기관 문화 평가의 방법으로서 사회적 네트워크 분석(Acad Med, 2009)

기관 문화 평가의 방법으로서 사회적 네트워크 분석(Acad Med, 2009)

Social Network Analysis as a Method of Assessing Institutional Culture: Three Case Studies

Stephen J. Lurie, MD, PhD, Thomas T. Fogg, MS, and Ann M. Dozier, RN, PhD

보건 서비스 연구 및 의료 연구를 일차 진료에 통합하는 데 필요한 구성 요소로서 여러 분야에 걸친 협력이 제안되었다. 

• 유사하게, ACGME는 "역량있는 기관"이라는 아이디어를 강조했다. '역량있는 기관'은 의료 팀의 여러 전문 분야의 구성원이 각 환자에 대해 최상의 치료를 제공하도록 조정align됩니다. 

• 기관 외적으로는, 기관들은 점점 더 지리적으로 떨어진 기관 사이의 협력이 환자들에게도 유익하다는 것을 점차 인식하고있다.

Collaboration across disciplines has also been proposed as a necessary component of health services research and integration of medical research into primary care.2,3 Similarly, the Accreditation Council for Graduate Medical Education has highlighted the idea of “the competent institution,”4 in which multidisciplinary members of health care teams are aligned to provide the best possible care for each patient. Extramurally, institutions are increasingly finding that collaboration across geographical distances is also beneficial to patients.5

그럼에도 불구하고 팀 기반 치료를 장려하는 가장 큰 장애물 중 하나는 개별 조사자에게 그러한 협력을 보상하지 않는 문화뿐 아니라 공동 작업을 평가하는 척도의 부족이다

Nonetheless, one of the largest obstacles to encouraging team-based care is a culture that does not reward individual investigators for such collaboration,6 as well as a resulting lack of measures that assess collaboration.

일반적으로 개인이나 프로그램의 성과를 평균하고 비교함으로써 프로그램 효과를 평가하는 전통적인 평가 방법론과는 달리, 소셜 네트워크 분석 (SNA)은 개인이나 프로그램 간의 상호 관계의 고유 한 구조를 평가합니다 .8-10 팀 응집력에 대한 측정을 제공 할뿐만 아니라, 흐름 및 계층 구조의 정도에 따라 SNA는 각 개인의 중심성 및 다른 구성원과의 연관성을 식별 할 수 있습니다.

Unlike traditional evaluation methodologies, which typically assess program effects by averaging and comparing outcomes across individuals or programs, social network analysis (SNA) assesses the unique structure of interrelationships among individuals or programs.8–10 In addition to providing measures of team cohesion, information flow, and degree of hierarchical organization, SNA can also identify each individual’s degree of centrality and connectedness to other members.

SNA는 다음에서의 네트워크 다이나믹을 설명하는 효율적인 방법으로 밝혀졌습니다 .15 

SNA has been found to be an efficient method to describe dynamics of networks in settings ranging from 

• medical offices,11 

• interracial friendship choice among teenagers,12 

• kinship patterns in Central America,13

• diffusion of medical innovation,14 and 

• labor negotiations.15 

최근 연구에 따르면 SNA 사회 네트워크를 통한 비만 확산을 추적 할 수있을뿐만 아니라 주치의들 사이의 의사 소통 패턴도 추적 할 수있다 .17 SNA는 다른 방법으로는 알기 힘든 의사 소통 유형을 밝히기 위해 조직적인 환경에서 널리 사용되어왔다.

Recent studies found that SNA could track the spread of obesity through social networks16 as well as patterns of communication among primary care physicians.17 SNA has been widely used in organizational settings to reveal patterns of communication that would not otherwise have been evident.9

SNA의 기본 데이터 단위는 정의 된 네트워크의 가능한 모든 구성원 쌍 사이의 연결 강도에 대한 측정이다. 실제로 네트워크의 각 구성원은 다른 모든 구성원과의 관계에 대해 질의를받을 수 있습니다.

The basic data unit for SNA is a measure of the strength of the connection between all possible pairs of members of a defined network. In practice, each member of the network may be queried about his or her relationship to all other members.

이러한 연결은 개인이 보고 한 서로의 접촉 빈도 또는 서로에 대한 신뢰와 지식 수준의 형태에 대한 자가보고 등이 될 수 있습니다. 데이터는 공유위원회 위원의 명단, 보조금 신청 핵심 인력, 공동 저자 또는 전자 메일 연락 빈도와 같은 아카이브 일 수도 있습니다.

