I. 서론

입지는 조직의 생존을 결정짓는 전략적 요인이다. 의료기관 또한 환자 접근성, 잠재 수요, 경쟁 환경을 고려하여 최적의 위치를 선정하는 합리적 경제 주체로 간주되며, 이러한 입지 선택은 의료 기관의 존속 가능성에 직결된다(Newhouse, 1990). 이러한 관점은 우리나라 의료공급 구조에도 적용될 수 있다. 특히 서울은 2023년 기준 전체 의료기관의 약 23.94%가¹⁾ 위치하며, 높은 인구 밀도와 의료 수요, 우수한 교통 접근성을 바탕으로 의료기관의 집적이 가장 뚜렷하게 나타나는 지역이다. 동시에 의료 공급의 경쟁이 가장 치열하게 전개되는 공간으로, 의원급 의료기관의 개･폐업이 전국에서 가장 빈번하게 발생하는 지역이기도 하다.²⁾

의료기관은 일반적인 소상공인이나 프랜차이즈 사업체와는 다른 제도적･사회적 성격을 지닌다. 의료는 공공성과 시장성이 혼재된 성격을 동시에 갖는 이중적 산업이며, 의료기관은 국민의 건강권과 직결되는 사회적 기능을 수행한다는 점에서 단순한 영리 조직과 동일하게 취급되기 어렵다. 진료비는 건강보험 체계 하에서 일정 부분 규제되며, 정보의 비대칭성과 전문직 규범이 작동하고, 국가의 인허가 및 감독 체계에 의해 강하게 통제된다. 그럼에도 불구하고 현실의 의원급 의료기관은 특정 공간 내에서 환자라는 한정된 수요를 두고 경쟁하는 시장 구조 속에 놓여 있으며, 임대료･입지 비용･경쟁 밀도와 같은 상권 요인의 영향을 직접적으로 받는다. 즉, 제도적으로는 공공성을 지니지만, 구조적으로는 공간 경쟁의 영향을 받는 독특한 조직 형태라고 할 수 있다. 이러한 특성 때문에 의료기관의 입지와 경쟁을 분석하는 연구는 일반 소상공인 연구와 동일하지 않으며, 오히려 공공성과 시장성이 교차하는 지점에서 더욱 정밀한 분석이 요구된다.

한국의 의료전달체계는 1998년 권역 진료 의뢰제도가 폐지된 이후 현재까지 제도적으로 명확히 정립되지 않은 상태에 있다. 이로 인해 의료기관 간 기능적 역할 분담이 분명히 이루어지지 못하고 있으며, 환자 이용 행태 역시 의료 전달 단계와 무관하게 형성되어 왔다. 박기동(2002)은 한국 의료체계에서 일차 의료 공급자의 역할과 범위가 제도적으로 명확히 규정되지 않은 상태에서, 의원급 의료기관이 사실상 다양한 수준의 진료 기능을 동시에 수행하고 있음을 지적한다. 이러한 구조는 일차 의료의 본래 기능을 약화하는 동시에, 의원 간 경쟁을 심화시키는 요인으로 작용한다. 즉, 의원급 의료기관은 제도적 보호나 기능적 차별 없이 동일 공간 내 경쟁에 직접 노출되어 있으며, 입지 조건과 경쟁 환경이 경영 안정성과 존속 가능성에 구조적으로 영향을 미치는 환경에 놓여 있다.

그러나, 지금까지의 연구는 의원급 의료기관의 개･폐업 현황을 단순 비교하거나 특정 시점의 폐업 여부를 분석하는 데에 머무는 경우가 많다. 의원급 의료기관의 폐업은 단일 시점에서 발생하는 사건이 아니라, 개원 이후 경쟁 환경, 입지 조건, 지역 특성 등이 누적적으로 작용한 결과라는 점에서 생존기간을 고려한 분석이 필요하다. 따라서 의원급 의료기관의 존속과 폐업을 보다 정확히 이해하기 위해서는 중도 절단 자료를 포함할 수 있는 생존분석 기법을 적용하여, 의료기관의 생존 위험을 동태적으로 분석할 필요가 있다.

이러한 배경하에 본 연구는 2014년부터 2023년까지 서울에서 개원한 의원급 의료기관³⁾을 대상으로 입지 및 경쟁 요인이 의료기관의 생존기간에 미치는 영향을 분석한다. 분석방법으로는 카플란-마이어 생존함수(Kaplan-Meier analysis)를 통해 진료과, 입지 특성, 지역 소득 수준에 따른 생존곡선의 차이를 비교하고, 콕스 비례위험모형(Cox Proportional Hazards Model)을 활용하여 내부 요인, 경쟁 요인, 입지 요인이 의료기관의 생존에 미치는 영향을 추정한다. 또한 동일 진료과 군에 속한 의료기관들이 공유하는 비관측 이질성을 고려하기 위해 감마 분포 기반의 프레일티(frailty) 모형을 적용함으로써, 진료과별 특성이 의료기관의 생존 위험에 미치는 구조적 영향을 보다 정밀하게 규명하고자 한다. 아울러 우측 절단이 존재하는 생존자료의 특성을 고려하여, 주요 집단 간 생존기간의 절대적 차이를 직관적으로 비교하기 위한 보조적 분석으로 제한평균생존시간(RMST:Restricted Mean Survival Time)을 추가로 활용한다.

II. 선행 연구

1. 선행 연구 검토

의료기관의 생존과 폐업에 관한 연구는 주로 병원급 의료기관을 중심으로 축적되어 왔다. 기존 연구들은 병원 규모, 생존 기간, 경쟁 병원의 밀집도와 같은 구조적 특성이 병원의 생존 가능성에 유의한 영향을 미친다고 보고한다(Nyhan et al., 2001). 특히, 경쟁 강도가 높고 지역 내 수요 기반이 취약한 지역에 위치한 병원일수록 폐업 위험이 증가하는 경향이 확인되었으며(Den Hartog et al., 2013; Noh et al., 2006), 국내 사례 연구에서도 병상 규모가 작고 수익성이 낮은 병원이 상대적으로 높은 퇴출 위험을 가지는 것으로 나타났다(Noh et al., 2006). 또한 지역 내 의료기관의 밀집도는 경쟁 압력을 증대시켜 의료기관의 존속 가능성을 낮추는 요인으로 작용하는 것으로 보고되었다(옥현민 등, 2022).

