만성 폐쇄성 폐질환 환자에서 위산억제제의 영향: 공통 데이터 모델을 이용한 다기관 연구 = Effects of acid-suppressive medications in patients with chronic obstructive pulmonary disease: a multicenter study using a common data model

국문 초록 (Abstract)

배경
위산억제제(Acid-suppressive medications, ASM)는 사용량이 증가하고 있으며, 특히 기저질환이 있는 환자에서 사용이 더욱 증가하고 있다. 장기적인 위산억제제의 사용은 다양한 부작용을 유발한다. 하지만 위산억제제의 부작용에 관한 연구는 연구 디자인에 따라 다른 결과를 보고하고 있다. 최근 공통 데이터 모델(common data model, CDM)을 통한 분산연구망(distributed research network, DRN)을 이용한 연구가 가능해졌다. 환자 개인정보의 유출에 대한 우려 없이 다기관의 환자를 대상으로 하는 연구 설계가 가능하게 되었다. 공통 데이터 모델을 통한 분산연구망을 이용하여 만성 폐쇄성 폐질환(chronic obstructive pulmonary disease, COPD) 환자에서 위산억제제 사용 후에 폐렴 발생 위험비를 확인하였다.

방법
2001년 1월 1일부터 2020년 12월 31일까지 20년 동안 COPD를 진단받은 40세 이상의 환자를 대상으로 하였다. 위산억제제의 노출은 H2 차단제(H2-receptor antagonists, H2RA)와 양성자 펌프 억제제(Proton pump inhibitors, PPI)를 28일 이상 연속 처방받은 환자로 정의하였다. 분산연구망을 이용한 공통데이터모델인 OHDSI (Observational Health Data Sciences and Informatics)의 OMOP-CDM(Observational Medical Outcomes Partnership common data model)을 이용하여 연구 자유 지대를 구축한 9개 병원의 데이터를 이용하였다. OHDSI 커뮤니티에서 개발한 무료 웹 기반 소프트웨어 도구인 ATLAS를 이용하여 장기간 위산억제제를 사용한 COPD 환자와 그렇지 않은 COPD 환자를 성향 점수 매칭법(propensity score matching methods, PS)을 이용하여 1:1 매칭 후에 폐렴 발생률(Incidence of pneumonia)과 위험비(Hazard ratio, HR)를 확인하였다.

결과
2001년 1월 1일부터 2020년 12월 31일까지 9개 병원에서 장기간 위산억제제를 투여받은 COPD 환자는 총 7,402명이었으며, 대조군인 장기간 위산억제제 투여받지 않은 COPD 환자는 총 20,552명이었다. 성향 점수 매칭법을 이용하여 각각 5,681명씩 배정되어 총 11,362명의 환자를 분석하였다. 9개 병원을 통합 분석한 결과 장기간의 위산억제제 사용은 폐렴의 발생 위험비 1.35(95% Cl : 1.15-1.58)를 보였다.

결론
공통 데이터 모델을 이용한 분산연구망 다기관 연구를 통해 개인 정보 유출 등의 위험성이 없으면서도 빠르고 손쉽게 연구를 진행할 수 있었다. 장기간 위산억제제를 처방받은 COPD 환자는 그렇지 않은 COPD 환자와 비교하여 폐렴의 발병 위험률이 높았다.
본 연구는 공통 데이터 모델을 이용한 분산연구망 다기관 연구를 통하여 COPD 환자에서 위산억제제와 폐렴과의 연관성을 확인한 최초의 연구이다. 하지만 추후 위산억제제 각각의 영향을 확인하는 연구가 필요할 것으로 생각한다.

다국어 초록 (Multilingual Abstract)

Background
Acid-suppressive medications (ASM) are increasingly used, especially in patients with underlying diseases. Long-term use of ASM causes various side effects. However, studies on the side effects of ASM have report different results depending on the study design. Recently, researches using a Distributed Research Network (DRN) using a Common Data Model (CDM) have become possible. Research design for patients in multiple institutions became possible without worrying about the leakage of patient personal information. Using a DRN using a CDM, we confirmed the hazard ratio of pneumonia in patients with chronic obstructive pulmonary disease (COPD) after using ASM.