These connections may be self-reported, in the form of individuals’ self-reported frequency of contact with one another or level of trust and knowledge about one another. Data may also be archival, such as rosters of shared committee memberships, key personnel on grant applications, coauthorship, or frequency of e-mail contact.

SNA는 시각적 기술로서, 그룹과 개인의 기능에 대한 다수의 양적 척도를 활용한다. 주요 결과물은 소시오그램이며, 네트워크 구성원 간의 연결 수와 강도에 대한 정보를 제공합니다. 네트워크상의 각 구성원은 소시오그램에서 노드 또는 정점으로 표시됩니다. 노드의 최적의 배치와 배열을 결정하기위한 많은 알고리즘이 있지만 (궁극적으로 분석자가 해석을 가장 명확하게하기 위해) 이러한 데이터 포인트를 최적으로 정렬하는 방법을 결정하는 것은 분석가의 몫입니다.

SNA is a largely visual technique that is supported by a number of quantitative indices of both group and individual function. The main output is the sociogram, which provides information about the number and strength of connections between members of a network. Each member of a network is depicted by a node, or vertex, in the sociogram. Although there are a number of algorithms for determining optimal placement and arrangement of the nodes, ultimately it is up to the analyst to decide how best to arrange these data points to make the interpretation most clear.

또한 SNA는 네트워크의 각 노드 구성원을 특성화하는 추가 설명 통계뿐만 아니라 전체 네트워크의 노드 간 전반적인 상호 작용 패턴과 관련된 몇 가지 기본 설명 통계를 생성 할 수 있습니다. 이 숫자는 일반적으로 소시오그램 해석에 도움이됩니다. 통계 분석을 수행하여 네트워크상의 개개인을 비교하거나 네트워크를 서로 비교하는 것이 가능하지만 SNA의 목적은 일반적으로 추측 가설을 테스트하는 것이 아니라 그룹을 특성을 밝히는 것입니다. 따라서 현재보고에서는 P 값이나 통계 테스트의 다른 측면을 제시하지 않고 SNA가 특정 그룹의 구조와 역 동성에 대한 통찰력을 얻을 수있는 방법을 보여주기위한 방법으로 결과를 제시합니다.

Furthermore, SNA can produce some basic descriptive statistics relating to the overall pattern of interactions among nodes in the network as a whole, as well as additional descriptive statistics that characterize each member of the network. These numbers generally serve as further aids to interpretation of the sociogram. Although it is possible to performstatistical tests to compare individuals in a network, or to compare networks with one another, the purpose of SNA is generally to characterize particular groups rather than to test inferential hypotheses. Thus, in the present report, we do not present P values or other aspects of statistical testing—rather, we present our results as a way of demonstrating how SNA can yield insights into structure and dynamics of specific groups.

Method and Results

ICU의 팀 기능

Team function in the intensive care unit

시범 사업의 일환으로 SNA를 사용하여 의료 중환자 실 (MICU)의 간병인 팀 간의 관계를 설명했습니다. 우리는 라운드에서 팀을 관찰하고 지표 환자를 돌볼 책임이있는 모든 개인을 확인하는 것으로 시작했습니다. 그런 다음 각 팀 구성원이 색인 환자에 대해 다른 모든 팀 구성원 (및 주요 가족 구성원)과 상호 작용 한 빈도를 묻는 팀 별 설문 조사를 작성했습니다. 가족 구성원은 조사를 위해 사본을 받았다. 응답 옵션은 "결코"에서 "하루에 세 번 이상"에 이르기까지 다양합니다. 분석의 중요한 결정은 "연결"을 정의하는 방법입니다. 

• 느슨한 정의 (예 : 하루에 한 번)로 인해 많은 수의 비교적 피상적 인 연결이되어 네트워크에서 중요한 관계의 패턴을 식별하기 어려울 수 있습니다. 

• 반면에 지나치게 엄격한 정의는 너무 적은 연결로 해석 할 수있는 네트워크를 만들 수 있습니다. 

실제로 조사관은 여러 연관성 정의에 의해 생성 된 네트워크를보고 최상의 균형을 이룬 네트워크를 선택할 수 있습니다. 이 분석의 목적을 위해 팀 구성원간에 하루에 적어도 두 번 이상 대화가 있었다고 말하면 연결이 존재한다고 가정했습니다.

