내원객 대상 QR 코드 적용전략 도출: 관찰+시뮬레이션 (토이프로젝트)

/
보건복지부 QR 홍보자료
  • COVID-19로 여러 병원에서 도입된 QR 코드에 대한 효과적 적용전략을 살펴본 1박 2일짜리 프로젝트입니다.
  • 이 글은 실제 현장을 관찰 –> 데이터 생성 –> 데이터의 분석 –> 시뮬레이션 환경 구축 –> 적정 적용 전략 제시의 순으로 구성되었습니다.
  • 건강정보기술 (Health IT, HIT)의 적용 전략 수립, 적용 이후의 평가, 개선안 도출을 위한 컨설팅 요청을 환영합니다 😀
  • e: junnsang@gmail.com

배경

COVID 19로 인해 보건의료시스템은 위기를 마주하였습니다. 다른 한편으로는, 의료기관의 정책결정자의 기자들이 학수고대하는 단어인 “뚫렸다” 에 대한 공포증은 Health Information Technology (HIT)의 도움을 통해 금번 위기상황을 극복하는것을 적극적으로 고려하게 만들었습니다. 그리고 아마도 각 병원의 정보 담당부서와의 협의 하에, QR코드, 발열 체크 등 다양한 문제를 해결하기 위한 솔루션들이 속속 도입되고 있습니다.

물 들어올때 노를 젓더라도…

어쨌든, COVID 19 시대로 들어서며 최근의 병원의 주요 의사결정자들은 등떠밀리듯 HIT 도입을 서두르고 있습니다. 평소였다면 이러저러한 고려 후에 가까스로 통과했을 안건조차, 옆 Big X 병원이 도입했다면 경주하듯 도입/자체개발 해야하는것 처럼 보여요. 그분들에게는 불확실한 정보 속에서 내려야 하는 절박한 의사결정이었겠지만, 제게는 HIT 적용 전략에 대한 재미있는 자연실험의 장으로 보였습니다.

한편, 의료 정보학 분야에서는 사려깊게 적용되지 못한 HIT가 임상 워크플로우를 왜곡할 수 있다고 말하고 있는데요. 안타깝게도 워크플로우 왜곡으로 인한 나비효과는 누군가 조금 고생하고 마는데 그치지 않는다는것은 의료 정보학 분야에는 널리 알려진 사실입니다. 이러한 업무흐름 왜곡으로 인한 업무 효율성 저하, 환자 결과 악화, 경제적 손실, 만족도 저하, 심지어는 환자에게 의도치 않은 해를 가하는 사례들이 지속적으로 보고되고 있거든요.

목적

환자를 대상으로 하는 HIT의 경우, 많은 아픈 환자들이 Digital literacy가 떨어지는 노년층임을 고려하면, 현재 경쟁적으로 도입되고 있는 QR코드는 이들에게 병원의 첫인상부터가 좌절감을 느끼게 하는 디바이스일수도 있습니다. 저는 이 글을 통해 병원의 특정 Gate의 QR 적용 이후의 환자경험 변화를 확인할 수 있는 간단한 데이터를 수집, 분석하고, 이를 시뮬레이션하여 조금이라도 더 나은 환자경험을 제공할 수 있는 전략에 대해 고민 해 봤습니다.

방법

연구 수행기관

이하의 모든 자료수집은 서울 내 3차 대학병원에서 시행되었습니다. 하술할 모든 자료수집, 분석결과는 그저 궁금해서 시행한 것으로, 병원의 입장이나 전략과는 하등의 관련이 없음을 밝히는 바입니다.

Flow 분석

자료 수집 1일 전, 현장을 답사했습니다.

가장 먼저 QR을 준비한 사람과 준비하지 않은 사람으로 나뉩니다. QR을 준비한 사람은 바로 QR을 찍고 (신원확인) 발열을 체크하고 곧바로 통과하여 병원 내부로 진입하게 됩니다. QR을 찍지 않은 사람은 두가지 경로를 가지는데요, 키오스크에 가서 QR을 발급+발열체크 후 통과하거나, 문진 + 발열체크를 통한 통과를 하였습니다.

