카이집사 통계학

희귀질환 임상에서 RWD/RWE 활용

카이집사_Stats — Thu, 9 Oct 2025 09:48:36 +0900

희귀질환은 대상자 수가 적고 윤리·실무 제약이 커 전통적 무작위대조임상(RCT)만으로는 한계가 있다. 이에 전자의무기록(EHR), 청구·등록자료, 유전자검사 데이터 등 real world data(RWD)를 정교하게 가공해 외부 대조군(external control)을 구축하면 단일군 임상(single-arm trial)의 해석력을 높일 수 있다. 핵심은 선택편향을 최소화하고 비교가능성을 확보하는 것으로, Propensity score (매칭·가중치), G-methods, 베이지안 등을 통해 균형을 맞추고 민감도분석으로 강건성을 검증한다. 궁극적으로 real world evidence(RWE)는 RCT를 대체하기보다 보완하며, master protocol (basket·umbrella), SMART, N-of-1, 랜덤화 지연, cross-over 등의 설계와 composite endpoint/win ratio 같은 endpoint를 병행할 때 규제 및 의사결정에서의 설득력이 커진다.

1) 희귀질환, 왜 RWE가 필요한가

정의
- 미국: 환자 수가 약 20만 명 미만이면 희귀질환 범주로 본다.
- 유럽: 인구 만 명당 5명 미만(0.05%) 유병이면 희귀질환.
- 한국 인구(약 5천만)를 감안하면, 유병률 ~0.04% 미만 정도가 희귀질환 스케일에 해당.
정밀의료 시대의 ‘희귀성’
비소세포폐암(NSCLC) 전체는 흔하지만 ROS1 양성처럼 특정 분자변이 하위군은 환자 비율이 1% 내외로 ‘사실상 희귀질환’이 된다. 이런 세분화가 약물 개발과 증거 창출을 더 어렵게 만든다.

전통 임상의 구조적 한계
- 모집 곤란·시간 지연: 실제로 ROS1 양성 NSCLC 50명을 모으는 데 수년 걸린 사례가 있다.
- 통계적 제약: 표본 수가 작아 검정력(power)과 유의수준 요건 충족이 쉽지 않다.
- 윤리·실무 이슈: 분명한 반응이 예상되는 환자에게 대조군 배정이 현실적으로 어렵다.

2) RWD·RWE는 무엇인가

RWD 소스: 전자의무기록(EHR), 청구/보험 데이터, 질병등록, 분자진단(Foundation Medicine 등), 환자보고자료(PROMs), 모바일/웨어러블 데이터 등.
RWE: 위 자료를 사실상 임상현장 조건에서 분석해 얻는 임상적 근거.

3) 외부 대조군(External Control) 설계의 실제

언제 유용한가
단일군 임상에서 비교집단이 없거나, RCT의 모집·윤리가 어려울 때 외부 대조군으로 효과·안전을 해석.
중심 과제: selection bias 통제
- Propensity score
  - 매칭(1:1, 최근접근, 칼리퍼 등) 또는 가중치(IPTW 등)로 기저 특성 균형 확보.
  - 균형 진단: 표준화 차이(Standardized Mean Difference, SMD) 지표 사용. 실무 기준은 SMD < 0.1(보수적) 또는 < 0.25(관대한 기준).
- G-methods: 시간가변 교란·치료변경에 강한 marginal structural model 등으로 혼란변수 보정.
- 베이지안 접근: 외부 증거를 ‘동적 차용(dynamic borrowing)’해 추정의 정밀도를 높이되, 불일치 시 차용량을 자동 축소.
- 민감도 분석: 교란·누락변수·측정오차 가정 변화에 대한 결과의 강건성 확인.
데이터 소스 통합
- EHR 네트워크(예: Flatiron Health)와 분자진단 DB(예: Foundation Medicine)를 결합하면, 임상+유전정보가 정교한 비교를 가능하게 한다.
검증 전략
과거에 이미 수행된 RCT의 대조군을 ‘타깃’으로 삼고, 같은 적격 기준으로 RWD에서 외부 대조군을 구축해 생존곡선(OS), 반응률(ORR) 패턴의 유사성을 확인하면 신뢰도가 올라간다.

4) 사례로 보는 규제와 RWE

A. ROS1 양성 NSCLC – 단일군 + RWE 보완

크리조티닙(crizotinib): 단일군 임상으로 객관적 반응률(ORR) ≈ 66% 수준의 강한 신호를 보였고, 환자 모집 자체가 수년에 걸릴 정도로 어려웠다.
엔트렉티닙(entrectinib): 다단계 초기 시험 결과를 합쳐 ORR ~77%**에 근접한 반응을 확인.
해석 보완: 이후 EHR·분자진단 기반 RWD로 외부 대조군을 만들어 비교했을 때, 단일군 결과의 설득력이 강화되었다.

B. B-cell ALL – 면역치료와 가속승인

블리나투모맙(blinatumomab): 재발/불응 고위험군에서 단일군 시험으로 완전관해(CR) 약 30%대의 의미 있는 임상효과를 보여 가속승인.
이후 RWD 기반 비교(표준 항암요법 vs. 블리나투모맙)를 통해 생존·반응에서 유의미한 차이를 재확인하며, 초기 단일군 근거를 보완.

