재발 사건을 위한 이벤트 기반 임상시험 설계

초록

본 논문은 반복 발생 사건을 주요 결과로 하는 임상시험에서, 사건 수를 목표로 하는 전통적 이벤트‑드리븐 설계 개념을 확장한다. 위내 상관을 고려한 강건 분산을 블라인드 방식으로 지속 모니터링함으로써, 사전 가정에 의존하지 않고 목표 치료 효과와 목표 검정력(전력)을 보장한다. 시뮬레이션과 실제 데이터 적용을 통해 제안 방법의 검정력 유지와 1종 오류 억제 효과를 확인하였다.

상세 분석

이 연구는 기존의 단일 사건 생존 분석에서 사용되는 이벤트‑드리븐 설계(Schoenfeld 공식 기반)를 반복 사건(recurrent events) 분석에 적용하려는 시도이다. 핵심 아이디어는 “사건 수” 자체를 설계 목표로 삼아, 사건이 미리 정해진 수에 도달하면 분석을 수행하도록 하는 것이다. 그러나 반복 사건 데이터는 동일 피험자 내에서 시간적으로 의존적인 상관구조를 가지는 경우가 많아, Poisson‑type 가정(독립적 증분)만으로는 충분하지 않다. 이를 해결하기 위해 저자들은 두 가지 모델을 대비한다. 첫 번째는 Andersen‑Gill(AG) 모델로, 사건 발생 강도를 Cox 비례 위험 모델 형태로 확장하지만 독립증분 가정을 필요로 한다. 두 번째는 마진 평균/율 모델(marginal rates model)로, 사건의 평균 발생률을 로그‑비율(β)로 표현하고, 피험자 내 상관을 강건 샌드위치 분산(Lin et al., 2000)으로 보정한다.

논문은 특히 후자를 중심으로 설계 절차를 제시한다. 설계 단계에서 기대되는 치료 효과(β₀)와 유의수준(α), 목표 검정력(1‑γ)만을 입력으로, 강건 분산 추정값을 실시간으로 블라인드 방식으로 계산한다. 이때 사용되는 통계량은 ˆβ/ˆv이며, ˆv²는 샌드위치 분산 추정식 ˆA⁻¹ˆΣˆA⁻¹/n 로 정의된다. 사건 수가 사전에 지정한 임계값에 도달하면, 블라인드 모니터링 절차가 중단되고 최종 Wald 검정을 수행한다. 중요한 점은, 이 임계값이 “예상 치료 효과”만을 기반으로 결정된다는 것으로, 사건 발생률이나 피험자 내 분산 등 불확실한 모수에 의존하지 않는다.

시뮬레이션에서는 다양한 상관 구조(음이항, 과분산 Poisson, frailty 모델)와 추적 기간, 누적 사건 수를 변형시켜 제안 방법의 운영 특성을 평가하였다. 결과는 블라인드 모니터링이 목표 검정력을 거의 정확히 달성하면서도 1종 오류를 크게 초과하지 않음을 보여준다. 또한, 기존의 이벤트‑드리븐 설계(단순 Poisson 가정 기반)와 비교했을 때, 상관을 무시한 경우 검정력이 현저히 감소하는 반면, 제안 방법은 이러한 손실을 회복한다.

실제 임상 데이터(만성 심혈관 질환 연구) 적용에서는, 사전 계획된 사건 수에 도달하기 전까지 블라인드 모니터링을 수행해 최종 분석 시점과 샘플 크기를 결정하였다. 결과적으로, 예상보다 적은 피험자 수로도 목표 검정력을 확보했으며, 치료 효과 추정치와 신뢰구간은 기존 분석과 일치하였다.

이 논문의 주요 기여는 다음과 같다. ① 반복 사건을 위한 이벤트‑드리븐 설계 프레임워크를 제시, ② 피험자 내 상관을 강건 샌드위치 분산으로 보정하고 블라인드 모니터링을 적용, ③ 설계 단계에서 불확실한 모수에 대한 의존성을 최소화하여 실무 적용성을 높임. 한계점으로는 강건 분산 추정이 큰 표본에서만 근사적으로 정상성을 보장한다는 점과, 매우 높은 과분산 상황에서는 임계값 설정이 보수적일 수 있다는 점이 있다. 향후 연구에서는 베이지안 사전분포를 활용한 동적 임계값 조정이나, 다중 치료군·비등가성 검정에 대한 확장이 기대된다.