📄 other

Prediction of Postpartum Hemorrhage Using Regression-Based Models: A Multicenter Retrospective Study Involving Two Centers

이 다기관 후향적 연구는 산후 출혈 고위험군 여성을 효과적으로 식별하기 위해 10가지 임상 및 실험실 위험 요인을 이용한 회귀 기반 예측 모델을 개발 및 검증하였으며, 조기 위험 계층화를 위한 우수한 변별력과 임상적 유용성을 입증하였다.

원저자: Lan Zhang, Pengzheng Chen, xietong Wang

게시일 2026-07-27

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Lan Zhang, Pengzheng Chen, xietong Wang

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

인체를 분주하고 긴박함이 넘치는 고위험 건설 현장이라고 상상해 보세요. 아기가 태어나는 것은 마치 새 건물의 성대한 개업식과 같습니다. 하지만 때때로, 문을 열자마자 현장에서 배관에 갑작스럽고 위험한 누수가 발생하기도 합니다. 의학계에서는 이를 산후 출혈(PPH)이라고 부르는데, 이는 단순히 산모가 출산 후 많은 양의 혈액을 잃는 것을 뜻하는 세련된 표현일 뿐입니다. 이것은 전 세계 어디에서나 산모가 병들거나 출산 중 사망하게 되는 가장 큰 이유 중 하나입니다. 의사들은 오래전부터 어떤 건설 현장이 다른 곳보다 누수에 더 취약한지 알고 있었습니다. 그들은 위험 신호를 조기에 포착하기 위해 "위험 체크리스트"를 만들어 두었습니다. 예를 들어 파이프가 낡았는지, 지반이 흔들리는지, 혹은 작업자들이 너무 지쳐 있는지 확인하는 식이죠. 하지만 이러한 체크리스트는 GPS 시대에 종이 지도를 사용하는 것과 비슷합니다. 일반적인 아이디어는 제공하지만, 생명을 구할 수 있는 아주 작고 결정적인 세부 사항들은 놓칠 수도 있습니다. 과학자들은 항상 더 나은 GPS, 즉 큰 날이 오기 전에 정확히 누가 위험에 처해 있는지 예측할 수 있도록 수많은 단서를 한꺼번에 살펴볼 수 있는 매우 스마트한 도구를 만들기 위해 노력하고 있습니다.

이 연구는 바로 그러한 종류의 GPS 업그레이드입니다. 중국의 두 병원 연구진은 "회귀"라고 불리는 영리한 수학적 유형을 사용하여 새로운 디지털 예측 기계를 만들기로 결정했습니다. 이것을 수정구슬이 아니라 매우 정교한 레시피라고 생각해보세요. 하나의 재료(예: 나이)만 보는 것이 아니라, 이 레시피는 어머니의 과거 기록, 혈액 검사 결과, 그리고 임신 과정에서 얻은 수십 가지의 서로 다른 재료들을 혼합하여 "누수 점수"를 계산합니다. 연구팀은 2019년에서 2021년 사이에 출산한 540명의 여성 기록을 살펴보았습니다. 그들 중 절반은 위험한 누수(PPH)를 경험했고, 나머지 절반은 그렇지 않았습니다. 이 두 집단을 비교함으로써, 그들은 어떤 특정 재료들이 이 레시피에 가장 중요한지를 알아냈습니다.

결과는 꽤 드러내는 바가 많았습니다. 새로운 레시피는 산모의 연령이 높을 때(특히 35세 이상), 첫 아이일 때, 또는 보조 생식 기술(IVF 등)을 통해 임신했을 때 누수의 위험이 높아진다는 것을 발견했습니다. 또한 태반(생명 유지 기관)이 잘못된 위치에 있거나 산모의 체질량 지수(BMI)가 높은 경우에도 위험이 상승한다는 것을 찾아냈습니다. 흥고하게도, 이 레시피에는 임신 전 월경 기간과 같이 예상치 못한 요소들도 포함되어 있었습니다. 반대로, 레시피는 몇 가지 "안전 방패"도 찾아냈습니다. 이전에 두 명 이상의 아이를 둔 경우, 혈액 내 혈소판 수치가 높은 경우, 그리고 혈액 응고 시간(APTT라고 불림)이 짧은 경우 등이 누수로부터 보호해 주는 것으로 나타났습니다.

