이 연구는 만성 신장 질환(CKD) 환자 458명을 대상으로 웨어러블 BioPatch 장치를 통해 수집된 심박변이율(HRV) 데이터를 분석하여, 당뇨병 및 단백뇨와 같은 임상적 요인이 HRV에 미치는 영향을 밝혀냈습니다. 특히, SDNN(Standard Deviation of NN Intervals)이라는 핵심 HRV 지표를 사용하여 CKD 환자에서 HRV의 일주기 변화와 질병 관련성을 평가했는데요. 연구 결과, 당뇨병과 높은 단백뇨는 SDNN 감소와 유의미한 관련이 있음을 확인했으며, 이는 향후 CKD 환자의 심혈관 질환 위험 예측 및 임상 결과 개선을 위한 바이오마커 개발의 중요한 토대가 될 것으로 기대됩니다. 📈💖

1. 연구 배경 및 필요성 💡

만성 신장 질환(CKD) 환자들 사이에서 심혈관 기능의 연속적인 체외 생체 모니터링이 예후에 어떤 가치를 가지는지에 대해서는 아직 잘 알려져 있지 않았어요. 심장과 신장 기능은 모두 분자 생체 시계에 의해 조절되며, 24시간 주기로 변화하는 생리적 요구에 맞춰 건강한 항상성을 유지합니다. 예를 들어, 혈압이 하강하지 않는 고혈압 환자들은 야간 혈압이 하강하는 환자들보다 사망률이 더 높은 것과 같이, 시간 의존적인 생리 현상의 손실은 여러 질병과 관련이 깊어요. 야간 근무 모델에서 수면-각성 리듬이 어긋나면 혈압과 염증 지표가 증가하고, 심박변이율(HRV)이 억제되며, 면역 반응과 관련된 유전자 발현 프로필이 둔화되기도 합니다.

특히, 웨어러블 기기에서 얻는 데이터는 임상 의학에서 질병 위험 예측 및 분류에 점점 더 많이 활용되고 있지만, CKD 환자의 심혈관 기능에 대한 체외 생체 모니터링의 예후 가치는 여전히 미지의 영역으로 남아있었어요. 과거에는 12-유도 안정 시 심전도(EKG)를 통해 측정한 HRV가 CKD 환자의 사망률 예측 인자임을 발견했지만, 이번 연구는 더 나아가 웨어러블 기기를 활용하여 환자들의 일상생활 속에서 HRV 데이터를 수집하고 그 변화를 심층적으로 분석하는 데 초점을 맞추었습니다.

2. 연구 대상 및 데이터 수집 📊

이 연구는 만성 신장 질환 코호트(CRIC) 연구에 참여한 환자들을 대상으로 진행되었어요. 2019년부터 2023년까지 7개 CRIC 센터에서 458명의 참가자로부터 평균 50.3 ± 9.3시간 분량의 EKG 데이터를 웨어러블 BioPatch 장치를 이용해 수집했답니다. 이 장치는 심혈관 및 호흡 활동을 기록하는 연구 등급의 웨어러블 기기로, 참가자들은 최소 2회의 완전한 24시간 생체 시계 주기를 포함하도록 48시간 이상 장치를 착용하도록 지시받았습니다. 이는 생체 리듬 특성을 보다 정확하게 포착하기 위함이었죠.

연구에 참여한 환자들의 평균 연령은 68.6 ± 9.7세였고, 45%가 여성이었으며, 49.3%가 당뇨병을 앓고 있었고, 30.8%는 이미 심혈관 질환 병력이 있었습니다. 이 연구 인구는 CRIC 4단계 연구에 동의했지만 포함되지 않은 다른 환자들보다 전반적으로 더 건강한 편이었어요. 데이터 품질 관리를 거쳐 총 125명의 참가자 기록이 제외되었는데, 대부분은 HRV 추적 기록이 5시간 이상 연속적으로 누락된 경우였답니다.

3. 핵심 지표: SDNN과 그 중요성 ✨

이 연구에서는 SDNN(Standard Deviation of NN Intervals)이라는 지표를 심박변이율(HRV)의 핵심 측정치로 사용했어요. SDNN은 정상적인 RR 간격(심박동 사이의 간격)의 표준 편차를 의미하는데, 이는 심장의 자율신경계 조절 능력을 반영하는 중요한 지표입니다. SDNN 값이 낮다는 것은 자율신경계 조절 능력이 저하되었음을 의미하며, 이는 심혈관 질환 위험 증가와 관련이 있는 것으로 알려져 있어요.

