📊 statistics

Markov-Switching Regime Dynamics of Maternal Mortality in Kenya: A State-Dependent Analysis of Health System Transitions with Bootstrap Uncertainty Quantification (2000-2023

본 연구는 케냐의 2000~2023년 모성 사망률 데이터에 부트스트랩 불확실성 정량화를 적용한 2단계 마르코프 전환 모델을 채택하여, 구조적인 보건 체계 변화에 의해 유도된 뚜렷한 고사망 및 저사망 체제를 밝혀냄으로써, 케냐의 모성 보건 궤적이 연속적인 선형 추세가 아닌 지속적인 체제 전환에 의해 특징지어진다는 것을 입증한다.

원저자: ROBERT NYABWANGA

게시일 2026-07-09

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: ROBERT NYABWANGA

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

케냐의 모성 보건 시스템을 단순히 서서히 좋아지거나 나빠지는 직선 형태의 도로가 아니라, 서로 다른 "계절"에 갇히기도 하는 기상 체계라고 상상해 보십시오. 때로는 평온하고 화창한 계절(낮은 사망률)이 있고, 때로는 폭풍우가 몰아치는 혼란스러운 계절(높은 사망률)이 있습니다.

로버트 냐봚완가(Robert Nyabwanga)의 이 논문은 **마르코프 전환 모델(Markov-Switching Model)**이라는 특별한 수학적 도구를 사용하여 2000년부터 2023년까지 매년 케냐가 어떤 "계절"에 있었는지를 파악했습니다. 이 방법은 단순히 데이터에 직선을 긋는 대신, 다음과 같이 질문합니다. "현재 시스템이 '좋은' 상태인가 아니면 '나쁜' 상태인가? 그리고 그 상태를 유지할 가능성은 얼마나 되는가?"

다음은 이 연구가 발견한 내용을 이해하기 쉽게 나누어 정리한 이야기입니다.

1. "직선"의 문제점

전통적으로 과학자들은 데이터를 보고 하나의 선을 그려 추세를 보여주려 합니다. 그들은 "평균적으로 상황이 조금씩 좋아지고 있다"라고 말할 수 있습니다.

결함: 이것은 폭염과 눈보라를 평균 내어 날씨가 "온화하다"라고 말하는 것과 같습니다. 이는 시스템이 때때로 위기에 빠지거나 때로 안정화된다는 사실을 숨깁니다.
해결책: 이 연구는 보건 시스템을 전등 스위치처럼 취급합니다. 스위치는 "ON"(고사망률 체제)이거나 "OFF"(저사망률 체제)입니다. 목표는 스위치가 언제 켜졌고, 한 위치에 얼마나 오래 머물렀는지 확인하는 것이었습니다.

2. 두 가지 "계절" (체제)

연구 결과, 케냐는 지난 24년 동안 실제로 두 가지 뚜렷한 상태를 경험했습니다.

"폭풍우 치는 계절" (고사망률 체제):
- 시기: 대략 2007년부터 2014년까지.
- 현상: 어머니들의 평균 사망자 수가 높았습니다 (출생 10만 명당 약 489명).
- 분위기: 일단 시스템이 이 폭풍 속에 갇히면 벗어나기가 어려웠습니다. 이 상태로 약 8년간 머물렀습니다.
- 이유: 연구는 이 폭풍의 시작을 2007-2008년의 선거 후 폭력 사태와 연결 짓는데, 이것이 의료 서비스를 중단시켰기 때문입니다.
"화창한 계절" (저사망률 체제):
- 시기: 2000~~2006년, 그리고 다시 2015~~2023년.
- 현상: 사망자 수가 더 낮았습니다 (출생 10만 명당 약 428명).
- 분위기: 이 상태는 매우 끈끈합니다(오래 지속됩니다). 일단 시스템이 이 화창한 시기에 접어들면 오랫동안 그 상태를 유지했습니다—약 15년 동안 말입니다.
- 이유: 시스템이 다시 이 화창한 계절로 돌아온 것은 새로운 헌법(지방 카운티에 권한을 부여함)과 산과 진료를 무료로 제공하는 정책과 같은 주요 정부 변화와 맞물려 2014-2015년경에 일어났습니다.

