Socioeconomic and sleep correlates of a positive depression screen, and the limited added value of laboratory measurement: a design-based analysis of NHANES 2007–2018

거대한, 북적이는 도시에서 숨겨진 보물을 찾는 상황을 상상해 보세요. 당신에게는 지도가 있지만, 도시는 너무나 크고 사람들은 너무나 다양해서 단순히 길모퉁이 하나만 봐서는 안 됩니다. 도시 전체를 한꺼번에 살펴봐야 하죠. 이것이 바로 공중 보건 연구의 세계입니다. 과학자들은 왜 어떤 사람들은 깊은 슬픔이나 우울함을 느끼는 반면 다른 이들은 그렇지 않은지를 이해하려고 노력합니다. 이를 위해 그들은 수천 명의 사람들에게 그들의 삶, 수면, 직업에 대해 묻고 심지어 혈액 샘플까지 채취하는, 마치 거대한 인구 조사와 같은 대규모 설문 조사를 활용하곤 합니다. 목표는 우울증을 가리키는 "단서"를 찾는 것입니다. 하지만 여기서 까다로운 점이 있습니다. 때로는 부러진 다리처럼 단서가 명확할 때도 있지만, 다른 때에는 혈액 속의 화학적 불균형처럼 눈에 보이지 않는 경우도 있기 때문입니다. 연구자들이 계속해서 던져온 큰 질문은 이것입니다. 우리는 이러한 단서를 찾기 위해 값비싸고 복잡한 의학적 검사(혈액 채취나 실험실 기계 같은 것들)가 필요할까요, 아니면 그저 사람들에게 그들의 일상생활에 대해 간단한 질문을 던지는 것만으로 충분할까요?

이 연구는 미국을 위한 거대한, 순환하는 건강 검진과도 같은 NHANES라는 방대한 데이터셋을 사용하여 이 질문에 파고듭니다. 연구진은 12년에 걸쳐 수집된 약 32,000명의 성인 데이터를 살펴보았습니다. 그들은 돈, 수면, 건강에 관한 질문을 통해 누가 우울함으로 고통받고 있는지를 예측할 수 있는지, 아니면 정말로 "화려한" 의료 데이터가 필요한지를 확인하고 싶었습니다. 또한 초지능형 컴퓨터 프로그램(머신러ging)이 단순한 수학보다 더 잘 해낼 수 있는지도 테스트했습니다. 이것은 수천 개의 도구를 가진 첨단 기술의 탐정과, 적절한 질문을 던질 줄 아는 노련한 탐정 사이의 대결과 같습니다.

위대한 탐정 대결: 질문 vs 혈액 검사

연구진은 거대한 실험을 설계했습니다. 그들은 가족 소득과 수면 시간부터 혈구 수치와 비타민 수치에 이르기까지, 각 개인에 대한 135가지의 서로 다른 정보를 수집했습니다. 그런 다음 이 데이터를 사용하여 우울증 선별 도구(PHQ-9)에서 높은 점수를 받은 사람들을 찾아내고자 했습니다.

먼저, 그들은 "첨단 기술 탐정"을 테스트했습니다. 그들은 숨겨진 패턴을 찾아내도록 설계된 매우 복잡한 머신러닝 모델을 포함한 6가지의 서로 다른 컴퓨터 알고리즘에 135가지의 모든 변수를 입력했습니다. 또한, 그들은 '페널티 로지스틱 회귀(penalized logistic regression)'라고 불리는 직관적인 통계 방법을 사용하는 "단순한 탐정"을 테스트했습니다. 결과는 많은 이들에게 놀라움을 주었습니다. 단순한 수학이 승리했기 때문입니다. 복잡한 컴퓨터 프로그램들은 더 나은 성능을 보여주지 못했습니다. 사실, 단순한 방법이 고통받는 사람들을 찾아내는 데 있어 가장 정확했습니다.

하지만 가장 큰 반전은 그들이 단서들을 하나씩 제거하기 시작했을 때 일어났습니다. 그들은 다음과 같이 물었습니다. "우리는 실제로 이 데이터가 얼마나 필요한가?" 그들은 마치 새로운 장비를 잠금 해제하는 비디오 게임처럼 "단계별" 시스템을 구축했습니다.

• 1단계: 인터뷰 질문만 사용 (수면, 돈, 일, 건강에 관한 질문). 여기에는 67개의 질문이 사용되었습니다.
• 2단계: 키와 몸무게 같은 신체적 측정치를 추가했습니다.
• 3단계: 혈액 검사와 실험실 결과를 추가했습니다.
• 4단계: 상세한 식단 기록을 추가했습니다.

여기서 반전이 일어납니다: 혈액 검사는 전혀 도움이 되지 않았습니다.

