A Predictive LASSO regression model to determine the potential predictors of medication adherence in myocardial infarction patients: A cross-sectional study

기술 요약: 심근경색 환자의 약물 복용 이행도 예측을 위한 LASSO 회귀 분석

문제 제기
심근경색(MI)은 특히 개발도상국에서 전 세계적인 이환율과 사망률의 주요 원인으로 남아 있습니다. 의학적 발전이 심근경색 후 생존율을 개선했으나, 장기적인 치료의 효과는 약물 복용 이행도에 크게 좌우됩니다. 처방된 약물에 대한 만성적인 낮은 이행도는 재발성 심혈관 사건을 예방하는 데 있어 결정적인 장벽입니다. 자기 효능감, 생활 방식 변화, 인구통계학적 특성 등이 이행도에 영향을 미치는 것으로 알려져 있으나, 표적화된 임상 중재를 용이하게 하기 위해 광범위한 잠재적 변수들 중에서 가장 관련성이 높은 예측 인자를 정밀하게 식별할 필요가 있습니다. 본 연구는 심근경색 환자 관리를 개선하기 위해 다수의 후보 변수 중에서 유의미한 예측 인자를 구별해내는 과제를 다룹니다.

연구 방법론
2024년 6월부터 8월까지 이란 시라즈에서 수행된 본 단면 연구는 최근 1년 이내에 심근경색 진단을 받은 성인 환자 300명(연령 30~65세)의 데이터를 분석했습니다. 참가자는 편의 추출법을 통해 모집되었으며, 정신 질환, 치매 또는 응답 불능 상태인 환자는 제외되었습니다.

• 데이터 수집: 본 연구는 사회경제적 지위, 임상 병력(예: CABG, 스텐트, 동반 질환) 및 생활 방식 요인을 포함한 39개 변수를 다루는 인구통계학적 및 임상 설문지를 활용했습니다.
• 결과 측정: 약물 복용 이행도는 Morisky Medication Adherence Scale (MMAS-8)을 사용하여 평가되었습니다. 점수는 "양호한 이행"(점수 8점)과 "불량한 이행"(점수 8점 미만, 저도 및 중도 범주 결합)으로 이분화되었습니다.
• 자기 효능감 측정: 16개 항목의 Sullivan 자기 효능감 설문지를 통해 일반적 케어, 질병 증상 조절 및 식단 관리를 측정했습니다.
• 통계 분석:
  • 초기 스크리닝은 변수 간의 유의성을 확인하기 위해 단변량 분석(Chi-square, Fisher's exact, Mann-Whitney U test)을 실시하였으며, $p < 0.05$인 변수를 식별했습니다.
  • LASSO 회귀: 다중공선성을 해결하고 가장 간결한 예측 변수 집합을 선택하기 위해, 5-겹 교차 검증(5-fold cross-validation)을 적용한 최소 절대 수축 및 선택 연산자(Least Absolute Shrinkage and Selection Operator, LASSO) 로지스틱 회귀 모델을 적용했습니다. 이 머신러닝 기법은 회귀 계수를 최소화하여 공선성이 있는 변수를 제외했습니다.
  • 모델 검증: LASSO로 선택된 변수들을 기반으로 예측 노모그램(nomogram)을 구축했습니다. 모델 성능은 ROC 곡선(AUC), 보정 곡선(Brier score), 결정 곡선 분석 및 임상 영향 곡선을 사용하여 평가되었습니다. 모든 분석은 R(버전 4.5.1)을 사용하여 수행되었습니다.

주요 결과

• 인구통계학적 특성: 코호트의 평균 연령은 54.20 ± 8.50세였으며, 81%가 남성이었습니다. 주목할 점은 전체 표본의 73%가 불량한 약물 복용 이행도를 보였다는 것입니다.
• 단변량 분석 결과: 경제적 상태, 신체 활동, 흡연, 동반 질환, 자기 효능감, 일반적 케어 및 식단 관리에서 양호한 이행 그룹과 불량한 이행 그룹 간의 유의미한 차이가 관찰되었습니다.
• LASSO 변수 선택: 초기 39개 변수 중 LASSO 모델은 불량한 약물 복용 이행의 유의미한 예측 인자 10개를 식별했습니다:
  1. 경제적 상태 (소득 대비 지출)
  2. 도시/농촌 거주 여부
  3. 흡연 상태
  4. 관상동맥 우회술(CABG) 병력
  5. 자기 효능감 점수
  6. 일반적 케어 점수
  7. 교육 수준
  8. 동반 질환 존재 여부
  9. 입원 빈도
  10. 신체 활동 수준
• 다변량 통찰: 다변량 로지스틱 회귀 분석 결과, 동반 질환이 없는 환자는 불량한 이행의 오즈(odds)가 1.93배 더 높았으며, 비흡연자는 오즈가 43% 낮았습니다. 주당 150~300분의 신체 활동을 하는 것은 불량한 이행의 오즈를 55% 감소시켰습니다.
• 모델 성능:
  • 노모그램: 모델은 선택된 예측 인자들을 바탕으로 고위험 불량 이행에 대한 확률을 0.81로 예측했습니다.
  • 판별력: AUC는 0.742로, 수용 가능한 수준의 진단 정확도를 나타냈습니다.
  • 보정: Brier score는 0.16이었으며, 보정 곡선은 예측된 결과와 실제 관찰된 결과 사이의 양호한 일치도를 보여주었습니다.
    림 임상적 유용성: 결정 곡선 및 임상 영향 곡선은 모델이 순 임상 이득(net clinical benefits)을 제공하며 고위험군을 정확하게 식별함을 입증했습니다.

의의 및 주장
저자들은 본 연구가 심근경색 환자의 약물 비이행을 식별하기 위한 강력하고 데이터 기반의 프레임워크를 제공한다고 주장합니다. LASSO 회귀 모델을 활용함으로써, 본 연구는 39개의 복잡한 변수를 10개의 핵심 요인으로 성공적으로 축소하여 전통적인 방법보다 더 정밀한 위험 계층화 도구를 제공했습니다.

주된 의의는 임상의가 불량한 이행의 고위험군 환자를 식별하는 데 사용할 수 있는 검증된 노모그램을 개발했다는 점에 있습니다(고위험 프로필에 대한 예측 확률 0.81). 저자들은 이 모델이 적시의 표적화된 중재를 가능하게 함으로써 상당한 임상적 이득을 제공한다고 주장합니다. 본 연구는 높은 소득, 도시 거주, 비흡연 상태, CABG 병력, 높은 교육 수준, 빈번한 입원, 높은 자기 효능감 및 특정 수준의 신체 활동 등이 양호한 이행의 주목할 만한 예측 인자라고 결론짓습니다. 저자들은 이 연구를 심근경색 관리에 있어 머신러러닝 기법을 적용한 참신한 사례로 제시하며, 이행도 문제를 해결하기 위한 깊은 통찰력을 제공합니다.

한계점
저자들은 단면 연구 설계로 인해 인과 관계를 추론할 수 없다는 점, 클리닉 기록의 제한으로 인해 심혈관 사건 발생 후 수년간의 이행도에 대한 종단적 데이터가 부족하다는 점, 그리고 보다 세밀한 하위 분석을 수행하기에는 표본 크기가 충분하지 않을 수 있다는 점 등 구체적인 한계를 인정했습니다.