Developing a prediction model for the risk of dissociative psychopathology from trauma and trait responsiveness to verbal suggestion

본 연구는 발달 트라우마와 언어적 권유에 대한 특성적 반응성을 통합하여 해리성 심리병리 위험군을 효과적으로 식별할 수 있도록 탄성넷 로지스틱 회귀를 활용한 예측 모델을 개발하고 검증하였으며, 이는 AUROC 0.77 을 달성하였다.

핵심

당신의 마음을 여러 방이 있는 복잡한 집으로 상상해 보세요. 때로는 상황이 너무 압도적이 될 때, 이 집은 내부의 사람들을 보호하기 위해 특정 문을 잠그거나 특정 방의 조명을 어둡게 하는 특별한 안전 장치를 작동시킵니다. 심리학적으로 이것은 **해리 (dissociation)**라고 불립니다. 이는 마치 마음이 "일시 정지" 버튼을 누르거나, 사람과 그들의 생각, 기억, 감정 사이에 안개 낀 장벽을 만드는 것과 같습니다. 이는 누구에게나 발생할 수 있지만, 어떤 사람들에게는 일상생활을 매우 어렵게 만드는 지속적인 문제가 되기도 합니다.

이 논문은 문제가 너무 심각해지기 전에 이 "안개 낀 집"에 살 위험이 있는 사람을 찾아내기 위한 더 나은 조기 경보 시스템을 구축하려는 탐정 팀과 같습니다.

두 가지 주요 단서

연구자들은 누가 위험에 처해 있을지 예측할 수 있는 두 가지 주요 단서에 집중했습니다:

1. "폭풍" (외상): 우리는 이미 삶, 특히 성장 과정에서 겪는 나쁜 경험 (학대나 방치 등) 이 주요 요인임을 알고 있습니다. 이는 집을 두드리는 심각한 폭풍으로 생각할 수 있습니다. 폭풍이 더 격렬할수록 집이 그 안전 잠금 장치가 필요할 가능성이 높아집니다.
2. "스폰지" (suggestibility, 암시성): 이것이 새로운 흥미로운 단서입니다. 어떤 사람들은 언어적 암시에 대해 자연스럽게 스펀지처럼 더 잘 반응합니다. 누군가 "당신의 팔이 납덩이처럼 무겁게 느껴진다"고 말하면, "스폰지" 같은 사람은 그것이 단지 말일 뿐임을 알고 있음에도 불구하고 실제로 팔이 무거워지는 것을 느낄 수 있습니다. 연구자들은 이를 **언어적 암시 반응성 (REVS)**이라고 부릅니다. 이는 쉽게 속는다는 것이 아니라, 마음이 지시를 받아 지각을 얼마나 쉽게 변화시키는지와 관련이 있습니다.

이 팀이 던진 큰 질문은 다음과 같습니다: 이 두 가지 단서는 함께 작동할까요? "스폰지" 같은 마음이 "폭풍" 같은 외상을 더 강하게 받아들이게 하여 해리를 더 심하게 만들까요?

실험: 디지털 시뮬레이션

이를 알아내기 위해 연구자들은 현재 치료를 받고 있지 않은 사람들 ("임상적이지 않은" 집단) 1,100 명 이상으로부터 데이터를 수집했습니다. 그들은 이들에게 세 가지 질문을 했습니다:

• 얼마나 많은 "폭풍"을 겪었는지: 외상 사건 체크리스트를 작성했습니다.
• 얼마나 "스폰지" 같은지: "손이 테이블에 붙어 있다"는 등의 언어적 지시를 따라야 하는 컴퓨터 게임을 플레이하고, 그 느낌들이 얼마나 자발적이지 않고 자동적으로 느껴졌는지 평가했습니다.
• 얼마나 많은 "안개"를 경험하는지: 자신이나 자신의 기억으로부터 얼마나 자주 단절감을 느끼는지 질문했습니다.

정교한 컴퓨터 알고리즘 (소음은 걸러내고 진짜 신호를 찾아내는 매우 똑똑한 체로 생각하세요) 을 사용하여, 그들은 "위험군"에 속한 사람을 예측할 수 있는 모델을 구축하려고 시도했습니다.

