Maternal age, not parity, and pregnancy loss: a Bayesian network analysis of the Qatar Biobank

당신은 왜 어떤 임신이 만삭에 도달하지 못하는지에 대한 거대하고 복잡한 퍼즐을 풀려고 노력 중이라고 상상해 보세요. 과학자들은 이를 "임신 손실(pregnancy loss)"이라고 부르며, 이는 마치 자동차가 목적지에 도착하기 전에 고장 나는 것과 비슷합니다. 오랫동안 연구자들은 자동차가 고장 나는 원인을 파악하기 위해 엔진(생물학), 운전자의 습관(생활 방식), 그리고 도로 상황(사회)을 살펴보고 있습니다. 그들은 운전자가 나이가 들수록 자동차의 엔진 문제 발생 가능성이 높아진다는 것을 알고 있으며, 또한 도로 위에 아주 오래 있었던 운전자(많은 자녀를 둔 경우)는 마모와 손상이 더 많을 수 있다는 것도 알고 있습니다. 하지만 까다로운 점은, 나이가 많은 운전자는 보통 도로 위에서 보낸 시간도 길다는 것입니다. 따라서 자동차가 고장 났을 때, 그것은 운전자가 늙었기 때문일까요, 아니면 단순히 주행 거리가 너무 길었기 때문일까요?

이 문제를 해결하기 위해 과학자들은 두 가지 주요 도구를 사용합니다. 첫 번째는 "로지스틱 회귀(logistic regression)"라고 불리는 돋보기로, 다른 요인들이 존재하지 않는 것처럼 가정하면서 한 번에 하나의 요인만을 살펴보는 데 도움을 줍니다. 두 번째 도구인 "베이지안 네트워크(Bayesian network)"는 모든 거리들이 서로 어떻게 연결되어 있는지를 보여주는 도시 지도와 같습니다. 이 지도는 특정 거리가 목적지로 직접 이어지는지, 아니면 그곳으로 이어지는 또 다른 거리와 연결되어 있는지를 파악하는 데 도움을 줍니다. 큰 질문은 이것입니다: 특정하고 빠르게 변화하는 지역(걸프 지역)에서, 정말로 자동차가 고장 나는 데 중요한 것은 운전자의 연령인가요, 아니면 주행 거리인가요?

---

카타르의 거대한 탐정 이야기

연구팀은 **카타르 바이오뱅크(Qatar Biobank)**라는 거대한 디지털 건강 기록 도서관을 사용하여 탐정 놀이를 하기로 했습니다. 그들은 임신 중에 무슨 일이 일어나고 있는지 알아보기 위해 864명의 기혼 여성의 삶을 조사했습니다. 그들은 알고 싶었습니다: 임신 손실의 진짜 범인은 여성의 연령인가요, 아니면 자녀의 수(출산력)인가요?

이것은 마치 "누구의 잘못인가?"라는 게임과 같습니다. 연구진은 여성의 연령과 자녀 수(출산력)부터 고혈압, 당뇨병, 또는 이상한 생리 주기까지 모든 데이터에 대한 정보를 수집했습니다. 그들은 "돋보기"(통계 수학)와 "도시 지도"(베이지안 네트워크)를 사용하여 어떤 단서가 문제로 직접 향하는지, 그리고 어떤 것이 단순한 레드 헤링(주의를 돌리는 가짜 단서)인지 확인했습니다.

결론: 주범은 주행 거리가 아니라 연령이다

결과는 꽤 명확했으며, 사람들이 추측할 법한 내용을 뒤집었습니다.

먼저, 연구진은 모체 연령이 이 이야기의 주인공이라는 것을 발견했습니다. 여성이 나이가 들수록 임신 손실의 가능성은 유의미하게 높아집니다. 실제로 가장 높은 연령대(61세 이상)의 여성은 가장 낮은 연령대(0~30세)의 여성보다 임신 손실을 경험할 확률이 4.44배나 높았습니다. 이는 엄청난 상승입니다!

그렇다면 자녀 수는 어떨까요? 언뜻 보기에는 자녀를 많이 낳는 것이 큰 문제처럼 보였습니다. 7명 이상의 자녀를 둔 여성은 자녀가 없는 여성에 비해 손실 확률이 3.50배 높은 것으로 나타났습니다. 마치 "주행 거리"가 문제인 것처럼 보였습니다.

