임금과 근무 매력도 중심의 간호사 인력 지역 불균형 문제 분석: 시스템 다이내믹스 활용

Sohyun Lee; Eun Kyoung Yun

doi:10.4040/jkan.26003

Articles

Page Path: HOME > J Korean Acad Nurs > Ahead-of print articles > Article

Research Paper 임금과 근무 매력도 중심의 간호사 인력 지역 불균형 문제 분석: 시스템 다이내믹스 활용: 이소현¹, 윤은경^1,2
Regional imbalance in nursing workforce: a system dynamics approach focusing on wages and job attractiveness: Sohyun Lee¹, Eun Kyoung Yun^1,2; DOI: https://doi.org/10.4040/jkan.26003
Published online: August 7, 2026

¹경희대학교 간호과학대학

²경희대학교 동서간호학연구소

¹College of Nursing Science, Kyung Hee University, Seoul, South Korea

²East-West Nursing Research Institute, Kyung Hee University, Seoul, South Korea

Corresponding author: Eun Kyoung Yun College of Nursing Science, Kyung Hee University, 26 Kyungheedae-ro, Dongdaemun-gu, Seoul 02447, South Korea E-mail: ekyun@khu.ac.kr

†This manuscript is a condensed form of the first author’s master’s thesis from Kyung Hee University in 2026.

• Received: January 19, 2026 • Revised: March 18, 2026 • Accepted: June 11, 2026

This is an Open Access article distributed under the terms of the Creative Commons Attribution NoDerivs License (http://creativecommons.org/licenses/by-nd/4.0) If the original work is properly cited and retained without any modification or reproduction, it can be used and re-distributed in any format and medium.

63 Views
1 Download

Full Article

Download PDF

Abstract
서론
방법
결과
고찰
결론
Article Information
References

Abstract

Purpose
This study used a system dynamics approach to analyze the feedback structure underlying regional imbalance in the nursing workforce in Korea and to evaluate the projected effects of policy interventions through simulation.
Methods
A system dynamics model was developed using literature and public statistics from the Graduate Occupation Mobility Survey and the Korean Statistical Information Service for 2009–2024. Model validity was assessed through sensitivity analysis and comparison with historical data from 2018–2022. Policy simulations covering 2020–2035 were conducted to compare interventions targeting wages and working conditions in Seoul and Jeonnam.
Results
The analysis identified 16 feedback loops, comprising 13 reinforcing loops and three balancing loops, that formed a “success to the successful” structure dominated by a reinforcing cycle of high turnover. In the baseline simulation, the regional gap widened through 2035. Single-factor scenarios involving wage increases or improvements in working conditions had limited effects, whereas high-intensity combined scenarios showed a synergistic effect that could reverse the projected imbalance.
Conclusion
Regional imbalance in the nursing workforce appears to be a structural problem that is unlikely to be resolved through single-factor policies. Sustained, high-intensity strategies that combine wage improvement with nonfinancial improvements in working conditions are likely needed to disrupt the reinforcing cycle and reduce the nursing workforce imbalance.
Key words: Computer simulation; Nursing staff; Personnel turnover; Systems analysis; Working conditions

서론

1. 연구의 필요성

간호사는 보건의료시스템의 핵심 인력이지만, 수도권 및 대도시로의 인력 편중이 심화되면서 비수도권 지역의 필수 의료 공백이 심각한 사회적 문제로 대두되고 있다[1,2]. 2023년 기준, 인구 천 명당 간호사 수는 서울(6.8명)에 비해 충북(3.7명), 전남(4.3명) 등이 현저히 낮게 나타났으며, 특히 전남은 고령 인구 비율이 전국에서 가장 높아 의료수요와 공급 간의 괴리가 심각하다[3]. 이러한 불균형은 단순한 수도권-비수도권의 구도를 넘어 지역 주민의 의료접근성을 악화시키고 있으며, 거주지 내 의료인프라 부족으로 인해 환자들이 적절한 치료를 찾아 타 지역 의료기관으로 이동해야 하는 의료원정 현상을 심화시켰다[4]. 실제로 2023년 전남의 중증질환자 35.3%가 관외 진료를 이용한 것으로 나타났으며, 이는 지역의료 기반 붕괴의 위협요인으로 작용하고 있다[4].

이와 같은 간호인력의 지역 간 불균형과 농어촌 지역의 인력 부족 사태는 비단 우리나라만의 문제가 아닌 세계적인 보건 과제이다[5]. 실제로 미국과 호주 등에서도 농어촌 지역의 만성적인 간호사 부족과 이로 인한 보건의료격차가 지속적으로 보고되고 있다[6]. 이에 세계보건기구(World Health Organization [WHO])는 교육, 규제, 재정적 인센티브 등 다각적인 정책을 권고하며, 특히 양적 배출을 넘어 적절한 보상과 환경 조성을 통해 지방 출신 인력의 지역 정착을 유도하는 유지전략이 필수적임을 강조해 왔다[5,7]. 국내에서도 2008년부터 비수도권 간호학과 정원을 대폭 증원하는 양적 확대 정책을 추진해 왔으나[8], 지방의 간호사 부족 문제는 여전하다. 이는 간호등급 1등급 병원의 60%가 수도권에 집중된 현실[9,10]과, 공중보건장학제도나 지역간호사제 등 강제적 유인정책이 의무복무 후 이탈 및 실효성 논란에 부딪힌 사례[11]를 통해 명확히 증명된다. 이러한 정책적 한계는 인력의 자발적인 이동과 안착을 유도할 수 있는 근본적 요인, 즉 실질적인 보상체계와 근무여건을 도외시한 채 단기적인 공급 위주의 정책에만 주력했기 때문인 것으로 분석된다[1,11].

선행연구들은 간호인력 불균형의 주요 원인으로 지역 간 임금격차[12]와 노동시장의 구조적 문제[13] 등을 지목해왔다. 특히 최근 연구들은 처우 개선이 동반되지 않은 정원 확대가 오히려 인력의 수도권 유출을 가속화하거나[1], 단순한 인력 공급 확대만으로는 근본적인 불균형 해소가 어렵다는 점을 실증적으로 경고하였다[14,15]. 하지만 기존 연구들은 대부분 특정 변수 간의 선형적 인과관계를 밝히는 정태적 실증분석에 머물러 있어, 보상체계와 근무여건의 변화가 시간의 흐름에 따라 어떠한 순환적 피드백을 형성하며 지역격차를 심화시키는지 규명하는 데는 한계가 있었다. 간호인력시스템은 수요, 공급, 인력 이동, 임금 등 다수의 요인이 복잡하게 얽혀 상호작용하는 동태적 시스템이므로, 단면적인 분석을 넘어선 새로운 접근이 요구된다. 이에 본 연구는 노동시장의 이중구조와 인력 유출입의 자기 강화적 악순환 원형을 결합한 이론적 틀을 선제적으로 적용하여, 보상체계와 근무여건의 변화가 지역 간 간호인력 불균형을 심화시키는 구조적 원인을 규명하고자 한다.

2. 문헌 고찰 및 이론적 기틀

1) 시스템 다이내믹스 방법론의 적용

본 연구는 기존 정태적 실증분석의 한계를 보완하기 위해 시스템 다이내믹스(system dynamics) 방법론을 적용하였다. 1950년대 MIT의 Jay Forrester가 고안한 이 방법론은 복잡한 사회현상의 동태적 변화 과정을 컴퓨터 시뮬레이션으로 분석하는 시스템 사고(systems thinking) 기반의 연구기법이다[16]. 특정 시점의 선형적ㆍ단방향적 인과관계를 분석하는 전통적 통계방식과 달리, 시스템 다이내믹스는 문제의 원인을 시스템 내부의 구조적 특성에서 찾는 내생적 관점을 취한다[17].

이 방법론은 변수 간의 순환적 인과관계를 의미하는 피드백 루프(feedback loop), 인과관계의 시간 지연(time delay), 자원의 축적과 흐름을 나타내는 저량-유량(stock-flow) 구조를 모델링하여 시스템의 복잡성을 규명한다. 이를 통해 컴퓨터상에 가상 실험실을 구현함으로써, 특정 정책 개입이 장기적으로 유발할 수 있는 의도치 않은 결과나 정책 저항을 사전에 모의 실험할 수 있다[16].

최근 보건의료 및 간호학계에서도 다변수적이고 동태적인 문제 분석에 본 방법론을 활발히 적용하고 있다. 국내에서는 간호사 적정 인력 산정 및 재배치[18,19], 환자 전원 상담체계의 효과예측[20], 신종감염병 대응 간호인력 관리[21] 등의 정책 대안 연구에 활용되었다. 국외 역시 의료인력의 수급 및 이동 동태성 분석[22], 국가 단위 의료수요 예측[23] 등 보건의료 인력계획 수립에 널리 사용되고 있다. 이에 본 연구는 간호사 노동시장 내 지역 간 인력 이동의 구조적 원인을 통합적으로 규명하고, 정책 개입의 장기적 파급효과를 시뮬레이션하기 위해 시스템 다이내믹스 방법론을 적용하였다.

