본 연구는 지역사회 거주 노인의 낙상 현황 및 관련 요인을 확인하고, 이를 바탕으로 머신러닝을 이용하여 낙상 예측 모델을 개발하고자 하였다. 이를 통해, 국내 지역사회 거주 노인들의 낙상 위험군을 예측하고, 낙상 위험 노인들에게 효율적인 교육 및 중재를 제공하기 위한 기초자료를 제시하고자 한다.

본 연구에서 다양한 머신러닝 알고리즘을 이용하여 낙상 예측모델을 개발하고 평가한 결과, 랜덤 포레스트 및 인공신경망 분석에서 AUC .91~.92, 정확도 .90~.94, 정밀도 .79~.94, 재현율 .67~.74, F1점수 .72~.83으로 전반적으로 성능이 우수한 예측모델을 개발할 수 있는 것으로 나타났으며, 가장 성능이 우수했던 모델은 랜덤 포레스트 알고리즘을 이용하여 개발한 모델로, AUC .91, 정확도 .94, 정밀도 .94, 재현율 .74, F1점수 .83이었다. 이는 선행 연구[13]에서 의사결정나무(decision tree) 알고리즘 머신 러닝을 적용해 개발한 지역사회 노인 낙상 예측 모델의 AUC가 .70이었던 것에 비해 매우 높았는데, 선행 연구의 낙상 예측 모델에서는 낙상 예측 요인을 8~9개 정도만 포함하여 분석하였기 때문에 높은 예측력을 확보하기 어려웠을 것으로 생각된다. 또한 낙상 예측에 있어 의사결정나무 알고리즘 보다는 랜덤 포레스트 알고리즘이 더 적절한 알고리즘으로 볼 수도 있겠는데, Speiser 등[31]이 낙상으로 인한 손상 예측 모델을 개발한 연구에서도 의사결정나무 알고리즘 보다는 랜덤 포레스트 알고리즘을 적용하여 개발한 모델의 AUC가 더 높았다. 뿐만 아니라, 본 연구에서 머신러닝을 이용한 로지스틱 회귀분석을 적용하여 분석한 모델이 성능이 가장 낮고 정밀도-재현율 곡선이 모양이 좋지 않았으며, 특히 재현율이 0.17로 매우 낮아 F1 점수 또한 0.26으로 낮았다. 이는 지역사회 노인의 낙상 모델을 평가한 선행연구[13]에서도 다른 머신러닝 알고리즘에 비해 로지스틱 회귀분석을 적용한 모델의 재현율이 0.50 정도로 가장 낮았던 결과와 유사하였다. 입원 환자의 낙상 예측모델 연구들[32,33]에서도 기존의 통계 분석방법을 이용했던 모델은 성능은 AUC가 .75 내외였던 것에 비해, 머신러닝 방법을 이용하였을 때에는 AUC .95 이상의 고성능의 낙상 예측모델을 개발할 수 있었던 것으로 나타난 바 있다. 따라서 선형 모형을 따르지 않는 다양한 다면적 낙상 위험요인을 모두 포함하여 머신러닝 분석을 하는 경우에는 여러가지 조합을 통해 예측력이 높은 모델을 개발할 수 있는 것으로 보인다. 종합하면, 주기적으로 시행되는 대단위 조사 자료를 바탕으로 머신러닝 기법을 적용했을 때 우수한 낙상 예측이 가능하며, 지역사회에서 노인의 낙상 위험을 사정하고 예측하는 1차 선별 도구로 이용할 수 있음을 시사한다. 추후에 다른 여러 자료를 이용하여 반복 학습을 시켜 모델 적합성과 타당도를 높이는 것이 필요하겠지만, 이러한 과정을 통해 머신러닝 기법을 이용한 낙상 예측 소프트웨어 개발로 이어진다면 지역사회 보건의료 현장에서 이용될 수 있을 것으로 기대할 수 있겠다.