포인트: 두 사례 모두 희귀·소집단에서 단일군 임상의 필연적 한계를, 정교한 외부 대조군과 균형 진단·민감도 분석으로 메웠다는 점이 공통적이다.

5) 샘플수·통계 설계

외부 대조군을 잘 구축하면 분산 감소·정밀도 상승을 기대할 수 있어, 제한된 표본에서도 유의성·추정정확도를 개선.
다만, 질 낮은 매칭/가중치는 오히려 편향을 키울 수 있다. 사전 정의된 적격기준, 공변량 세트, 결측처리, 사전등록된 분석계획(SAP)이 필수.

6) 실무 체크리스트

데이터·코호트

적격·제외 기준을 시험군과 동일하게 적용해 RWD 코호트 선별
지표 정의(ORR, PFS, OS 등)와 관측 창(윈도우) 조화
Line of therapy, 진단일/변이상태 기준의 정합성 확보

분석

균형화: Propensity score (모형 진단·SMD 보고), IPTW 가중치 안정화
시간가변성: MSM 등 G-methods 고려
결과비교: 카플란–마이어, 누적반응, 다변량 보정
강건성: 여러 사전계획 민감도 분석(지표정의·공변량세트·트리밍 등)

품질·규제 커뮤니케이션

데이터 계보성(lineage), 누락·오류율, 측정 편차를 문서화
사전계획(등록부/프로토콜/SAP)과 투명한 보고(코드·변수사전)
RWE는 RCT 대체가 아님을 명시—보완적 근거로 포지셔닝

7) RCT 대안이 아니라 ‘현실적 보완’

희귀질환에서는 마스터 프로토콜(바스켓/엄브렐라), 적응형 설계, SMART, N-of-1, 랜덤화 지연, Cross-over 같은 디자인이 실제적 대안이 된다. 엔드포인트도 복합지표, 윈비율(win ratio) 등으로 작은 표본에서도 신호를 더 효율적으로 포착하도록 설계할 수 있다. 핵심은 임상적 타당성 + 통계적 투명성 + 데이터 품질의 삼박자다.

맺음말

희귀질환 임상에서 RWD/RWE는 선택이 아니라 전략이다. 잘 선별된 외부 대조군과 엄격한 균형·민감도 프레임을 갖추면, 단일군 시험의 결과는 실제 진료현장의 설득력을 얻게 된다. RWE는 RCT를 대체하지 않는다. 대신 규모·윤리·시간의 제약을 넘어 더 빠르고 똑똑한 의사결정을 가능하게 하는 강력한 보완 엔진이다.

MRCT 분류

카이집사_Stats — Sun, 5 Oct 2025 11:43:45 +0900

세미나 참석해서 정리요약한 내용입니다. 실제 운영에 참고용으로 도움이 될것 같습니다.

1) 국가·리전 분류 논리와 규제 관점

규제 관점 핵심 포인트

미국(FDA): IND 질의응답 속도 빠름. 중대 이상사례(SAE)·안전성 보고 체계 명확. 초기/혁신 기술 수용성 높음.
EU(EMA/각국 NCA): EU-CTR 체계로 국가 간 조정 가능해졌으나, 국가별 EC·현지 요구 차이가 남음. GDPR로 데이터 이전·클라우드 사용 검토 필수.
영국(MHRA): EU 분리로 별도 경로. 초기상담(Scientific Advice) 활용 시 타임라인 예측성↑.
중국(NMPA): 환자 모집력 강점. 샘플/검체 국제 반출, 디지털 시스템(EDC/eTMF) 데이터 주권 이슈, 번역·현지화 리소스 고려.
한국(MFDS): 종종 추가 비임상/현지 자료 요구 가능성. 대형 상급종합병원 네트워크 강점으로 등록 속도 보완 가능.
대만(TFDA): 비교적 신속한 승인과 실행력으로 선행 착수 포인트로 자주 활용.
싱가포르(HSA): 파일럿/브리지 목적에 적합. 소수 정예지만 데이터 품질·운영 안정성 높음.
호주(TGA, CTN/CTX): 초기개발/용량 탐색에 유리. 시즌성 질환(호·북반구 교대) 시 타임라인 분산에 효과. (CTN/CTX는 호주에서 승인받지 않은(미등재) 치료제로 임상을 할 때 쓰는 두 가지 규제 경로를 의미. 요약하면 CTN = 통지(Notification), CTX(현 명칭: CTA) = 사전 승인(Approval) )

실무 체크리스트

승인 리드타임 지도: 리전별 평균 + 분산(최악·최상)을 가지고 국가 간 선·후행 착수 시나리오 설계.
추가 요구 플래그: “추가 비임상/번역/현지 안정성 데이터” 가능 국가를 빨간 플래그로 표시.
데이터 경로 맵: EDC 서버 위치, 원격 모니터링 허용 범위, 샘플 반출 규제, 개인정보 이전 합법 근거(GDPR, SCC 등).
벤더 일체화: 센트럴랩 운송 루트·SLA, IP 온도로그/콜드체인,리스크 영향 분석을 리스크 레지스터에 선반영.
리저널 PM 구조: 시간대·언어·의료문화 유사성 기준으로 PM/CRA 배치—주간 운영 리듬(위클리 캡처) 고정.