2) 간호사 지역 불균형의 이론적 기틀

본 연구는 간호사 인력의 지역 불균형 현상을 동태적으로 설명하기 위해, 노동시장의 이중구조와 시스템 다이내믹스의 원형을 결합한 이론적 틀을 설정하였다. 선행연구에 따르면, 우리나라 간호사 노동시장은 경쟁력 있는 경제적 보상과 체계적인 근무환경을 통해 인력을 흡수하는 수도권 대형병원 중심의 안정적인 내부 노동시장과, 낮은 보상과 열악한 처우로 인해 이직이 빈번하게 발생하는 지방 중소병원 중심의 불안정한 외부 노동시장으로 분절되는 이중구조를 형성하고 있다[13,24].

이러한 구조적 격차 속에서 지방 병원은 상대적으로 열악한 근무여건과 낮은 임금으로 인해 간호사의 직무만족도가 저하되고 이탈이 발생한다[25,26]. 외부 노동시장에서의 이러한 인력 이탈은 남은 간호사들의 업무 부담을 가중시켜 직무만족도를 한층 떨어뜨리고, 이는 또 다른 이직을 유발하는 강력한 강화 피드백(reinforcing feedback) 형태의 악순환을 형성한다[14,27]. 즉 자원이 풍부한 곳으로 인력이 더욱 집중되고 자원이 부족한 곳은 인력 유출로 환경이 더욱 악화되는 부익부 빈익빈의 자기 강화적 구조가 고착화된 것이다. 이러한 악순환은 결과적으로 지방에서 양성된 신규 인력뿐만 아니라 경력 간호사마저 더 나은 근로조건을 찾아 수도권으로 유출되게 만들며 지역 간 불균형을 심화시킨다[12,28]. 따라서 본 연구는 이러한 이론적 틀을 바탕으로, 단순한 양적 증원이나 단일 정책이 아닌 실질적인 보상체계와 근무여건을 아우르는 복합 정책이 노동시장 이중구조의 완화에 미치는 동태적 효과를 분석하고자 한다.

3. 연구목적

본 연구의 목적은 시스템 다이내믹스를 활용하여 국내 간호사 인력의 지역 간 분포 불균형에 대한 인과 구조를 분석하고, 이를 바탕으로 모델 개발 및 모의 정책 실험을 수행함으로써 효율적인 간호인력 지역 불균형 완화 정책 수립을 위한 기초자료를 제공하는 것이다. 구체적인 연구목적은 다음과 같다. 첫째, 간호사 인력 지역 불균형의 주요 원인을 파악하고, 관련 변수를 식별하여 이들 간의 인과관계와 동태적 피드백 구조를 분석한다. 둘째, 변수 간의 인과관계와 피드백 구조를 바탕으로 간호사 인력 지역 불균형 완화를 장기적으로 예측ㆍ평가할 수 있는 시스템 다이내믹스 모델을 개발한다. 셋째, 개발된 시스템 다이내믹스 모델의 시뮬레이션을 통해 임금 및 근무여건 개선 등 주요 정책적 개입이 지방 간호사의 유입ㆍ정착과 수도권 쏠림 현상 완화에 미치는 효과를 예측하고, 이를 토대로 지속 가능한 간호인력 불균형 완화 전략 개발의 정책적 근거를 제시한다.

방법

1. 연구설계

본 연구는 시스템 다이내믹스(System Dynamics) 방법론을 활용하여 간호사 인력의 지역 불균형 현상을 모델링한 시뮬레이션 연구로, 문제 정의 및 변수 식별, 인과지도 및 저량-유량 흐름도 구축, 타당성 평가, 시나리오 시뮬레이션의 절차로 수행되었다.

2. 자료수집

본 연구는 간호사 지역 불균형 문제의 동태성을 다각도로 분석하기 위해 개인 수준의 미시 데이터와 지역 수준의 거시 데이터를 통합적으로 활용하였다. 지역 불균형은 개별 간호사의 이동 선택과 지역 노동시장의 구조적 요인이 상호작용한 결과이므로, 시뮬레이션 모델의 현실 타당성을 확보하기 위해서는 이 두 가지 차원의 데이터를 결합하는 것이 필수적이다. 이를 위해 수집된 구체적인 자료는 다음과 같다.

첫째, 신규 간호사의 초기 경력 경로와 지역 이동패턴을 분석하기 위해 한국고용정보원의 대졸자 직업이동 경로 조사(Graduate Occupation Mobility Survey [GOMS]) 2016년부터 2020년까지의 5개년 원자료를 활용하였다. 이 중 간호학과를 졸업한 표본 1,347명을 최종 분석대상으로 확정하였다. 이 GOMS 원자료 분석을 통해 파악된 수도권 및 비수도권 출신 졸업생의 첫 직장 지역 선택 경향은, 시뮬레이션 모델 내에서 신규 간호사가 각 지역으로 유입되는 흐름을 결정하는 주요 변수로 적용하였다.

둘째, 간호사의 이동 선택을 제약하거나 촉진하는 거시적 환경요인을 반영하기 위해 공공 통계자료를 외생변수로 활용하였다. 간호사 수요와 공급 기반을 추계하고자 국가 통계 포털(Korean Statistical Information Service [KOSIS])과 교육통계서비스(Korean Educational Statistics Service)에서 2011년부터 2024년까지의 시도별 간호학과 입학정원과 졸업자 수 데이터를 사용하였다. 또한 각 지역의 의료 인프라와 수요를 추계하기 위해 KOSIS와 보건의료 빅데이터 개방시스템에서 2009년부터 2024년까지의 병원급 의료기관 병상 수 및 시도별 인구통계를 활용하였다. 이를 통해 지역 노동시장을 파악하고, 본 연구의 정책 시뮬레이션 모델의 기준 값을 설정하였다.

셋째, 모델의 주요 파라미터 설정을 위해 병원간호사회의 병원간호인력 배치현황 실태조사 2015–2024년 자료를 활용하였다. 해당 실태조사에서 보고된 대도시와 그 외 지역 간의 평균 임금격차 및 이직률 통계를 수집하여 모델 내 지역 간 임금수준과 환경변수의 초기값으로 적용하였다.

3. 연구변수

시스템 다이내믹스 모델은 궁극적으로 관찰하고자 하는 목표변수(objective variables), 시스템의 변화를 유도하기 위해 연구자가 제어하는 정책변수(decision variables), 모델 내부의 수식과 피드백에 의해 결정되는 내생변수(endogenous variables) 및 외부 환경요인인 외생변수(exogenous variables)로 구성된다. 본 연구는 간호사 지역 불균형의 동태적 변화를 측정하고 정책효과를 평가하기 위해 시뮬레이션 모델을 구축하였으며, 주요 변수를 다음과 같이 목표변수, 주요 내생변수, 정책변수로 구분하여 조작적 정의를 하였다.

1) 목표변수(objective variables)

시스템의 최종적인 결과 상태를 나타내는 목표변수는 지역 불균형 지표와 간호사 인력이다. 지역 불균형 지표는 경제협력개발기구의 국가 간 보건의료 수준 비교방식에 착안하여[29], 수도권인 서울의 지푯값 대비 비수도권인 특정 지방의 간호사 확보 수준을 나타내는 상대적 비율로 산출하였으며, 인구 천 명당 간호사 수와 간호사 평균 근무연수를 측정지표로 사용하였다. 간호사 인력은 보건의료실태조사 기준에 따라 의료기관에서 실제 환자 간호 업무를 수행하는 임상 간호사로 한정하여 정의하였다.

2) 주요 내생변수(endogenous variables)

모델 내부의 피드백 작용에 의해 값이 동태적으로 결정되는 주요 내생변수는 간호사의 근무 매력도이다. 간호사가 직무환경에 대해 느끼는 충족감은 지역 정착과 장기근속을 결정하는 핵심 요인이다[14,24]. 선행연구에 따르면 근무환경에 대한 긍정적 인식은 열악한 여건에서 오는 스트레스와 이직 의도를 완충하는 보호 기제로 작용하며[25,27], 특히 업무량을 의미하는 간호사 배치 수준은 이러한 매력도를 결정하는 결정적 구조요인으로 보고되고 있다[30,31]. 본 연구에서는 근무 매력도를 간호사가 체감하는 보유 병상 수 대비 간호사 수로 산출된 업무량과 상대적 임금 수준의 상호작용에 의해 매 시점 동태적으로 결정되는 구조적 지표 기반의 효용변수로 조작적 정의하였다.

