연속형 중간변수와 단계적 웨지 설계를 위한 민감도 분석 기반 주성분층화 방법

초록

본 논문은 단계적 웨지 군집 무작위 시험(SW‑CRT)에서 관찰되는 연속형 장기 중간변수를 대상으로, 주성분층화(principal stratification) 프레임워크를 확장한다. 시간에 따라 변하는 치료 할당을 이용해 민감도 파라미터를 교정하고, 공변량 제한이 부족한 상황에서도 현실적인 구조 가정(공분산(copula) 가정 및 주변 구조 가정) 하에 주성분 인과효과(PCE)를 식별한다. 베이지안 랜덤‑효과 모델과 관측 데이터 기반 교정 절차를 결합해, 중국 MSM 집단을 대상으로 한 HIV 검진 촉진 crowdsourcing 개입 연구에 적용하였다.

상세 분석

이 연구는 기존 주성분층화 방법이 이진 중간변수에 국한된 한계를 극복하고, 연속형 중간변수와 장기간 반복 측정 데이터를 동시에 다룰 수 있는 새로운 통계적 프레임워크를 제시한다. 주요 기여는 다음과 같다. 첫째, 단계적 웨지 설계의 고유한 “시간‑별 치료 노출” 특성을 활용해, 치료와 대조군 모두에서 중간변수와 최종결과를 관측할 수 있는 시점들을 이용해 민감도 파라미터(예: 잠재적 중간변수 간 상관 구조)를 직접 추정한다. 이는 전통적인 도구변수 기반 식별 전략이 요구하는 ‘배제 제한’이나 ‘단조성’ 가정을 완화한다. 둘째, 잠재적 중간변수들의 결합 분포를 기술하기 위해 copula 가정을 도입하였다. 구체적으로, 치료군과 대조군 각각의 중간변수 잠재값을 마진 분포와 연결시키는 Gaussian copula를 사용해, 비정규성·클러스터링 효과를 유연하게 포착한다. 셋째, 잠재적 최종결과와 잠재적 중간변수 사이의 관계를 기술하는 주변 구조 가정을 설정함으로써, “주성분 무시성(principal ignorability)” 대신 관측 가능한 데이터에 기반한 민감도 분석을 수행한다. 넷째, 베이지안 프레임워크를 채택해 랜덤‑효과(클러스터·시간)와 결측 데이터(단조 결측) 모두를 자연스럽게 통합한다. 사전 분포는 전문가 지식이나 이전 연구 결과를 반영할 수 있어, 민감도 파라미터의 사후 분포를 통해 결과의 강건성을 정량화한다. 마지막으로, 실제 SW‑CRT인 HIV 검진 촉진 연구에 적용하면서, 사회적 규범이라는 연속형 중간변수가 검진 행동에 미치는 이질적 효과를 주성분층화 관점에서 해석한다. 분석 결과, 사회적 규범이 상승한 하위군에서는 개입 효과가 크게 나타나지만, 규범이 낮은 하위군에서는 효과가 미미하거나 부정적일 수 있음을 보여준다. 이는 정책 입안자가 대상 집단별 맞춤형 전략을 설계하는 데 실질적인 통찰을 제공한다. 전반적으로, 이 논문은 연속형 중간변수와 복합적 시간‑클러스터 구조를 가진 실험 설계에 대한 인과 추론 방법론을 크게 확장시켰으며, 민감도 분석을 통한 가정 검증 절차를 체계화했다는 점에서 통계학·역학 분야 모두에 중요한 기여를 한다.