PHASE-ED: Recorded Emergency Department Stay and Temporal Prediction Across Pandemic Phases at Jordanian Public Hospitals
이 연구는 팬데믹 단계별 응급실 체류 시간의 변화를 특징짓고 시계열 예측 모델을 평가하기 위해 2018년부터 2025년까지의 요르단 보건부 데이터를 분석하였으며, 회복기 동안 기록된 체류 시간은 감소했으나 예측 모델링의 정확도 개선은 미미하고 환자 범주에 따라 불균등한 불확실성 범위를 보였다는 점을 밝혔다.
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
환자가 응급실에 도착하면 시계는 돌아가기 시작합니다. '체류 시간(length of stay)'이라 불리는 이 시간은 단순히 스프레드시트에 적힌 숫자가 아닙니다. 이는 한 사람이 문을 열고 들어온 순간부터 집으로 돌아가거나 병실로 옮겨지기 전까지 얼마나 빨리 움직이는지를 나타내는 척도입니다. 의사와 병원 관리자들에게 이 지속 시간을 추적하는 것은 매우 중요합니다. 이를 통해 그들의 시스템이 원활하게 작동하고 있는지, 아니면 환자들이 돌봄을 받기 위해 너무 오래 기다리며 병목 현상에 갇혀 있는지를 이해할 수 있기 때문입니다. 최근 몇 년 동안 글로벌 팬데믹은 이러한 시스템을 혼란에 빠뜨렸으며, 얼마나 많은 사람이 방문하는지, 그들이 얼마나 아픈지, 그리고 병원이 어떻게 대응하는지를 변화시켰습니다. 이제 즉각적인 위기는 지나갔지만, 중요한 질문이 남아 있습니다. 응급실이 진정으로 정상으로 돌아왔는가, 아니면 환자를 치료하는 방식과 함께 시간을 측정하는 방식도 변했는가 하는 점입니다.
요르단에서 발표된 PHASE-ED라는 새로운 연구는 2018년부터 2025년 사이 공공 병원 응급실을 방문한 약 40만 건의 기록을 조사하여 이 질문에 답하고자 했습니다. 연구진은 팬데믹 전, 바이러스가 정점에 달했을 때, 그리고 그 이후의 몇 년 동안 환자가 응급실에서 보낸 시간이 어떻게 변화했는지 살펴보고 싶었습니다. 또한 연령, 성별, 도착 시간과 같은 기본적인 정보만을 바탕으로 미래의 환자가 얼마나 머물지를 예측할 수 있는지 간단한 컴퓨터 모델을 테스트하고자 했습니다. 목표는 단순히 분(minute)을 세는 것이 아니라, 숫자가 더 빠른 진료를 보여주는 진실된 이야기를 담고 있는지, 아니면 병원이 데이터를 기록하는 방식의 변화를 숨기고 있는지를 이해하는 것이었습니다.
연구는 모든 환자가 응급실로 들어온 방대한 디지털 로그를 정리하고 조직하는 것으로 시작되었습니다. 연구진은 데이터의 일관성을 확보하기 위해 특정 병원 시설 하나에 집중하여 2018년 초부터 2025년 말까지의 방문 기록을 살펴보았습니다. 그들은 이 타임라인을 세 가지 뚜렷한 시대로 나누었습니다: 팬데믹 이전의 시기, 바이러스가 활발히 확산되던 시기, 그리고 공식적인 보건 비상사태가 종료된 후의 회복기입니다. 이 그룹들의 중간값을 비교했을 때, 명확한 추세가 발견되었습니다. 팬데믹 전에는 전형적인 환자의 체류 시간이 63분이었습니다. 팬데믹 기간 동안 그 시간은 60분으로 약간 감소했습니다. 회복기에는 전형적인 체류 시간이 51분으로 더 떨어졌습니다.
하지만 평균 시간은 이야기의 일부만을 보여줍니다. 연구진은 가장 오래 기다린 환자들에게 어떤 일이 일어났는지 확인하기 위해 데이터를 더 깊이 들여다보았습니다. 팬데믹 전에는 체류 시간 중 상위 10%가 5시간 15분 이상 지속되었습니다. 팬데믹 기간 중에도 이 상한선 대기 시간은 여전히 5시간 가까이 되었습니다. 그러나 회복기에는 가장 긴 대기 시간이 3시간 미만으로 급격히 줄어들었습니다. 이는 전형적인 환자의 경우 체류 시간이 완만하게 개선된 반면, 시스템에 가장 오래 갇혀 있던 환자들에게서 가장 큰 변화가 일어났음을 시사합니다. 6시간 이상 대기하는 환자의 수는 팬데믹 전 8% 이상에서 회복기에는 1%를 약간 상회하는 수준으로 급감했습니다.