As part of a pilot project, we used SNA to describe relationships among teams of caregivers in our medical intensive care unit (MICU). We began by observing the teams on rounds and then identifying all the individuals who were responsible for caring for an index patient. We then created a team-specific survey that asked how often each team member interacted with all the other team members (and key family member) about the index patient. The family member was also given a copy of the survey to complete. Response options ranged from“never” to “three or more times per day.” A critical decision for the analysis is how to define a “connection.” 

• A loose definition (e.g., once a day) risks creating a network with large numbers of relatively superficial connections and, thus, may make it difficult to discern a pattern of important relationships in the network. 

• On the other hand, an overly strict definition may yield a network with too few connections to interpret. 

In practice, the investigator may look at networks produced by several definitions of connectedness and select the one that strikes the best balance. For purposes of this analysis, we assumed that a connection existed between team members if they said that they spoke at least twice a day with one another.

우리는 설명을 목적으로 두 팀의 데이터를 제시합니다. Team1 (그림 1)은 최근 원인을 알 수없는 진행성 호흡 곤란에 대해 MICU에 입원 한 노인 여성을 돌보고있었습니다. Team2 (그림 2)는 MICU에 거의 2 주 동안 호흡 상태가 서서히 개선되고 누가 기계 환기에서 벗어나려고했는지 환자를 돌보고있었습니다. 두 네트워크 모두에서 하루에 적어도 두 번씩 서로 상호 작용한다고 말하면 개인 간의 연결이 있다고 가정합니다. 이 두 그림에서 개인은 노드로 표시됩니다. 회색 음영 및 회색도는 다른 역할을 수행하는 사람들과 한 가지 역할 (예 : 간호사의 역할)을 수행하는 개인을 구별합니다. 각 개인 노드의 크기는 해당 개인이 매일 두 번 이상 연락하는 다른 팀 구성원의 수에 비례합니다. 약사를 제외하고 두 팀은 공통점이 없었습니다.

We present data from two teams for illustrative purposes. Team1 (Figure 1) was caring for an elderly woman who had been recently admitted to the MICU for progressive dyspnea of unknown etiology. Team2 (Figure 2) was caring for a patient who had been in the MICU for nearly two weeks with slowly improving respiratory status and who was about to be weaned from mechanical ventilation. In both networks, a connection was assumed to exist between individuals if they said that they interacted with one another at least twice per day. In these two figures, the individuals are represented by nodes. The gray shadings and degrees of gray distinguish individuals carrying out one role (e.g., the role of nurse) from those carrying out another role. The size of each individual’s node is proportional to the number of other team members with whom that individual has at least twice-daily contact. With the exception of the pharmacist, the two teams had no individuals in common.

육안 검사에서 팀이 구조면에서 상당히 다른 것은 분명합니다. Team1은 서로 다른 역할을 가진 사람들간에 많은 수의 연결을 가지고 있습니다. 주치의는 다른 사람보다 팀 구성원의 상호 작용이 빈번합니다. 가족은 담당 의사, 거주자 및 약사를 포함하여 팀의 다른 여러 구성원과 연결되어있는 두 간호사와 자주 접촉합니다. 호흡 치료사를 제외하고 모든 팀 구성원은 다양한 역할을 통해 적어도 4 명의 다른 팀원과 연락합니다.

From a visual inspection, it is apparent that the teams are quite different in structure. Team1 has a large number of connections between individuals of different roles. The attending physician has frequent interactions with more members of the team than does anyone else. The family has frequent contact with both nurses, both of whom have connections with several other members of the team, including the attending physician, the residents, and the pharmacist. With the exception of the respiratory therapist, all team members have contact with at least four other team members across various roles.

대조적으로, Team2는 팀 구성원간에 비교적 적은 수의 일일 연결을 특징으로합니다. 이 팀에서는 의료 직원이 아닌 간호 직원이 중심 인 것처럼 보입니다. 팀 1과 마찬가지로 환자의 가족은 간호 직원과 만 자주 접촉합니다. 그러나이 경우 환자의 가족은 다른 팀원과 상대적으로 격리 된 간호사와 만 연락한다고보고합니다. 따라서이 가족은 첫 번째 환자의 가족보다 다른 팀과 상대적으로 멀리 떨어져 있습니다.

By contrast, Team2 is characterized by a relatively small number of daily connections between team members. In this team, it is the nursing staff, rather than the medical staff, who seem to be central. As in Team1, the patient’s family has frequent contact only with the nursing staff. In this case, however, the patient’s family reports they have contact only with a nurse who is relatively isolated from the rest of the team. Thus, this family has a relatively greater distance from the rest of the team than does the first patient’s family.

