캐나다의 인구보건 모형(Population Health Model, POHEM)

POHEM은1990년대 초반에 캐나다 통계청에서 개발된, 세계에서 몇 안 되는 인구집단 기반 건강 마이크로 시뮬레이션 모델로, 캐나다 인구의 유병률, 질병 발생률, 기대 수명, 건강 보정 기대 수명, 삶의 질, 의료비 등과 같은 건강 결과(health outcome)를 설명하고 추계하기 위해, 개개 인의 질병 상태, 위험 요인들, 건강 결정요인들의 변화를 모의실험한다 (Hennessy et al., 2015, p.13). 사회과학이나 인구보건의 관점에서 볼 때, 다이내믹한(역동적인) 모의실험이란 한 사회의 사회경제학적, 인구학 적 발전을 추계하기 위해서, 큰 표본의 개인들과 그 개인들의 행동양식, 상태와 행위들을 시계열적으로 시뮬레이션 하는 것을 일컫는다. 단면적 설문조사(cross-sectional survey), 종적인 설문조사(longitudinal survey), 행정적 데이터베이스, 생명 통계, 센서스 자료 등 다양한 실증적 자료들을 이용해서 개인의 행동, 상태, 행위 등을 모형화한다. 예를 들면, 질병 상태의 변화와 같은 별개의 사건들(discrete events)은 연대기적 순 서로 정열이 가능하며, 각 사건이 발생할 확률은 실증적으로 관찰되거나 측정된 대기 시간의 분포로부터 도출된 무작위 과정(random process) 에 의해서 결정될 수 있다. 또한 흡연의 시작, 체질량지수의 변화, 질병의 발생과 같이 각 개인에게 할당된 초기값의 편차가 개개인의 생애 궤도 (life course trajectories)를 추적하는 데 큰 영향을 준다.

POHEM은 다음과 같은 여섯 가지 단계를 거쳐 측정값을 생산한다 (Hennessy et al., 2015, pp.14-19). 여섯 가지 단계에는 정확한 모델 의 명시(model specification), 초기화(initiation), 역동적인 최신화화 위험도의 이행(dynamic updates and risk transition), 모델 검증과 교정(validation and calibration), 예측(projection), 반사실적 분석 (counterfactual analysis)이 포함되며 단계별 내용은 다음과 같다.

첫 번째 절차는 모델을 정확하고 구체적으로 명시하는 것이다. 이 단계 에서는 마이크로 시뮬레이션 전문가, 임상적 인구보건 전문가, 정책결정 자 들로부터의 심도 있는 자문이 필수적이다. 처리해야 할 우선순위에 있 는 정책 질문들, 모델의 기능성(잠재적인 개입과 주요 결과 변수들), 정책 관련 실현 가능한 반사실적 시나리오들을 논의하고 결정해야 한다.

두 번째 단계에는 모델을 초기화한다.

초기화하는 방법 중 첫 번째 방법은 캐나다 인구와 유사한 합성인구집 단(synthetic population)을 만드는 것이다. 즉, 개인 단위의 실제 자료 들에 근거해서 추출된 정보들, 예를 들면, 건강이나 사회경제적 수준(상 태)들 사이에서 이행(전이)하는 패턴을 이용하여 가설적, 인위적으로 인 구집단을 새롭게 데이터베이스화하는 것이다. 이러한 시뮬레이션은 출생 에서 사망까지의 사건들을 추적하는 개인단위 합성 생애기록(individual synthetic biography) 사례들을 생성해 낸다. 과거의 출생기록들을 주 기적으로 교정(Calibration)함으로써 좀 더 정확하고 대표성을 띠는 연 령-성별 인구추계도 가능하도록 해 준다. 이 방법은 개개인의 생애 과정 을 시작부터 끝까지 따라갈 수 있다는 장점이 있지만, 위험 노출에 대한 과거 정보가 부족하다는 단점이 있다.

