3.2. 기술역학 연구
(descriptive study)

• 표준화값의 해석 시 직접표준화율은 집단별로 서로 비교할 수 있으나, 간접표준화비는 다른 군별 비교가 적절하지 않다. 예를 들어 농업인의 표준화사망비가 1.2이며 방사선 종사자가 0.5라고 한다면 각각의 해석 즉 농업인이 일반인구집단에 비해서 20% 사망률이 높고 방사선 종사자들이 일반인구집단에 비해서 사망률이 50% 적다는 해석은 가능하나, 농업인과 방사선 종사자들을 직접 비교해서 방사선 종사자가 2.4배(1.2/0.5) 사망률이 높다고 말할 수는 없다. 왜냐하면 산출된 표준화사망비 값은 비교하려는 집단들의 연령구조에 영향을 받기 때문이다. 표준화사망비는 표준(일반)인구와의 비교를 위한 목적으로만 사용되는 것이 적절하다. 만약 군간 비교를 하려면 두 군을 대상으로 직접표준화를 실시하면 가능하다.

• 조율(crude rate)은 인구집단에서 관찰된 질병율을 말한다. 조율이란 단어가 다듬어지지 않은 다소 부정적 의미이지만 실제로는 현상 자체를 직접 표현해주는 중요한 실제율(actual rate)이다. 각 연령별 성별 질병의 발생이 크게 다르다면 이러한 차이 자체가 중요한 정보이기 때문에 실제율은 질병의 양상을 이해하는 데 매우 중요하다. 표준화값을 통해서는 실제 규모를 볼 수 없고 단지 표준화된 전체 집단 값을 제공해주기 때문에 질병 상태의 실제 모습을 파악하는 데 제한적이다. 즉 전체적으로 모아진 하나의 값만을 제공한다는 것은 그 질병 특성에 대해 잘못된 정보를 줄 수 있다. 표준화율은 전체집단의 규모를 비교하는데 객관적일 수 있지만, 특정 연령대 질병 발생 규모에 대한 정보는 제공하지 못하며, 어떤 인구집단을 표준으로 하느냐에 따라 다른 값을 산출한다는 제한점이 있다. 따라서 특히 기술역학에서는 실제율 자체에 대한 이해가 중요하며 조율에 대한 표준화나 보정은 실제 집단간 질병의 차이를 가려버릴 수 있어 연구목적에 따라 신중하게 접근해야 한다.

• 국내 방사선관계종사자들에 대한 연구에서 관찰된 암발생률을 일반인구 집단과 비교하기 위해서 성별과 연령을 표준화시키는 방법을 적용한 바 있다. 표준화 암발생비(standardized incidence ratio)를 산출하기 위해 국내 일반인구집단의 1996-2017년 연도별, 성별, 연령별 암 발생률을 적용하였다(국내 공식적인 암 발생통계는 1999년 자료부터 가능하므로 그 이전 연도는 1999년의 발생률을 적용하였다). 표준화암발생비 산출 시 코호트의 시기별 연령별로 인년을 산출한 후, 해당되는 일반인구집단에서의 암 발생률을 적용하여 코호트 내에서의 기대 발생자를 산출하였다. 그리고 기대 발생자를 실제 관찰된 암 발생자 수로 나누어 표준화발생비를 산출하였다(구체적인 산출과정은 부록 참고).

(다) 경향성 분석(trend analysis)

• 기술역학에서는 질병 발생의 시간적 경향을 분석하는 것이 중요하다. 왜냐하면 질병 발생의 변화는 위험요인의 변화를 의미하며 예방대책을 수립하는데 근거 자료가 되기 때문이다. 이를 위해 연간 질병 발생률의 시기적 변화(경향성)를 파악한 후 연간 변화가 기존의 흐름과 유의하게 다른 변곡점(joinpoint)을 파악하는 것은 질병을 이해하는 데 중요한 정보를 제공해준다. 이러한 목적으로 진행되는 분석을 경향성 분석(trend analysis)이라고 하며, 여러 프로그램중에서 미국국립암연구소에서 개발한 Joinpoint Trend Analysis Software (https://surveillance.cancer.gov/joinpoint/)가 많이 활용되고 있다. 기본적인 원리는 질병 발생률이 이전 연도의 발생률과 일정한 분율로 선형적으로 변한다는 가정하에 연간 변화량(annual percent change, APC)을 산출한다. 예를 들어 APC가 1%라고 하고 2020년도에 암발생률이 10만 명당 50이라면 2021년은 50 × 1.01 = 50.5이며, 2022년은 50.5 × 1.01 = 51.005의 발생률이 된다.