다른 팀 구조가 다른 팀 구조보다 임상 상황에 더 적합한 지 여부는 분명하지 않습니다. Team2의 상대적으로 연결되지 않은 간호사 중심 구조는 임상 상태의 일상적인 변화가 거의없는 안정적인 환자에게 더 적합 할 수 있지만, 그럼에도 불구하고 이러한 구조가 다음과 같은 경우에 오류가 발생하기 쉬운 지 여부는 불분명합니다. 정보. 이러한 팀 구조의 차이는 또한 가족 구성원의 치료의 질에 대한 인식에 영향을 미칠 수 있습니다. SNA는 이후의 치료 품질에 대한 예측 변수로 사용될 수있는 팀 기능 지표를 제공합니다.

It is unclear whether different team structures are more appropriate to some clinical situations than others. Although the relatively unconnected, nurse- centered structure of Team2 might be more appropriate for stable patients with little day-to-day change in their clinical status, it remains unclear whether such a structure may nonetheless be more prone to errors in hand-offs of information. Such differences in team structure might also affect family members’ perceptions of the quality of care. SNA provides indices of team functioning that could be used as predictor variables in later studies of quality of care.

연구-멘토링 자문위원회의 교실 구조

Departmental structure of research- mentoring advisory committees

우리는 우리 기관에서 53 명의 연방 직업 능력 개발 프로그램 수혜자를위한 자문위원회 목록을 작성했습니다. 이것은 수상자가 2007 년 초에 계속해서 교수진에 봉사 한 기간 인 2004-2006 년 중 어느 시점에 우리 기관에서 활동 한 모든 수상자를 대표했습니다. 총 157 명의 교수가 위원으로 봉사했습니다. 그러한 회원 자격은 수령인이 다양한 전문성의 혜택을받을뿐만 아니라 교수진이 다른 부서와 학문 분야에서 만나고 상호 작용할 수있는 기회를 제공합니다. 또한 수상자의 위원이 다른 여러위원회에 참여하는 경우 수상자는 다른 수상자와 간접적으로 연락 할 수있는 기회를 더 많이 가질 수 있습니다.

We assembled lists of the advisory committees for 53 federal career development awardees at our institution. This represented all such awardees who were active at our institution at some point during the period 2004 through 2006, where the awardee continued to serve on our faculty at the beginning of 2007. A total of 157 faculty served as committee members. Such membership not only allows the awardees to benefit froma greater diversity of expertise, but also provides an opportunity for faculty fromdifferent departments and disciplines to meet and interact with one another. Furthermore, if an awardee’s committee members sit on multiple other committees, this provides the awardee with greater opportunity to indirectly network with other awardees.

이러한 아카이브 데이터에는 많은 양의 정보가 포함되어 있으며 53 개의 멘토십위원회 멤버 목록을 모두 검토함으로써 해석하기가 어려울 수 있습니다. 그러나 SNA는 쉽게 해석하고 정량화 할 수있는 이러한 데이터의 묘사를 제공 할 수 있습니다. 사실, 이런 종류의위원회 회원 데이터는 서로 다른 두 종류의 네트워크를 검사 할 수있게합니다. 

• 첫째, 공동위원회 멤버를 통해 수상자 간의 네트워크를 연결하고 

• 둘째, 공동위원회 멤버십을 통한 교수진 간의 네트워크. 

두 가지 유형의 네트워크는 부서별 소속별로 코딩 할 수 있습니다. 이것은 각기 다른 부서가 전체적으로 각자의위원회 작업을 통해 서로 연관되어있는 정도에 대한 추론을 허용합니다. 이 유형의 네트워크에서 관계를 이해하는 것이 중요하다는 것은 개개인이 개개인의 선택에 의해 직접적으로 연결되는 것이 아니라 오히려 정식 소집 된 그룹의 공동 회원 자격을 통해 서로 연결된다는 것입니다.

Such archival data contain large amounts of information, which would be challenging to interpret by simply examining all 53 mentorship-committee membership lists. SNA, however, can provide depictions of these data that are readily interpretable and quantifiable. In fact, this sort of committee-membership data permits examination of two different kinds of networks. 

• First, the network of connections between awardees with one another via shared committee members, and 

• second, the network of connections between faculty via shared committee membership. 

Both types of networks can be coded by departmental affiliation. This permits inferences about the degree to which different departments, as a whole, are associated with one another via their respective members’ committee work. Important to understanding the relationships in this type of network is that the individuals are not connected directly to one another by individual choice but, rather, through their joint memberships in formally convened groups.

