2020년 COVID-19 팬데믹에서 점점 더 멀어지고 있지만, 4년이 지난 지금도 여전히 그 여파를 느끼고 있습니다. 가장 큰 피해를 입은 부문 중 하나로서, 여전히 그 불확실성의 시기로 어려움을 겪고 있는 산업 중 하나가 의료라는 것은 놀라운 일이 아닙니다. Gallup의 데이터에 따르면 미국인 52%가 미국의 의료 품질을 “수준 이하”라고 평가하고 있습니다.
미국 전역의 의료 건물에 배치된 고객 피드백 단말기로 수집된 데이터를 통해, 우리는 2023년 환자 피드백에서 ‘대기 시간’이 가장 흔한 불만 사항이라는 것을 확인할 수 있습니다. 환자 경험에 대한 다른 일반적인 불만 사항은 다음과 같습니다:
직원 전문성
진료 품질
음식 품질.
그러나 의료 분야에서 환자 만족도 수준에 문제가 있음을 인정하는 것만으로는 충분하지 않습니다. 대신, 제공자들은 문제를 찾고 해결하는 방법을 통합하여 환자 경험을 개선해야 합니다. 질문은, 어떻게 해야 할까요?
의료 서비스 제공자에게 조직 및 직원 효율성의 관점에서 생각하는 것은 주요 우선 사항입니다. 따라서 실시간 피드백 시스템을 구현하면 의료 제공자가 열악한 환자 경험에서 벗어나는 데 필요한 동기를 제공할 수 있습니다. 이는 병원 제공자가 환자 경험의 복잡한 역학을 파악하는 데 귀중한 도구가 될 수 있습니다. 병원은 적극적이고 지속적으로 피드백을 수집함으로써 중요 영역에 대한 신속한 통찰을 얻고, 환자 만족도 수준을 추적 및 측정하며, 특히 진료 기준의 하락에 즉각적으로 반응할 수 있습니다.
병원은 또한 이러한 통찰을 사용하여 직원이 환자의 관점에서 특정 진료 영역에 결함이 있음을 인식하지 못한 이유를 더 잘 이해할 수 있습니다. 이는 간호사나 의사의 관점과는 종종 매우 다릅니다. 문제가 발생할 경우 실시간 피드백을 통해 관리자는 직원에게 귀중한 정보를 제공하고 문제를 효과적으로 해결하도록 안내할 수 있으며, 이를 통해 환자 및 직원의 불만의 원인이 되는 것을 방지할 수 있습니다.
예를 들어, ‘대기 시간’이 업계 전반에 걸쳐 매우 일반적인 불만이라는 사실은 이 문제를 해결하기 위한 더 많은 노력이 필요하다는 것을 나타냅니다. 변경 사항이 시행되면 실시간 환자 피드백을 통해 관리자는 어떤 솔루션이 문제를 완화하는지 또는 추가 조정이 필요한지를 파악할 수 있습니다. 대기 시간이 환자를 불만스럽게 만든 것이 분명하다면, 한 가지 가능한 대응책은 직원들에게 효과적이고 공감적으로 소통하는 방법에 대한 교육을 제공하여 환자들이 예상보다 긴 대기 시간을 겪고 있는 이유를 이해하도록 돕는 것입니다. 또 다른 예로는 대기실이 불편하다면 환자들이 대기 시간에 대해 불만을 가질 가능성이 높다는 것입니다. 이것은 환자를 불만스럽게 만드는 것이 무엇인지에 대한 데이터를 갖고 있으면 대기실 환경을 개선하는 것과 같은 해결책으로 가는 길을 안내하는 단순한 예일 뿐입니다. 모든 작은 변화가 시행되거나 잠재적인 문제가 피할 수 있을 때, 환자의 상황에 대한 전체적인 영향은 긍정적인 변화가 될 것입니다.
데이브 브레일스포드(역사상 가장 성공적인 사이클링 코치 중 한 명)는 “한계 이익의 집합(PP의)” 이론이 있으며, 이는 많은 다양한 분야를 1% 개선하면 만든 모든 작은 향상이 총합에서 상당한 양이 될 것이라고 말합니다. 이 이론은 환자 경험과 관련하여 정말 전환점이 있습니다. 개선할 수 있는 곳에 대한 실시간 데이터를 받는다면, 문제를 해결하고 변화를 이끌어낼 수 있습니다.