(라) 연령-기간-코호트 분석(age-period-cohort)

• 질병의 변화는 특히 연령, 출생연도(코호트), 기간에 따라 영향을 받는다. 연령 효과(age effect)는 연령에 따른 질병 발생의 차이를 의미하는 것으로 연령에 따른 민감성 요인 혹은 노출에 대한 누적 영향 등에 영향을 받으며, 기간효과(period effect)는 특정 기간 전체 인구의 질병율의 변화를 의미하는 것으로, 진단기술의 발전, 질병분류의 변화, 특정 질병의 유행, 집단검진율의 변화 등에 영향을 받으며, 코호트 효과(cohort effect)는 출생연도에 따른 질병의 차이로서 같은 해에 태어난 당시 상황 및 그 이후 성장하면서 공통적으로 경험하는 요인 등에 영향을 받는다. 

• 예를 들어 연령증가에 따라 질병 발생이 감소하는 단면조사 결과는 각 사람이 태어난 출생연도를 고려하여 살펴보면 연령에 따라 발생율이 증가하는 반대의 결과가 나타날 수 있다. 이것은 원래 질병 발생율은 연령증가에 따라 증가하지만(연령효과) 연령과 무관하게 최근 출생자일수록 질병 발생율이 증가하는 경우(코호트효과) 두 효과가 합쳐져서 나타나기 때문이다. 즉 같은 연령이라고 하더라고 언제 출생했는지에 따라 발생율이 다르게 나타날 수 있어 각 출생코호트별로  구분하여 연령별 발생율을 살펴보는 것이 중요하다. 이처럼 출생코호트 효과는 연령과는 독립적으로 질병 발생에 영향을 줄 수 있어 자료분석시 연령을 보정하였더라도 출생연도를 추가하기도 한다.

• 그러나 질병율(발생 혹은 유병) 변화에 대해 연령 효과와 기간효과, 코호트 효과를 각각 분리해서 파악하기 어렵다. 따라서 연령-기간-코호트 분석(age-period-cohort)은 각 요인별 효과를 서로 보정한 후 질병 발생률(사망률)의 변화가 어떤 효과에서 기인했는지를 알아보는 것을 목적으로 시행한다. 연령, 기간, 출생코호트 효과를 별도로 파악하는 것은 질병의 원인을 파악하는 데도 도움이 되며, 연구가설을 생성하기 위한 탐색적 분석의 의미가 있다(물론 간접적인 추론 도구로서 제한점이 있으며 연령, 기간, 출생연도 외의 질병발생의 직접적인 원인을 제시해주지는 못한다).

• 연령-기간-코호트 분석 방법은 회귀식을 통해 각 요인을 서로 보정된 값으로 산출하며(예를 들어 Y = α + β1 × 연령 + β2 × 기간 + β3 × 코호트), 분석은 미국 국립암연구소에서 개발한 APC 분석 웹 도구(APC Analysis Web Tool, https://analysistools.cancer.gov/apc/) 프로그램을 많이 활용한다.

(마) 자료의 해석

• 기술역학에서 중요한 것은 자료에 대한 올바른 해석(interpretation)과 객관적 비교이다. 이를 위해 보고된 발생률이라고 하더라도 다양한 이유로 다른 내용을 의미할 수도 있다는 것을 고려해야 한다. 즉 진단 방식의 변화, 검진의 행태 변화(검진 방법 혹은 주기 등), 등록된 인구집단의 변화, 등록 체계의 효율성 변화(대체로 기존보다 더 많은 사람을 파악하는 형태로 변화하고 있다), 코딩 방식의 변화 등에 의해 마치 질병 발생률이 변화된 것처럼 보일 수 있다. 만약 이러한 변화를 고려하지 않고 기록된 값으로만 질병 발생률을 해석한다면 실제의 변화를 올바로 파악하지 못할 수 있다. 따라서 역학 연구에 사용되는 자료원들에 대한 이해가 중요하며, 각 자료원의 정확성 및 역학적 활용 가능성에 관한 판단도 중요하다.