한편 의료기관의 입지와 경쟁 요인에 관한 연구는 의료서비스의 입지와 접근성의 특성에 주목해 왔다. 선행연구에 따르면 의료기관의 밀집도, 배후 인구 규모, 지역 소득 수준, 접근성은 의료 이용과 경영 성과에 중요한 영향을 미치는 요인으로 제시된다. 특히, 일정 거리 내 동종 의료기관의 수는 경쟁 강도를 계량적으로 측정하는 핵심 지표로 활용되어 왔으며(Rosenthal et al., 2005), 경쟁이 심화될수록 개별 의료기관의 이용량과 경영 안정성이 저하될 가능성이 제기되었다(Hara et al., 2018). 다만 일부 연구에서는 의료기관의 집적이 접근성을 개선하고 잠재 수요를 유인하는 긍정적 효과를 가져올 수 있다는 점도 함께 보고하고 있어(Newhouse, 1990), 입지와 경쟁의 관계는 단선적으로 해석하기 어렵다는 한계가 지적된다. 그럼에도 불구하고 기존 의료기관 입지 연구는 특정 시점의 의료 이용량이나 경영 성과를 분석하는 연구에 머무르는 경우가 많아, 입지 및 경쟁 요인이 의료기관의 장기적 존속, 즉 생존기간에 어떠한 영향을 미치는지에 대한 실증적 분석은 충분히 이루어지지 못하였다. 특히 의원급 의료기관을 대상으로 반경 500m와 같은 미시적 공간 단위에서 경쟁 환경을 계량화하고, 이를 생존분석 기법과 결합한 연구는 매우 제한적이다.

한국의 일차 의료는 제도적으로 명확히 정립되지 않은 상태에 머물러 있으며, 이로 인해 의원급 의료기관은 상급 의료기관과 기능적으로 분화되지 않은 채 시장 경쟁에 직접 노출되어 있다. 박기동(2002)은 일차 의료 공급자의 역할과 범위가 불분명한 상황에서 의원급 의료기관이 다양한 수준의 진료 기능을 동시에 수행하고 있음을 지적하였으며, 김민주(2018) 역시 일차의료의 범위와 행위가 제도적으로 정의되지 않아 의원급 의료기관의 존속이 시장 환경에 의해 구조적으로 결정되는 경향을 보인다고 분석하였다. 이러한 제도적･시장적 환경 속에서 의원급 의료기관의 생존 여부는 입지 조건, 지역 수요, 경쟁 환경과 같은 시장 요인에 의해 좌우될 가능성이 크다. 특히 대도시를 중심으로 의원 개설이 지속적으로 증가하면서 동일 진료과 내 경쟁은 심화되고 있으며, 이는 의원급 의료기관의 경영 안정성과 생존 가능성에 직접적인 영향을 미치고 있다.

의료기관의 폐업은 특정 시점에서 발생하는 단일 사건이 아니라, 개원 이후 경쟁 환경과 입지 조건, 지역 특성이 시간의 흐름 속에서 누적적으로 작용한 결과라는 점에서(Brown et al., 2015), 생존기간을 고려한 분석의 필요성이 제기된다. 카플란-마이어 생존함수와 콕스 비례위험모형은 이러한 분석에 널리 활용되어 왔으며, 최근에는 동일 집단 내 비관측 이질성을 통제하기 위해 프레일티 모형이 적용되고 있다(Noh et al., 2006). 국내에서 의원급 의료기관을 대상으로 생존분석을 시도한 연구는 아직 많지 않다. 이은미 등(2025)는 생존의 결정요인을 내부, 경쟁, 입지, 사회･경제적 요인으로 폭넓게 구분하여 분석하였고, 개원･폐업 연도를 프레일티 군집 변수로 설정하여 거시경제 환경과 정책 변화 등 시기적 이질성이 생존 위험에 미치는 영향을 규명하는 데 중점을 두었다. 반면, 본 연구는 입지와 경쟁 요인이 생존에 미치는 영향에 더 집중하며 미시적 공간 단위의 분석하고, 진료과별 구조적 이질성을 프레일티 모형으로 반영하였다는 점에서 분석의 초점이 상이하다.

종합하면 기존 연구는 의료기관의 생존에 영향을 미치는 다양한 요인을 제시해 왔으나, 의원급 의료기관을 대상으로 입지 및 경쟁 요인을 미시적 공간 단위에서 분석하고, 진료과별 이질성을 고려한 생존분석 연구는 충분히 이루어지지 못하고 있다고 할 수 있다.

2. 연구의 차별성

선행연구 검토 결과, 의료기관의 생존을 분석한 연구는 주로 병원급 의료기관을 대상으로 이루어져 왔으며, 의원급 의료기관을 대상으로 입지와 경쟁 환경을 생존기간의 관점에서 분석한 연구는 매우 제한적인 것으로 확인된다. 특히, 의료기관의 존속 여부를 특정 시점의 폐업 여부로 파악하거나, 경쟁 환경을 시･군･구 단위의 집계 자료로 대리함으로써 의료기관이 실제로 직면하는 공간적 경쟁 구조를 충분히 반영하지 못하고 있다.

본 연구는 이러한 한계를 보완하여, 의원급 의료기관을 분석 대상으로 설정하고 입지 및 경쟁 요인, 진료과별 이질성을 체계적으로 구분하고, 의료기관 간의 거리와 반경 내 경쟁 의료기관의 밀도 등 공간적 특성을 GIS를 활용하여 직접 산출함으로써 기존 연구와 차별된 측정 방식을 적용한다. 또한 의료기관의 입지와 경쟁 환경을 행정구역 단위가 아닌 미시적 공간 단위에서 계량화하여 의료기관의 생존을 결정하는 공간적 메커니즘을 더 정교하게 규명할 수 있도록 한다.

