Psychosocial Factors Outweigh Short-Term Environmental Exposures in Subjective Cognitive Difficulties: A Causal AI Study

기술 요약: 주관적 인지 어려움에 있어 심리사회적 요인이 환경적 노출보다 더 큰 영향을 미침

문제 제기
기존의 관찰 문헌은 단기적인 환경 노출(예: 기온 극한치, 대기 오염)과 인지 능력 또는 주의력 사이의 연관성을 시사한다. 그러나 이러한 연관성을 해석하는 것은 까다로운데, 이는 환경적 노출이 지리, 계절, 인프라 및 사회경제적 조건에 의해 심하게 교란되기 때문이다. 횡단적 분석은 관찰된 연관성이 급성 환경 효과를 반영하는 것인지, 아니면 지역 간의 지속적인 맥락적 차이를 반영하는 것인지를 구분하지 못하는 경우가 많다. 주관적 인지 어려움(SCD)은 정신 건강, 외로움, 사회적 기능과 같은 심리사회적 요인에 의해 강하게 영향을 받는 것으로 알려져 있으나, 엄격한 인과 추론 프레임워크를 통해 분석했을 때 환경적 요인과 심리사회적 요인의 상대적 중요성은 여전히 불분명하다.

연구 방법론
본 연구는 **All of Us 연구 프로그램(2018–2024)**의 종단 데이터를 활용하였으며, ZIP3 지리 코드를 통해 일일 환경 노출 기록(기온, 강설량, 강수량, 블리자드 노출, PM2.5)을 반복적인 참가자 수준의 인지 및 주의력 결과와 연결하였다.

• 식별 전략: 위치 내 시간적 변동과 위치 간 맥락적 차이를 분리하기 위해, 저자들은 점진적으로 제한적인 인과 추론 모델들을 채택하였다:
  • 풀링 모델(Pooled Models): 모든 데이터에 대한 표준 회귀 분석.
  • 고정 효과 모델(Fixed-Effects Models): 시간 불변의 지리적 및 인구통계학적 교란 요인을 제거하기 위한 ZIP3 특정 고정 효과($\alpha_z$) 및 달력 시간 효과($\gamma_t$).
  • 시차 및 사건 연구 분석(Lagged and Event-Study Analyses): 환경 충격 전후의 시간적 역동성 및 사전 추세를 평가하기 위함.
  • 이중 차분 모델(Doubly Demeaned Models): 변동성을 더욱 격리하기 위함.
• 인과 AI 및 머신러닝: 고차원적 교란 및 비선형 관계를 평가하기 위해 다음을 포함한 고급 방법론을 통합하였다:
  • 이중 머신러닝(DML) 및 인과 포레스트(Causal Forests): 고차원 교란과 비선형성을 처리하기 위함.
  • 조건부 변이 오토인코더(cVAE): 잠재적 심리사회적 표현을 모델링하기 위함.
• 독립적 재현: 연구 결과는 심리사회적 요인(외로움, 정신 건강 일수)과 SCD 사이의 연관성에 초점을 맞춘 2024 행동 위험 요인 감시 체계(BRFSS)(국가 단위 횡단 조사)를 사용하여 검증되었다.
• 매개 분석: 환경적 효과가 심리적, 행동적 또는 생리적 경로를 통해 작용하는지 탐색하였다.

주요 기여

1. 인과 프레임워크 적용: 본 논문은 환경 보건 연구에 엄격한 준실험적 프레임워크(고정 효과, 사건 연구)를 적용하여, 고정된 지리적 및 맥락적 요인을 통제할 때 풀링된 연관성이 어떻게 약화되는지를 보여준다.
2. 인과 AI의 통합: 전통적인 종단 경제학 분석과 현대적 인과 AI(DML, 인과 포레스트, 잠재 표현 학습)를 결합하여 비선형성 및 고차원 교란에 대한 결과의 견고성을 평가하였다.
3. 비교 효과 크기 분석: 심리사회적 변수가 환경적 예측 변수보다 SCD에 대해 지배적이라는 것을 입증하기 위해 환경 노출과 심리사회적 요인의 크기를 체계적으로 비교하였다.
4. 외부 타당성 검증: 독립적인 국가 대표 데이터셋(BRFSS)에서 심리사회적 상관관계의 우선순위를 확인하여 결과의 일반화 가능성을 강화하였다.

결과

• 환경적 노출: 풀링 분석에서 기온 충격은 주의력 저하와 완만한 연관성을 보였다($\beta = 0.0315, p = 0.032$). 그러나 이 연관성은 고정 효과 모델($\beta = 0.011, p = 0.617$) 및 기타 위치 내 명세에서 상당히 약화되어 통계적으로 유의미하지 않게 되었다. 마찬가지로, 환경적 노출과 주관적 인지 어려움 사이의 연관성은 모든 모델 명세(풀링, 고정 효과, 사건 연구)에서 일관되게 0에 가까웠다.
• 심리사회적 요인: 이와 극명하게 대조적으로, 심리사회적 변수는 SCD와 상당히 크고 통계적으로 유의미한 연관성을 나타냈다:
  • 정신 건강 부담: $\beta = -0.114$ ($p < 0.001$)
  • 사회적 기능: $\beta = -0.102$ ($p < 0.001$)
  • 문해력 관련 척도: $\beta = -0.082$ ($p < 0.001$)
  • 외로움: $\beta = 0.053$ ($p < 0.001$)
• 재현 (BRFSS): BRFSS 분석은 이러한 패턴을 확인했다. 외로움은 주관적 인지 저하와 강력하게 연관되어 있었다 (OR = 1.81, 95% CI 1.76–1.86). BRFSS의 매개 분석에 따르면, 외로움과 SCD 사이의 연관성 중 약 28.6%가 좋지 않은 정신 건강 일수를 통해 매개되는 것으로 나타났다.
• 매개 경로: All of Us 코호트에 대한 탐색적 매개 분석 결과, 단기 환경 노출이 검토된 심리적, 행동적 또는 생리적 경로를 통해 인지 결과에 영향을 미친다는 증거는 거의 발견되지 않았다. 간접 효과는 일관되게 작았다.
• AI 결과: 인과 AI 분석(DML, 인과 포레스트, cVAE)은 주요 종단 모델과 일치하는 결과를 생성하였으며, 이는 잠재적 심리사회적 부담이 환경적 충격보다 SCD의 더 강력한 예측 변수임을 확인해 주었다.

의의 및 주장
본 논문은 심리사회적 요인이 종단적 인과 추론 및 인과 AI 프레임워크를 통해 분석했을 때 단기 환경 노출보다 주관적 인지 어려움과 더 강력하고 일관되게 연관되어 있다고 주장한다.

저자들은 위치 내 식별 전략 하에서 환경적 연관성이 약화되는 현상은 기존 문헌의 많은 풀링된 연관성이 급성 환경 효과보다는 광범위한 지리적 및 맥락적 차이(예: 지역적 사회경제적 지위, 인프라)를 반영하고 있음을 시사한다고 주장한다.

결과적으로, 본 연구는 외로움, 심리적 고통, 그리고 손상된 사회적 기능을 대상으로 하는 개입이 단기 환경 변동을 완화하는 데 집중하는 접근 방식보다 주관적 인지 부담을 줄이는 데 더 큰 잠재력을 가질 수 있다고 결론짓는다. 이 연구 결과는 대규모 관찰 데이터에서 인지 건강 결과의 원인을 환경적 요인으로 잘못 돌리는 것을 방지하기 위해 환경적 신호와 맥락적 및 심리사회적 영향력을 구분해야 할 필요성을 강조한다.