두 번째 방법은 캐나다 인구를 대상으로 하는 단면적 설문조사로부터 출발 인구를 만들어 내는 것이다. 가장 최근의 POHEM 모델은 2001년

캐나다 지역사회 건강 설문조사 1.1(Canadian Community Health Survey, CCHS 1.1)에서 응답한 인구에 기반을 두고 가중치를 감안해서 만들어졌다. 설문조사로부터 직접 초기 인구를 사용하는 방법의 장점은 폭넓은 개인 요소(변수)들을 실증적으로 관찰해서 얻어 냈다는 점과, 응 답자 표본의 수가 크다는 점을 들 수 있다. 사회 인구학적 변수들(성별, 연령 그룹, 주거 지역, 인종, 이민 여부, 교육 수준, 소득 4분율), 건강 위 험 변수들(체질량지수, 당뇨 여부, 흡연 여부, 고혈압 여부), 그리고 건강 상태 변수들(관심 질병의 과거기록, 건강효용지수 3) 등이 설문에 포함되 어 있다. 초기화 데이터베이스는 다음 주기에 수집된 설문조사 자료에 의 해서 업데이트되거나 보충 보완된다. 예를 들면, CCHS에는 혈압과 콜레 스테롤 수준과 같은 자료들이 포함되어 있지 않으나, 캐나다 심장 건강 조사(Canadian Heart Health Survey, CHHS)에서 수집된 측정값들로 부터 대체(imputation)하여 결측값들을 보완한다. 단점으로는 출발 인구 속에 있는 다양성, 이질성(heterogeneity)의 정도가 초기 표본크기와 결 측 값 대체의 정도에 제한을 받는 것과 질병이나 위험 노출의 기간에 관한 과거 정보가 부족하여, 결측값 대체 방법에 의존하게 된다는 점이다.

세 번째 단계는 역동적인 최신화와 위험 전이를 모델화하는 것이다. 초 기 인구집단이 정해진 이후에는, 개개인의 질병 상태, 위험 요소들, 건강 결정 요인들을 지속적으로 업데이트할 수 있고, 시간(사건)에 따라 변하 는 역동적인 모형을 구축할 수 있다. 기본적인 사회 인구학적 특성들(나 이, 출생과 사망, 이민, 해외이주, 사회경제학적 지위)의 전이를 시뮬레이 션할 수 있고, 예측 알고리즘과 위험전이 모델을 적용해서, 개개인의 질 병 상태, 위험 요소들, 건강 결정 요인들을 역동적으로 추적할 수 있다.

네 번째 단계는 모델을 검증하고 교정하는 단계이다. 정상적인 모델 운 영이 확인되면, 얻고자 하는 건강 결과들의 측정값이 타당한지 검증하는

절차를 거친다. 우선 내부적으로 컴퓨터 코드와 매개변수 값들을 검토해 보고, 다음으로 외부적으로 모델에 쓰이지 않은 다른 근거 자료와 비교 대조해서 측정값의 타당도 여부를 검증한다. 모델에서 출력된 값이 항상 외부 벤치마크와 일치하는 것은 아니다. 그러므로 교정절차(calibration) 를 통해 모델에 포함된 매개변수들을 보정하는 작업이 필수적이다. 교정 절차는 시뮬레이션하여 얻어진 측정값(simulated estimates)과 관찰값 (observed estimates)의 차이를 줄이는 역할을 한다.

다섯 번째 단계는 추계(예측) 단계이다. 건강결과의 추계된 측정값들을 검토한다. 예들 들면, POHEM 심장질환 모델은 심장병 위험요소 관련 유 병율과 심근경색 관련 입원율을 2021년까지 추계하고 있다. 이러한 추계 는 기준선(baseline) 자료들을 반영하는 것이다. 초기 단계의 자료와 추 계값들의 연관성을 항상 인지하고 재점검하는 과정이 필요하다.

마지막으로 반사실적 분석을 하게 된다. 기준선(baseline) 또는 기본 사례(base-case) 예측이 완료된 후에는 반사실적 분석이 가능해진다.

즉, 다양한 종류의 의도된 개입(intervention)을 가정해서 각각의 시나리 오에 따른 결과를 분석해 볼 수 있다. 의도된 개입이 시작되기 전과 후의 건강결과의 차이를 각 시나리오별로 비교 분석하게 된다.