다중 상태 모델을 활용한 질병 이력 분석: 장기 데이터와 PAM 접근법

초록

본 연구는 장기 코호트와 레지스트리 데이터에서 발생하는 복합적인 통계적 문제(의존적 좌측 절단, 다중 시간 척도, 인덱스 이벤트 편향, 구간 검열)를 해결하기 위해 조각별 지수 가법 모델(PAM)을 다중 상태 모델에 확장한다. 시뮬레이션과 UK Biobank CKD 데이터 적용을 통해 PAM이 기준 위험도와 고정 효과를 정확히 추정하지만, 구간 검열이 있는 경우 기준 위험도 추정에 한계가 있음을 확인하였다.

상세 분석

이 논문은 다중 상태 모델링이 임상·역학 연구에서 점점 더 중요해지는 배경에서, 기존 방법이 갖는 네 가지 핵심 제한점—(1) 의존적 좌측 절단, (2) 다중 시간 척도 선택, (3) 인덱스 이벤트 편향, (4) 구간 검열—을 체계적으로 분석한다. 특히 좌측 절단이 사건 발생 시점과 연관될 때 전통적인 Cox PH나 Aalen‑Johansen 추정법이 편향을 일으키는 점을 지적하고, 이를 해결하기 위해 조각별 지수 가법 모델(PAM)을 도입한다. PAM은 생존 데이터를 조각별 지수 데이터(PED) 형태로 변환해 포아송 회귀로 풀 수 있게 하며, mgcv 패키지의 GAM 구현을 활용해 제한 최대우도(REML) 추정으로 베이스라인 위험도를 스플라인으로 부드럽게 추정한다.

시간 척도 문제에서는 단일 척도(예: 연령)와 다중 척도(연령, 질병 발병 이후 경과시간 등)를 각각 SSTS‑PAM과 MTS‑PAM으로 구현한다. 시뮬레이션 결과, MTS‑PAM은 데이터 생성 과정에 따라 불안정해질 수 있지만, 적절히 설계된 경우 다중 척도 효과를 동시에 추정할 수 있다. 인덱스 이벤트 편향에 대해서는, 질병 발생 후 서브코호트에 제한된 분석이 위험인자 간 인위적 음의 상관을 만들어 효과가 약화되거나 반전될 수 있음을 보여준다. 저자는 위험인자(예: UMOD 변이 rs77924615)와 공변량(당뇨 등)의 완전한 조정을 통해 편향을 최소화하는 전략을 제시한다.

구간 검열에 대해서는, 관찰 시점이 불규칙한 경우 사건 발생 시점을 정확히 알 수 없으므로 전통적인 비모수 방법이 적용 불가능하다. PAM은 구간 검열을 자연스럽게 포함시켜 사건 발생 가능 구간을 위험 집합에 반영한다. 그러나 구간 검열이 심한 상황에서는 베이스라인 위험도의 추정이 불안정해지는 한계가 발견되었다.

전체적으로, 본 연구는 복잡한 다중 상태 데이터를 다루는 새로운 통계 프레임워크를 제시하고, 시뮬레이션 및 실제 데이터(UK Biobank, n=142,667)를 통해 그 실용성을 검증한다. 특히 CKD 진행 위험이 조기 발병자와 연령 증가에 따라 급격히 상승한다는 임상적 통찰과, UMOD 변이가 CKD 발병 위험에만 영향을 미치고 진행 위험에는 영향을 주지 않는다는 유전학적 발견을 제공한다.