2) 글로벌 동향 & 환자 모집을 고려한 국가 조합

추세 한 줄 요약

북미·EU는 여전히 허가 중심축.
중국·APAC(한국/대만/싱가포르/호주) 참여가 등록 속도와 외연 확장에 기여.
대형 3상은 다중 region 분산 + 선·후행 착수로 타임라인 리스크를 줄이는 조합이 늘어남.

목적별 대표 조합 & 쓰임새

북미 + EU(영국 포함)
- 언제? 허가 직접성·규제 신뢰성 최우선일 때(중추신경·종양·희귀 등).
- 장점: 심사기관 상호 신뢰, 글로벌 저널·가이드라인 수용성.
- 유의: GDPR·eConsent/원격SDV 허용범위, 각국 EC 차이.
북미/유럽 + 중국
- 언제? 대규모 증례 필요(대사성·종양 등), 중국 상업화 타깃.
- 장점: 등록 속도 및 시장성.
- 유의: 검체 반출·데이터 주권, 번역·현지 SOP, 약물공급 체인.
북미/유럽 + 한국·대만(±일본/싱가포르)
- 언제? 빠른 착수/높은 데이터 완결성이 필요할 때.
- 장점: 대만·싱가포르의 신속성, 한국의 대형병원 네트워크, 일본 포함 시 브리지/라벨링 확장.
- 전략 팁: 규제 추가요구 시 대만·싱가포르 선행, 한국 후행으로 전체 일정 방어.
유럽(서유럽) + CEE(폴란드·헝가리·루마니아 등 Central & Eastern Europe )
- 언제? 예산 효율과 등록 속도 동시 확보.
- 장점: CEE의 모집력·운영비 효율, 서유럽의 데이터 신뢰성 보강.
- 유의: 다국어 문서/현지 계약 리드타임, 모니터링 동선.
호주/뉴질랜드 + 북반구(미·EU/아시아)
- 언제? 계절성 질환(호흡기 등)이나 연중 등록 공백 없이 데이터 축적 필요.
- 장점: CTN/CTX 유연성과 계절 분산, 초기 탐색→확증 전환 브릿지
북미/유럽 + 남미(브라질·아르헨티나 등)
- 언제? 특정 적응증(감염성·소아·면역)에서 모집풀 확장.
- 장점: 대형 공공병원 네트워크, 고속 등록 사례 가능.
- 유의: 현지 계약·윤리 심사 변동성, 물류·환자 보상 관행.

설계 팁: “선·후행 착수”로 타임라인 방어

예시: 대만·호주 선행(First-Patient-In) → 한국·EU 후행 → 중국 병행 또는 늦게 투입.
규제 질의응답/추가자료 페널티를 후행국가로 흡수해 전체 LPO 미끄럼을 최소화 (즉, 몇몇 국가는 먼저 시작(선행)해서 전체 등록·데이터 수집을 끌고 가고, 규제 Q&A나 추가자료 때문에 늦어질 가능성이 큰 국가는 늦게(후행) 투입해서 그 지연을 “그 나라 안에서만” 흡수하게 만들어, 전체 마지막 환자 방문 종료(LPO) 시점을 밀리지 않게 함)

리스크 레지스터

규제: 추가 비임상/CMC 가능성, 번역·전자제출 형식, SAE/DSUR 관할별 요구.
데이터: 서버 위치·원격 SDV 허용, 개인정보 국제 이전 합법 근거.
물류: 센트럴랩 픽업 루트 지연, 콜드체인 실패 시 리커버리 플랜.
인력: 파트너 PM 장기 부재 시 백업 사전 지정(계약조항 점검).

