역학 (Epidemiology)
쉽게 풀면
의사가 한 명의 환자를 진찰실에서 살펴본다면, 역학자는 도시나 나라 전체의 지도를 펼쳐놓고 "어디에서, 누구에게, 왜 이 병이 더 많이 생기는가"를 추적하는 탐정에 가깝습니다. 예를 들어 특정 지역에서 식중독 환자가 몰려서 발생했다면, 역학 조사를 통해 공통으로 먹은 음식이나 물을 역추적해 원인을 찾아냅니다. 이렇게 개인이 아니라 집단 단위의 패턴을 분석해서 질병의 원인과 위험 요인, 전파 경로를 밝히는 것이 역학의 핵심입니다. 코로나19 유행 초기의 확진자 동선 추적도 대표적인 역학 활동의 예입니다.
왜 중요한가
역학은 개별 환자 진료로는 알 수 없는 질병의 원인, 위험요인, 전파 양상을 인구집단 수준에서 밝혀내기 때문에 공중보건 정책과 임상 진료 지침 모두의 근거가 됩니다. 감염병 유행 대응, 만성질환 예방 전략 수립, 신약이나 치료법의 효과 검증 등 거의 모든 보건의료 의사결정이 역학 연구 결과에 기반하고 있어, 의학·보건학뿐 아니라 정책학·통계학 논문에서도 폭넓게 인용됩니다.
어떤 절차인가
역학은 ‘특정 인구집단에서 건강 상태와 질병의 분포·양상·결정요인을 연구하고, 그 지식을 질병 예방에 응용하는 것’으로 정의됩니다. 연구는 대체로 다음 순서로 진행됩니다.
- 분포 기술: 누가(사람), 어디서(장소), 언제(시간) 발생했는지 정리합니다.
- 가설 설정: 어떤 노출이 어떤 결과와 관련 있는지 구체적으로 적습니다.
- 설계 선택: 코호트연구, 환자-대조군 연구 등 가설에 맞는 설계를 고릅니다.
- 연관성 지표 계산: 상대위험도나 오즈비를 신뢰구간과 함께 구합니다.
- 해석: 교란과 편향을 점검한 뒤 인과 해석의 범위를 정합니다.
고전적 사례로는 19세기 콜레라 유행을 조사한 존 스노(John Snow)가 런던 소호 유행의 원인으로 브로드 스트리트 펌프를 지목한 일이 자주 소개됩니다.
언제 쓰고 무엇을 얻나
질문의 형태에 따라 설계와 대표 지표가 달라집니다.
| 설계 | 비교하는 방식 | 대표 지표 |
|---|---|---|
| 코호트연구 | 노출 여부에 따라 집단을 나누고 시간이 지나며 발생한 환자를 비교 | 상대위험도, 발생률 차이 |
| 환자-대조군 연구 | 환자 집단과 대조군의 과거 노출 여부를 비교 | 오즈비 |
가상의 예: 노출군 1,000명 중 50명, 비노출군 1,000명 중 20명에게 질병이 생겼다면 발생 위험은 각각 5.0%와 2.0%입니다. 상대위험도는 (50/1,000) ÷ (20/1,000) = 2.5이고, 위험 차이는 0.05 − 0.02 = 0.03입니다. 같은 표에서 오즈비는 (50/950) ÷ (20/980) ≈ 2.58로, 질병이 드물지 않으면 상대위험도와 차이가 납니다.
가상의 환자-대조군 예: 환자 100명 중 60명, 대조군 100명 중 30명이 노출되었다면 오즈비는 (60/40) ÷ (30/70) = 3.5입니다. 이 설계에서 연관성을 재는 지표는 오즈비입니다. 질병이 드물 때에는 오즈비를 상대위험도의 근삿값으로 쓸 수 있습니다.
논문에는 이렇게 적는다
- 연구 설계(코호트, 환자-대조군 등), 대상 집단, 관찰 기간을 먼저 밝힙니다.
- 노출과 결과를 어떻게 정의하고 측정했는지 적습니다.
- 효과 크기는 점추정치와 95% 신뢰구간을 함께 보고합니다(예: ‘상대위험도 2.5, 95% 신뢰구간 …’).
- 보정한 교란변수와 보정 방법, 남아 있는 편향의 가능성을 한계로 적습니다.
- 관찰연구에서 보고해야 할 항목은 STROBE 성명서(von Elm 등, 2007)가 정리해 두었습니다.
‘연관성이 있었다’와 ‘원인이었다’는 다른 문장이므로, 설계가 허용하는 범위에서만 인과적 표현을 씁니다.
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“스캔통계학(scan statistics)이란 공간 군집(spatial cluster)을 탐색하는 한 방법으로, 특히 역학(epidemiology) 분야에서 특히 널리 쓰이는 방법론이다.”
스캔통계량을 활용한 공간자료의 공간상관성 연구, Journal of The Korean Data Analysis Society, 2017 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
많은 사람들을 오랫동안 추적한 자료로 흡연과 폐암 사이의 관계를 인구 집단 수준에서 살펴봤다는 뜻입니다.
영양역학 연구에서는 이미 질병이 발생한 집단과 그렇지 않은 집단을 비교하는 방식으로 위험요인을 규명한다.
감염병 감시체계를 다루는 공중보건 연구에서는 신고 자료를 바탕으로 시간·장소·인구집단별 분포를 기술하는 데 역학적 접근을 사용한다.
조금 더 깊게 보면
역학 연구는 크게 질병의 분포를 있는 그대로 기술하는 기술역학과, 원인과 결과의 관계를 검증하는 분석역학으로 나뉩니다. 분석역학에는 코호트연구, 환자-대조군연구, 무작위배정 임상시험 등 다양한 연구설계가 있으며, 설계에 따라 인과관계를 추론할 수 있는 힘과 교란변수를 통제하는 방식이 달라집니다. 연구 결과를 해석할 때는 상대위험도나 오즈비 같은 연관성 지표뿐 아니라, 통계적 유의성과 임상적 의미를 함께 고려하고 교란변수 보정이 적절했는지를 살피는 것이 중요합니다.
주의할 점
역학 연구에서 두 요인 사이에 연관성이 발견되었다고 해서 곧바로 인과관계로 단정할 수는 없습니다. 다른 요인이 함께 작용했을 가능성(교란변수)을 배제하기 위한 통계적 보정이 적절히 이루어졌는지 확인하는 것이 중요합니다.
헷갈리기 쉬운 용어
| 용어 | 한 줄 설명 | 주로 쓰는 곳 |
|---|---|---|
| 발생률 | 정해진 기간에 새로 질병이 생긴 사람의 수를, 그 기간 동안 추적한 대상자 수와 관련지어 나타낸 값 | 코호트연구 |
| 유병률 | 발생률과 달리 ‘새 환자’가 아니라 조사 시점에 질병을 가진 사람을 헤아리는 지표 | 단면 조사 |
| 상대위험도 | 노출군과 비노출군의 발생 위험의 비 | 코호트연구 |
| 오즈비 | 노출군과 비노출군의 오즈(사건이 있을 확률 ÷ 없을 확률)의 비 | 환자-대조군 연구 |
참고 문헌
- Gordis, L. (1996). Epidemiology. W. B. Saunders Company.
- Porta, M. S. (2014). A Dictionary of Epidemiology. Oxford University Press.
- Snow, J. (1855). On the Mode of Communication of Cholera. John Churchill.
- von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., & Vandenbroucke, J. P. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement. Epidemiology, 18(6), 800–804.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.