그림 3은 각 학과를 구별하기 위해 음영의 정도가 다르거 나 음영이없는 수상자 네트워크를 보여줍니다. 각 원은 수상자를 나타냅니다. 다이어그램의 각 라인은 수상자 쌍 사이의 공유 된위원회 멤버를 나타냅니다. 두꺼운 선은 둘 이상의 공유 멤버를 나타냅니다. 노드의 크기는 수상자가 다른 수상자와 공유하는위원회 구성원의 수에 비례합니다. 이 네트워크에는위원회 위원들의 부서별 소속에 대한 정보가 포함되어 있지 않습니다.

Figure 3 displays the network of awardees, with different degrees of shading or no shading to distinguish each academic department. Each circle represents an awardee. Each line in the diagram represents a shared committee member between pairs of awardees; thicker lines indicate more than one shared member. The size of the nodes is proportional to the total number of committee members that awardees share with other awardees. Note that this network does not contain information about the committee members’ departmental affiliations.

이 다이어그램에서 몇 가지 일반적인 결론을 도출 할 수 있습니다. 

• 첫째, 부서 4 및 19의 수상자는 수상자위원회 위원이 다른위원회의 구성원 및 일반적으로 더 큰 원 크기를 공유함으로써 입증 된 것처럼 위원회 구성원이 가장 다양합니다. 

• 둘째,이 부서의 수상자는 종종 다른 부서의 수상자와위원회 위원을 공유합니다. 대조적으로, 부서 10은 정반대의 상황을 나타냅니다. 여러 명의 수상자가 네트워크에 연결되어 있지 않으므로 이러한 개인위원회 위원 중 다른위원회에서 봉사하지 않는 사람이 있음을 나타냅니다. 또한, 이들 수상자 중 적어도 일부는 그 (것)들을 연결하는 두꺼운 선에 의해 표시되는 것처럼, 거의 동일하거나 유사한위원회를 공유합니다. 따라서이 부서의 수혜자는 자신의 부서에서 주로 선발 된 개인으로 구성된위원회를 갖고 있으며이위원회 위원 중 상당수는이 시간 동안 다른위원회에서 근무한 경험이 없었던 것으로 보입니다. 더 많은위원회 멤버십을 보유한 사람들은 대부분 자신의 부서 내의 다른위원회에서 봉사하고있었습니다. 

• 마지막으로, 부서 18은 이질적이며 일부 수상자위원회는 다른 부서의위원회에서 봉사하는 개인으로 구성되며, 다른 수상자는 다른위원회 경험이없는 개인으로 구성된위원회가 있습니다.

Several general conclusions can be drawn from this diagram. 

• First, awardees in departments 4 and 19 have the greatest diversity in their committee memberships, as evidenced by their awardees’ committee members’ frequently shared membership in other committees and generally larger circle sizes. 

• Second, awardees in these departments frequently share committee members with awardees in other departments. By contrast, department 10 represents the opposite situation. Several awardees are not at all connected to the network, indicating that none of these individuals’ committee members serve on any other committees. Furthermore, at least a few of these awardees share more or less the exact same committee, as indicated by the thick line connecting them. Thus, it seems that awardees in this department have committees comprising individuals who are largely chosen from within their own departments, and that many of these committee members did not have the experiences of serving on other committees during this time. Those that do seemto have more committee memberships were largely serving on other committees within their own departments. 

• Finally, department 18 is heterogeneous, with some awardees’ committees composed of individuals who serve on committees of several other departments, while other awardees have committees composed largely of individuals who do not have other committee experience.

그림 4는위원회 구성원의 제휴에 대한 정보를 제공하여 그림 3을 보완합니다. 157 명의 개인으로 구성된 네트워크가 해석하기가 쉽지 않기 때문에 다이어그램의 원으로 표시되는 부서 내에서위원회 구성원이 붕괴되었습니다. 부서 간 선의 굵기는 해당 부서에서 온 구성원을 공유하는위원회의 수에 비례합니다. 이보기는 각 부서의 구성원이 수상자위원회에서 공동으로 봉사 한 횟수에 대한 전반적인 요약을 제공합니다.

Figure 4 complements Figure 3 by providing information about committee members’ affiliations with one another. Because a network of 157 separate individuals is difficult to interpret, committee members have been collapsed within departments, which are represented by circles in the diagram. The thickness of lines between departments is proportional to the number of committees that shared members from that pair of departments. This view provides an overall summary of the number of times that members of each department jointly served on awardee committees.

