네트워크 구조를 반영한 군집 무작위 시험의 검정력 향상

초록

본 연구는 감염성 질환을 대상으로 한 군집 무작위 시험(CRT)에서 군집 내부와 군집 간 접촉 네트워크 구조가 검정력에 미치는 영향을 시뮬레이션으로 분석한다. 네트워크 내 연결성(ER, BA, SBM)과 군집 간 혼합 정도(γ)를 변형시키고, 감염성 전파 모델(단위·전도성 감염)을 적용해 치료 효과 검정력을 평가한다. 결과는 낮은 혼합에서는 기존 ICC 기반 검정력이 보수적이지만, 중·고 혼합에서는 크게 과소평가되어 실험 설계 시 네트워크 정보를 활용해야 함을 시사한다.

상세 분석

이 논문은 기존 CRT 설계에서 흔히 사용되는 군집 내 상관계수(ICC)만으로는 실제 검정력을 정확히 예측하기 어려움을 지적한다. 저자들은 네트워크 과학의 세 가지 대표 모델—Erdős‑Rényi(ER), Barabási‑Albert(BA), Stochastic Block Model(SBM)—을 이용해 각 군집을 생성하고, 군집 쌍 사이에 일정 비율(γ)로 에지를 재배치함으로써 군집 간 혼합을 정량화한다. γ=0은 완전 독립 군집, γ=0.5는 내부·외부 에지 비율이 동일, γ=1은 완전 이분 그래프 형태를 의미한다.

전파 과정은 S→I 전이만 허용하는 단순 컴파트멘털 모델을 사용한다. 두 종류의 감염성(단위 감염: 한 번에 한 이웃만 감염, 전도성 감염: 모든 이웃에 동시에 감염)과 두 치료 효과(p0=0.30, p1=0.25) 시나리오를 설정해, 감염이 전체 인구의 10%에 도달할 때까지 시뮬레이션한다. 분석 단계에서는 (1) 시작·종료 시점만 관측 가능한 경우와 (2) 개별 감염 시점까지 모두 기록 가능한 경우 두 가지 통계 검정을 적용한다.

시뮬레이션 결과는 다음과 같다. 첫째, γ가 낮을 때는 기존 ICC 기반 검정력이 실제 검정력보다 다소 보수적이며, 충분한 군집 수(C≈20, n≈300)로 목표 검정력(0.8–0.9)을 달성한다. 둘째, γ가 0.2 이상으로 증가하면 검정력은 급격히 감소한다. 특히 BA와 SBM 같은 이질적·커뮤니티 구조에서는 고감염성 전파가 “허브”를 통해 급속히 퍼져, 군집 간 혼합이 약간만 있어도 치료 효과를 구분하기 어려워진다. 셋째, 전도성 감염(모든 이웃 동시 감염)에서는 네트워크 구조 차이가 검정력에 미치는 영향이 더 크게 나타나며, 이는 감염이 급격히 폭발하는 상황에서 군집 간 교차 전파가 치료 효과를 희석시키기 때문이다.

또한, 저자들은 실제 휴대전화 통화 데이터(지역 간 통화량)를 활용해 γ를 추정하고, 이를 기반으로 사전 파워 분석을 수행하는 방법을 제시한다. 이는 실험 설계 단계에서 네트워크 기반 혼합 정도를 정량화함으로써, 군집 수와 크기를 최적화하고, 과소 검정력 위험을 사전에 회피할 수 있음을 보여준다.

전반적으로 이 연구는 네트워크 기반 파라미터(γ, 네트워크 토폴로지)와 감염성 특성(전도성·단위 감염)이 CRT 검정력에 복합적으로 작용한다는 새로운 통찰을 제공한다. 기존의 ICC 중심 설계만으로는 특히 중·고 혼합 환경에서 치료 효과를 놓칠 위험이 크며, 네트워크 정보를 사전에 수집·분석함으로써 보다 효율적이고 신뢰성 있는 임상·공중보건 시험 설계가 가능함을 강조한다.