장기간 좌측 검열 반복 측정을 위한 혼합 모델

초록

장기간 연구에서는 좌측 검열된 반복 측정값 때문에 분석이 복잡해질 수 있다. 예를 들어, 인간 면역결핍 바이러스(HIV) 감염 연구에서는 혈장 바이럴 로드를 정량화하는 검사의 검출 한계가 존재한다. 좌측 검열된 값을 검출 한계값이나 그 절반값으로 단순 대체하면 추정값과 표준오차가 편향된다. 본 논문에서는 선형 혼합 모델에서 좌측 검열된 결과를 다루기 위해 제안된 두 가지 가능도 기반 방법을 검토한다. SAS Proc NLMIXED을 이용한 모델 적합 방법을 제시하고, 이를 다른 통계 프로그램과 비교한다. 프로그램의 적용 지침과 한계점을 논의하며, HIV 감염 분야의 실제 사례를 통해 적용 예시를 보여준다.

상세 요약

본 연구는 장기간 관찰 설계에서 흔히 발생하는 좌측 검열(left‑censoring) 문제를 선형 혼합 모델(linear mixed model) 프레임워크 안에서 어떻게 정교하게 다룰 수 있는지를 체계적으로 제시한다. 좌측 검열은 측정값이 검출 한계 이하일 때 실제 값이 알려지지 않고 “≤ LOD”(limit of detection) 형태로만 기록되는 상황을 말한다. 전통적으로는 이러한 관측치를 LOD 자체 혹은 LOD/2 등으로 대체(imputation)하는 방법이 사용되어 왔지만, 이러한 단순 대체는 평균·분산 추정에 시스템적 편향을 초래하고, 특히 반복 측정이 포함된 혼합 효과 모델에서는 군내·군간 변동을 과소·과대 평가하게 만든다.

논문에서는 두 가지 가능도 기반 접근법을 소개한다. 첫 번째는 전체 가능도(likelihood)를 구성할 때 검열된 관측치를 누적 가능도(integrated likelihood) 형태로 처리하는 방법이며, 이는 각 개인의 관측값이 검출 한계 이하인 구간에 대한 정규분포 누적 확률을 이용한다. 두 번째는 EM(Expectation–Maximization) 알고리즘을 활용해 검열된 값의 기대값을 반복적으로 업데이트하면서 파라미터를 추정하는 절차이다. 두 방법 모두 검열 메커니즘을 명시적으로 모델에 포함시켜, 관측되지 않은 실제 값에 대한 불확실성을 그대로 반영한다.

SAS Proc NLMIXED은 비선형 혼합 모델을 최대 가능도 추정할 수 있는 강력한 도구이며, 논문에서는 이를 이용해 위 두 방법을 구현하는 구체적인 코드와 초기값 설정, 수렴 진단 방법을 상세히 제시한다. 특히, 누적 정규분포 함수를 직접 호출함으로써 검열 구간에 대한 적분을 정확히 수행하고, 복잡한 공변량 구조(예: 무작위 절편·기울기)도 손쉽게 포함시킬 수 있다. 다른 통계 패키지(R의 ‘lme4’, ‘nlme’, ‘censReg’ 등)와 비교했을 때, Proc NLMIXED은 사용자 정의 가능도 함수를 자유롭게 기술할 수 있다는 점에서 유연성이 뛰어나지만, 계산량이 많아 실행 시간이 길어질 수 있다는 단점도 있다.

실제 HIV 데이터 예시에서는 혈장 바이럴 로드가 검출 한계 이하인 경우가 빈번히 발생한다. 논문은 검열 전후의 추정값 차이를 그래프와 표로 제시하며, 단순 대체법이 바이럴 로드 감소 추세를 과소평가함을 보여준다. 또한, 검열을 고려한 모델이 무작위 효과의 분산 추정치를 더 현실적으로 반영함을 확인한다. 이러한 결과는 임상 연구에서 치료 효과를 정확히 평가하고, 정책 결정에 필요한 신뢰성 있는 통계적 근거를 제공한다는 점에서 큰 의미를 가진다.

요약하면, 좌측 검열을 무시하거나 단순 대체하는 대신, 가능도 기반 혼합 모델을 적용함으로써 편향을 최소화하고, 반복 측정 데이터의 복합 구조를 올바르게 모델링할 수 있다. SAS Proc NLMIXED을 활용한 구현 방법은 실무 연구자에게 실용적인 가이드를 제공하며, 향후 다른 분야(환경 독성, 약물 농도 등)에서도 동일한 접근법을 적용할 수 있는 토대를 마련한다.