경쟁위험분석 (Competing Risk Analysis)
쉽게 풀면
예를 들어 암 재발을 연구하고 있는데, 어떤 환자가 재발하기 전에 다른 원인(예: 심장병)으로 사망해버리면 그 사람은 영원히 재발을 관찰할 수 없게 됩니다. 이런 경쟁하는 위험을 무시하고 일반적인 카플란-마이어 방법을 쓰면 재발 위험을 실제보다 과대평가하게 됩니다. 경쟁위험분석은 이런 상황을 통계적으로 올바르게 반영하기 위해 누적발생함수 같은 별도의 방법을 사용해서, 여러 종류의 경쟁하는 사건들의 발생 확률을 동시에 정확하게 추정합니다.
왜 중요한가
임상 연구, 특히 종양학이나 노인의학처럼 여러 원인의 사망이나 사건이 동시에 관찰 대상이 되는 분야에서는 관심 사건 하나만 따로 떼어 분석하면 결과가 왜곡되기 쉽습니다. 경쟁위험분석은 치료 효과나 예후 인자를 평가하는 생존분석 연구에서 통계적 결론의 신뢰도를 좌우하는 핵심 방법론으로 다뤄지며, 최근에는 규제기관 제출용 임상시험 통계분석계획서에서도 표준적으로 요구되는 경우가 늘고 있습니다. 이 때문에 방법론 자체를 다루는 논문뿐 아니라 실제 임상·역학 연구 논문에서도 분석 전략을 정당화하는 근거로 자주 인용됩니다.
논문에서는 이렇게 쓰입니다
관심 사건 외의 다른 사망 원인이 결과에 미치는 영향을 통계적으로 적절히 반영해 분석했다는 뜻이다.
조혈모세포이식 연구처럼 서로 다른 원인의 사건이 함께 발생할 수 있는 상황에서, 각 사건의 누적 발생 확률을 따로 추정하고 집단 간 차이를 통계적으로 검정했다는 의미다.
노인의학 연구에서 관찰 기간 중 사망으로 인해 골절 관찰이 불가능해지는 환자를 적절히 반영해, 골절 발생 위험이 실제보다 부풀려지지 않도록 분석했다는 뜻이다.
조금 더 깊게 보면
경쟁위험분석에는 크게 두 가지 접근이 쓰인다. 하나는 원인별위험모형(cause-specific hazard model)으로, 관심 사건이 발생하는 순간까지의 위험률 자체에 초점을 맞춘다. 다른 하나는 부분분포위험모형(subdistribution hazard model, 대표적으로 Fine-Gray 모형)으로, 경쟁 사건이 발생한 대상을 위험집합에서 제거하지 않고 남겨두어 누적발생함수와 직접 연결되는 해석을 제공한다. 두 모형은 같은 자료에서도 위험비(hazard ratio) 추정치가 다르게 나올 수 있어, 논문을 읽을 때는 저자가 어떤 모형을 썼는지, 그리고 그 선택이 연구 목적(순수한 원인 규명인지, 실제 발생 확률 예측인지)에 부합하는지를 함께 살펴보는 것이 중요하다. 또한 결과를 시각화할 때는 카플란-마이어 곡선 대신 누적발생함수 곡선을 사용하는 것이 경쟁위험 상황에서는 통계적으로 더 타당하다.
주의할 점
경쟁위험을 무시한 채 단순 카플란-마이어 방법으로 분석하면 관심 사건의 발생 확률을 실제보다 과대추정하는 오류가 흔히 발생한다.