자료수집

App 개발

자료 수집을 위해 간단한 스톱워치 기능을 하는 어플리케이션을 아래와 같이 목적에 맞게 커스터마이징 하였습니다.

1번 게이트 방문 숫자를 세기위한 R Shiny App
1번 게이트 방문~통과 시간 측정을 위한 R Shiny App

자료 측정

평소보다 한시간 일찍 출근해서 1번게이트로 출근했습니다. 각자 노트북을 들고 한명은 발열 체크를 통과한 사람 숫자를 세었고, 다른 한 명은 회전문을 통과한 시점의 사람들을 무작위로 선택하여 그사람이 회전문을 진입하는 시점부터, 발열 체크를 통과하는 시점까지의 기간을 기록하였습니다. 자료 수집은 방문객 내원이 가장 많은 시간인 8:30 ~ 10:30 (2 hr) 이었습니다.

분석

수집된 자료는 .csv 파일로 변환, 저장되며, R (Version 4.0.2) 을 통해 탐색적 자료분석을 수행하였습니다.

시뮬레이션

상술한 탐색적 자료분석 결과를 기반으로, SIMIO 툴을 통해 간소화된 시뮬레이션 모형을 만들고, KIOSK 및 Fever Checker의 숫자를 바꾸어가며 환자의 체류시간 등을 비교했습니다.

결과

8시 30분 ~ 10시 30분까지 2시간동안 총 1,645명의 환자가 1번 게이트를 통과했으며, 해당 기간동안 약 111명(14.8%)의 환자의 통과 타입과 시간을 측정할 수 있었습니다.

8시 30분 ~ 9시 30분까지는 QR을 준비해 오지 않은 사람에게 키오스크를 안내하기 보다 문진을 통해 통과시켰으며, 9시 30분 부터는 직원 2인이 키오스크를 담당하며 적극적으로 QR준비 안한사람을 키오스크에서 QR을 발행하도록 안내하였습니다.

탐색적 자료분석 (Exploratory Data Analysis, EDA)

아래의 시간대별 bar plot을 보면 10분당 30명에서 100명까지 방문에 variation 이 있음을 확인할 수 있다.

분당 방문자의 수에 대한 Density plot은 아래와 같습니다.

환자의 방문시간에 대한 Density Plot. x축은 초(sec) y축은 density이다.

일반적으로 방문시간은 포아송 분포를 통해 재현할 수 있으며, Peak 값인 14를 lambda로 두어 시뮬레이션 시 유사한 plot을 얻을 수 있었습니다.

포아송 분포 (Lambda =14) 로 재현한 시뮬레이션 데이터. 실 데이터와 비슷한 분포를 보임을 알 수 있다.

시간대별 평균 통과시간에 대해서도 플롯으로 그려봤습니다. 9시 30분 이전에는 방문자수와 관계 없이 평균 통과시간이 1분 이내였으나, 9시 30분 이후 1시간 동안은 평균 통과시간이 3분을 넘어가는 경우가 다수 발생하였습니다.

평균 통과 시간은 (초) 9시 30분을 기점으로 증가하는 모습을 볼 수 있다.
위 플롯을 Boxplot으로 그릴 시

총 방문자의 통과시간의 최빈값은 25였으며, Rt skewed plot의 양상을 보였습니다.

위 그림을 통과 타입별로 분류해서 보며, 문진, 키오스크, QR을 통해 통과하는 사람들의 통과시간은 문진을 통해 통과하는 사람이 가장 빨랐으며, QR을 준비해 온 사람, 그 다음 키오스크를 경유해 통과하는 사람 순이었습니다. 대부분의 사람은 1분 이내에 통과할 수 있으나, long tail이 보이며 3분 이상 오래 체류하는 사람도 다수 있음을 확인할 수 있습니다.

시뮬레이션

간단한 시뮬레이션 모형 (By SIMIO)

EDA 자료를 활용하여 간단한 시뮬레이션 자료를 만들었습니다.