하지만 연구진이 모든 것이 어떻게 연결되어 있는지 확인하기 위해 "도시 지도"를 사용했을 때, 이야기는 바뀌었습니다. 연구진은 이 집단의 고령 여성들이 자연스럽게 더 많은 자녀를 두고 있다는 사실을 깨달았습니다. 따라서 연령을 조정하자, "자녀 수"라는 단서는 더 이상 직접적인 원인처럼 보이지 않게 되었습니다. 자녀 수가 많은 것은 단지 나이가 들어감에 따른 부수적인 결과였던 것입니다. 연령을 고려하고 나니, 자녀 수는 더 이상 손실과 직접적인 연결 고리를 갖지 못했습니다. "주행 거리"가 문제가 아니라 "운전자의 연령"이 문제였습니다.

지도와 대사적 미스터리

연구진은 또한 당뇨병, 고콜레스테롤, 불규칙한 생리 주기와 같은 다른 용의자들도 점검했습니다. 처음에는 이것들이 임신 손실과 작은 연관성이 있는 것처럼 보였습니다. 하지만 연구진이 연령을 변수에 포함하자, 이러한 연결 고리들은 사라졌습니다. 마치 당뇨병과 고콜레스테롤이 고령의 여성들과 함께 시간을 보내고 있었지만, 실제로 임신 손실의 방아쇠를 당긴 것은 아니었던 것과 같습니다.

"도시 지도"(베이지안 네트워크)가 이를 확인해주었습니다. 지도는 연령에서 임신 손실로 바로 이어지는 직선을 보여주었습니다. 하지만 출산력(자녀 수)의 경우, 선이 그곳으로 바로 가지 않고, 출산력에서 연령으로, 그리고 다시 손실로 이어졌습니다. 이는 출산력이 간접적인 플레이어인 반면, 연령은 핵심적인 주도권을 쥐고 있음을 의미합니다.

얼마나 확신하는가?

연구진은 이 연령 연결성에 대해 꽤 확신하고 있지만, 이 미스터리를 완전히 해결했다고 말하기에는 조심스러워합니다. 그들은 자신들의 지도를 검증하기 위해 "부트스트랩(bootstrap)"이라는 특별한 수학 테스트를 사용했는데, 연령과 손실을 잇는 선은 시뮬레이션에서 **89%**의 확률로 나타났습니다. 이는 강력한 신호입니다.

그러나 그들은 또한 데이터에 "안개 낀 부분"이 있음을 인정합니다. 여성들에게 평생의 삶을 한꺼번에 회상하도록 요청했기 때문에(단면 연구), 가장 나이가 많은 여성들은 수십 년 전의 일을 기억하는 과정에서 어려움이 있을 수 있습니다. 연구진이 분석에서 가장 고령 그룹을 제외했을 때 연령과의 연결성이 다소 약해졌는데, 이는 기억력과 과거 임신의 총 횟수가 결과에 혼선을 줄 수 있음을 시사합니다.

시사점

그렇다면 이 연구의 최종 교훈은 무엇일까요? 카타르의 이 특정 집단에서 모체의 연령은 임신 손실과 연결된 가장 강력하고 직접적인 요인입니다. 자녀를 많이 낳는 것이 주요 원인이라는 생각은 사실 오해이며, 단지 나이가 많은 여성들이 자녀를 더 많이 두는 경향이 있을 뿐입니다.

연구진은 이 특정 분석에서 당뇨병이나 고콜레스테롤이 직접적인 원인임을 밝혀내지는 못했지만, 그것들이 전반적인 건강에는 여전히 중요하다는 점을 명시했습니다. 또한 그들은 여성의 연령이나 자녀 수를 바꾼다고 해서 문제를 해결할 수 있다는 것을 증명한 것도 아닙니다. 이 연구는 단지 무엇이 무엇과 연결되어 있는지를 보여줄 뿐입니다. 이는 가설을 생성하는 이야기, 즉 미래의 연구들, 특히 단순히 과거를 되돌아보는 것이 아니라 여성들을 일정 기간 추적 관찰하는 연구들에게 훌ales 좋은 새로운 방향을 제시해 주는 이야기입니다.

요약하자면: 만약 당신이 이 인구 집단의 임신 손실이라는 퍼즐을 보고 있다면, 먼저 시계를 먼저 확인하십시오. 대시보드 위의 자녀 수는 운전자가 아니라 그저 승객일 뿐입니다.