구급활동일지 평가소견 텍스트 마이닝 분석 연구(양산소방서)

Text-Mining Analysis of Firefighters’ Evaluation Narratives in the Ambulance Activity Logs of the Yangsan Fire Station

본 연구는 2018∼2023년 경상남도 양산소방서 119구급대의 구급활동일지 평가소견을 텍스트 마이닝 기법으로 분석하였다. 코로나19 발생 이전(2018∼2019), 유행기(2020∼2021), 일상 회복기(2022∼2023)로 구분해 시기별 평가소견의 분량과 내용 특성을 비교하였다. 자료는 MS Excel, IBM SPSS, R, RHINO로 전처리⋅정제하고 Scheffé 사후검정으로 분량의 통계적 유의성을 검증하였다. TF-IDF, 워드클라우드, LDA 토픽모델링을 통해 주요 키워드와 주제 변화를 도출한 결과, 코로나19 이후 평가소견 분량이 유의하게 증가하고 감염 관리, 보호장비 착용, 병원 사전 연락 등 감염병 대응 표현이 두드러졌다. 본 연구는 향후 재난 대응 상황에서 구급활동일지 기록체계 개선과 문서 작성 효율성 향상을 위한 기초자료로 활용될 수 있다.

This study employs text-mining techniques to analyze evaluation narratives from the emergency activity logs of the Yangsan Fire Station 119 Emergency Medical Service unit (Gyeongsangnam-do, South Korea) for 2018∼2023. To reflect the progression of coronavirus disease 2019 (COVID-19), the dataset was divided into three phases: pre-pandemic (2018∼2019), pandemic (2020∼2021), and post-pandemic recovery (2022∼2023). Data preprocessing was performed using MS Excel, IBM SPSS, R, and the RHINO morphological analyzer. Scheffé’s post-hoc test assessed differences in text volume across phases. Term frequency–inverse document frequency analysis, word-cloud visualization, and latent Dirichlet allocation topic modeling identified shifts in salient keywords and thematic patterns. The analysis showed a significant increase in narrative volume following the onset of COVID-19, with more frequent references to infection control, personal protective equipment, and advance hospital notification. Topic modeling demonstrated a transition from pandemic-era infection-control procedures to more detailed physiological descriptions in the endemic phase. These results underscore the evolving informational content of emergency medical documentation and its value as an empirical basis for improving record-keeping systems and documentation efficiency among emergency medical personnel responding to infectious diseases and other disasters.