목적/상황	핵심 조합(예시 국가)	허가 축	등록 드라이브	선·후행 착수 전략	주요 리스크 플래그	적응증/디자인 힌트	예산 관점
글로벌 허가 직결	북미 + EU(영국 포함)	미국(FDA), EU(EMA/NCA), MHRA	서유럽 일부(독·프·스)	북미·영국 선행 → EU 병행	GDPR, 국가별 EC 편차, 원격 SDV 범위	종양·희귀·CNS 확증 2/3상	높음
허가 직결 + 빠른 모집	북미/유럽 + 한국·대만(±싱가포르)	북미/유럽	한국·대만·싱가포르	대만·싱가포르 선행 → 한국·EU 후행	한국 추가 자료 요구 가능성, 다국 언어 문서	대사·종양·면역 2/3상	중간
대규모 샘플 확보	북미/유럽 + 중국	북미/유럽	중국 대형 병원망	북미·EU 선행 → 중국 병행	검체 반출, 데이터 주권, 번역/SOP 현지화	대사·종양 대규모 3상	중간~낮음(현지비용)
예산 효율 + 속도	서유럽 + CEE(폴란드·헝가리·루마니아 등)	일부 서유럽	CEE	CEE 선행 → 서유럽 후행	계약·윤리 심사 리드타임 변동	감염성·정형·내과성 2/3상	낮음
계절 분산/연중 등록	호주/뉴질랜드 + 북반구(미·EU/아시아)	CTN/CTX(호주)	계절 반전 활용	호주 선행 → 북반구 후행	검사·백신 시료 물류, 라벨 차이	호흡기/시즌성 질환 2/3상	중간
초기 탐색·PoC	호주/싱가포르 + 한국/영국	TGA/HSA 사전상담	한국 대형병원, 영국 신속 심의	호주·싱가포르 선행 → 한국·영국 후행	초기 제조/CMC 변경 대응, 브리지 필요	1/2상, 적응증 확장	중간
라벨 확장·브리지	일본 + 한국/대만 + 북미/유럽	PMDA, MFDS, TFDA	한국·대만	일본·대만 선행 데이터 → 북미/유럽 병행	번역·J-GCP 세부요건, 다기관 문서 동기화	아시아 브리지 + 글로벌 라벨	높음
남미를 통한 풀 확장	북미/유럽 + 브라질/아르헨티나	북미/유럽	남미 공공병원	북미·EU 선행 → 남미 후행	윤리·계약 변동, 물류·보상 관행	감염성·소아·면역	낮음
CEE 중심 대규모 등록	CEE(폴란드·루마니아·체코) + 서유럽 스파이크	일부 서유럽	CEE	CEE 선행, 서유럽 검증 사이트 후행	CRA 리소스, 문서 번역 다변화	심혈관·내분비 3상	낮음
중국 상업화 타깃	중국 + 한국/싱가포르 + 선택적 북미/유럽	중국(NMPA)	중국 + 한국	중국 선행 또는 병행, 북미/유럽 브리지	데이터 이전·검체 반출, 라벨 차이	종양·당뇨·희귀(중국 환자풀)

허가 축은 FDA/EMA/MHRA/PMDA 등 심사기관과의 “직결성”을 뜻함.
등록 드라이브는 환자 모집 속도와 병상·네트워크의 실행력을 의미.
선·후행 전략으로 규제 지연·추가 비임상 요구를 흡수하고, LPO 지연을 최소화.
리스크 플래그는 리스크 레지스터에 그대로 넣어 추적 권장(GDPR, 검체 반출, 계약·윤리 변동, 백업 PM).

MRCT에서 지역별 표본수 배분과 일관성 평가 (RegionSizeR)

카이집사_Stats — Sun, 5 Oct 2025 10:35:39 +0900

1) MRCT 개요와 일관성의 필요성

다지역 임상시험(MRCT)은 하나의 프로토콜로 여러 지역(국가·규제권·지리권)에서 동일한 시험을 수행해 허가의 동시 제출과 동시 심사를 가능하게 하는 설계다. 핵심 가치는 효율성에 있다. 다양한 인구집단에서 치료효과를 함께 관찰하고, 분리된 지역별 단독시험을 모으는 방식보다 일정과 접근성에서 유리하다. MRCT의 목표는 두 가지다. 전체 집단에서 유효성을 입증하고, 각 지역에서도 치료효과가 흔들리지 않는다는 일관성(consistency)을 보여주는 일이다. 여기서 일관성은 “지역 간 임상적으로 의미 있는 효과 차이가 없다”는 뜻으로, 평가 가능하도록 설계 단계에서 표본수 배분 계획을 함께 세워야 한다. 사전에 정한 하위집단 통합(풀링)을 활용하면 지역 간 불균형을 줄이고 추정의 정밀도를 높일 수 있다.

2) 지역별 표본수 배분 절차와 전략

표본수 배분은 먼저 전통적인 방법으로 전체 표본수(N)를 확정한 뒤 진행한다. 지역의 정의는 미리 명확히 해두며, 1차 배분은 유병률·등록률·운영상 제약 등을 반영해 초안으로 정한다. 이후 조정 단계에서 지역 간 큰 불균형을 완화하고, 포레스트 플롯의 신뢰구간 폭 등 설명력 관점에서 지역 최소 표본수를 설정한다. 지역을 과도하게 쪼개면 분산이 커지고 해석력이 떨어지므로 실무적으로는 다섯 개 이하로 묶는 편이 안정적이다. 배분 전략 자체는 단일 해법이 아니라 상황에 맞게 조합한다. 지역 규모·유병률에 비례하는 비례 배분, 모든 지역에 같은 수를 주는 동일 배분, 전체 효과의 일정 비율을 각 지역에서도 보존하도록 설계하는 효과 보존, 각 지역에서 통계적 유의성을 달성하도록 설계하는 지역별 유의성, 과학적으로 정당화된 최소 표본수를 고정하는 방식이 대표적이다.

3) 일관성의 정량화: Conditional·Unconditional & Method 1/2

일관성의 정량화는 “각 지역이 충분한 효과를 보일 확률”로 이해하면 직관적이다. 전체 유효성 가정 없이 계산하는 언컨디셔널 확률과, “전체 유효성이 통계적으로 성립”한다는 전제하에 계산하는 컨디셔널 확률이 있으며, 후자가 일반적으로 더 크게 나온다. 수학적 정의는 두 가지 접근이 널리 쓰인다. 첫째, 비율기준형(Method 1)은 특정 지역의 효과가 전체 효과의 일정 비율(예: 50% 이상)을 넘길 확률을 목표치(예: 80% 이상)로 맞추도록 배분한다. 둘째, 임계치형(Method 2)은 각 지역의 효과가 우월성에서는 0 이상, 비열등성에서는 마진(NI) 이상일 확률을 목표치로 맞추도록 배분한다. 우월성 설계에서는 두 접근 모두 자연스럽지만, 비열등성에서는 Method 2가 해석상 더 곧바로 확장된다. Method 1을 기계적으로 비열등성에 적용하면 마진이 사실상 강화되는 효과가 생겨 표본 요구가 과도해지는 등 보수적 결과를 낳을 수 있다.