그들이 발견한 것

결과는 퍼즐에서 특정 패턴을 발견한 것과 같았습니다:

• "위험군": 약 **7%**의 사람들이 고위험군으로 분류되었습니다. 이러한 개인들은 더 젊었고, 더 많은 외상을 경험했으며, 훨씬 더 "스폰지" 같았습니다 (암시에 매우 반응적임).
• "스폰지"의 힘: 놀랍게도 "스폰지" 요인 (암시성) 은 외상 자체보다 더 강력한 단서였습니다. 구체적으로, 암시가 자발적이지 않다는 느낌 (예: "팔이 움직이는 것을 멈추고 싶어도 멈출 수 없었다") 은 큰 경고 신호였습니다.
• 결합: 최고의 예측은 "폭풍"과 "스폰지"를 함께 살펴봄으로써 이루어졌습니다. 이 모델은 본질적으로 "스폰지"인 사람이 "폭풍"을 만날 때, 안개 낀 해리성 마음을 발달시킬 위험이 증가한다고 시사했습니다.
• 연령의 중요성: 이 모델은 또한 젊은 사람들이 위험군에 속할 가능성이 더 높다는 점을 발견했습니다. 나이가 들면 위험은 감소하는 것으로 보이는데, 아마도 더 나은 대처 메커니즘을 개발하거나 시간이 지남에 따라 "폭풍"의 효과가 약해지기 때문일 것입니다.

예측의 정확도는 어땠을까요?

연구자들은 모델의 정확도를 테스트했습니다. 침입자를 찾아내려는 보안 요원을 상상해 보세요:

• 이 모델은 전체적으로 77% 정확도를 보였습니다.
• 위험에 처한 사람들을 잡는 데 매우 뛰어났습니다 (많은 위험군을 놓치지 않았습니다).
• 그러나 위험에 처하지 않은 사람들을 배제하는 데는 완벽하지 않았습니다 (실제로는 괜찮은 사람들에게도 경보를 울리는 경우가 있었습니다).

이는 매우 민감한 연기 감지기처럼 생각할 수 있습니다: 토스트를 살짝 태웠을 때만 몇 번 째째거릴 수도 있지만 (오경보), 실제 불을 놓치지 않도록 보장하는 데는 탁월합니다.

이것이 의미하는 것 (그리고 의미하지 않는 것)

이 논문은 해리를 이해하기 위해 외상만 보면 안 된다고 결론 내립니다. 우리는 또한 사람의 마음이 암시에 어떻게 자연스럽게 반응하는지 살펴봐야 합니다. 이는 집이 왜 불타는지를 이해하려면 불 (외상) 에 대해 알아야 할 뿐만 아니라, 건축 자재가 얼마나 인화성이 있는지 (암시성) 도 알아야 한다고 말하는 것과 같습니다.

중요한 참고 사항: 저자들은 이것이 연구 도구이지 의료 진단 키트가 아니라고 매우 신중하게 말합니다. 그들은 병원 환자가 아닌 일반인 그룹을 대상으로 컴퓨터 프로그램을 사용하여 이 모델을 구축했습니다. 그들은 지금 당장 의사가 환자를 진단하는 데 이를 사용해야 한다고 말하지 않습니다. 대신, "우리는 시뮬레이션에서 꽤 잘 작동하는 패턴을 발견했습니다. 이를 실제 환자와 더 많이 테스트하고 정교하게 만든다면, 언젠가 의사가 도움이 필요한 사람을 더 일찍 찾아내는 데 도움이 될 수 있습니다"라고 말합니다.

요약하자면, 이 논문은 해리에 어려움을 겪을 수 있는 사람을 이해하는 열쇠는 그들에게 일어난 나쁜 일뿐만 아니라, 그들이 주변 세상을 처리하도록 연결된 마음의 고유한 방식에도 있다는 것을 시사합니다.

