Influence of microbial composition and sample type on antimicrobial resistance in urinary tract infections: a single-centre retrospective cohort study (2015-2023)

본 연구는 2015 년부터 2023 년까지 취리히 대학의 18 만 8 천 건 이상의 요배양 데이터를 분석하여, 요로감염증의 항생제 내성 패턴이 병원체 종류뿐만 아니라 검체 유형 (중간뇨, 도뇨관 등) 과 공존하는 미생물 군집에 의해 크게 영향을 받음을 규명함으로써 보다 정밀한 경험적 치료와 보고 체계의 필요성을 제시했습니다.

핵심

🏥 연구의 핵심: "누가, 어디에서, 누구와 함께 왔는가?"

이 연구는 스위스 취리히의 한 병원에서 2015 년부터 2023 년까지 모은 18 만 8 천 건 이상의 소변 검사 결과를 분석했습니다. 연구진은 단순히 "세균이 있나?"를 보는 것을 넘어, **"어떤 세균이, 어떤 상황에서, 다른 세균과 함께 있나?"**를 살펴봤습니다.

1. 소변을 채취하는 '방법'이 다릅니다 (도구 vs 자연)

연구진은 세 가지 다른 소변 샘플을 비교했습니다.

• 중간뇨 (MU): 자연스러운 배뇨 (가장 일반적인 방법).
• 영구 카테터 (IDC): 요도에 튜브가 꽂혀 있는 상태 (병원 입원 환자).
• 간헐적 카테터 (IMC): 필요할 때만 튜브를 넣는 상태.

🔍 비유:

• **자연스러운 소변 (MU)**은 평범한 거리를 걷는 사람들입니다. 대부분은 '대장균 (E. coli)'이라는 평범한 시민이 혼자 다니고 있습니다.
• **카테터 소변 (IDC/IMC)**은 폐쇄된 터널이나 비행기 안과 같습니다. 여기서는 '대장균'보다 '녹농균 (Pseudomonas)'이나 '칸디다 (곰팡이)' 같은 특수한 세균들이 더 많이 발견됩니다. 마치 터널 안에서는 평범한 시민보다 특수부대나 외계인 같은 존재들이 더 많이 보일 수 있는 것과 비슷합니다.

결론: 카테터를 사용한 소변은 **두 가지 이상의 세균이 섞여 있는 경우 (다균 감염)**가 자연 소변보다 약 60% 더 많았습니다.

2. 세균들의 '동반자' 관계 (누가 누구와 함께 다니는가?)

세균들은 혼자 다니는 것보다 친구와 함께 다니는 경우가 많습니다. 연구진은 이 '세균 커플'들이 어떤 관계를 맺는지 분석했습니다.

🔍 비유:

• 대부분의 세균: 서로 무관하거나, 오히려 서로를 싫어해서 함께 나타나지 않습니다. (예: A 와 B 는 서로를 피함)
• 특별한 세균 커플: 몇몇 세균은 강력한 동맹을 맺습니다. 예를 들어, '칸디다 (곰팡이)'와 '클라브라타 (다른 곰팡이)'는 항상 함께 나타납니다. 마치 불가분의 단짝처럼요.
• 위험한 동맹: '대장균'이 '장구균 (Enterococcus)'이나 '곰팡이'와 함께 있을 때, 약에 대한 저항력이 훨씬 강해집니다. 이는 마치 악당들이 무리를 지으면 경찰 (항생제) 을 더 쉽게 피할 수 있는 것과 같습니다.

3. 약이 안 통하는 이유 (내성)

가장 중요한 발견은 **"약이 안 통하는지 (내성) 는 세균의 종류가 가장 중요하지만, 그 세균이 누구와 함께 있느냐도 영향을 준다"**는 것입니다.

• 세균의 정체성: 어떤 세균인지가 1 순위입니다. (예: 어떤 세균은 처음부터 약을 잘 견디는 '강철 체질'입니다.)
• 환경의 영향: 카테터가 있는 곳 (병원 환경) 에 있는 세균은 자연 상태의 세균보다 약에 더 강해집니다.
• 동반자의 영향: 만약 '대장균'이 '병원성 세균'과 함께 있다면, 대장균도 갑자기 약에 더 강해집니다. 마치 약한 병사가 강한 병사와 함께 있으면 용기가 나거나 보호를 받아 더 강해지는 것과 같습니다.

4. 시간의 흐름 (2015~2023)

지난 10 년간 요로 감염 세균들의 약에 대한 저항력 (내성) 이 약 48% 에서 60% 로 크게 늘어났습니다.

• 특히 페니실린 계열의 약에 대한 저항은 급격히 늘었지만, 퀴놀론 계열의 약에 대한 저항은 줄었습니다. (이는 사람들이 그 약을 덜 쓰게 되면서 세균이 그 약에 대한 방어력을 잃은 것과 같습니다.)

