고령 운전자의 드라이빙 시뮬레이터 수행 중 뇌전도 특성: 체계적 문헌고찰 및 메타분석

EEG Characteristics During Driving Simulator Performance in Older Adults: A Systematic Review and Meta-Analysis

연구목적: 본 연구는 드라이빙 시뮬레이터 환경에서 측정된 고령 운전자의 뇌전도 특성을 체계적으로 고찰하고, 비고령 운전자와의 차이를 메타분석을 통해 정량적으로 규명하고자 하였다. 연구방법: 2024년 12월까지 PubMed, Web of Science, IEEE Xplore, Google Scholar에서 고령 운전자와 EEG, 드라이빙 시뮬레이터 관련 논문을 검색하였다. 검색식은 (“elderly” OR “older adults”) AND (“driving simulator”) AND (“EEG” OR “electroencephalography”) AND (“cognitive” OR “brain”)을 조합하여 사용하였으며, 3,616편이 검색되었고 최종 7편의 연구가 포함되었다. 표준화 평균차(SMD)를 이용한 랜덤효과 모델로 메타분석을 수행하였다. 포함 기준을 충족한 7편의 연구에 대해 표준화 평균차(standardized mean difference, SMD)를 이용한 랜덤효과 메타분석을 시행하였다. 이질성은 I2 통계량으로 평가하고, Cochrane 비뚤림 위험 도구와 GRADE 체계를 이용해 연구의 질과 근거 수준을 평가하였다. 연구결과: 고령 운전자는 비고령 운전자에 비해 EEG 활동에서 유의한 차이를 보였다(SMD=0.73, 95% 신뢰구간: 0.61–.85). 사건관련전위가 가장 큰 효과크기를 보였으며(SMD=0.83), 세타 파워는 고령자에서 증가하고(SMD=0.78) 알파 파워는 감소하는 경향을 나타냈다(SMD=0.68). 이중과제 조건에서 연령에 따른 EEG 차이는 더욱 두드러졌다(SMD=0.81 vs. 0.65). 결론: 고령 운전자는 드라이빙 시뮬레이터 수행 중 ERP 진폭 감소와 잠복기 지연, 세타 파워 증가, 알파 파워 감소 등 비고령 운전자와 구별되는 신경생리학적 특성을 보였다. EEG는 고령 운전자의 인지 부하와 주의 조절 변화를 민감하게 반영하는 도구로서, 향후 운전 적합성 평가, 맞춤형 훈련 프로그램 개발, 교통 안전 정책 수립의 과학적 근거로 활용될 수 있을 것으로 기대된다.

Objective: This study systematically reviewed EEG characteristics of older drivers in driving simulators and quantified differences from non-older drivers via meta-analysis. Methods: Systematic searches were conducted in PubMed, Web of Science, IEEE Xplore, and Google Scholar (December 2024) using (“elderly” OR “older adults”) AND (“driving simulator”) AND (“EEG” OR “electroencephalography”) AND (“cognitive” OR “brain”). Seven studies (289 participants) underwent random-effects meta-analysis using standardized mean differences (SMDs). Heterogeneity was assessed via I2. Evidence certainty was evaluated using GRADE, and risk of bias was assessed with the Cochrane tool. Results: Older drivers showed significantly altered EEG activity (SMD=0.73, 95% CI: 0.61–0.85, *p* < 0.001). Event-related potentials exhibited the largest effects (SMD=0.83), with increased theta (SMD=0.78) and decreased alpha power (SMD=0.68). Dual-task conditions amplified age-related differences (SMD=0.81 vs. 0.65). Conclusion: EEG effectively captures age-related cognitive load and attentional changes, offering potential for driving fitness assessment, training programs, and traffic safety policy development.