시간대상 사건에 대한 보정된 강도 스케일링 인과 추정 프레임워크

초록

본 논문은 연속시간 사건 히스토리 자료에서 중간 사건(예: 치료 시작)의 강도를 α라는 양의 스칼라로 곱해 조정하는 확률적 개입을 정의하고, 이를 사전에 지정한 누적 위험 목표에 맞추어 보정(calibrate)함으로써 임상적으로 의미 있는 복합 인과 효과를 추정한다. 비모수 모델 하에서 효율적 영향곡선(efficient influence curve)을 유도하고, 이중 강건성(double robustness) 및 TMLE(목표 최대우도 추정) 구현 방안을 제시한다. 시뮬레이션을 통해 표본 크기에 따른 추정 정확도와 양성 가정(positivity) 위반 시의 위험을 평가한다.

상세 분석

이 연구는 연속시간 사건 과정에서 “강도 스케일링”이라는 새로운 확률적 개입 클래스를 도입한다. 구체적으로 중간 사건 N_z 의 예측 강도 λ_z(t|F_{t-}) 에 양의 상수 α 를 곱해 λ_{z,α}=α·λ_z 로 변형함으로써, 사건 발생률을 비례적으로 증가·감소시키는 개입을 정의한다. α=1은 무개입, α→0은 완전 예방, α>1은 위험 증폭을 의미한다. 이러한 스케일링은 기존의 정적·동적 개입과 달리 개별 이력에 의존하는 강도 구조를 그대로 보존하므로, 환자별 위험 이질성을 유지하면서도 전체 위험 구조를 조절한다.

보정 단계에서는 사용자가 사전에 지정한 누적 위험 목표(예: 5년 내 중간 사건 발생률 10% 달성)를 만족하도록 α를 역으로 결정한다. 이를 “칼리브레이션 함수” g(α)=P_{α}(N_z(τ)=1) 와 목표값 γ 을 이용해 α̂ = g^{-1}(γ) 로 정의한다. 이렇게 선택된 α̂는 임상적 해석이 가능한 “복합 인과 파라미터” Ψ(α̂)=E_{α̂}