📄 의학

Data Quality and Associated Technological, Organisational, and Behavioural Factors in the Routine Health Information System of Osun State, Nigeria: A Cross-Sectional Study

나이지리아 오순주의 22개 의료 시설을 대상으로 한 이 단면 연구는, 일상적인 보건 정보 시스템 데이터의 품질이 완전성이나 적시성보다는 주로 정확성에 의해 제약받는 반면, 조직적 요인은 직접적인 효과를 통해서가 아니라 직원 행동과 기술 채택을 형성함으로써 간접적으로만 품질에 영향을 미친다는 것을 보여준다.

원저자: Sunday Akingbola Omokanye, Daisy Ada Oguizu, Clement Kevin Edet, Samuel Olutunde Michael

게시일 2026-10-09

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Sunday Akingbola Omokanye, Daisy Ada Oguizu, Clement Kevin Edet, Samuel Olutunde Michael

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

어떠한 기능적인 보건 체계에서도 의사를 어디로 보낼지, 약을 얼마나 구매할지, 어떤 질병과 싸울지에 대한 결정은 전적으로 클리닉에서 정부로 흐르는 정보에 달려 있습니다. 이 정보는 단순한 숫자의 목록이 아닙니다. 그것은 공중 보건의 토대입니다. 이러한 결정이 타당하려면 데이터가 신뢰할 수 있어야 합니다. 만약 한 클리닉이 말라리아 환자 100명을 치료했다고 보고했지만 그 기록이 틀렸다면, 정부는 약품을 너무 적게 보내 사람들을 병들게 하거나, 혹은 너무 많이 보내 귀중한 자원을 낭비하게 될 수도 있습니다. 나이지리아를 포함한 세계 여러 지역에서는 이 일일 정보를 수집하는 데 사용되는 시스템이 종종 어려움을 겪습니다. 문제는 단순히 시스템을 갖추는 것이 아니라, 그 안의 데이터가 정확하고 완전하며 제때 도착하도록 보장하는 것입니다. 연구자들은 오랫동안 이 데이터의 품질이 세 가지 요소, 즉 사람들이 사용하는 도구, 상사로부터 받는 규칙과 지원, 그리고 직원 스스로의 개인적 습관과 태도에 달려 있다고 의심해 왔습니다.

한 연구팀은 나이지리아 오순 주(Osun State)에서 보건 요원들이 다양한 유형의 클리닉에서 일상적인 보고를 어떻게 처리하는지를 직접 조사함으로써 이러한 아이디어들을 테스트하기 위해 연구를 시작했습니다. 그들은 소규모 1차 보건소부터 대규모 교육 병원에 이르기까지 22개의 시설을 방문했으며, 데이터 수집 및 보고를 담당하는 약 300명의 직원을 만났습니다. 연구진은 단순히 직원들에게 그들의 생각을 묻는 대신, 실제 종이 기록과 디지털 보고서를 직접 확인하여 숫자와 현실이 일치하는지 점검했습니다. 그들은 어떤 요인이 진정으로 중요한지를 알고 싶었습니다. 그것은 컴퓨터와 인터넷 연결이었을까요, 병원의 관리 방식이었을까요, 아니면 개별 근로자의 의지와 기술이었을까요?

연구 결과, 사람들의 말과 실제로 일어나고 있는 일 사이에는 놀라운 격차가 있음이 드러났습니다. 보건 요원들이 자신의 데이터를 평가해 달라는 요청을 받았을 때, 그들은 상당히 낙관적이었습니다. 그들은 자신들의 기록이 보통 완전하며 제때 도착한다고 보고했습니다. 그러나 연구진이 실제 파일을 조사했을 때, 다른 그림이 나타났습니다. 보고서들이 대체로 완전하고 대부분 제때 제출되기는 했지만, 숫자의 정확성이 큰 문제였습니다. 객관적인 점검 결과, 월간 보고서가 완전히 정확했던 시설은 5곳 중 1곳 정도에 불과했습니다. 많은 기록에 누락된 데이터나 원래의 환자 로그와 일치하지 않는 숫자가 포함되어 있었으며, 특히 말라리아나 산전 관리와 같은 흔한 질환에서 그러했습니다. 이는 시스템이 양식을 채우는 데는 능숙할지 모르나, 사실을 정확하게 파악하는 데는 항상 능숙한 것은 아님을 시사합니다.

