Hun Hong

코로나19 (COVID-19): 얼마나 위험한가

코로나19 (COVID-19): 얼마나 위험한가

코로나바이러스 감염증-19와 같은 광역유행병(펜데믹)의 충격을 가늠하기 위해서는 초과사망자수(excess mortality), 즉 전체 사망자 수에서 단순 사망자 수를 제외한 수치를 관찰하는 것이 좋다. (감염치사율에 대해서는 본문 끝 별첨에 달았다.)

감염자수(확진자수) 혹은 코로나19로 죽은 사람의 수(확진자사망수)를 관측하는 것이 더 낫지 않을까?

그렇지 않다. 감염률과 병의 위험도가 비례하지 않기 때문에 확진자수를 가지고는 병의 위험을 가늠하기 어렵다. 예를 들어 감기로 진료 받는 환자는 한국에서 매년 2천만명 정도 발생하지만 [1] 국가적으로 감기 방역을 위한 규제가 시행되지는 않는다.

확진자사망수 역시 병의 위험을 판단하기에 적절하지 않은 것은 사망원인 규명이 항상 명확하지는 않기 때문이다. 평소에 고혈압을 앓고 있던 사람이 갑자기 닥친 한파로 심근경색이 발생하여 사망하였다면, 그 사람이 죽은 것이 고혈압 때문이라고 해야 하는가 추운 날씨 때문이라고 해야 하는가? 코로나19의 경우 당뇨병과 같은 지병이 있는 사람의 사망률이 높은데, 당뇨 환자가 코로나감염증을 이기지 못하고 사망할 경우 그 원인을 당뇨병 때문이라고 해야 하는가 코로나 때문이라고 해야 하는가?

상기한 것과 같은 단점이 확진자수나 확진자사망수 수치에는 있지만, 초과사망자수에서는 그것이 덜한데 그 이유는 다음과 같다:

  • 유행병의 위험이 클수록 그로 인한 사망자의 수가 늘어난다
  • 새로운 전염병이 유행하면 초과사망자 수에 집계 된다
  • 광역전염병 외에 특이한 사망원인이 퍼져있지 않다면 초과사망자 수에 집계되지 않는다

2010-2019 초과사망자 추이

아래 그림 1은 2010-2019 사망률과 추산된 초과사망률을 보여준다:

그림 1. 2015-2019년 주간 사망률(파랑색 실선)과 그에 기반한 단순사망률(주황색 점선). 가장 중요한 특징은 동지와 하지를 전후로 언덕과 골짜기를 모양을 반복하는 계절성이다. 이 계절성의 가장 큰 요인은 인플루엔자 감염증 즉 독감의 계절성이다.

위 그림 1은 두 개의 도표를 담고 있는데, 상단 도표를 먼저 보자. 거기에 나타난 파랑색 실선은 매주 집계된 사망자 수를 표시한다. 삐쭉삐죽하기는 하지만, 약간의 우상향선을 중심으로 진동하는 모양니다. 겨울이 여름보다 사망률이 높은데, 이것은 주로 우리에게 ‘독감’으로 알려진 인플루엔자 바이러스 때문이다. 인플루엔자 환자가 겨울에 많고 여름에 적은 계절성(seasonality)이 사망률의 계절성을 가져오는 중요한 요인 가운데 하나다 (다른 하나는 심장마비) [2]. 인플루엔자로 인한 급성 호흡기 질환을 이해하기 위해서는 그 계절성을 이해하는 것이 매우 중요하다 [3].

계절성을 감안하여 생성한 단순사망률 모형이 주황색 점선이다 [4]. 실선과 주황색 점선의 차이가 초과사망률이 된다. 초과사망률을 보기 편하게 한것이 그림 1의 하단 도표이다. 주황색 점선은 여전히 단순사망률을 나타내는데, 이것은 어디까지나 우리의 모형에 기반하여 예상한 사망률이다. 그래서 실제 사망률(실선)이 단순사망률(주황색 점선)보다 클 때도 있고 작을 때도 있는데 이는 자연스러운 현상이다. 초과사망률이 단순사망률보다 클때는 (초과사망률이 양수이면) 예상했던 것보다 사망자가 많았다는 뜻이고, 반대로 단순사망률보다 작으면 (음수이면) 예상보다 사망자가 적었다는 뜻이다.

