System dynamics modelling of layered climate–health vulnerability: structure, calibration and empirical validation

과학자들이 기후 변화가 인간의 건강에 어떻게 해를 끼칠지 이해하려고 노력할 때, 그들은 종종 세 가지 요소에서 시작합니다. 바로 특정 지역이 직면한 위험한 날씨의 정도, 그곳 사람들의 기후에 대한 민감도, 그리고 그 공동체가 이에 적응할 수 있는 능력입니다. 이러한 전통적인 관점은 재난이 닥치기 전에 어떤 인구가 가장 큰 위험에 처해 있는지를 식별하는 데 도움을 줍니다. 하지만 이 접근 방식에는 사각지대가 존재합니다. 이는 취약성을 마치 시험의 고정된 점수처럼 변하지 않는 정적인 상태로 취급하며, 일단 폭풍이 몰아친 후 그 위험이 실제로 어떻게 질병이나 사망으로 이어지는지에 대해서는 충분히 설명하지 못합니다. 현실 세계에서는 지역 병원의 역량, 의사의 가용성, 그리고 질병이 확산되는 구체적인 방식이 결과를 극적으로 변화시킬 수 있습니다. 어떤 공동체는 서류상으로는 매우 취약해 보일지라도, 그 건강 시스템이 충격을 흡수할 만큼 강력하다면 사망자가 적게 발생할 수 있습니다. 반대로, 유사한 공동체라 할지라도 건강 시스템이 더 약하다면 훨씬 더 나쁜 결과를 초도할 수 있습니다. 효과적인 프로그램을 계획하기 위해서 전문가들은 단순히 위험을 보는 것이 아니라, 기상 현상으로부터 최종적인 건강 영향에 이르는 전체 여정을 볼 필요가 있습니다.

케냐와 국제 보건 기구의 연구진이 수행한 새로운 연구는 이 전체 여정을 지도화하려고 시도합니다. 연구진은 단일한 혼합 점수에 의존하는 대신, 근본적인 위험과 이를 관리하는 시스템을 분리한 계층적 모델을 구축했습니다. 그들은 먼저 위험 요인에 대한 노출, 인간의 민감성, 그리고 적응 능력을 결합한 표준적인 취약성 척도로 시작했습니다. 그다음, 충격을 완화하거나 줄여주는 역할을 하는 건강 시스템의 완충 능력을 나타내는 두 번째 층을 추가했습니다. 마지막으로, 환경 변화에 반응하여 질병이 확산되는 특정한 생물학적 규칙을 고려하는 세 번째 층을 추가했습니다. 이렇게 층을 쌓음으로써, 연구진은 기초적인 상태에서 관리된 상태를 거쳐 최종적인 건강 결과로 이어지는, 시간이 흐름에 따라 취약성이 실제로 전개되는 방식을 모방하는 시스템을 만들어냈습니다.

연구팀은 1987년부터 2023년까지 케냐의 37년 치 데이터를 사용하여 이 모델을 테스트했습니다. 그들은 이러한 추가적인 층들을 도입했을 때 예측이 실제 현실에서 일어난 일과 얼마나 일치하는지 확인하고자 했습니다. 전통적인 취약성 점수만을 살펴보았을 때, 이는 실제 건강 영향의 변동성을 약 절반 정도만 설명했습니다. 이는 괜찮은 출발점이었지만, 전체 그림을 명확하게 보여주기에는 부족했습니다. 모델에 건강 시스템의 완충 능력을 도입하자 정확도가 크게 상승하여 변동성의 80%를 설명했습니다. 이는 위기 상황에서 건강 시스템이 얼마나 잘 기능할 수 있는지 아는 것이 최종 결과를 이해하는 데 매우 중요하다는 것을 보여주었습니다. 모델은 환경과 질병 사이의 구체적인 생물학적 관계를 포함했을 때 더욱 정밀해졌으며, 86%의 정확도에 도달했습니다. 이러한 진행 과정은 전통적인 관점이 시작점을 포착할 수는 있지만, 건강 시스템과 질병의 생물학을 포함해야만 비로소 최종 결과를 진정으로 이해할 수 있음을 시사합니다.

연구진은 또한 근본적인 위험이 증가함에 따라 시스템이 어떻게 작동하는지 면밀히 조사했습니다. 그들은 그 관계가 위험이 늘어날수록 비례해서 해악이 커지는 직선 형태가 아니라는 것을 발견했습니다. 대신, '임계점(tipping point)'이 존재합니다. 기초적인 취약성이 낮을 때는 건강 시스템이 상황을 유지하는 데 효과적이며 영향이 관리 가능한 수준으로 유지됩니다. 그러나 취약성이 특정 임계치를 넘어서면, 시스템의 대처 능력이 약화되기 시작하고 해악이 급격히 증폭됩니다. 이러한 전환은 취로한 특정 범위 내에서 발생하며, 여기서 시스템은 완충 상태에서 압도당하는 상태로 변화합니다. 모델은 이 변화를 포착하여, 동일한 수준의 위험이라도 시스템이 임계점과 관련하여 어디에 위치하느냐에 따라 매우 다른 결과를 초래할 수 있음을 보여줍니다.

결과의 견고함을 보장하기 위해 연구팀은 모델의 숫자와 가중치를 미세하게 변경하며 결과가 무너지는지 확인하는 수천 번의 컴퓨터 시뮬레이션을 실행했습니다. 그들은 입력값이 불확실한 상황에서도 모델이 안정적이고 신뢰할 수 있다는 것을 발견했습니다. 모델의 서로 다른 부분들, 즉 근본적인 위험, 건강 시스템의 강도, 질병의 생물학은 어느 한 부분이 다른 부분을 지배하지 않고 최종적인 그림에 모두 기여했습니다. 이러한 균형은 이 모델이 단순한 계산이 아니라 복잡하고 상호 연결된 시스템을 나타낸다는 것을 시사합니다. 연구진은 또한 예측 오류를 조사하여 패턴을 찾아냈는데, 모델이 중간 범위의 위험에서는 해악을 과대평가하고 극단적인 상황에서는 과소평가하는 경향이 있다는 것을 발견했습니다. 이 패턴 자체도 가치 있는 정보를 제공했는데, 이는 시스템의 반응이 상황의 심각도에 따라 변화한다는 것을 확인시켜 주었습니다.

이 연구는 기후-보건 취약성을 계층적 과정으로 다루는 것이 전통적인 방식보다 훨씬 더 명확한 관점을 제공한다고 결론짓습니다. 근본적인 위험, 건강 시스템의 역량, 그리고 질병의 생물학적 실체를 분리하면서도 서로 연결함으로써, 이 모델은 어디에서 개입이 가장 효과적일지를 보여주는 투명한 방법을 제공합니다. 만약 특정 지역이 높은 근본적 위험을 가지고 있지만 건강 시스템이 강하다면, 초점은 그 시스템을 유지하는 데 맞춰질 것입니다. 만약 시스템이 약하다면, 우선순위는 위험이 위기로 변하는 것을 막기 위해 그 시스템을 강화하는 쪽으로 옮겨집니다. 이 접근 방식은 기존의 위험 측정 방식을 대체하는 것이 아니라, 위험이 어떻게 현실이 되는지를 이해하기 위한 필수적인 단계들을 추가하여 그 위에 구축하는 것입니다. 이 연구는 기후 변화로부터 사람들을 보호하기 위해서, 우리가 단순히 날씨와 인구의 민감성을 넘어, 우리 건강 시스템이 최후의 보루를 지켜낼 수 있는 매우 실질적이고 인간적인 역량까지도 바라보아야 한다는 점을 입증합니다.