최소화배정법 (Minimization)
쉽게 풀면
임상시험에 참여자가 한 명씩 순서대로 들어올 때, 성별·나이대·질병 중증도처럼 결과에 영향을 줄 수 있는 특성이 여러 개라면 층화표집만으로는 감당이 안 됩니다. 특성이 3~4개만 되어도 조합의 경우의 수가 너무 많아져서 층마다 사람이 거의 남지 않기 때문입니다. 최소화배정법은 이럴 때 미리 층을 나누는 대신, 새 참여자가 들어올 때마다 "이 사람을 A군에 넣으면 vs B군에 넣으면 지금까지의 특성 균형이 어느 쪽이 더 나아지는가"를 그때그때 계산해서, 불균형을 최소화하는 쪽에 (높은 확률로) 배정합니다. 마치 저울의 양쪽 무게를 보면서 무거운 쪽 반대편에 추를 얹어 균형을 맞춰 나가는 것과 비슷합니다.
왜 중요한가
임상시험에서 참여자 수가 많지 않을 때는 무작위배정만으로 여러 공변량의 집단 간 균형을 보장하기 어렵기 때문에, 최소화배정법은 소규모·다기관 임상시험 논문의 방법론 섹션에서 균형 잡힌 배정을 설명하는 핵심 근거로 자주 등장합니다. 배정이 편향되면 결과 해석 자체가 흔들릴 수 있으므로, 이 방법은 결과의 신뢰도와 직결되는 연구설계 요소로 다뤄집니다.
논문에서는 이렇게 쓰입니다
이 문장은 참여자를 넣을 때마다 나이·성별·중증도 세 가지 특성의 두 군 간 균형을 계산해, 그 균형이 가장 잘 맞는 쪽으로 배정을 결정했다는 뜻입니다.
종양학 임상시험처럼 참여 기관마다 환자 특성이 다를 수 있는 다기관 연구에서, 기관 자체를 공변량에 포함시켜 기관 간 편차까지 함께 조정했다는 의미입니다.
의학 임상시험뿐 아니라 교육학·사회과학 개입 연구에서도, 소수의 표본 안에서 여러 배경 변수를 동시에 맞추기 위해 최소화배정법이 활용된다는 것을 보여주는 예문입니다.
조금 더 깊게 보면
최소화배정법에서 집단 간 불균형을 측정하는 방식은 각 공변량 층별로 두 군의 인원수 차이를 합산하거나 분산 기반 지표를 쓰는 등 몇 가지 변형이 있으며, 어떤 방식을 썼는지가 논문의 통계 방법 섹션에 명시되기도 합니다. 또한 완전 결정론적으로 항상 불균형이 작은 쪽에 배정하지 않고, 예를 들어 70~80% 확률로 그쪽에 배정하고 나머지 확률은 반대쪽에 배정하는 식으로 확률적 요소를 섞는 경우가 흔한데, 이는 다음 배정을 예측하기 어렵게 만들어 배정 은폐(allocation concealment)를 보완하기 위한 장치입니다.
주의할 점
최소화배정법은 이전 배정 결과를 계속 참고하는 적응적 절차이기 때문에, 순수한 무작위배정과 달리 다음 배정을 어느 정도 예측할 수 있다는 한계가 있습니다. 이 때문에 완전한 무작위성은 아니지만, 소수의 확률적 요소를 섞어 예측 가능성을 낮추는 것이 일반적이며, 특성이 많은 소규모 임상시험에서 블록무작위배정보다 균형을 맞추는 데 더 효과적이라고 알려져 있습니다.