[Research & Insight]COVID-19의 상처, 끊긴 진료의 대가는? — 31개국·인구 10억 명 분석 (eClinicalMedicine 2025 리뷰)
COVID-19의 상처, 끊긴 진료의 대가는? — 31개국·인구 10억 명 분석 (eClinicalMedicine 2025 리뷰) — 핵심 요약*eClinicalMedicine*(Lancet Discovery Science) 2025년 7월호 연구 리뷰 (Choi·Park·Suh 외)
코로나19 시기, 정작 코로나가 아닌 다른 병으로 죽은 사람은 늘었을까? 이 연구의 답은 "여러 나라에서, 특히 심혈관계 질환에서 그렇다"이다. 31개국·인구 10억 명 이상의 사망 통계와 한국의 의료이용 데이터를 한꺼번에 추적한 결과, 팬데믹 동안 순환기(심혈관)질환을 비롯한 여러 비(非)코로나 질환의 사망이 지속적으로 늘었고, 동시에 환자가 병원을 덜 찾았다. 즉, 코로나19라는 한 위기에 대응하는 사이 다른 병의 관리에 드리운 그늘 — 팬데믹이 남긴 ‘보이지 않는 상처’를 숫자로 처음 정량화한 점이 이 2025년 *eClinicalMedicine* 논문의 핵심이다.
🔎 이해상충 투명 고지: 본 논문의 공동 교신저자(Sang Jun Park)는 본 플랫폼 운영사(CLOP)의 공동대표입니다. 다만 본 논문의 이해상충 선언(Declaration of Interests)에는 ‘연구에 영향을 줄 수 있는 어떠한 재정적·인적 지원도 받지 않았으며 이해상충이 없다’고 명시되어 있습니다(정부·공공기금 연구). 이 글은 학술 정보 제공을 목적으로 하며, 특정 제품·의료기관·진료의 권유가 아닙니다.
서지정보 · *eClinicalMedicine* 2025;85:103315 · PMID 40686673 · DOI 10.1016/j.eclinm.2025.103315 · Open Access(CC BY-NC 4.0)
핵심 요약
- 무엇: 코로나19 팬데믹이 코로나가 아닌 다른 질환들의 사망률·의료이용·질병부담을 어떻게 바꿨는지, 31개국 사망 데이터 + 한국 의료이용 데이터로 정량화한 대규모 분석.
- 방법: 팬데믹을 '개입(2020년 1월)'으로 보고 그 전후 추세의 변화를 통계로 잡아내는 단절적 시계열분석(ITS). 사망은 31개국, 의료이용·비용은 한국 건강보험심사평가원(HIRA) 데이터.
- 사망: 31개국 중 27개국에서 한 가지 이상 질환의 사망이 유의하게 증가. 가장 광범위하게 늘어난 것은 순환기(심혈관)질환 — 무려 12개국에서 지속 상승.
- 의료이용(한국): 팬데믹 직후 환자 수·외래 방문·입원일이 대부분 줄었으나, 암·정신질환은 환자 수가 오히려 지속 증가. 환자는 줄었는데 1인당 비용은 초기에 늘어 — 더 심해진 뒤에 병원을 찾았을 가능성을 시사.
- 의미: 감염병만 막다가 만성질환 관리가 끊기면 사망이라는 대가로 돌아온다는 것을 31개국·장기(3년) 데이터로 처음 종합 입증. 회복력 있는 의료체계와 만성질환 진료 연속성의 중요성을 보여줌.
이 연구가 한 일은?
코로나19를 둘러싼 연구는 대부분 "코로나로 몇 명이 아팠고 죽었나"에 집중했다. 이 연구는 시선을 돌렸다. 감염병 대응에 자원이 쏠리고 병원 방문이 제한되는 동안, 암·심장병·당뇨 같은 '다른 병'을 앓던 사람들에게는 무슨 일이 벌어졌나? 를 물었다.
연구진은 31개국의 질환별 월별 사망 통계와, 한국 한 나라의 상세한 의료이용·비용 데이터를 모았다. 그리고 팬데믹이 시작된 2020년 1월을 기준선으로, 그 전후의 추세가 어떻게 꺾였는지를 통계적으로 분리해냈다. 단순히 "사망이 늘었다"가 아니라, 어느 질환에서, 어느 나라에서, 즉각적으로 늘었는지 아니면 시간이 갈수록 서서히 늘었는지까지 구분했다는 점이 특징이다.
