GPS 데이터 기반 HIV 맥락 노출 추정 프레임워크

초록

본 연구는 남아프리카공화국 콰줄루나탈의 인구 기반 HIV 감시와 GPS 이동 데이터를 결합해, 격자 수준의 HIV 유병률을 추정하고 개인별 활동 공간을 정의함으로써 ‘맥락적 HIV 노출’ 지표를 개발한다. 성별·연령이 이동 패턴과 노출 정도에 미치는 영향을 분석하고, 고위험 개인을 식별하는 방법을 제시한다.

상세 분석

이 논문은 GPS 기반 이동 데이터를 활용한 환경·사회 위험 요인 노출 평가의 최신 흐름을 HIV 전염병 연구에 적용한 점에서 학술적·실용적 의의가 크다. 먼저, 저자들은 AHRI에서 2011‑2023년까지 수집된 대규모 HIV 감시 데이터를 이용해, 각 격자(cell)별 유병률을 베이지안 공간 모델링으로 추정한다. 이 과정에서 인구 밀도, 연령·성별 비율, 과거 감염 이력 등을 사전 정보로 활용해 공간적 상관성을 보정함으로써, 기존의 행정구역 기반 추정보다 미세한 공간 변동성을 포착한다.

GPS 데이터는 ‘Sesikhona’ 연구에서 207명의 20‑30세 청년을 대상으로 2021‑2025년 동안 수집되었으며, 시간 간격이 10분에서 2시간까지 불규칙한 점이 특징이다. 저자들은 30분 이상 간격을 ‘갭’으로 정의하고, 이러한 갭을 보간하기 위해 선형 보간과 이동 경로 모델(예: 가우시안 마코프 모델)을 결합한 하이브리드 방법을 제안한다. 이를 통해 개인별 ‘활동 공간(activity space)’을 다중 폴리곤 형태로 재구성하고, 각 폴리곤에 격자 수준 HIV 유병률을 매핑한다.

맥락적 HIV 노출은 (1) 활동 공간 내 격자별 유병률의 가중 평균, (2) 체류 시간 가중치, (3) 이동 거리·빈도 등을 종합해 산출한다. 특히, ‘시간-공간 가중 노출 지수’를 도입해, 동일 격자라도 체류 시간이 길수록 노출 점수가 상승하도록 설계하였다. 통계 분석에서는 일반화 선형 혼합 모델(GLMM)을 사용해 성별·연령이 노출 지수에 미치는 효과를 추정했으며, 남성보다 여성의 노출이 약간 낮지만, 27‑34세 그룹이 20‑26세 그룹보다 평균 1.8배 높은 노출을 보였다.

한편, 데이터 결측과 테스트 누락 문제를 해결하기 위해 ‘다중 imputation’ 방식을 적용하였다. 기존의 중간값(imputation) 방식 대신, 개인별 위험 요인(성별, 연령, 이전 이동 패턴)과 지역별 유병률 추세를 통합한 베이지안 로지스틱 회귀 모델을 사용해 HIV 상태를 시뮬레이션한다. 이 과정에서 ‘시리얼 테스트 간격’과 ‘마이그레이션 기록’이 중요한 보정 변수로 작용한다는 점을 확인했다.

연구 결과는 활동 공간이 확대될수록 맥락적 HIV 노출이 급격히 증가한다는 점을 강조한다. 특히, AHRI 지역 외부로 장기간 체류하거나 장거리 이동을 하는 개인이 고위험군으로 식별되었으며, 이러한 개인을 대상으로 맞춤형 검진·예방 프로그램을 설계할 필요성을 제시한다. 제한점으로는 GPS 데이터의 불규칙성, 프라이버시 보호를 위한 좌표 변형, 그리고 격자 크기 선택에 따른 민감도 문제가 남아 있다. 향후 연구에서는 보다 정교한 이동 경로 추정 알고리즘과 실시간 노출 모니터링 시스템을 도입해 정책적 활용도를 높일 수 있을 것으로 기대한다.