그림 1에서 실제 사망률(실선)이 아무리 들쑥날쑥해도 많은 경우 단순사망률(주황색 점선)을 둘러싼 주황색 띠 안에 있음을 볼 수 있다. 주황색 띠는 우리 모형에 의거해 실제 사망률의 약 68%를 포함하는 영역이다. 즉 3개월을 관측하면 2개월 정도는 사망률이 주황색 띠 안에 들어오고, 1개월 정도는 벗어남을 의미한다.

회색 점선 사이의 영역은 우리 모형에 의거해 실제 사망률의 약 95%를 포함하는 영역이다. 그러니 주황색 점선을 기준으로 회색 점선 바깥에 있는 사망률은 통계적으로 의미를 갖는다. 우연히 그렇게 점선 밖으로 나갔을 확률이 5% 이하라는 뜻이다. 사회적으로 사람들을 더 많이 죽게 하거나 (또는 덜 죽게한) 어떤 요인이 있을 가능성이 상당하다는 뜻이다.

2018년 1월: 약 4600명 초과사망 (총 31600명 사망, 전년 대비 22% 증가)

그런 면에서 2018년 1월 사망률은 눈여겨볼 만하다. 초과사망률이 우연히 저렇게 놓게 나올 확률은 400만 년에 한 번 나올 정도이다. 무슨 일이 분명 있었다. 단순사망률은 6000 명 정도인데 실제 사망률은 가장 높을 때 약 7400 명이였다 (셋째 주). 1월 한 달 실제 사망자 수는 약 31600명으로 전년 (2017년) 대비 5700명이 (22%) 더 많이 죽었다.

사망률을 저토록 상승시킬 만한 특이한 일 (전쟁이나 신종 전염병 등)이 2018년 겨울에 없었으므로, 유난히 상승한 사망률의 원인으로 가장 설득력이 있는 것은 2017-2018 겨울이 독감(인플루엔자 감염증)이 유난히 심했던 계절이라 보는 것이다. 실제로 그러했다:

왜 2017-2018 인플루엔자 사망자가 높았나

질병관리본부의 보도참고자료를 보면 당시에 인플루엔자 A(H3N2)형과 B형이 동시에 유행을 하는데, 그것이 인플루엔자 사망자수를 높인 요인 중에 하나일 것이다.

하지만 사망률을 높인 또 다른 요인을 앞서 보았던 2015–2019 사망률 도표(그림 1)에서 찾을 수 있다. 그림 1에 초과사망자률이 양수일 때와 음수일 때를 각각 빨강색과 파랑색으로 입혀 그린 것이 아래의 그림 2이다. 거기서 볼 수 있는 것은 2017-2018 독감철 보다 한 해 앞선 2016-2017 독감철의 전반적인 낮은 사망률이다. 전 해 독감철이 가벼우면 그 다음 해 독감철이 심할 수 있다. 가벼운 독감철에 건강이 좋지 않아도 살아남은 사람들이 안타깝지만 심한 독감철이 왔을 때 목숨을 많이 잃게 된다.

그림 2. 2015-2019년 주간 사망률(파랑색 실선)과 단순사망률(주황색 점선). 사망률이 단순사망률보다 높거나 낮음에 따라 초과사망률이 양수 또는 음수가 되는데, 각각의 경우 빨간색과 파란색 색조를 더하였다. 2017-2018년의 가벼운 독감철의 예상보다 낮은 사망률은 2017-2018년의 강한 독감철에 사망률이 심하게 오른 요인 가운데 하나이다.

코로나19가 덮친 2020년 이후의 사망률

사망률 데이터는 국가통계포털(kosis.kr)에서 얻었다.

[2021년 1월 현재]

위에서 2015-2019 년 데이터를 기반으로 생성한 단순사망률 모델을 갖고 2020년 예측 사망률과 실제 사망률을 비교해보자 (그림 3a):

그림 3a. 2020년 주간 사망률(파란색 실선)과 모델에 의한 단순사망률(주황색 점선). 모델은 2010-2019 년 데이터에 기반한 것이다. 주황색 띠는 조사망률의 약 65%를 포함할 것으로 예측한 구간이고, 회색점선은 95%를 포함할 것으로 예측한 구간이다. 단순사망률을 중심으로 회색 점선 바깥으로 벗어나는 사망률은 통계적으로 봤을 때 유난히 높거나 (혹은 낮은) 사망률을 뜻한다.

