Predicting Long-Term Self-Rated Health in Small Areas Using Ordinal Regression and Microsimulation

기술 요약: 서수 회귀 및 마이크로시뮬레이션을 이용한 소지역 단위의 장기적 자기 보고 건강 상태 예측

문제 제기
미래 인구의 건강 궤적을 정확하게 예측하는 것은 공중 보건 계획, 자원 배분 및 정책 설계에 필수적이다. 자기 보고 건강(Self-Rated Health, SRH)은 이환율, 의료 이용 및 사망의 검증된 예측 인자이지만, 기존의 모델링 접근 방식에는 한계가 있다. 기존의 마이크로시뮬레이션 연구는 종종 시간적 투영 없이 현재 인구에만 집중하거나, 서로 다른 지리적 위치에 따른 건강 결과의 이질성을 포착하지 못하는 집계 수준의 투영에 의존한다. 따라서 개인 수준의 인구 통계학적 및 사회경제적 역동성과 공간적 세밀함을 결합하여 소지역 단위(특히 아일랜드의 선거구, ED 단위)의 미래 건강 분포를 예측할 수 있는 방법론이 필요하다.

방법론
제안된 접근 방식은 동적 오픈 소스 사회경제적 마이크로시뮬레이션 모델과 서수 회귀(Ordinal Regression)를 통합하여 2057년까지 아일랜드의 SRH 분포를 투영한다.

1. 마이크로시뮬레이션 (SEMIPro):

   • 프레임워크: 사회경제적 마이크로시뮬레이션(SEMIPro for Irish population Projections)은 합성 미래 인구를 생성한다. 이는 연령, 성별, 혼인 상태, 시민권, 이주 이력, 교육 및 경제적 상태로 정의되는 개인을 추적하며 선거구(ED) 수준에서 작동한다.
   • 역동성: 모델은 사망, 내부 및 국제 이주, 출산, 결혼/이혼, 교육, 고용 모듈을 통해 시간적 변화를 시뮬레이션한다.
   • 시나리오: 본 연구는 중앙 통계청(CSO)의 전망과 일치하는 특정 이주 시나리오(M1, M2, M3)와 센서스 데이터에서 도출된 내부 이주 흐름을 활용한다. 시뮬레이션은 2022년 기저치를 기준으로 2057년까지 실행된다.

2. 서수 회귀 (Ordinal Regression):

   • 모델 유형: 순서형 범주 변수인 SRH( "매우 좋음"에서 "매우 나쁨"까지의 범위)를 예측하기 위해 누적 서수 회귀 모델이 채택되었다. 이 방식은 데이터의 순서적 특성과 범주 간의 비등간격적 차이를 존중하기 위해 표준 분류 또는 일반 회귀 대신 선택되었다.
   • 입력 변수: 모델은 개인의 사회경제적 특성(연령대, 성별, 혼인 상태, 경제적 상태, 교육 수준 및 지역)을 독립 변수로 사용한다.
   • 훈련 데이터: 모델은 약 7,500명의 15세 이상 응답자를 포함하는 Healthy Ireland Survey(2023)의 마이크로데이터로 훈련되었다.

3. 데이터 정렬 및 투영:

   • 정렬: 설문 마이크로데이터의 SRH 분포와 국가 센서스 데이터 간의 불일치를 해결하기 위해 정렬 기술이 적용된다. 특정 코호트에 대한 국가 센서스 비율과 마이크로데이터 비율의 비를 사용하여 예측치를 조정함으로써, 모델 출력이 관찰된 국가적 현실과 일치하도록 보장한다.
   • 미래 분포 예측: 특정 코호트(연령, 성별, 경제적 상태로 정의됨)의 미래 SRH 분포를 예측하기 위해, 저자들은 역사적 센서스 데이터(2011, 2016, 2022)에 가우시안 프로세스(GP) 회귀 모델을 사용한다. 데이터의 조성적(compositional) 특성(합계가 1.0인 비율)을 처리하기 위해 첨가 로그 비율(ALR) 변환이 적용된다. 이를 통해 몬테카를로 시뮬레이션(코호트당 1,000개 샘플)을 사용하여 평균, 최선의 경우(best-case), 최악의 경우(worst-case) 시나리오를 생성할 수 있다.

4. 통합:

   • 마이크로시뮬레이션은 2057년의 합성 인구 구조를 생성한다.
   • 서수 회귀 모델은 2057년의 각 개인의 특성을 바탕으로 각 개인의 SRH 상태 확률을 예측한다.
   • 결과는 ED 수준에서 집계되어 공간적 추세를 분석하는 데 사용된다.