3. "끈끈한" 스위치 (지속성)

가장 흥미로운 발견은 이 "계절"들이 얼마나 "끈끈한가" 하는 점입니다.

케냐가 고사망률 계절에 있다면, 다음 해에도 그 상태에 머물 확률은 **87.5%**입니다.
케니야가 저사망률 계절에 있다면, 다음 해에도 그 상태에 머물 확률은 **93.3%**입니다.

비유: 공이 깊은 골짜기(저사망률)에 있는 모습과 가파른 언덕(고사망률) 위에 있는 모습을 상상해 보십시오. 골짜기에서 공을 꺼내는 데는 엄청난 힘이 들지만, 일단 그곳에 있으면 다시 언덕 위로 밀어 올리기가 매우 어렵습니다. 반대로, 일단 공이 언덕 아래로 굴러 내려오면 멈추게 하기가 어렵습니다.

희소식: "화창한 계절"이 "폭풍우 치는 계절"보다 훨씬 더 끈끈합니다. 이는 2015년에 케냐가 개선되기 시작했을 때, 그 개선 사항들이 매우 안정적이었으며 위기로 쉽게 되돌아가지 않았음을 의미합니다.

4. "팬데믹 테스트"

연구진은 코로나19 팬데믹(2020–2021) 동안 어떤 일이 일어났는지 확인했습니다.

결과: 팬데믹이 전 세계 의료 서비스를 방해했음에도 불구하고, 케냐는 고사망률 계절로 돌아가지 않았습니다. 저사망률 계절에 머물 확률은 95% 이상을 유지했습니다.
시사점: 보건 시스템은 회복 탄력성을 보여주었습니다. 전 세계적인 혼란 속에서도 과거의 위기 모드로 무너지지 않았습니다.

5. 함정: "끈끈함"이 "충분히 빠르지는 않다"

시스템이 저사망률 체제에서 안정적이긴 하지만, 논문은 냉혹한 현실을 지적합니다.

목표: 세계는 2030년까지 산모 사망을 10만 명당 70명 미만으로 줄이기를 원합니다 (SDG 3.1).
현실: 현재 케냐는 379명입니다. 시스템이 "좋은" 체제에 머물러 있기는 하지만, 개선 속도가 매우 느립니다 (연간 약 2-3%).
수학적 계산: 현재 속도라면, 케냐는 2060년경이 되어서야 2030년 목표에 도달할 것입니다. "화창한 계절"은 안정적이지만, 충분히 빠르게 밝아지고 있지는 않습니다.

6. "안개 낀" 부분 (불확실성)

연구 데이터가 24년치로 적기 때문에, 연구진은 (본질적으로 약간의 변형을 주어 수학을 500번 실행하는) 부트스트랩(Bootstrap) 기법을 사용하여 자신들이 얼마나 확신할 수 있는지 확인했습니다.

확신하는 부분: 고사망률 및 저사망률 체제에서의 평균 사망자 수는 상당히 정확합니다.
안개 낀 부분: 시스템이 한 계절에서 다른 계절로 전환될 정확한 확률에 대해서는 확신이 덜합니다. 24년 동안 전환이 단 두 번밖에 일어나지 않았기 때문에, 다음 전환이 언제 일어날지에 대한 "예측"은 오차 범위가 큽니다.

요약

케냐의 모성 보건 여정은 매끄러운 직선이 아닙니다. 그것은 두 개의 뚜렷한 시대의 이야기입니다: 혼란스러운 시대(2007~~2014)와 안정적이고 개선되는 시대(2015~~현재)입니다.

승리: 시스템은 나쁜 시대에서 좋은 시대로 성공적으로 전환되었으며, 팬데믹 속에서도 그 상태를 유지했습니다.
과제: 시스템이 안정적이긴 하지만, 2030년 목표를 달성하기에는 너무 느리게 움직이고 있습니다. "화창한 계절"은 계속 유지되겠지만, 제시간에 임무를 완수하기 위해서는 터보 엔진(가속도)이 필요합니다.

