1. 연구의 필요성

경도인지장애(Mild Cognitive Impairment [MCI])는 정상과 치매 사이의 인지적 변화를 보이는 상태이며 뚜렷한 기억력 및 집중력의 감소, 성격과 감정 조절의 미세한 변화 등을 보이는 질환으로 아직 치매는 아니지만, 치매로 발전하는 전조증상으로 치매의 위험이 큰 상태이다[1]. 경도인지장애는 Global Deterioration Scale (GDS) 3점, 단어회상, 시각-공간 회상능력, 시각재인 능력, 어휘와 이름대기, 물건분류능력 등의 신경심리검사에서는 낮은 점수를 보이나 치매 증세는 없는 경우를 말한다[2].

보건복지부와 중앙치매센터에서 발표한 “대한민국 치매현황 2018”에 따르면 2017년 기준 우리나라의 경도인지장애 추정 환자수는 약 165만명이며, 약 22.5%의 유병율이 지속된다면 2022년에는 200만명, 2032년에는 300만명을 넘어 설 것으로 예상된다[3]. 2017년 건강보험 진료비 분석 결과 경도인지장애로 진료를 받은 여성은 남성의 2.2배로 나타났으며, 연령별로는 70대가 41.4%로 가장 많았고 60대 27.7%, 80대 20.9%, 50대 10.4% 순으로 나타났다[4].

치매는 정상적인 인지기능 상태에서 갑자기 발병하는 것이 아니라 인지기능이 서서히 저하되는 과정을 겪게 되는데, 경도인지장애는 치매의 진단 기준에는 미치지 못하지만 정상에 비해 인지기능이 저하되어 있는 상태로[5] 매년 12% 정도가 치매로 진행되며 이는 정상인지 노인에서 치매 발병률이 매년 2% 이하인 것에 비하여 높은 발병률이다[6]. 이러한 경도인지장애의 증가는 결국 치매 유병기간의 증가 및 의료비 증가로 이어져 치매로 인한 사회적 비용을 증가하게 한다[7]. 또한 인지기능 장애는 장기적인 치료를 필요로 하고 쉽게 치료가 되지 않기 때문에 일단 발병하면 삶의 질 뿐만 아니라 가족들에게도 많은 부담과 고통을 주게 된다[8]. 따라서 치매 유병율과 사회의료 비용을 감소시키고 환자와 가족들의 삶의 질을 향상시키기 위해서는 치매 이환율이 높은 경도인지장애 환자를 선별하는 것이 중요하다[9].

인지기능과 관련된 선행연구들에서 노인의 인지기능은 연령, 성별, 교육수준, 일상생활수행능력(Activity of Daily Living [ADL]), 우울과 관련이 있으며[10, 11, 12], 특히 성별, 교육수준, 우울, 신체활동, 음주, 운동, 체중은 영향요인으로 나타나 있다[13, 14]. 또 경도인지장애의 유병율은 여성에서 특히 높은 것으로 나타나 있는데 여성의 인지기능은 교육수준, 직업, 수입, 결혼여부, ADL, 도구적 일상생활수행능력(Instrumental Activity of Daily Living [IADL])과 관련이 있는 것으로 보고되고 있다[12, 15, 16, 17, 18]. 그 외 국내에서 50세 이상 성인을 대상으로 한 연구에서는 교육수준, 흡연, 고혈압이 인지기능에 영향을 주는 것으로 나타났고[19], 네덜란드에서 50세 이상 성인을 대상으로 한 연구에서 콜레스테롤, 고혈압, 뇌졸중병력, 우울, 음주, 흡연이 인지기능 저하의 위험요소이며 특히 50~70세에서 콜레스테롤이 위험요소이고 80세 이상에서는 고혈압, 음주, 신체활동이 위험요소로 보고되었다[20].

그런데 인지기능에 영향을 미치는 요인을 분석한 대부분의 선행연구들은 65세 이상 노인을 대상으로 하여 중년층을 포함한 연구는 미흡하며, 주로 치매환자를 대상으로 하고 있어 경도인지장애 대상연구는 부족한 실정이다. 또한 연구대상자의 크기가 충분하지 않아서 결과의 해석에 제한이 있다. 그러므로 포괄적인 연령층을 대상으로 경도인지장애 대상자의 인지기능에 영향을 미치는 요인을 분석하여 치매로의 이행을 감소시킬 수 있도록 방안을 마련하는 것이 필요할 것이다. 이에 본 연구에서는 2012년 한국고용정보원에서 전 국민을 대상으로 한 “제4차 고령화연구패널조사(Korean Longitudinal Study of Ageing [KLoSA])” 자료를 사용하여 경도인지장애 예측모형을 구축함으로써 치매를 조기에 발견하고 예방하기 위한 구체적인 방안을 모색하는 데 도움이 되고자 한다.

