베이즈 요인으로 슈퍼리어리티 동등성 비열등성 검정 baymedr 패키지 소개

본 논문은 임상시험에서 흔히 사용되는 세 가지 연구 설계—슈퍼리어리티(superiority), 동등성(equivalence), 비열등성(non‑inferiority)—에 대한 통계적 검정 방법을 재검토하고, 기존 빈도주의 접근법의 구조적 한계를 지적한다. 서론에서는 임상시험이 신약·기존 치료제·위약 간 효과 차이를 검증하는 데 핵심적인 역할을 함을 강조하고, 현재 대부분의 연구가 p‑값 기반의 NHST(null hypothesis significance testing)를 사용하고 있음을 설명한다. NHST는 영가설(H0:δ=0)과 대립가설(H1:δ>0 또는 δ≠0)을 검정하지만, p‑값을 영가설의 사후 확률로 오해하거나, 사전 샘플 크기 계획을 위반하는 옵션 스톱핑을 허용하지 못하는 등 여러 비판을 받아왔다. 특히 동등성 검정에서는 “동등하지 않다”는 영가설을 설정하고 두 개의 단측 검정(TOST)을 수행해야 하는 복잡성이 존재한다. 이에 대한 대안으로 베이즈 통계가 제시된다. 베이즈 요인(Bayes factor)은 데이터가 두 가설 중 어느 쪽을 더 잘 설명하는지를 정량화하는 지표로, 사전 확률과 사후 확률을 직접 비교한다. 베이즈 요인은 H0와 H1에 대한 사전 분포를 명시하고, 관측 데이터에 대한 우도(likelihood)를 계산한 뒤, 두 가설의 증거 비율을 제공한다. 이 접근법은 (1) 옵션 스톱핑이 허용되며, (2) 영가설에 대한 증거를 직접 제공하고, (3) 연구자가 사전 마진(c)을 사전 정의하고 베이즈 요인으로 검증할 수 있다는 장점을 갖는다. 논문은 베이즈 요인 기반 검정의 구체적 수식을 간략히 제시하고, 세 설계에 대한 가설 구조를 정리한다. 슈퍼리어리티는 H0:δ=0 vs H1:δ>0의 단측 검정이며, 동등성은 구간 가설 H0:|δ|≥c vs H1:|δ|−c의 형태로 정의된다. 각 경우에 대해 Cauchy 사전(스케일 파라미터 r)과 정규 우도(공통 분산 가정)를 사용해 베이즈 요인을 계산한다. 특히 비열등성 검정에 대한 베이즈 구현은 기존 패키지에서 제공되지 않았던 새로운 기능으로, 논문은 이를 상세히 설명한다. 이론적 배경을 바탕으로 저자들은 R 패키지 baymedr을 개발하였다. 주요 함수는 `bayes_superiority()`, `bayes_equivalence()`, `bayes_noninferiority()`이며, 입력값으로 표본 평균, 표본 표준편차, 표본 크기, 마진 c, 사전 스케일 r 등을 받는다. 함수는 베이즈 요인, 사후 평균·표준편차, 그리고 95% 사후 신뢰구간을 반환하고, 시각화 옵션을 제공한다. 또한 Shiny 기반 웹 애플리케이션(https://maxlinde.shinyapps.io/baymedr/)을 통해 GUI 환경에서 동일한 분석을 수행할 수 있다. 사용자는 슬라이더와 텍스트 입력만으로 데이터를 입력하고, 결과 표와 그래프를 즉시 확인할 수 있어 통계에 익숙하지 않은 임상 연구자도 손쉽게 접근한다. 패키지와 웹 앱의 실용성을 보여주기 위해 저자들은 기존 논문에서 보고된 임상 데이터(예: 새로운 항우울제와 기존 약물 간 비교)를 재분석한다. 빈도주의 분석에서는 비동등성(p>0.05)으로 결론이 불확실했지만, baymedr을 이용한 베이즈 요인 분석에서는 BF≈12(대립가설 지지)라는 강력한 증거가 도출되었다. 이는 베이즈 접근이 “증거의 양”을 명시적으로 제공함으로써 연구 해석을 명확히 할 수 있음을 시사한다. 논의 부분에서는 베이즈 방법이 제공하는 실무적 장점—옵션 스톱핑 허용, 사전 마진의 명시적 설정, 영가설에 대한 직접적인 증거 제공—을 강조하고, 현재 의료·생명과학 분야에서 베이즈 도구가 아직 충분히 보급되지 않은 이유를 교육 및 소프트웨어 접근성 부족으로 진단한다. baymedr은 이러한 격차를 메우기 위한 실용적 도구로, 오픈소스이며 R 커뮤니티와 연계돼 지속적인 업데이트가 가능하다. 향후 연구에서는 비정규 데이터, 다변량 설계, 베이즈 메타분석 연계 기능 등을 추가할 계획이며, 임상시험 설계 단계에서부터 베이즈 접근을 통합하는 워크플로우를 제안한다. 결론적으로, 본 논문은 베이즈 요인 기반 검정이 슈퍼리어리티·동등성·비열등성 설계에서 빈도주의 한계를 극복하고, 보다 직관적이며 유연한 증거 평가를 가능하게 함을 입증한다. baymedr 패키지와 웹 애플리케이션은 이러한 방법을 실무에 적용하기 위한 사용자 친화적 도구로, 임상 연구자와 통계학자 모두에게 유용한 자산이 될 것이다.