참가자들의 SDNN 데이터를 분석하기 위해 전체 데이터를 SDNN 삼분위수로 나누었습니다:

• 낮은 SDNN 그룹: ≤ 33.7 ms (152명)
• 중간 SDNN 그룹: 33.8 – 48.8 ms (153명)
• 높은 SDNN 그룹: ≥ 49.0 ms (153명)

임상적으로 확립된 단기 SDNN의 정상 기준값은 50 ± 16 ms인데, 낮은 SDNN 값은 심혈관 위험 증가와 연관되어 있습니다. 이번 연구에서 나타난 평균 SDNN 값인 50.3 ± 9.3 ms는 낮은 SDNN과 높은 사망 위험 사이의 가파른 연관성(51%)으로 전환되는 임계점에 위치하고 있어 특히 주목할 만합니다. 즉, SDNN이 조금만 더 낮아져도 사망 위험이 크게 증가할 수 있다는 의미이죠.

4. 질병 부담과 낮은 심박변이율의 연관성 💔

이 연구는 당뇨병, 단백뇨, 신장 기능 등 다양한 임상적 요인들이 SDNN에 미치는 영향을 자세히 살펴보았습니다.

4.1. 당뇨병과 SDNN 감소 📉

전체 참가자 중 약 절반이 당뇨병을 앓고 있었는데, 낮은 SDNN 그룹에 속한 참가자의 65.8%가 당뇨병 환자였던 반면, 높은 SDNN 그룹에서는 36.6%만이 당뇨병 환자였어요. 이는 당뇨병이 SDNN 감소와 밀접하게 관련되어 있음을 시사합니다. 혈색소 A1C(HbA1C) 수치도 낮은 SDNN 삼분위수 그룹에서 6.85 ± 1.69%로, 중간 및 높은 SDNN 그룹(각각 6.18 ± 0.98%, 6.05 ± 1.10%)보다 유의미하게 높았습니다 (p < 0.0001).

다변수 선형 회귀 분석 결과, 다른 공변량을 조정한 후에도 당뇨병 유무는 SDNN을 7.4 ms 낮추는 것과 유의미하게 관련되어 있음이 밝혀졌어요 (p = 0.001).

"다변수 선형 회귀 분석 결과, 당뇨병이 있는 참가자들은 당뇨병이 없는 참가자들에 비해 SDNN이 7.4ms 낮았습니다 (p = 0.001)."

이는 당뇨병 환자들이 심장 자율신경계 조절 기능이 저하되어 있음을 보여주는 중요한 증거입니다.

4.2. 단백뇨와 SDNN 감소 💧

소변 단백-크레아티닌 비율(uPCR)이 높은 참가자(uPCR ≥ 0.2)들은 uPCR이 낮은 참가자들(< 0.2)에 비해 SDNN이 5.73 ms 낮았습니다 (p = 0.011). 이러한 결과는 CKD 환자에서 단백뇨가 심혈관 질환 위험을 높이는 독립적인 위험 인자임을 다시 한번 강조합니다.

4.3. 신장 기능과 SDNN의 상호작용 🤝

사구체 여과율(eGFR)이 45 mL/min/1.73 m2 미만인 참가자들은 eGFR이 45 이상인 참가자들에 비해 SDNN이 5.32 ms 더 높았지만, 이는 주로 uPCR과 eGFR 사이의 유의미한 상호작용 (p = 0.023)에 의해 설명되었어요. 즉, 신장 기능이 저하되어 있으면서 동시에 단백뇨 수치가 높은 참가자(eGFR < 45, uPCR ≥ 0.2)들은 신장 기능은 저하되어 있지만 단백뇨 수치가 낮은 참가자(eGFR < 45, uPCR < 0.2)들에 비해 SDNN이 상당히 낮았습니다 (41.9 ms 대 53.6 ms). 이는 단백뇨가 CKD 환자의 심혈관 질환 위험을 더욱 증폭시킨다는 것을 잘 보여줍니다.

5. HRV의 질병 특이적 주기 패턴 🔄

이 연구에서는 HRV의 일주기 변화 패턴이 성별, 질병 유무, 약물 사용 여부에 따라 어떻게 달라지는지 분석했어요.

5.1. 성별에 따른 HRV 진폭 차이 🚻

코사인 모델링 결과, 남성 참가자들은 여성 참가자들에 비해 24시간 동안 더 높은 SDNN 진폭을 보였습니다 (p < 0.0001). 이는 이전에 알려진 생리적 현상과 일치하는 결과예요. 다변수 선형 회귀 분석에서도 여성은 남성에 비해 SDNN 진폭이 2.23 ms 낮게 나타났습니다 (p = 0.005).

그림 2: 심박변이율의 질병 특이적 주기 패턴. 남성과 여성, 단백뇨 유무, 당뇨병 유무, 심혈관 질환 병력, 베타 차단제 사용 여부에 따른 SDNN의 시간별 차이를 보여주는 추정 곡선.