4) RegionSizeR(2024) 시뮬레이터 활용과 주의점

바이엘이 공개한 RegionSizeR(2024)은 이러한 사고방식을 실무에 연결하는 시뮬레이터다. 전체 표본수가 정해진 상태에서 관심 지역(또는 서브그룹)의 비율을 바꿔 가며 컨시스턴시 확률(컨디셔널·언컨디셔널)을 시뮬레이션으로 산출한다. 연속형·이분형·시간-사건형 지표를 지원하고, 우월성과 비열등성 설계에서 모두 사용할 수 있다. 다만 MRCT의 총 표본수를 계산하는 도구는 아니며, 비열등성에서 Method 1 기반 구현을 그대로 따를 경우 보수적인 결과가 나타나 해석에 주의가 필요하다. 따라서 비열등성 설계에서는 Method 2 논리로 병행 점검해 보는 편이 안전하다. 또 지역 서브그룹에만 국한하지 않고, 질병 아형이나 생물학적 특성 같은 임상적 서브그룹의 목표 규모를 정할 때도 같은 원리를 적용할 수 있다.

https://pubmed.ncbi.nlm.nih.gov/39117938/(RegionSizeR- A Novel App for Regional Sample Size Planning in MRCTs)

5) 결론: 설계–운영 통합과 검증 전략

결국 MRCT의 표본수 배분은 수학적 일관성과 운영 현실을 동시에 다룬다. 프로토콜·통계분석계획서에 지역 정의, 풀링 규칙, 일관성 지표와 임계 기준을 사전에 명시하고, 시뮬레이션으로 정량적 근거를 마련하되 등록률·물류·규제 기대치 같은 정성 요소를 함께 반영해야 한다. 우월성에서는 두 접근이 나란히 유용하고, 비열등성에서는 임계치형(Method 2)을 기본 축으로 삼아 RegionSizeR 등 도구의 결과를 교차 검증하는 태도가 합리적이다. 이렇게 하면 전체 유효성을 확보하는 동시에 지역 간 일관성을 뒷받침할 수 있고, 다지역 허가 전략의 효율성을 실제 데이터로 설명할 수 있다.

FDA 외부 대조군 임상시험 가이드라인(2023) 요약 정리

카이집사_Stats — Tue, 23 Sep 2025 17:08:46 +0900

외부 대조군은 임상시험의 어려운 현실을 반영한 대안적 방법이지만, 그만큼 한계와 위험도 큽니다. FDA는 이를 인정하면서도, 적절한 설계와 분석을 통해 활용할 수 있는 가이드라인을 제시했습니다. 연구자라면 이 지침을 참고하여, 설계 단계부터 “데이터는 믿을 수 있는가? 치료군과 비교 가능한가? 교란은 어떻게 다룰 것인가?”라는 질문에 답을 준비해야 할 것입니다.

FDA Draft Guidance (2023, Considerations for the Design and Conduct of Externally Controlled Trials for Drug and Biological Products) 를 다음과 같이 정리해보았습니다. (우리나라도 곧 가이드라인이 나오겠지요..)

1. 들어가며

신약 임상시험의 가장 확실한 근거는 무작위배정 대조시험(RCT)이지만, 현실적으로 항상 가능하지는 않습니다. 특히 희귀질환이나 윤리적 제약이 있는 상황에서는 무작위 배정이 어렵습니다. 이런 경우 대안으로 사용되는 것이 바로 외부 대조군(Externally Controlled Trial) 입니다.
FDA는 2023년 초, 외부 대조군 활용 시 고려해야 할 사항을 담은 가이드라인 초안(Draft Guidance)을 발표했습니다. 이 문서는 설계·분석·자료 활용 등 전반적인 원칙을 제시하며, 개발자와 규제기관 간의 조기 논의를 권장합니다.

2. 외부 대조군이 필요한 이유

희귀질환: 모집 가능한 환자 수가 적어 RCT가 불가능할 때.
윤리적 한계: 대조군에 위약(placebo)이나 기존 치료를 배정하기 어려울 때.
실무적 제약: 시간, 비용, 환자 모집 문제로 무작위 시험이 어렵거나 불가능할 때.

이런 상황에서 외부 데이터(과거 임상시험, 환자등록자료, 전자의무기록, 보험청구자료 등)를 활용하여 치료군과 비교하는 방법을 고려할 수 있습니다.

3. 설계(Design) 고려사항

(1) 적합성 판단

외부 대조군을 쓰는 것이 과연 적절한가?

데이터에 주요 예후 인자(prognostic factors) 가 포함되어 있는지 확인해야 함.
치료군과 외부 대조군 간의 환자 특성, 시간적 차이, 진단 기준 등이 최대한 일치해야 함.
불측정 교란(unmeasured confounding) 과 같은 한계가 여전히 존재함을 인식해야 함.

