📄 health systems and quality improvement

Do established comorbidity scores predict in-hospital mortality equally well in women and men? A nationwide validation in 166.7 million German inpatient cases, 2010-2024

1억 6,670만 건의 독일 입원 사례를 대상으로 한 전국적인 검증에서, 세 가지 기성 동반질환 점수들이 동일한 변별력을 갖는 것으로 나타났으나 여성과 남성 사이에서 체계적으로 오보정되어 있었으며, 이는 공정한 병원 벤치마킹을 보장하기 위해 성별 특이적 재보정이 필요함을 뒷받침한다.

원저자: Decker, J. A., Mirbagheri, H., Hellbrueck, S., Pfadenhauer, L. M., Seeland, U., Kroencke, T., Scheurig-Muenkler, C.

게시일 2026-09-15

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Decker, J. A., Mirbagheri, H., Hellbrueck, S., Pfadenhauer, L. M., Seeland, U., Kroencke, T., Scheurig-Muenkler, C.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

병원들은 끊임없이 자신들의 성과를 비교하며, "우리가 다른 병원들보다 환자를 더 잘 살려내고 있는가?"라는 근본적인 질문을 던집니다. 이를 공정하게 답하기 위해서는 환자가 도착하기 전 얼마나 아팠는지를 고려해야 합니다. 다리가 부러진 채로 왔지만 심장은 건강한 환자는, 다리는 부러졌지만 심부전이 있는 환자와는 다른 위험에 직면합니다. 이러한 비교를 위해 의사들은 '동반 질환 점수(comorbidity scores)'를 사용합니다. 이는 환자의 병력을 바탕으로 계산된 단순한 숫자로, 환자가 가진 모든 기존 질환들을 하나의 위험 추정치로 결합한 것입니다. 수십 년 동안 이 점수들은 환자가 남성인지 여성인지와 상관없이 모두에게 동일한 공식을 사용하여 적용되어 왔습니다. 수학적 원리가 양쪽 성별 모두에게 똑같이 작동할 것이라는 가정이 있었던 것입니다. 하지만 생물학적 차이가 남녀 간에 존재하는 의학의 세계에서, 이러한 가정은 대규모로 검증된 적이 거의 없습니다. 만약 공식이 한 집단에 대해 약간이라도 어긋난다면, 이는 수천 건의 연구 결과를 왜곡하고 병원들의 순위를 뒤바꿔 놓아, 어떤 병원을 실제보다 더 나쁘거나 혹은 더 좋게 보이게 만들 수 있습니다.

한 연구팀은 전례 없는 규모의 데이터셋을 사용하여 이 가정을 테스트하기로 했습니다. 그들은 2010년부터 2024년까지 15년 동안 독일에서 발생한 약 1억 6,700만 건의 성인 입원 기록을 조사했습니다. 이것은 작은 표본이 아니었습니다. 해당 기간 동안 독일 내 거의 모든 급성기 입원 기록을 망라한 완전한 기록이었습니다. 연구진은 전 세계적으로 사망 위험을 예측하는 데 사용되는 세 가지 특정 점수 체계에 집중했습니다. 그들은 이 점수들이 남성과 여성에게 동일하게 사망을 예측하는지 확인하고자 했습니다. 구체적으로 두 가지를 점검했습니다. 첫째, 예측된 위험이 실제 사망 수치와 일치하는지(교정, calibration), 둘째, 점수가 사망할 환자와 생존할 환자를 성공적으로 구분해 낼 수 있는지(변별력, discrimination)였습니다.

결과는 명확하고 일관된 패턴을 보여주었습니다. 이 점수들은 환자의 순위를 매기는 데는 대체로 유능했습니다. 즉, 고위험군과 저위험군 환자를 여전히 구분해 낼 수는 있었습니다. 하지만 실제 사망자 수를 남성과 여성에게 동일하게 예측하지는 못했습니다. 연구진이 동일한 점수를 가진 환자 집단을 살펴보았을 때, 남성이 여성보다 더 자주 사망한다는 사실을 발견했습니다. 예를 들어, 한 점수 체계에서는 특정 위험 수준을 가진 남성이 동일한 점수를 가진 여성보다 병원에서 사망할 확률이 약 21% 더 높았습니다. 이 차이는 우연이 아니었습니다. 15년 동안의 데이터 전체와 거의 모든 연령대에서 일관되게 나타났습니다. 점수들은 남성의 위험은 과소평가하고 여성의 위험은 과대평가하거나, 혹은 특정 점수에 따라 그 반대로 작용하여 체계적인 격차를 만들어냈습니다.