3) 정책변수(decision variables)

시뮬레이션 시나리오에서 연구자가 인위적으로 조절하는 정책변수는 임금 인상률과 근무환경 개선 강도이다. 수도권과 비수도권의 임금 및 처우 격차는 지방 간호사가 수도권으로 이동하는 주된 경제적ㆍ구조적 동기로 작용한다[2,9,32]. 이를 반영하여 임상 간호사가 지급받는 연평균 임금 총액을 지역별 초기값으로 설정하였으며, 시뮬레이션 분석 시 지역별 임금 인상률과 비재무적 근무환경 개선 강도를 조절 가능한 변수로 적용하여 단일 및 복합 개입이 지역 불균형 완화에 미치는 효과를 예측하였다.

4. 자료분석

수집된 자료는 Vensim DSS ver. 9.4 프로그램(https://vensim.com/software/)[33]을 활용하여 시스템 다이내믹스 방법론[16]의 절차에 따라 분석하였다.

1) 문제 정의 및 영향요인 탐색

본 연구는 Sterman [16]의 제안에 따라, 문헌 고찰과 2016년부터 2024년까지의 주요 통계자료 분석을 통해 연구 문제의 동태적 경향과 범위를 설정하였다. 이를 바탕으로, 특정 지역의 간호사 과소 공급 및 타 지역의 과잉 공급이 발생하는 자원의 불균형한 분포를 본 연구의 주요 문제로 정의하고, 임금 및 근무환경 격차 등 관련 영향변수를 도출하였다[9,12,24].

2) 인과 지도 작성

문헌 고찰을 통해 도출된 주요 변수들을 바탕으로, 간호사 지역 불균형 현상을 야기하는 시스템의 내재적 구조를 시각화하고자 인과 지도(causal loop diagram)를 작성하였다. 시스템 내 변수 간의 상호 인과관계는 영향변수에서 종속변수로 향하는 화살표로 표현하였고, 두 변수 간 영향의 방향성은 화살표 끝부분에 + 또는 – 부호를 사용하여 극성으로 나타내었다. 이러한 인과관계들이 연결되어 폐쇄된 순환구조를 형성하는 것을 피드백 루프(feedback loop)라 하며, 변수들의 변화가 서로를 증폭시키는 순환구조는 강화 루프(reinforcing loop, R)로, 변수들이 서로 균형을 유지하거나 억제하는 순환구조는 균형 루프(balancing loop, B)로 구분하였다.

3) 저량-유량 다이어그램 및 모델 개발

작성된 인과 지도를 기반으로, 시뮬레이션이 가능한 저량-유량 다이어그램(stock flow diagram [SFD])을 구축하였다. 이는 인과 지도에서 도출된 변수 간의 인과관계를 컴퓨터를 활용한 정량적 시뮬레이션 모델로 변환하는 작업이다[16]. SFD는 시스템의 상태가 행위의 결과로 축적된 저량변수(stock), 저량변수의 값을 증가 또는 감소시키는 유량변수(flow), 유량변수의 계산을 명확히 하거나 단순화시키는 보조변수(auxiliary) 등의 구성요소로 이루어진다.

SFD 모델 구축과정은 첫째, 인과 지도를 바탕으로 지역 간호인력 문제를 나타내는 주요 저량변수를 규명하고 정의한다. 둘째, 규명된 저량변수에 영향을 주는 유량변수와 보조변수를 명확하게 정의한다. 셋째, 구축된 SFD가 원래의 인과 지도와 일관성을 유지하는지 검토하여 정합성을 확보한다. 이 과정에서 변수 간의 인과관계를 수학적 함수로 정의하여 모델을 구축하였다[16,17]. 본 연구의 인과 지도 및 모델 구축에 활용된 주요 변수별 원시자료 출처와 수학적 산출공식은 보충자료(Supplementary Material 1)로 제시하였다.

4) 모델 타당성 평가

구축된 시스템 다이내믹스 모델의 타당성 평가는 Sterman [16]이 제안한 바에 따라 모델구조 평가, 모델행태 평가, 정책 시사점 평가의 세 가지 범주로 나누어 수행하였다.

첫째, 모델구조 평가는 총 4인의 전문가 패널을 대상으로 내용타당도 검증을 실시하였다. 전문가 패널은 시스템 다이내믹스 방법론에 대한 전문적 이해도[16,17]와 간호인력 정책 및 교육체계에 대한 학술적 식견을 갖춘 전문가 풀이 극히 제한적이라는 점을 고려하여, 해당 분야 연구 및 실무 경험이 20년 이상인 시스템 다이내믹스 전문가 2인과 간호학 교수 2인 등 총 4인으로 엄선하여 구성하였다. 이를 통해 양적 확대보다는 전문성의 깊이에 기반한 질적 타당성을 확보하고자 하였다. 모델구조와 시나리오의 현실 적합성을 체계적으로 검증하기 위한 설문 도구는 중요성과 적절성을 평가하는 5점 리커트 척도를 활용하여 모델구조 및 구성요소, 동태적 피드백 루프, 파라미터 설정, 정책 시나리오, 결과지표 등 총 5개 영역으로 구성하였으며, 수집된 응답을 바탕으로 내용타당도 지수(content validity ratio [CVR])를 산출하여 최종적인 구조적 타당성을 점검하였다.

둘째, 모델행태 평가는 Vensim의 check syntax 및 check model 기능을 활용하여 수식과 모델구조의 논리적 정합성을 검증하였다. 또한 시간 간격(time step)의 민감도 분석을 수행하여 시간 설정에 따른 모델의 행태 변화 여부를 점검하였다.

셋째, 정책 시사점 평가는 모델이 현실 시스템에서 관찰되는 문제의 특징과 행태 변화를 충실히 재현하는지를 점검하는 단계이다. 이를 위해 현실 시스템으로부터 얻은 실증적 데이터를 사용하여 모델의 행태 재현성을 평가하였으며, 모델에서 도출된 결과와 실제 관찰된 데이터 간의 적합성을 분석하여 모델의 예측력과 타당성을 확인하였다.

5) 시나리오 시뮬레이션

타당성이 확보된 모델을 활용하여, 간호사 인력의 지역 불균형 문제에 대응하기 위한 여러 개입의 효과를 장기적 관점에서 분석하고자 시나리오 시뮬레이션을 수행하였다. 시뮬레이션 기간은 2020년부터 2035년까지로 설정하였다. 시나리오는 baseline을 기준으로, 앞서 정의한 정책변수인 지역별 임금 인상률과 근무환경 개선 강도를 독립적 또는 복합적으로 적용하는 방식으로 구성하였다. 각 시나리오에 따른 개입효과는 목표변수로 설정한 인구 천 명당 간호사 수와 서울 대비 특정 지방의 상대적 비율을 의미하는 지역 불균형 지표의 동태적 변화를 추적하여 정량적으로 비교 분석하였다.

5. 윤리적 고려

본 연구는 시스템 다이내믹스 모델 구축에 필요한 모든 데이터를 공공기관에서 제공하는 2차 자료만을 활용하였다. 연구에 사용된 보건의료 빅데이터 개방시스템, 교육통계서비스, 대졸자 직업 이동경로 조사 등의 모든 데이터는 개인식별 정보가 포함되지 않은 비식별화된 공공데이터이다. 본 연구는 인체 대상 연구에 해당하지 않으며, 공공데이터를 활용하는 연구로, 경희대학교 생명윤리심의위원회(Institutional Review Board [IRB])의 심의 면제 승인을 받은 뒤 수행되었다(승인 번호: KHSIRB-25-312(EA)).

결과

1. 인과 지도

1) 변수의 선정

연구방법에서 정의된 문제를 바탕으로, 문헌 고찰과 데이터 분석을 통해 간호사 지역 불균형 시스템에 적용 가능한 주요 변수들을 도출하였다. 변수들은 본 연구의 이론적 틀에 맞추어 병원 및 지역 특성 요인, 개인 특성 요인, 정책적 요인의 세 가지 범주로 분류하였다. 세부 변수로는 지방 간호사 수, 업무량, 근무환경, 임금-노동 등가성, 임금, 근무 매력도, 수도권 대비 만족도 격차, 이직 의도, 지방 환자 수, 간호학과 입학정원 등 시스템의 순환적 인과관계 피드백 구조를 설명하고 모델의 수식 입력이 가능한 주요 변수들을 최종적으로 확정하였다.

