Development and validation of claims-based algorithms to ascertain gestational age in multiple gestations

기술 요약: 다태 임신에 대한 청구 기반 알고리즘의 개발 및 검증

문제 제기
정확한 임신 주수(Gestational Age, GA) 할당은 임신 시기, 태아/신생아 결과, 그리고 시간 가변적 노출을 분류하는 데 필수적인 임신 역학 연구의 초석이다. 그러나 대규모 연구에 점점 더 많이 사용되는 행정 청구 데이터베이스에는 임신 주수가 직접 기록되지 않는다. 간접 지표(진단 코드, 처치 날짜 등)가 임신 주수를 추정하기 위해 흔히 사용되지만, 기존 알고리즘은 주로 단태 임신(singleton pregnancies)을 대상으로 개발 및 검증되었다. 다태 임신(쌍둥이, 세쌍둥이 등)은 조산율이 더 높고 의료 이용 패턴이 다른 독특한 산과적 특성을 보이는데, 이는 단태 임신 유래 알고리즘을 부정확하거나 적용 불가능하게 만들 수 있다. 결과적으로, 청구 데이터를 사용하여 다태 임신에 특화된 임신 주수를 추정할 수 있는 검증된 방법론이 부족한 실정이다.

연구 방법론
본 연구는 인구의 97%를 포괄하는 국민건강보험공단(NHIS) 데이터베이스를 활용하였으며, 이를 영유아 건강검진 프로그램(NHSPIC)과 연계하여 참조 표준(reference standard)을 구축하였다.

• 연구 대상: 코호트는 2015년부터 2024년 사이의 분만 관련 청구가 포함된 26,714건의 다태 임신 사례를 포함하였다. 산모의 입원 기간 내에 신생아 출생일이 포함되지 않거나, 참조 임신 주수가 24~40주 범위를 벗어나는 임신은 제외되었다.
• 참조 표준: 참조 임신 주수는 NHSPIC 연계를 통해 도출되었으며, 임신 기간을 280일로 가정하여 추정 분만 예정일(EDC)과 신생아 출생일을 바탕으로 산출되었다.
• 알고리즘 개발: 데이터셋을 개발 세트와 테스트 세트로 분할하였다. 네 가지 서로 다른 알고리즘을 개발하였다:
  1. 알고리즘 1 (ICD-10 코드 기반): 조산(PTB) 관련 진단 코드를 사용하여, 조산 코드가 있는 경우와 없는 경우의 중앙값 임신 주수를 기준으로 대표 임신 주수 값을 할당하였다.
  2. 알고리즘 2 (초음파 기반): 산전 초음파 시기를 사용하여 임신 주수를 추정하였다. 다양한 윈도우(window)를 테스트하였으며, 개발 세트의 성능을 바탕으로 '1분기 표적 초음파'가 최적의 지표로 선택되었다.
  3. 알고리즘 3 (산전 선별 검사 기반): 산전 선별 검사 시기를 사용하여 임신 주수를 추정하였다. 모체 혈청 알파태아단백(MSAFP), 비결합 에스트리올(uE3), 인히빈 A의 조합이 가장 우수한 성능을 보이는 지표로 선택되었다.
  4. 알고리즘 4 (계층적 구조): 성능에 따라 지표의 우선순위를 정하는 순차적 프레임워크를 적용하였다: 알고리즘 2(초음파)를 우선순위로 하되, 알고리즘 3(선별 검사)을 다음으로, 이전 지표를 사용할 수 없는 경우 마지막으로 알고리즘 1(진단 코드)을 적용하였다.
• 평가 지표: 성능은 평균 절대 오차(MAE), 참조 임신 주수 대비 ±7일 및 ±14일 이내의 정확도, 그리고 결측률(임신 주수를 추정할 수 없는 임신의 비율)을 사용하여 측정되었다.

주요 결과

• 알고리즘 1 (ICD-10): MAE 10.3일, ±7일 이내 정확도 51.4%로 가장 낮은 정확도를 보였다. 결측값은 없었다.
• 알고리즘 2 (초음파): MAE 5.59일, ±7일 이내 정확도 81.8%로 가장 높은 추정 정확도를 달성하였다. 그러나 일부 임신의 초음파 청구 누락으로 인해 27.5%의 높은 결측률을 보였다.
• 알고리즘 3 (선별 검사): MAE 6.42일, ±7일 이내 정확도 77.4%로 강력한 성능을 보였으며, 결측률은 9.6%였다.
• 알고리즘 4 (계층적 구조): 세 가지 접근 방식을 통합함으로써 완전한 임신 주수 할당(결측률 0%)을 성공적으로 달ato하였다. 이 방식은 MAE 6.14일, ±7일 이내 정확도 79.1%를 유지하며 높은 성능을 보였다. 계층적 구조는 초음파를 통해 72.5%, 선별 검사를 통해 24.7%, 진단 코드를 통해 2.9%의 사례에 임신 주수를 할당하였다.

의의 및 주장
저자들은 본 연구가 다태 임신을 위해 특별히 설계된 최초의 검증된 청구 기반 알고리즘을 제공한다고 주장한다. 주요 기여는 단태 인구에서 유도된 알고리즘을 다태 임신에 적용할 경우, 본 코호트에서 관찰된 대표 임신 주수의 변화에서 알 수 있듯이 체계적인 분류 오류(misclassification)를 유발할 수 있음을 입증한 것이다.

본 연구는 계층적 프레임워크가 행정 데이터베이스 연구를 위한 실용적인 해결책을 제공한다는 점을 강조한다. 가장 정확한 임상 지표(1분기 표적 초음파)를 우선시하면서 선별 검사와 진단 코드로 보완함으로써, 제안된 프레임워크는 높은 추정 정확도와 데이터 완결성 사이의 균형을 맞춘다. 이러한 접근 방식은 특정 고품질 청구(예: 초음파 기록)가 없는 임신을 제외함으로써 발생하는 선택 편향을 제거하여, 다태 임신의 모성 및 신생아 결과에 대한 보다 견고한 역학 연구를 지원한다. 저자들은 이 프레임워크가 해석 가능하고 적응력이 높지만, 산전 관리 이용 양상 및 코딩 관행의 차이로 인해 다른 의료 체계에 적용하기 전에는 외부 검증이 필요하다고 언급하였다.