---

💡 이 연구가 우리에게 주는 교훈 (간단 요약)

1. 단순히 "세균이 있다"만 보면 안 됩니다.

   • "어떤 세균이냐"도 중요하지만, **"카테터에 있었느냐"**와 **"누구와 함께 있었느냐"**도 치료법을 결정하는 핵심 열쇠입니다.

2. 혼자 있는 세균 vs 무리 지은 세균

   • 혼자 있는 세균은 약이 잘 통할 수 있지만, 두 가지 이상의 세균이 섞여 있다면 (특히 병원 세균과 함께라면) 약이 잘 안 통할 확률이 높습니다. 이때는 더 강력한 약을 써야 할 수도 있습니다.

3. 의사 선생님들의 처방전

   • 앞으로는 소변 검사 결과를 볼 때, "어떤 세균이냐"뿐만 아니라 **"환자가 카테터를 쓰고 있었는지"**와 **"다른 세균이 섞여 있는지"**를 함께 고려해서 약을 처방해야 더 효과적일 것입니다.

🎯 한 줄 요약

"요로 감염 치료는 단순히 '적 (세균)'을 잡는 게 아니라, '적의 정체', '적의 무기 (약 내성)', 그리고 '적의 동맹 (다른 세균)'까지 모두 파악해야 이길 수 있다!"

이 연구는 우리가 미생물 세계를 **'개별적인 적'**이 아니라, 서로 영향을 주고받는 **'복잡한 생태계'**로 봐야 함을 알려줍니다.

기술 요약

논문 개요

이 연구는 스위스 취리히 대학 의학 미생물학 연구소의 2015 년부터 2023 년까지의 대규모 routine urine culture(일반 소변 배양) 데이터 (188,687 건) 를 활용하여, **소변 샘플의 유형 (중간뇨 vs. 카테터)**과 **미생물 군집의 구성 (단일 균주 vs. 다균주)**이 요로 감염 (UTI) 의 항생제 내성 (AMR) 에 미치는 영향을 생태학적 관점에서 규명했습니다.

1. 연구 배경 및 문제 제기 (Problem)

• 요로 감염 (UTI) 의 부담: UTI 는 전 세계적으로 주요한 의료 부담이며, 특히 카테터 관련 요로 감염 (CAUTI) 은 병원 내 감염의 약 40% 를 차지합니다.
• 다균주 감염의 복잡성: 장기간 카테터 삽입 환자에서 다균주 감염 (Polymicrobial infection) 이 빈번하게 발생하며 (최대 80%), 이는 생물막 형성과 종간 상호작용으로 인해 항생제 내성 및 치료 실패 위험을 높입니다.
• 기존 연구의 한계: 대부분의 UTI 연구는 단일 병원체 (주로 E. coli) 와 제한된 내성 표형에 초점을 맞추고 있어, 다양한 종 간의 공존 역학, 샘플 유형, 환자 요인이 내성에 어떻게 복합적으로 영향을 미치는지에 대한 이해가 부족합니다. 또한, 기존 감시 네트워크는 카테터 유무에 따른 소변 샘플을 구분하지 않고 집계하는 경우가 많아, 기기 특이적 생태계와 숙주/환경 효과를 구분하기 어렵습니다.

2. 연구 방법론 (Methodology)

• 데이터셋: 2015 년 1 월부터 2023 년 5 월까지 취리히 대학에서 수집된 188,687 건의 소변 배양 데이터 분석.
  • 샘플 유형: 중간뇨 (MU, 132,713 건), 영구 카테터 (IDC, 31,975 건), 간헐적 카테터 (IMC, 22,131 건).
  • 분류 기준: 미생물학적 UTI 임계치 (≥10⁵ CFU/mL) 를 기준으로 음성, 세균뇨, UTI 로 분류.
• 통계 및 생태학적 분석 기법:
  • 공변량 보정 회귀 분석: 샘플 유형, 성별, 연령, 병동, 연도에 따른 단일/다균주 감염 비율 및 균주 prevalence(유병률) 비교.
  • 제약된 순서화 (Constrained Ordination): 군집 구성의 차이를 시각화 및 통계적 검증.
  • 공존 분석 (Co-occurrence Analysis):
    • 보정된 쌍별 오즈비 (Adjusted Pairwise Odds Ratios) 를 사용하여 종 간의 연관성 분석.
    • Degree-preserving Permutation Null Models: 우연에 의한 공존을 배제하기 위한 무작위화 테스트 수행.
    • Directional Partner-choice Models: 특정 샘플 유형에서 파트너 종의 선택이 어떻게 변화하는지 분석.
  • 내성 모델링: 획득 내성 (Acquired Resistance, AR) 과 총 내성 (Total Resistance, TR: 획득 + 선천성) 확률을 모델링.
  • 상호 정보량 (Mutual Information): 내성 예측에 기여하는 변수 (병원체, 샘플 유형, 환자 특성 등) 의 중요도 정량화.

