Divergent Cardiometabolic Comorbidity Patterns Between Physically Active and Inactive US Adults With Prediabetes: An Association Rule Analysis and Explainable Machine Learning Study Using NHANES 2011–2018

기술 요약: 미국 내 신체 활동이 활발한 성인과 비활성 성인의 당뇨 전단계 간의 상이한 심혈관계 대사 동반 질환 패턴

문제 제기
당뇨 전단계는 미국 성인의 약 38%에 영향을 미치며, 고혈압, 비만, 이상지질혈증, 간 효소 이상을 포함한 심혈관계 대사 질환의 집합체와 빈번하게 공존한다. 신체 활동(PA)은 당뇨병 예방의 초석이지만, 기존 문헌은 주로 개별 질병 유병률의 감소에 초점을 맞추었을 뿐, 신체 활동 상태가 다중 질환 패턴의 '구조(architecture)'에 어떻게 영향을 미치는지에 대해서는 규명하지 못했다. 전통적인 회귀 기반 역학 방법론은 예측 변수 간의 독립성을 가정하는 경우가 많으며, 여러 질환의 복잡하고 비선형적인 공존 현상을 포착하는 데 한계가 있다. 또한, 데이터 기반 접근법을 적용하여 미국 내 당뇨 전단계 성인의 신체 활동 층화된 동반 질환 패턴을 체계적으로 조사한 연구는 없었으며, 연관 규칙 탐색(association rule mining)과 설명 가능한 머신러닝을 결합하여 이 관계에 대한 보완적인 분석 관점을 제공한 연구도 없었다.

연구 방법론
본 연구는 2011~2018년 국민건강영양조사(NHANES)의 국가 대표 데이터를 활용하였으며, 대상은 20세 이상의 미국 성인 10,891명이다. 분석 대상은 미국 당뇨병 학회(ADA) 기준을 충족하는 당뇨 전단계 환자 3,228명과 제2형 당뇨병(T2D) 환자 1,154명으로 구성되었다.

본 연구는 이중 방법론적 분석 프레임워크를 채택하였다:

1. 연관 규칙 탐색 (Association Rule Mining, ARM): Apriori 알고리즘을 사용하여 다섯 가지 심혈관계 대사 질환(비만, 고혈압, 이상지질혈증, 간 효소 이상, 제2형 당뇨병) 사이의 빈번한 공존 패턴을 탐색하였다. 분석은 WHO 가이드라인(600 MET-minutes/주 이상을 '활성', 미만인 경우를 '비활성'으로 정의)에 따른 신체 활동(PA) 상태별로 층화되었다. 규칙은 지지도(support), 신뢰도(confidence), 리프트(lift) 지표를 통해 평가되었으며, 최소 임계값은 지지도 ≥3%, 신뢰도 ≥20%, 리프트 >1.2로 설정되었다.
2. 설명 가능한 머신러닝 (XGBoost-SHAP): 제2형 당뇨병 상태를 예측하기 위해 XGBoost 분류기를 학습시켰다. 예측을 분해하고 (신체 활동 상태, 혈당 상태 및 특정 동반 질환을 포함한) 특징들의 상대적 중요도를 층화된 방식으로 정량화하기 위해 SHAP(SHapley Additive exPlanations) 프레임워크를 적용하였다.

또한, 본 연구는 제2형 당뇨병 하위 집단에서 분석 프레임워크를 재현하고, 최근 한국의 KNHANES 연구(Huang et al., 2026)와 비교함으로써 서로 다른 혈당 단계 및 인구 집단 간의 일관성을 평가하는 교차 인구 검증을 수행하였다.