III. 분석자료와 모형

1. 분석자료 구축

본 연구는 의원급 의료기관의 생존요인을 분석하기 위해 생존기간과 내부요인, 입지요인 및 경쟁요인 변수를 구축하였다. 기초 자료는 행정안전부 지방행정 인허가데이터를 기반으로 2014년 1월 1일부터 2023년 12월 31일까지 서울에서 개원한 의원급 의료기관으로 한정한다. 분석의 종료시점은 2024년 12월 31일로 설정하였으며, 분석 종료 시점까지 폐업신고를 한 의료기관은 폐업으로, 그렇지 않은 의료기관은 생존으로 분류한다. 2024년 12월 31일 기준 휴업 상태에 있던 의료기관 2개소는 향후 진료 재개 가능성이 있는 일시적 상태로 판단하여 생존 중인 의료기관으로 분류하였다. 생존분석의 사건을 의료기관의 폐업으로 한정하기 위해, 일시적 운영 중단 상태인 휴업을 독립적인 사건 유형으로 분리하지 않은 것이다. 반면 연구기간 중 휴업을 거쳐 폐업 신고를 한 의료기관 (8,616개소 중 22개소)은 폐업으로 정의하였다. 휴업 후 폐업한 사례의 수가 전체 표본 대비 매우 제한적이어서, 분석 결과에 미치는 영향은 제한적일 것으로 판단된다. 개업일과 폐업일 또는 기초자료에 결측치가 있는 경우는 자료에서 제외하였다. 또한 연구기간 중 개원한 학교법인 6개소, 재단법인 14개소, 사단법인 14개소, 의료법인 8개소는 분석 대상에서 제외하였다.법인 등의 의료기관은 자본구조, 인력구성, 운영전략, 위험분산 능력 측면에서 개인이 운영하는 의원급 의료기관과 구조적으로 상이하다.

따라서 본 연구는 조직형태의 이질성으로 인한 모형 왜곡을 방지하기 위해 개인 운영 의원급 의료기관을 중심으로 분석 범위를 설정하였다. 또한, 의원급 의료기관의 진료과 중 표본수가 적은 신경과 21개소, 영상의학과 12개소, 진단의학과 2개소, 흉부외과 7개소는 안정적인 추정이 곤란하다고 판단되어 분석 대상에서 제외하였다. 이러한 자료 구축 과정을 통해 의원급 의료기관 8,616개소를 최종 추출하였고, <그림 1>과 같이 입지를 표현하였다.

그림 1.

2014~2023년 서울에서 개원한 의원급 의료기관 분포

2. 변수 정의 및 설정

본 연구의 종속변수는 의원급 의료기관의 생존기간이다. 생존기간은 의료기관이 허가를 받은 개원일로부터 폐업 신고를 한 일자까지를 월(month) 단위로 계산하였다. 2024년 12월 31일 기준으로 폐업을 한 경우를 ‘1’, 생존한 경우를 ‘0’으로 정의하였다.

독립변수 중 진료과의 구분과 의료기관 면적인 내부요인을 통제변수로 사용하였다. 진료과는 일반의원과 전문의원⁴⁾의 구별없이 의원으로 분류하고 치과의원, 한의원을 각각 더미변수로 구성하였다. 의료기관 면적은 분포의 비대칭성과 극단값의 영향을 완화하고 규모 효과를 안정적으로 추정하기 위해 자연로그 변환을 적용하였다.

독립변수 중 입지요인과 경쟁요인의 동종의원의 수, 동종병원의 수, 공동주택 수의 미시적 거리 단위는 의료기관을 기준으로 반경 500m를 사용하였다. 선행 연구와 정책은 주로 행정구역 단위를 기준으로 의료기관의 입지와 의료 접근성을 평가해왔으나, 환자가 행정구역 경계를 넘어 의료기관을 이용한다는 점을 고려하지 않을 경우 의료접근성이 왜곡될 수 있다는 선행 연구(Newhouse, 1990)검토를 통해 GIS 프로그램을 통한 실제 접근권(반경 500m)을 설정한 것이다. 반경 500m 설정 이유는 첫째, 국토정보플랫폼의 자료의 한계, 둘째는 외래 진료를 중심으로 운영되는 의원급 의료기관의 경우 환자 선택은 보행 또는 단거리 이동을 전제로 이루어지는 경우가 많아 지역을 기반으로 한다는 점, 셋째 서울의 지하철역 간의 평균 거리가 1km라는 점을 근거로 한 것이다.

본 연구에서는 의원급 의료기관이 직면하는 경쟁 환경을 보다 실질적으로 반영하기 위해 반경 500m 이내 동종의원 수, 종합병원과의 거리⁵⁾, 반경 500m 내 동종병원 수를 적용하였다. 반경 500m 이내 동종의원 수는 동일 진료과 간 직접적인 경쟁 강도를 나타내는 핵심 지표 의원, 치과의원, 한의원을 분리하여 산정하였다. Rosenthal et al.(2005)Hara et al.(2018) 는 동일 진료과 의료기관은 환자 수요를 직접적으로 대체하는 관계에 있다고 하였다. 종합병원과의 거리는 상급 또는 병원급 의료기관이 인접한 지역일수록 소규모 의료기관의 존속 가능성이 낮아지는 경향이 확인되었으며(옥현민 등, 2022), 이는 종합병원의 접근성에 따라 의원급 의료기관의 상급의료기관이 아닌 경쟁 의료기관으로서의 가능성이 크다는 점을 시사한다(박기동 2002). 반경 500m 내 동종병원 수는의원급 의료기관이 병원급 의료기관과 동시에 경쟁하는 복합적 시장 구조를 반영한다. 일부 선행 연구에서는 병원급 의료기관의 인접이 의료 접근성을 개선하고 수요를 유인하는 긍정적 효과를 가질 수 있음을 보고한 바 있으나(Newhouse, 1990), 동시에 외래 진료 영역에서는 병원급 의료기관이 의원급 의료기관과 경쟁 관계에 놓일 수 있음을 지적한다. 이에 반경 500m 내 동종병원 수⁶⁾는 의원급 의료기관이 노출되는 경쟁 환경의 복합성을 반영하는 지표로 활용될 수 있다.

입지요인으로는 강남/강북 입지, 종합소득액 고/저⁷⁾, 도로폭, 대지면적, 공시지가, 반경 500m 공동주택 가구수⁸⁾, 지하철역과의 거리를 사용한다. 강남/강북의 입지는 단순하게 한강을 기준으로 남과 북을 구분한 것이고, 종합소득액 고/저는 2024년 지자체별 평균 종합소득액이 1~12위 지역을 ‘0’, 13~26위 지역을 ‘1’로 더미 변수화 하였다.

의료기관이 입지한 지역의 경제적 수준이 생존기간에 영향을 줄 수 있다는 선행연구 자료를 근거로(Tung et al., 2024) 지자체의 평균 종합소득액을 대리변수로 사용한 것이다. 의료기관이 위치한 대지에 접한 도로폭, 대지면적, 공시지가, 지하철과의 거리는자연로그 변환을 적용하였다. 의료기관의 인허가 일자, 폐업일, 주소, 생존 여부, 진료과, 의료기관의 면적 등 기초 자료는 지방행정 인허가 데이터에서 추출하였다. 추출한 자료 중 2014~2023년 개원한 의료기관의 주소 정보를 좌표 정보(경도, 위도)로 변환(geocoding)한 후 변수들과의 결합을 진행하였다. 생존기간은 폐업일에서 개원일을 뺀 후 ‘월’단위로 변환하였다. 반경 500m 의원수, 동종 병원수는 지방행정 인허가 데이터를 기초로 매년 영업중인 의원과 병원의 자료를 별도로 추출한 후 QGIS를 활용하여 좌표데이터와 결합하였다.

