임상약국 역할 파악 설문분석 활용

** 본 논문은 임상약국 서비스 도입을 위한 의사·간호사·약사의 기대와 요구를 정량적으로 파악하고, 이를 바탕으로 효율적인 인적 자원 배치를 지원하는 분석 방법을 제시한다. 연구는 크게 네 단계로 진행된다. 첫째, 설문 설계 단계에서는 기존 문헌과 임상약국 활동 리스트를 기반으로 52개의 항목을 도출하고, 이를 Likert 1‑5 척도로 구성하였다. 설문은 의료 부서장·간호 부서장에게 직접 배포했으며, 약사는 자발적으로 참여하도록 하였다. 결과적으로 의사·간호사 82명, 약사 13명의 응답을 확보하였다. 둘째, 데이터 전처리 후 OrdEval 알고리즘을 적용하였다. OrdEval는 각 응답자를 중심으로 유사 응답자 집단을 선정하고, 특정 속성값이 한 단계 상승(또는 하강)했을 때 전체 만족도(종속 변수)의 변화를 확률적으로 추정한다. 이때 속성값의 순서 정보를 보존함으로써 전통적인 분류 지표가 놓치는 미세한 차이를 포착한다. 알고리즘은 각 속성값에 대해 ‘긍정적 영향 확률(P↑)’과 ‘부정적 영향 확률(P↓)’을 산출하고, 부트스트랩 방법을 이용해 95 % 신뢰구간을 계산한다. 셋째, Kano 모델을 차용해 속성을 세 가지 카테고리로 분류하였다. 기본형(Threshold) 속성은 최소 수준 미달 시 불만을 초래하고, 성능형(Performance) 속성은 제공 수준에 따라 만족도가 선형적으로 변하며, 흥미형(Excitement) 속성은 제공될 경우 만족을 크게 높이지만 제공되지 않아도 만족도에 큰 영향을 주지 않는다. OrdEval가 제공하는 P↑와 P↓ 값을 기준으로 각 속성값이 어느 카테고리에 해당하는지를 판단하였다. 예를 들어, ‘약물 처방 검증’은 3단계 이상에서 P↑가 0.78, P↓가 0.12로 성능형으로 분류되었으며, ‘약물 비용 절감 제안’은 5단계에서만 P↑가 0.65로 흥미형으로 식별되었다. 넷째, 병동별 성공 가능성을 예측하기 위해 분류 모델을 구축하였다. OrdEval에서 도출된 속성별 영향도와 카테고리 정보를 특징 변수로 사용하고, 로지스틱 회귀와 의사결정 트리를 결합한 앙상블 모델을 적용하였다. 학습 데이터는 현재 임상약국과 협업 중인 6개 병동이며, 나머지 병동을 대상으로 성공 확률을 예측하였다. 모델은 교차 검증을 통해 AUC 0.84를 기록했으며, 예측 결과 상위 5개 병동은 ‘투약 계획 협의’와 ‘환자 약물 이력 관리’가 높은 성능형 점수를 보인 것으로 나타났다. 연구 결과는 다음과 같다. (1) 의사·간호사는 ‘약물 처방 검증’, ‘투약 계획 협의’, ‘환자 약물 이력 관리’를 가장 중요한 활동으로 인식했으며, 이는 성능형에 해당한다. (2) ‘약물 정보 제공’은 기본형으로, 최소 수준이라도 충족되지 않으면 불만이 발생한다는 점이 확인되었다. (3) ‘약물 비용 절감 제안’과 같은 흥미형 활동은 현재 인식도가 낮아 교육·홍보가 필요함을 시사한다. (4) OrdEval와 Kano 모델을 결합한 분석은 작은 표본에서도 의미 있는 인사이트를 도출할 수 있었으며, 시각화된 확률값과 신뢰구간은 의사결정자가 위험을 정량적으로 평가하도록 돕는다. 결론적으로, 본 연구는 설문 데이터의 순서 정보를 활용한 OrdEval 알고리즘을 임상약국 도입이라는 의료 관리 문제에 성공적으로 적용함으로써, 활동별 중요도와 기대 수준을 정량화하고, 병동별 성공 가능성을 예측하는 실용적인 의사결정 지원 체계를 제시한다. 향후 연구에서는 더 큰 표본과 다기관 데이터를 활용해 모델의 일반화 가능성을 검증하고, 실시간 설문 기반 피드백 시스템을 구축함으로써 지속적인 서비스 개선에 활용할 수 있을 것이다. **