Development and Validation of a Conceptual Epidemiological and Economic Model for Predicting Obesity in Low- and Middle-Income Countries: A Systematic Review and Meta-Synthesis–Informed Approach

비만은 더 이상 부유한 국가들만의 문제가 아닙니다. 영양 부족과 과체중 증가라는 이중 부담에 직면해 있는 저소득 및 중소득 국가에서도 비만율이 급격히 상승하고 있습니다. 이러한 변화는 건강에 막대한 피해를 입혀 당뇨병, 심장병, 뇌졸중 사례를 증가시키는 동시에, 이미 자원이 한정적인 보건 의료 체계에 부담을 주고 있습니다. 예산을 어떻게 지출하고 보건 프로그램을 어떻게 설계할지에 대해 현명한 결정을 내리기 위해, 관계자들에게는 미래를 내다볼 수 있는 방법이 필요합니다. 그들은 얼마나 많은 사람이 비만이 될지, 그 뒤에 어떤 질병이 따를지, 그리고 이 모든 것에 비용이 얼마나 들지를 추정할 수 있는 도구가 필요합니다. 고소득 국가에서 과학자들은 이러한 질문에 답하기 위해 오랫동안 컴퓨터 시뮬레이션을 사용해 왔지만, 이 도구들은 부유한 국가들의 데이터와 가정을 바탕으로 만들어졌기 때문에 식단, 생활 방식, 의료 접근성이 다른 지역에는 신뢰하기 어렵습니다.

한 연구팀은 이러한 자원이 제한된 환경에 특화된 새로운 종류의 지도를 만들기 위해 나섰습니다. 그들의 목표는 저소득 및 중소득 국가에서 비만이 확산되고 비용이 발생하는 방식에 대해 생각하는 구조화된 방식인 개념적 모델을 구축하여, 비만의 미래를 예측하는 데 사용할 수 있도록 하는 것이었습니다. 이를 위해 그들은 처음부터 시작하지 않았습니다. 대신, 그들은 비만과 그 경제적 영향을 모델링하려고 시도했던 모든 기존 연구를 수집하여, 전문가들이 이전에 질병을 어떻게 기술했는지에 대한 패턴을 찾았습니다. 그들은 수백 편의 논문을 샅샅이 조사하여, 사람들이 정상 체중에서 과체중으로, 다시 비만으로, 마지막으로 심각한 건강 합병증으로 이동하는 과정을 컴퓨터 시뮬레이션을 통해 추적한 연구만을 선별했습니다. 그 결과 1997년에서 2024년 사이에 발표된 엄격한 기준을 충족하는 31개의 연구를 찾아냈습니다. 대부분의 연구는 사람들이 시간이 흐름에 따라 서로 다른 건강 단계로 이동하는 과정을 추적하는 마르코프 모델(Markov model)이라는 특정 유형의 컴퓨터 시뮬레이션을 사용했으며, 다른 연구들은 의사결정 나무(decision trees)나 기타 시뮬레이션 방법을 사용했습니다.

이러한 과거 연구의 모음으로부터, 연구진은 새로운 모델의 중추를 형성하는 6가지 핵심 건강 상태를 식별했습니다. 이 상태들은 한 사람이 겪을 수 있는 여정을 나타냅니다: 정상 체중에서 시작하여 과체중으로 이동하고, 그다음 비만으로, 그리고 잠재적으로 당뇨병, 뇌졸중 또는 심혈관 질환으로 발전하는 과정입니다. 31개 연구의 증거를 결합함으로써, 연구진은 이 6가지 상태를 하나의 통합된 프레임워크로 합성했습니다. 이 프레임워크는 새로운 도구의 골격 역할을 하며, 문제의 서로 다른 부분들이 어떻게 연결되는지를 명확하게 보여줍니다. 예를 들어, 정상 체중에서 비만으로 이동하는 것이 어떻게 당뇨병 발생 위험을 높이는지, 그리고 그 질병이 결과적으로 국가에 어떻게 경제적 부담을 더하는지를 보여줍니다. 연구진은 이후 이 초안 모델을 비만, 경제학, 공중 보건 분야의 전문가 3명으로 구성된 패널에게 가져갔습니다. 이 전문가들은 모델이 실제 세계에서 타당한지, 즉 특정 지역에 적합한 위험과 결과를 제대로 포착하고 있는지 확인하기 위해 구조를 검토했습니다. 전문가들은 모델이 타당하고 완전하며, 향후 더 세부적인 연구를 위한 토대로 사용될 준비가 되었다는 점에 동의했습니다.

그 결과물은 저소득 및 중소득 국가의 비만 추세와 그 경제적 비용을 예측하기 위해 특별히 설계된 최초의 개념적 모델입니다. 연구진은 이것이 최종적인 해답이 아니라 기초적인 단계임을 강조합니다. 이 모델은 정책 입안자들이 지역 데이터를 대입하여 다양한 시나리오를 시뮬레이션할 수 있는 명확한 구조를 제공합니다. 예를 들어, 정부는 이 프레임워크를 사용하여 새로운 식단 프로그램이 향장 10년 동안 당뇨병 환자 수를 어떻게 변화시킬 수 있는지, 그리고 그것이 얼마나 많은 돈을 절약할 수 있는지를 테스트할 수 있습니다. 이 연구는 모델이 강력한 도구이지만, 그 정확도는 투입되는 현지 데이터의 품질에 전적으로 달려 있다는 점을 강조합니다. 특정 국가에서 현재 과체중인 사람이 얼마나 되는지, 또는 치료 비용이 얼마인지에 대한 정확한 수치가 없다면 예측은 정밀하지 않을 것입니다. 그러나 공통된 언어와 구조를 확립함으로써, 연구진은 이 문제에 대한 중요한 출발점을 제공했습니다. 이 작업은 리더들이 추측에서 벗어나 근거 중심의 계획을 세울 수 있게 하여, 자원이 제한된 환경의 지도자들이 인구 집단에 가장 큰 영향을 미칠 수 있는 예방 및 관리 전략에 희소한 자금을 배분할 수 있도록 돕습니다.