흥미롭게도, 환자의 순위를 올바르게 매기는 능력은 양쪽 성별 모두에서 매우 유사하게 유지되었습니다. 생존자와 사망자를 구분해 내는 능력의 차이는 매우 작아서 무시할 수 있는 수준이었습니다. 진짜 문제는 점수가 누가 더 아픈지를 식별하지 못하는 것이 아니라, 각 성별에 대한 실제 사망 확률을 잘못 계산하고 있다는 점이었습니다. 연구진은 개별 환자에게 있어 이 차이가 의사의 즉각적인 치료 결정에 영향을 미칠 만큼 크지는 않다고 언급했습니다. 그러나 이 점수들이 전체 병원을 비교하고 국가 보건 정책을 안내하는 데 사용되기 때문에, 오류는 사라지지 않고 축적됩니다. 만약 어떤 병원이 여성보다 남성을 더 많이 치료한다면, 표준 공식은 그 병원이 실제보다 더 나쁘거나 혹은 더 좋게 보이도록 만들 수 있습니다. 이는 단순히 환자의 구성 비율에 따라 수학적 모델이 맞지 않기 때문입니다.

연구는 왜 이런 현상이 발생하는지에 대해서도 탐구했습니다. 데이터에 따르면 병원에 입원한 남성들은 간 질환이나 부정맥과 같이 사망과 직결되는 가장 심각한 질환을 더 많이 앓고 있었던 반면, 여성은 우울증과 같은 질환의 비율이 더 높았습니다. 점수들은 이러한 질환들을 계산에 포함하지만, 동일한 질환이라 하더라도 환자의 성별에 따라 그 무게나 심각성이 달라질 수 있다는 점은 고려하지 않습니다. 연구진은 이 패턴이 연도나 환자의 연령과 관계없이 일정하다는 것을 발견했으며, 이는 문제가 점수가 원래 어떻게 만들어졌는지, 그리고 현재 어떻게 사용되고 있는지에 내재되어 있음을 시사합니다.

이 방대한 분석은 모든 사람에게 단일한 공식을 사용하는 오랜 관행이 병원 사망률을 예측하는 데 있어 결함이 있음을 시사합니다. 저자들은 이러한 기성 점수들이 남성과 여성에 대해 서로 다르게 교정되어 있다고 결론지었습니다. 이 점수들이 환자의 순위를 매기는 데는 여전히 충분히 유용하지만, 실제 사망률을 예측하는 데 있어 나타나는 체계적인 차이는 병원 비교와 연구에 편향을 초래한다는 것입니다. 연구는 이 문제를 해결하는 방법을 제시하는 것이 아니라, 현재의 도구들을 재검토해야 한다는 강력한 근거를 제공합니다. 병원 간의 공정한 비교와 정확한 연구를 보장하기 위해, 저자들은 이 점수들이 남성과 여성에 맞춰 별도로 재교정되거나, 계산 과정에 성별을 변수로 추가해야 할 수도 있다고 제안합니다. 그때까지 병원의 성과를 판단하는 데 사용되는 숫자들은, 그 숫자가 설명하고자 하는 환자의 성별에 의해 조용히 왜곡될 수 있습니다.