이 결과는 수상자 네트워크의 결과와 동일합니다. 부서 4와 19 사이에는 많은 수의 교수 연결이 있습니다. 일반적으로 부서 19가 가장 잘 연결되어 있고 다른 여러 부서와 자주 연결됩니다. 또한 부서 13은 나머지 네트워크와의 연결이 거의 없지만 상대적으로 고립 된 부서 14와 22를 결합하여 큰 네트워크 내에 작은 서브 네트워크를 형성합니다. 이 묘사는 모든위원회 구성원을 동시에 보는 경제적 인 방법을 제공 할뿐만 아니라 학제 간 개선을위한 노력을 추적하기위한 고유의 방법론을 제안합니다. 그러한 자료가 매년 수집되고 분석된다면 이는 제도적 변화가 측정 될 수있는 지표를 제공 할 것이다. 이 데이터는 또한 새로운 연구원에 대한 지원에서보다 학제 적으로 발전하기 위해 몇 가지 추가적인 노력이 필요할 수있는 부서를 식별하는 데 도움이됩니다.

These results mirror those of the awardee network. There are large numbers of faculty connections between departments 4 and 19. In general, department 19 seems to be the most well connected, with large numbers of frequent connections with several other departments. Furthermore, department 13, although having few connections with the rest of the network, brings together the relatively isolated departments 14 and 22, thus forming a small subnetwork within the larger network. This depiction not only provides an economical way of looking at all the committee memberships simultaneously but also suggests an inherent methodology for tracking efforts to improve interdisciplinarity; if such data were collected and analyzed yearly, this would provide an index by which institutional change could be measured. These data also help identify departments that may need some additional effort to become more interdisciplinary in their support of new researchers.

다학제간 연구기관의 리더십

Leadership of a multidisciplinary research institute

CTSI (Clinical Translational Sciences Institute)를 설립 한 다년간의 NIH 어워드의 일환으로 우리 기관은 자체 이사 (1 ~ 4 명)가있는 일련의 11 가지 핵심 기능 (즉, CTSI의 주요 행정 부서) 및 직원. 이러한 핵심 기능의 공통된 목적은 연구자가 파일럿 연구 기회 제공 및 새로운 연구 방법론 개발과 같은 기관 차원의 서비스에 대한 액세스를 제공함으로써 중개 연구를 촉진하는 것입니다. 연구 설계 컨설팅, 정보학 지원 및 임상 연구 센터와 같은 연구 지원 서비스; 임상 및 번역 연구의 진화하는 분야에서의 교육 및 훈련.

As part of a multiyear NIH award to establish a Clinical Translational Sciences Institute (CTSI), our institution defined a series of 11 key functions (i.e., the major administrative units within the CTSI), each with its own directors (from one to four) and staff. The shared purpose of these key functions is to promote translational research by giving investigators access to institution-wide services such as funding opportunities for pilot studies and for the development of novel research methodologies; research support services such as study design consulting, informatics support, and a clinical research center; and education and training in the evolving disciplines of clinical and translational research.

CTSI의 구조에 대한 초기 평가의 일환으로 우리는 모든 핵심 직무 감독에게 다른 핵심 기능과의 상호 작용 예상 빈도뿐만 아니라 다른 10 가지 핵심 기능의 역할에 대한 지식의 현재 상태를 평가하도록 요청했습니다 . 그런 다음 이러한 응답을 평균화하여 평균 수준의 지식과 예상되는 각 주요 기능 쌍의 예상되는 상호 작용을 창출했습니다. 이를 통해 우리는 다른 10 가지 주요 기능 각각과의 관계 강도를 설명하는 각 주요 기능에 대한 맞춤 보고서를 작성할 수있었습니다.

As part of an initial evaluation of the structure of the CTSI, we asked all the key function directors to rate their current state of knowledge of the role of the other 10 key functions, as well as their anticipated frequency of interaction with the other key functions. We then averaged these responses, creating a mean level of knowledge and anticipated interaction of each possible pair of key functions. This allowed us to produce a customized report for each key function that described the strength of their relationships with each of the other ten key functions.

서로 다른 주요 기능에 대한 핵심 기능 감독자의 지식 수준 (그림 5)에 대한 네트워크 다이어그램을 작성하기 위해 이전 단락에서 언급 한 방법에 대한 가능한 여러 가지 단서를 평가했습니다. 해당 쌍의 평균 응답이 컷오프보다 큰 경우 주요 기능간에 화살표가 그려집니다. 이러한 연결은 양방향입니다. 한 쌍의 핵심 기능을 담당하는 감독이 둘 다 높은 수준의 지식 또는 서로 예상되는 상호 작용을 나타내면 두 구성원 간의 연결은 양방향 화살표로 표시됩니다. 반면에 한 가지 주요 기능이 두 번째 기능에 대해 높은 응답을 주었지만 그 응답을 왕복하지 않으면 일방적 인 관계가됩니다.