왜 지금 이 논문이 의미가 있나?
[먼저, 쉽게] 팬데믹 초기, 많은 나라가 병원 방문을 제한하고 의료 자원을 코로나 환자에게 몰아줬다. 그 사이 정기검진이 미뤄지고, 심장병·암 환자가 제때 치료받지 못하는 일이 벌어졌다 — 이른바 '의료 방치(medical neglect)'다. 이런 현상을 다룬 연구는 이미 많았지만, 대부분 한 나라·한 질환·짧은 기간에 국한됐다. "우리 동네 심근경색 입원이 줄었다" 같은 식의 단편적 보고였다.
[조금 더 깊이] 기존 연구들의 한계는 분명했다. 첫째, 국지적·단기적이라 팬데믹의 전 지구적·장기적 그림을 그릴 수 없었다. 둘째, 사망(결과)과 의료접근성(원인)을 따로 보거나, 특정 질환만 떼어 보아 질환 간 비교가 어려웠다. 저자들이 PubMed를 훑은 결과, 코로나·백신의 영향을 다룬 106개 연구 중 비코로나 질환의 의료접근성과 사망을 함께 본 것은 24개뿐이었고, 그중에서도 여러 질환을 다국가·장기로 비교한 연구는 하나도 없었다. 이 논문은 바로 그 빈자리를 메운다 — 31개국, 20개 질환군, 2014~2022년의 장기 데이터를 단절적 시계열이라는 한 틀에 담아, 사망과 의료이용·비용을 나란히 놓고 본 첫 종합 연구다.
어떻게 했나? — 데이터와 방법
- 연구 설계: 단절적 시계열분석(Interrupted Time-Series, ITS). 코로나19 발생(2020년 1월)을 하나의 '개입 사건'으로 두고, 그 전후로 추세선이 (1) 즉각 위/아래로 점프했는지(즉각 변화), (2) 기울기 자체가 바뀌어 시간이 갈수록 벌어졌는지(추세 변화)를 통계로 분리.
- 사망 데이터(31개국): 호주·일본·한국·미국·영국 등 공식 통계가 공개·다운로드 가능한 31개국의 월별 사인별 사망. 지역·소득 수준이 다양하도록 선정. WHO ICD-10 20개 대분류(감염병·신생물·순환기 등)로 분류해, 일관성을 위해 2014년 이후 데이터만 사용. 인구 10억 명 이상을 포괄.
- 의료이용·비용 데이터(한국): 건강보험심사평가원(HIRA) 공개 데이터. 한국 인구의 97.15%(약 5천만 명)를 포괄하는 건강보험 청구 기반 통계로, 2010년 1월~2023년 1월의 월별 데이터. 환자 수·외래 방문·입원일수·질병부담(직접 의료비)·1인당 비용을 18개 질환군으로 분석. 더 세밀하게는 1,631개의 ICD-10 세부 코드까지 파고듦.
- 통계 기법: 시계열 데이터 특유의 자기상관(앞뒤 달의 값이 서로 영향을 주는 현상)을 보정하기 위해 AR(1) 잔차구조를 가진 일반화최소제곱(GLS) 모형을, 정상성 가정이 안 맞으면 자동 SARIMAX 모형을 추가 적용. 여러 질환·나라를 동시에 보며 생기는 '우연한 유의성'을 걸러내려 Benjamini–Hochberg q값(q<0.05)으로 다중비교를 보정.
- 연구윤리·자금: 모든 데이터는 집계·비식별 공개 데이터라 환자 개별 식별 불가, IRB 승인. 식약처·한국연구재단 등 정부·공공기금 지원이며 자금원은 연구 설계·해석에 관여하지 않음.
결과는? — 숫자로
- 사망(31개국): 평가한 441개 ITS 모형 중, 27개국에서 최소 한 질환의 사망이 유의하게 증가. 세부 분류까지 보면 29개국(그리스·아이슬란드 제외)에서 증가 신호.
- 가장 광범위하게 늘어난 사망 = 순환기(심혈관)질환(I00–I99): 기울기(지속 상승)가 헝가리·리투아니아·오스트리아·핀란드·프랑스·스코틀랜드·잉글랜드·일본·호주·캐나다·한국 등 12개국에서 유의. 세부적으로 허혈성 심장질환(I20–I25)은 즉각 증가 2개국 + 지속 상승 7개국, 그 밖에 뇌혈관질환·급성심근경색·고혈압성 질환의 사망도 상승.