그럼에도 불구하고 연구진은 이러한 짧아진 시간이 병원이 갑자기 사람들을 더 빠르게 치료하게 되었음을 의미한다고 단정 짓는 것을 경계했습니다. 그들은 병원이 시간을 기록하는 방식에서 미묘하지만 중요한 변화를 발견했습니다. 2024년 7월, 환자가 떠나는 정확한 순간을 기록하는 방식이 더 정밀하게 변경되었습니다. 연구진은 더 짧아진 체류 시간이 이러한 기술적 변화가 일어나기 전부터 이미 나타나기 시작했다는 것을 발견했으며, 이는 이 추세가 실제적인 것이지 단순히 기록 시스템의 오류가 아님을 시사합니다. 그럼에도 불구하고, 데이터는 기이한 패턴을 보여주었습니다: '알 수 없음(unknown)' 상태의 환자 수가 회복기에 급격히 감소했다는 점입니다. 이는 의료진이 환자를 '퇴원(discharged)' 또는 '입원(admitted)'으로 표시하는 방식이 변했을 가능성을 제기하며, 이로 인해 실제 의료 행위가 똑같이 오래 걸리더라도 기록된 시간이 더 짧게 보일 수 있음을 의미합니다.
미래의 체류 시간을 예측할 수 있는지 확인하기 위해 연구팀은 여러 컴퓨터 모델을 구축했습니다. 그들은 단순히 과거의 평균치만큼 모든 새로운 환자가 머물 것이라고 추측하는 단순한 역사적 평균을 사용해 보았습니다. 또한 연령, 성별, 시간대 사이의 패턴을 포착할 수 있는 고급 통계 기법과 머신러닝 알고리즘을 포함한 더 복잡한 방법들도 시도했습니다. 결과는 놀라웠습니다. 복잡한 모델들은 단순한 역사적 평균보다 성능이 크게 나아지지 않았습니다. 가장 정교한 모델조차 단순한 추측값에 비해 예측 오차를 2분 미만으로 줄이는 데 그쳤습니다. 이는 이 특정 병원의 경우, 환자의 연령이나 성별을 아는 것이 체류 시간을 예측하는 데 별 도움이 되지 않음을 시사합니다. 시간대와 요일은 중요했지만, 병원의 기본적인 과거 실적 자체가 놀라울 정도로 강력한 예측 변수였습니다.
연구는 또한 이 모델들이 단순히 하나의 숫자만을 예측하는 것이 아니라, 환자가 머물 수 있는 시간의 범위를 얼마나 잘 추정할 수 있는지 조사했습니다. 그들은 "대부분의 환자는 20분에서 100분 사이에 머물 것이다"와 같이 시간 범위를 제시하고, 그 범위가 정확하다고 확신할 수 있는지 알고 싶었습니다. 단순한 역사적 모델은 전반적으로 이 작업에 능숙하여 약 91%의 환자에 대해 올바른 시간 범위를 커버했습니다. 그러나 특정 그룹을 살펴보았을 때 양상은 불균형해졌습니다. 가장 위중한 카테고리인 '소생술(Resuscitation)'이 필요한 환자들의 경우, 모델의 정확도는 약 69%에 불과했습니다. 이는 가장 아픈 환자들에게 있어 예측이 너무 넓거나 범위를 벗어나는 경우가 많았음을 의미하며, 시스템이 가장 긴급한 사례들의 필요를 예측하는 데 어려움을 겪고 있음을 강조합니다.
연구진은 응급실에서의 기록된 시간이, 특히 가장 오래 기다린 경우를 제외하고 확실히 짧아졌다고 결론지었습니다. 데이터는 수치의 실질적인 변화를 보여주지만, 이것이 의사들이 더 빠르게 일하기 때문인지, 도착하는 환자의 유형이 변했기 때문인지, 아니면 시간이 기록되는 방식이 바뀌었기 때문인지는 완전히 밝혀내지 못했습니다. 이 연구는 복잡한 시스템인 병원에서 화면상의 짧은 숫자가 반드시 더 나은 진료를 자동으로 의미하는 것은 아니라는 점을 상기시켜 줍니다. 이는 병원 관리자들이 전체 시간만을 볼 것이 아니라, 의사를 만나는 데 걸리는 시간이나 병상을 찾는 속도와 같은 프로세스의 구체적인 단계들을 검토해야 함을 시사합니다. 그러한 세부 사항들이 이해되기 전까지, 짧아진 체류 시간은 해결된 문제가 아니라 추가 조사가 필요한 유망한 징후로 남아 있습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.