2) 인과 지도 작성

최종 확정된 변수 간의 상호 인과관계를 바탕으로, 간호사 지역 불균형 현상을 야기하는 시스템의 내재적 구조가 인과 지도와 같이 도출되었다(Figure 1). 분석결과, 인과 지도는 총 16개의 피드백 루프로 구성되었으며, 이 중 강화 루프가 13개, 균형 루프가 3개로 확인되었다. 주요 강화 루프(R1, R2, R3)는 지방 간호사 수의 감소가 1인당 업무량을 증가시키고(R1), 전반적인 근무환경을 악화시키며(R2), 임금-노동 등가성에 대한 인식을 낮추어(R3) 근무 매력도를 저하시키는 내부적 악순환 구조를 형성하고 있었다. 또한, 지방 환자 수와 인구 수 간의 동태적 연계를 나타내는 R5 루프를 비롯하여, 다른 강화 루프(R4, R6–R12)들 역시 병원 재정 악화, 보상 및 투자 감소가 수도권과의 매력도 격차를 확대하여 신규 및 경력 인력 유출을 심화시키는 상호 연결구조를 보여주었다. 특히 R13 루프는 지방 환자의 이탈이 수도권의 환자 및 투자 유입에 긍정적 영향을 미치고, 이것이 다시 지방의 인력 유출을 가속화하는 부익부 빈익빈의 주요 요인으로 분석되었다.

반면, 3개의 균형 루프(B1–B3)는 임금 조정, 병원 재정의 제약, 신규 인력 공급 등을 통해 시스템을 안정화하려는 힘으로 작용하고 있었다. 하지만 분석결과, 이러한 균형 루프의 제어력보다 13개 강화 루프의 증폭효과가 압도적으로 우세하여 시스템의 불균형이 지속적으로 심화되는 구조임이 밝혀졌다.

2. 모델 개발

본 연구는 인과 지도에서 도출된 간호사 수급체계를 정량적으로 분석하기 위해 이를 SFD로 전환하여 동적 시뮬레이션 모델을 구축하였다(Figure 2). 모델 개발은 시스템의 구조적 매핑, 핵심 변수의 수식화, 피드백 루프의 통합 및 구동체계 구축의 세 단계로 수행되었다.

먼저, 활동 간호사 수와 같이 시스템 내에 축적되는 자원은 저량(stock)으로, 인력의 유입과 이직 등의 변화량은 유량(flow)으로 설정하여 모델의 물리적 골격을 확립하였다. 이어 인과 지도의 추상적 개념인 근무 매력도를 임금과 업무량의 상호작용에 기반한 비선형 승수 함수로 구체화하여 시스템 내부의 인과관계가 수학적으로 연동되도록 설계하였으며, 상세 수식과 변수 정의는 보충자료(Supplementary Material 1)에 기술하였다. 마지막 단계에서는 개별 수식들을 상미분 방정식 기반의 통합모델로 연결하여 시간 흐름에 따른 동태적 변화를 시뮬레이션할 수 있는 구동체계를 완성하였다. 이때 모델의 복잡성을 해소하고 정책 개입에 따른 인과 흐름을 명확히 하기 위해, Figure 2 내 정책변수는 붉은색, 결과지표는 초록색, 핵심 인과 경로는 주황색 화살표로 각각 시각화하여 구조적 시인성을 높였다.

개발된 모델은 Vensim의 시스템 구조 오류(check syntax) 및 함수 관계 오류 검증(check model)을 통해 수식 간의 논리적 오류가 없음을 확인하였다. 또한 전문가 4인을 대상으로 내용타당도를 평가한 결과, CVR 1.0을 확보하여 모델의 구조적 정합성을 확인하였으며, 전문가 제언에 따라 변수명 등을 보건의료 현실에 부합하도록 최종 보완하였다. 이와 함께 time step 민감도 분석을 수행하였다. 특히 모델의 구축 기준점인 2020년부터 2024년까지의 실제 통계 데이터와 시뮬레이션 결과치를 비교하는 행태 재현성 검증(Behavioral Validity Test)을 완료하여 모델의 타당성을 확보하였다. 시뮬레이션 기간은 2020년부터 2035년까지로 설정하였으며, 기본 시간단위는 년(time step=0.0625)으로 하였다.

3. 기본 시뮬레이션

본격적인 시나리오 분석에 앞서, 어떠한 개입도 없는 현재 상태(baseline) 시뮬레이션을 수행하였다. 이때 모델의 핵심 변수인 임금과 근무 매력도의 기준 설정근거는 다음과 같다.

첫째, 연간 임금 인상률은 2.4%로 설정하였다. 이는 2015–2020년 평균 소비자물가상승률(1.0%)에 병원의 실질임금 상승 여력(1.4%)을 더한 값이다. 여기서 실질임금 상승분 1.4%는 병원의 주요 수입원인 건강보험 수가 평균 인상률(약 2.23%)에서 타 직종 인건비 및 관리비 배분 현실을 고려하여 보수적으로 추계한 수치이다.

둘째, 근무 매력도는 간호사 배치 수준인 간호등급과 연동된 구조적 지표로 정의하여 현재 상태를 기준값 1로 설정하였다. 파라미터 설정근거로는 간호등급 상위 그룹의 직무만족도가 하위 그룹 대비 약 1.2배(20% 이상) 높다는 연구[30]와, 적정 인력 배치 시 불만족 위험비(odds ratio)가 0.3배 수준으로 감소한다는 연구[31]를 활용하였다. 이를 기반으로 본 모델에서는 인력 충원 시 근무 매력도가 기준값 1 대비 최소 1.2에서 최대 1.9의 가중치가 부여될 수 있도록 설정하였다.

기본 시뮬레이션 분석은 불균형이 가장 극명하게 나타나는 서울과, 인구 천 명당 간호사 수가 전국 최하위권이면서 고령 인구비율(25.5%)이 가장 높은 전남을 비교 대상으로 하였다. 본 시뮬레이션 모델은 인과 지도에서 도출된 지역 간 이동의 통합적 구조를 바탕으로 구축되었으며(Figure 2), 실제 구동 시에는 단일 모델구조 내에 서울과 전남 지역의 초기 변수(인구, 병상 수, 임금 등)를 각각 다르게 입력하여 지역별 추세선을 개별 추정하는 방식을 취하였다. 분석결과, 인구 천 명당 간호사 수는 2020년 서울 5.18명, 전남 3.20명(격차 1.98명)에서 2035년 서울 8.29명, 전남 5.19명(격차 3.1명)으로, 시간이 지남에 따라 격차가 약 1.59배 심화되는 것으로 예측되었다. 또한 질적 지표인 평균 근무연수는 서울이 10년 수준을 유지한 반면, 전남은 2020년 5.66년에서 2035년 5.65년으로 정체되어 인력의 질적 안정성 또한 개선되지 않는 것으로 나타났다.

4. 정책 시나리오 시뮬레이션

기본 시뮬레이션에서 확인된 인력 불균형 심화 문제를 해결하기 위해, 전남 지역을 대상으로 임금 인상률과 근무 매력도를 조절하는 정책 시나리오 시뮬레이션을 수행하였다. 아래 시뮬레이션 내 각 시나리오별 구체적 조건과 예측결과 수치는 Table 1과 같다.

1) 단일 정책 개입 시뮬레이션

단일 정책의 개입효과를 분석하기 위해 전남 지역을 대상으로 임금 인상률과 근무 매력도 변수의 개입 강도에 따른 시스템의 민감도를 분석하기 위해 각 변수를 세분화하여 시뮬레이션을 수행하였다. 첫 번째 시나리오(S1)에서 연간 임금 인상률을 3%에서 9% 범위로 적용했을 때, 2035년 인구 천 명당 간호사 수는 5.25명에서 6.08명으로 나타났다. 이는 기본 모델 대비 증가한 수치이나 서울의 예측치인 8.29명에는 미치지 못하였다. 반면, 연 20% 인상을 가정한 시나리오에서는 간호사 수가 8.99명, 평균 근무연수가 12.51년으로 나타나 서울의 수준을 상회하였다(Figure 3). 두번째 시나리오(S2)에서 근무 매력도를 1.2에서 1.6 수준의 가중치를 부여하였을 때, 2035년 간호사 수는 5.49명에서 6.10명, 평균 근무연수는 7.58년까지 상승하였다(Figure 3). 특히 근무 매력도 가중치 부여 시나리오에서 2028년 단기 시점부터 평균 근무연수가 가파르게 상승하는 양상을 보였다. 근무 매력도를 3.0의 높은 가중치를 부여한 시나리오에서는 2028년에 이미 평균 근무연수가 10.90년으로 서울의 수준(10년)을 조기에 넘어섰으며, 2035년 간호사 수는 8.30명을 기록하였다.

