Shining a Light on Athletes Sleep: Development of a Screening Nomogram to Flag Athletes at Risk of Poor Sleep Quality

이 연구는 운동선수의 수면 질 저하와 가장 밀접한 관련이 있는 스마트폰 사용 행동을 식별하여, 이를 기반으로 특이도가 높은 선별 nomogram 을 개발하여 운동선수의 수면 문제를 효율적으로 선별할 수 있음을 제시했습니다.

핵심

🌙 1. 문제 상황: "왜 선수들은 잠을 잘 못 자는 걸까?"

운동선수들은 최고의 성적을 내기 위해 충분한 잠이 필수적입니다. 하지만 많은 선수가 잠을 못 자고, 그 원인으로 '빛'이 꼽힙니다.

• 기존의 생각: "아침에 햇빛을 많이 보고, 밤에는 어둡게 지내면 잠이 잘 온다." (이건 맞지만, 너무 포괄적입니다.)
• 실제 문제: 운동선수들은 훈련 환경이 복잡하고, 밤늦게까지 스마트폰을 보는 등 구체적인 '빛 관련 습관'이 수면을 방해한다는 건 알지만, 정확히 어떤 습관이 가장 나쁜지를 가려내는 도구가 없었습니다.

마치 **"건강에 안 좋은 게 뭐가 있을까?"**라고 물었을 때, "음식 전체가 나쁘다"라고만 말해주는 것과 비슷합니다. 우리는 "정확히 치킨과 콜라가 문제다"라고 알려주는 구체적인 가이드가 필요했습니다.

🔍 2. 연구 방법: "23 가지 의심을 3 가지로 줄이다"

연구진은 121 명의 운동선수에게 23 가지의 빛 관련 질문 (LEBA 설문지) 을 냈습니다.

• "아침에 햇빛을 봤나요?"
• "밤에 블루라이트 필터를 썼나요?"
• "침대에서 스마트폰을 썼나요?" 등등...

이때 **LASSO(라쏘)**라는 통계 도구를 사용했습니다. 이 도구는 **"23 가지 질문 중 수면과 가장 깊은 연관이 있는 3 가지만 골라내라"**는 역할을 했습니다. 마치 23 명의 용의자 중 범인을 찾아내어 3 명으로 좁히는 수사 과정과 같습니다.

🎯 3. 연구 결과: 범인은 바로 '이것'들!

결과적으로 수면의 질을 떨어뜨리는 **'3 대 악 (Bad Habits)'**이 밝혀졌습니다.

1. 잠들기 직전 스마트폰 사용: 침대에 누워 폰을 보는 행위.
2. 밤중에 폰을 확인하는 행위: 잠에서 깼을 때 폰을 보는 행위.
3. 밤중에 스마트워치를 확인하는 행위: 잠에서 깼을 때 시계를 보는 행위.

💡 재미있는 비유:
이것은 마치 **"불을 끄고 자는 게 중요하다고들 하지만, 사실은 '잠들기 전에 TV 를 켜고 보는 것'과 '한밤중에 TV 리모컨을 켜는 것'이 진짜 문제"**인 것과 같습니다. 단순히 '빛' 자체보다, 스마트 기기와의 상호작용이 뇌를 각성시켜 잠을 방해한다는 뜻입니다.

📊 4. 개발된 도구: "수면 위험도 나침반 (노모그램)"

연구진은 이 3 가지 습관을 바탕으로 **'노모그램 (Nomogram)'**이라는 도구를 만들었습니다.

• 노모그램이 뭐죠? 복잡한 계산기 대신, 직관적인 줄자 (자) 같은 것입니다.
• 사용법:
  1. "잠들기 전 폰 사용" 점수를 매깁니다.
  2. "밤중 폰 확인" 점수를 매깁니다.
  3. "밤중 시계 확인" 점수를 매깁니다.
  4. 세 점수를 더하면, **수면 장애를 겪을 확률 (%)**이 바로 나옵니다.

예시:

"어떤 선수가 잠들기 전 폰을 '자주' 보고, 밤중에 깨어날 때 '가끔' 폰을 확인하고, 시계도 '가끔' 본다면?"
→ 이 선수의 수면 위험도는 약 **46%**로 나옵니다.
→ 이 숫자를 보고 코치는 "야, 너 잠이 안 오는 게 훈련 때문이 아니라 폰 때문일 수 있어. 폰을 치워보자!"라고 조언할 수 있습니다.

