Early detection of six-week post-discharge mortality and readmission among postpartum women and newborns in Uganda: development and temporal validation of multivariable prediction models

세계 여러 지역에서 산모와 신생아에게 가장 위험한 시기는 출산 그 자체가 아니라, 그 이후 몇 주간입니다. 병원은 아기를 안전하게 출산하는 데는 더 능숙해졌지만, 가족이 병원 건물을 떠난 후의 돌봄은 종종 무너집니다. 보건 시스템은 빈번하게 과부하 상태에 놓이며, 가족들은 완전한 검진을 받기도 전에 병원을 떠나게 되어, 단순한 감염이 생명을 위협하는 응급 상황으로 변한 뒤 며칠 또는 몇 주 후에 다시 병원을 찾곤 합니다. 의사들의 과제는 어떤 가족이 집으로 돌아가기에 안전한지, 그리고 어떤 가족이 추가적인 주의나 방문 또는 즉각적인 도움이 필요한지를 파악하는 것입니다. 이러한 위험을 조기에 포착할 방법이 없다면, 의료진은 모든 가족을 동일하게 대우해야 하며, 이는 정작 도움이 절실한 고위험군을 놓치는 대신 저위험 사례에 귀중한 자원을 낭비하는 전략이 됩니다.

이를 해결하기 위해 우간다의 한 연구팀은 퇴원 시점에 작동하는 트리아지(triage, 환자 분류) 시스템 역할을 할 수 있는 실용적인 도구를 구축하고자 했습니다. 그들은 산모의 심박수, 분만 유형, 또는 아기가 호흡 보조를 받았는지 여부와 같이 병원 차트에 이미 기록되어 있는 기본적인 정보들을 사용하여, 누가 6주 이내에 다시 병을 앓게 될지를 예측할 수 있는지 확인하고 싶었습니다. 수천 명의 산모와 아기로부터 얻은 데이터를 분석함으로써, 그들은 가족들을 위험 범주별로 분류할 수 있는 간단한 컴퓨터 모델을 개발했습니다. 그 목표는 의사를 대체하는 것이 아니라, 의사들에게 누가 추적 방문이 필요하고 누가 안심하고 집으로 돌아갈 수 있는지를 결정하는 데 도움을 줄 수 있는 명확하고 근거 있는 신호를 제공하는 것이었습니다.

연구는 우간다 남서부와 동부에 위치한 두 곳의 대형 지역 병원에서 진행되었으며, 이 병원들은 약 100만 명의 인구를 담당하고 있습니다. 1년 이상의 기간 동안 연구팀은 갓 출산한 수천 명의 여성들을 등록했습니다. 그들은 산모의 혈압과 체온부터 아기의 체중과 산소 수치에 이르기까지 폭넓은 정보를 수집했습니다. 또한 임신 중 산모가 말라리아나 HIV 진단을 받았는지, 그리고 가족이 병원에 도착하기까지 이동 거리가 얼마나 되었는지와 같은 임신 관련 세부 사항도 기록했습니다. 산모와 아기가 퇴원한 후, 연구팀은 전화 또는 직접 방문을 통해 6주 후에 그들을 추적하여 어떤 일이 발생했는지 확인했습니다. 그들은 산모가 출산 관련 감염으로 인해 재입원했는지, 그리고 아기가 사망하거나 심각한 질병으로 재입원했는지를 추적했습니다.

연구 결과, 대부분의 가족은 잘 지냈으나 상당수가 심각한 합병증을 겪었습니다. 연구를 완료한 약 7,000명의 산모 중 사망자는 없었으나, 3% 이상이 재입원했으며, 그중 절반 이상은 수술 부위 감염이나 패혈증과 같은 감염 때문이었습니다. 아기의 상황은 약간 더 위태로웠습니다. 약 3.8%의 신생아가 재입원했으며, 6주의 기간 내에 사망한 비극적인 사례도 소수 존재했습니다. 연구팀은 이 데이터를 사용하여 예측 모델을 학습시켰습니다. 그들은 변수들의 수천 가지 조합을 테스트하여, 여전히 정확하게 위험 가구를 식별할 수 있는 가장 작은 정보 세트를 찾아냈습니다. 그들은 복잡한 검사 세트가 필요하지 않으며, 몇 가지 일상적인 관찰만으로도 신뢰할 수 있는 예측을 할 수 있다는 것을 발견했습니다.