2) 복합 정책 개입 시뮬레이션

임금과 근무 매력도를 동시에 개선하는 4가지 복합 시나리오를 분석하였다. 첫 번째, 연 8% 임금 인상과 1.8의 근무 매력도 가중치를 적용한 시나리오(S3)에서는 2035년 인구 천 명당 간호사 수가 7.76명, 평균 근무연수가 10.50년으로 나타났다. 두 번째, 임금 인상률을 10%로 높이고 근무 매력도 가중치를 1.5로 조정한 시나리오(S4)는 2035년 간호사 수 7.58명, 평균 근무연수 10.25년을 기록하였다. 세 번째, 연 6%의 임금 인상과 2.0의 근무 매력도 가중치를 적용한 시나리오(S5)는 2028년 평균 근무연수가 8.90년으로 급상승하였고, 2035년에는 10.25년에 도달하여 서울의 수준(10년)을 상회하는 안정적인 인력구조를 형성하였다. 네 번째, 연 10% 임금 인상과 1.9의 근무 매력도 가중치를 동시에 적용한 고강도 복합 개입 시나리오(S6)의 경우(Figure 4), 2035년 인구 천 명당 간호사 수는 8.67명, 평균 근무연수는 11.90년에 도달하였다. 이는 단일 변수를 각각 최고 수준(20% 인상, 3.0 가중치 부여)으로 설정했을 때와 유사한 수준으로, 분석된 복합 시나리오 중 유일하게 서울의 양적 및 질적 지표를 모두 상회하는 결과이다.

3) 정책 지속성 시뮬레이션

정책 강도를 시간 흐름에 따라 조절한 동태적 시나리오를 분석하였다. 초기 5년간 고강도 투자를 집중하다가 강도를 낮춘 시나리오(S7)에서는 평균 근무연수가 2030년에 9.81년으로 정점을 기록한 후 하락세로 전환되어 2035년 7.71년으로 감소하였다(Figure 4). 초기 5년간 소극적 투자를 진행하다가 중단한 시나리오(S8)에서는 정책 중단 시점 이후 지표가 급락하였다. 그 결과, 2035년 인구 천 명당 간호사 수는 5.12명, 평균 근무연수는 5.49년을 기록하여 아무런 개입을 하지 않은 전남의 현재 상태 예측치인 인구 천 명당 간호사 수 5.19명, 평균 근무연수 5.65년보다도 낮은 수치를 보였다.

고찰

본 연구는 시스템 다이내믹스 방법론을 활용하여 간호사 인력의 지역 불균형 문제를 구조적 관점에서 분석하고, 정책 시뮬레이션을 통해 효과적인 개선방안을 도출하고자 하였다. 이는 간호사 부족 문제를 특정 변수와의 정태적 관계로 국한했던 기존 연구들의 한계를 보완하고, 시스템 사고를 적용하여 동태적 메커니즘을 규명하였다는 점에서 의의가 있다[16,17]. 본 연구의 주요 결과와 발견점을 논의하면 다음과 같다.

첫째, 본 연구의 인과 지도 분석결과, 간호사 인력의 지역 불균형은 13개의 강력한 강화 루프가 3개의 균형 루프를 압도하는 부익부 빈익빈 시스템 원형의 전형적인 특성을 보임이 확인되었다. 이는 초기 자원의 미세한 격차가 시스템의 자기 강화적 피드백을 통해 시간이 지날수록 확대되는 구조적 특성을 의미한다. 본 연구에서 확인된 이러한 불균형은 조직적, 지역적, 정책적 요인이 다층적으로 상호작용하며 발생한 복합적인 결과로 분석된다[12,16,32].

구체적으로 조직적 차원에서는 지방 병원 내부의 인력 고갈이 가속화되는 악순환 구조가 지배적이었다(R1–R3). 지방 병원의 간호사 수 감소는 잔류 인력의 1인당 업무량을 증가시키고, 이는 업무환경의 질적 저하와 직무 스트레스를 유발하여 상대적 근무 매력도를 떨어뜨리는 직접적인 원인이 된다. 저하된 만족도는 다시 이직 의도를 높여 추가적인 인력 유출을 유발하며, 이는 남은 인력의 업무 부담을 가중시키는 결과를 초래한다. 이는 직무 스트레스와 소진, 열악한 근무환경이 이직 의도의 핵심 요인임을 규명한 선행연구의 결과를 지지하며[25,27], 나아가 개별 변수들이 독립적으로 작용하는 것이 아니라 서로를 지속적으로 강화하여 시스템을 고착상태에 빠뜨리는 기제임을 입증한다.

다음으로, 지역적 차원에서는 이러한 조직 내부의 문제가 지역 인프라 및 노동시장 격차와 결합하여 수도권과 지방 간의 양극화를 심화시키는 과정이 확인되었다. 지역 간 매력도 격차는 신규 및 경력 간호사의 이동을 결정짓는 핵심 경로로 작용하고 있었다(R8–R13). 지방 병원의 열악한 처우는 신규 인력의 유입을 차단하는 동시에 경력 인력의 수도권 유출을 촉진한다. 반면, 수도권으로 유입된 양질의 인력은 수도권 병원의 경쟁력을 더욱 강화하는 동력으로 작용하여, 수도권의 성장이 지방의 쇠퇴를 가속화하는 상호 의존적 관계를 형성한다. 이는 노동시장의 이중구조[13]나 임금격차에 따른 수도권 집중현상[2,12]이 단편적인 선호의 문제가 아니라 시스템의 구조적 필연성에 기인한 결과임을 시사한다.

반면, 정책적 차원에서 기존의 신규 인력 공급정책은 이러한 구조를 제어하는 데 한계를 보였다(B3). 인과 지도상에서 신규 공급된 인력은 처우 개선이 동반되지 않아, 열악한 환경을 피해 즉각적으로 유출되는 행태를 보였다. 이는 양적 확대 정책이 오히려 수도권 쏠림을 가속화할 수 있다는 연구의 지적과 부합하며[1], 단순 공급정책만으로는 시스템의 불균형을 해소하기 어려움을 의미한다. 병원의 수익구조 개선을 통한 자생적 회복력 역시 지방 병원의 재정적 제약이라는 현실적인 한계에 막혀 작동하지 않았다(B1). 결과적으로 현재의 시스템은 자율적인 조정 기제만으로는 균형을 회복하기 어려운 한계가 확인되었으며, 이를 해결하기 위해서는 단순한 공급 확대를 넘어 WHO [5]가 권고한 바와 같이 인력의 유지를 위한 개인적ㆍ조직적 요인을 강화하고 병원의 재정적 제약을 완화하는 구조적 개입이 필수적인 정책적 레버리지임이 확인되었다. 이는 양적 확충 중심의 공급정책에서 벗어나 근무여건 개선과 질적 유지를 강조하는 국내 보건복지부의 간호인력 지원 종합대책뿐만 아니라[32], 보상 기전 강화와 다각적 투자를 통한 인력 보존을 골자로 하는 WHO의 최신 글로벌 전략 기조와도 일맥상통한다[34].

둘째, 기준 모델 시뮬레이션 결과, 현행 정책 기조가 유지될 경우 수도권과 지방 간 인력 격차는 심화될 것으로 예측되었다. 이 결과는 장기적인 시계열 분석에서 수도권과 지방 간의 인구 대비 간호사 수 격차가 지속적으로 심화되고 지방의 평균 근무연수가 정체되는 양상으로 나타났으며, 이는 앞서 확인된 부익부 빈익빈 구조가 실제로 작동하여 격차를 고착화하고 있음을 정량적으로 보여준다. 시간의 흐름에 따라 수도권은 자원이 집중되는 선순환 구조를 갖는 반면, 지방은 인력 부족이 근무여건 악화로 이어지는 악순환 구조에 놓여 있어, 외부의 구조적 개입 없이는 격차 해소가 어려움을 의미한다.

셋째, 단일 정책 개입 시뮬레이션은 각 개입의 강점과 한계를 보여주었다. 비임금성 근무 매력도 개선은 평균 근무연수를 단기적으로 빠르게 안정시켜, 기존 인력의 이탈을 방지하는 유지효과가 컸다. 해당 시나리오에서는 단기 시점인 2028년부터 평균 근무연수가 상승하는 경향을 보였는데, 이는 근무환경 개선이 인력 유출을 억제하는 즉각적인 효과가 있음을 강조한 연구를 지지한다[35]. 반면, 임금 인상은 외부 인력을 유입시키는 유인전략의 변수로 작용하였으나, 시스템 내 시간 지연으로 인해 효과 발현속도가 상대적으로 완만하였다. 이는 임금격차가 지역 이동의 주요 동기라는 선행연구를 지지한다[2,12]. 그러나 두 시나리오 모두 단독으로는 서울과의 구조적 격차를 해소하는 데 한계를 보였으며, 단일 요인만으로 목표를 달성하기 위해서는 비현실적인 자원 투입이 요구됨이 확인되었다.