💡 5. 왜 이 연구가 중요한가요? (실용성)

• 간단함: 23 가지 질문을 다 할 필요 없이, 3 가지 질문만 물어보면 됩니다. (시간 단축)
• 정확함: 이 도구로 '위험군'을 걸러냈을 때, 실제로 수면이 나쁜 선수일 확률이 매우 높습니다. (특이도 92% - 즉, 이 도구가 "너 위험해"라고 하면, 진짜 위험할 가능성이 매우 높음)
• 행동 유도: 단순히 "잠을 잘 자라"라고 말하는 게 아니라, **"밤중에 시계를 보지 마라"**처럼 구체적이고 실행 가능한 조언을 줄 수 있습니다.

🚨 주의할 점 (한계)

이 도구는 **"수면이 나쁜 이유를 100% 진단하는 의료 기기"**가 아닙니다.

• 밤중에 폰을 보는 게 수면 부족의 원인일 수도 있지만, 이미 잠이 깨서 불안해서 폰을 보는 결과일 수도 있습니다. (닭이 먼저냐, 달걀이 먼저냐 문제)
• 하지만 어쨌든 **수면 문제가 있는 선수들을 빠르게 찾아내는 '경고등'**으로 활용하기엔 아주 훌륭합니다.

🏁 결론

이 연구는 운동선수들의 수면 문제를 해결하기 위해, 복잡한 과학 데이터를 '3 가지 쉬운 습관'으로 압축하고, **누구나 쉽게 쓸 수 있는 '수면 위험도 체크 도구'**를 만들었습니다.

"오늘 밤, 잠들기 전 폰을 치우고, 밤중에 시계를 보지 않는 것만으로도 선수들의 수면 질은 훨씬 나아질 수 있습니다." 이것이 이 연구가 전하는 가장 중요한 메시지입니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 문제 인식: 엘리트 선수들은 종종 권장 수면 시간을 충족하지 못하며, 이는 수면의 질 저하와 회복 저해로 이어집니다. 수면 - 각성 리듬을 조절하는 핵심 환경 신호인 **광 노출 (Light Exposure)**이 수면 질에 중요한 영향을 미친다는 연구가 증가하고 있습니다.
• 현황의 한계:
  • 기존 연구는 웨어러블 광 센서 등 객관적 측정을 사용했으나, 데이터 처리의 복잡성, 시간 소모, 장비 부착의 비실용성 등으로 인해 대규모 운동 선수 집단 적용에 한계가 있습니다.
  • 기존 자기 보고식 설문지 (예: H-LEA) 는 너무 포괄적이거나 운동 선수의 특수한 훈련 환경 (실내/실외 혼합 등) 에 맞지 않아 실용성이 떨어집니다.
  • 따라서, 운동 선수의 수면 질과 가장 밀접하게 연관된 구체적인 광 노출 행동을 식별하고, 이를 바탕으로 임상 현장에서 즉시 활용할 수 있는 간결한 선별 도구가 필요합니다.

2. 연구 방법론 (Methodology)

• 연구 설계: 횡단적 연구 (Cross-sectional study).
• 대상자: 다양한 경쟁 수준 (재활용, 훈련/개발, 국가대표, 엘리트/국제급) 의 121 명 운동 선수 (남 71 명, 여 50 명, 평균 연령 28 세). 수면 장애, 약물 복용, 시각 장애가 없는 참가자만 포함.
• 측정 도구:
  • LEBA (Light Exposure Behaviour Assessment): 광 노출 행동을 평가하는 23 문항 설문지 (5 가지 요인: 블루라이트 필터, 야외 활동, 침대 내 기기 사용, 취침 전 조명, 아침/낮 조명).
  • PSQI (Pittsburgh Sleep Quality Index): 수면의 질을 평가. 총점 5 점 초과를 '수면의 질이 낮음 (Poor Sleep Quality)'으로 정의.
• 통계 분석 및 모델 개발:
  • 특성 선택 (Feature Reduction): 23 개의 LEBA 항목 중 수면 질과 가장 강하게 연관된 변수를 찾기 위해 LASSO (Least Absolute Shrinkage and Selection Operator) 회귀 분석을 적용.
  • 모델 비교: 세 가지 모델을 비교 평가함.
    1. 전체 변수 모델 (23 항목)
    2. 요인별 모델 (Factor 3: 침대 내 기기 사용 관련 5 항목)
    3. LASSO 를 통해 선택된 축소된 변수 모델 (Feature-reduced model)
  • 검증: 데이터를 학습 세트 (80%) 와 테스트 세트 (20%) 로 분할하여 모델 성능을 평가. 교차 검증 (10-fold, 5 반복) 및 독립 테스트 세트에서 AUC, 민감도, 특이도 측정.
  • 노모그램 (Nomogram) 개발: 성능이 가장 우수한 모델을 기반으로 임상가가 쉽게 사용할 수 있는 시각적 예측 도구 (노모그램) 를 구축.

