콕스 비례위험모형 (Cox Proportional Hazards Model)
쉽게 풀면
보험회사가 "흡연자는 비흡연자보다 특정 질병에 걸릴 위험이 몇 배 더 높은가"를 알고 싶다고 해봅시다. 단순히 몇 명이 걸렸는지만 세는 게 아니라, "언제" 걸렸는지도 중요합니다. 콕스 비례위험모형은 나이, 흡연 여부, 체중 같은 여러 변수를 동시에 고려하면서, 각 변수가 사건(질병 발생, 사망, 이탈 등)이 일어날 위험을 몇 배 높이거나 낮추는지를 계산해줍니다. 핵심 가정은 "위험의 비율이 시간이 지나도 일정하게 유지된다"는 것인데, 이를 "비례위험 가정"이라고 부릅니다. 즉 흡연자가 비흡연자보다 처음부터 끝까지 항상 2배 위험하다고 가정하는 식입니다.
왜 중요한가
콕스 비례위험모형은 중도절단자료를 자연스럽게 다루면서도 여러 변수의 영향을 동시에 통제할 수 있어, 의학·역학 분야에서 생존율이나 재발률 비교를 다루는 논문의 표준적인 분석 도구로 자리 잡았습니다. 신약이나 새로운 치료법의 효과를 기존 치료법과 비교할 때, 그리고 특정 위험요인이 사건 발생 시점에 미치는 영향을 정량화할 때 핵심적으로 사용됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 "다른 변수들을 통제한 상태에서, 흡연자는 비흡연자보다 특정 시점에 사건이 발생할 위험이 약 1.85배 높다"는 뜻입니다. 여기서 나온 위험비(hazard ratio)가 콕스 모형의 핵심 결과값입니다.
임상시험 논문에서 신약의 효과를 위험비가 1보다 작다는 형태로 표현한 예로, 위험이 감소했다는 것을 나타냅니다.
조금 더 깊게 보면
콕스 모형은 위험함수의 기저형태(baseline hazard)를 특정 분포로 가정하지 않는 준모수적(semi-parametric) 방법이라는 특징이 있으며, 대신 부분우도(partial likelihood)를 이용해 각 변수의 회귀계수를 추정합니다. 비례위험 가정이 성립하는지는 흔히 슈엔펠트 잔차(Schoenfeld residuals) 검정 등으로 확인하며, 가정이 깨진 경우 시간에 따라 변하는 공변량을 도입하거나 층화 콕스모형 같은 확장 모형을 사용합니다.
주의할 점
콕스 비례위험모형은 "비례위험 가정"이 성립할 때만 결과가 신뢰할 수 있습니다. 시간이 지나면서 위험비가 크게 변한다면(예: 초기에는 위험이 컸지만 나중엔 역전되는 경우) 이 가정이 깨진 것이므로 별도의 검정과 대안 모형이 필요합니다. 이 모형은 생존분석의 한 방법이며, 단순 생존곡선 비교보다 여러 변수의 영향을 동시에 통제할 수 있다는 점이 다릅니다.