연구진은 계획했던 세 가지 주요 영역을 살펴봄으로써 왜 이런 일이 발생하는지 조사했습니다. 그들은 데이터의 품질이 직원의 행동 및 그들이 사용하는 기술과 가장 직접적으로 연결되어 있다는 것을 발견했습니다. 자신의 일이 의미 있다고 느끼고, 시간을 엄수하며, 업무에 대해 긍정적인 태도를 가진 직원들이 더 나은 데이터를 생성했습니다. 마찬가지로, 신뢰할 수 있는 컴퓨터와 인터넷 접속을 갖추는 것도 도움이 되었지만, 이는 소규모 1차 클리닉에서만 직접적인 요인이었습니다. 더 크고 복잡한 병원에서는 더 나은 기술을 갖추는 것이 반드시 더 나은 데이터 품질로 이어지지는 않았습니다. 또한, 감독자가 팀을 어떻게 지원하는지와 같은 시설의 관리 방식은 데이터 품질을 직접적으로 개선하지 못한다는 사실도 밝혀졌습니다.

이 마지막 발견은 이 퍼즐의 가장 복잡한 부분이었습니다. 언뜻 보기에 관리 지원은 전혀 중요하지 않은 것처럼 보였습니다. 하지만 연구진이 더 깊이 조사했을 때, 관리 지원은 예상과는 다른 방식으로 매우 중요하다는 것을 발견했습니다. 훌륭한 경영의 영향력은 데이터에 직접 도달하지 않았습니다. 대신, 훌륭한 경영은 직원의 행동을 변화시키고 그들이 필요한 기술을 갖출 수 있도록 함으로써 데이터 품질을 개선했습니다. 즉, 훌륭한 상사는 직원의 동기를 부여하고 컴퓨터가 제대로 작동하도록 함으로써 도움을 주는 것이며, 그러한 행동과 도구의 변화가 실제로 데이터를 바로잡는 것입니다. 이러한 중간 단계 없이 단순히 규칙이나 조직 구조를 바꾸는 것만으로는 수치를 개선할 수 없습니다.

또한 이 연구는 클리닉마다 필요가 서로 다르다는 점을 강조했습니다. 기술이 가장 부족한 경우가 많은 소규모 1차 클리닉들이 실제로 전반적인 데이터 품질을 가장 잘 생성했습니다. 이는 그곳의 직원들이 강한 습관을 가지고 있고 밀착 감독을 받기 때문이었습니다. 반면, 최고의 컴퓨터와 가장 많은 자원을 보유한 대규모 3차 병원들은 더 낮은 품질의 데이터를 생성했습니다. 이는 대형 병원에 더 비싼 장비를 제공하는 것만으로는 문제를 해결할 수 없음을 시사합니다. 대형 병원들은 더 복잡한 작업 흐름과 높은 환자 수를 가지고 있어, 좋은 도구가 있더라도 데이터 입력을 어렵게 만들 수 있습니다. 이들에게 필요한 해결책은 단순히 더 많은 하드웨어가 아니라, 작업 방식을 단순화하는 것입니다.

오순 주의 보건 관계자들에게 이제 나아갈 길이 더 명확해졌습니다. 연구는 가장 큰 약점이 보고의 적시성이나 완전성이 아니라, 바로 '정확성'에 있다는 것을 보여줍니다. 이를 해결하기 위해 보건 지도자들은 단순히 얼마나 많은 양식이 제출되었는지를 세는 것이 아니라, 원래의 기록과 숫자를 대조하는 구체적인 활동에 집중해야 합니다. 또한 기술에 투자하되, 특히 그 효과가 가장 즉각적으로 나타날 수 있는 소규모 클리닉을 대상으로 해야 합니다. 무엇보다도, 새로운 감독 규칙과 같은 조직적 변화는 그 변화가 실제로 직원의 동기를 부여하고 도구를 더 잘 사용할 수 있게 만들 때만 효과가 있을 것이라는 점을 인식해야 합니다. 데이터 품질 문제는 단순한 기술적 결함이 아니라, 사람의 문제입니다. 이는 사람, 도구, 그리고 리더십이 클리닉의 일상적인 리듬 속에서 어떻게 상호작용하는지를 이해함으로써 해결될 수 있습니다.