2. 연구 목적

본 연구의 목적은 고령화연구패널조사 자료를 분석하여 경도인지 장애의 예측모형을 구축하는 것으로 구체적인 목표는 다음과 같다.

1. 연구 설계

본 연구는 한국고용정보원에서 2012년에 수집한 “제4차 고령화연구패널조사” 자료를 이용하여 경도인지장애를 예측하는 모형을 구축하는 이차자료분석연구이다.

2. 연구 대상

고령화연구패널조사는 급속한 고령화 진행에 따라 횡단면 조사로 파악하기 어려운 고령자의 노동공급 및 은퇴, 소득, 소비행태, 건강 및 사회보장제도 수혜 등에 관한 미시자료를 패널로 확보하여 사회경제정책을 수립하는데 활용될 기초자료를 제공하는 목적을 가지고 시행되는 조사이다[21]. 고령화연구패널조사의 모집단은 제주도를 제외한 전국에 거주하는 45세 이상 국민이다. 표집틀(sampling frame)은 2005년 인구주택총조사의 조사구이며, 전체 조사구 가운데 섬지역 조사구와 시설단위 조사구를 제외한 261,237개 보통조사구 및 아파트조사구를 추출단위 조사구로 설정되었다.

고령화연구패널조사의 기본조사는 2006년부터 짝수 연도에 동일한 조사 항목을 중심으로 노트북을 이용한 대인면접법으로 시행되었다. 2012년에 실시된 4차 조사는 9,758명을 대상으로 하였으며 조사성공 패널은 7,813명으로 표본유지율 80.1%이고 사망자를 제외한 조사 성공 패널은 7,486명이다. 본 연구에서는 4차 조사에 참여한 7,486명의 응답자 중 치매의심 1,081명을 제외한 경도인지장애 1,329명과 인지기능정상 5,076명으로 총 6,405명을 분석에 포함하였다.

3. 연구 도구

본 연구에서는 한국고용정보원의 “제4차 고령화연구패널조사” 설문 조사항목을 기초로 아래와 같이 변수를 정의하였다.

4. 자료 수집 방법

본 연구는 P대학교 생명윤리위원회에 연구계획서를 제출하여 심의면제를 받은 후 시행하였다(PNU IRB/2015_93_HR). 고령화연구패널조사 자료를 연구목적으로 이용하기 위해 한국고용정보원의 고용조사 홈페이지(http://survey.keis.or.kr/)에 회원가입한 후 연구자의 정보와 이용목적을 밝히고 관리규정을 준수할 것을 동의한 뒤 제4차 고령화연구패널조사의 원시자료 결과와 설문지 및 코드북을 다운로드 받아 사용하였다.

5. 자료 분석 방법

본 연구 자료는 통계 프로그램 SPSS 23.0 program과 SAS Enterprise Miner 13.2를 사용하여 분석하였으며, 구체적인 통계분석 방법은 다음과 같다.

1. 대상자의 인구사회학적 특성

본 연구 대상자의 성별은 경도인지장애군의 65.8%, 정상인지기능군의 52.1%가 여성으로 두 집단 모두 여성의 비율이 높게 나타났으며(χ²=79.11, p<.001) 이는 통계적으로 유의한 차이를 보였다. 연령은 경도인지장애군은 평균 71.4(±9.16)세, 정상인지기능군은 평균 63.8(±8.91)세로 나타났다. 연령별 분포룰 살펴보면, 경도인지장애군은 65~74세가 35.7%, 75~84세가 34.8%로 많은 비중을 차지하였고 64세 이하가 23.6%, 85세 이상이 5.9% 순이었으며, 정상인지기능군은 64세 이하가 56.2%로 가장 많았고, 그 다음이 65~74세가 30.1%, 75~84세가 12.4%, 85세 이상이 1.3% 순으로 나타났고 이는 통계적으로 유의한 차이가 있었다(χ²=642.75, p<.001). 교육수준은 경도인지장애군은 초등학교 졸업 이하가 69.5%, 고등학교 졸업 13.7%, 중학교 졸업 13.5%, 대학교 졸업 이상 3.3% 순이었고, 정상인지기능군은 초등학교 졸업 이하 34.1%, 고등학교 졸업 33.6%, 중학교 졸업 19.6%, 대학교 졸업 이상 12.7% 순으로 나타났으며 이는 통계적으로 유의한 차이를 보였다(χ²=569.17, p<.001) (Table 1).

