근성에 양극화가 존재하는 것으로 해석할 수 있다. 한편 통합결핍지수가 값이 높은, 즉 사회적 배제정도가 높은 지역은 가장 낮은 접근성 점수를 보이며, 그 편차도 작다. 이는 대부분의 지역이 국공립보건의료기관 의사에 대한 접근성이 낮다는 것을 의미하며, 다시 말해 CDI 군집 간에도 역시 접근성의 양극화가 존재하는 것으로 해석할 수 있다.

민간의료기관 의사에 대한 접근성 점수(그림 6)는 우선 CDI-1 지역의 경우, 낮은 값을 가진 지역과 높은 값을 가진 지역으로 크게 나뉘며, 중간정도의 값을 갖는 지역은 오히려 많지 않아서 양봉(bimodal) 분포를 보인다. 이는 해당 지역 즉, 사회적 결핍도가 낮은 지역 내에서 민간의료인력에 대한 접근성이 공평하지 않는 상호배타적인 내부 군집이 존재함을 암시한다. 참고로 접근성 점수가 높은 지역은 평균보다 약 두 배 정도 높다.

CDI가 1~3으로 낮은 지역에서는 유사한 크기의 이질적인(높은 접근성 점수집단과 낮은 접근성 점수 집단의) 두 개의 하부집단이 존재한다. 하지만 낮은 점수집단의 접근성 값과 높은 점수집단의 값이 매우 크게 차이가 나는 것은 아니다. 반면 CDI값이 5로 높은 지역, 즉 사회적 배제정도가 높은 지역은 다수의 지역이 접근성 점수가 낮으며, 일부 소수의 지역이 접근성 점수가 높은 양극화 현상을 보인다.

종합하면 국공립보건의료기관의 의사에 대한 접근성은 CDI 집단 간 및 집단 내에서 양극화 현상을 보이고 있다고 해석할 수 있다. 반면 민간의료기관의 의사에 대한 접근성은 사회적 배제정도가 높은 지역은 양극화 현상을 보이지만, 사회적 배제도가 낮은 지역은 접근성 양극화가 완화된 것으로 보인다.