From Multicohort Comparison to Predictive Modeling: A Tool for Evaluating Mortality Risk Based on the Optimal Smoking Exposure Indicator in High-Risk Cardiovascular Disease Populations

기술 요약: 고위험 심혈관 질환(CVD) 인구 집단에서의 사망 위험 예측 모델링을 위한 다중 코호트 비교 연구

문제 제lem (Problem Statement)
흡연 노출량을 정확하게 정량화하는 것은 고위험 심혈관 질환(CVD) 인구 집단에서 위험 관리를 위해 매우 중요하며, 이들 집단에서 흡연은 고혈압 및 이상지질혈증과 같은 질환과 시너지 효과를 일으켜 사망 위험을 증폭시킨다. 그러나 역학 연구에서는 이 노출량을 정량화하기 위한 최적의 지표에 대해 합의가 이루어지지 않고 있다. 흔히 사용되는 지표로는 단순 척도(흡연 상태, 흡연 기간, 흡연 시작 연령)와 복합 척도(갑년(pack-years), 종합 흡연 지수[CSI])가 있다. 복합 지표는 이론적으로 더 풍부한 데이터를 제공하지만, 수십 년에 걸친 흡연력을 정확히 회상해야 하므로 회상 편향(recall bias)이 발생할 가능성이 있다. 반면, 단순 지표는 정보 밀도가 낮다는 단점이 있다. 고위서 CVD 인구 집단 내에서 어떤 지표가 사망의 가장 강력한 예측 인자인지 식별하거나 그에 따른 예측 모델을 개발하기 위해, 이러한 지표들을 체계적으로 비교한 전용 연구는 부재한 실정이다.

연구 방법론 (Methodology)
본 연구는 다음의 4가지 국제 데이터베이스를 활용한 다중 코호트 설계를 채택하였다:

1. CHARLS (중국 건강 및 노화 추적 조사)
2. HRS (미국 건강 및 노화 연구)
3. NHANES (미국 국민건강영양조사)
4. PEACE-FZ (중국 푸저우의 PEACE-MPP 프로그램 하위 연구)

대상자: 최종 분석 샘플은 고위험 CVD 기준(조절되지 않는 고혈압, 이상지질혈증 또는 기왕증이 있는 CVD)을 충족하는 45세 이상의 참가자 19,239명으로 구성되었다.

흡연 지표: 다섯 가지 흡연 지표를 생성하였다:

• 흡연 상태 (비흡연, 과거 흡연, 현재 흡연)
• 흡연 연수
• 조기 흡연 (시작 연령 <14세 vs. ≥14세)
• 갑년 (pack-years)
• 종합 흡연 지수 (CSI): 시작 연령, 흡연 기간, 금연 기간, 흡연 강도를 통합하고 생물학적 반감기 및 지연 시간 파라미터를 조정한 복합 지표.

분석 접근 방식:

1. 연관성 분석: 다변량 Cox 비례 위험 모델을 사용하여 각 지표와 모든 원인에 의한 사망(all-cause mortality) 간의 연관성을 평가하였으며, 공변량(인구통계학적 특성, BMI, 노쇠 지수 등)을 보정하였다. 결과는 랜덤 효과 메타 분석을 통해 통합되었다.
2. 강건성 검정: 민감도 분석(leave-one-out, 결측치 제외, 추적 관찰 기간이 짧은 대상 제외, 기저 질환이 있는 CVD 환자 제외) 및 이질성 평가($I^2$)를 수행하였다.
3. 용량-반응 관계: 제한적 삼차 스플라인(RCS) 모델을 통해 비선형성을 평가하였다.
4. 경쟁 위험: Fine-Gray 모델과 원인별 Cox 모델을 사용하여 CVD, 암 및 호흡기 질환 사망과의 연관성을 분석하였다.
5. 예측 모델링: CHARLS, NHANES, PEACE-FZ 데이터의 70%를 학습 데이터로 사용하여 6가지 모델(Cox, LASSO, Ridge, Random Survival Forest, CoxBoost, XGBoost)을 훈련시켰으며, HRS를 독립적인 외부 검증 세트로 활용하였다. 모델 평가는 AUC, 교정 곡선(calibration curves), 순 재분류 개선도(NRI), 통합 식별 개선도(IDI), 결정 곡선 분석(DCA)을 통해 수행되었다.
6. 종단적 분석: 기저 시점과 추적 관찰 시점 사이의 흡연 노출 및 위험 점수의 변화를 분석하여 동적 위험을 평가하였다.