Methods
Patients over the age of 40 who were diagnosed with COPD for 20 years from January 1, 2001 to December 31, 2020. Exposure of ASM was defined as patients who were prescribed H2-receptor antagonists (H2RA) and proton pump inhibitors (PPI) for more than 28 consecutive days. Data from 9 hospitals that have established a research free zone using OMOP-CDM (Observational Medical Outcomes Partnership Common Data Model) of OHDSI (Observational Health Data Sciences and Informatics), a CDM using a DRN, were used. Using ATLAS, a free web-based software tool developed by the OHDSI community, COPD patients who used ASM and control groups were 1:1 using propensity score matching method, and the pneumonia incidence rate and the hazard ratio was confirmed.

Results
From January 1, 2001 to December 31, 2020, there were 7,402 people in the ASM group and 20,552 in the non-ASM group at 9 hospitals. Using the propensity score matching method, 5,681 patients were assigned to each, and a total of 11,362 patients were analyzed. As a result of meta-analysis of 9 hospitals, the long-term use of ASM showed a hazard ratio of 1.35 (95% Cl: 1.15-1.58) of pneumonia.

Conclusions
DRN multi-institutional research using a CDM was able to conduct research quickly and easily without risk of personal information leakage. COPD patients who were prescribed ASM for a long time had a higher risk of pneumonia compared with those who did not. This study is the first to confirm the association between ASM and pneumonia in COPD patients through a DRN study using a CDM. However, studies are needed to confirm the effects of each ASM in the future.

목차 (Table of Contents)

• 목 차
• Ⅰ. 서론 1
• Ⅱ. 대상 및 방법 5
• Ⅲ. 결과 9
• Ⅳ. 고찰 11
• Ⅴ. 결론 15
• □ 참고문헌 16
• □ Abstract 58
• 표 목 차
• Table 1-1. Baseline characteristics of Kangwon National University Hospital 24
• Table 1-2. Baseline characteristics of Myongji Hostpital 26
• Table 1-3. Baseline characteristics of Bucheon Sejong Hospital 28
• Table 1-4. Baseline characteristics of Incheon Sejong Hospital 30
• Table 1-5. Baseline characteristics of Pusan National University Hospital 32
• Table 1-6. Baseline characteristics of Kangdong Sacred Heart Hospital 34
• Table 1-7. Baseline characteristics of Kyung Hee University Medical Center 36
• Table 1-8. Baseline characteristics of Kyung Hee University Hospital at Gangdon 38
• Table 1-9. Baseline characteristics of Ajou University Hospital 40
• Table 2. Incidence of pneumonia in the propensity-score matched population 42
• 그 림 목 차
• Figure 1. Study design 43
• Figure 2. ATLAS user’s initial access interfase 44
• Figure 3. Concept Set in ATLAS 45
• Figure 4. Cohort Definition in ATLAS 46
• Figure 5. Population level estimation in ATLAS 47
• Figure 6. OHDSI covariates for propensity score model 48
• Figure 7. Generation function in Cohort Definition 49
• Figure 8. Flowchart of the patient selection process 50
• Figure 9. Preference score distribution in each cohort before the propensity score matching 51
• Figure 10. Covariate balance before and after propensity score adjustment 54
• Figure 11. Meta-analysis of acid-suppressive medication and the risk of pneumonia in observation studies of chronic obstructive lung disease 57

참고문헌 (Reference)

1. Korean COPD Guideline, 정지예, Obstructive Lung Disease , 9:21-24, , 2021

2. 메타분석에서 통계학적 고려사항들, Kang H, Hanyang Med Rev , 35:23-32, , 2015

3. Toward a consensus definition for COPD exacerbations ., Rodriguez-Roisin R, 117:398S-401S, , 2000

4. Exacerbations of chronic obstructive pulmonary disease ., Celli B , Barnes P :, 29:1224-1238, , 2007

5. 보건의료 분야 CDM 적용 사례 및 미래 활용 방안, 유승찬, 박래웅, : 보건의료 분야 CDM 적용 사례 및 미래 활용 방안, , 2018

6. : 건강보험 빅데이터를 이용한 임상 연구: 실제와 전망, 김현수, 정현수, 김수영, 대한 내과학회지 , 94:463-470, , 2019

7. Epidemiology and clinical impact of major comorbidities in patients with COPD ., Smith MC , Wrobel JP, 9:871, , 2014

8. 공통 데이터 모델과 분산연구망: 오딧세이 컨소시엄 (Observational, 박래웅, 대한내 과학회지 , 94, , 2019

9. Reducing chronic obstructive pulmonary disease mortality in Korea : early diagnosis matters, Hwang YI, 34:1212, , 2019

10. Sharing Clinical Big Data While Protecting Confidentiality and Security : Observational Health Data Sciences and Informatics, Park RW, 23:1-3, , 2017