3. 주요 결과 (Key Results)

가. 샘플 유형과 미생물 군집 구성

• 다균주 감염 증가: 카테터 관련 UTI(IDC 및 IMC) 는 중간뇨 (MU) 에 비해 약 60% 더 높은 확률로 다균주 감염을 보였습니다 (IDC: 30%, IMC: 35%, MU: 18%).
• 균주 구성 차이:
  • MU: E. coli 가 우세했으나, 남성보다 여성에서 더 흔함.
  • IDC: E. coli 는 MU 보다 현저히 낮았으며, 대신 Pseudomonas aeruginosa, Candida albicans, Candida glabrata 등 기기 관련 병원체가 풍부하게 나타남.
  • 성별 차이: E. faecalis 는 남성 환자에서, Lactobacillus spp. 와 Gardnerella vaginalis 는 여성 MU 샘플에서 우세했으나 카테터 샘플에서는 거의 검출되지 않음.

나. 미생물 간 상호작용 (Co-occurrence)

• 대부분의 종 쌍은 보정 후 유의미한 공존 증가를 보이지 않았으나, 일부 특정 쌍은 재현성 있게 풍부해짐.
  • 강한 공존: C. albicans - C. glabrata, C. albicans - Enterococcus faecium.
  • 비대칭적 상호작용: E. coli 가 E. faecalis 와 함께 있을 때 IDC 에서 그 비율이 높았으나, 역방향 (E. faecalis 가 E. coli 를 파트너로 선택하는 경우) 은 그렇지 않아, 위험 요인의 중첩이나 비대칭적 이득을 시사.
  • 배제 관계: E. coli - P. aeruginosa 쌍은 모든 샘플 유형에서 유의하게 배제됨 (공존 확률 낮음).

다. 항생제 내성 (Antimicrobial Resistance, AMR)

• 주요 결정 요인: 내성 (AR 및 TR) 에 가장 큰 영향을 미치는 변수는 **병원체의 종류 (Organism Identity)**였으며, 상호 정보량 분석에서 환자 특성 (성별, 연령) 이나 샘플 유형보다 훨씬 큰 기여도를 보임.
• 샘플 유형별 내성:
  • IDC 샘플은 MU 에 비해 획득 내성 (AR) 이 높았으며, 특히 E. coli, K. pneumoniae, P. aeruginosa 에서 두드러짐.
  • 시간적 추세 (2015-2023): 전체 AR 비율이 약 48% 에서 60% 로 증가. Enterobacterales 군에서 β-락탐/β-락탐 억제제 내성은 증가했으나, 플루오로퀴놀론 내성은 감소 (사용량 감소와 일치).
• 파트너 효과 (Partner Effects):
  • 특정 병원체가 내성 병원체와 공존할 때 내성 확률이 변화함.
  • 예: E. coli 가 E. faecium 또는 C. albicans 와 공존할 때 β-락탐/억제제, 세팔로스포린, 퀴놀론 등에 대한 내성 확률이 증가.
  • K. pneumoniae 는 P. aeruginosa 또는 E. faecium 과 공존 시 내성이 증가했으나, Actinotignum schaalii 등 저독성 균과 함께 있을 때는 감소.

4. 주요 기여 및 의의 (Contributions & Significance)

• 생태학적 프레임워크의 적용: UTI 를 단일 병원체 감염이 아닌, 샘플 유형 (카테터 vs. 중간뇨) 과 미생물 군집 (다균주 상호작용) 이 형성하는 생태계로 접근하여 내성 역학을 설명했습니다.
• 임상적 시사점:
  • 맥락 인식 보고 (Context-aware Reporting): 병원체 식별뿐만 아니라 샘플 유형과 공존 균주를 고려한 보고가 필요함을 강조.
  • 경험적 처방 지원: 카테터 관련 감염이나 특정 병원체 조합 (예: E. coli + E. faecium) 이 관찰될 때 내성 위험이 높으므로 더 넓은 스펙트럼의 항생제를 고려해야 함을 시사.
  • 다균주 감염의 재해석: 다균주 결과를 단순한 오염으로 간주하지 않고, 임상적으로 유의미한 정보로 활용해야 함을 주장.
• 데이터 기반 통찰: 대규모 routine 진단 데이터를 활용하여 기계 학습이나 실험실 연구만으로는 파악하기 어려운 실제 임상 환경에서의 미생물 상호작용과 내성 패턴을 규명했습니다.

5. 결론

이 연구는 요로 감염의 역학과 항생제 내성 위험은 "누가 (병원체 종류)", "어디서 (샘플 유형)", "누구와 함께 (공존 균주)" 존재하는지에 의해 주로 결정된다는 것을 입증했습니다. 이는 향후 더 정밀한 진단법 개발과 항생제 관리 (Stewardship) 전략 수립에 중요한 기초 자료를 제공합니다.