가장 모델 성능이 우수했던 랜덤포레스트 알고리즘을 적용하여 개발한 모델의 예측 요인 중요도를 분석한 결과, 노인의 건강상태에 대한 만족도, 시력 문제, 도구적 일상생활수행능력, 신체적 기능상태 중 400m 걷기 가능 여부, 인지기능 상태가 상위 5개의 중요 예측 요인이었다. 이는 지역사회 거주 노인들의 낙상에는 건강상태 관련 요인, 신체기능적 요인, 심리사회적 요인이 다양하게 관련되는 것으로 볼 수 있으며, 그 중 신체기능적 요인들이 비교적 큰 비중을 차지하는 것으로 볼 수 있겠다. 환경적 요인으로는 지역사회에 대한 만족도 및 주거시설에 대한 만족도가 14, 15번째 중요 예측 요인으로 고려되었으나, 다른 요인들에 비해 상대적으로 중요도가 높지 않았다. 특히 노인 본인이 자신의 건강상태에 만족하는 정도가 가장 중요한 예측 요인이었고, 본인의 건강상태에 대한 부정적 평가 역시 상위 20개 중요 요인에 포함되었다. 이러한 결과는 전혜정과 최주연[34]이 지역사회 노인의 낙상 위험요인을 분석한 결과, 주관적 건강 평가가 가장 큰 요인이었던 점과 유사하였다. 선행 연구들[35,36]에 의하면 노인들이 자신의 건강상태에 대한 주관적 평가나 만족도가 좋지 않으면 낙상 두려움이 증가하고, 이는 활동 저하 및 근력 약화로 이어져 낙상 발생이 증가할 수 있다고 하였는데, 이러한 맥락에서 자신의 건강상태에 대한 불만족은 낙상 위험을 예측하는 주요 요인으로 설명할 수 있겠다. 따라서, 지역사회 노인들의 낙상을 예측함에 있어 노인 본인이 인식하는 건강상태에 대한 주관적인 만족이나 평가를 중요하게 고려할 필요가 있을 것으로 생각된다.

지역사회 거주 노인은 입원 치료가 필요하지 않은 비교적 건강한 노인들이기는 하나, 노인의 특성상 여러가지 만성 질환을 가지고 있고, 각종 약물 치료를 받고 있는 경우가 많은데[37], 본 연구에서도 조사 노인의 83.1%가 1개 이상의 만성질환을 가지고 있었다. 선행 연구들에 의하면[38,39] 당뇨병, 관절염, 뇌졸중, 심부전, 골다공증, 파킨슨병 등의 몇몇 주요 만성질환은 낙상과 관련되는 것으로 보고되고 있다. 본 연구에서는 이러한 질환 외에도 요통 및 좌골신경통, 만성 폐질환, 불면증, 요실금, 빈혈과 같은 지역사회 거주 노인들에게 비교적 흔한 주요 만성 질환들도 단변량 분석에서 낙상과 유의한 관련성이 있는 것으로 나타났고, 결과적으로 총 11개의 관련 질병들이 낙상 예측 모형에 포함되었다. 그러나 예측 요인 중요도 분석 결과, 관절염이 7번째로 중요한 요인이었고, 비록 중요도가 높지는 않았지만 불면증, 골절 후유증이나 만성질환 보유 갯수도 상위 20개 중요 변수에 포함되었다. 지역 사회 노인들을 대상으로 낙상 위험요인을 사정할 때에 그들의 다양한 이상 증상을 확인하거나, 정확한 보행 상태 사정을 하기에는 시간적, 물리적으로 어려운 경우가 많으므로, 이런 경우에는 이들의 만성 질환 정보가 적절히 포함되었을 때 좀 더 우수한 낙상 예측 모형을 개발하는데 도움이 될 것으로 생각된다.

