지난 호에서 이어지는 내용입니다.

단어 단순 빈도 분석

형태소 분석결과 전체 단어는 468만4609개로 분류됐다. 각 집단 간 추출된 상위 30개 키워드를 추출했다.

Normal 시기에는 신고부터 병원 이송까지 구급활동에 대한 전반적인 내용이 기록됐다. Pandemic 시기에는 의료ㆍ비상 상황 관련 용어들이 중요시됐다.

코로나19로 인한 상황에 따라 구급차 소독, 보호장비 착용과 같은 내용이 추가돼 구급대원들은 신속하고 안전하게 환자를 이송할 수 있도록 대비하고 있음을 나타내고 있다.

또 Endemic 시기에는 의료ㆍ비상 상황 관련 용어들이 중요시됐다. 이런 용어들은 환자 상태를 판단하고 적절한 조치를 위한 중요한 초기 판정 요소다.

코로나19로 인한 상황 변화에 따라 병원 사전 연락과 같은 내용이 추가됐다. 구급대원들이 병원으로 이송 전 사전 연락을 통해 환자 수용 여부에 많은 시간과 노력이 투입되는 걸 확인할 수 있다.

연도별 키워드 빈도 분석

연도별 어떤 키워드가 비중 있게 등장하는지 탐색하기 위해 프로그래밍 언어인 ‘R’을 사용, TF-IDF 알고리즘(Term Frequency-Inverse Document Frequency Algorithm)1)을 활용해 시기별 중요한 단어를 파악했다.

2018년에는 중요도가 ‘신고 일시경’, ‘펌뷸런스’, ‘증언’ 순이었다. 2019년에는 ‘삼성교통’, ‘이송 조’, ‘고공농성’, 2020년에는 ‘관련 증상’, ‘이동 경로’, ‘해외 방문 이력’, 2021년에는 ‘감염보호복’, ‘백신’, ‘아스트라제네카’, 2022년에는 ‘백신’, ‘감염 보호 장구’, ‘신속 항원검사’, 2023년에는 ‘백신’, ‘일정 시간’, ‘확진 이력’ 순으로 확인됐다.

2018년에는 일반적인 구급 출동 관련 단어들이 중요하게 나타났다. 2019년에는 삼성교통에서 고공농성을 벌임에 따라 주요 키워드로 등장했다. 2020년에는 코로나19로 인해 해외 방문 등 주요 감염전파 경로에 대한 키워드, 2021년에는 아스트라제네카 등 코로나19 백신에 대한 키워드를 볼 수 있다.

2022년에는 확진ㆍ감염 이력에 대한 키워드, 2023년에는 과거력ㆍ특이 질환 등 환자의 기저질환에 대한 키워드가 나타났다.

연도별 키워드 분석

해당 키워드 가중치를 워드 클라우드(Word Cloud) 패키지로 다음과 같이 시각화했다.

▲ 키워드 분석 워드 클라우드(2018년)

2018년에는 ‘펌뷸런스’와 ‘온열 손상 질환’ 등의 키워드가 중요하게 나타났다. 당시 장기간 지속된 강한 고기압의 영향으로 폭염이 발생했다. 홍천에서는 41℃를 기록하며 역대 최고 기온을 갱신했다. 

‘구조대구급’은 특별구급대 시행 이전 모델인 전문구급대 운영에 중증질환자에 대한 추가 출동 요청을 나타낸다.

▲ 키워드 분석 워드 클라우드(2019년)

2019년에는 ‘고공농성’과 ‘삼성교통’의 키워드가 중요하게 나타났다. 이는 진주시 시내버스 회사인 삼성교통 노조원 2인이 진주IC 부근 45m 높이의 이동 통신중계기 철탑에서 진행한 고공농성의 영향이 나타났을 거로 추정된다.

해당 현장 안전사고 관련 구급대가 약 53일간 배치된 것과 관련이 크다.

▲ 키워드 분석 워드 클라우드(2020년)

2020년 1월 20일 코로나19 감염병 관련 ‘코로나’와 ‘해외 방문 이력’, ‘확진자’, ‘호흡기 증상’, ‘선별진료소’ 등 Pandemic 시작을 알리는 키워드가 눈에 띄었다.

▲ 키워드 분석 워드 클라우드(2021년)

2021년에는 ‘보호복’과 ‘백신’, ‘생활치료센터’, ‘호흡기 증상’, ‘아스트라제네카’ 등으로 코로나19 백신 개발에 따른 접종 시작에 관한 내용과 확진자의 생활치료센터 이송 관련 내용의 키워드가 나타났다.

▲ 키워드 분석 워드 클라우드(2022년)

2022년에는 ‘백신’과 ‘신속 항원 검사’, ‘접종 완료자’, ‘확진 이력’, ‘구급 거부 확인’ 등의 키워드가 확인됐다.

Pandemic에 이어 Endemic으로 진행되면서 코로나19 감염 이력과 신속 항원검사 결과에 따른 대면 진료에 관한 키워드가 눈에 띈다.

▲ 키워드 분석 워드 클라우드(2023년)

2023년에는 ‘백신’과 ‘확진 이력’, ‘구급 거부 확인’ 키워드가 조사됐다. ‘정촌구급대’ 키워드는 진주소방서 구급대에서 ‘정촌구급대’를 ‘코로나 전담 구급대’로 지정해 확진자 또는 의심 환자 병원 이송을 전담하면서 등장했다.

첫째, 시기별 텍스트 수 비교 분석(크러스컬-윌리스 검정)을 시행한 결과 Normal, Pandemic, Endemic 시기를 지나면서 평가소견 텍스트 수 중앙값이 세 배가량 증가했다. 이는 평가소견 작성 시 시기가 지남에 따라 기존 작성 내용에서 추가 항목이 늘어났다는 걸 의미한다.

