수백만 명의 의료 기록이 있으면 작은 무작위시험보다 인과관계를 더 잘 알 수 있을까요? 자료의 양은 정밀도를 늘릴 수 있지만, 누구를 언제 어떤 전략에 배정했다고 볼지 틀리면 아주 정밀한 오답을 만들 수 있습니다. 관찰자료를 분석하기 전에 우리가 모방하려는 이상적인 시험을 먼저 적어야 하는 이유입니다.
연구를 읽는 두 가지 질문
분석 전에 어떤 시험을 상상해야 할까?
Hernán과 Robins는 비교 효과 질문에 답할 무작위시험을 실제로 할 수 없을 때, 관찰자료 분석을 특정 목표시험의 모방으로 보자고 제안합니다. 목표시험에는 적격 기준, 비교할 치료 전략, 배정 절차, 추적 기간, 결과, 인과 대조와 분석 계획이 명시돼야 합니다. 이 표가 없으면 서로 다른 질문이 한 분석에 섞일 수 있습니다. [1]
왜 배정과 추적의 시작이 같아야 하나?
자격을 판정한 뒤 한참 지나 치료 여부를 분류하면 그 사이 사건을 어떻게 셀지가 달라집니다. 치료를 받을 때까지 사건 없이 살아 있어야 치료군이 되는 구조는 immortal time bias를 만들 수 있습니다. 목표시험 관점은 자격 판정, 전략 배정, 추적 시작을 같은 시간 영점에 맞추도록 요구해 이런 설계 오류를 드러냅니다. [1]
지속 치료 전략은 어떻게 비교하나?
원문은 치료 시작뿐 아니라 계속 사용·중단 같은 지속 전략을 비교할 때 순응과 시간에 따라 변하는 교란을 다뤄야 한다고 설명합니다. 기저 시점 처방만 비교하는 의도대로 분석과 실제 순응 전략의 효과는 다른 질문입니다. 자료에 처방·조제·복용 중 무엇이 기록됐는지도 모방 가능한 시험을 제한합니다. [1]
방과후 프로그램의 효과를 학교 기록으로 비교하기
LTCT가 만든 가상 사례입니다. 연구자는 3월 2일 기준 중학교 1학년 학생 중 신청 자격이 있는 학생을 모아, 프로그램 즉시 참여와 미참여 전략을 비교하려 합니다. 결과는 12주 뒤 논증 평가 점수입니다.
문제가 되는 설계는 참여군의 시작을 실제 첫 수업일로, 미참여군의 시작을 학기 첫날로 두는 것입니다. 첫 수업까지 결석하거나 전학 간 학생은 참여군에 들어갈 수 없으므로, 살아남아야만 노출로 분류되는 시간이 생깁니다. 자료가 커도 이 시간 구조는 저절로 고쳐지지 않습니다.
자격 판정, 전략 배정, 추적 시작을 3월 2일로 맞추고 이후 참여 변화를 별도로 다루면 비교 질문이 선명해집니다. 아래 활동은 이 정렬을 바꾸어 편향 경고를 계산하는 LTCT 모형입니다.
적격성·전략 분류·추적 시작을 바꾸어 시간 영점이 맞는지 확인해 보세요
세 사건이 같은 시간 영점에 놓이는지 바꾸어 보세요. 실제 효과를 계산하지 않습니다.
| 정렬 | 빠진 요소 | 편향 경고 수 |
|---|---|---|
| 아니요 | 전략 분류, 추적 시작 | 2 |
시간 영점이 갈라져 생존해야 노출될 수 있는 구간을 점검하세요.
어디까지 말할 수 있을까요?
- 목표시험을 명시해도 측정되지 않은 교란, 잘못 측정된 변수, 선택적 기록, 모형 오지정은 남을 수 있습니다. 관찰자료가 무작위배정으로 바뀌는 것은 아닙니다.
- 원 논문은 방법론 틀과 사례를 설명합니다. 아래 학교 사례와 위험 점수는 LTCT 창작이며 실제 치료 효과를 계산하지 않습니다.
원문에 근거한 한계와 LTCT의 적용 범위 검토입니다. [1]
교육 현장과 연결해 보면
연구 설계 수업에서 관찰자료 프로젝트를 시작할 때 분석 모형보다 먼저 가상의 목표 시험 표를 작성하게 합니다. 적격 기준, 비교 전략, 배정 시점, 추적 시작, 결과, 인과 대조를 한 줄씩 채웁니다.
치료군은 첫 처방일, 비교군은 임의의 등록일로 시작하는 식의 시간 불일치를 찾아 색칠하게 합니다. 같은 사람에게 자격 판정·전략 분류·추적 시작이 동시에 일어나도록 고치게 합니다.
시간 영점을 맞추면 관찰연구가 무작위시험과 같아질까요?
생각을 비교할 해설 펼치기
아닙니다. 정렬은 피할 수 있는 설계 편향을 줄이는 중요한 조건이지만, 실제 치료 선택은 환자 상태와 의사 판단에 영향을 받습니다. 측정된 교란을 조정하고, 측정되지 않은 교란과 자료 품질에 대한 민감도·한계를 별도로 평가해야 합니다. ‘닮은 설계’와 ‘같은 증거’를 구분해야 합니다.
원문과 출처 정보
한국어 제목은 이해를 돕기 위한 LTCT 번역입니다. 한글 제목 뒤 괄호에 원제를 함께 표기했습니다. 저자·학술지·원문 버전은 원문 서지정보를 기준으로 확인할 수 있습니다.
무작위시험을 할 수 없을 때 빅데이터로 목표시험을 모방하기 (Using Big Data to Emulate a Target Trial When a Randomized Trial Is Not Available)
Miguel A. Hernán & James M. Robins (2016). American Journal of Epidemiology, 183(8), 758–764.
- 자료 성격
- 동료심사 학술지 방법론 논문 · PMC 공개 전문
- 읽은 버전
- 2016년 출판본, 2016-03-18 온라인 공개
- 확인 범위
- PMC 공개 전문에서 목표시험의 구성 요소, 시간 영점과 치료 전략, 의도대로·순응 효과의 구분, 관찰자료 모방 절차와 한계를 확인
- 원문 확인일
이 글은 한국어 해설이며 원문 전문 번역이 아닙니다. 도식과 활동의 제작·재구성 범위는 각 그림과 본문에 표시했습니다. 자료 선정과 출처 기준
같은 연구 흐름에서 이어 읽기
같은 원문, 저자·연구 흐름, 공통 개념 태그를 기준으로 연결한 관련 해설입니다.