종합병원과의 거리 역시 의료기관의 좌표와 종합병원의 데이터의 좌표를 QGIS 3.20.3 프로그램을 활용하여 거리 계산을 한 것이다. 입지요인 변수인 도로폭, 대지면적, 공시지가는 국토교통부와 국토정보플랫폼에서 공간데이터 형식으로 자료를 추출한 후 의료기관의 좌표데이터와 결합하여 병합하였고, 공동주택의 가구수도 서울특별시 공동주택통합정보마당에서 자료를 추출하여 같은 방식으로 병합하였다. 이러한 공간자료의 구축 절차를 통해 대상 의료기관의 위치를 중심으로 한 공간변수를 정량화하여 연구 분석에 활용한 것이다. 변수의 구성과 자료 출처는 <표 1>과 같다.

본 연구에서 활용한 경쟁 및 입지 변수는 자료 구축상의 제약으로 인해 의료기관의 개원 시점을 기준으로 측정되었다. 이에 따라 본 연구의 추정치는 시간 경과에 따른 경쟁환경의 변동 효과라기보다는, 의료기관이 시장에 진입하는 시점에서 형성된 초기 공간적 시장구조가 이후 생존위험에 미치는 평균적 영향을 식별하는 것으로 해석되어야 한다.

연구 대상 지역을 서울특별시로 한정한 것은 분석의 대표성을 제한하는 동시에, 경쟁 효과를 보다 명확히 식별하기 위한 전략적 선택이다. 행정안전부 지방행정 인허가 데이터에 따르면 서울은 전국에서 의료기관 개･폐업 건수가 가장 많고 의료기관 밀도가 가장 높은 지역으로 나타난다. 이는 경쟁 강도가 가장 집약적으로 표출되는 공간이라는 점에서, 입지 및 경쟁요인의 효과를 검증하기에 적합한 분석 환경을 제공한다. 다만, 서울이라는 대도시 특수성이 존재하므로 연구 결과의 외적 타당성은 유사한 대도시 맥락으로 한정하여 해석될 필요가 있다.

연구 기간을 2014년부터 2023년까지로 설정한 것은 자료의 가용성과 통계적 안정성을 동시에 고려한 결과이다. 인구 및 공간 특성 변수의 구축에 활용된 국토정보플랫폼 자료가 2014년부터 안정적으로 제공되기 시작하였으며, 동일 기준으로 일관된 공간자료를 확보할 수 있는 시점 또한 2014년 이후이다. 또한 생존분석은 충분한 사건 발생을 전제로 위험함수의 안정적 추정을 가능하게 한다. 단기간 분석의 경우 폐업 사건 수가 충분히 축적되지 않아 위험비 추정이 불안정하거나 표준오차가 과대 추정될 가능성이 있다.

3. 분석모형

본 연구는 의원급 의료기관의 생존요인을 분석하기 위해 카플란–마이어 생존함수와 로그-순위 검정을 사용하여 집단 간 생존곡선을 비교하고, 위험요인의 추정에는 콕스 비례위험모형을 기본 모형으로 적용하였다. 또한 우측 절단이 존재하는 자료 특성을 고려하여 평균 생존기간 비교의 보조적 지표로 제한평균생존시간(RMST)을 추가로 활용하였으며, 집단 간 비관측 이질성을 반영하기 위해 프레일티 모형을 적용하였다.

생존분석이란 어떤 사건(event)이 발생하기까지 걸리는 시간을 분석 대상으로 하는 통계 분석 방법이다. 이 방법은 관측 기간이 끝날 때까지 사건이 발생하지 않은 경우를 중도절단(censored data)으로 처리하여 분석에 포함할 수 있다는 특징을 가진다(Jenkins, 2005). 본 연구에서는 의원급 의료기관의 개원부터 폐업까지의 시간을 생존기간으로, 의료기관의 폐업을 사건으로 정의한다. 2024년 12월 31일을 기준으로 폐업하지 않은 의료기관을 중도절단 자료로 처리하였다.

1) 카플란-마이어 생존모형

카플란–마이어 방법은 사건 발생 시점의 누적 분포를 이용하여 생존함수를 비모수적으로 추정하는 기법으로, 중도절단 자료를 포함한 생존확률 추정이 가능하다는 장점이 있다. 카플란-마이어 생존함수 S(ti)는 식(1)과 식(2) 같이 정의할 수 있다. S(ti)는 의원 i가 폐업이 일어나는 t시점까지 생존할 확률이며, 생존 시간 T가 폐업이 일어난 특정 시점 i보다 크거나 같을 확률이다.

hsi는 의원 i가 t시점까지의 폐업(위험) 확률로서 h=dini에서 ni는 사건이 발행할 위험에 노출된 총수이고, di는 t시점에 사건이 발생한 수다.

카플란–마이어 분석 결과는 개원 이후 경과 시간(월)을 X축, 생존확률을 Y축으로 하는 생존곡선으로 제시되며, 이를 통해 의료기관의 전반적인 생존 패턴과 시간 경과에 따른 생존율 변화를 시각적으로 확인할 수 있다. 집단 간 생존함수의 차이는 로그-순위 검정을 통해 검정하였으며, 유의수준은 p<0.05로 설정하였다. 이 모형은 집단별 생존율 비교에 유용하나, 다수의 설명변수를 동시에 고려하기에는 한계가 있다.

2) 콕스 비례위험모형

본 연구에서는 카플란–마이어 방법의 한계를 보완하기 위해 다수의 공변량이 의료기관의 폐업 위험에 미치는 영향을 분석할 수 있는 콕스 비례위험모형을 적용하였다. 콕스 비례위험모형은 생존시간에 영향을 미치는 요인을 위험함수를 통해 분석하는 대표적인 준모수적 생존분석 기법이다(Jenkins, 2005).

이 모형에서 위험함수는 기저 위험함수와 공변량의 지수함수적 결합으로 표현되며, 특정 공변량의 효과는 위험비(hazard ratio)로 해석된다. 콕스 비례위험모형의 핵심 가정은 공변량의 상대적 효과가 시간에 따라 일정하다는 비례위험 가정이다.

