01. 데이터 수집
응급의료통계포털
- 응급실 이용
- 월별 응급실 이용(시도별)
서울, 경기 지역의 응급실 이용자가 눈에 띄게 많다.
2018년부터 2022년까지 2019년 이용자 수가 가장 많다. (코로나 발생 2019년 11월)
- KTAS
응급환자 분류 기준으로, 1~2단계는 중증 응급환자, 3단계는 중증 응급 의심 환자, 4~5단계는 경증 및 비응급환자로 나눈다. 수도권 지역의 경증 및 비응급환자는 절반 이상을 차지한다.
- 시설
- 응급의료기관 현황 - 시도별, 연도별
지역응급의료센터, 권역응급의료센터, 지역 응급의료기관
응급의료기관은 서울과 경기 지역에 많다.
- 인구 백만 명당 응급의료기관 현황 - 시도별, 연도별
인구수를 고려하면 서울과 경기의 응급의료기관은 적은 편이다.
- 인력
- 응급의학 전문의 현황 - 시도별, 연도별
인구수를 고려하면 응급의학 전문의가 적은 편이다.
- 장비
- 전체 구급차 현황 - 시도별, 연도별
- 인구 십만 명당 전체 구급차 현황 - 시도별, 연도별
경기도의 구급차 수가 가장 많아 보이지만 인구수를 고려하면 적은 편이다.
- 응급진료 결과 - 시도별, 연도별
- 응급진료 결과 전원 건수가 서울과 경기 지역에 많다.
02. 인사이트
- 수도권 지역의 응급실 내원 환자가 많지만 응급환자 분류 체계에 따르면 경증 및 비응급 환자의 비율이 50%를 넘는다.
- 서울과 경기 지역에서 응급 진료 결과 전원하는 경우가 많다. 수도권 지역은 병실이 부족해서 전원하는 경우가 많고, 비수도권 지역은 전문진료가 필요해서 전원하는 경우가 많다.
- 응급의료기관 수, 구급차 수, 응급의학 전문의 수 모두 수도권에 많은 것처럼 보이지만 인구수를 고려하면 많지 않다는 것을 알 수 있다.
03. 느낀 점
- 주제를 정하고 데이터를 구하는 것부터 진행하니까 확실히 더 오래 걸렸다. 데이터를 보고 전처리를 하는 것도 너무 중요하다고 느꼈다. 여러 데이터를 연결해서 필터를 적용하는 방법도 알았고, 그동안 어려워서 못 해봤던 매개변수도 적용할 수 있었다.
- Figma를 처음 써봤는데 생각보다 너무 편리했다. 앞으로 더 공부해서 잘 이용해야겠다.
04. 한계
- 데이터가 통합되지 않고 따로 구분되어 있어서 필터를 한 번에 적용하기 어려웠다. 대시보드 색상 조합을 생각하는 것도 어려웠고 Tableau Desktop에서 대시보드를 만들었을 때와 Tableau Public 서버에 올렸을 때 보이는 화면이 달라서 수정을 많이 해야 했다. 글꼴 때문인지 가운데 정렬이 적용되지 않은 부분도 보였다.
- 최근 '응급실 뺑뺑이'로 화제가 되고 있는데, 2022년이 최신 데이터였다. 다음에 2023, 2024년 데이터를 추가하면 다른 인사이트를 얻을 수 있을 것 같다.
05. 개선 사항
응급의료기관 대시보드
- 지도에 마우스 오버하면 하이라이팅되는 막대 범위
기존에는 수도권/비수도권에 하이라이트 → 해당 시도로 변경
전체 현황 대시보드
- 피그마로 만든 화면 위에 시트 배치
클릭해서 다른 대시보드로 갔다가 다시 전체 현황으로 돌아오면 측정값만 보이고 타이틀과 아이콘이 보이지 않았다.
- 이미지를 피그마에서 제거한 후 태블로에서 도형으로 이미지를 넣어 해결
