의학 및 보건의료 연구에서 무작위대조임상시험(Randomized Controlled Trial, RCT)은 인과관계를 평가하는 가장 신뢰도 높은 연구 설계로 알려져 있습니다. 하지만 현실에서 임상시험을 설계하고 수행하는 데에는 윤리적, 시간적, 재정적 제약이 따르기 마련입니다.
그래서 최근에는 관찰자료(실세계자료, RWD)를 활용하여 마치 임상시험처럼 설계하고 분석하는 방법, 즉 ‘목표 임상시험 모사(Target Trial Emulation, 이하 TTE)’에 대한 관심이 높아지고 있습니다.
🎯 목표 임상시험 모사란?
‘목표 임상시험 모사(Target Trial Emulation)’란 말 그대로,
이상적인 임상시험(target trial)을 먼저 가정하고, 이를 관찰자료에서 가능한 한 유사하게 설계하고 분석하는 방법론입니다.
쉽게 말하면,
"내가 지금 당장 무작위임상시험을 할 수 있다면 어떤 방식으로 할까?"를 먼저 정의하고,
그 구성을 관찰자료에 맞게 재현(모사, emulation) 하는 것입니다.
🧱 어떻게 구성되나요?
TTE는 다음과 같은 구성요소를 임상시험처럼 구체적으로 정의합니다:
구성 요소 설명
| 연구대상자 선정 기준 | 어떤 환자를 포함할지 (예: 특정 진단을 받은 직후) |
| 치료 전략 정의 | 비교할 치료 또는 노출군 (예: 약물 A vs 약물 B) |
| 시점 설정(time zero) | 비교군을 나누는 기준 시점 |
| 추적 기간 | 효과를 관찰할 기간 |
| 결과 변수 | 비교할 건강결과 (예: 사망, 재입원, 합병증 등) |
| 분석 전략 | 의도한 치료 효과(ITT) 또는 치료 지속 효과 분석 |
| 통계 분석 방법 | 가중치 조정, 생존 분석, 인과 추정 등 |
이러한 프레임을 명확히 정의한 뒤, 실제 관찰자료(예: 전자의무기록, 보험 청구자료 등)를 활용하여 분석을 수행합니다.
📚 실제 사례 – 메트포르민은 암을 줄일까?
미국 하버드 보건대학원 연구팀(Hernán et al., 2016)은 영국 전자의무기록(CPRD)을 활용하여 다음과 같은 연구를 수행했습니다.
- 연구 질문: 제2형 당뇨병 환자에서 메트포르민이 암 발생을 줄일까?
- 모사된 임상시험(Target Trial):
- 대상자: 새롭게 당뇨 진단을 받은 성인
- 치료군: 메트포르민을 초기에 시작한 그룹 vs 설포닐우레아를 시작한 그룹
- 시점: 약물 치료 시작 시점(time zero)
- 결과: 5년 내 암 발생 여부
- 분석 방식: 의도한 치료 효과 기준 (Intention-to-treat)
기존 관찰연구에서는 메트포르민이 암을 줄인다는 결과가 많았지만, TTE 방식으로 분석하자 두 약물군 간에 큰 차이가 없다는 결과가 도출되었습니다.
이는 기존 연구들이 적절한 비교 시점 설정이나 기준선 특성 조정 없이 해석되었을 가능성을 보여줍니다.
💡 왜 중요한가?
TTE는 단순한 분석 기법이 아니라 연구 설계 패러다임의 전환입니다.
기존 관찰연구 목표 임상시험 모사
| 사후적으로 자료 추출 및 분석 | 사전에 임상시험처럼 구조화된 설계 |
| 시간 순서 또는 기준선 설정 불분명 | 시간=0 명확히 설정, 기준선 변수 조정 |
| 인과 추론에 한계 | 인과 추정 가능성 강화 |
의료 빅데이터, 전자의무기록, 보험청구자료 등 실세계자료(RWD)를 활용해 인과적 판단을 하고자 할 때 필수적인 접근 방식입니다.
🔗 참고문헌
- Hernán MA, Robins JM. Using Big Data to Emulate a Target Trial When a Randomized Trial Is Not Available. Am J Epidemiol. 2016;183(8):758–764.
- Dickerman BA, García-Albéniz X, Logan RW, et al. Avoidable flaws in observational analyses: an application to statins and cancer. Nat Med. 2019.
📝 마치며
무작위 임상시험이 이상적이지만 실행이 어렵다면, 그에 가장 가까운 방법을 실세계자료로 구현할 수는 없을까요?
목표 임상시험 모사(Target Trial Emulation)는 현실 세계에서 임상적 인과추론을 최대한 정밀하게 수행할 수 있도록 도와주는 도구입니다.
'Clinical Stat' 카테고리의 다른 글
| [생동시험] 분산투여 vs. 추가시험 vs. 재시험에서의 통계적 고려사항 (2) | 2025.07.01 |
|---|---|
| 정밀도와 허용오차: 대상자 수 산출의 타당성 설명 (1) | 2025.05.25 |
| 연관성 vs 인과관계 – 통계와 임상에서의 비교 (0) | 2025.05.25 |
| Endpoint와 Variable: 통계적 & 임상적 간단 비교 (0) | 2025.05.25 |
| (Generalized) Linear Mixed Model (G/LMM) vs. Generalized Estimating Equations (GEE) (1) | 2025.05.25 |