A Review of Suicide-Related Risks through Propensity Score Methods using the Maryland Suicide Data Warehouse

자살 가능성을 예측하는 것은 의학에서 가장 어려운 과제 중 하나입니다. 의사들과 연구자들은 심각한 우울증이나 약물 남용과 같은 특정 질환이 자살 위험을 높인다는 사실을 오래전부터 알고 있었습니다. 하지만 어떤 요인이 가장 중요한지 파악하는 것은 복잡한데, 그 이유는 사람들이 단 하나의 문제만을 겪는 경우가 드물기 때문입니다. 어떤 사람은 불안증, 실직, 만성 통증을 동시에 겪으며 고통받을 수 있습니다. 연구자들이 컴퓨터 모델을 사용하여 이러한 상황을 연구하려 할 때, 중첩되는 요인의 엄청난 숫자는 결과를 혼란스럽게 만들 수 있습니다. 특정 진단명이 위험의 원인인지, 아니면 그저 그 사람의 어려운 삶의 환경에 따른 부수적인 결과인지 구별하기가 어려워지는 것입니다. 이를 해결하기 위해 과학자들은 마치 서로 다른 요인을 제외하고는 모든 면에서 동일한 것처럼 서로 다른 집단의 가중치를 두어 공정하게 비교할 수 있게 해주는 저울과 같은 통계적 도구들을 개발했습니다.

존스 홉킨스 대학교의 한 연구팀은 무엇이 진정으로 자살 위험을 유발하는지 명확히 하기 위해 이 도구들을 방대한 양의 실제 데이터를 대상으로 테스트하기로 했습니다. 그들은 병원 및 클리닉의 의료 기록과 공식 사망 기록을 연결하는 메릴랜드주의 데이터베이스를 활용했습니다. 이를 통해 약 100만 명의 생존 환자를 살펴보고, 2016년에서 2020년 사이에 자살로 사망한 약 2,000명의 사람과 비교할 수 있었습니다. 연구진은 이러한 고급 가중치 적용 방식이 데이터가 말해주는 이야기를, 특히 사망 전 1년 동안 사람들이 얼마나 자주 의사를 방문했는지와 어떤 특정 진단을 받았는지에 대한 이야기를 바꾸어 놓을 수 있을지 확인하고자 했습니다.

연구진은 먼저 아무런 조정 없이 가공되지 않은 수치를 살펴보는 것부터 시작했습니다. 당연하게도, 자살로 사망한 사람들은 생존 환자들에 비해 조울증, 외상 후 스트레스 장애, 정신병적 장애와 같은 정신 건강 질환 진단을 받은 경우가 훨씬 더 많았습니다. 또한 이들은 약물이나 알코올 남용으로 고통받았을 가능성도 더 높았습니다. 조정되지 않은 데이터에서 조울증 진단을 받는 것은 진단이 없는 사람보다 자살 사망 확률을 약 26배 더 높게 나타냈습니다. 마찬가지로, 약물 남용 이력이나 주거 불안정과 같은 사회적 어려움도 결과와 강한 연관성을 보였습니다. 데이터는 또한 이들이 일반 인구보다 의사, 응급실, 병원을 훨씬 더 자주 방문했으며, 특히 사망하기 며칠 전과 몇 주 전에 그러했다는 점을 보여주었습니다.

하지만 연구진이 집단을 균형 있게 맞추기 위해 통계적 가중치 적용 방식을 적용하자 이야기는 크게 달라졌습니다. 정신 질환을 가진 사람들이 흔히 겪는 다른 중첩된 문제들을 고려하여 조정했을 때, 특정 요인과 자살 위험 사이의 연결 고리는 그 강도가 변했습니다. 어떤 조건들의 경우, 초기 수치보다 위험도가 더 높게 나타나기도 했습니다. 예를 들어, 집단을 균형 있게 조정한 후 오피오이드(마약성 진통제) 사용과 자살 사망 사이의 연결은 더욱 강력해졌으며, 조정된 분석에서는 초기 모델의 2.1보다 높은 3.08의 오즈비(odds ratio)를 보였습니다. 여러 가지 약물 남용 장애를 가진 사람들의 경우도 마찬가지였으며, 조정된 분석은 이들의 위험이 단순한 병원 방문 횟수가 나타내는 것보다 훨씬 더 크다는 것을 보여주었습니다.