기술 요약: 오순 주(Osun State)의 보건정보시스템(RHIS) 데이터 품질 및 관련 요인

문제 제기
정기 보건정보시스템(RHIS)은 보건 체계의 근거 기반 의사결정에 필수적이지만, 나이지리아를 포함한 사하라 이남 아프리카에서는 데이터 품질 저하 문제가 지속적으로 발생하고 있다. 세계보건기구(WHO)와 정기 정보 시스템 관리 성과(PRISM) 프레임워크는 기술적, 조직적, 행동적 요인이 결합하여 RHIS 성과를 결정한다고 상정하고 있으나, 기존 문헌은 이러한 결정 요인들을 통합적으로 검토하거나 이들 간의 상호 관계를 동시에 테스트하는 데 한계를 보인다. 특히, 조직적 요인이 데이터 품질에 직접적인 영향을 미치는지, 아니면 기술적 및 행동적 채널을 통해 간접적으로 작용하는지에 대한 증거가 부족하다. 또한, 이전의 나이지리아 연구들은 시설 수준(1차, 2차, 3차)을 체계적으로 구분하지 못했거나, 데이터 정확도의 실제 상태를 포착하기 위한 이중 방법론적 평가(자기 보고식 vs. 객관적 관찰)를 활용하는 경우가 드물었다.

연구 방법론
본 연구는 나이지리아 오순 주의 1차, 2차, 3차 의료 기관을 대표하는 22개의 무작위 및 목적 표집된 공공 의료 시설을 대상으로 단면적 혼합 방법론 설계를 적용하였다. 연구 대상은 RHIS 데이터 수집 및 보고에 직접 참여하는 297명의 보건 인력으로 구성되었으며, 100%의 응답률을 달성하였다.

데이터 수집: 연구진은 인구통계학적 특성, RHIS 도구, 그리고 결정 요인(기술적, 조직적, 행동적 요인)을 평가하기 위해 PRISM 프레임워크를 변형한 구조화된 설문지를 사용하였으며, 이는 5점 리커트 척도로 측정되었다. 또한, 데이터 품질의 차원(정확성, 완전성, 적시성, 일관성)을 객적으로 검증하기 위해 출처 등록부와 요약 보고서를 비교하는 관찰 시설 체크리스트를 23개 사례(22개 시설 포함)에 대해 작성하였다.
분석: 데이터는 IBM SPSS Statistics와 Python을 사용하여 분석되었다. 기술 통계는 현재의 데이터 품질 상태를 요약하였다. 이분산성을 조정한 다중 선형 회귀 분석을 통해 기술적, 조직적, 행동적 요인이 데이터 품질에 미치는 직접적인 효과를 테스트하였다. 또한, 조직적 요인이 데이터 품질에 직접적인 영향을 미치는지 혹은 기술적 및 행동적 요인을 통해 매개되는지를 확인하기 위해 보충적인 부트스트랩 매개 분석(2,000회 재표집)을 실시하였다.

