다음 중 자료의 산포 정도를 나타내는 지표가 아닌 것은?

보건행정 실무 가이드 실무 시나리오 (Clinical Scenario) "원무팀에서 병원 내 모든 진료과의 '외래 재진 대기 시간' 데이터를 수집했어요. 평균 대기 시간은 25분으로 나타났습니다. 병원장님께서 '모든 환자가 25분 정도 기다리는구나, 괜찮네'라고 말씀하셨습니다. 하지만 데이터를 자세히 보니 표준편차가 40분에 달했습니다. 이 데이터를 어떻게 해석하고, 어떤 개선 방향을 제안해야 할까요?" 행정 중재 전략 (Admin Intervention) 1. 상황 파악: 평균 25분은 중심 경향성만 보여줍니다. 표준편차 40분은 평균으로부터의 변동이 매우 크다는 의미예요. 즉, 어떤 환자는 거의 기다리지 않고 진료를 보는 반면, 어떤 환자는 1시간 이상을 길게 기다릴 수 있다는 것이에요. 2. 데이터 심층 분석: 단순 평균 보고서로는 안 돼요! 핵심! 중앙값(Median), 사분위수 범위(IQR)를 함께 계산해보세요. 아마 중앙값은 평균보다 훨씬 낮을 거예요. 이는 소수의 매우 긴 대기 시간(이상치)이 평균을 끌어올렸음을 시사해요. 히스토그램이나 상자 그림(Box Plot)을 그려 시각화하는 것이 효과적이에요. 3. 대응 및 처리: - 원인 분석: 표준편차가 큰 이유를 찾아요. 특정 시간대(예: 오전 11시), 특정 의사, 특정 진료과에서 대기 시간이 극단적으로 길어지지는 않는지 확인해요. - 개선 제안: 예약 시스템 조정, 의사 스케줄 최적화, 보조 인력 배치 등 변동성을 줄이는 프로세스 개선(Process Improvement) 방안을 마련해요. 목표는 '평균 대기 시간 줄이기'보다 '대기 시간의 변동성(표준편차) 줄이기'에 더 초점을 맞추는 것이에요. 4. 사후 기록/보고: 분석 결과와 개선 제안을 '의료 질 관리(QI) 보고서'로 작성하여 관련 부서(원무, 진료과, 기획)에 공유하고, 개선 후 지표를 지속적으로 모니터링해요. 법적 안전 및 주의사항 (Precautions) 통계 데이터를 공표하거나 내부 보고할 때는 평균만 제시하는 것은 오해의 소지가 큽니다. 반드시 산포도 지표(표준편차, IQR)나 신뢰구간(Confidence Interval)을 함께 제시하여 데이터의 불확실성(Uncertainty)을 정직하게 전달해야 해요. 이는 연구 윤리이자, 데이터 기반 의사결정(Data-Driven Decision Making)의 기본 원칙이에요.
업무 프로토콜 보건통계 지표 보고 프로토콜 1. 데이터 수집: 명확한 정의(예: '대기 시간'은 접수 완료부터 진료실 입실까지) 하에 데이터 수집. 2. 기술통계 분석: - 필수 출력: 평균, 표준편차, 중앙값, 최소/최대값, 사분위수(Q1, Q3, IQR). - 선택 출력: 히스토그램, 상자 그림. 3. 해석 및 보고: - 중심 경향성(평균/중앙값)과 산포도(표준편차/IQR)를 함께 해석. - 이상치 존재 여부 확인 및 그 영향 설명. 4. 모니터링: 개선 활동 후, 동일 지표를 추적하여 변화를 측정.
선배의 한마디 "통계 숫자는 말을 해요. 하지만 그 말을 제대로 듣기 위해서는 '평균'이라는 한 마디뿐만 아니라, '표준편차'라는 목소리의 톤과 높이까지 함께 들어야 해요. 보건행정가는 데이터의 전체적인 이야기를 읽어내는 해석자가 되어야 합니다. 평균만 보면 위험한 결론에 빠지기 쉬워요. 항상 '이 숫자의 변동은 얼마나 될까?'라는 질문을 던지는 습관을 들이세요!"