넷째, 본 연구의 핵심적인 발견은 임금과 근무 매력도 개선을 병행한 복합 정책 시나리오에서 나타난 뚜렷한 시너지 효과이다. 두 개입이 결합되었을 때 개선효과는 단순 합을 넘어 비선형적으로 증폭되었다. 특히 경제적 보상과 근무 매력도를 동시에 상향 조정한 고강도 복합 정책 조건에서는, 평균 근무연수와 인구 천 명당 간호사 수 모두에서 지방이 수도권의 수준을 상회하는 정량적 지표의 역전 현상이 확인되었다. 비록 본 연구에서 시뮬레이션을 위해 설정한 일부 고강도 정책변수는 단기적인 재정 투입이나 정책환경을 고려할 때 즉각적인 적용에 현실적인 제약이 따를 수 있다. 그러나 이러한 설정은 당장의 실무적 대안을 제시하기 위함이라기보다, 시스템의 악순환 고리가 단절되고 선순환으로 전환되는 정책적 임계점을 탐색하기 위한 분석과정이라는 점에서 본 연구의 의의를 찾을 수 있다. 본 연구결과는 지역 간 간호인력 불균형의 구조적 문제를 해소하기 위해 임계치를 상회하는 집중적이고 다각적인 정책 개입이 필수적임을 실증한다. 즉 비수도권 의료기관의 인력 유입을 유인하기 위한 지역수가 가산 및 재정 지원 등의 경제적 보상 기전과, 법정 배치기준 강화 및 유연교대제 확대를 통한 직무 매력도 제고방안이 단편적 접근을 넘어 다차원적 정책 조합의 형태로 동시 투입되어야 함을 시사한다.

다섯째, 시간의 흐름에 따라 개입 강도를 조절한 동태적 정책 시뮬레이션은 정책의 지속성과 일관성의 중요성을 보여주었다. 초기 일정 기간 집중 투자 후 지원을 점진적으로 약화시킨 전략은 단기적 개선효과가 장기적으로 완전히 상쇄되었으며, 소극적이고 일관성 없는 정책 기조의 경우 예측기간 말기의 결과가 기준 모델보다도 악화되는 동태적 행태를 나타냈다. 이는 공중보건 장학제도나 지역 간호사제 도입 시도 등 기존 정책들의 효과가 제한적이었던 이유에 대해[11], 정책의 강도뿐만 아니라 지속성의 부재가 중요한 실패 요인이었을 수 있다는 구조적 해석을 가능하게 한다. 따라서 정책은 단기적 성과에 그치지 않고, 시스템이 자생적인 선순환 구조로 정착될 때까지 지속적으로 추진되어야 한다.

본 연구의 의의에도 불구하고 다음과 같은 제한점이 존재한다. 첫째, 공공 2차 자료를 활용하여 거시적 관점의 동태성을 분석하였으므로, 개별 병원 단위에서 나타나는 미시적인 차이와 특수성을 모두 반영하는 데에는 한계가 있다. 둘째, 본 모델은 임상 간호사의 유출입과 재직 상태를 중심으로 저량과 유량 구조를 설계하는 과정에서, 향후 예측기간인 2020년부터 2035년 사이에 집중될 것으로 예상되는 베이비부머 세대 및 그 후속 세대 간호사들의 대규모 정년퇴직 등 구조적인 인구학적 이탈 요인을 유의미하게 반영하지 못했다는 한계가 있다. 모델 내에서 평균 근무연수라는 정량적 지표를 통해 인력구조의 질적 안정성을 간접적으로 보완하고 이직률을 매개로 총량적인 인력 유출을 모사하였으나, 실제 시스템 내 저량에 존재하는 간호사 인력의 연령대별 분포 격차와 특정 연령 임계치 도달에 따른 필연적 은퇴 메커니즘을 고유한 내생적 유량 변수로 분리하여 반영하는 데는 구조적 한계가 존재한다. 셋째, 시스템 다이내믹스 연구가 갖는 방법론적 특성으로 인해 일부 파라미터를 추정하는 과정에서 불확실성이 내포될 수 있으며, 모델 구축과정에서 설정된 연구자의 가설에 의존하는 측면이 존재한다. 또한 복잡한 현실 시스템을 시뮬레이션 모델로 추상화하고 단순화하는 과정에서, 주요 외생변수가 누락되었을 가능성을 완전히 배제할 수 없다[16,17]. 넷째, 모델 내 핵심 변수인 근무 매력도를 구축하는 과정에서, 개별 간호사가 주관적으로 체감하는 설문 기반의 심리적 잠재변수를 완벽히 반영하지 못하고 보유 병상 수 대비 간호사 수와 임금 수준 등 객관적인 구조적 지표 기반의 효용 변수로 조작적 정의하였다는 한계가 있다. 따라서 본 연구의 결과를 타 지역이나 개별 병원의 상황으로 직접 일반화하여 해석하는 데에는 주의가 필요하며, 향후 본 모델을 기반으로 조직문화나 리더십 등 보다 다각적인 정성적ㆍ심리적 변수를 반영하여 모델의 정밀도를 높이는 확장된 연구가 필요하다.

본 연구는 간호사 인력의 지역 불균형 문제가 단편적인 처방으로 해결될 수 없는 복잡한 구조적 문제임을 재확인하였다. 이를 해소하기 위해서는 질적 관리와 양적 확충이라는 단계적이고 복합적인 접근이 요구된다. 우선적으로 간호등급 상향 조정 등 근무환경 개선을 통해 기존 인력의 유출경로를 차단하는 질적 관리가 선행되어야 하며, 이를 위해 등급 미신고 기관에 대한 관리 강화 등 실질적인 제도적 개입이 필요하다[9,24]. 궁극적으로는 유의미한 수준의 임금 보상이 결합된 강력하고 지속적인 복합 전략을 통해 외부 인력을 적극적으로 유입시켜야 할 것이다. 본 연구는 간호학 분야의 복잡한 문제를 시스템 다이내믹스를 통해 구조적으로 분석함으로써 간호학 연구 접근방식을 다양화하는 데 기여하였으며, 향후 근거 기반의 간호인력 정책을 수립하는 데 있어 개입의 강도, 조합, 그리고 시점을 어떻게 설계해야 하는지에 대한 중요한 기초자료를 제공한다는 점에서 의의가 있다.

결론

본 연구는 시스템 다이내믹스 방법론을 이용하여 간호사 인력의 지역 불균형 문제를 구조적으로 분석하고, 정책 개입의 효과를 예측하고자 시도되었다. 연구결과, 지방의 인력 유출은 근무여건 악화와 수도권과의 매력도 격차가 상호작용하는 강력한 강화루프에 의해 지배되며, 이 악순환은 현재의 균형루프로는 제어되기 어려운 구조임이 확인되었다. 시뮬레이션 결과, 현 추세가 지속된다면 격차는 더욱 심화될 것으로 예측되었다.

본 연구의 주요한 발견은 임금 보상과 비임금성 근무 매력도 개선을 결합한 고강도 복합 전략이 시스템의 악순환을 선순환으로 전환시키는 가장 효과적인 정책적 지렛대 역할을 한다는 것이다. 또한 정책의 효과는 개입의 강도뿐만 아니라 지속성과 일관성에 민감하게 반응하며, 일관성 없는 단기 정책은 오히려 시스템을 악화시킬 수 있음을 확인하였다.

이상의 결과를 근거로 볼 때, 간호사 지역 불균형 해소를 위해서는 단편적 정책이 아닌, 지방 병원의 실질적인 근무환경 개선과 임금 보상을 결합한 강력하고 지속적인 복합 전략 마련이 필요함을 시사한다.

본 연구는 2차 자료를 활용하여 거시적 동태성을 분석하였으므로, 개별 병원 단위의 미시적 차이를 모두 반영하는 데는 한계가 있다. 향후 본 모델을 기반으로 조직문화나 리더십과 같은 근무 매력도의 하위 요인을 상세화하고, 병원규모 및 설립유형 등 다양한 기관 특성을 반영하여 모델의 정밀도를 높이는 확장 연구를 제언한다. 이와 더불어, 향후 후속 연구에서는 간호사 저량을 연령대별 혹은 코호트별 다단계 구조인 aging chain으로 세분화하고, 시스템 내 연령 전이 메커니즘을 구축함으로써 베이비부머 세대의 은퇴 시점과 시기별 평균 근무연수의 변동성을 모델 내에 내생화할 필요가 있다. 이를 통해 장기적 인구 구조 변동에 따른 대규모 인력 이탈이 보건의료 시스템에 미치는 동태적 충격을 더욱 정밀하게 예측할 수 있을 것이다. 나아가, 지역의 정주 여건이나 비병원 부문으로의 인력 이동까지 포함하도록 모델의 경계를 확장하고, 이를 환자안전 및 건강 성과와 연계하는 후속 연구를 제언한다.

