일반 파라메트릭 회귀 모델에서 치료 효과 이질성 평가 방법 비교

초록

**
본 논문은 파라메트릭 회귀 모델을 이용한 치료 효과 이질성(TEH) 검증 방법을 체계적으로 비교한다. 표준 우도비 검정, 부트스트랩 우도비 검정, Goeman의 전역 검정에 더해, 치료 효과 파라미터에 대한 스코어 잔차(score‑residual) 기반 검정을 중점적으로 탐구한다. 시뮬레이션과 실제 생존 데이터 사례를 통해 스코어 잔차 기반 방법이 실용적이며 유연하고 신뢰할 수 있음을 확인한다.

**

상세 분석

**
본 연구는 임상시험에서 흔히 사용되는 연속형, 이진형, 카운트형, 그리고 시간‑대상(event‑time) 자료에 적용 가능한 일반 파라메트릭 회귀 모델을 전제로 한다. 치료 효과 파라미터 δ는 모델식 η_i = β_0 + x_i’β_x + δ·z_i(또는 Cox 모델에서는 로그 위험비) 로 정의되며, 여기서 x는 사전 선정된 잠재적 효과 수정 변수이다. 기존의 전역 이질성 검정은 (1) δ와 x·z 상호작용을 포함한 확장 모델과 기본 모델의 로그우도 차이를 χ² 검정으로 평가하거나, (2) 부트스트랩을 통해 우도비 통계량의 유한표본 분포를 추정하거나, (3) Goeman의 전역 검정을 이용해 상호작용 효과를 랜덤 효과로 모델링하고 그 분산이 0인지 검정한다. 그러나 이러한 방법은 차원 수가 커지면 근사 정확도가 떨어지고, 특히 이진 자료에서 과보수적(p‑value 과대) 경향을 보인다.

스코어 잔차 기반 접근법은 치료 효과 파라미터 δ에 대한 점별 스코어 s_i = ∂Ψ/∂δ|_{β̂,δ̂} 를 계산한다. GLM에서는 s_i = (y_i – μ̂_i)·z_i 로, 제어군(z_i=0)에서는 잔차가 0이 되므로 정보 손실이 발생한다. 이를 보완하기 위해 논문은 중심화된 치료 지표 ˜z_i = z_i – E(z_i|x_i) 를 도입한다. ˜z_i는 무작위 배정 확률을 고려해 기대값을 0으로 만들며, 모든 환자에 대해 비대칭 정보를 제공한다. 스코어 잔차는 모델 파라미터의 기울기 방향이므로, 이를 이용한 전역 검정은 “점별 치료 효과 변화가 전반적으로 0이 아닌가”를 평가한다. 변수 중요도 평가는 각 공변량 x_j에 대한 스코어 잔차와의 상관(또는 회귀)으로 추정한다.

시뮬레이션에서는 (i) 연속형 정규, (ii) 이진 로지스틱, (iii) 포아송 카운트, (iv) Cox 생존 모델을 각각 1000·반복으로 생성하고, 효과 수정 변수의 개수(k=5)와 상호작용 강도(γ) 를 변형하였다. 결과는 스코어 잔차 기반 검정이 다른 방법에 비해 Type I 오류를 명목 수준에 가깝게 유지하면서도 검정력(power)이 우수함을 보여준다. 특히 고차원( k≥10) 상황에서 부트스트랩 우도비 검정은 계산 비용이 급증하고, Goeman 검정은 과보수적 경향을 보였지만, 스코어 잔차는 계산 효율성과 통계적 안정성을 동시에 제공한다.

실제 사례는 신경계 암 환자를 대상으로 한 위약 대 치료군의 무진행 생존(PFS) 데이터를 사용하였다. Cox 모델에 기반한 스코어 잔차를 계산하고, 전역 검정 결과 p≈0.03으로 이질성이 존재함을 시사하였다. 변수 중요도 분석에서는 연령, ECOG 성능 상태, 그리고 특정 바이오마커가 치료 효과 수정 변수로 높은 순위를 차지했으며, 이를 시각화한 플롯은 치료 효과가 연령이 높을수록 감소한다는 임상적 인사이트를 제공한다.

전반적으로 논문은 스코어 잔차 기반 접근법이 기존 전역 검정 대비 실용성, 유연성, 그리고 신뢰성 면에서 우수함을 입증한다. 또한, 치료 효과 이질성을 탐색할 때 사전 정의된 효과 수정 변수를 중심으로 분석을 설계하고, 스코어 잔차를 활용한 변수 중요도 순위와 시각화가 의사결정에 실질적인 가치를 더한다는 점을 강조한다.

**