Table 1
Sociodemographic Characteristics (N=6,405)

• Download Table

2. 경도인지장애 예측모형

1) 로지스틱 회귀분석을 이용한 경도인지장애 예측모형

본 연구에서 경도인지장애를 예측하는 모형을 구축하기 위해 로지스틱 회귀분석을 실시하였다. 로지스틱 회귀분석 시 Training data에서 좋은 분석모형을 만들고 validation을 통해 유사한 예측결과가 나오는지 검토하게 되는데, data의 비율은 5:5, 7:3으로 설정할 수 있다[24]. 본 연구에서는 전체 대상자 6,405명 중 50%인 3,203명을 Training data로 로지스틱 회귀모형의 구축에 사용하였고, 나머지 50%인 3,302명은 Validation data로 로지스틱 회귀모형의 안정성을 평가하는데 사용하였다. 독립변수들 사이에 상관관계가 높은 경우 다중공선성이 발생되는데 본 연구에서는 Variance Inflation Factor<2으로 다중공선성이 없는 것으로 나타났다.

로지스틱 회귀분석 결과, 회귀모형은 유의한 것으로 나타났으며(χ²=75.06, p<.001) 경도인지장애를 예측하는 요인은 성별, 연령, 교육수준, IADL, 주관적 건강상태, 참여모임, 문화생활, 삶의 만족도 총 8개로 나타났다. 인구사회학적 특성으로 성별은 남성보다 여성에서 경도인지장애 발생이 1.46배 높았으며, 연령이 많을수록 경도인지장애 발생 가능성이 1.05배 높아지는 것으로 나타났다. 교육수준은 대학졸업 이상인 경우와 비교하여 초등학교졸업 이하의 학력을 가진 경우 경도인지장애의 발생이 3.68배 높으며 중학교 졸업인 경우는 1.82배 높고 고등학교 졸업의 학력을 가진 경우는 1.45배 경도인지장애 발생 가능성이 높은 것으로 분석되었다. 신체기능상태 영역에서는 IADL이 경도인지장애 예측요인으로 나타났는데, IADL점수가 1점씩 높아질수록 경도인지장애의 발생이 0.86배로 나타나 IADL점수가 좋을수록 경도인지장애 발생 가능성이 감소하는 것으로 나타났다. 건강관련 행위 영역에서는 주관적 건강상태가 경도인지장애의 예측요인으로 분석되었는데, 주관적 건강상태가 좋음에 비해 보통인 경우는 경도인지장애 발생 가능성이 1.47배, 나쁨인 경우는 경도인지장애 발생 가능성이 2.15배 더 높은 것으로 나타났다. 사회적관계 요인으로는 참여모임과 문화생활 여부가 경도인지장애와 관련이 있었다. 참여모임이 없는 사람의 경우 참여모임을 가지는 경우에 비해 경도인지장애 발생이 1.40배 높았으며, 지난 1년간 문화생활을 하지 않은 경우 문화생활을 하는 사람에 비해 경도인지장애 발생 가능성이 2.97배정도 높았다. 심리적 특성 요인에서 삶의 만족도가 낮은 사람의 경우는 삶의 만족도가 높은 사람에 비해 경도인지장애 발생 가능성이 1.76배 더 높은 것으로 분석되었다(Table 2).

Table 2
The Prediction Model of MCI by Using Logistic Regression (N=6,405)

• Download Table

2) 의사결정나무분석을 이용한 경도인지장애 예측모형

본 연구에서 경도인지장애를 예측하는 모형을 구축하기 위해 의사결정나무분석을 실시하였으며 그 결과는 Figure 1과 같다. 경도인지장애군과 정상인지기능군을 대상으로 의사결정나무분석을 통해 각 특성에 따른 경도인지장애의 발생 가능성을 확률로 확인하였다. 전체 대상자 6,405명 중 50%인 3,203명을 Training data로, 나머지 50%인 3,202명은 Validation data로 나누어 의사결정나무분석을 적용하였다.