연구진은 이 새로운 레시피가 실제로 작동하는지 테스트했습니다. 그들은 이 레시피가 안전한 임신과 위험한 임신을 구별하는 데 1.0점 만점에 0.729점으로 꽤 유능하다는 것을 발견했습니다. 완벽하지는 않지만(여전히 일부 고위험 사례를 놓치기도 합니다), 이는 상당한 진전입니다. 이 연구는 이러한 요인들의 조합을 사용함으로써 의사들이 훨씬 더 일찍 특별한 관리가 필요한 여성들을 찾아낼 수 있을 잠재력이 있다고 시사합니다. 그러나 저자들은 이 연구가 단 두 곳의 병원에서 과거 기록을 바탕으로 한 것이라는 점을 주의 깊게 언급하며, 이 레시피가 맛깔나고 유망해 보이지만, 모든 사람에게도 효과가 있는지 확인하기 위해서는 더 많은 장소와 더 많은 사람을 대상으로 테스트되어야 한다고 말합니다. 그들은 산후 출혈 문제를 해결했다고 주장하는 것이 아니라, 도구 상자에 매우 유용한 새로운 도구를 하나 추가했을 뿐입니다.

기술 요약: 회귀 기반 모델을 이용한 산후 출혈 예측

문제 제기
산후 출혈(PPH)은 전 세계적으로 모성 이환 및 사망의 주요 원인으로 남아 있으며, 모성 사망의 4분의 1 이상을 차지한다. 고소득 국가들은 선진화된 의료 시스템 덕분에 사망률이 감소했으나, PPH는 개발도 된 국가에서도 발생률이 상승하는 등 여전히 중대한 과제로 남아 있다. 현재의 위험 평가 방법은 종종 "위험 체크리스트"나 단변량/다변량 분석에 의존하며, 이는 위험 요인의 상대적 중요성과 상호작용을 충분히 탐구하지 못한다는 한계가 있다. 고위험군 여성의 조기 식별을 용이하게 하고, 개별화된 중재를 촉진하며, 산과 자원 배분을 최적화하기 위해 임상 및 실험실 파라미터를 모두 활용하는 견고하고 임상 적용 가능한 예측 모델이 절실히 필요하다.

연구 방법론
본 연구는 중국 산둥성의 두 센터인 산둥 성립 병원(Shandong Provincial Hospital)과 산둥 성 모자 보건 병원(Shandong Provincial Maternal and Child Health Care Hospital)을 대상으로 한 다기관, 후향적 코호트 설계를 채택하였다. 연구 기간은 2019년 1월부터 2021년 12월까지이다.

연구 대상: 초기 검색을 통해 103건의 PPH 사례와 196건의 비PPH 사례를 식별하였다. 제외 기준(혈액 손실 <1000 mL, 임신 주수 <28주, 또는 데이터 불완전)을 적용한 후, 최종 코호트는 540명의 여성(PPH 사례 270명과 비PPH 대조군 270명을 1:1로 매칭)으로 구성되었다. PPH는 분만 방식에 관계없이 누적 혈액 손실이 24시간 이내에 1000 mL 이상인 경우로 ACOG 기준에 따라 정의되었다.
데이터 수집: 연구진은 사회인구학적 데이터, 산과력, 분만 세부 정보 및 종합적인 실험실 지표(전혈구 계산, 응고 기능, 간 기능 및 생화학적 마커)를 수집하였다. 혈액 손실은 부피, 무게 및 흡입 용기법을 사용하여 측정되었다.
통계 분석:
- 단변량 분석: 잠재적 예측 인자를 선별하기 위해 사용되었다(연속형 변수에는 Student's t-test/Mann–Whitney U test를, 범주형 변수에는 Chi-square/Fisher's exact test를 사용함). $P < 0.10$ 인 변수와 임상적으로 관련 있는 요인들이 다음 단계의 대상자로 선정되었다.
- 다변량 로지스틱 회귀: 최종 예측 모델을 구축하기 위해 Akaike Information Criterion(AIC)을 기반으로 한 단계적 후방 선택법(stepwise backward selection)이 사용되었다.
- 모델 검증: 성능은 다음을 통해 평가되었다:
  - 교정(Calibration): Hosmer–Lemeshow 적합도 검정과 교정 플롯(부트스트랩 재표본 추출을 통한 내부 검증, $B=1000$ ).
  - 판별력(Discrimination): 수신자 조작 특성(ROC) 곡선 및 곡선 아래 면적(AUC).
  - 임상적 유용성: 임계 확률에 따른 순 임상 이득을 평가하기 위한 결정 곡선 분석(DCA).
- 소프트웨어: 모든 분석은 R 소프트웨어(버전 4.5.0)를 사용하여 수행되었다.

