다중질환 경로 분석을 위한 연속시간 숨은 다중상태 모델

노인 인구의 급격한 고령화와 함께 다중질환은 흔하면서도 이질적이며 동적으로 진행되는 현상으로, 장애, 의료 이용 증가, 사망 위험과 밀접하게 연결된다. 기존 연구는 주로 단일 질환이나 이산시간 다중상태 모델을 사용했지만, 관찰 간격이 불규칙하고 검열이 존재하는 실제 데이터에서는 한계가 있었다. 이를 극복하고자 저자들은 연속시간 숨은 마코프 모델(CTHMM)이라는 새로운 통계 프레임워크를 제안한다. 모델은 (1) 연속시간 전이 강도 함수를 Gompertz 형태의 비례위험 모델로 설정해 연령에 따른 위험 변화를 자연스럽게 반영하고, (2) 전이 강도 행렬 Q(t)를 완전한 시간비동질 형태로 추정해 시간에 따라 변하는 전이 위험을 정확히 포착한다. 다중질환 패턴은 잠재클래스 분석(LCA) 등 무감독 학습 기법으로 정의되며, 실제 관측된 패턴은 숨은 실제 패턴에 대한 오분류를 포함한다. 이를 위해 emission matrix E 를 도입해 관측 상태와 잠재 상태 사이의 확률적 연결을 모델링한다. 시뮬레이션 연구에서는 실제 SNAC‑K 코호트의 연령 분포, 질환 유병률, 추적 간격 등을 반영한 데이터 생성 과정을 설계하였다. 네 가지 시나리오(표본 크기 3,000·10,000, 규칙·불규칙 관찰)에서 100개의 데이터셋을 생성하고, (a) 숨은 모델 vs 비숨은 모델, (b) 시간비동질 모델 vs 조각별 상수 근사 모델을 비교하였다. 결과는 숨은 모델이 전이 위험 추정에서 평균 편향을 크게 감소시켰으며, 특히 시간비동질 모델이 조각별 근사보다 정확도가 높았다. 이는 연령이 증가함에 따라 전이 위험이 급격히 변하는 실제 상황을 더 잘 반영한다는 것을 의미한다. 실제 적용에서는 스웨덴 SNAC‑K 코호트(2,716명, 최대 18년 추적) 데이터를 사용했다. 먼저 LCA를 통해 4~5개의 다중질환 패턴을 도출하고, 각 방문 시점마다 가장 가능성이 높은 패턴을 할당하였다. 이후 CTHMM을 적용해 패턴 간 전이 강도와 사망 위험을 추정했다. 결과는 낮은 교육 수준, 흡연, 신체활동 부족 등이 복잡한 다중질환 패턴(다수 질환 동시 존재)으로의 전이를 유의하게 증가시켰으며, 각 패턴별 사망 위험이 단계적으로 상승하는 gradient를 보였다. 모델은 개인별 현재 연령과 위험 요인을 입력하면 향후 패턴 전이와 사망 확률을 예측할 수 있어, 임상 현장에서 표적 예방 및 관리 전략을 설계하는 데 활용 가능하다. 본 논문은 연속시간 숨은 다중상태 모델이 다중질환 연구에 제공하는 통계적 정확성, 유연성, 실용성을 입증한다. 불규칙 관찰, 오른쪽 검열, 상태 오분류를 동시에 다루면서도 연령에 따른 위험 변화를 정밀하게 모델링함으로써, 기존의 이산시간 또는 비숨은 접근법보다 편향이 적고 해석이 용이한 결과를 제공한다. 이러한 방법론은 향후 다양한 노인 건강 연구와 정책 설계에 적용될 잠재력이 크다.