기술적 요약: 독일 입원 환자 데이터(2010–2024)를 활용한 입원 사망률에 대한 성별 층화 동반질환 점수의 타당성 검증

문제 제기
행정적 병원 퇴원 데이터에서 유도된 동반질환 점수는 공공 보고, 병원 벤치마킹, 임상 의사결정 지원을 위한 위험 조정의 표준 도구로 사용된다. 이러한 널리 사용되는 도구들—특히 찰슨 동반질환 지수(CCI), 엘릭스하우저 동반질환 합계(Elixhauser Comorbidity Sum), 반 왈라벤 점수(van Walraven Score)—은 남성과 여성 모두에게 단일 공식을 사용하여 적용된다. 심혈관 위험 예측과 같은 다른 영역에서는 성별 특이적 모델이 채택되었음에도 불구하고, 위험 조정 분야는 이를 따르지 않고 있다. 저자들은 성별 중립적인 점수를 성별로 층화된 인구 집단에 적용할 경우, 개별 위험 추정치를 왜곡하고 의료의 질과는 무관하게 환자 구성의 성별 조성에 따라 병원에 이득을 주거나 불이익을 줄 수 있다고 주장한다. 찰슨 지수의 성별 관련 미교정(miscalibration)에 대한 기존 증거는 제한적이었으며 장기적 결과에 국한되어 있었고, 세 가지 주요 점수 모두에 대한 전국적인 입원 사망률 평가 연구는 존재하지 않았다.

연구 방법론
본 연구는 기존 예측 모델의 외부 타당성을 검증하기 위해 설계된 인구 기반 회귀 코호트 연구(TRIPOD Type 4)이며, 모델의 재개발 없이 수행되었다.

데이터 소스: 연방 통계청의 연구 데이터 센터(FDZ)를 통해 접근한 2010년부터 2024년까지의 독일 전체 국가 단위 급성 체성 DRG(진단명 기준 입원 그룹) 입원 사례.
코호트: 사전 정의된 9단계 적격성 필터(예: 연령 18~110세, 표준 입원, 병원 간 전원 제외, 임신을 주 진단으로 하지 않음)를 충족하는 166,693,491건의 성인 입원 사례(남성 8,120만 명, 여성 8,550만 명).
예측 변수: 세 가지 점수는 Quan ICD-10-GM 코딩 알고리즘을 사용하여 계산되었다:
1. 찰슨 동반질환 지수: Quan 2011 재가중 버전.
2. 엘릭스하우저 동반질환 합계: 31개 영역의 가중치 없는 합계.
3. 반 왈라벤 점수: 엘릭스하우저 영역의 점수화 적응형.
결과 변수: 입원 사망률(행정적 퇴원 코드 사망).
통계 분석:
- 주요 축 (교정/Calibration): 교정-인-더-라지(CITL), 교정 기울기(calibration slope), 점수 분위수별 관찰된 사망률을 통해 평가하였다. 분석은 단일 통합 모델을 사용하여 성별 층화 하위 그룹 내에서 관찰된 사망률과 예측된 사망률를 비교하였다.
- 이차 축 (변별력/Discrimination): 수신자 조작 특성 곡선 아래 면적(AUC)을 통해 평가하였다.
- 추론: 방대한 표본 크기를 고려하여, 통계적 유의성은 정보 가치가 없는 것으로 간주하였다. 저자들은 임상적으로 의미 있는 임계값을 사전 설정하였다(성별 간 교정 기울기 차이 $\ge$ 0.05 및 AUC 차이 $\ge$ 0.01).
- 통합(Pooling): 각 연도를 독립적인 실현값으로 취급하여, 15개 보고 연도에 걸친 결과를 통합하기 위해 DerSimonian-Laird 변량 효과 메타 분석을 사용하였다.