5.2. 당뇨병과 HRV 진폭의 연관성 🩸

당뇨병 환자들은 당뇨병이 없는 환자들에 비해 SDNN 진폭이 1.45 ms 낮게 나타나는 경향을 보였습니다 (p = 0.074). 이는 당뇨병이 HRV의 전반적인 변동성뿐만 아니라 일주기 패턴에도 영향을 미친다는 것을 의미합니다.

5.3. HRV 최고점(Acronphase) 변화 요인 🕰️

SDNN 최고점(acrophase, 리듬의 최고점이 나타나는 시간) 분석에서는 BMI와 베타 차단제 사용이 최고점 변화와 유의미하게 관련되어 있었어요.

• BMI 증가: BMI 1 단위 증가당 최고점이 0.11시간(6.6분) 앞당겨지는 현상 (p = 0.007)
• 베타 차단제 사용: 베타 차단제를 사용하는 환자들은 최고점이 1.36시간 지연되는 현상 (p = 0.018)

당뇨병 환자의 경우 최고점이 1시간 지연되는 경향을 보였으나(p = 0.06), 통계적으로 유의미한 수준은 아니었습니다. 이러한 최고점 변화는 심장 자율신경계 상태의 변화를 시사하며, 이는 리듬 기반의 심혈관 질환 위험 인자가 될 수 있음을 의미합니다.

스플라인 분석에서는 다음과 같은 추가적인 패턴이 확인되었어요:

• 성별에 따라 최고점 변화를 뒷받침하는 곡선 형태의 차이가 뚜렷했습니다 (p < 0.0001).
• 높은 uPCR 또는 당뇨병이 있는 참가자들은 당뇨병이 없는 참가자들에 비해 전반적으로 낮은 SDNN을 보였지만, 최고점은 비슷했습니다.
• 심혈관 질환 병력이 있는 참가자들의 곡선 형태는 병력이 없는 참가자들에 비해 유의미하게 둔화되었습니다 (p = 0.01). 특히, 밤 시간대에 SDNN 수준이 감소하는 양상을 보였습니다.
• 베타 차단제 사용 여부에 따라서도 SDNN 시간-대-시간 곡선 형태가 유의미하게 달랐습니다 (p = 0.0005). 베타 차단제를 사용하는 환자들은 SDNN이 증가하는 경향을 보였는데, 이는 베타 차단제가 부교감 신경 활동을 증가시켜 SDNN을 높이기 때문인 것으로 해석됩니다.

6. 결론 및 향후 전망 🚀

이 연구는 만성 신장 질환(CKD) 환자 집단에서 웨어러블 기기를 활용한 SDNN 기반 심박변이율(HRV) 분석의 가장 큰 데이터 세트를 구축하고 그 중요성을 입증했습니다. 우리는 성별, 질병(특히 당뇨병과 HbA1C 수치), 신장 손상(uPCR)에 따른 HRV의 질병 특이적 조절 현상을 확인할 수 있었어요.

• 당뇨병과 높은 단백뇨는 SDNN 감소와 유의미하게 관련되어 있으며, 이는 심혈관 질환 위험 증가와 연관될 수 있음을 시사합니다.
• SDNN의 시간 특이적 변동성은 성별, 질병 유무, 그리고 베타 차단제와 같은 치료제 사용에 따라 다르게 나타났습니다. 특히, 베타 차단제 사용은 부교감 신경 활동 증가로 인해 SDNN 증가와 관련이 있었습니다.
• 당뇨병 환자의 경우 하루 종일 SDNN 수준이 낮았으며, 심혈관 질환 병력이 있는 환자들은 주로 야간 시간대에 SDNN 수준이 감소하는 현상을 보였습니다. 이는 시간 특이적인 심혈관 질환 위험을 나타내는 중요한 단서가 될 수 있습니다.

이번 연구는 CKD 환자에서 미래 심혈관 질환 발생 및 기타 임상적 결과 예측을 위한 HRV 지표의 예측력을 탐색할 수 있는 중요한 토대를 마련했습니다. 웨어러블 디지털 건강 기술을 활용하여 CKD 환자의 시간 의존적 심혈관 건강을 모니터링하는 새로운 패러다임을 확립했으며, 이는 CKD 환자의 심혈관 질환 관리를 개선하기 위한 임상적으로 활용 가능한 디지털 바이오마커 개발에 필수적인 플랫폼이 될 것입니다.

물론, 이 연구는 상관 관계 연구이며, 일부 참가자들의 추적 관찰 기간이 짧아 HRV 매개변수와 임상 결과 사이의 연관성을 파악하기에는 제한이 있다는 점을 고려해야 합니다. 하지만 이러한 한계점에도 불구하고, 이 연구는 CKD 환자의 심혈관 건강 모니터링에 있어 웨어러블 기기의 잠재력을 명확히 보여주며, 앞으로의 연구 방향을 제시하고 있습니다. 💖