불멸시간편향 (Immortal Time Bias)

한 줄 정의: 치료를 시작하기 전까지 "그 사람이 살아있었어야만 치료군으로 분류될 수 있었던" 기간을 잘못 계산에 포함시켜, 치료 효과가 실제보다 과장되어 보이는 통계적 오류입니다.

쉽게 풀면

어떤 약을 꾸준히 복용한 사람이 더 오래 살았는지를 관찰연구로 조사한다고 해봅시다. 문제는 "약을 처방받아 복용을 시작하기까지" 시간이 걸린다는 점입니다. 예를 들어 진단 후 3개월이 지나서야 약을 먹기 시작한 환자가 있다면, 그 3개월 동안 그 환자는 이미 "약을 먹는 사람"으로 분류되어 통계에 들어가지만, 사실 그 3개월은 아직 약을 먹지 않은 기간입니다. 그런데 이 기간 동안 그 환자는 반드시 살아있어야만 "약을 먹기 시작"할 수 있었겠지요. 즉 이 3개월은 정의상 "죽을 수 없는 기간(불멸의 시간)"으로 치료군에 슬쩍 끼어들어가고, 그 결과 치료군의 생존 기간이 실제보다 부풀려져 보입니다. 마치 마라톤에서 출발선에 늦게 도착한 선수의 "대기 시간"을 완주 기록에 몰래 더해주는 것과 비슷한 착시입니다.

왜 중요한가

불멸시간편향은 실제 의료기록이나 보험청구 데이터를 활용한 관찰연구에서 치료 효과를 지나치게 낙관적으로 보이게 만드는 대표적인 방법론적 함정이기 때문에, 약물 역학이나 비교효과연구(comparative effectiveness research)에서 연구 설계의 타당성을 판단하는 핵심 기준으로 다뤄집니다. 무작위 임상시험을 수행하기 어려운 상황에서 실사용데이터(real-world data)를 통한 근거 생성이 늘어나면서, 이 편향을 어떻게 식별하고 통제하는지가 논문의 신뢰도를 좌우하는 중요한 요소로 주목받고 있습니다.

논문에서는 이렇게 쓰입니다

"본 연구는 약물 노출을 시간에 따라 변화하는 변수로 처리함으로써 불멸시간편향을 통제하였으며, 이를 반영하지 않은 기존 분석에서는 생존 이득이 과대추정되었을 가능성이 있다."

이 문장은 치료 시작 이전의 대기 기간을 치료군의 생존 기간으로 잘못 셈하지 않도록, 시간 의존적 노출 모형을 사용해 편향을 바로잡았다는 뜻입니다.

"이식 대기자 중 실제로 이식을 받은 환자만을 이식군으로 분석할 경우, 대기 기간이 이식군의 생존 기간에 포함되어 불멸시간편향이 발생할 수 있다."

이 예문은 장기이식 연구에서 대기 기간을 어느 군에 귀속시키는지에 따라 생존 이득 추정치가 왜곡될 수 있음을 보여줍니다. 이식 연구뿐 아니라 수술이나 시술의 효과를 평가하는 관찰연구에서도 유사한 문제가 흔히 지적됩니다.

"코호트 진입 시점을 진단일이 아닌 약물 처방일로 정의한 연구설계는 불멸시간편향을 유발할 위험이 있어 재검토가 필요하다."

이 문장은 약물역학 연구에서 코호트 진입 시점을 어떻게 정의하느냐가 편향 발생 여부에 직접적인 영향을 미친다는 점을 지적하고 있습니다.

조금 더 깊게 보면

불멸시간편향을 바로잡는 대표적인 방법으로는 노출 상태를 시간에 따라 변하는 변수로 다루는 시간 의존적 콕스 모형(time-dependent Cox model)이나, 코호트 진입 시점을 치료 여부와 무관하게 통일하는 새로운 사용자 설계(new-user design) 등이 있습니다. 논문을 읽을 때는 저자가 "치료군으로 분류된 시점"과 "실제로 치료가 시작된 시점"을 어떻게 구분해 다루었는지, 그리고 이 두 시점 사이의 간격을 분석에서 어느 군에 귀속시켰는지를 확인하면 편향 통제가 적절히 이루어졌는지를 가늠할 수 있습니다.

주의할 점

불멸시간편향은 특히 코호트연구처럼 관찰 데이터를 이용한 후향적 분석에서 자주 발생합니다. 무작위 배정을 하는 임상시험에서는 치료 시작 시점이 연구 설계상 명확히 고정되어 있어 이 문제가 잘 생기지 않지만, 실제 의료기록 데이터를 그대로 분석할 때는 "치료군 분류 시점"과 "치료 실제 시작 시점" 사이의 시차를 반드시 확인해야 합니다.