(2) 자료 출처

임상시험 데이터, 환자등록, 보험청구자료, 전자의무기록 등 다양한 RWD가 활용 가능.
그러나 자료의 적합성(fit-for-use) 을 반드시 검증해야 하며, 누락이나 오분류 가능성도 고려해야 함.

(3) 모집단 특성의 비교 가능성

치료군과 외부 대조군의 인구학적 특성, 질환 중증도, 동반질환, 치료 이력 등을 비교해야 함.
모집단 간 차이가 클수록 분석에서 교란 가능성이 커지므로, 가급적 비슷한 모집단을 확보해야 함.

4. 분석(Analysis) 고려사항

(1) 사전 분석계획(SAP)

외부 대조군 시험에서는 분석 계획을 사전에 명확히 문서화해야 합니다.
주요 평가변수, 통계 기법, 오류 통제 방식 등을 미리 정의하고, 사후(post-hoc) 분석은 지양해야 합니다.

(2) 교란과 편향

PDF에서는 교란(confounding)과 편향(bias)이 피할 수 없는 문제임을 여러 차례 강조합니다.
예: immortal time bias (불멸 시간 편향) 같은 특정 편향을 언급하면서, 분석 방법을 통해 최대한 줄여야 한다고 설명합니다.
단, PDF에는 구체적으로 “매칭, PSM” 같은 방법명이 나열되지는 않고, “analytic methods to reduce the impact of such bias” 라는 포괄적 표현을 사용합니다.

(3) 결측자료(missing data)와 오분류(misclassification)

외부 데이터는 진료 환경에서 수집되므로, 결측치가 흔합니다.
따라서 적절한 결측치 대체 전략과 민감도 분석이 필요합니다.
진단, 결과 측정 등이 잘못 기록되는 오분류 위험도 고려해야 합니다.

5. FDA와의 협의

FDA는 연구자가 외부 대조군 설계를 고려하는 경우, 초기 단계에서 사전 미팅(pre-IND, EOP2 등) 을 통해 논의할 것을 권장합니다.
논의 주제:

6. 시사점

이 가이드라인은 외부 대조군을 무작정 허용하는 것이 아니라, 과학적 타당성과 자료의 신뢰성을 확보하는 조건부 허용 원칙을 강조합니다.

희귀질환, 종양학 분야처럼 RCT가 어려운 상황에서 활용도가 높음.
그러나 근본적인 한계(불측정 교란, 시간적 차이, 자료 품질 문제)를 감안할 때, RCT의 대체재라기보다 보완적 근거로 활용될 가능성이 큼.
연구자는 설계 단계에서부터 FDA와 충분히 논의하고, 분석계획을 명확히 남겨야 규제 당국의 신뢰를 얻을 수 있습니다.

7. 마무리

FDA의 이번 가이드라인은 외부 대조군 임상시험에 대한 첫 종합적 가이드라인입니다.

데이터 품질 확인
비교 가능성 확보
교란과 편향 최소화
사전 협의와 투명한 분석계획

이 네 가지가 핵심 메시지라 할 수 있습니다.

출처: https://www.fda.gov/media/164960/download

비만 개선 디지털치료기기임상시험 지침서 요약

카이집사_Stats — Thu, 18 Sep 2025 17:12:59 +0900

1. 개요

디지털치료기기(DTx)는 모바일 앱, 웨어러블, AI 등을 활용해 근거 기반 치료적 개입을 제공하는 소프트웨어 의료기기임.
비만 치료에 적용되는 디지털치료기기는 기존 약물·수술적 치료의 한계를 보완할 수 있는 새로운 치료 수단으로 주목됨.
본 지침서는 비만 개선 디지털치료기기의 임상시험 계획 수립 시 고려해야 할 원칙과 절차를 제시 (2024년 11월 개발)

2. 적용 범위

품목: 「의료기기 품목·등급 규정」상 인지치료 소프트웨어(2등급, E06060.02)에 해당.
대상: 성인(만 19세 이상)을 기본으로 하나, 필요시 소아·노인으로 확대 가능.
향후 VR/AR, 생성형 AI 등 신기술이 적용될 경우 지침 개정 가능.

3. 비만 치료 개요

비약물치료: 식사요법, 운동요법, 행동수정치료(생활습관 개선).
약물치료: 비약물치료 실패 시 BMI ≥25 kg/m²에서 고려.
수술치료: BMI ≥35 kg/m² 또는 동반질환 동반 BMI ≥30 kg/m² 이상에서 고려.
디지털치료기기는 주로 행동수정치료 기반의 프로그램 형태로 개발됨.

4. 디지털치료기기 현황

정의: 환자에게 치료적 개입을 제공하는 소프트웨어 의료기기(SaMD).
국제 동향: ISO(TR 11147:2023)에 따라 치료·완화를 위한 의료 소프트웨어로 규정.
국외 사례:
- Noom (미국) – 인지행동치료 기반, 체중·당뇨 예방 프로그램.
- Zanadio (독일) – 생활습관 개선 프로그램, 독일 DiGA 제도에 따른 승인.