To produce a network diagram of the key function directors’ levels of knowledge about one another’s key functions (Figure 5), we assessed a number of possible cutoffs for the means mentioned in the preceding paragraph. An arrow was drawn between key functions if the mean response for that pair was greater than the cutoffs. Note that these connections are thus bidirectional; if directors of a pair of key functions both indicate a high level of knowledge or anticipated interaction with one another, then the connection between them is represented by a two-headed arrow. On the other hand, the relationship would be one-way if one key function gave a high response about the second, but if that response were not reciprocated.

그림에서 노드의 크기는 들어오는 화살표의 수에 비례합니다 (즉, 각 키 기능의 경우 다른 주요 기능 감독이 CTSI 내에서 해당 주요 기능의 역할에 대해 높은 수준으로보고 한 정도 ). 도 6은 동일한 데이터를 나타내지 만, 나가는 화살표의 수 (즉, 각 키 기능의 디렉터가 다른 키 기능의 역할을 이해한다고보고하는 정도)에 비례하는 노드의 크기를 나타낸다. 그림 5와 6을 살펴보면 핵심 기능 2, 3, 4, 6 및 9가 다른 많은 주요 기능 책임자에 의해 잘 이해되지만, 자신의 이사는 다른 핵심 기능에 대한 이해가 상대적으로 적음을 알 수 있습니다. 대조적으로 주요 기능 1과 10은 이사가 상대적으로 높은 수준의 여러 가지 핵심 기능의 역할에 대한 이해 수준을보고하지만 상대적으로 잘 이해되지 않습니다. 또한 다이어그램은 주요 기능의 특정 쌍 간의 관계에서 잠재적 인 약점을 보여줍니다. 따라서 이러한 결과는 표적 개입을 통해 일찍 처리 될 수있는 지식의 특정 격차를 드러낸다.

In the figure, the size of the nodes is proportional to the number of incoming arrows (i.e., for the respective key function, the degree to which other key function directors report a high level of understanding of the role of that key function within the CTSI). Figure 6 represents the same data, but with the size of the nodes proportional to the number of outgoing arrows (i.e., the degree to which the directors of the respective key functions report that they understand the roles of the other key functions). From inspection of Figures 5 and 6, it is apparent that although key functions 2, 3, 4, 6, and 9 are well understood by many other key function directors, their own directors report relatively less understanding of the other key functions. By contrast, key functions 1 and 10 are relatively less well understood, although their directors report a relatively high level of understanding of the role of many other key functions. Furthermore, the diagrams also illustrate potential weaknesses in relationships between specific pairs of key functions. Thus, these results reveal specific gaps in knowledge that could be addressed early through targeted interventions.

그림 7은 주요 기능 감독이 예상 한 상호 작용에 대한 데이터를 나타냅니다. 노드의 크기는 각 키 기능의 타당성에 비례하며, 이는 각 키 기능이 가능한 다른 모든 주요 기능 쌍 사이의 경로에있는 정도의 척도입니다. 따라서, 서로간에 접촉이 거의없는 다른 주요 기능을 연결하려면 중요도가 높은 값이 더 중요합니다. 주요 기능 9 및 12는 주요 기능 2, 3, 6 및 8을 포함하는 더 작은 서브 네트워크에 큰 네트워크를 연결한다는 사실과 관련이 있습니다. 주요 기능 6은 주요 기능과의 독점적 인 연결로 인해 두드러집니다 마지막으로, 키 기능 11은 다수의 다른 주요 기능을 고유하게 연결하는데, 이는 노드들 사이의 화살표를 단순히 조사하는 것으로부터 즉시 명백하지는 않다. 따라서 이러한 분석을 통해 네트워크의 결함 및 강점을 파악할 수 있습니다. 주요 기능 들간의 서로 다른 상호 관계를 증진시키려는 노력이 이루어진다면,이 다이어그램들은 제도적 변화를 평가할 기준선의 역할을 할 수 있습니다.