보다시피 2020년 내내 사망률이 예측한 단순사망률과 그리 다르지 않다. 이 도표만 놓고 보면 한국에 무서운 전염병이 돌아다닌다고 말할 수 없다. 예측했던 계절성 (겨울에는 높고 여름에는 낮은 사망률 추이) 그대로 사망률이 여름에 최저치를 기록하고 겨울을 향해 가면서 증가하고 있다. 예상했던 대로 움직이고 있는 것이다. 나라에서는 1단계, 2단계, 2.5단계 등의 다양한 방역 시도가 있었지만, 그것과 무관하게 사망률은 계절성을 따르고 있다. (계절성에 대한 더 자세한 기사는 여기를 클릭.)

아직 2020년 11월과 12월 사망자 통계가 현재 집계되어 있지 않다. 하지만 회색 점선 바깥으로 벗어나지 않으리라는 것이 졸인의 예측이다.

[2021년 4월 현재]
All cause mortality, Republic of Korea, 2020

그림3b. 2020년 11월과 12월 사망률이 회색 점선 바깥으로 벗어나지 않으리라고 위에서 나는 예측했는데, 그 예측은 맞았을 뿐 아니라 모델이 예측한 것 보다도 사망률은 적었다.

[2021년 7월 현재]

그림3c. 2021년 4월까지 집계된 사망자수를 반영한 그림이다. 여전히 대한민국에 위험한 전염병이 있다고 볼 수 없다.

확진자수 추이와 비교

참고로 위의 그림 3c에 코로나19 확진자 수 추이를 덧붙여 본 것이 아래의 그림 4이다. 보다시피 사망률(파랑색 실선)과 확진자수(검정색 실선)는 상관관계를 별로 갖지 않는다.

그림 4. 주간 사망률(파랑색 실선)과 코로나19 확진자수(검정색 실선) 비교. 확진자수의 증감과 별 상관 없이 사망률은 인플루엔자(독감)와 다름 없는 계절성을 따르고 있다.

확진자수의 증감과 무관하게 사망률은 1월부터 7월까지는 감소세를 따르고, 7월 이후 겨울을 향하면서 증가세를 보인다. 즉 인플루엔자(독감)의 계절성에 의존하는 단순사망률(주황색 점선)을 따른다. 이는 코로나19 확진자수와 사망자수를 직접 비교해도 마찬가지다 (그림 5 참조).

그림 5. 대한민국 코로나19 PCR 검사 양성자 및 사망자 집계 추이. 둘 사이의 상관도는 낮다.

2020 년의 사망률을 앞서 보았던 2015-2019 년의 사망률과 함께 종합적으로 그린 것이 아래 그림 6이다. 거기서도 역시 2020년 1월부터 2021년 4월 사이에 어떤 독특한 질병이 한국 사회에 유행하고 있었다고 보기 어렵다. 오히려 2021년은 나쁘지 않다:

그림 6. 2015년 1월부터 2021년 4월까지의 주간사망률 (파란색 실선) 및 단순사망률 (주황색 점선). 단순사망률은 2015-2019년 데이터에 근거한 모형을 통해 계산하였다.

위의 그림 6을 보면 2020년 보다는 오히려 2018년 1월이 유독 눈에 띤다. 당시 한국 사회는 아무렇지 않게 일상 생활을 영위했다. 학생들이 학교를 못 간다던지, 실내외를 막론하고 사람 얼굴에 마스크를 씌운다던지, 식당이나 헬스장 영업을 제한한다던지, 연말연시에 5인 이상 집합을 금하는 것과 같은 활동제한(lockdown)은 일절 없었다.

그에 대비 2020년은 어떤가? 2020년 초과사망률 합계는 약 420 명인데, 2018년 초과사망률 합계는 약 6460 명이었다. 그런데도 정상 생활을 아무 문제 없이 영위한 2018년과는 달리 2020년에 한국 사회가 큰 위험이 닥쳤다면서 정상 생활을 할 수 없었던 이유는 코로나19 바이러스가 위험해서가 아니라 그에 대응 한다는 정부, 공공기관, 미디어 등이 비과학적이고 비합리적인 정책을 선전하였기 때문이고, 그 선전에 허다히 많은 사람들이 청맹과니처럼 따라갔기 때문이라고 밖에 볼 수 없다.