기술 요약: 케냐의 모성 사망률에 대한 마르코프 전환 체제 역학 (2000-2023)

문제 제기
모성 사망률은 케냐의 중요한 공중보건 과제로 남아 있으며, 전통적인 통계 분석은 보건 체계 성과에 내재된 비선형적 및 구조적 변화를 포착하는 데 종종 실패한다. 결절점 회귀(joinpoint regression)나 선형 회귀와 같은 기존 방법론은 식별된 구간 내에서 파라미터의 안정성을 가정하거나, 변화 지점(change-points)을 결정론적 사건으로 취급하는 경례가 있다. 이러한 접근 방식은 숨겨진 "위기" 또는 "회복" 상태와 같은 핵심 역학을 가릴 수 있으며, 서로 다른 보건 체제 간의 확률적 전이 특성을 반영하지 못한다. 또한, 기존 문헌은 상수 분산을 가정하여 시스템적 위기 시기에 나타날 수 있는 변동성 심화 현상을 간과한다. 본 연구는 케냐의 모성 사망률(MMR) 궤적이 뚜렷하고 지속적인 체제를 보이는지, 그리고 2000년에서 2023년 사이의 정치적 및 정책적 변화 맥락에서 이들 체제가 어떻게 전이되는지에 대한 이해의 공백을 다룬다.

연구 방법론
본 연구는 2000년부터 2023년까지( $T=24$ ) 케냐의 연간 MMR 데이터를 분석하기 위해 2-상태 마르코프 전환 모델(two-state Markov-switching model)을 채택한다. 데이터는 WHO/UNICEF/UNFPA/World Bank 및 UNPD (MMEIG) 추정치에서 추출되었으며, 시계열 데이터로서 기저의 상태(체제)는 잠재적이고 관찰되지 않는 것으로 취급된다.

모델 명세: 저자들은 $y_t = \mu_{s_t} + \epsilon_t$ , $\epsilon_t \sim N(0, \sigma^2_{s_t})$ 인 체제 전환 평균 모델을 명시한다. 여기서 숨겨진 상태 $s_t$ 는 시변성이 없는 1차 마르코프 체인을 따른다. 모델은 체제별 평균( $\mu_j$ )과 분산( $\sigma^2_j$ )을 허용한다.
추정: 파라미터는 해밀턴 필터(Hamilton filter)를 사용하여 체제 점유 확률을 계산하는 기대-최대화(EM) 알고리즘을 통한 최대 우도 추정법(MLE)을 통해 추정된다.
소표본 처리: 제한된 표본 크기( $T=24$ )를 고려하여, 파라미터 추정치의 불확실성, 특히 전이 확률과 예상 체제 지속 기간의 변동성을 정량화하기 위해 500회의 반복을 포함한 파라미터 부트스트랩 방법을 활용한다.
모델 선택: 최적의 체제 수( $K$ )는 아이카케 정보 기준(AIC)과 베이지안 정보 기준(BIC), 그리고 우도비 검정을 사용하여 결정된다.
검증: 정상성은 ADF 및 KPSS 테스트를 통해 평가되며, 구조적 변화는 Chow 테스트를 통해 조사된다. 강건성 검정에는 정규성, 자기 상관성 및 이분산성에 대한 잔차 분석이 포함된다.

