경쟁위험분석 (Competing Risks Analysis)
쉽게 풀면
암 환자를 대상으로 "암 재발까지 걸리는 시간"을 분석한다고 해봅시다. 그런데 환자 중 일부는 암이 재발하기 전에 다른 원인(예: 심장질환)으로 사망할 수 있습니다. 이 환자는 더 이상 재발을 관찰할 기회 자체가 사라진 것이지, 단순히 "관찰이 중간에 끊긴" 중도절단(censoring)과는 다릅니다. 일반적인 카플란-마이어 방법으로 이런 환자를 그냥 중도절단 처리하면 재발 확률이 실제보다 부풀려집니다. 경쟁위험분석은 "재발"과 "다른 원인으로 인한 사망"을 서로 경쟁하는 별개의 사건으로 놓고, 각 사건이 일어날 실제 확률(누적발생함수)을 다른 사건의 발생 가능성까지 고려해 정확하게 추정합니다.
왜 중요한가
임상 연구나 역학 연구에서는 관심 사건 외에도 사망, 다른 질환 발생, 이식 거부반응처럼 서로 배타적인 결과가 동시에 관찰되는 경우가 흔합니다. 이런 자료를 일반적인 생존분석 방법으로 다루면 위험을 과대추정하는 체계적 편향이 생기기 때문에, 경쟁위험분석은 정확한 예후 예측과 치료 효과 비교를 위한 필수 도구로 취급됩니다. 그래서 종양학, 장기이식, 심혈관 역학, 공중보건 연구 등 여러 임상·역학 분야의 논문에서 방법론적으로 반드시 짚고 넘어가는 주제로 다뤄집니다.
논문에서는 이렇게 쓰입니다
이 문장은 "다른 원인으로 사망한 환자까지 통계적으로 정확히 고려해서 재발률을 추정했다"는 뜻으로, 암·이식·노인 연구처럼 사망 외에도 여러 종류의 결과가 경쟁적으로 발생할 수 있는 논문에서 자주 등장합니다.
이식 연구에서는 "이식 실패"와 "환자 사망"이 서로를 배제하는 사건이기 때문에, 각각을 독립적으로 분석하지 않고 경쟁위험 틀 안에서 함께 추정한다는 의미입니다.
고령층을 대상으로 한 역학 연구에서는 관찰 기간 중 사망률이 높기 때문에, 골절과 같은 비치명적 사건의 발생 확률을 사망이라는 경쟁위험까지 고려해 보정했다는 뜻입니다.
조금 더 깊게 보면
경쟁위험분석 논문을 읽을 때는 크게 두 가지 접근법이 구분된다는 점을 알아두면 도움이 됩니다. 하나는 원인별 위험함수(cause-specific hazard)를 각 사건에 대해 별도로 추정하는 방식이고, 다른 하나는 Fine and Gray 모형처럼 하위분포 위험함수(subdistribution hazard)를 이용해 누적발생함수(cumulative incidence function, CIF)를 직접 모델링하는 방식입니다. 두 방법은 위험비의 해석이 서로 다르므로, 논문에서 어떤 위험함수를 기준으로 결과를 보고했는지 확인하는 것이 중요합니다. 또한 결과를 요약할 때는 카플란-마이어 방식으로 계산한 1-생존확률이 아니라 누적발생함수를 사용해야 경쟁위험을 반영한 올바른 사건 발생 확률을 얻을 수 있다는 점도 자주 강조됩니다.
주의할 점
경쟁위험이 있는 상황에서 콕스 비례위험모형을 그대로 적용해 경쟁 사건을 단순 중도절단으로 처리하면, 관심 사건의 발생 확률을 실제보다 과대추정하게 되므로 반드시 경쟁위험을 반영한 모형을 별도로 사용해야 합니다.