기술 요약

기술 요약: 외상과 언어적 암시에 대한 특성 반응성을 기반으로 한 해리성 심리병리의 예측 모델링

문제 제기
해리성 장애 (DDs) 와 관련된 증상들은 종종 과소 진단되거나 오진되어 치료 지연, 과도한 환자 고통, 그리고 공존 질환 및 자살 위험 증가로 이어집니다. 발달적 외상은 해리성 심리병리의 주요 선행 요인으로 널리 인식되고 있지만, '외상 모델'은 언어적 암시에 대한 특성 반응성 (REVS) 의 역할을 종종 간과합니다. 반면, REVS 는 해리와 연관되어 있으나 외상과 함께 예측 프레임워크 내에서 연구되는 경우는 드뭅니다. furthermore, 기존 예측 모델들은 종종 외상만을 중점적으로 다루거나, 암시성 (예: 행동적 반응 대 주관적 자발성 상실감) 의 복잡한 요인 구조를 통합하지 못합니다. 본 연구는 비임상 집단 내에서 해리성 심리병리의 위험에 처한 개인을 식별하기 위해 발달적 외상, 특성 REVS, 그리고 인구통계학적 변수를 통합한 다변량 예측 모델 개발의 간극을 해소합니다.

방법론
본 연구는 네 가지 이전 횡단적 연구에서 추출된 1,104 명의 비임상 참가자로 구성된 통합 데이터 세트를 활용했습니다. 방법론은 세 가지 주요 단계로 구성되었습니다:

1. 측정 및 요인 분석:

   • 외상: 외상 경험 체크리스트 (TEC) 를 통해 평가되었습니다. 한 하위 집단의 결측 데이터를 처리하기 위해 점수는 백분율로 변환되었습니다.
   • 해리 (결과 변수): 해리 경험 척도 (DES) 를 사용하여 측정되었습니다. 주요 결과 변수는 보수적인 임계값 ($p \geq 0.95$) 을 사용하여 DES 세분군 (DES-T) 에의 소속 확률에 기반한 '위험군' 상태의 이분법적 분류였습니다. 부차적 분석에서는 총 DES 점수 임계값 >30 을 사용했습니다.
   • REVS: 비자극적 직접 언어적 암시를 측정하는 컴퓨터화된 도구인 간략 암시성 척도 (BSS) 를 통해 평가되었습니다. BSS 는 행동적 반응과 지각된 자발성 상실을 모두 포착합니다. REVS 의 복잡한 요인 구조를 해결하기 위해 저자들은 BSS 데이터에 이요인 (bifactor) 모델을 적합시켰습니다. 이를 통해 일반 행동 요인 (BSS:B-G), 일반 자발성 상실 요인 (BSS:I-G), 그리고 특정 지각적 자발성 상실 요인 (BSS:I-PF) 이 도출되었습니다.

2. 예측 모델링:

   • 이분법적 위험 상태를 예측하기 위해 탄성 그물 (elastic net) 로지스틱 회귀 모델이 사용되었습니다. 이 방법은 다중공선성을 처리하고 가장 예측력 있는 변수를 선택하기 위해 릿지 (ridge) 와 LASSO 패널티를 결합합니다.
   • 예측 변수: BSS 합성 점수 (BSS-C), 유도된 이요인 점수 (BSS:B-G, BSS:I-G, BSS:I-PF), TEC 점수, 나이, 그리고 상호작용 항 (예: 나이 × TEC, BSS-C × TEC) 이 포함되었습니다.
   • 검증: 모델은 10 폴드 교차 검증을 통해 내부적으로 검증되었습니다.

3. 평가 지표:

   • 모델 성능은 수신자 작동 특성 곡선 아래 면적 (AUROC), 민감도, 특이도, Youden 지수, 그리고 Brier 점수를 사용하여 평가되었습니다.