QR이 준비된 사람은 Poisson Distribution (lambda = 10), 준비되지 않은 사람은 Poisson Distribution (lambda = 7.5) 로 설정하여 병원에 들어오는 것으로 설정하였습니다. KIOSK 및 fever checker 처리시간은 Right skewed 데이터임을 EDA를 통해 확인할 수 있었고, 이와 비슷한 분포를 보이는 Erlang 분포를 적용하였습니다. 상세 설정값은 KIOSK mean = 45, k = 2, & Fever checker mean =17, k = 2로 설정하였습니다. 초기 세팅에서는 KIOSK 및 Fever Checker 모두 4대씩 적용하였습니다.

현행 키오스크 4대, Fever checker 4대 시뮬레이션

위 모델을 활용한 시뮬레이션 결과 2시간 동안 총 1,648명이 입장하여 실 관측치와 비슷한 수치의 환자 내원을 확인할 수 있었습니다. QR을 준비한 사람은 평균 57초 가량을 대기하였고, 대기 최대치는 160초였습니다. QR을 준비하지 않은 사람은 평균 144초, 최대 417초를 체류한 후 원 내로 진입할 수 있었습니다. KIOSK에서 대기해야 하는 인원의 최대값은 29인이었으며, Fever checker에서는 최대 24인이었습니다.

키오스크 6대, Fever checker 6대 시뮬레이션

KIOSK 및 Fever checker를 각 6대로 늘려 시뮬레이션 한 결과, 평균 체류기간은 약 50% 이하, 대기 줄은 20% 까지 급격히 감소하는것을 확인할 수 있었습니다.

전략 제시

  • KIOSK 및 Fever Checker 각 2대 가량 추가 설치 시 체류기간 및 대기줄을 급격히 감소시킬 수 있습니다.
  • 추후 키오스크 로그 데이터 등을 통합-분석하여 보다 정밀한 시뮬레이션 환경을 구축할 수 있을 것입니다.

제한점

  • 현실에서는 내원객 방문의 sequence가 포아송 분포를 따르지 않습니다. 즉 병원 내 신호등 패턴 및 병원 셔틀버스의 도착 등과 같은 한꺼번에 환자가 방문하는 기간이 있으며, 이를 측정하여 보다 정밀한 시뮬레이션 구축이 가능할 것입니다.

감사의 글

COVID-19 era의 HIT 적용에 대한 실험적 뻘글을 읽어주신 여러분, 이 아이디어를 발전시킬 수 있도록 함께 고민해준, 그리고 많은 조언을 해 준 여자친구님, 자료 수집하기위해 한시간 일찍 출근하신 우일신 연구원님, 그리고 이런 뻘짓 해도 별로 뭐라 안해주시고 되려 코멘트를 더해주시는 PI 차교수님께 특별한 감사의 말씀을 전합니다.

2 thoughts on “내원객 대상 QR 코드 적용전략 도출: 관찰+시뮬레이션 (토이프로젝트)”

  1. 안녕하세요, 선생님. SHL 홈페이지에서 선생님 홈피 주소를 보고 들어왔어요 : )
    졸업전까지 연구열정이 대단하세요!!
    이 글 너무 재미있게 봤습니다 : )
    궁금한 점이 있는데요.. 해당 게이트를 이용하는 대상은 환자들, 즉 내원객만 있나요? 직원 게이트는 따로 있을까요?
    직원게이트가 따로없다면 QR을 미리 준비한 그룹에 직원이 많지 않을까..하며 저도 뻘짓스런 고민을 해봅니다 ^^^^^^

    응답
    • 김현지 선생님 안녕하세요^^
      말씀주신대로 직원 gate가 따로 있어서 (출입카드를 가지고 오지 않은 직원 등) 일부 예외적인 사유를 제외하고는 직원은 자료생성 단계에서 고려하지 않아도 됐습니다!
      관심갖고 읽어셔서 감사합니다:D

      응답

Leave a Comment