Article Information

Conflicts of Interest

No potential conflict of interest relevant to this article was reported.

Acknowledgements

None.

Funding

None.

Data Sharing Statement

Please contact the corresponding author for data availability.

Supplementary Data

Supplementary data to this article can be found online at https://doi.org/10.4040/jkan.26003.

Supplementary Material 1.

jkan-26003-Supplementary-Material-1.pdf

Author Contributions

Conceptualization: SL, EKY. Methodology: SL, EKY. Software: SL. Validation: SL, EKY. Formal analysis: SL. Investigation: SL. Resources: SL. Data curation: SL. Visualization: SL. Supervision: EKY. Project administration: EKY. Funding acquisition: none. Writing–original draft: SL. Writing–review & editing: SL, EKY. Final approval of the manuscript: all authors.

Fig. 1.

Comprehensive causal map of the regional nursing workforce gap. Red arrows indicate the causal pathways of balancing loops (B1–B3) acting as autonomous balancing mechanisms within the system.

Fig. 2.

The overall structure of the nurse workforce simulation model. Red bold text indicates policy intervention variables, while green bold text represents outcome measurement variables. Orange arrows show the causal pathway linking the intervention to the outcomes.

Fig. 3.

Dynamic simulation of nurse density and average tenure under single policy scenarios (wage increase and job attractiveness improvement). (A) Changes in nurse density under annual wage increase scenarios (S1–4, S1–5, S1–6). (B) Changes in average tenure under annual wage increase scenarios (S1–4, S1–5, S1–6). (C) Changes in nurse density under job attractiveness weight scenarios (S2–1, S2–2, S2–3). (D) Changes in average tenure under job attractiveness weight scenarios (S2–1, S2–2, S2–3).

Fig. 4.

Dynamic simulation of nurse density and average tenure under high-intensity combined policy scenarios (scenarios 6 and 7). (A) Comparison of nurse density between combined policy scenarios 6 and 7. (B) Comparison of average tenure between combined policy scenarios 6 and 7.

Table 1.

Simulation results of policy scenarios for the Jeonnam region (2020–2035)

Category	Scenario	Annual wage increase (%)	Job attractiveness weight	Nurses per 1,000 population		Average tenure (yr)
Category	Scenario	Annual wage increase (%)	Job attractiveness weight	2028	2035	2028	2035
Baseline	Seoul	2.4	1.0	7.43	8.29	10.00	10.00
	Jeonnam	2.4	1.0	4.45	5.19	5.65	5.65
Single policy	S1-1	3.0	1.0	4.46	5.25	5.68	5.80
	S1-2	6.0	1.0	4.51	5.62	5.86	6.64
	S1-3	9.0	1.0	4.58	6.08	6.04	7.60
	S1-4	10.0	1.0	4.60	6.25	6.10	7.95
	S1-5	15.0	1.0	4.71	7.37	6.43	9.96
	S1-6	20.0	1.0	4.83	8.99	6.77	12.51
	S2-1	2.4	1.2	4.69	5.49	6.29	6.33
	S2-2	2.4	1.4	4.93	5.79	6.90	6.97
	S2-3	2.4	1.6	5.17	6.10	7.48	7.58
	S2-4	2.4	2.0	5.67	6.72	8.57	8.71
	S2-5	2.4	2.5	6.29	7.50	9.82	10.03
	S2-6	2.4	3.0	6.92	8.30	10.90	11.25
Combined policy	S3	8.0	1.8	5.62	7.76	8.52	10.50
	S4	10.0	1.5	5.28	7.58	7.79	10.25
	S5	6.0	2.0	5.81	7.62	8.90	10.25
	S6	10.0	1.9	5.84	8.67	8.99	11.90
Dynamic policy^a)	S7^b)	High intensity → reduced intensity		6.60^d)	6.16	9.81^d)	7.71
	S8^c)	Low intensity → stop intervention		4.65^e)	5.12	5.87^e)	5.49

^a)Dynamic policy: Refers to scenarios where intervention intensity is adjusted over time to analyze the effects of policy duration.

^b)S7 (decreasing intensity): applied high intensity (wage 10% + satisfaction 1.9×) before 2030, then reduced to medium intensity (wage 4% + satisfaction 1.15×) from 2030 onwards.

^c)S8 (stop intervention): applied low intensity (wage 3% + satisfaction 1.05×) for the first 5 years, then discontinued intervention (reduced to sub-baseline levels).

^d)Year: 2030.

^e)Year: 2029.

References

1. Park E, Kim J. Empirical analysis of geographic inequalities in the distribution of nurses. J Korean Acad Nurs Adm. 2024;30(3):271-282. https://doi.org/10.11111/jkana.2024.30.3.271Article
2. Yoon HJ, Cho SH. Geographic mobility and related factors among newly graduated nurses. J Korean Acad Soc Nurs Educ. 2017;23(3):353-362. https://doi.org/10.5977/jkasne.2017.23.3.353Article
3. Health Insurance Review & Assessment Service. Healthcare Bigdata Hub [Internet]. Health Insurance Review & Assessment Service; 2023 [cited 2025 Dec 28]. Available from: https://opendata.hira.or.kr/
4. National Emergency Medical Center. 2023 Annual report on emergency medical statistics [Internet]. National Emergency Medical Center; 2023 [cited 2025 Dec 28]. Available from: https://www.e-gen.or.kr/nemc/statistics_annual_report.do
5. World Health Organization. Increasing access to health workers in remote and rural areas through improved retention: global policy recommendations [Internet]. WHO Press; 2010 [cited 2025 Dec 28]. Available from: https://www.who.int/publications/i/item/9789241564014
6. Fortabong AA, Kloot K, Reedy N, Peck B, Terry D. Rural nursing workforce sustainability in australia: a scoping review of global retention strategies. Aust J Rural Health. 2025;33(4):e70079. https://doi.org/10.1111/ajr.70079Article PubMed PMC
7. Buchan J, Couper JD, Tangcharoensathien V, Macq J, Ono T, Yamey G. Early implementation of WHO recommendations for the retention of health workers in remote and rural areas. Bull World Health Organ. 2013;91(11):834-840. https://doi.org/10.2471/BLT.13.119008Article
8. Bae HJ, Kim J. Impact of increasing an enrollment quota in nursing schools on nurse staffing level in local hospitals. J Korean Data Anal Soc. 2017;19(6B):3301-3316. https://doi.org/10.37727/jkdas.2017.19.6.3301Article
9. Park E, Kim J. Factors affecting the distribution of practicing nurses. Health Policy Manag. 2024;34(1):94-102. https://doi.org/10.4332/KJHPA.2024.34.1.94Article
10. Lee JW. Nursing workforce concentrated in 43 major hospitals, leaving regional areas facing shortages. DoctorsNews [Internet]. 2019 Feb 17 [cited 2025 Dec 28]. Available from: https://www.doctorsnews.co.kr/news/articleView.html?idxno=127754
11. Kim EY. Nurses rebel against ‘public nurse system’: “Scholarships are just a trick”. Docdocdoc [Internet]. 2021 Jan 14 [cited 2025 Dec 28]. Available from: http://www.docdocdoc.co.kr/news/articleView.html?idxno=2006717
12. Cho SH, Lee JY, Kim J, Go UR, Seong J. The number of practicing nurses required to resolve differences in staffing levels between capital and non-capital regions and the relationship of regional differences in staffing and salary. J Korean Acad Nurs Adm. 2024;30(2):175-187. https://doi.org/10.11111/jkana.2024.30.2.175Article
13. Bae HJ. An empirical analysis of the nurses’ dual labor market: comparison between large sized-hospitals in the metropolitan and small to-medium sized-hospitals in local area. J Korean Data Anal Soc. 2021;23(2):741-756. https://doi.org/10.37727/jkdas.2021.23.2.741Article
14. Lim JY, Kim GM, Kim EJ. Factors associated with turnover intention among hospital nurses: a systematic review and meta-analysis. J Korean Acad Psychiatr Ment Health Nurs. 2024;33(1):70-79. https://doi.org/10.12934/jkpmhn.2024.33.1.70Article
15. Kim J, Bae H, Jeong S. Forecasting supply and demand for registered nurses workforce in Korea. J Korean Data Anal Soc. 2017;19(2B):1083-1097. https://doi.org/10.37727/jkdas.2017.19.2.1083Article
16. Sterman JD. Business dynamics: Systems thinking and modeling for a complex world. McGraw-Hill Education; 2000. 982 p.
17. Kim DH, Moon TH, Kim DH. System dynamics. Daeyoung Publisher; 1999. 450 p.
18. Kim MS, Kim JA, Kim DH, Kwon KJ, Bang HS, Kim IW, et al. The reasonable legal nursing manpower-staffing by using the system dynamics approach. J Korean Clin Nurs Res. 2004;10(1):82-96.
19. Kim MS, Kwon KJ, Choi SH. A model for nursing workforce in hemodialysis room using system dynamics approach. J Korean Clin Nurs Res. 2008;14(2):71-81.
20. Byun HM, Yun EK. Development and analysis of system dynamics model for predicting on the effect of patient transfer counseling with nurses. J Korean Acad Nurs. 2018;48(5):554-564. https://doi.org/10.4040/jkan.2018.48.5.554Article PubMed
21. Lee GG, Yun EK. System dynamics modeling for nurse reallocation strategy to respond to emerging infectious diseases. Korean Syst Dyn Rev. 2024;25(4):27-49. https://doi.org/10.32588/ksds.25.4.2Article
22. Keyvani H, Majdzadeh R, Khedmati Morasae E, Doshmangir L. Analysis of Iranian health workforce emigration based on a system dynamics approach: a study protocol. Glob Health Action. 2024;17(1):2370095. https://doi.org/10.1080/16549716.2024.2370095Article PubMed PMC
23. Leerapan B, Teekasap P, Urwannachotima N, Jaichuen W, Chiangchaisakulthai K, Udomaksorn K, et al. System dynamics modelling of health workforce planning to address future challenges of Thailand’s Universal Health Coverage. Hum Resour Health. 2021;19(1):31. https://doi.org/10.1186/s12960-021-00572-5Article PubMed PMC
24. Bae HJ, Kang KH. A study on factors affecting turnover intention of nurses based on region and size of hospital. Crisisonomy. 2022;18(5):79-94. https://doi.org/10.14251/crisisonomy.2022.18.5.79Article
25. Shin SH, Baek OJ, Lee EH. Effects of nursing work environment, need satisfaction, and depression on turnover intention in Korea. Healthcare (Basel). 2023;11(12):1698. https://doi.org/10.3390/healthcare11121698Article PubMed
26. Lee MS, Shin S. Factors affecting the turnover intention of newly graduated Generation Z nurses in Korea: multilevel analysis. Hum Resour Health. 2025;23(1):36. https://doi.org/10.1186/s12960-025-01011-5Article PubMed PMC
27. Lee EJ. The effect of job stress on turnover intention in general hospital nurses: the mediating effect of burnout and the moderating effect of job satisfaction. Korean J Occup Health Nurs. 2025;34(1):23-31. https://doi.org/10.5807/kjohn.2025.34.1.23Article
28. Park B, Kim SY. Patterns and influential factors of inter-regional migration of new and experienced nurses in 2011-2015. J Korean Acad Nurs. 2017;47(5):676-688. https://doi.org/10.4040/jkan.2017.47.5.676Article PubMed
29. Organization for Economic Cooperation and Development. Health at a glance 2023: OECD indicators [Internet]. OECD Publishing; 2023 [cited 2025 Dec 28]. Available from: https://doi.org/10.1787/7a7afb35-enArticle
30. Kim JG, Park SA. A study of the job satisfaction of clinical nurses related to nurse staffing. J Korean Acad Nurs Adm. 2003;9(4):529-539.
31. Cho SH, June KJ, Kim YM, Cho YA, Yoo CS, Yun SC, et al. Nurse staffing, quality of nursing care and nurse job outcomes in intensive care units. J Clin Nurs. 2009;18(12):1729-1737. https://doi.org/10.1111/j.1365-2702.2008.02721.xArticle PubMed
32. Ministry of Health and Welfare. Comprehensive measures for nursing staff support [Internet]. Ministry of Health and Welfare; 2023 [cited 2025 Dec 28]. Available from: https://www.mohw.go.kr/
33. Ventana Systems. Vensim Software: version 9.4 [Internet]. Ventana Systems; 2021 [cited 2025 Dec 28]. Available from: https://vensim.com/
34. World Health Organization. Global strategic directions for nursing and midwifery 2021-2025 [Internet]. World Health Organization; 2021 [cited 2025 Dec 28]. Available from: https://www.who.int
35. Lee W, Yu S. Moderating effect of job satisfaction in the relationship between nursing work environment and turnover intention: a perspective from Magnet hospitals in South Korea. SAGE Open. 2025;15(2):21582440251344769. https://doi.org/10.1177/21582440251344769Article

