대응표본 사례대조연구 (Matched Case-Control Study)
쉽게 풀면
폐암에 걸린 사람과 걸리지 않은 사람을 무작정 비교하면, 나이가 많아서, 혹은 성별 때문에 결과가 다르게 나온 것인지 흡연 때문에 다르게 나온 것인지 헷갈릴 수 있습니다. 이럴 때 폐암 환자 한 명마다 나이와 성별이 비슷한 비환자를 1명 또는 여러 명 짝지어 대조군으로 뽑으면, 두 집단은 나이·성별 구성이 거의 쌍둥이처럼 비슷해집니다. 이렇게 배경 조건을 미리 맞춰 놓으면, 남은 차이(흡연 여부)가 결과(폐암 발생) 차이를 설명하는지 훨씬 선명하게 볼 수 있습니다. 마치 키재기 시합을 할 때 같은 나이의 아이들끼리만 비교해야 공정한 것과 비슷한 원리입니다.
왜 중요한가
대응 사례대조연구는 희귀질환처럼 표본 수 확보가 어려운 상황에서도 교란변수의 영향을 효율적으로 통제할 수 있어 역학 및 임상연구 논문에서 자주 채택됩니다. 특히 나이나 성별처럼 결과에 강하게 영향을 미치지만 관심 대상은 아닌 변수를 매칭으로 미리 정리해두면, 상대적으로 적은 표본으로도 관심 요인의 효과를 더 뚜렷하게 검출할 수 있습니다. 이 때문에 암 역학, 유전역학, 환경보건 연구처럼 노출 요인과 질병 간 관계를 규명하려는 다양한 분야에서 표준적인 설계로 쓰입니다.
논문에서는 이렇게 쓰입니다
이 문장은 환자 1명마다 연령·성별이 비슷한 비환자 2명을 짝지어 비교 집단을 구성함으로써, 연령과 성별의 영향을 통제한 상태에서 관심 요인의 효과를 살펴보았다는 뜻입니다.
환경보건 연구에서는 거주지역이나 생리적 상태처럼 노출 수준에 영향을 줄 수 있는 변수를 매칭 기준으로 삼아 질병과 환경요인 간의 관계를 보다 명확히 검증한다.
조금 더 깊게 보면
매칭 자료를 분석할 때는 짝지어진 구조를 무시하고 일반적인 로지스틱 회귀를 적용하면 편향된 추정치가 나올 수 있어, 조건부 로지스틱 회귀(conditional logistic regression) 같은 매칭 구조를 반영하는 통계 기법을 사용하는 것이 원칙입니다. 매칭 비율(1:1, 1:2, 1:4 등)을 늘리면 통계적 검정력은 높아지지만, 어느 수준을 넘어서면 대조군을 추가로 늘려도 검정력 향상 효과가 크지 않아 실무에서는 보통 1:4 정도를 상한으로 삼는 경우가 많습니다. 또한 매칭 변수 선택 시 노출과 결과 사이의 인과경로에 있는 변수를 매칭 기준으로 쓰면 안 된다는 점도 분석 설계 단계에서 주의 깊게 검토됩니다.
주의할 점
매칭은 매칭에 사용한 변수(예: 나이, 성별)로 인한 차이만 통제해 줄 뿐, 다른 요인까지 자동으로 통제해 주지는 않습니다. 또한 매칭에 사용한 변수를 정작 분석에서 위험요인으로 다시 살펴볼 수는 없으며, 노출과 결과 사이를 매개하는 변수를 무심코 매칭 기준으로 삼으면 오히려 진짜 관계를 가려버리는 '과잉매칭' 문제가 생길 수 있습니다. 매칭 없이 노출 요인만으로 비교하는 일반적인 환자-대조군 연구와 이 점에서 차이가 있습니다.