사전 사건 비율(PERR) 방법의 차등 사망·탈락 상황에서의 성능 비교

초록

본 연구는 기존 시뮬레이션에서 사용된 PERR 추정량(PERR_Prev)과 완전 추적자만 이용한 대안 추정량(PERR_Comp)의 편향을 비교한다. 차등 사망·탈락이 치료, 교란 변수, 사전 사건에 의해 발생하는 네 가지 시나리오를 설정하고, 0‑20% 탈락률 하에서 10,000번 반복 시뮬레이션을 수행하였다. PERR_Comp은 사전 사건이 탈락에 영향을 미치지 않을 때 거의 편향이 없으며, 사전 사건이 탈락에 영향을 줄 경우에도 PERR_Prev보다 편향이 약했다.

상세 분석

본 논문은 PERR(Prior Event Rate Ratio) 방법이 실제 전자 의료 기록(EMR) 데이터에서 비측정 교란을 제어하기 위해 어떻게 활용될 수 있는지를 재검토한다. 기존 연구(우딘 등, 2015)는 PERR 추정량을 “완전 추적자와 비완전 추적자를 혼합한 분모, 완전 추적자만을 포함한 분자” 형태(PERR_Prev)로 정의하고, 차등 사망·탈락이 치료(X), 교란(C), 사전 사건(Y₁) 모두에 동시에 영향을 미칠 때 편향이 발생한다는 결론을 제시했다. 그러나 PERR는 하나의 프레임워크이며, 실제 데이터에서는 다양한 방식으로 추정량을 구현할 수 있다. 저자들은 대안으로 “완전 추적자만을 사용한 분자·분모”(PERR_Comp)를 제안하고, 네 가지 시나리오(1) X·C·Y₁ 모두가 탈락에 영향을 미침, (2) C·Y₁만, (3) C·X만, (4) C만)와 네 수준의 탈락률(0, 5, 10, 15, 20%)을 조합한 20가지 상황을 시뮬레이션했다. 각 시나리오는 로짓·로그-바이노미얼 회귀 모델을 통해 데이터 생성했으며, 진짜 치료 효과는 사후 사건(Y₂)에서 위험비(RR)=2로 고정하였다. 10,000번 반복, 각 반복당 100,000명 샘플을 사용해 추정량의 평균값과 95% 신뢰구간을 계산하였다. 결과는 다음과 같다. (1) 시나리오 1에서는 PERR_Prev이 점점 큰 음의 편향을 보였으며, 탈락률 20%에서 평균 추정값이 1.83(진짜값 2)으로 크게 낮아졌다. 반면 PERR_Comp은 0‑10% 탈락에서는 거의 무편향이었고, 20%에서는 2.05로 약간의 양의 편향만 나타났다(편향 크기가 PERR_Prev의 약 1/3). (2) 시나리오 2에서도 유사한 경향이 관찰됐지만 편향이 완화되었다. (3)·(4)에서는 탈락이 사전 사건(Y₁)에 영향을 주지 않으므로 PERR_Comp은 전 구간에서 정확한 추정치를 제공했으며, PERR_Prev은 여전히 편향을 보였다. 또한, 전통적인 비조건부 위험비(RR) 추정량은 탈락이 없을 때 교란에 의해 과대추정되었고, 탈락률이 증가함에 따라 차등 사망·탈락에 의한 편향이 상쇄되는 형태를 보였다. 이러한 결과는 PERR 프레임워크 내에서 추정량 선택이 결과의 타당성에 결정적인 영향을 미친다는 점을 강조한다. 특히, 사전 사건이 탈락에 직접적인 원인이 될 경우에만 PERR_Comp도 편향을 보이며, 그 정도는 PERR_Prev보다 현저히 작다. 따라서 연구자는 사전 사건과 탈락 사이의 인과관계를 사전에 검토하고, 가능한 경우 완전 추적자만을 이용한 PERR_Comp을 선택하는 것이 바람직하다.