연구 기간 2023.06.-2023.12.

1. 연구 배경

한국은 '저출산고령사회 기본법'에 따라 2006년부터 지속적으로 추진되는 저출산 대책에도 불구하고, 최근 10년 동안 출산율이 35.5% 감소하며 고령산모 및 고위험 임신의 증가가 우려되고 있다. 출산율 감소의 배경에는 높아진 출산연령, 일자리, 출산 후 돌봄, 가치관 변화 등 다양한 요인이 작용하고 있으며, 특히 만 35세 이상 고령모 비율은 2010년부터 2019년까지 2배 증가한 것으로 나타났다. 고위험 임신은 전체 임신의 20~30%를 차지하며, 2010년 이후에는 2배 이상 증가한 것으로 나타났다. 이로써 고위험 임산부의 증가는 지역 보건소의 교육과 의료비 지원에 국한되어 있는 현실이 있다. 특히, 고위험임산부는 일반 임신에 비해 유산이나 조산 확률이 높고, 기형아 출산률이 증가한다. 이러한 상황에서 저출산 대책의 예산은 증가하고 있지만, 고위험 임신에 대한 관리 시스템에 대한 예산이나 계획은 부족한 실정이다. 따라서 본 연구는 건강보험공단의 방대한 빅데이터를 활용하여, 2010년부터 2017년까지 출생한 소아를 대상으로 한 코호트를 형성하고, 머신러닝 및 역학 분석을 통해 이러한 영향을 조사하였다.

2. 연구 방법

본 연구에서는 대한민국 건강보험공단의 방대한 데이터를 활용하였다. 건강보험증을 기반으로 산모와 소아를 정확하게 매칭하여 얻은 대규모 코호트를 사용하였다. 이 데이터는 약 560만명의 산모-소아에 대한 폭넓은 정보를 담고 있으며, 기저질환, 의료정보, 건강검진 등에 대한 데이터가 포함되어 있다. 분석에 사용된 데이터는 다양한 특성을 갖고 있었기 때문에, 이를 바탕으로 모델 개발에 필요한 특성을 선택하기 위해 Feature selection by univariate Cox model을 적용하였다. 이를 통해 중요한 특성을 추출하고 모델의 성능 향상을 목표로 하였다. 산모-소아의 위험도 예측 모델을 개발하기 위해 Random survival forest와 Tree-based ensemble survival model의 모델을 사용하여 모델개발을 수행하였다. 이러한 모델은 시간에 따른 이벤트 발생의 위험을 예측하는데 효과적이며, 대량의 다양한 특성을 다룰 수 있는 강력한 도구로 알려져 있다. 모델의 예측 성능은 표본 내에서 검증되고, 정확성과 일반화 능력을 확인하기 위한 추가적인 검증 단계를 거쳤다. 모델의 결과를 통해 산모의 Opioid (마약성 진통제) 사용과 소아의 출생 후 신경정신질환 발병 간의 연관성을 도출하고, 각 변수의 중요도 및 영향을 평가하였다. 이를 통해 산모-소아 건강에 영향을 미치는 요인을 정확하게 파악하고자 하였다.

3. 연구 결과 및 시사점

본 연구에서는 건강보험공단의 방대한 빅데이터를 활용하여 산모와 소아의 건강에 영향을 미치는 요인을 분석하였다. 모델의 결과를 통해 산모의 Opioid (마약성 진통제) 사용과 소아의 출생 후 신경정신질환 발병 간의 연관성을 도출하고, 각 변수의 중요도 및 영향을 평가하였다. 주요 결과로는 산모의 마약 사용과 소아의 출생 후 신경정신질환 간의 유의미한 관련성이 확인되었다. 특히, 임신 초기 사용, 고용량 사용, 장기간 복용 등의 그룹에서 소아의 위험도가 유의하게 증가한 것으로 나타났다. 이러한 결과는 사회적 책임의 강조와 함께 산모의 약물 사용에 대한 주의 및 관리의 필요성을 제기한다. 정부 및 의료기관은 이러한 연구 결과를 기반으로 정책 수립과 의료 결정에 활용할 수 있을 것이다. 연구 결과는 또한 계속적인 연구와 데이터 갱신의 필요성을 강조한다. 현재의 데이터에 기반한 결과이므로, 향후에도 새로운 연구와 데이터 수집을 통해 결과를 업데이트하고 보다 정확하고 신뢰성 있는 정보를 얻을 필요가 있다. 이 연구를 통해 얻은 과학적 근거는 건강한 사회를 위한 중요한 기반으로 활용될 것으로 기대되며, 이를 통해 저출산 문제에 대한 인식을 높이고, 정책 및 의료현장에서의 결정에 도움이 되는 유용한 정보로 제공되기를 희망한다.