추적관찰 탈락 (Loss to Follow-up)
쉽게 풀면
100명을 모아서 5년 동안 건강 상태를 추적하는 연구를 한다고 해봅시다. 그런데 이사를 가서 연락이 끊기거나, 귀찮아서 병원에 더 이상 안 오거나, 다른 지역으로 이민을 가는 사람들이 생깁니다. 이렇게 연구 도중 소식이 끊겨서 그 사람의 최종 결과를 알 수 없게 되는 것이 추적관찰 탈락입니다. 문제는 단순히 데이터가 줄어드는 것이 아니라, "혹시 몸이 나빠진 사람들이 병원에 오기를 포기해서 더 많이 탈락한 것은 아닐까?"처럼 탈락한 사람들이 특정한 이유로 몰려 있다면 남은 데이터만으로 내린 결론이 왜곡될 수 있다는 점입니다.
왜 중요한가
추적관찰 탈락은 임상시험이나 코호트 연구처럼 시간이 오래 걸리는 연구 설계 전반에서 결과의 신뢰성을 좌우하는 요소이기 때문에 방법론 섹션에서 빠짐없이 보고됩니다. 탈락률이 크거나 탈락 양상이 특정 집단에 치우쳐 있으면 최종 결론이 실제와 다르게 나올 수 있어, 논문 심사와 임상 가이드라인 평가에서도 중요하게 검토되는 항목입니다. 이 때문에 많은 저널이 참가자 흐름을 도식화한 플로우차트와 함께 탈락 사유를 구체적으로 보고하도록 요구합니다.
논문에서는 이렇게 쓰입니다
이 문장은 "연구를 시작한 300명 중 42명은 중간에 연락이 끊기거나 참여를 중단해서, 이들의 최종 결과는 이번 분석에 포함되지 못했다"는 뜻입니다. 탈락률이 높을수록 남은 데이터가 전체를 대표하지 못할 위험이 커집니다.
연구자가 중간에 빠진 사람들과 끝까지 남은 사람들의 처음 특성을 비교해, 두 집단이 비슷했으므로 탈락으로 인한 왜곡 가능성이 크지 않다고 설명하는 문장입니다. 탈락률 자체뿐 아니라 탈락 양상을 함께 보고하는 것이 신뢰도를 높이는 방법입니다.
여러 병원이나 지역에서 참가자를 모은 대규모 코호트 연구에서는 참가자의 이동성이나 접근성 차이로 탈락률이 지역마다 다르게 나타날 수 있다는 점을 설명하는 표현입니다.
조금 더 깊게 보면
탈락이 결과에 미치는 영향을 다루는 통계적 개념으로 결측 자료(missing data)의 유형이 있으며, 탈락이 완전히 무작위로 일어났는지, 특정 관측된 변수와 관련이 있는지, 아니면 관측되지 않은 결과 자체와 관련이 있는지에 따라 분석에서 취해야 할 대응이 달라집니다. 실제 논문에서는 결측치를 그대로 제외하는 완전사례분석 외에도, 다중대체(multiple imputation)와 같은 방법으로 탈락의 영향을 보정하려는 시도가 함께 보고되기도 합니다.
주의할 점
탈락률이 낮다고 무조건 안심할 수는 없습니다. 탈락한 사람들이 무작위로 빠진 것이 아니라 특정 조건(예: 부작용이 심했던 사람, 효과가 없던 사람)에 몰려서 빠졌다면 결과가 심하게 왜곡될 수 있으며, 이는 선택편향의 한 형태로 다뤄집니다. 논문을 읽을 때는 탈락률과 함께 탈락한 사람들의 특성이 남은 사람들과 비슷했는지도 확인하는 것이 좋습니다.