Figure & Data

REFERENCES

Citations

Citations to this article as recorded by

ePub Link

Cite

CITE: export Copy Download Format; Close

Download Citation

Download a citation file in RIS format that can be imported by all major citation management software, including EndNote, ProCite, RefWorks, and Reference Manager.

Format:

RIS — For EndNote, ProCite, RefWorks, and most other reference management software
BibTeX — For JabRef, BibDesk, and other BibTeX-specific software

Include:

Citation for the content below
Citation and abstract for the content below

Regional imbalance in nursing workforce: a system dynamics approach focusing on wages and job attractiveness

DOI: https://doi.org/10.4040/jkan.26003

XML Download

Figure

We recommend

Regional imbalance in nursing workforce: a system dynamics approach focusing on wages and job attractiveness

Fig. 1. Comprehensive causal map of the regional nursing workforce gap. Red arrows indicate the causal pathways of balancing loops (B1–B3) acting as autonomous balancing mechanisms within the system.

Fig. 2. The overall structure of the nurse workforce simulation model. Red bold text indicates policy intervention variables, while green bold text represents outcome measurement variables. Orange arrows show the causal pathway linking the intervention to the outcomes.

Fig. 3. Dynamic simulation of nurse density and average tenure under single policy scenarios (wage increase and job attractiveness improvement). (A) Changes in nurse density under annual wage increase scenarios (S1–4, S1–5, S1–6). (B) Changes in average tenure under annual wage increase scenarios (S1–4, S1–5, S1–6). (C) Changes in nurse density under job attractiveness weight scenarios (S2–1, S2–2, S2–3). (D) Changes in average tenure under job attractiveness weight scenarios (S2–1, S2–2, S2–3).

Fig. 4. Dynamic simulation of nurse density and average tenure under high-intensity combined policy scenarios (scenarios 6 and 7). (A) Comparison of nurse density between combined policy scenarios 6 and 7. (B) Comparison of average tenure between combined policy scenarios 6 and 7.

Fig. 1.

Fig. 2.

Fig. 3.

Fig. 4.

Regional imbalance in nursing workforce: a system dynamics approach focusing on wages and job attractiveness

Category	Scenario	Annual wage increase (%)	Job attractiveness weight	Nurses per 1,000 population		Average tenure (yr)
Category	Scenario	Annual wage increase (%)	Job attractiveness weight	2028	2035	2028	2035
Baseline	Seoul	2.4	1.0	7.43	8.29	10.00	10.00
	Jeonnam	2.4	1.0	4.45	5.19	5.65	5.65
Single policy	S1-1	3.0	1.0	4.46	5.25	5.68	5.80
	S1-2	6.0	1.0	4.51	5.62	5.86	6.64
	S1-3	9.0	1.0	4.58	6.08	6.04	7.60
	S1-4	10.0	1.0	4.60	6.25	6.10	7.95
	S1-5	15.0	1.0	4.71	7.37	6.43	9.96
	S1-6	20.0	1.0	4.83	8.99	6.77	12.51
	S2-1	2.4	1.2	4.69	5.49	6.29	6.33
	S2-2	2.4	1.4	4.93	5.79	6.90	6.97
	S2-3	2.4	1.6	5.17	6.10	7.48	7.58
	S2-4	2.4	2.0	5.67	6.72	8.57	8.71
	S2-5	2.4	2.5	6.29	7.50	9.82	10.03
	S2-6	2.4	3.0	6.92	8.30	10.90	11.25
Combined policy	S3	8.0	1.8	5.62	7.76	8.52	10.50
	S4	10.0	1.5	5.28	7.58	7.79	10.25
	S5	6.0	2.0	5.81	7.62	8.90	10.25
	S6	10.0	1.9	5.84	8.67	8.99	11.90
Dynamic policy^a)	S7^b)	High intensity → reduced intensity		6.60^d)	6.16	9.81^d)	7.71
	S8^c)	Low intensity → stop intervention		4.65^e)	5.12	5.87^e)	5.49

Table 1. Simulation results of policy scenarios for the Jeonnam region (2020–2035)

Dynamic policy: Refers to scenarios where intervention intensity is adjusted over time to analyze the effects of policy duration.

S7 (decreasing intensity): applied high intensity (wage 10% + satisfaction 1.9×) before 2030, then reduced to medium intensity (wage 4% + satisfaction 1.15×) from 2030 onwards.

S8 (stop intervention): applied low intensity (wage 3% + satisfaction 1.05×) for the first 5 years, then discontinued intervention (reduced to sub-baseline levels).

Year: 2030.

Year: 2029.