주요 결과

체제 탐지: 2로 된 체제 모델이 최적(AIC = 224.37, BIC = 231.44)으로 선택되어, 1개 및 3개 체제 명세보다 유의미하게 우수한 성능을 보였다. 두 개의 뚜렷한 체제가 식별되었다:
- 고(高) 사망 체제 (체제 1): 평균 MMR = 488.7 (95% CI [431.6, 497.5]), 표준 편차 = 10.6. 이 체제는 2007년부터 2014년까지 지배적이었다.
- 저(低) 사망 체제 (체제 2): 평균 MMR = 428.2 (95% CI [410.1, 468.3]), 표준 편차 = 19.9. 이 체제는 2000–2006년 및 2015–2023년에 우세했다.
체제 지속성 및 전이: 시스템은 높은 지속성을 보인다. 고사망 체제에 머물 확률은 87.5%이며, 저사망 체제에 머물 확률은 93.3%이다. 결과적으로 고사망 체제의 예상 지속 기간은 8년이며, 저사망 체제는 15년 동안 지속될 것으로 예상된다.
- 24년의 기간 동안 단 두 번의 체제 전이만이 감지되었다: 2006–2007년의 저사망에서 고사망으로의 전환, 그리고 2014–2015년의 고사망에서 저사망으로의 복귀이다.
- 부트스트랩 결과는 체제 평균 추정에서는 높은 정밀도를 보였으나, 관찰된 전이 횟수가 적어 전이 확률(95% CI [0.300, 0.950])에 대해서는 상당한 불확실성을 나타냈다.
시간적 역학:
- 2000–2006: 안정적인 저사망 기간.
- 2007–2014: 포스트 선거 폭력 및 보건 체계 분권화 시행과 일치하는 위기 기간.
- 2015–2023: 회복 기간. 주목할 점은, 시스템이 코로나19 팬데emic(2020–2021) 기간 중에도 95% 이상의 확률로 저사망 체제를 유지하며 회복력을 입증했다는 것이다.
전통적 모델과의 비교: 마르코프 전환 모델은 AIC 및 BIC 측면에서 표준 ARIMA(0,1,0) 모델보다 우수하며, 이는 데이터의 비선형적, 상태 의존적 성격이 체제 전환 역학에 의해 더 잘 포착됨을 확인해 준다.

의의 및 주장
본 논문은 케냐의 모성 사망률이 연속적이고 선형적인 감소가 아니라, 구조적 체제 변화를 특징으로 하는 예측 불가능한 경로를 따른다고 주장한다. 마르코프 전환 모델의 적용은 전통적인 접근 방식이 제공할 수 없는 중요한 통찰을 제공한다:

숨겨진 상태의 식별: 모델은 "위기"와 "회복" 상태를 성공적으로 구분하여, 보건 체계가 서로 다른 평균과 분산을 가진 두 가지 뚜렷한 통계적 현실 하에서 작동함을 밝혀냈다.
정책 상관관계: 식별된 체제 전환은 주요 국가적 사건들과 시간적으로 일치한다. 고사망 체제로의 전환은 2007–2008년 포스트 선거 폭력과 일치하며, 저사망 체제로의 복귀는 2010년 헌법(분권화) 시행 및 2013년 무료 출산 정책과 일치한다.
회복력 및 지속 가능성: 저사망 체제의 높은 지속성(예상 지속 기간 15년)은 정책 개입이 일단 성공하면 장기적인 안정성을 가져올 수 있음을 시사한다. 팬데믹 기간 중에도 저사망 상태를 유지한 시스템의 능력은 그 회복력을 강조한다.
SDG 3.1에 대한 시사점: 저사망 체제로의 성공적인 전환에도 불구하고, 현재 이 체제 내에서의 감소율은 2030년까지 지속가능발전목표(SDG) 3.1 목표(출생아 10만 명당 사망자 <70명)를 달성하기에 불충분하다. 저자들은 현재의 속도로는 2060년이 되어야 목표 달성이 가능할 수 있다고 언급하며, 가속화된 개입의 필요성을 강조한다.

본 연구는 마르코프 전환 접근법이 케냐의 모성 사망 추세의 구조적 단절과 지속성을 드러내지만, 소표본으로 인한 전이 확률의 넓은 신뢰 구간은 신중한 해석을 요한다고 결론짓는다. 연구 결과는 저사망 체제를 유지하고 글로벌 보건 목표를 향한 진전을 가속화하기 위한 지속적인 정책적 노력이 필요함을 강조한다.