다중코호트 EHR 연구에서 결과 의존 선택 편향을 해결하는 이중강건 프레임워크

초록

본 논문은 여러 클리닉에서 모집된 전자건강기록(EHR) 코호트를 외부 확률표본과 결합해, 질병 결과가 선택 과정에 영향을 미치는 경우에도 추정 편향을 최소화하는 이중강건(JAIPW) 방법을 제안한다. 시뮬레이션과 실제 MGI 데이터 적용을 통해 기존 IPW 방법 대비 편향과 RMSE가 크게 감소함을 입증한다.

상세 분석

이 연구는 전통적인 역확률 가중(IPW) 접근법이 다중 코호트에서 서로 다른 선택 메커니즘을 가정할 때 모델 지정 오류에 취약하다는 점을 지적한다. 특히 질병(D) 자체가 선택 지표(Sₖ)에 직접 혹은 간접적으로 영향을 미치는 ‘결과‑의존 선택’ 상황에서는 단순 로지스틱 회귀가 편향된 추정치를 제공한다는 수학적 정리를 제시한다(식 2). 저자들은 이를 해결하기 위해 두 단계의 아이디어를 결합한다. 첫째, 각 코호트별 선택 확률 πₖ(Xₖ)를 외부 확률표본(예: NHANES)에서 추정하고, 독립성 가정(C1.3)을 이용해 전체 선택 확률 π(X_mult)=1−∏ₖ