• 질병 진단 기준(disease criteria)이 일관성이 있는지에 관한 확인도 중요하다. 예를 들어 2000년도 국제질병분류에서 이전에 양성 질환으로 분류되어 있던 골수증 식성질환(myeloproliferative disorders)를 악성종양으로, 반대로 악성이었던 다낭성 성상세포종(polycystic astrocytoma)를 양성으로, 백혈병에 속했던 만성 림프구성백혈병(chronic lymphocyte leukemia)를 림프종으로 재분류하는 등의 변화가 있었다. 이러한 질병분류 체계의 변화는 질병 정의의 일관성에 영향을 줄 수 있어 특히 추적 기간이 긴 연구의 경우 여러 분류기준 코드를 가질 수 있게한다. 따라서 이전 분류체계를 최근 분류기준으로 재분류하여 질병 정의의 일관성을 확보하는 것이 필요하다.

(3) 연구 사례

• 국제암연구소(www.iarc.fr)에서는 나라별 암발생 및 사망에 관한 기술역학 연구들을 진행하고 있다. 이를 통해 악성질환의 규모를 나라별로 보여줄 뿐 아니라, 나라별 암 발생 및 사망률의 차이가 왜 나타나는지에 대한 분석역학의 근거를 제공해준다. 모든 암역학 연구에서 암발생 및 사망률은 가장 기본적인 정보이므로 이러한 기술역학 연구는 자주 인용된다.

• 영국에서는 CT 촬영에 대한 시간적 변화양상을 인적 특성별로 기술한 바 있다. 이 연구에 의하면 CT 촬영이 1993년에서 2002년간 약 2배 증가하였고 특히 1997년부터 두드러지게 증가하였다. CT 촬영은 신체 부위별로 모두 증가하였으며, 어린이 연령대에서는 두부 CT가 가장 많이 증가하였다. 이러한 기술역학 연구를 통해 CT 사용의 증가가 어떤 양상으로 어떻게 나타났는지를 설명하면서, 불필요한 방사선 노출을 줄이기 위한 노력을 강조하는 근거를 제시하였다.

• 국내 의료방사선 종사자들에 대한 작업 종류, 기간, 사용 방사선 기기 및 회수, 개인별 방사선량 노출 현황 등 직업적 방사선 노출 현황을 조사한 바 있다. 조사 결과 다른 의료인들보다도 남성 40세 방사선사들에서 허용기준 초과자가 많았다. 또한 국내 정형외과 의사들에 관한 단면 조사연구에서는 약 40%가 방사선 중재 시술에 관여하였으며(한 달에 평균 12일), 30% 정도만 정기적으로 뱃지를 모니터링하고 있었고, 납복과 갑상선 보호대는 각각 52%, 29%에서만 착용하고 있어, 실제로 방사선 중재 시술을 하고 있지만 선량을 측정하거나 보호구를 착용하는 경우가 적다는 것이 보고되었다. 이러한 연구는 단면조사 연구라고도 할 수 있지만 질병 정보없이 관련 위험요인만에 대한 기초자료를 제공하다는 점에서 기술역학 연구에 더 가깝다. 

• 갑상선 암 발생률의 증가가 과잉 진단 때문에 증가하는 것처럼 보이는 것인지 실제로 증가하는 것인지 파악하기 위해 기술역학 연구들이 진행된 바 있다. 국내에서 1999년에서 2011년까지의 갑상선 암 발생에 대한 연령-기간-코호트 분석 결과 연령과 코호트 효과가 일부 관찰되었지만, 기간효과가 가장 크게 관찰되었다. 따라서 국내 갑상선암의 급격한 증가는 초음파 과잉검진이라는 기간효과에 주로 기인한다는 가설을 뒷받침하였다. 한편 미국에서도 갑상선 암 발생 및 사망에 관한 기술역학 연구가 미국 일부 주의 암등록 자료(SEER) 분석을 통해 보고된 바 있다. 이 연구에서는 1974-2013년 동안 77,276명의 갑상선 암 환자가 발생하였으며 매년 3.6%의 증가를 하였고, 변곡점이 두드러지지 않았으며, 갑상선 암으로 인한 사망률도 연간 1.1% 증가하였고, 암종별, 중증도별, 성별 등 일관되게 증가하는 경향을 보였다. 이러한 결과는 갑상선암이 국내와 달리 미국 내에서 인위적인 변화라기 보다는(예를 들어 급격한 검진 증가) 실제 지속적으로 증가한다는 근거가 되었다.