주요 결과

교정 (주요 발견):
- 교정-인-더-라지(CITL): 모든 점수에 대해 두 성별 모두에서 사실상 완벽함( $|CITL| \le 0.0004$ )을 보였으며, 이는 평균 예측 위험이 관찰된 사망률과 일치함을 나타낸다.
- 교정 기울기: 유의미한 체계적 차이가 발견되었다. 점수들은 남성과 여성에 대해 서로 다른 속도로 상승하는 위험을 추적하였으며, 종종 반대 방향을 나타냈다.
  - 찰슨: 기울기 0.968 (남성) vs 1.034 (여성); 차이 0.066.
  - 엘릭스하우저 합계: 기울기 1.018 (남성) vs 0.979 (여성); 차이 0.039.
  - 반 왈라벤: 기울기 0.986 (남성) vs 1.015 (여성); 차이 0.029.
- 관찰된 사망률: 동일한 점수 분위수에서 일반적으로 남성이 여성보다 높은 사망률을 보였다. 찰슨 지수의 세 번째 분위수에서 최대 위험비(남성:여성)는 1.21 (95% CI 1.20–1.22)이었다. 예외적으로 두 개의 반 왈라벤 분위수에서는 여성이 약간 더 높은 사망률을 보였다.
- 안정성: 기울기 편차의 방향은 15개 보고 연도 전체와 연령 층(18~79세) 전체에서 부호가 일정하였으나, 80세 이상 집단에서는 약화되었다.
변별력 (이차 발견):
- 성별 간 변별력(AUC) 차이는 미미하였으며 사전 설정된 임계값 0.01 미만이었다.
- 찰슨: $\Delta$ AUC (남성 - 여성) = -0.0076.
- 엘릭스하우저 합계: $\Delta$ AUC = +0.0074.
- 반 왈라벤: $\Delta$ AUC = -0.0026.
- 변별력 차이의 방향은 연도별로 일관되었으나, 그 크기는 교정 기울기 차이보다 약 5~11배 작았다.
민감도 분석:
- 입원 유형: 응급 입원과 선택적 입원 사이에서 역전 현상이 관찰되었다. 응급 입원은 남성에게 유리했다( $\Delta$ AUC +0.0077). 선택적 입원은 여성에게 유리했다( $\Delta$ AUC -0.0114).
- 성별 특이 진단: 모든 성별 특이 진단을 제외했을 때 변별력 차이가 남성에게 유리한 방향으로 역전되었다. 임신 관련 사례를 제외했을 때 원래의 차이가 더 커졌다.
- 연령: 연령이 증가함에 따라 변별력이 급격히 감소하였다 (18~44세의 ~0.82–0.95에서 80세 이상의 ~0.63–0.71로).

의의 및 주장
본 논문은 확립된 동반질환 점수들이 평균적으로는 올바르게 교정되어 있으나(CITL), 단일 공식을 두 성별에 적용할 때 위험 예측의 기울기 측면에서 체계적으로 미교정되어 있다고 주장한다.

메커니즘: 저자들은 동일한 점수에서 이 코호트의 남성들이 사망과 밀접하게 연관된 질환(예: 간 질환, 전이성 암)의 부담을 더 많이 지는 반면, 여성은 점수는 높이지만 즉각적인 입원 사망 예측력은 낮은 질환(예: 우울증)을 가질 수 있다고 제안한다. 이로 인해 남성이 동일한 점수에서 여성보다 상대적으로 더 많이 사망하게 된다.
시사점: 개별 임상 결정에 있어서 이러한 차이는 치료를 바꿀 만큼 크지는 않을 것이라고 저자들은 주장한다. 그러나 핵심은 이 편향의 체계적이고 비평균적인 성격에 있다. 이러한 점수들이 병원 벤치마킹(표준화 사망비) 및 관찰 연구를 위해 대규모로 재사용되기 때문에, 일관된 방향성을 가진 교정 편향은 환자 구성의 성별 조성에 따라 병원 간 비교를 왜곡한다.
결론: 본 연구는 성별 특이적 재교정 또는 위험 조정 모델에 성별을 공변량으로 포함하는 연구의 필요성을 뒷받침한다. 저자들은 이러한 점수가 고위험 의사결정 지원에 사용될 경우, 변별력뿐만 아니라 교정을 포함한 형평성 평가가 필요할 수 있음을 명시하며, 병원 벤치마킹에 미치는 하류 효과가 아직 정량화되지 않았으며 무시할 수 있다고 단정해서는 안 된다고 언급한다. 또한 2024년 EU AI 법에 따라, 고위험 의사결정 지원에 사용되는 이러한 점수들은 교정을 포함한 형평성 평가를 요구할 수 있음을 지적한다.

유사한 논문