본 연구에서는 이 모형을 통해 내부 요인, 경쟁 요인, 입지 요인이 의료기관의 폐업 위험에 미치는 영향을 다변량 구조에서 추정하였다.

3) 프레일티 모형

본 연구에서는 콕스 비례위험모형의 확장으로 의료기관 간 군집 효과와 관찰되지 않은 개체 간 이질성을 반영하기 위해 프레일티 모형을 추가적으로 적용하였다. 프레일티 모형은 동일한 군집에 속한 개체들이 유사한 생존 패턴을 보이는 현상을 확률적 요인으로 설명하는 방법으로, 콕스 비례위험모형에 무작위효과를 도입한 형태이다. 프레일티를 포함한 위험함수는 다음과 같이 표현된다.

여기서 ui는 집단 i에 공통적으로 작용하는 프레일티 항으로, 0보다 크며 감마(Gamma) 분포를 따른다고 가정한다(Jenkins, 2005). 프레일티 분산은 집단 간 이질성의 크기를 나타내며, 분산이 0일 경우 프레일티 효과가 존재하지 않아 표준 콕스 비례위험모형과 동일해진다.

의료법 제3조에 따르면 의원급 의료기관에는 일반의와 26개 전문과목이 모두 포함되나, 실제 진료 방식과 환자 구성, 운영 구조는 진료과목에 따라 현저한 차이를 보인다. 이러한 진료과목 간 구조적 차이는 관측되지 않는 요인으로써 의료기관의 생존기간에 영향을 미칠 가능성이 크다. 이에 본 연구는 진료과 구분을 프레일티 변수로 설정하여, 동일 진료과에 속한 의료기관들이 공유하는 비관측 이질성을 통제하고자 한다.

4) 제한평균생존시간(RMST)

본 연구의 생존자료에는 관측 종료 시점까지 폐업하지 않은 의료기관이 다수 포함되어 있어 우측 절단이 구조적으로 존재한다. 이러한 자료 특성 하에서 평균 생존기간을 단순 비교하는 방법은 절단을 고려하지 못하는 한계를 지닌다. 이에 본 연구는 로그-순위 검정 및 콕스 비례위험모형에서 도출된 결과를 보완･검증하기 위한 방법으로 제한 평균 생존 시간(RMST, Restricted Mean Survival Time)을 추가로 활용하였다. RMST는 카플란–마이어로 추정한 생존함수 S(t)의 하부 면적을 특정 시점 τ까지 적분한 값으로 정의되며, 다음과 같이 표현된다.

본 연구에서는 전체 생존기간 분포와 관측 종료 시점을 고려하여 τ=60개월을 설정하였으며, 이는 장기 존속 여부 전반을 설명하기보다는 개원 이후 초기 생존 구조의 차이를 비교하기 위한 분석 범위이다. RMST 분석은 위험비(HR)가 아닌 누적 생존시간의 절대적 차이를 제시함으로써, 주요 생존분석 결과를 보다 직관적으로 해석하는 보조적 지표로 활용된다.

Ⅳ. 분석 결과

1. 기초 통계량

<표 2>는 본 연구에 사용된 종속변수와 독립변수의 기초통계량을 제시한다. 의원급 의료기관의 생존기간은 기관별로 큰 이질성을 보이며, 관측기간 전반에 걸쳐 생존과 폐업이 혼재된 분포를 나타낸다. 이는 의원급 의료기관의 생존이 단일한 패턴이 아니라 다양한 조건에 의해 차별화되어 있음을 시사한다. 진료과별로는 치과의원이 상대적으로 긴 생존기간을 보인 반면, 의원과 한의원은 그보다 짧은 생존 특성을 보였다. 의료기관 면적은 로그 변환 후에도 분산이 크게 나타나, 의원급 의료기관이라 하더라도 공간의 규모가 매우 이질적임을 확인할 수 있다. 이는 규모 요인이 의료기관의 생존에 비선형적으로 작용할 가능성을 시사한다.

경쟁 요인 측면에서 반경 500m 내 동종의원 수는 지역에 따라 큰 편차를 보여, 동일한 진료과라 하더라도 의료기관이 직면하는 경쟁 강도가 크게 상이함을 보여준다. 종합병원과의 거리 또한 지역별 편차가 커서 상급의료기관과의 공간적 관계가 의원급 의료기관의 생존에 중요한 환경 요인으로 작용할 가능성을 시사한다. 입지 요인 중 강남/강북에 따른 생존기간 차이는 크지 않아, 단순한 행정적 지역 구분만으로 의료기관의 생존을 설명하는 데에는 한계가 있음을 보여준다.

반면 지역 종합소득액의 차이에 따른 입지, 대지면적, 공시지가, 지하철역과의 거리 등은 의료기관 간 차이가 뚜렷하게 나타나, 입지의 질적 차이가 의료기관의 존속에 구조적으로 작용할 가능성을 시사한다. 특히 대지면적과 가격, 거리 변수는 분포의 비대칭성과 극단값의 영향을 고려할 필요가 있어 로그 변환을 적용하였다. 이는 의원급 의료기관의 생존이 단순한 개별 특성보다는 입지 환경과 규모 조건에 따라 구조적으로 차별화될 가능성을 시사한다. 반경 500m내 공동주택 가구수도 의료수요 기반의 지역 격차가 크다는 점을 확인할 수 있다.

<표 3>은 주요 범주형 변수별 생존 비율을 비교한 결과이다. 진료과별로는 치과의원의 생존율이 가장 높고, 한의원이 가장 낮은 것으로 나타났으며, 강남/강북 간 생존 비율의 차이는 크지 않았다. 반면 종합소득액 수준에 따른 비교에서는 소득 수준이 낮은 지역의 생존율이 상대적으로 높게 나타난다.

로그-순위 검정 결과, 진료과 및 종합소득액 수준에 따른 생존곡선은 통계적으로 유의한 차이를 보였으나, 강남/강북 구분에 따른 생존곡선의 차이는 유의하지 않았다. 이는 의료기관의 생존이 단순한 행정적 입지 구분보다는 진료과 특성, 지역의 경제적 환경, 그리고 경쟁 구조와 보다 밀접하게 연관되어 있음을 시사한다.