Figure 7 presents data about key function directors’ anticipated interactions with one another. The size of the nodes is proportional to each key function’s betweenness, which is a measure of the degree to which each key function is on a pathway between all other possible pairs of key functions. Thus, those with high betweenness values are more critical to connecting other key functions that would otherwise have little contact with one another. Key functions 9 and 12 owe much of their high betweenness to the fact that they connect the larger network to the smaller subnetwork comprising key functions 2, 3, 6, and 8. Key function 6 is also prominent because of its exclusive connections with key functions 2 and 3. Finally, key function 11 also uniquely connects numerous other key functions, although this is not immediately apparent from simply inspecting the arrows between nodes. These analyses can thus be used to identify deficits and strengths in the network. If efforts are made to promote different interrelationships between key functions, these diagrams can serve as a baseline from which to assess institutional change.

Discussion and Conclusions

앞서 제시된 예는 SNA의 도구가 의료 센터의 조직 역학 범위를 밝힐 수있는 몇 가지 방법을 강조합니다. SNA는 이러한 순수한 시각적 데이터 표현 외에도 개인 및 네트워크에 대한 광범위한 numerical indices를 계산할 수 있어서 시간이 지남에 따라 네트워크 구조의 추세를 식별하는 데 도움이됩니다.

The examples presented in the previous section highlight some ways that the tools of SNA can shed light on a range of a medical center’s organizational dynamics. In addition to these purely visual representations of data, SNA also permits computation of a range of numerical indices, both for individuals and for networks as a whole, and thus helps identify trends in network structure over time.

SNA의 결과는 일반적으로보다 질적이며 미묘하기 때문에, 조직 구조 및 기능에 대한 다른 정보원에 비추어 해석되어야합니다. 그럼에도 불구하고 SNA는 표준화 된 방법론 및 보고 형식을 통해 그러한 주관적 인상에 유용한 보완책을 제공하고 시간 경과에 따른 조직 구조의 변화를 평가하기위한 표준 메트릭스를 제공합니다. 또한 SNA 데이터는 수집 및 분석이 비교적 간단하고 신속하므로 관찰자 또는 네트워크 구성원의 구조화 된 인터뷰를 포함하는 더 많은 노동 집약적 인 방법에 대한 매력적인 보완책을 제공합니다. SNA는 또한 관측자 편견이 상대적으로 없다. 따라서 SNA는 현재 조직 구조를 평가하고 평가하는 데 사용되는 일련의 도구에 유망한 추가 기능을 제공합니다.

The results of SNA must be interpreted in light of other sources of information about organizational structure and function, which are typically more qualitative and nuanced. Nonetheless, with its standardized methodology and reporting formats, SNA provides a useful complement to such subjective impressions and provides standard metrics for assessment of change in organizational structure over time. Furthermore, SNA data are relatively simple and rapid to collect and analyze, thus offering an appealing complement to more labor intensive methods involving observers or structured interviews of network members. SNA is also relatively free of observer bias. Thus, SNA provides a promising addition to the set of tools currently used to assess and evaluate organizational structure.

---

Acad Med. 2009 Aug;84(8):1029-35. doi: 10.1097/ACM.0b013e3181ad16d3.

Social network analysis as a method of assessing institutional culture: three case studies.

Lurie SJ1, Fogg TT, Dozier AM.

Author information

1

Office of Curriculum and Assessment, University of Rochester School of Medicine and Dentistry, Rochester, New York 14642, USA. Stephen_Lurie@urmc.rochester.edu

Abstract

PURPOSE:

To describe the basic concepts of social network analysis (SNA), which assesses the unique structure of interrelationships among individuals and programs, and introduce some applications of this technique in assessing aspects of institutional culture at a medical center.

METHOD:

The authors applied SNA to three settings at their institution: team function in the intensive care unit, interdisciplinary composition of advisory committees for 53 federal career development awardees, and relationships between key function directors at an institution-wide Clinical Translational Sciences Institute (CTSI). (Key functions are the major administrative units of the CTSI.)

RESULTS:

In the ICU setting, SNA provides interpretable summaries of aspects of clinical team functioning. When applied to membership on mentorship committees, it allows for summary descriptions of the degree of interdisciplinarity of various clinical departments. Finally, when applied to relationships among leaders of an institution-wide research enterprise, it highlights potential problem areas in relationships among academic departments. In all cases, data collection is relatively rapid and simple, thereby allowing for the possibility of frequent repeated analyses over time.

CONCLUSIONS:

SNA provides a useful and standardized set of tools for measuring important aspects of team function, interdisciplinarity, and organizational culture that may otherwise be difficult to measure in an objective way.

PMID:

 

19638768

 

PMCID:

 

PMC2719826

 

DOI:

 

10.1097/ACM.0b013e3181ad16d3