현재 상태 데이터로 본 장기 코로나 증상 지속 기간 분석

초록

본 연구는 워싱턴 대학교에서 시행한 COVID‑19 검사 후 최소 28일에 진행된 설문을 활용해, 설문 응답 시점의 증상 유무만 기록된 ‘현재 상태 데이터’를 분석한다. 최신 비모수적 인과동형 회귀(CIR) 방법을 적용해 설문 응답 시점과 증상 해소 시점 사이의 조건부 독립성을 가정하고, 머신러닝 기반의 위험도와 표준화 점수를 추정한다. 결과는 30일 시점에 19%, 90일 시점에 7%가 증상이 지속하고 있음을 보여주며, 여성, 급성기 피로, 높은 바이럴 로드가 증상 지속에 위험인자로 작용한다.

상세 분석

논문은 현재 상태 데이터(current status data)라는 특수한 관측 구조를 명확히 정의하고, 기존의 비모수 최대가능도 추정(NPMLE)이 요구하는 ‘응답 시점이 사건 시간에 전혀 정보를 제공하지 않는다’는 강력한 비조건성을 완화하려는 시도를 제시한다. 이를 위해 저자들은 인과 추론에서 도입된 인과동형 회귀(Causal Isotonic Regression, CIR)를 차용한다. 핵심 가정은 “측정된 공변량 W를 조건으로 할 때, 설문 응답 시점 Y와 증상 해소 시점 T는 독립이다”이며, 이는 실제 설문 상황에서 응답 속도가 증상 지속과 연관될 가능성을 충분히 반영한다. CIR은 두 개의 보조 함수 µ(y,w)=E