둘째, 텍스트 마이닝 기법을 통해 시기별 단어 수에 따라 빈도 분석을 시행한 결과 Normal 시기에 신고 단계에서 병원 이송 단계까지 기본적인 환자 상태와 사고 원인에 대해 작성됐다.

Pandemic 시기엔 기존 작성 내용에서 코로나19로 인한 구급대원의 구급차 소독과 보호장비 착용 등에 따른 내용이 추가되면서 텍스트 수가 늘어난다는 게 확인됐다. Endemic 시기엔 코로나19 이후 이송 병원에 사전 연락 내용이 추가 작성됐다는 걸 파악했다.

선행연구에서 병원 전 단계 응급의료체계 기록의 중요성에 대해 언급한 것처럼 구급대원 기록은 의료진에게 환자 인계 시 정확한 정보 전달을 위해 사용되므로 굉장히 중요하다. 또 환자 예후에 큰 영향을 주는 열쇠다.

하지만 우리 기록들은 점점 구급 환자 평가소견이 아닌 추후 발생할지 모르는 민원과 법적 문제를 대비하기 위한 자세한 기록으로 남겨지는 실정이다. 수개월째 어려움을 겪는 일명 ‘응급실 뺑뺑이’ 관련 환자 불수용 사례 또한 텍스트가 점점 늘고 있다.

Total EMS Time(출동에서 귀소까지 걸리는 시간)

진주소방서 구급대의 Total EMS Time은 2018년부터 계속 증가하는 추세에서 Pandemic 시기인 2022년 최고 68.83분, Endemic 시기인 2023년에는 63.6분으로 감소했다. 이는 코로나19 유행이 구급활동에 영향을 미쳤다는 걸 보여준다.

순기능과 역기능 중 순기능의 관점에서 살펴보면 EMS(응급의료서비스) 총 소요 시간이 길어질수록 평가소견의 텍스트가 증가하는 경향을 보인다.

이는 구급대원이 환자와 접촉하는 시간이 늘어날수록 구급활동일지의 내용이 더 풍부해진다는 걸 의미한다. 이런 현상은 환자의 상태를 보다 정확하게 평가하고 치료에 필요한 중요한 정보를 기록하는 데 이바지한다. 

선행연구에서도 이 같은 긍정적인 결과가 강조됐다. 이는 구급대원이 환자와의 상호작용을 통해 더 나은 의료 서비스를 제공할 수 있는 기반이 된다고 볼 수 있다.

반면 역기능 측면에서는 문제가 발생할 수 있다. 환자 평가와 관련된 텍스트가 순수하게 환자 상태를 반영하는 게 아니라 OO병원 사전 연락 결과, 환자 불수용에 관한 내용, 보호복 착용과 현장 도착 지연 사유 등 변명 같은 내용이 포함될 가능성이 있다.

이런 경우 평가소견은 실제 환자의 상태를 제대로 반영하지 못하고 문제의 본질을 회피하는 형태로 나타날 수 있다. 궁극적으로 EMS의 효율성과 환자 안전성을 저해하는 요소로 작용할 가능성이 농후하다.

마무리

구급활동일지 작성에 많은 어려움이 있겠지만 ‘잘’ 작성해보자. 구급대원 평가소견이 환자 상태를 살펴본 후 더 디테일한 내용을 담아 의료기관 환자 인계 시 정확한 정보 전달 도구로 사용되길 바란다.

오늘도 구급 현장에서 작성되는 구급활동일지에 창작의 고통이 아닌 환자의 귀중한 정보를 최선을 다해 작성해보길 기대해 본다.

1) 단어 빈도(TF): 한 문서에서 특정 단어가 얼마나 자주 나오는지를 측정. 예를 들어 ‘사과’라는 단어가 10번 나왔고 전체 단어 수가 100이라면 TF는 0.1(10/100)이다. TF가 높으면 그 문서에서 그 단어가 중요하다고 볼 수 있다.

역 문서 빈도(IDF): 특정 단어가 전체 문서에서 얼마나 흔한지를 측정. 많은 문서에서 자주 등장하는 단어는 정보가 적다고 가정. 예를 들어 ‘사과’가 100개의 문서 중 10개에서만 등장했다면 이 단어는 상대적으로 특별하다고 할 수 있다.

이 두 가지를 곱해서 TF-IDF 값을 구한다. 이렇게 하면 한 문서에서 자주 등장하면서도 전체 문서에서는 드물게 등장하는 단어가 높은 점수를 받는다. 결론적으로 TF-IDF는 문서에서 중요한 단어를 찾는 데 도움을 주며 정보 검색이나 텍스트 분석에 유용하게 사용되는 방법이다.

참고문헌

1) 119구급대원 현장응급처치 표준지침(소방청)

2) 반명준, 김원대, 이상구. ‘진주소방서 구급활동일지 평가소견 텍스트 마이닝 분석 연구’. 한국산학기술학회 논문지 25.5(2024) : 192-199.

3) Laudermilch, Dann J., et al. "Lack of emergency medical services documentation is associated with poor patient outcomes: a validation of audit filters for prehospital trauma care." Journal of the American College of Surgeons 210.2 (2010): 220-227.

경남 진주소방서_ 반명준 :  emtbmj@korea.kr

<본 내용은 소방 조직의 소통과 발전을 위해 베테랑 소방관 등 분야 전문가들이 함께 2019년 5월 창간한 신개념 소방전문 월간 매거진 ‘119플러스’ 2024년 11월 호에서도 만나볼 수 있습니다.>

<저작권자 ⓒ 소방방재신문 (http://www.fpn119.co.kr) 무단전재 및 재배포 금지>