구간중도절단 (Interval Censoring)
쉽게 풀면
암 재발 여부를 확인하려고 환자를 3개월마다 병원에 불러 검사한다고 해봅시다. 2번째 검사(6개월 시점)에서는 재발이 없었는데 3번째 검사(9개월 시점)에서 재발이 발견됐다면, 실제 재발 시점은 정확히 알 수 없고 "6개월과 9개월 사이 어딘가"라는 것만 알 수 있습니다. 이렇게 사건 발생 시점이 특정 구간 안에 있다는 것만 아는 상황을 구간중도절단이라고 합니다. 반면 우측절단은 "적어도 이 시점까지는 사건이 없었다"까지만 알고 그 이후는 전혀 모르는 경우로, 구간중도절단은 그보다 더 좁게 범위를 좁혀서 아는 상태라는 차이가 있습니다.
왜 중요한가
구간중도절단은 정기 검진, 주기적 설문조사처럼 사건을 연속적으로 관찰하지 못하고 특정 시점마다 확인하는 대부분의 임상·역학 연구에서 흔히 발생하는 자료 형태이기 때문에 생존분석, 종단연구 방법론에서 중요하게 다뤄집니다. 이를 무시하고 일반적인 생존분석 기법을 그대로 적용하면 사건 발생 시점 추정이 왜곡될 수 있어, 정확한 임상적 결론을 도출하기 위해서는 구간중도절단을 반영한 분석 방법을 선택하는 것이 필수적입니다.
논문에서는 이렇게 쓰입니다
이 문장은 재발 시점을 특정 하루가 아니라 "검사와 검사 사이의 구간"으로 기록했고, 이런 자료 특성에 맞는 통계 방법을 사용했다는 의미입니다.
역학 코호트 연구처럼 정기 검진 간격이 긴 경우에도 구간중도절단 자료가 흔히 발생한다는 뜻입니다.
사건 발생 시점을 정확히 특정하기 어려운 발달 연구에서도 같은 방식으로 자료를 처리한다는 의미입니다.
조금 더 깊게 보면
구간중도절단 자료는 우측절단만 있는 자료보다 정보가 더 제한적이기 때문에, 표준적인 카플란-마이어 추정법 대신 이를 확장한 방법(예: 턴불 알고리즘(Turnbull's algorithm)을 이용한 비모수 최대우도 추정)이나 구간중도절단을 명시적으로 반영한 모수적·준모수적 생존모형이 사용됩니다. 검사 간격이 짧을수록 실제 사건 발생 시점에 가깝게 추정할 수 있는 반면, 간격이 넓을수록 추정의 불확실성이 커지므로, 연구 설계 단계에서 검사 주기를 정하는 것 자체가 이후 분석의 정밀도에 영향을 미칩니다.
주의할 점
구간중도절단 자료를 마치 정확한 시점을 아는 것처럼(혹은 우측절단 자료처럼) 처리해 카플란-마이어 추정법을 그대로 적용하면 생존곡선이 왜곡될 수 있습니다. 정기 검사 간격이 넓을수록 이런 왜곡이 커지므로, 구간중도절단 전용 추정 방법을 사용하는 것이 바람직합니다.