5. 연구 설계 원칙

기본적으로 무작위배정 대조군 연구(RCT)를 원칙으로 한다.
연구 제목에는 PICO(Patient, Intervention, Comparator, Outcome)가 명시되도록 한다.
예시: “비만 진단환자의 증상 개선을 위해 사용되는 ○○○ 디지털치료기기의 안전성 및 유효성을 평가하기 위한 전향적 무작위 비교 임상시험”

6. 연구대상자 선정 및 제외 기준

선정 기준: 만 19세 이상 성인, BMI 25~40, 디지털 기기 활용 가능, 자발적 동의자
제외 기준: 주요 내과적·정신질환, 최근 체중감소 경험, 병행 약물·수술 치료, 기타 연구자가 부적절하다고 판단하는 경우

7. 중재(Intervention)

식약처 안전성 문서 기준 확장 적용
기재 항목: 원재료, 구성품, 모양 및 구조, 주요 기능
환자가 수행해야 하는 사용 빈도, 주기, 기간을 명시

8. 작용 기전(Mechanism of Action)

인지행동치료(CBT) 기반 행동변화 기술을 활용
적용 기술: 지식 제공, 피드백 모니터링, 목표 설정, 사회적 지지, 습관화 등
COM-B 모델(Capability, Opportunity, Motivation)과 연계

9. 비교군 설정(Comparator)

Sham Device: 핵심 기능을 제거한 기기로 눈가림(blinding) 가능
기타 대안: 표준치료, 동일 목적의 다른 디지털치료기기, 무처치군, 대기자군

10. 맹검(Blindness)

단일 맹검을 기본으로 하되, Sham device 활용 시 이중 맹검 가능
맹검 유지 여부는 기대치 조사 등으로 평가

11. 표본 수 산정(Sample Size)

선행 메타분석 결과, 효과크기 0.4~0.5 수준
유의수준 0.05, 검정력 0.8, 탈락률 30% 고려
효과크기 0.4: 군당 141명, 효과크기 0.5: 군당 91명 필요

12. 평가 변수(Outcomes)

Primary outcome: 체중 변화
Secondary outcomes:
- 신체활동(IPAQ)
- 허리둘레(줄자)
- 체지방률(BIA)
- 식사태도(KEAT-26)
- 삶의 질(SF-36)
기타 outcomes: 순응도, 이상반응

13. 통계 분석(Statistical Analyses)

Full Analysis Set(FAS), Intention-to-Treat(ITT) 원칙 적용
T-test를 이용하여 체중 변화량 평균 비교
필요 시 선형 혼합효과모형(linear mixed-effect model) 적용
임상적으로 유의한 체중 변화: ≥5% 체중감소 또는 평균 ≥5kg 감소

14. 민감도 분석(Sensitivity Analyses)

ITT 분석 이후 Per-protocol analysis, Sub-group analysis 수행
순응도를 충족한 대상자만 포함한 Per-protocol 분석을 통해 결과 강건성 평가

15. 주요 참고자료(Main Resources)

국내외 비만 관련 Clinical Practice Guideline
Digital Health Behavior Change Intervention 관련 임상시험 논문
의료기기법 시행규칙
식약처 디지털치료기기 허가심사 가이드라인
SPIRIT, CONSORT 국제 지침

16. 참고문헌

Ang SM, et al. Effectiveness of mobile-based weight management programs: A systematic review and meta-analysis. 2021.
Berry R, et al. Internet-based cognitive behavioral therapy for weight reduction: A meta-analysis. 2021.
Carraça E, et al. Digital interventions for weight management in adults: A systematic review. 2021.
SPIRIT Group. Standard Protocol Items: Recommendations for Interventional Trials.
CONSORT Group. Consolidated Standards of Reporting Trials.
식품의약품안전처. 디지털치료기기 허가심사 가이드라인.
의료기기법 시행규칙.
국내외 비만 관련 Clinical Practice Guidelines.

대한디지털치료학회 사이트를 방문하면 디지털 기기를 이용한 경도인지장애 개신 DTx 임상시험지침서도 함께 확인 가능하다.

임상연구 개요

카이집사_Stats — Sun, 14 Sep 2025 20:56:59 +0900

의학과 보건의료 정책은 근거중심의학(Evidence-Based Medicine, EBM)을 기반으로 합니다. 근거를 생산하는 핵심 과정이 바로 임상연구(Clinical Research)이며, 연구 설계와 임상시험 단계에 따라 근거의 신뢰도와 활용 범위가 달라집니다.

임상연구는 단순히 학술적 성과를 위한 것이 아니라, 환자의 치료 선택·안전 관리·국가 보건 정책·신약 허가와 급여 결정 등 실질적인 보건의료 의사결정에 직접 연결됩니다. 따라서 연구자에게는 단순 설계 이해를 넘어, 국제 가이드라인(ICH, FDA, EMA)과 국내 규제 체계(MFDS, KGCP)까지 포괄하는 종합적 이해가 필요한데,임상연구 개요에 대해서 전반적인 정리 요약을 해보았습니다.

1. 임상연구의 분류

임상연구는 크게 관찰적 연구(Observational Studies)와 실험적 연구(Experimental Studies)로 구분됩니다.

1.1 관찰적 연구

연구자가 개입하지 않고 데이터를 관찰·분석하는 연구입니다. 질병 유병률 파악, 위험요인 탐색, 가설 생성에 적합합니다.