Figure 1
The prediction model of MCI by using decision tree.
MCI=Mild Cognitive Impairment; IADL=Instrumental Activity of Daily Living.

• Download Figure

전체 대상자 중 경도인지장애 대상자는 20.8%이었고 첫 번째 가지는 교육수준으로 나누어졌다. 초등학교 졸업 이하의 학력을 가진 경우 경도인지장애일 확률이 36.4%, 중학교 졸업의 학력을 가지는 경우 경도인지장애의 확률은 14.2%, 고등학교 졸업 이상의 학력을 가지는 경우는 경도인지장애 발생 가능성이 8.2%이었다. 두 번째 가지는 연령으로 분류되었는데 초등학교 졸업 이하의 학력을 가진 경우에 64.5세 미만인 자는 경도인지장애일 확률이 20.8%이고, 64.5~74.5세인 자는 경도인지장애일 확률이 34.4%, 74.5세 이상인자는 경도인지장애일 확률이 51.7%로 증가되었다. 고등학교 졸업 이상의 학력을 가진 경우는 71.5세 미만일 때 경도인지장애일 확률이 5.9%, 71.5세 이상일 때 경도인지장애일 확률이 22.1%로 나타났다. 교육수준이 초등학교 졸업 이하이고 연령이 74.5세 이상인 경우 삶의 만족도에 따라 경도인지장애 발생 확률에 차이가 있었다. 초등학교 졸업 이하의 학력을 가지고 있고 연령이 74.5세 이상일 때, 삶의 만족도가 낮은 경우 경도인지장애 발생 확률이 67.4%, 삶의 만족도가 중간 이상일 경우 경도인지장애 발생 확률이 47.4%이었다. 교육수준이 고등학교 졸업이상이고 연령이 71.5세 이상인 경우 경도인지장애의 발생 위험을 높이는 요인은 IADL 지수였다. 고등학교 졸업 이상의 학력을 가지고 있고 연령이 71.5세 이상일 때, IADL 점수가 5.5점 이상인 경우 경도인지장애 발생 확률이 20.6%로 나타났고 5.5점 미만인 경우 경도인지장애 발생 확률이 66.7%로 높아지는 것으로 나타났다.

의사결정나무문석을 이용하여 경도인지장애를 예측한 결과 Training data에서의 중요 변수는 교육수준, 연령, 삶의 만족도, IADL 순서로 나타났으며 Validation data에서 변수의 중요도는 교육수준, 연령, 삶의 만족도, IADL 순서로 Training data와 같았다. 따라서 의사결정나무분석을 이용하여 경도인지장애를 예측함에 있어서 가장 중요한 변수는 교육수준, 연령, 삶의 만족도, IADL로 나타났다.

3) 로지스틱 회귀모형과 의사결정나무모형의 비교

(1) 예측 오류율

본 연구에서 구축된 모형의 예측 오류율은 로지스틱 회귀분석의 Training data에서 정분류율 81.9%, 오분류율 18.1%였으며 Validation data에서 정분류율 81.5%, 오분류율 18.5%로 나타났다. 의사결정나무분석은 Training data에서 정분류율 80.3%, 오분류율 19.7%였으며 Validation data에서 정분류율 80.5%, 오분류율 19.5%로 나타났다. 예측 오류율 비교 결과 로지스틱 회귀모형이 의사결정나무모형에 비해 정분류율이 약 1% 정도 높고 오분류율이 약 1%정도 낮은 것으로 나타났다(Table 3).

Table 3
Compare the Accuracy of Logistic Regression Model and Decision Tree Model (%)

• Download Table

(2) Receiver Operating Characteristic (ROC) Curve

본 연구에서 구축된 모형의 ROC Curve 는 Figure 2와 같다. 로지스틱 회귀모형과 의사결정나무모형은 거의 비슷한 ROC Curve를 가졌는데 로지스틱 회귀모형의 곡선이 왼쪽 상단으로 더 가까이 나타났다. 로지스틱 회귀모형의 AUC 값은 Training data 0.798, Validation data 0.775이며, 의사결정나무모형의 AUC 값은 Training data 0.757, Validation data 0.729이었다. ROC Curve의 곡선하 면적이 더 넓으며 AUC 값이 큰 로지스틱 회귀모형의 변별력이 더 좋은 것으로 나타났다.

Figure 2
ROC curves of logistic regression model and decision tree model.
ROC=Receiver Operating Characteristic; AUC=Area Under the Curve.

• Download Figure