후기하강(late deceleration)은 자궁수축이 시작된 뒤에 태아심박수가 떨어지고, 수축이 끝난 다음에야 회복되는 패턴입니다.
후기하강이 반복된다는 것은 태아가 이미 저산소증(hypoxia)과 산증(acidosis)으로 진행하는 ‘진행성 태아 가사(progressive fetal asphyxia)’의 초기 신호일 가능성이 높다는 뜻입니다. 정상 태아는 수축 동안 일시적으로 산소 공급이 줄어도 예비능으로 견디지만, 태반의 산소 교환 능력이 떨어진 상태에서는 수축이 끝난 뒤에도 심박수 회복이 늦어집니다.
후기하강의 핵심 기전은
자궁태반 관류(uteroplacental perfusion) 저하입니다. 자궁수축이 일어나면 자궁벽을 지나는 나선동맥(spiral artery)이 눌리면서 태반으로 가는 혈류가 감소합니다. 건강한 태반이라면 수축이 끝나자마자 혈류가 회복되어 태아심박수도 정상으로 돌아오지만, 태반 기능이 저하되어 있으면 수축 후에도 산소 공급 부족이 이어지고, 이 산소 부채가 심박수 감소로 나타나는 것입니다. 따라서 후기하강이 반복될 때는
핵심! 단순히 자세만 바꾸는 것이 아니라, 태반으로 가는 산소 공급을 즉시 늘리고 자궁태반 혈류를 회복시키는 중재가 우선되어야 합니다.
보기 4번의
좌측위(lateral recumbent position)는 임신 후기의 자궁이 하대정맥(inferior vena cava)을 눌러 발생하는
앙와위 저혈압 증후군(supine hypotensive syndrome)을 예방합니다. 똑바로 누우면 자궁이 하대정맥을 압박하여 심장으로 돌아오는 정맥혈이 줄고, 그 결과 심박출량이 감소하여 태반 관류가 더 나빠집니다. 좌측위는 하대정맥 압박을 줄여 심박출량과 자궁태반 혈류를 회복시키는 가장 기본적인 자세입니다. 여기에
산소 투여는 산모의 동맥혈 산소분압을 높여 태반을 통과하는 산소의 확산 경사를 증가시키고, 태아에게 전달되는 산소량을 늘리는 효과를 기대할 수 있습니다.
혼동 주의! 보기 1번의 ‘똑바로 눕히기’는 앙와위 저혈압을 악화시켜 자궁태반 관류를 더 떨어뜨리므로 후기하강 상황에서 절대 피해야 할 자세입니다. 보기 2번의 힘주기는 자궁수축과 복압을 동시에 증가시켜 태반 혈류를 더욱 감소시키므로, 태아심박수 이상이 확인된 시점에서는 지도해서는 안 됩니다. 보기 5번처럼 단순히 기다리는 것은 진행성 저산소증을 방치하는 것이 되므로 적절하지 않습니다. 진통제 투여(보기 3번)는 통증 완화가 목적이며 후기하강의 원인인 태반 관류 저하를 직접 교정하지 못합니다.
실무에서는 좌측위 적용과 산소 투여를 시행한 뒤에도 후기하강이 지속되는지 재평가해야 합니다. 좌측위로 호전되지 않으면 우측위나
슬흉위(knee-chest position)를 고려할 수 있고, 정맥주입 속도를 높여 혈관 내 용적을 보충하거나 자궁수축 억제제 사용을 검토하게 됩니다
[3]. 다만 이러한 추가 중재는 의사 처방과 병원 프로토콜에 따라 결정되며, 간호사는 태아심박수 패턴의 변화를 지속적으로 기록하고 의료진에게 보고하는 역할이 중요합니다. 후기하강의 인식과 초기 중재는 분만실 간호의 질과 직결되며, 정확한 패턴 판독과 즉각적인 자세 변경이 태아 안전을 좌우할 수 있습니다
[1][4].
참고 문헌 (논문 출처)
- [1]
Nursing peer review of late deceleration recognition and intervention to improve patient safety.일반논문Davis J, Kenny TH, Doyle JL, McCarroll M, von Gruenigen VE (2013) · DOI: 10.1111/1552-6909.12023
- [3]
Intrauterine resuscitation: active management of fetal distress.일반논문Thurlow JA, Kinsella SM (2002) · DOI: 10.1054/ijoa.2001.0933
- [4]
Comparison and verification of detection accuracy for late deceleration with and without uterine contractions signals using convolutional neural networks.일반논문Sato I, Hirono Y, Shima E, Yamamoto H, Yoshihara K, Kai C, Yoshida A, Uchida F, Kodama N, Kasai S. (2025) · DOI: 10.3389/fphys.2025.1525266