3. 주요 기여 및 결과 (Key Contributions & Results)

A. 핵심 예측 변수 식별

LASSO 회귀 분석을 통해 23 개의 항목 중 3 가지 핵심 행동만이 수면의 질 저하와 가장 강력하게 연관됨이 확인되었습니다. 이 세 가지 변수는 모두 LEBA 의 'Factor 3 (침대 내 스마트폰/스마트워치 사용)'에 속합니다.

1. 취침 전 스마트폰 사용 (Phone use before bed)
2. 밤중 스마트폰 확인 (Phone check at night)
3. 밤중 스마트워치 확인 (Smartwatch check at night)

B. 모델 성능 평가

• 테스트 세트 결과: 축소된 변수 모델 (3 항목) 이 가장 높은 예측 정확도를 보였습니다.
  • AUC (Area Under the Curve): 0.83
  • 민감도 (Sensitivity): 0.70
  • 특이도 (Specificity): 0.92 (매우 높음)
• 의미: 특이도가 0.92 로 매우 높다는 것은, 이 도구를 통해 '위험군'으로 분류된 선수들은 실제로 수면의 질이 낮을 확률이 매우 높다는 것을 의미합니다 (위양성률이 낮음).

C. 개발된 도구: 선별용 노모그램

• 3 가지 행동 (취침 전 사용, 밤중 확인) 의 빈도 (1~5 점 리커트 척도) 를 입력하면 총 점수를 계산하고, 이를 통해 **수면의 질이 낮을 확률 (%)**을 시각적으로 추정할 수 있는 노모그램을 개발했습니다.
• 사용법: 각 행동에 할당된 점수를 합산하여 총점을 구한 후, 해당 점수에 대응하는 수면 장애 위험 확률을 읽을 수 있습니다.
  • 예시: 취침 전 스마트폰을 '자주' (4 점), 밤중 스마트폰을 '가끔' (3 점), 스마트워치를 '드물게' (2 점) 확인하는 선수는 약 130 점의 총점을 얻어, 수면의 질이 낮을 확률이 약 46% 로 예측됩니다.

4. 연구의 의의 및 임상적 함의 (Significance)

• 실용적인 선별 도구: 복잡한 광 센서나 긴 설문이 필요 없이, 3 가지 핵심 행동만으로도 운동 선수의 수면 위험을 신속하게 (1~2 분 내) 선별할 수 있는 저부담 (Low-burden) 도구를 제공했습니다.
• 고성능 스포츠 환경 적용: 스포츠 과학자, 코치, 임상가가 선수 모니터링 프로토콜에 이 도구를 통합하여, 수면 문제가 의심되는 선수를 조기에 발견하고 추가 평가나 개입을 우선순위화할 수 있게 합니다.
• 행동 기반 개입 목표: 단순히 '빛' 자체뿐만 아니라, 스마트폰/스마트워치 사용 행동 (인지적 자극 및 수면 추적에 대한 불안 등) 이 수면 질에 미치는 영향을 강조합니다. 이는 '오쏘소니아 (Orthosomnia, 수면 데이터에 대한 과도한 집착)' 현상과도 연결되어, 단순한 빛 차단보다는 행동 수정이 필요함을 시사합니다.
• 고특이도의 장점: 높은 특이도 (0.92) 는 이 도구가 '위험군'으로 flagged 된 선수들이 실제로 수면 문제를 겪고 있을 가능성이 매우 높음을 의미하므로, 신뢰할 수 있는 2 차 평가의 트리거 (Trigger) 로 활용 가능합니다.

5. 결론

본 연구는 운동 선수의 수면 질 저하와 가장 밀접한 관련이 있는 광 노출 행동을 식별하고, 이를 바탕으로 LASSO 회귀 분석을 통한 특성 축소와 시각적 노모그램을 개발했습니다. 개발된 도구는 운동 선수의 수면 건강을 모니터링하고, 빛 노출 관련 행동을 개선하기 위한 교육 및 중재의 기초를 제공하며, 고강도 운동 환경에서 실용적인 수면 관리 전략 수립에 기여할 것으로 기대됩니다.