본 연구의 제한점은 다음과 같다. 첫째, 머신 러닝을 적용하여 개발된 낙상 예측 모델의 성능이 우수하였으나, 과적합의 가능성을 배제할 수 없다. 그러나 독립변수 선정시 선행 연구 결과와 단변량 통계 분석 결과를 고려하여 선정하였고, 랜덤 포레스트 알고리즘 적용시 최대 결정 트리 수를 제한하여 과적합의 문제를 최소화하고자 하였다. 둘째, 본 연구는 2차 자료 분석 연구로, 낙상 두려움과 같은 낙상 특이적인 자료나 자세한 약물 복용 정보를 분석에 포함할 수 없었던 점이다. 그러나 Dormosh 등[40]에 의하면 주기적으로 수집된 일반 자료를 통해서도 일정 수준 이상의 낙상 예측 모델을 개발할 수 있다고 하였고, 본 연구에서도 우수한 성능의 낙상 예측 모델을 구축할 수 있었다. 그럼에도 불구하고 수면제, 항우울 약물, 항고혈압 약물 등 만성 질환 치료 약물들이 낙상 발생에 영향을 미칠 수 것으로 알려져 있으므로[41] 추후 연구에서 약물 복용 정보를 통합하여 분석할 수 있다면 좀 더 고성능의 낙상 예측 모델을 개발할 수 있을 것으로 보인다. 셋째로, 본 연구는 머신 러닝을 적용하여 내적 타당성(internal validity)은 평가하였으나, 외적 타당성(external validity)을 평가하지 못하였다. 노인실태조사는 설계된 표본추출방법에 따라 전국 17개 시ㆍ도, 969개 조사구에 거주하는 노인 약 1만명을 대상으로 하나 2020 조사 특성상 코로나-19의 영향으로 특정 조사구의 응답 거부가 발생하여 대표성 확보에 영향을 미쳤으리라 생각된다. 따라서 2023년 노인실태조사 결과를 비롯, 지역사회 노인의 특성을 일반화할 수 있는 대규모의 표본 자료를 이용하여 본 연구에서 개발된 모델의 외적 타당도를 평가할 필요가 있다. 마지막으로, 본 연구에서는 반복 낙상과 초기 낙상을 구분하여 분석하기 어려웠다. 추후에는 반복 낙상과 초기 낙상을 구분하여 분석하는 연구가 필요하다.

본 연구에서 2020년 노인실태 조사 자료를 기반으로 다양한 머신러닝 알고리즘을 이용하여 낙상 예측모델을 개발하고 평가한 결과, 랜덤 포레스트 알고리즘을 이용하여 개발한 모델이 AUC .91, 정확도 .94, 정밀도 .94, 재현율 .74, F1점수 .83로 성능이 가장 좋았다. 이러한 결과는 주기적으로 시행되는 대단위 조사 자료를 바탕으로 머신러닝 기법을 적용했을 때 우수한 낙상 예측이 가능하며, 지역사회에서 노인의 낙상 위험을 사정하고 예측하는 1차 선별 도구로 이용할 수 있음을 시사한다. 예측 요인 중요도를 분석한 결과, 노인의 건강상태에 대한 만족도, 시력 문제, 도구적 일상생활수행능력, 신체적 기능상태 중 400m 걷기 가능 여부, 인지기능 상태가 상위 5개의 중요 예측 요인이었으며, 보유 만성질환 중에서는 관절염, 불면증, 골절 후유증의 질환, 그리고 만성질환 개수가 상위 20개 중요 예측 요인에 포함되었다. 그러므로 지역사회 노인들의 낙상을 예측하고 예방하는 데에 있어 신체기능적 요인이나 만성질환 관리 및 이를 기반으로 한 노인의 긍정적 건강상태 인식이 중요할 것으로 생각된다.

본 연구를 통해 다음과 같이 추후 연구를 제언하고자 한다. 첫째, 낙상을 유발하는 것으로 알려진 약물 복용 정보를 포함하여 낙상 예측 모델을 개발하는 연구가 필요하며, 신체기능적 요인 및 만성질환이 낙상 예방에 미치는 영향을 심도있게 조사하는 연구가 필요하다. 둘째 지역사회 노인의 대표성을 확보할 수 있는 다른 자료를 활용하여 낙상 예측 모델의 외적 타당도를 평가하는 연구를 제언한다.