어떤 이들은 2020년 사망률이 2018보다 낮은 것은 방역 정책을 잘 시행해서 그런 것이 아닌가 반문하겠지만, 앞서 그림 3에서 보았듯이 1단계, 2단계, 2.5단계 등의 다양한 방역 시도와 무관하게 사망률은 예측된 계절성을 따라 움직였다. 사실, 인플루엔자나 [3] 인간 코로나바이러스 [5] 감염증과 같은 계절성 유행병의 특징을 이해한다면 방역 지침과 상관 없이 사망률이 계절성을 따르는 것이 놀랍지도 아니하거니와 “코로나의 2차, 3차, 4차 대유행”와 같은 낭설을 내뱉지도 않을 것이다.

다른 사망 원인과 비교

2020년 사망자수를 코로나 확진의 경우와 그 외의 경우로 나누어 표시한 도표가 아래의 그림 7인데, 거기를 보아도 코로나바이러스 감염증이 한국 사회에 어떤 위해를 가했는지 눈에 들어오지 않는다.

COVID death fraction, Republic of Korea
그림 7. 2020년 주간 사망률. 코로나 확진자 사망자수는 주황색 막대로, 그 외의 사망자수는 파랑색 막대로 표시되었다. 주황색 막대가 매우 작아서 모든 주에서 거의 보이지 않는데, 이는 코로나 확진자 수가 그만큼 작기 때문이다. 코로나 확진자가 나온 이후 코로나 사망자는 전체 사망자의 0.3%에 불과하다.

아래는 (그림 8) 코로나 사망자 집계를 교통사고 사망률 그리고 자살률과 비교한 것이다. 보면 알겠지만, 사회적 거리두기 4단계 격상 조치는 전혀 필요하지 않을 때 도입 되었고 (2021년 7월 12일), 조금도 도움이 되지 않는데 연장되었다 (2021년 7월 26일).

그림 8. 계절성 독감과 별 차이가 없는 코로나 사망자 추이. 거리두기 4단계 격상은 필요하지 않을 때 도입되었고, 도움이 되지 않은데 연장되었다.

결론

이상의 데이터만 갖고 보더라도 코로나19에 대해 다음과 같은 결론을 내릴 수 있다:

  • 코로나19의 위험은 인플루엔자감염증(독감)의 그것과 크게 다르지 않다.
  • 코로나19 역시 인플루엔자감염증과 같은 계절성을 띤다.
  • 코로나19를 위한 방역 지침은 인플루엔자감염증(독감)을 위한 그것과 비슷한 정도가 합리적이다. 어린 아이들의 등교 혹은 일상 영업을 제한하는 것, 강제로 마스크를 착용하게 하는 것, 동선 추적은 당장 그만두어야 한다. 오히려 그레이트배링턴 선언(Great Barrington Declaration)을 따르는 것이 합리적이고 과학적이다.
  • 코로나19를 종식시키겠다는 무모하고도 비현실적인 목표를 선전해서는 안된다.
  • 코로나19 확진자 수를 가지고 병의 위험을 논하는 것은 큰 의미가 없다. 특히 임상증상과 상관 없이 PCR 검사만으로 확진을 논하는 것은 당장 그만두어야 한다.

별첨: 감염치사율

전염병이 얼마나 위험한가 가늠하기 위한 수치 중 하나가 감염치사율(infection fatality rate)이다. 이는 물론 조사 대상이 되는 사회의 의료 수준이나 집단의 건강 정도에 영향을 받는다. 한국의 코로나19에 대한 감염치사율을 가늠할만한 연구결과 몇몇을 소개한다. (이것들 외에도 더 있을 것으로 안다.)

참고로 미국 CDC의 2018-2019년 독감철 통계에 따른 독감의 감염치사율은 0.000944 (약 1천분의 1) 이다.