산모를 위한 최종 모델은 8가지 핵심 정보에 의존했습니다. 여기에는 아기가 태어난 방식, 퇴원 시 산모의 심박수, 임신 중 요로 감염 여부, 그리고 아기가 출생 시 소생술을 받았는지 여부가 포함되었습니다. 임신 중 산모의 HIV 또는 말라리아 감염 여부와 의료진의 권고를 어기고 퇴원했는지 여부 등도 역할을 했습니다. 연구진이 이 모델을 테스트했을 때, 이 모델은 결국 감염으로 인해 재입원하게 될 여성을 식별하는 데 매우 효과적이었습니다. 이 모델은 감염으로 재입원할 여성들을 식목하는 데 0.8의 AUC를 달성했으며, 건강하게 유지될 여성들을 올바르게 분류하는 데는 0.7의 AUC를 달성했습니다. 이러한 균형 덕분에 이 도구는 시스템에 과도한 오보를 보내지 않으면서도 적절한 사람들에게 추가적인 케어를 받을 수 있도록 알릴 수 있었습니다.

신생아를 위한 모델은 사망과 재입원이라는 두 가지를 예측해야 했기에 약간 달랐습니다. 연구팀은 아기의 위험을 예측하는 최선의 변수들로 산모의 HIV 상태, 산모의 모유 생성 부족 여부, 아기의 체중, 그리고 가족의 병원까지의 이동 시간을 꼽았습니다. 또한 모델은 임신 중 진단된 산모의 질환 여부와 입원 중 항생제 사용 여부도 고려했습니다. 신생아 모델은 위험을 식별하는 데 유능했지만, 모성 모델보다는 정밀도가 낮았는데, 이는 사망 또는 재입원할 아기를 식별하는 데 0.8의 AUC를 달성했으나 오보율이 더 높았기 때문입니다. 이는 사망자 수가 매우 적어 특정 결과를 예측하는 완벽한 모델을 만드는 것이 통계적으로 더 어렵기 때문이기도 합니다.

연구진은 자신들의 발견이 특정 집단에만 국한된 운 좋은 결과가 아님을 보장하기 위해, 동일한 병원에서 몇 년 전 수집된 다른 데이터 세트로 산모 모델을 테스트했습니다. 모델은 새로운 데이터에서와 마찬가지로 오래된 데이터에서도 똑같이 잘 작동했으며, 이는 모델이 학습한 규칙들이 안정적이고 신뢰할 수 있음을 시사했습니다. 이는 팀에게 이 도구가 환자 군이 약간 변하더라도 현실 세계에서 작동할 수 있다는 확신을 주었습니다. 또한 연구는 산모들이 병원에 다시 오는 가장 흔한 이유가 말라리아와 같은 무관한 질병이 아니라, 수술 부위 감염이나 자궁 감염과 같이 분만과 직접적으로 관련된 감염임을 강조했습니다. 이는 퇴원 도구로서 특정하고 예방 가능한 합병증에 집중하는 것이 올바른 전략임을 확인시켜 주었습니다.

연구진은 자신들의 연구 한계를 주의 깊게 언급했습니다. 모델은 우간다에서만 구축 및 테스트되었으며, 비록 해당 병원들이 크고 다양한 인구를 대상으로 하고 있지만, 결과가 다른 국가나 더 작은 농촌 클리닉에 똑같이 적용되지 않을 수도 있습니다. 또한 그들의 도구는 산과적 감염을 포착하기 위해 특별히 설계되었으며, 정신 건강 문제나 부상과 같이 산모가 아플 수 있는 다른 이유들은 고려하지 않았다는 점도 명시했습니다. 더욱이 신생아 사망자 수가 매우 적었기 때문에, 영아 사망을 예측하는 모델은 재입원을 예측하는 모델보다 불확실성이 높았습니다. 이러한 한계에도 불구하고, 본 연구는 일상적인 진료에서 이미 수집되고 있는 데이터를 사용하여 간단한 위험 기반 시스템을 만드는 것이 가능하다는 것을 입증했습니다.

이 연구의 궁극적인 가치는 산후 관리가 전달되는 방식을 변화시킬 잠재력에 있습니다. 모든 가족에게 동일한 조언을 하는 일반적인 접근 방식 대신, 의료진은 이 모델들을 사용하여 가장 많은 지원이 필요한 특정 산모와 아기(dyad)를 식별할 수 있습니다. 고위험군으로 분류된 산모는 방문 간호의 우선순위를 부여받거나, 경고 징후에 대한 더 상세한 상담을 받거나, 즉시 지역 사회 보건 요원에게 의뢰될 수 있습니다. 이러한 표적화된 접근 방식은 제한된 자원을 가장 필요한 사람들에게 집중함으로써 과부하된 보건 시스템의 현실을 존중합니다. 일상적인 임상 관찰을 명확한 행동 신호로 바꿈으로써, 이 연구는 예방 가능한 일을 예방하고, 산모와 아기의 안전이 병원 문 밖에서도 지속될 수 있도록 하는 길을 제시합니다.