- 심혈관 외 증가: 치매(F01·F03·G30), 당뇨병(E10–E14), 폐렴 등 호흡기 감염(J12–J18), 만성 간질환(K73–K74), 신장질환 등에서도 사망 증가 계수 확인.
- 전체 사망(all-cause)의 지속 상승: 일본·대만·한국·호주에서 유의. (반대로 일본은 팬데믹 직후 여러 질환에서 즉각 '감소'를 보인 유일한 나라 — 강한 초기 방역·백신의 영향 가능성.)
- 의료이용(한국): 팬데믹 직후 환자 수는 13개 질환군, 외래 방문은 8개 질환군에서 즉각 감소. 입원일은 12개 이상 질환군에서 즉각 또는 지속 감소. 반면 신생물(암, C00–D48)·정신질환(F01–F99)·선천이상(Q00–Q99)·기타 이상증상(R00–R99)은 환자 수가 오히려 증가하는 기울기를 보임.
- '환자는 줄었는데 비용은 늘어난' 역설: 눈·부속기(H00–H57), 호흡기(J00–J98), 근골격(M00–M99) 질환에서 환자 수는 즉각 줄었는데 1인당 비용은 증가 — 가벼운 환자는 병원을 안 오고, 더 악화된 중한 환자만 뒤늦게 찾았을 가능성을 시사. 정신질환에서는 환자 수가 처음엔 줄었다가 다시 반등(F31 양극성·F50 섭식장애 등 비용·환자 동반 상승).
이 논문의 중요성 — 4가지 관점
① 분야 흐름에서의 위치 — '단편 보고'에서 '전 지구적 종합'으로. 그동안 코로나의 비코로나 영향 연구는 "이 도시의 심근경색 입원이 줄었다", "저 나라의 자살이 늘었다" 식의 단일 국가·단일 질환·단기 보고가 대부분이었다. 저자들이 직접 확인했듯, 코로나·백신 영향 106개 연구 중 비코로나 질환의 의료접근성과 사망을 함께 본 것은 24개뿐이고 그중 다국가·다질환·장기 비교는 0개였다. 이 논문은 그 공백을 정조준해, 31개국·20개 질환군·3년 추적을 단절적 시계열 한 틀에 묶은 첫 종합 좌표를 세웠다.
② 논문 자체의 기여 — '사망'과 '의료이용'을 한 화면에 겹쳐 본 설계. 본질적 신규성은 사망률을 더 정밀히 잰 데 있지 않다. 사망(결과)·의료이용(과정)·질병부담(비용)을 같은 ITS 틀에서 질환별로 나란히 본 데 있다. 그래서 "한국에서 환자 수·입원이 줄었다(접근성 ↓)" 옆에 "여러 나라에서 같은 질환의 사망이 늘었다(결과 ↓)"를 겹쳐 놓고, 끊긴 진료가 사망으로 이어졌을 개연성을 정량적으로 제시한다. 단순 상관을 인과로 단정하지 않으면서도, 순환기질환 12개국 지속 상승이라는 구체적 숫자로 신호의 일관성을 보여준 점이 믿을 만한 근거가 된다. 다중비교 보정(q<0.05)과 자기상관 보정(GLS/SARIMAX)으로 '우연한 유의성'을 걸러낸 것도 신뢰를 더한다.
③ 보건정책·임상 현장에서의 의미 — '만성질환 진료 연속성'이라는 교훈. 이 결과가 말하는 바는 분명하다. 다음 팬데믹에서 감염병만 막고 만성질환 관리를 놓치면, 심장병·당뇨·치매·간질환 같은 영역에서 막을 수 있었던 죽음이 늘어난다. 정책 함의는 구체적이다 — 위기 중에도 만성질환 진료를 끊지 않기 위한 원격 모니터링, 재택 진료, 의약품 배송 간소화 같은 연속성 장치, 그리고 실시간 데이터 감시체계다. 다만 경계할 점도 분명하다. 사망과 의료이용을 같은 나라에서 짝지어 본 게 아니라(사망 31개국 vs 의료이용 한국), 둘의 직접적 인과를 단정하기는 어렵다 — 저자들도 이 점을 명시한다.
