비비례 위험 상황을 위한 적응형 가중치 선택 방법

초록

본 논문은 비비례 위험(non‑proportional hazards) 상황에서 임상시험 설계의 유연성을 높이기 위해, 1단계에서는 조합형 가중 로그‑랭크(mdir) 검정을 적용하고, 수집된 데이터로부터 Royston‑Parmar 스플라인을 이용해 최적의 가중 함수를 추정한 뒤 2단계 이후에 단일 가중 로그‑랭크 검정으로 전환하는 적응형 다단계 설계를 제안한다. 실데이터 예시와 시뮬레이션을 통해 검정력 유지와 절차적 유연성을 동시에 달성함을 보여준다.

상세 분석

이 연구는 시간‑대 사건(end‑point) 분석에서 가장 흔히 사용되는 비례 위험 가정이 실제 임상 상황에서는 자주 위배된다는 점에 착안한다. 기존 단일 단계 로그‑랭크 검정은 비례 위험 하에서 최적의 검정력이 보장되지만, 위험 비율이 시간에 따라 변하면 검정력이 급격히 감소한다. 이를 보완하기 위해 저자는 두 가지 주요 전략을 결합한다. 첫 번째는 적응형 다단계 설계를 도입해 중간 분석(interim analysis) 시점에서 데이터를 활용, 조건부 검정력(conditional power)을 재계산하고 필요 시 표본 크기나 분석 일정 등을 조정한다. 두 번째는 조합형 검정인 multi‑directional log‑rank (mdir) 검정을 1단계에서 사용해 다양한 가중 함수(예: Fleming‑Harrington (ρ,γ) 가중)를 동시에 검정함으로써 비비례 위험 패턴에 대한 로버스트성을 확보한다.

mdir 검정은 여러 가중 로그‑랭크 통계량을 다변량 마팅게일 과정으로 정의하고, 양의 방향으로만 결합해 일측 검정(one‑sided) 통계량 W(t)를 만든다. 이는 검정력 손실을 최소화하면서도 검정 가설(H0: 두 군의 누적 위험 함수가 동일)과 대립 가설(H1: 치료군이 우월) 사이의 일관성을 유지한다.

1단계에서 얻은 전체 데이터는 Royston‑Parmar 스플라인을 이용해 치료군별 생존 곡선을 추정하고, 추정된 곡선의 형태와 추세를 기반으로 가장 적합한 가중 함수(ρ,γ)를 선택한다. 스플라인 모델은 로그‑시간을 독립 변수로 하는 자연 큐빅 스플라인이며, AIC/BIC 등 정보 기준과 시각적 검토를 통해 내부 결절(knot) 수와 링크 함수(예: 로그‑마이너스‑로그, odds, probit)를 결정한다. 이렇게 선택된 가중 함수는 2단계 이후의 단일 가중 로그‑랭크 검정에 적용되어, 조건부 검정력 목표(예: 80 %)를 달성하도록 설계된다.

통계적 타당성을 확보하기 위해 저자는 Tsiatis(1982)의 마팅게일 이론을 기반으로 단계별 통계량을 증분(increment) 형태로 표현하고, 공분산 추정 없이도 asymptotic 정규성을 이용해 결합 검정 통계량을 계산한다. 또한, mdir 검정의 한계분포가 복잡하므로 Rademacher 가중을 이용한 와일드 부트스트랩을 적용해 p‑값을 추정한다.

시뮬레이션 결과는 다양한 비비례 위험 시나리오(예: 초기 위험이 높고 이후 감소, 혹은 늦은 위험 증가)에서 제안된 적응형 절차가 전통적인 단일 단계 로그‑랭크 검정보다 높은 검정력을 유지함을 보여준다. 특히, 1단계에서 mdir 검정을 사용하고 2단계에서 최적 가중을 적용했을 때, 표본 크기 절감 효과와 동시에 오류 제어(alpha) 수준을 유지할 수 있었다. 실제 데이터 예시(재구성된 임상시험)에서는 기존 설계가 무결과(inconclusive)로 끝날 위험이 있었으나, 제안된 절차를 적용함으로써 유의미한 치료 효과를 검출하고 시험을 성공적으로 마무리할 수 있었다.

이러한 접근은 조건부 검정력 기반 적응과 가중 함수 선택의 데이터‑드리븐 결합을 통해, 비비례 위험 상황에서도 효율적인 임상시험 설계가 가능함을 증명한다.