주요 결과

데이터 품질 차원: 자기 보고된 데이터 품질은 적시성(91.1%)과 완전성(87.8%)에서 가장 높았으나, 정확성(71.2%)에서 가장 낮았다. 그러나 객관적 관찰 감사 결과 극명한 차이가 드러났다. 78.3%의 시설이 완전한 데이터를 보유하고 있었으나, 월간 보고서를 완전히 정확하게 생성한 시설은 21.7%에 불과했다. 말라리아 및 산전 관리 지표에서 등록부와 요약 보고 간의 유의미한 불일치가 관찰되었다.
데이터 품질 예측 요인: 다중 회귀 분석 결과, 행동적 요인 ( $\beta = 0.215, p = .003$ )과 기술적 요인 ( $\beta = 0.101, p = .008$ )이 데이터 품질의 유의미한 정적 예측 변수로 식별되었다. 조직적 요인은 유의미한 직접 효과를 보이지 않았다 ( $p = .595$ ). 해당 모델은 데이터 품질 분산의 17.5%를 설명하였다.
매개 분석: 조직적 요인은 데이터 품질에 유의미한 총 효과( $c = 0.269, p < .001$ )를 가졌으나, 행동적 및 기술적 요인을 매개 변수로 포함했을 때 직접 효과는 비유의미해졌다 ( $c' = 0.044, p = .471$ ). 분석 결과 완전 매개가 확인되었다. 즉, 조직적 요인은 직원의 행동과 기술 활용을 형성함으로써 간접적으로만 데이터 품질에 영향을 미친다.
시설 수준별 변이: 1차 의료 시설은 기술적 인프라 점수가 가장 낮음에도 불구하고 전반적인 데이터 품질 점수가 가장 높았다. 반면, 3차 의료 시설은 우수한 기술적, 조직적 점수를 보유했음에도 중간 정도의 데이터 품질을 보였는데, 이는 인프라 자체가 복잡한 워크플로우 내에서 데이터 품질을 보장하지는 않는다는 점을 시사한다.

주요 기여
본 논문은 RHIS 문헌에 네 가지 구체적인 기여를 한다:

시설 수준의 증거: 1차 의료 시설이 2차 및 3차 시설보다 더 나은 데이터 품질을 보일 수 있다는 실증적 증거를 제공함으로써, 시설 수준과 데이터 품질이 양의 상관관계를 가질 것이라는 가설에 도전한다.
행동의 우선성: 행동적 요인(동기, 역량, 태도)이 기술적, 조직적 투입 요소보다 데이터 품질의 가장 강력한 직접적 결정 요인임을 밝혀냈다.
매개 메커니즘: 공식적인 매개 분석을 통해 조직적 요인과 데이터 품질 사이의 관계가 완전히 간접적임을 통계적으로 확인하였다. 이는 조직적 지원을 강조하는 광범위한 문헌과 달리, 조직적 개혁이 직원의 행동과 기술 채택을 변화시키는 데 성공할 때만 데이터 품질을 개선할 수 있음을 보여줌으로써, 비유의미했던 직접 회귀 결과와 문헌 간의 간극을 해소한다.
방법론적 엄밀성: 자기 보고식 데이터와 독립적인 관찰 체크리스트를 병행하는 것의 가치를 입증하여, 자기 보고만 사용했을 경우 과소평가되었을 정확성 격차를 드러냈다.

의의 및 주장
저자들은 오순 주의 RHIS 데이터 품질이 완전성이나 적시성보다는 주로 정확성에 의해 제약된다고 주장한다. 본 연구는 조직적 준수나 인프라 투자에만 집중하는 개입은 해당 요인들이 작동하는 경로인 행동적 및 기술적 채널을 직접 겨냥하지 않는 한 불충분하다고 단언한다.

본 논문은 다음과 같은 우선순위를 갖도록 정책 및 개입 전략을 재설계해야 한다고 결론짓는다:

정확성 특화 검증: 적시성 모니터링을 넘어 정기적인 등록부-보고서 대조(reconciliation)로 전환해야 한다.
표적 투자: 기술적 자원을 행동적 강점은 있으나 인프라가 부족한 1차 시설에 집중하는 한편, 3차 시설에는 추가적인 하드웨어 도입보다는 워크플로우 단순화에 집중하도록 한다.
행동적 개입: 강력한 행동적 동인을 유지하기 위해 비금전적 인정 및 피드백 메커니즘을 시행해야 한다.
재정립된 조직 개혁: 조직적 변화를 데이터 품질의 직접적인 레버가 아닌, 직원의 행동과 기술 활용을 명시적으로 변화시키는 데 목적을 두는 상류(upstream) 조력자로 취급해야 한다.

본 연구는 설명된 분산이 17.5%라는 점을 들어 다른 미측정 요인(예: 자금, 업무량)도 데이터 품질에 영향을 미칠 수 있음을 언급하며 연구 범위의 한계를 겸허히 인정하며, 횡단적 설계가 인과 추론을 제한할 수 있으나 견고한 통계적 연관성과 매개 경로를 확립했음을 밝힌다.

유사한 논문