2. 분석 결과

1) 생존함수 및 생존 기간 비교

의원급 의료기관의 생존기간을 시각적으로 비교하기 위하여 카플란-마이어 생존곡선을 작성하고, 진료과 유형 차이, 강남/강북 입지, 종합소득액 고/저 차이에 의한 생존 패턴의 차이를 분석하였다. <그림 2> 진료과별 카플란-마이어 곡선에서는 의원/치과의원/한의원 간 생존패턴의 차이가 명확하게 관찰된다. 치과의원의 생존확률이 가장 높게 유지되며, 한의원은 상대적으로 가장 낮은 생존확률을 보인다. 치과의원은 개원 초기부터 생존곡선이 가장 완만하게 감소하고, 한의원은 개원 후 초기부터 급격한 생존 하락이 나타나 생존율이 다른 진료과에 비해 확연히 짧다. 이러한 진료과별 격차는 진료과 고유의 수요 구조, 시장경쟁 환경의 차이에서 비롯된 것으로 해석할 수 있다.

그림 2.

요인별 생존곡선

강남/강북 입지별 생존곡선은 전반적으로 유사한 감소 추세를 보이나, 전체 기간에 걸쳐 강북 지역의 생존확률이 소폭 높게 유지되는 경향이 나타난다. 강남 지역이 상대적으로 높은 상권 경쟁력과 경제적 기반을 보유하고 있음에도 불구하고, 의원급 의료기관의 생존기간은 지역 간 구조적 차이보다 개별 의료기관 요인이나 경쟁 요인에 더 큰 영향을 받을 수 있다고 해석할 수 있다.

종합소득액을 기준으로 구분한 고소득 지역(1~12 분위)과 저소득 지역(13~26 분위)간 생존곡선은 뚜렷한 차이를 나타낸다. 종합소득액이 낮은 지역 내 의원급 의료기관은 초기 개원 시점부터 생존확률이 일관되게 높게 유지되었고, 시간이 경과할수록 두 그룹 간 생존 격차는 더 분명해졌다. 이러한 결과는 지역 소득 수준이 의원급 의료기관의 생존기간에 중요한 요인으로 작용하며, 이는 콕스 비례위험모형에서도 종합소득액이 낮은 지역의 폐업 위험이 낮을 것으로 기대할 수 있다.

2) 제한평균생존시간(RMST) 분석

RMST 분석 결과 <표 4> 진료과 및 종합소득액 수준에 따라 개원 후 초기 60개월까지의 누적 생존시간에 유의한 차이가 확인되었다. 특히 치과의원은 의원에 비해 제한평균생존시간이 통계적으로 유의하게 길게 나타나, 개원 초기 누적 생존 측면에서 상대적으로 유리한 위치에 있음을 보여준다. 반면 한의원과 의원 간 RMST 차이는 통계적으로 유의하지 않아, 두 집단의 초기 누적 생존시간은 유사한 수준으로 나타난다.

강남/강북 입지에 따른 RMST 차이는 관측되었으나 통계적으로 유의하지 않아, 단순한 행정적 지역 구분만으로는 개원 초기 누적 생존시간의 차이를 충분히 설명하기 어려움을 시사한다. 반면 종합소득액 수준에 따른 분석에서는 종합소득액이 낮은 지역에 위치한 의료기관의 RMST가 유의하게 길게 나타난다. 이러한 RMST 결과는 로그-순위 검정 및 콕스 비례위험모형에서 도출된 주요 관계와 전반적으로 일관되게 나타났으며, 본 연구의 실증 결과가 특정 모형 가정에 과도하게 의존하지 않음을 보여주는 보조적 검증 결과로 해석된다.

3) 생존 요인에 대한 분석

(1) 콕스-비례위험모형 결과

의원급 의료기관의 생존기간에 영향을 미치는 요인을 파악하기 위해 콕스 비례위험모형을 추정하였으며 그 결과는 <표 5>와 같다. 분석에 앞서 다중공선성 검토를 위해 분산팽창계수(VIF)를 산출한 결과 모든 변수의 VIF값이 5미만이고 평균 VIF값이 1.14로 다중공선성 문제는 없는 것으로 나타난다. 또한 비례위험 가정의 검정을 위해 Schoenfeld 잔차를 활용한 검정을 수행한 결과, 모든 변수에서 p값이 0.05보다 커 비례위험 가정을 위배하지 않는 것으로 나타난다. 또한 Global test 결과(χ² = 16.10, df = 13, p = 0.2436), 모형 전체에서도 비례위험 가정이 충족됨이 확인된다. 따라서 본 연구에서 적용한 콕스 비례위험모형은 적합하며, 추정된 위험비의 해석은 타당한 것으로 판단된다.

진료과 유형에 따른 생존 위험을 분석한 결과, 치과의원은 의원을 기준으로 폐업 위험이 약 21.8% 낮고 한의원은 의원에 비해 폐업 위험이 약 39.9% 높은 것으로 나타난다. 의료기관 면적은 생존 위험과 음의 관계를 보였으며, 의료기관 면적이 증가할수록 폐업 위험은 유의하게 감소하는 것으로 나타난다. 이는 의료기관의 규모가 클수록 생존기간이 길어진다는 선행연구와도 일치한다. (Noh et al., 2006; Den Hartog et al., 2013).

경쟁 환경을 나타내는 변수 중 반경 500m 내 동종의원 수는 폐업 위험과 양의 관계를 보인다. 이는 동일 진료과가 밀집하여 경쟁이 높을수록 의료기관의 생존 위험이 증가함을 의미한다. 종합병원과의 거리는 폐업 위험과 음의 관계를 보이며, 이는 3차 의료기관으로의 환자 쏠림 현상이 1･2차 의료기관의 생존에 부정적 영향을 미친다는 기존 연구(옥현민 등, 2022)와 정합적인 결과이다. 반면 반경 500m 내 동종병원 수는 폐업 위험을 유의하게 증가시키는 요인으로 나타난다. 종합병원과의 거리와 반경 500m 내 동종병원 수가 폐업 위험에 유의하게 작용한다는 결과는, 의원･병원･종합병원이 제도적으로 구분된 역할 체계 없이 동일한 의료시장 내에서 경쟁하고 있음을 보여준다. 이는 의료전달체계의 부재로 인해 의료기관 간 기능적 위계가 형성되지 못하고, 공간적 근접성이 곧 경쟁 강도로 전이되는 구조가 형성되었음을 의미한다(김민주, 2018).