주요 결과 (Key Results)

• 최적 지표 식별: 다섯 가지 지표 중 **종합 흡연 지수(CSI)**가 네 가지 코호트 모두에서 모든 원인에 의한 사망과 가장 일관되고 강력한 연관성을 보였다. CSI는 메타 분석에서 가장 낮은 이질성을 나타냈으며($I^2 = 45.8\%$), 특정 제외 시나리오에서도 통계적 유의성을 유지한 반면, 다른 지표들(예: 갑년, 흡연 상태)은 특정 제외 상황에서 불안정하거나 유의성을 상실하였다.
• 용량-반응 관계: CSI와 사망 위험 사이에 유의미한 단조적 용량-반응 관계가 관찰되었다. 비선형성의 증거는 발견되지 않았다.
• 경쟁 위험: 경쟁 위험 분석에서 CSI는 암 및 호흡기 질환 사망과는 유의미한 연관성을 보였으나, CVD 사망과는 연관성을 보이지 않았다(이는 다중 질환을 가진 이 인구 집단에서 다른 원인에 의한 경쟁 위험 때문으로 보인다). 그러나 원인별 Cox 분석은 CSI와 CVD 사망 사이의 인과적 연결을 확인하였다.
• 모델 성능: 기본 모델에 CSI를 추가했을 때 모든 알고리즘에서 예측 성능(NRI 및 IDI)이 유의미하게 향상되었다.
  • 머신러닝 모델(RSF, XGBoost)이 학습 데이터에서 우수한 성능을 보였으나, Cox 모델 또한 외부 검증 세트에서 대등한 변별력을 입증하였다 (3년 AUC: 0.761; 5년 AUC: 0.784; 10년 AUC: 0.823).
  • Cox 모델은 다양한 임계값 범위에서 우수한 교정력과 임상적 순 이득(net benefit)을 보여주었다.
• 종단적 역학: CHARLS 코호트에서 CSI의 증가는 사망 위험의 35.6% 증가와 관련이 있었다. HRS 코호트에서는 모델 기반 위험 점수의 변화가 CSI 자체의 변화보다 사망 위험의 변동에 더 민감하게 반응하였다.

의의 및 주장 (Significance and Claims)
저자들은 본 연구가 고위험 CVD 인구 집단에서 흡연 노출을 측정하는 최적의 방법을 선택하기 위한 과학적 근거를 제공한다고 주장한다. 주요 기여는 다음과 같다:

1. 방법론적 해결: 본 연구는 CSI를 이 특정 인구 집단의 모든 원인에 의한 사망을 예측하는 데 있어 우월한 지표로 식별하였으며, CSI가 갑년과 같은 정적 척도보다 생물학적 반감기와 동적 감쇄를 통합함으로써 실제 생물학적 독성 부담을 더 잘 반영한다고 주장한다.
2. 임상 도구 개발: 본 연구는 높은 예측 정확도와 임상적 해석력을 균형 있게 갖춘 Cox 기반 사망 예측 모델을 구축하고 검증하였다. 저자들은 투명성, 견고한 파라미터 추정, 그리고 임상적 적용의 용이성 측면에서 이 맥락이 복잡한 머신러닝 알고리즘보다 Cox 모델이 더 적합하다고 주장한다.
3. 실무적 적용: 임상 현장에서의 의사결정을 돕기 위해, 저자들은 "DynNom" 패키지를 사용하여 환자의 변수를 입력하면 개인별 3, 5, 10년 사망 확률을 실시간으로 시각화할 수 있는 대화형 웹 기반 노모그램을 개발하였다.

결론적으로, 본 논문은 CSI 기반 Cox 모델이 고위험 CVD 인구 집단을 위한 개별화된 위험 평가 및 표적 담배 통제 중재 방안 수립을 위한 과학적 근거가 있는 임상적으로 실행 가능한 도구를 제공한다고 명시한다.