주요 결과

• 상이한 규칙 수: 당뇨 전단계 환자 중 신체 활동이 활발한 성인은 비활성 성인보다 유의미하게 더 다양한 동반 질환 패턴을 보였다. 활성 그룹은 30개의 연관 규칙을 생성한 반면, 비활성 그룹은 12개만을 생성하여 2.5배의 차이를 보였다. 이러한 패턴은 제2형 당뇨병 하위 집단에서도 견고하게 검증되었는데, 여기서 활성 개인은 54개, 비활성 개인은 24개의 규칙을 나타냈다.
• 구성적 차이: 규칙의 구성 또한 확연히 달랐다. 활성 그룹은 이상지질혈증, 고혈압, 간 효소 이상이 포함된 다양한 클러스터링을 보여주었다. 반면, 비활성 그룹의 패턴은 매우 균질했으며 비만 중심의 축(예: 비만-이상지질혈증 클러스터링)에 의해 지배되었다.
• 클러스터링 강도: 평균 리프트는 활성 그룹(1.43)이 비활성 그룹(1.27, 당뇨 전단계 기준)보다 높았으며, 이는 식별된 질병 조합들 사이의 공존 클러스터링이 활성 인구 집단에서 더 강력함을 시사한다.
• 특징 중요도 (SHAP): 제2형 당뇨병을 예측하는 XGBoost 모델에서 당뇨 전단계 상태가 가장 지배적인 예측 변수였으며(SHAP = 2.678), 연령과 비만이 그 뒤를 이었다. 신체 활동(PA) 상태 자체는 8개 특징 중 7위를 기록하였는데(SHAP = 0.110), 이는 신체 활동 참여가 위험 예측에 기여하기는 하지만, 직접적인 대사 지표에 비해 개별적인 예측력은 완만함을 시사한다.
• 교차 인구 불일치: 본 연구는 한국의 KNHANES 연구(활성 그룹에서 더 적은 규칙을 보고함)와 방향이 반대되는 패턴을 발견하였다. 저자들은 이를 기초 대사 부담의 차이(미국 인구가 한국 인구보다 높은 BMI), 의료 접근성/진단 감시 체계, 그리고 문화적 보고 편향에 기로 돌렸다.

핵-기여도

1. 새로운 방법론적 통합: 본 연구는 연관 규칙 탐 mining과 설명 가능한 머신러닝(XGBoost-SHAP)을 결합하여 신체 활동 층화된 동반 질환 패턴을 조사한 최초의 연구이다. 이 접근법은 (ARM을 통해) 숨겨진 다변량 패턴을 발견하는 동시에 (SHAP을 통해) 개별 특징의 한계 기여도를 정량화할 수 있게 한다.
2. 시스템 수준의 통찰: 본 연구는 신체 활동이 단순히 질병 유병률을 낮춘다는 기존의 관점에 도전한다. 대신, 신체 활동 참여가 질병 간 상호 의존성의 근본적으로 다른, 더 이질적인 동반 질환 구조를 형성한다는 것을 입증한다. 저자들은 신체 활동이 단순히 질병 상태를 직접 예측하는 변수가 아니라, 질병 간 상호 의존성을 재편하는 '시스템 수정자(systemic modifier)' 역할을 한다고 주장한다.
3. 인구 특이적 증거: 미국과 한국의 연구 결과 간의 불일치를 강조함으로써, 본 연구는 신체 조성 프로필과 의료 시스템이 다른 인구 집단 간에 생활 습양-동반 질환 관계를 무비판적으로 일반화하는 것에 대해 경종을 울리며, 맥락 특이적인 동반 질환 연구의 중요성을 역설한다.
4. 혈당 단계 간 검증: 연구 결과는 당뇨 전단계와 제2형 당뇨병 인구 모두에서 일관되게 검증되었으며, 관찰된 패턴의 견고함을 확인하였다.

의의 및 주장
본 논문은 신체 활동이 활발한 미국의 당뇨 전단계 성인이 비활성 성인보다 더 많고 다양한 심혈관계 대사 동반 질환 패턴을 보인다고 주장한다. 이 결과는 신체 활동 참여가 단순한 질병 발생률 감소를 넘어, 질병의 공존 방식에 대한 구조를 재편하며, 보다 복잡하지만 잠재적으로 구별되는 동반 질환의 구조를 형성한다는 것을 시사한다.

저자들은 이것이 임상 실무 및 공중 보건에 중요한 시사점을 준다고 상정한다:

• 선별 전략: 신체 활동 상태는 표적 선별 검사의 근거가 될 수 있다. 비활성 개인은 비만 중심의 클러스터에 대한 집중적인 감시가 필요할 수 있는 반면, 활성 개인은 더 이질적인 질병 환경 전반에 걸친 광범기적인 감시가 필요할 수 있다.
• 중재 프레임워크: 공중 보건 전략은 신체 활동을 단순히 개별 위험 요인을 줄이는 도구가 아니라, 질환들이 공존하는 방식을 재구조화하여 전반적인 질병 관리의 복잡성을 줄일 수 있는 시스템적 중재로서 프레임화해야 한다.

본 연구는 신체 활동과 동반 질환의 구체적인 방향성은 인구 집단에 따라 달라질 수 있으나(미국 vs 한국 비교에서 나타난 바와 같이), 전통적인 역학 방법으로는 놓칠 수 있는 이러한 복잡하고 비선형적인 관계를 밝혀내기 위해서는 고급 데이터 마이닝 기법의 사용이 필수적이라고 결론짓는다.