심혈관 결과 시험의 경쟁위험 분석 Cox와 Fine Gray 모델 비교 시뮬레이션

초록

본 시뮬레이션 연구는 심혈관 결과 시험에서 비심혈관 사망이라는 경쟁위험이 주요 심혈관 사건(MACE) 관찰을 방해하는 상황을 재현한다. 경쟁위험 발생률을 0.5%–5% 연간, 치료 효과를 50% 감소에서 50% 증가까지 다양하게 설정하고, 이중변량 코퓰라를 이용해 사건 간 상관구조를 변형하였다. 결과는 연간 경쟁위험률이 1% 수준인 실제 임상시험 환경에서는 Cox 비례위험 모델과 Fine‑Gray 서브분포 위험 모델이 거의 동일한 위험비를 제공함을 보여준다. 높은 경쟁위험률과 치료 효과가 반대 방향일 때만 두 추정치가 차이를 보였으며, 이 경우에도 어느 모델도 진정한 한계 위험비를 편향 없이 추정하지 못한다.

상세 분석

이 논문은 심혈관 결과 시험(CVOT)에서 흔히 마주치는 경쟁위험 문제를 정량적으로 평가하기 위해 복합 시뮬레이션 프레임워크를 구축하였다. 핵심은 두 종류의 사건, 즉 주요 심혈관 사건(MACE)과 비심혈관 사망을 동시에 발생시킬 수 있는 이중변량 코퓰라 모델을 이용해 사건 간 상관관계(ρ)와 각각의 발생률을 독립적으로 조절한 점이다. 경쟁위험률을 연간 0.5%, 1%, 2%, 5% 네 단계로 설정하고, 치료군이 경쟁위험에 미치는 효과를 0.5배(50% 감소)부터 1.5배(50% 증가)까지 5단계로 변형하였다. 각 시나리오마다 10,000명 규모의 가상 코호트를 1,000번 반복 시뮬레이션하여 Cox 비례위험 모델과 Fine‑Gray 서브분포 위험 모델을 적용, 추정된 위험비와 실제 설정값 간의 편향(bias) 및 평균제곱오차(MSE)를 비교하였다.

주요 결과는 다음과 같다. 첫째, 경쟁위험률이 1% 이하인 현실적인 CVOT 상황에서는 두 모델이 거의 동일한 위험비를 제공한다. 이는 비심혈관 사망이 드물게 발생하므로, Cox 모델이 경쟁위험을 독립 검열로 처리해도 추정치에 실질적인 왜곡이 없음을 의미한다. 둘째, 경쟁위험률이 5% 수준으로 상승하고, 치료가 경쟁위험에 반대 방향(예: 치료가 MACE 위험을 감소시키지만 비심혈관 사망 위험을 증가)으로 작용할 때만 Cox와 Fine‑Gray 추정치가 눈에 띄게 차이난다. 이 경우 Cox 모델은 실제 위험을 과소평가하고, Fine‑Gray 모델은 서브분포 위험을 과대평가하는 경향을 보인다. 셋째, 어떤 상황에서도 두 모델이 진정한 한계(마진) 위험비를 정확히 복원하지 못한다는 점이다. 이는 경쟁위험이 존재할 때 마진 위험비 자체가 관찰 가능한 데이터만으로는 식별 불가능하다는 통계학적 한계를 반영한다.

또한 논문은 ICH E9(R1) 가이드라인에 비추어 Fine‑Gray 모델을 Cox 모델에 대한 “민감도 분석”으로 사용하는 것이 부적절함을 강조한다. 두 모델은 서로 다른 추정량(estimand)을 목표로 하므로, 하나를 다른 하나의 가정 검증 수단으로 해석하면 안 된다. 대신, Aalen‑Johansen 추정법을 이용한 누적 발생률(cumulative incidence) 그래프를 보조적으로 제시함으로써 경쟁위험의 실제 영향을 시각화하고, 독자에게 투명성을 제공할 것을 권고한다. 마지막으로 경쟁위험이 높은 상황에서는 역확률 가중치(IPCW), 다중 삽입(MI), 혹은 전체 사망률을 포함한 복합 1차 평가항목을 설계하는 등 대안적 분석 전략을 검토해야 한다는 실용적인 제언을 제시한다.

이러한 분석은 CVOT 설계 단계에서 경쟁위험의 잠재적 영향을 정량적으로 평가하고, 적절한 통계적 방법을 선택하는 데 중요한 근거를 제공한다. 특히, 경쟁위험이 낮은 대부분의 대규모 심혈관 약물시험에서는 기존의 Cox 비례위험 모델을 유지하면서, 보조적인 누적 발생률 분석을 추가하는 것이 효율적이며 해석학적으로도 명확하다는 결론을 도출한다.