주요 기여 및 결과
본 연구는 PPH에 대한 여러 독립적인 위험 및 보호 요인을 식별하였으며, 회귀 기반 예측 모델을 구축하였다.

독립적 위험 요인:
- 고령 산모(AMA): 35세 이상의 여성 (OR = 2.05).
- 초산(Primiparity): 첫 임신 (경산의 OR = 0.48이므로 초산이 위험임을 시사).
- 보조 생식 기술(ART): ART를 통해 임신한 경우 (OR = 2.28).
- 태반 이상: 전치 태반 또는 저위 태반 (OR = 5.96).
- 체질량 지수(BMI): 높은 BMI (단위 증가당 OR = 1.06).
- 월경력: 월경 기간의 연장 (일당 OR = 1.17).
독립적 보호 요인:
- 경산(Multiparity): 높은 출산 횟수가 보호 요인으로 작용함.
- 혈소판 수치(PLT): 높은 수준 (OR = 0.996).
- 활성화 부분 트롬보플라스틴 시간(APTT): 짧은 APTT (OR = 0.92).
- 피브리노겐(Fib): 보호 경향을 보임 (OR = 0.84, $P=0.067$ ).
모델 성능:
- 교정: 모델은 양호한 적합도를 보였다 (Hosmer-Lemeshow $\chi^2 = 10.053$ , $P = 0.2613$ ). 부트스트랩을 통한 내부 검증 결과, 낙관주의가 보정된 교정 기울기는 0.816, 평균 절대 오차는 0.032였다.
- 판별력: 모델은 AUC 0.729 (95% CI: 0.686–0.772)를 달려, 중등도 이상의 높은 판별 능력을 나타냈다. 최적의 임계값은 0.545였으며, 민감도 57.78%, 특이도 81.11%를 기록했다.
- 임상적 유용성: 결정 곡선 분석은 임계 확률이 0.2에서 0.6 사이일 때, 모델이 "모두 치료" 또는 "치료 안 함" 전략보다 유의미한 순 임상 이득을 제공함을 나타냈다.

의의 및 주장
저자들은 이 회귀 기반 예측 모델이 PPH의 조기 위험 계층화 및 개별화된 임상 관리를 위한 실용적인 도구를 제공한다고 주장한다. 고령 초산부, ART 임신, 태반 이상을 포함하여 모 연령, 출산 횟수, 임신 방법, 태반 상태, BMI, 월경력 및 특정 응고 마커(PLT, APTT)와 같은 다양한 파라미터를 통합함으로써, 본 모델은 단변량 분석에만 의존하거나 실험실 데이터 통합이 부족했던 기존 연구의 한계를 해결한다.

본 연구는 고위험군(특히 고령 초산부, ART 임신부, 태반 이상 환자)을 식별함으로써 강화된 산전 선별 검사, 합리적인 분만 계획 및 적극적인 예방적 지혈 조치를 가능하게 한다는 점을 강조한다. 저자들은 연구의 후향적 성격과 2개 센터라는 표본 크기에 따른 한계를 인정하면서도, 독립적인 위험 요인을 식별하는 모델의 능력이 PPH와 관련된 모성 및 신생아 이환 및 사망을 줄이기 위한 과학적 근거를 제공한다고 주장한다. 특히 예측 인자로서 월경 기간의 포함은 추가적인 탐구가 필요한 새로운 발견으로 강조되었다.

기술 요약: 회귀 기반 모델을 이용한 산후 출혈 예측

유사한 논문