아마도 가장 놀라운 변화는 사회적 필요(social needs) 측면에서 일어났을 것입니다. 조정되지 않은 분석에서는 주거 불안정이나 식량 불안정과 같이 코드로 분류된 사회적 필요를 갖는 것이 오히려 자살 위험을 낮추는 것처럼 보였는데, 이는 직관에 어긋나는 현상이었습니다. 그러나 연구진이 환자들이 직면한 복잡한 의료적, 사회적 요인들을 설명하기 위해 가중치 적용 방식을 사용하자, 그림은 완전히 뒤집혔습니다. 조정된 결과는 이러한 사회적 어려움이 실제로 강력한 위험 요인이며, 자살 사망 가능성을 3배 이상 높인다는 것을 보여주었습니다. 이는 초기 모델이 사람들의 심각한 사회적 필요가 다른 유형의 케어를 받게 함으로써 실제 위험을 가렸기 때문에 전체적인 그림을 놓치고 있었음을 시사합니다.

연구는 또한 사람들이 얼마나 자주 의사를 만나는지, 그리고 사망에 얼마나 가까운 시점에 그 방문이 이루어졌는지를 면밀히 조사했습니다. 연구진은 접촉 빈도가 강력한 신호라는 것을 발견했습니다. 자살로 사망한 사람들은 사망 전 1년 동안 생존 환자들에 비해 훨씬 더 많은 의료적 접촉을 가졌습니다. 이 차이는 생애 마지막 주에 가장 극적으로 나타났습니다. 사망한 사람들 중 2.6%는 사망 전 7일 동안 6회 이상의 별도 의료 방문을 기록한 반면, 대조군인 생존자 중에는 그렇게 많은 방문을 한 사람이 극소수에 불 불과했습니다. 연구진이 이 높은 접촉 빈도를 기준으로 위험을 계산했을 때, 그 차이는 극명했습니다. 일주일에 6회 이상의 방문을 하는 것은 방문 횟수가 적은 경우보다 위험도를 거의 100배나 높이는 것과 연관되어 있었습니다. 이 패턴은 연구진이 사용한 모든 통계적 방법론에서도 일관되게 나타났으며, 이는 의료 활동의 갑작스러운 급증이 결정적인 경고 징후임을 확인시켜 주었습니다.

연구진은 이러한 통계적 가중치 도구들이 정답을 얻는 데 필수적이라고 결론지었습니다. 그들은 전통적인 방식들이 세부 사항을 뭉뚱그려 놓아 위험 요인의 진정한 강도를 파악하기 어렵게 만든다는 것을 발견했습니다. 이러한 도구들을 사용함으로써, 연구진은 사회적 어려움과 자살 사이의 관계가 이전에 생각했던 것보다 훨씬 더 강력하며, 생애 마지막 며칠 동안 받는 의료 서비스의 양 자체가 거대한 위험 지표라는 것을 볼 수 있었습니다. 이 연구는 자살 예측 문제를 해결했다고 주장하는 것이 아니라, 데이터를 바라보는 더 명확한 방법을 제시합니다. 이는 임상의가 사회적 어려움을 겪는 환자나 병원 방문이 갑자기 증가한 환자를 볼 때, 표준 모델이 나타내는 것보다 훨씬 더 높은 수준의 위험을 마주하고 있음을 시사합니다. 이 연구는 자살 위험을 이해하기 위해서는 단순히 고립된 진단명이 아니라, 그 사람의 전체 모습과 의료 케어의 전체 이력을 살펴보아야 한다는 점을 강조합니다.