주요 기여

• 방법론적 통합: 본 논문은 개인 수준의 이질성과 시간적 투영 사이의 간극을 메우기 위해 동적 마이크로시뮬레이션과 서수 회귀를 결합한 새로운 프레임워크를 제시하며, 이를 통해 세밀한 공간 규모(선거구 단위)에서 SRH를 예측한다.
• 공간적 세밀함: 기존의 집계 모델과 달리, 이 접근 방식은 ED 수준에서 건강 결과를 분석할 수 있게 하여, 국지적인 "고위험" 지역과 소규모 공동체 내의 특정 인구 통계학적 추세를 식ر할 수 있게 한다.
• 시나리오 테스트: 이 프레임워크는 인구 통계학적 변화(마이크로시뮬레이션을 통해)와 건강 결과 확률(회귀를 통해)에 관한 "what-if" 시나리오를 지원하여, 정책 입안자들이 서로 다른 이주 또는 사회경제적 궤적의 영향을 테스트할 수 있도록 한다.
• 정렬 기술: 본 논문은 마이크로데이터 기반 예측을 국가 센서스 분포와 일치시키는 특정 방법을 소개하여, 투영된 건강 상태 분포의 타당성을 높인다.

결과

• 검증: 본 접근 방식은 예측된 2022년 SRH 분포를 실제 2022년 센서스 데이터와 비교함으로써 검증되었다. 3,417개 ED 전체의 평균 $R^2$는 약 0.9였으며, 평균 제곱 오차(MSE)는 0.0037로 낮아, 구역 수준의 SRH를 추정하는 데 있어 높은 정확도를 나타냈다.
• 특성 중요도: 서수 회귀 분석 결과, "질병 또는 장애로 인해 일을 할 수 없음"이 낮은 SRH의 가장 강력한 예측 인자로 식별되었다. 반대로 학생, 직업 보유, 또는 가사/가족 돌봄 상태는 강력한 긍정적 예측 인자였다. 연령은 SRH의 강력한 부정적 예측 인자로 확인되었으며, 높은 교육 수준은 더 나은 SRH와 상관관계가 있었다.
• 국가적 투영 (평균 시나리오): M1 이주 시나리오 하에서, 아일랜드의 평균 SRH는 2057년까지 약간 악화될 것으로 투영된다. 인구가 "매우 좋음"이라고 평가하는 비율은 감소할 것으로 예상되는 반면, "좋음" 및 "보통" 평가는 증가할 것이다. 최선의 시나리오에서도 "매우 좋음"의 비중이 이전 센서스에서 보였던 수준에 도달할 것으로 예측되지 않는다.
• 소지역 변동:
  • 도시 대 농촌: 아일랜드의 5대 주요 도시는 젊고 건강한 이주민의 유입 덕분에 평균 SRH가 개선될 것으로 투영된다. 반면, 많은 농촌 지역은 완만한 또는 중등도의 악화를 보인다.
  • 극단적 사례: 가장 좋은 SRH가 투영된 ED(Co. Roscommon, Cloonteen)는 젊고 교육 수준이 높으며 고용된 인구로 특징지어진다. 최악의 SRH가 투영된 ED(Co. Carlow, Rathanna)는 매우 적은 수의 노인 및 은퇴 인구를 보유할 것으로 투영된다.
• 사례 연구 (응급실): ED(응급실)로부터 가장 가까운 성인 응급실까지의 거리와 평균 SRH를 분석한 결과, 의료 시설에서 멀리 떨어진 일부 지역은 상대적으로 양호한 건강 상태를 보이는 반면, 가까운 일부 지역은 건강 상태가 나쁜 것으로 나타났다. 이는 단순히 거리에 기반한 시설 계획이 지역적 건강 기준치를 고려해야 할 수도 있음을 시사한다.

의의 및 주장
저자들은 이 방법이 지방 당국에 특정 지역 인구에서 발생할 수 있는 잠재적 건강 문제를 예측하고 대응할 수 있는 도구를 제공한다고 주장한다. 기존의 사회경제적 특성이 가진 강력한 예측력을 활용함으로써, 비만이나 흡연과 같은 직접적인 건강 결정 요인을 직접 모델링해야 하는 복잡성을 피한다.

저자들은 자신의 결과를 결정론적 예측이라기보다 시나리오 기반의 전망으로 겸허하게 규정하며, 출력값이 기초 가정(예: 이주 흐름, 교육 수준 추세)에 따라 달라질 수 있음을 인정한다. 저자들은 절대적인 예측에는 불확실성이 따르지만, 상대적인 추세와 지리적 비교(예: 어떤 ED가 다른 곳보다 더 빠르게 악화될 것인지 식별하는 것)는 정책 설계를 위한 신뢰할 수 있는 통찰력을 제공한다고 강조한다. 이 연구는 인구 통계학적 변화에 적응할 수 있는 보다 반응적이고 데이터 중심적인 공중 보건 계획을 향한 단계로 자리매김한다.