입지 요인과 관련하여 강남･강북 구분 변수는 통계적으로 유의한 결과를 보이며, 강북/지역에 위치한 의료기관은 강남 지역에 비해 폐업 위험이 낮은 것으로나타난다. 또한 종합소득액 수준이 낮은 지역에 위치한 의료기관은 소득 수준이 높은 지역에 비해 폐업 위험이 유의하게 낮았다. 대지면적은 폐업 위험을 유의하게 감소시키는 변수로 나타났으며, 공시지가 역시 폐업 위험과 유의한 음의 관계를 보였다. 이는 대지면적이 크고 공시지가가 높은 입지에 위치한 의료기관일수록 폐업 위험이 낮음을 의미한다. 공시지가가 높은 지역은 일반적으로 대로변에 위치하거나 상업적 가시성과 접근성이 우수한 핵심 입지로 해석될 수 있으며, 이러한 입지 특성은 대규모 상업용 건물에 입점한 의료기관의 안정적인 수요 확보와 경영 지속 가능성을 높이는 요인으로 작용했을 가능성이 있다.

반경 500m 내 공동주택 가구수는 폐업 위험을 낮추는 요인으로 배후 주거 수요가 의료기관의 생존에 긍정적으로 작용할 가능성을 시사한다. 한편 도로폭과 지하철역과의 거리는 폐업 위험과 통계적으로 유의한 관계를 보이지 않았다. 이는 해당 변수들의 효과가 다른 입지 및 경쟁 요인을 통제한 이후에는 독립적으로 나타나지 않음을 의미한다. 종합적으로 볼 때, 의원급 의료기관의 생존 위험은 진료과 유형, 의료기관 규모, 의료기관의 경쟁 환경, 지역의 경제적 특성에 의해 유의하게 영향을 받는 것으로 나타난다.

(2) 프레일티 모형 결과

본 연구는 콕스모형에서 고려하지 못한 군집효과와 비관측 이질성을 보정하기 위해 감마 분포 공유 프레일티 모형을 추가적으로 추정하였다. 의원을 18개 전문과목⁹⁾으로 각각 분류하여 프레일티 모형을 활용하면서 진료유형 차이를 효과적으로 통제하고 생존기간 분석의 정확성과 신뢰도를 높이고자 한다. 진료과별로 공유되는 비관측 이질성을 통제하기 위하여 진료과별로 각각 분류하여 감마 분포 기반의 프레일티를 추정하여 분석 결과를 <표 6>에 제시한다.

분석 결과, 프레일티 분산 모수(theta)는 0.2699로 추정되었으며, 이는 진료과별로 관측되지 않은 공통 요인이 의료기관의 폐업 위험에 유의미하게 작용하고 있음을 시사한다. 즉, 각 진료과별 의료기관들은 관측된 입지･경쟁 변수 외에도 공통된 생존 위험 구조를 공유하고 있는 것으로 해석할 수 있다. 개별 설명변수의 효과를 살펴보면, 의료기관의 내부 특성 중 의료기관 면적은 폐업 위험을 유의하게 감소시키는 요인으로 나타난다. 이는 의료기관의 물리적 규모가 클수록 경영 안정성이 높아지고, 결과적으로 장기 존속 가능성이 증가함을 의미한다.

경쟁 요인 중에서는 종합병원과의 거리, 반경 500m 내 동종 병원수가 유의한 영향을 미친다. 종합병원과의 거리가 증가할수록 폐업 위험은 유의하게 감소하였으며, 반경 500m 내 동종병원 수는 폐업 위험을 증가시키는 요인으로 나타나, 동일 공간 내 병원급 의료기관과의 경쟁이 의원급 의료기관의 생존에 부정적인 영향을 미친다는 점을 보여준다. 반면, 반경 500m 내 동종의원 수는 통계적으로 유의하지 않아, 의원 간 경쟁보다는 병원급 의료기관과의 경쟁이 상대적으로 더 중요한 요인임을 시사한다.

입지 요인 중에서는 강남/강북 입지, 종합소득액 입지, 공시지가, 반경 500m 내 공동주택 가구수가 유의한 영향을 보였다. 강북 지역에 위치한 의료기관은 강남 지역 대비 폐업 위험이 약 10% 낮았으며, 종합소득액 수준이 낮은 지역에 위치한 의료기관 역시 폐업 위험이 유의하게 낮은 것으로 나타난다. 이는 고소득 지역일수록 의료기관 간 경쟁이 치열하고 임대료 및 운영비 부담이 커, 오히려 의료기관의 존속에는 불리하게 작용할 수 있음을 시사한다. 입지 요인 중 공시지가가 폐업 위험을 유의하게 감소시키는 요인으로 나타났으며, 이는 상대적으로 토지가치가 높은 지역에 위치한 의료기관일수록 입지 안정성과 수요 기반이 확보될 가능성이 높다는 점을 의미한다. 반면, 도로폭, 대지면적, 지하철역과의 거리는 통계적으로 유의하지 않아, 의원급 의료기관의 생존에 있어서는 단순한 물리적 접근성보다 경쟁 구조와 지역 시장 특성이 더 중요하게 작용함을 시사한다.

종합하면, 진료과별 비관측 이질성을 통제한 프레일 티 모형에서도 입지 및 경쟁 요인의 영향은 일관되게 유지되었으며, 특히 병원급 의료기관과의 공간적 경쟁과 지역의 사회･경제적 특성이 의원급 의료기관의 생존 위험을 구조적으로 결정하는 핵심 요인임이 확인된다.

(3) 비례위험모형과 프레일티 분석결과 비교

<표 7>의 결과표는 콕스 비례위험모형과 프레일티 모형의 추정 결과를 비교한 것이다. 전반적으로 경쟁요인, 입지요인 효과 방향과 통계적 유의성은 모형 간에 일관되게 유지되어, 기본적인 추정 결과의 강건성이 확인된다. 의료기관 면적은 모든 모형에서 폐업 위험을 유의하게 감소시키는 요인으로 나타난다. 이는 의료기관의 물리적 규모가 클수록 경영 안정성이 높아지고 생존 가능성이 증가함을 시사한다(Noh et al., 2006).

경쟁 요인 중 반경 500m 내 동종의원 수는 콕스 모형에서는 폐업 위험을 증가시키는 요인으로 나타났으나, 프레일티 모형에서는 통계적으로 유의하지 않다. 반면, 반경 500m 내 동종병원 수는 모든 모형에서 일관되게 폐업 위험을 유의하게 증가시키는 요인으로 나타나, 의원급 의료기관이 병원급 의료기관과도 실질적인 경쟁 관계에 놓여 있음을 보여준다(박기동 2002). 종합병원과의 거리는 모든 모형에서 음의 계수를 보여, 종합병원과 가까울수록 의원급 의료기관의 폐업 위험이 증가하는 경향이 확인된다(옥현민 등, 2022).