주요 결과

• 표본 특성: 표본의 7% ($n=77$) 가 해리성 심리병리의 위험군으로 분류되었습니다. 이 집단은 비위험군에 비해 유의하게 나이가 젊었고, 더 높은 수준의 외상을 보고했으며, 모든 REVS 및 해리 측정치에서 상승된 점수를 보였습니다.
• 요인 구조: 이요인 분석은 단일 일반 요인이 행동 하위 척도를 가장 잘 설명하는 반면, 자발성 상실 하위 척도는 일반 및 지각적 요인으로 구성된 2 요인 해법이 필요함을 확인했습니다.
• 모델 성능:
  • 탄성 그물 모델은 10 개 예측 변수 중 9 개를 유지했습니다.
  • 모델은 0.77의 AUROC (95% CI: 0.73–0.82) 를 달성하여 양호한 판별력을 나타냈습니다.
  • 민감도는 **78%**였으며, 특이도는 **67%**였습니다.
  • Brier 점수는 0.06 으로, 예측 변수 세트가 평균 제곱 오차의 75% 를 설명하는 탁월한 모델 적합도를 반영했습니다.
• 예측 변수의 유의성:
  • 나이는 최종 모델에서 통계적 유의성에 도달한 유일한 변수였습니다 (음의 계수, 즉 나이가 들수록 위험 감소).
  • **외상 (TEC)**과 REVS 측정치 (BSS-C, BSS:I-PF) 는 모델에 유지되었으나 개별적으로 유의하지 않았으며, 이는 높은 다중공선성과 탄성 그물의 축소 (shrinkage) 특성 때문일 가능성이 높습니다.
  • 상호작용 항 (예: 나이 × TEC, BSS-C × TEC) 은 유지되었으나 약한 효과를 보였습니다.
  • 주목할 만한 점은 자발성 상실감을 포함하는 BSS-C 의 효과 크기가 외상의 효과 크기보다 컸다는 것으로, 이는 주체성 (agency) 감을 평가하는 것의 추가적 가치를 시사합니다.
• 견고성: 총 DES 점수 임계값 (>30) 을 사용한 부차적 분석은 거의 동일한 결과 (AUROC = 0.762) 를 산출하여 위험군 상태의 다른 정의에 걸쳐 모델의 안정성을 확인했습니다.

주요 기여

1. 외상과 REVS 의 통합: 본 연구는 발달적 외상과 특성 REVS 가 단일 예측 프레임워크에 성공적으로 통합될 수 있음을 보여주며, 암시성이 외상의 영향을 조절할 수 있는 디아테시스 - 스트레스 모델을 지지합니다.
2. 자발성 상실감의 포함: 이요인 모델링을 활용함으로써, 본 연구는 해리의 맥락에서 암시에 대한 반응의 지각된 자발성 상실감이 REVS 의 핵심 구성 요소임을 강조하며, 행동적 반응만으로는 제공되지 않는 더 세밀한 예측 변수를 제시합니다.
3. 다변량 예측: 본 논문은 단변량 연관성을 넘어 중등도의 정확도 (77% 분류 확률) 로 위험군 개인을 식별하는 다변량 모델을 제공하여, 더 나은 조기 식별 도구의 필요성을 해소합니다.
4. 방법론적 엄밀성: 자동화된 표준화된 암시성 측정 도구 (BSS) 의 사용은 실험자 효과를 우회하며, 탄성 그물 회귀의 사용은 상관된 예측 변수가 존재하는 상황에서 변수 선택을 가능하게 합니다.

의의 및 주장
저자들은 이러한 발견이 해리성 심리병리의 위험 요인으로서 외상과 특성 REVS 를 강화하며, 위험군 개인을 식별하기 위해 이들을 결합할 수 있음을 입증한다고 주장합니다. 본 연구는 해리성 심리병리의 위험이 오직 외상에 의해 주도되는 것이 아니라, 인지적 특성 (특히 변화된 주체성/자발성 상실감) 과 인구통계학적 요인의 복합체에 의해 반영됨을 시사합니다.

논문은 임상 적용에 관해 겸손한 어조를 유지합니다. 명시적으로 현재 모델이 비임상 표본에 기반하며 외부 검증이 부족하므로, 이 단계에서는 임상 진단이나 실무 지침에 사용되어서는 안 된다고 명시합니다. 저자들은 독립적 재현, 정제된 외상 측정 도구의 포함, 그리고 임상 인터뷰 (예: SCID-D) 에 대한 검증을 수행한다면, 본 모델이 향후 연구와 잠재적 조기 식별 전략의 기초를 마련한다고 주장합니다. 이 연구는 해리가 암시성과 무관하다는 견해에 도전하며, REVS 와 해리 간의 연관성을 의인성 (iatrogenesis) 이나 위기 기억 문제만으로 축소하는 것에 반대합니다.