  • 프랑스와 이탈리아의 데이터에 기반하여 예측한 건강한 사람의 감염치사율은 다음과 같다 [6]:
    • 0-19세: 0.0000004 (약 250만분의 1)
    • 20대: 0.0000034 (약 30만분의 1)
    • 30대: 0.000014 (약 7만분의 1)
    • 40대: 0.000035 (약 3만분의 1)
    • 50대: 0.000185 (약 5천분의 1)
    • 60대: 0.001105 (약 1천분의 1)
    • 70대: 0.004755 (약 200분의 1)
    • 80대 이상: 0.037759 (약 25분의 1)
      이상은 코로나19에 감염되었을 경우의 치사율이고, 실제로 감염될 확률은 한국의 경우 5% 미만으로 추정되니, 코로나19에 걸려서 죽을 확률은 위의 수치 보다 20 분의 1의 비율로 더 낮다고 봐야 한다. 참고로 미국 CDC의 통계에 의하면 번개에 맞을 확률은 연간 약 50만분의 1이다. 그랬을 때, 위의 수치들에 의하면 건강한 50세 미만이 코로나에 걸려 죽을 확률은 번개에 맞을 확률보다 낮고, 50대에서는 번개 맞을 확률 보다 2배 가량 높다. 2018년 독감철과 비교했을 때, 건강한 60세 미만에서는 코로나19가 독감보다 덜 위험하며, 60대에서는 독감과 큰 차이가 없다.
  • 혈청 검사 데이터에 기반하여 추정한 한국의 코로나19 감염치사율은 0.0009로서 독감과 비슷하였고, 70세 미만의 경우는 0.0000 (zero) 이다 [7].

이상의 수치들로 본다면 70세 미만의 건강한 한국인이 독감보다 코로나19를 걱정할 필요는 없으며, 겨울에 독감 대신 코로나가 유행한다면 오히려 좋은 소식이다. 50세 미만의 건강한 사람은 코로나 걱정하는 것 보다 번개 맞을까 걱정하는 것이 낫다.

50세 미만의 건강한 한국인은 코로나 걱정하는 것 보다 번개 맞을까 걱정하는 것이 낫다.

End Notes

  1. 생활 속 질병통계 100선, 건강보험심사평가원 발간, https://www.hira.or.kr/ebooksc/ebook_472/ebook_472_201803281057049800.pdf ↩
  2. W.R. Keatinge, “Winter mortality and its causes” Int J Circumpolar Health, Nov 2002, 61 (4), pp. 292-9, http://doi.org/10.3402/ijch.v61i4.17477  ↩
  3. J.J. Cannell, M. Zasloff, C.F. Garland, et al. On the epidemiology of influenza. Virol J 5, 29 (2008). https://doi.org/10.1186/1743-422X-5-29 ↩ ↩
  4. 모형을 만드는 방법은 여러가지이나, 여기서는 간단하게 시간에만 의존하는 모형을 선형 함수에 삼각함수를 더하여 정규분포를 활용하여 만들었다. 즉, 사망률을 $y$, 주수를 $t$라 할 때, $hat{y} sim beta_0 + beta_1 t + beta_2sin(pi t/6) +beta_3cos(pi t/6) + epsilon$ 으로 설정하고 $epsilon$은 정규분포를 따르다고 가정하였다. 포아송(Poisson) 분포를 이용하여 모델을 만들 수도 있겠으나 사망자수가 워낙 많기에 (수 천 명 단위) 정규분포를 활용하는 것으로도 여기서는 충분하다.  ↩
  5. Y. Li, X. Wang, H. Nair, “Global Seasonality of Human Seasonal Coronaviruses: A Clue for Postpandemic Circulating Season of Severe Acute Respiratory Syndrome Coronavirus 2?”, The Journal of Infectious Diseases, Volume 222, Issue 7, Oct 2020, pp. 1090–1097, https://doi.org/10.1093/infdis/jiaa436  ↩
  6. Ghisolfi S, Almås I, Sandefur JC, et al. Predicted COVID-19 fatality rates based on age, sex, comorbidities and health system capacityBMJ Global Health 2020;5:e003094. http://dx.doi.org/10.1136/bmjgh-2020-003094 국가경제규모, 기저질병, 성별에 따라 예측을 하였는데, 우리나라는 높은 경제규모에 해당하고 보았고, 편의를 위해 여기서는 남녀 성별 가운데 더 높은 치사율을 소개하였다.  ↩
  7. J. Ioannidis. Infection fatality rate of COVID-19 inferred from seroprevalence data. Bull World Health Organ. 2021 Jan 1;99(1):19-33F. https://doi.org/10.2471/blt.20.265892  ↩