진료의 질은 모든 병원의 주요 목표여야 하므로, 환자들이 그들의 경험 중 부족한 부분을 지적할 수 있도록 필요한 수단을 제공하고, 그들의 피드백이 중요한 것으로 들린다는 것을 보여주는 것이 중요합니다. 장기 질환으로 고통받고 있는 많은 환자들은 장기간 입원했거나 정기적으로 예약이 있는 경우, 문제가 식별된 결과로 이루어진 긍정적인 변화에 기뻐할 것입니다.
2023년의 글로벌 AI 환자 참여 시장 규모가 60억 8000만 달러로 추정되며, 2024년부터 2030년까지 20% 이상의 성장률을 보일 것으로 예상되면서, AI는 환자 경험 분야에서 점점 더 유용한 도구가 될 것입니다. AI를 사용하여 피드백을 제공하는 사람들에 대한 인구 통계적 세부 정보를 익명으로 식별할 수 있는 점점 더 정교한 피드백 단말기가 개발되고 있고, AI는 데이터 분석 내에서 도구로 활용될 수 있습니다. 피드백 분석 및 패턴 인식을 위해 AI를 사용함으로써, 의사 결정자는 필요한 관련 변화를 식별하고 시행하는 데 도움을 받을 수 있습니다.
AI는 고객 피드백 분석을 자동화하고 간소화하는 데 도움이 될 수 있습니다. AI와 머신 러닝을 사용하여 방대한 양의 데이터를 신속하게 분석할 수 있어, 병원은 다음과 같은 내용들을 파악할 수 있습니다:
트렌드
감정 패턴
인구 통계 해독(나이/성별)
환자들이 직면하고 있는 특정 문제를 가리킬 수 있는 피드백의 급증.
가장 중요한 takeaway는 병원과 클리닉이 수집한 환자 피드백 데이터는 수동으로든 기술 발전으로 제공된 도구를 통해든 검토되어야 한다는 점입니다. 피드백 데이터에서 드러나는 패턴을 찾아보는 것만이 제공자들이 더 개인화된 치료를 제공하게 해줄 것이며, 환자가 시설에 들어서는 순간부터 퇴원할 때까지 그들의 인구 통계에서 가장 일반적으로 바라는 바와 필요에 따라 환자의 여정을 조정할 수 있습니다.
피드백 분석은 병원들이 최대 효율로 운영될 수 있게 하여, 트렌드를 신속하게 발견함으로써 특정 상황에서 어떤 문제가 발생할 수 있는지 예측할 수 있습니다. 이는 특정 시간대, 요일, 심지어 특정 휴일에 더 많은 환자가 예상되는 경우 더 많은 직원이 근무할 수 있도록 직원 근무 일정을 조정하는 것이거나, 환자들이 불만을 갖고 있는 특정 지역의 청결을 늘리는 것일 수 있습니다. 핵심은 통찰력을 사용하여 직원의 부담을 줄이고 환자들과의 신뢰와 충성심을 구축하는 것입니다.
환자 경험을 개선하는 데 있어 데이터 분석의 중요한 역할은 결코 과소평가될 수 없습니다. 의료 산업이 2020년 이후의 스트레스와 긴장으로 인해 다시 발을 내디딜 때, 환자에게 제공되는 치료 기준을 향상시키기 위해 혁신이 필요합니다. 환자에게 불만을 초래하는 것이 무엇인지 정확히 아는 것은 중요하며, AI 또는 머신 러닝과 같은 현대 기술을 사용하는 것은 앞으로 의료 제공자들에게 만능 해결책이 될 수 있습니다.
사진: imtmphoto, Getty Images
미이카 마키탈로(Miika Mäkitalo)는 HappyOrNot의 CEO로, 이 회사는 세계적으로 인정받은 네 가지 스마일리 이모티콘을 만든 기업이며, Elkjøp, Levi’s Stadium, Autogrill, 런던 히드로 공항 등 135개국 4,000개 브랜드에 서비스를 제공합니다. HappyOrNot는 15억 개 이상의 피드백 응답을 수집하고 보고했습니다. 지난 15년 동안 미이카는 여러 관리직을 맡았으며 산업 공학 및 관리 박사 학위를 보유하고 있습니다.
이 게시물은 MedCity Influencers 프로그램을 통해 게시되었습니다. 누구나 MedCity Influencers를 통해 MedCity News에 의료 분야의 비즈니스와 혁신에 대한 자신의 관점을 게재할 수 있습니다. 자세한 방법을 알아보려면 여기를 클릭하세요.