④ 한국 관점 + AfterNOON. 이 연구에서 한국은 사망(31개국 중 하나)인 동시에 의료이용·비용 분석의 유일한 무대다. 그 까닭은 한국이 분석에 필요한 조건 — 월별·정확한 환자 수·ICD-10 코드·2019~2022년 포괄 — 을 모두 만족한 유일한 나라였기 때문이다. 그 배경에는 인구의 97.15%를 포괄하는 건강보험 청구 데이터(HIRA)가 있다. 즉 한국의 촘촘한 청구 데이터가 '전 세계가 못 본 의료공백의 내부 작동'을 들여다보는 창이 됐다는 것 — 이는 한국형 RWD(real-world data)의 정책·연구 가치를 잘 보여주는 사례다. 안과 영역에서도 눈·부속기 질환(H00–H57)이 환자 수 감소와 1인당 비용 증가를 함께 보였는데, 이는 '가벼운 안과 환자는 병원을 미루고 중한 경우만 뒤늦게 온다'는 현장 감각과 맞닿는다. AfterNOON도 이런 맥락에서 안과 등 지역의료기관의 인프라를 조금 더 잘 활용하도록 돕는 것을 지향한다.
짚어둘 한계는?
- 사망과 의료이용을 짝지을 수 없음: 사망은 31개국, 의료이용·비용은 한국만 분석됐다. "끊긴 진료 → 사망 증가"는 개연성 있는 해석이지만 같은 모집단에서 직접 연결한 인과는 아니다(저자 명시).
- 25개국은 전체 사망 증가 無: 조기 백신·강력한 봉쇄·자원 재배치 등이 초과사망을 완화했을 가능성. 효과의 방향은 나라마다 크게 달랐다.
- '질병부담' = 직접 의료비만: 데이터 한계로 직접 비의료비·간접비용은 빠졌다. 사회·지불자 관점의 '전체 경제부담'으로 읽으면 안 된다.
- 국가별 보고 기준 차이: 사인 분류·보고 표준이 나라마다 달라 비교에 한계. 대부분의 나라가 사망을 연 단위·대분류로만 보고해 변이주(株)별 영향 평가가 어려움.
- 고소득국 중심: 분석이 고소득국에 치우쳐, 영향이 더 컸을 수 있는 저소득국에는 일반화하기 어렵다.
- ITS의 본질적 제약: 경기침체·사회혼란·기존 의료체계 차이 등 다른 교란요인이 사망 변화에 함께 작용했을 수 있다.
그래서 무엇을 시사하나?
코로나19가 남긴 상처는 감염 그 자체에만 있지 않았다 — 한 위기에 대응하는 사이 다른 병의 관리가 함께 흔들리며, 사망이라는 대가로 돌아온 정황을 이 논문이 31개국·10억 인구의 숫자로 보여줬다. 특히 순환기질환처럼 꾸준한 관리가 생명을 좌우하는 만성질환에서 위험이 컸다. 다음 위기를 대비하는 정책은 감염병 통제뿐 아니라, 만성질환 진료의 연속성(원격 모니터링·재택 진료·의약품 배송)과 실시간으로 다질환 영향을 추적하는 데이터 감시체계를 함께 설계해야 한다는 것이 핵심 시사점이다. 한국의 촘촘한 청구 데이터가 이 그림의 '내부'를 보여줬다는 점은, 위기 대응에서 잘 정비된 보건의료 데이터가 갖는 전략적 가치를 다시 일깨운다.
자주 묻는 질문 (FAQ)
Q1. 코로나19로 죽은 사람 말고, 다른 병으로 죽은 사람이 늘었다는 건가요?
네, 그것이 이 연구의 핵심입니다. 코로나 자체가 아니라 심혈관질환·당뇨·치매·간질환 등 다른 병의 사망이 여러 나라에서 늘었습니다. 특히 순환기(심혈관)질환 사망은 12개국에서 지속적으로 상승했습니다. 감염병 대응에 의료가 쏠리면서 다른 병의 관리가 끊긴 영향으로 해석됩니다.
Q2. ‘단절적 시계열분석’이 뭔가요? 왜 그 방법을 썼나요?