질문(수면, 돈, 일, 건강)만을 사용해 구축된 모델(1단계)은 혈액 검사, 신체 검사, 식단 기록을 모두 포함한 전체 패키지를 사용한 모델만큼이나 성인 우울증 환자를 잘 찾아냈습니다. 화려한 실험실 측정치들은 추가적인 가치를 전혀 제공하지 못했습니다. 이는 마치 공원에서 길 잃은 개를 찾으려는 것과 같습니다. 당신은 개의 DNA를 확인하고, 발바닥 자국을 측정하고, 털 색깔을 분석하는 데 시간을 보낼 수도 있지만, 그저 공원에 있는 사람들에게 "슬퍼 보이고 밥을 잘 못 먹는 개를 본 사람이 있나요?"라고 묻는 것만으로도 똑같이 빠르게 개를 찾을 수 있는 것과 같습니다.

진짜 단서: 수면과 돈

그렇다면 혈액 검사가 이 특정 작업에 쓸모없다면, 무엇이 진짜 단서일까요? 연구는 강력한 신호가 생물학적인 것이 아니라 사회적이고 라이프스타일에 기반한 것임을 발견했습니다.

첫 번째 단서는 수면 문제였습니다. 수면 문제를 보고한 사람들은 그렇지 않은 사람들에 비해 우울증 선별 검사에서 양성 반응을 보일 확률이 약 4배 더 높았습니다. 두 번째로 큰 단서는 돈이었습니다. 가족 소득이 매우 낮은 사람들은 3.5배 더 고통받을 가능성이 높았고, 식량 불안정(다음 식사를 걱정하는 상태)을 겪는 사람들은 거의 3배 더 영향을 받을 가능성이 높았습니다.

다른 강력한 단서로는 실직 상태, 여러 가지 만성 질환 보유, 낮은 교육 수준 등이 포함되었습니다. 흥미롭게도, 연구는 혈액 속의 염증 수치와 같은 "화려한" 생물학적 지표들이 이미 단순한 질문들이 밝혀낸 것 이상의 새로운 정보를 알려주지 않는다는 것을 발견했습니다.

이 연구가 배제하는 것

이 연구가 우리가 무엇을 필요로 하지 않는지에 대해 말하고 있다는 점을 아는 것이 중요합니다. 연구진은 일반 인구의 우울증을 선별하기 위해 피를 뽑거나 실험실 검사를 할 필요가 없다는 생각을 명시적으로 배제했습니다. 그들은 이러한 값비싼 검사를 추가하는 것이 선별의 정확도를 높이지 않는다는 것을 보여주었습니다. 또한, 가장 복잡한 컴퓨터 학습 모델이 반드시 필요한 것도 아니며, 단순하고 잘 구조화된 수학 모델이 똑같이 혹은 오히려 더 잘 작동한다는 것을 보여주었습니다.

하지만 이 연구가 무엇을 말할 수 없는가에 대해서도 매우 명확합니다. 연구진은 모든 데이터를 단 한 시점에서만 살펴보았기 때문에(마치 도시의 사진 한 장을 찍는 것처럼), 무엇이 먼저 왔는지 확신할 수 없습니다. 즉, 나쁜 수면이 우울증을 유발했는지, 아니면 우울증이 수면 부족을 유발했는지를 알 수 없습니다. 연구는 이렇게 말합니다. "우리는 그것들이 함께 일어나는 것을 보지만, 무엇이 다른 하나를 밀어냈는지는 모릅니다." 이것은 불과 연기를 보는 것과 같습니다. 둘 사이의 연관성은 알지만, 이 특정 스냅샷은 무엇이 불을 일으켰는지는 알려주지 않습니다.

결론

이 연구는 일반 인구 중에서 우울증으로 고통받는 사람들을 찾으려 할 때, 병원 실험실이 필요하지 않다는 것을 시사합니다. 피를 뽑거나 복잡한 화학 물질을 측정할 필요도 없습니다. 가장 강력한 도구는 수면, 식사 여부, 직업 유무에 대한 단순하고 정직한 대화입니다. "화려한" 의료 데이터는 견과류를 깨기 위해 슬레지해머를 가져오는 것과 같았습니다. 무겁고 비싸지만, 단순한 망지보다 더 잘 해내지는 못했습니다.

또한 이 연구는 슬픈 현실을 강조했습니다. 우울증 선별 검사에서 양성을 보인 성인 중 약 3분의 2가 도움을 받기 위한 약물을 복용하고 있지 않았습니다. 이는 우리가 단순한 질문을 통해 문제를 찾아내는 데는 점점 더 능숙해지고 있을지 모르지만, 그 사람들이 필요한 도움을 받을 수 있도록 보장하는 데는 여전히 갈 길이 멀다는 것을 시사합니다. 하지만 좋은 소식은, 백만 달러짜리 실험실 없이도, 그들의 수면과 경제 상황에 대한 이야기를 경청함으로써 그들을 찾아내기 시작할 수 있다는 것입니다.