입지 요인에서는 강남/강북 입지와 종합소득액 입지 변수가 모든 모형에서 통계적으로 유의하였다. 강북 지역에 위치한 의료기관은 강남 지역 대비 폐업 위험이 낮았으며, 종합소득액이 낮은 지역에 위치한 의료기관 역시 폐업 위험이 유의하게 낮게 나타난다. 이는 의료기관의 생존이 단순한 수요 규모보다는 경쟁 밀도와 입지 비용 구조의 영향을 받음을 시사한다.

대지면적은 콕스 모형에서는 유의하였으나, 프레일티 모형에서는 유의하지 않았으며, 공시지가는 모든 모형에서 폐업 위험을 유의하게 감소시키는 변수로 나타난다. 이는 공시지가가 높은, 즉 대로변이나 상업 중심지에 위치한 의료기관일수록 상대적으로 안정적인 생존 구조를 가질 가능성을 시사한다.

반경 500m 내 공동주택 가구수는 모든 모형에서 매우 작은 크기이나 통계적으로 유의한 효과를 보여, 배후 주거 수요가 의료기관 생존에 일정 부분 기여함이 확인된다. 프레일티 모형에서 추정된 θ 값은 약 0.27 수준으로 나타났으며, 이는 동일 진료과 집단 내 의료기관들 사이에 통계적으로 유의한 비관측 이질성이 존재함을 의미한다. 이러한 결과는 진료과별 특성을 고려하지 않을 경우 개별 변수의 효과가 과대 또는 과소 추정될 수 있음을 시사하며, 프레일티 모형의 적용이 타당함을 뒷받침한다.

종합하면, 프레일티 모형은 콕스 모형의 주요 추정 결과를 전반적으로 지지하면서도, 진료과 집단 내 비관측 이질성을 통제함으로써 경쟁 변수의 효과를 보다 보수적으로 추정하는 역할을 수행하였다. 이는 의원급 의료기관의 생존 구조를 분석함에 있어, 단순한 비례위험모형을 넘어 집단간 이질성을 고려한 접근이 필요함을 시사한다.

V. 결론

1. 요약 및 결론

본 연구는 2014년부터 2023년까지 서울시에서 개원한 의원급 의료기관 8,616개소를 대상으로, 입지 및 경쟁 요인이 의료기관의 생존기간에 미치는 영향을 생존분석 기법을 통해 실증적으로 분석하였다. 의료기관의 생존 구조를 다각도로 검토한 결과 경쟁 요인에서 반경 500m 내 동종의원 수, 동종병원 수, 종합병원에서 거리가 폐업 위험과 유의한 관계를 보였다. 입지요인 중 강남/강북 입지 중 강북에 입지한 의료기관과 종합소득액이 낮은 지역, 공시지가 높은 곳이 폐업위험이 유의하게 낮으며, 의료기관의 내부 요인 중 진료과의 유형, 의료기관 면적이 폐업 위험과 유의한 관계를 보인다.

프레일티 모형 분석 결과, 진료과 집단 내에 통계적으로 유의한 비관측 이질성이 존재함이 확인되며, 이는 동일 진료과에 속한 의료기관들이 관측되지 않은 공통 요인을 공유하고 있음을 의미한다. 프레일티 모형을 고려한 이후에도 의료기관 면적, 병원급 의료기관과의 경쟁, 지역 소득 수준, 공시지가, 주거 수요 기반 등의 효과는 전반적으로 일관되게 유지되어, 콕스 모형에서 도출된 주요 결과의 강건성이 확인된다.

종합하면, 서울시 의원급 의료기관의 생존은 단순한 개별 특성이나 행정구역상의 입지보다는, 의료기관 규모, 병원급 의료기관과의 공간적 경쟁, 지역의 사회･경제적 환경, 그리고 진료과별 구조적 특성이 결합된 결과로 나타난다. 이는 의원급 의료기관의 존속을 이해함에 있어 입지와 경쟁을 중심으로 한 시장 기반 분석과 함께, 진료과별 이질성을 고려한 생존분석 접근이 필수적임을 시사한다.

2. 연구 의의 및 분석 한계

본 연구는 의원급 의료기관의 생존기간을 입지와 경쟁 환경이라는 공간적 맥락에서 분석하고, GIS 기반 공간 데이터를 활용하여 의료기관 간 경쟁과 입지요인을 미시적으로 측정함으로써 기존 의료기관 생존 연구의 분석 범위를 확장한다는 점에서 학술적 기여를 지닌다. 또한 프레일티 모형을 적용하여 진료과의 이질성을 통제함으로써, 의료기관 생존이 진료과와 밀접하게 연관되어 있음을 보여준다.

본 연구를 통해 입지 조건과 경쟁 환경이 의원급 의료기관의 생존기간에 유의미한 차이를 야기하는지, 그리고 그 효과가 진료과별로 어떻게 달라지는지를 실증적으로 확인할 수 있을 것으로 기대한다. 이를 통해 의료기관 개설을 고려하는 의료 공급자에게는 실무적 입지 선택에 대한 시사점을 제공하고, 정책 입안자에게는 지역별 의료자원 관리와 일차 의료정책 수립을 위한 기초 자료를 제공할 수 있다.

그럼에도 불구하고, 본 연구는 다음과 같은 한계를 지닌다. 첫째, 행정 데이터에 기반한 정량적 분석에 초점을 두었기 때문에 의료기관 내부의 경영 요인 등을 충분히 반영하지 못하고 있다. 의사의 연령, 진료 및 경영 역량, 진료비 구조, 부동산 소유 여부 등은 의료기관 생존에 중요한 영향을 미칠 수 있으나, 자료의 제약으로 인해 분석에 포함하지 못하고 있다. 둘째, 분석 대상을 서울 지역으로 한정함으로써 연구 결과는 대도시 의료 환경을 전제로 해석될 필요가 있다. 향후 연구에서는 광역시 및 중소 도시를 포함한 지역 간 비교 분석을 통해 의료 공급 구조와 입지 요인의 지역적 차이를 더 정밀하게 검증할 필요가 있다. 셋째, 경쟁 및 입지 변수를 개원 시점 기준의 고정 공변량으로 측정하였다는 한계를 지닌다. 향후 연구에서는 의료기관 운영 기간 동안의 경쟁 환경 변화를 반영한 시변 공변량(time-varying covariates) 또는 확장 콕스 모형을 적용함으로써, 초기 입지 조건과 운영 중 경쟁 변화의 효과를 구분하여 분석할 필요가 있다.