어떤 사건(여기서는 코로나19 발생)을 기준으로, 그 전후의 추세선이 어떻게 꺾였는지를 통계로 분리해내는 방법입니다. 단순히 "코로나 이후 사망이 늘었다"가 아니라, 코로나가 시작된 시점에 추세가 즉각 점프했는지, 아니면 시간이 갈수록 서서히 벌어졌는지를 구분할 수 있어, 정책 같은 '개입'의 효과를 평가할 때 널리 쓰입니다.
Q3. 왜 사망은 31개국인데 의료이용은 한국만 분석했나요?
의료이용·비용을 보려면 월별·정확한 환자 수·ICD-10 코드·해당 기간(2019~2022)을 모두 갖춘 공개 데이터가 필요했는데, 검토한 20개국 중 이 조건을 전부 만족한 나라가 한국뿐이었습니다. 한국은 인구의 약 97%를 포괄하는 건강보험 청구 데이터(HIRA)가 공개돼 있어 이런 분석이 가능했습니다.
Q4. 환자가 줄었는데 1인당 비용이 늘었다는 건 무슨 뜻인가요?
가벼운 환자는 병원을 미루고, 더 악화된 중한 환자만 뒤늦게 병원을 찾았을 가능성을 시사합니다. 환자 수는 줄어도 한 사람당 들어가는 치료가 무거워지면 1인당 비용은 오를 수 있습니다. 진료가 미뤄지면서 병이 깊어진 정황을 보여주는 신호로 읽힙니다.
Q5. 이 결과로 '진료를 끊어서 사람들이 죽었다'고 단정할 수 있나요?
조심해야 합니다. 사망(31개국)과 의료이용(한국)은 같은 모집단에서 짝지어 본 것이 아니어서, 둘의 직접적 인과를 단정하기는 어렵습니다. 다만 "의료이용 감소"와 "사망 증가"가 같은 시기에 여러 질환에서 함께 나타났다는 점에서, 끊긴 진료가 나쁜 결과로 이어졌을 개연성을 강하게 시사합니다. 저자들도 이 한계를 명시합니다.
Q6. 그래서 다음 팬데믹에는 무엇을 해야 한다는 건가요?
감염병만 막을 게 아니라, 위기 중에도 만성질환 환자의 진료가 끊기지 않도록 원격 모니터링·재택 진료·의약품 배송 간소화 같은 장치를 마련하고, 여러 질환의 영향을 실시간으로 추적하는 데이터 감시체계를 갖춰야 한다는 것입니다. 특히 만성질환을 앓는 취약계층에 초점을 맞춘 정책이 중요하다고 강조합니다.
더 알아보기
눈 건강·만성질환 관리와 관련된 더 많은 연구 리뷰·정보는 AfterNOON Insights에서 확인하실 수 있습니다 → afternoon.clop.ai
진단과 치료에 대한 판단은 담당 안과(또는 해당 진료과) 전문의와 상의하세요. (본 글은 학술 정보로, 진단·치료의 근거가 아닙니다.)
출처 (Sources)
- Choi K, Jang M, Kim S, Park SJ, Suh HS. Impact of COVID-19 on disease-specific mortality, healthcare resource utilization, and disease burden across a population over 1 billion in 31 countries: an interrupted time-series analysis. *eClinicalMedicine*. 2025;85:103315. doi:10.1016/j.eclinm.2025.103315
- Xiao H, Liu F, Unger JM. Dynamic zero-COVID policy and healthcare utilization patterns in China during the Shanghai COVID-19 Omicron outbreak. *Commun Med (Lond)*. 2023;3(1):143.
- COVID-19 Mental Disorders Collaborators. Global prevalence and burden of depressive and anxiety disorders in 204 countries and territories in 2020 due to the COVID-19 pandemic. *Lancet*. 2021;398(10312):1700-1712.
- Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. *J R Stat Soc Series B*. 1995;57(1):289-300.
- Sachs JD, Karim SSA, Aknin L, et al. The Lancet Commission on lessons for the future from the COVID-19 pandemic. *Lancet*. 2022;400(10359):1224-1280.
함께 보면 좋은 글
참고 자료
이 글은 안과 전문의 박상준(분당서울대학교병원 안과)의 감수를 받았습니다.
본 콘텐츠는 일반 건강정보이며, 진단과 치료는 담당 안과 전문의와 상담하세요.