증례보고 / 증례군 연구 (Case Report / Case Series)
- 단일 환자 또는 소수 환자 사례를 보고
- 희귀 질환·신약 부작용 탐지에 활용
- 보고 시 CARE 지침 활용【1】
단면연구 (Cross-sectional Study)
- 특정 시점에서 집단을 조사
- 질병 유병률, 위험요인 분포 파악
코호트 연구 (Cohort Study)
- 집단을 추적하여 질병 발생률 비교
- 상대위험도(RR), 위험비(HR) 산출 가능
- 장점: 시간적 인과관계 규명 가능
- 한계: 비용·시간 소요, 추적손실 가능
환자 대조군 연구 (Case-control Study)
- 질병군과 비질병군 비교
- 교차비(OR) 산출에 적합
- 빠르고 효율적이나, 회상편향·선택편향 위험
생태학적 연구 (Ecological Study)
- 집단 단위 데이터 활용
- 생태학적 오류(ecological fallacy) 주의 필요

관찰연구 보고에는 STROBE 지침이 국제적으로 활용됩니다【2】.

1.2 실험적 연구

연구자가 직접 개입하여 중재 효과를 검증합니다.

무작위 대조시험 (Randomized Controlled Trial, RCT)
- 무작위 배정, 대조군, 눈가림(blinding)을 통해 편향 최소화
- 임상 근거의 “골드 스탠다드”
- 보고 시 CONSORT 지침 활용【3】
교차연구 (Cross-over Trial)
- 동일 피험자에게 순차적으로 여러 치료 적용
- 개인 내 변동 통제 가능
- 단, carry-over effect 고려 필요

2. 임상시험 단계와 국제 가이드라인

임상시험은 일반적으로 1상 → 2상 → 3상 → 4상 구조로 진행됩니다.

1상 (Phase I)

목적: 안전성, 약동학(PK), 약력학(PD) 평가
대상: 건강한 지원자 20~80명
가이드라인:
- ICH E6 (GCP): 피험자 안전 보장
- EMA First-in-Human Guideline (2017)【8】
- FDA Early Phase Studies Guidance

2상 (Phase II)

목적: 용량 탐색, 초기 유효성·안전성 검증
대상: 수십~수백 명 환자
가이드라인:
- ICH E4 (Dose-Response Studies)【9】
- FDA Adaptive Design Guidance (2019)【14】
- EMA Small Population Trials Guideline (2006)【10】

3상 (Phase III)

목적: 효과와 안전성 확증, 허가용 근거 생성
대상: 수백~수천 명 환자, 다국가·다기관 연구
가이드라인:
- ICH E9 (Statistical Principles)【5】
- FDA Estimand Addendum (2021)
- EMA Non-inferiority Margin Guideline (2005)【11】

4상 (Phase IV)

목적: 시판 후 장기 안전성·부작용 감시, RWE 축적
대상: 실제 임상 환경 환자군
가이드라인:
- ICH E2E (Pharmacovigilance Planning)【12】
- FDA Postmarketing Studies Guidance (2011)【15】
- EMA Good Pharmacovigilance Practices (GVP, 2012)【13】

3. 임상시험 제도

KGCP (Korea Good Clinical Practice)
- 「약사법」 및 식약처 고시에 근거
- 국제 ICH-GCP와 원칙 일치
IRB 제도
- 「생명윤리 및 안전에 관한 법률」 근거
- 최근에는 공용 IRB 제도로 다기관 연구 효율성 제고
식약처 가이드라인
- 임상시험 및 BE 시험 세부 지침 제공
- 제네릭 허가용 MFDS BE Guideline은 EMA/FDA와 조화【4,6,7】

4. 생물학적 동등성시험 (BE Study)

목적: 제네릭과 오리지널 약물의 동등성 검증
평가 항목: AUC, Cmax
설계: 무작위 교차설계 cross-over design 권장
통계 기준: 90% CI가 80~125% 내 존재 시 동등성 인정
국제 동향:
- EMA Guideline (2010, 개정 2018)【6】: 고변동 약물에 특수 설계 적용 (replicate design)
- FDA Guidance (2014)【7】: reference-scaled average BE 도입

5. 연구 보고 지침 (Reporting Guidelines)

연구 보고는 설계와 동일하게 중요합니다.

CARE: 증례보고【1】
STROBE: 관찰연구【2】
CONSORT: RCT【3】
PRISMA: 체계적 문헌고찰【16】
SPIRIT: 임상시험 프로토콜【17】
MFDS/EMA/FDA BE Guidelines: BE 시험 보고【4,6,7】

Appendix. 임상연구 보고 지침 요약표

연구 유형 가이드라인 주요 내용

연구유형	가이드라인	주요내용
증례연구	CARE	단일 환자·사례군 보고 기준【1】
관찰연구	STROBE	연구대상·변수 정의·교란 요인 보고【2】
무작위 대조시험	CONSORT	무작위 배정·눈가림·탈락자 보고【3】
체계적 문헌고찰	PRISMA	검색·선택·분석·결과 보고【16】
임상시험 프로토콜	SPIRIT	연구 프로토콜 표준화【17】
임상시험	MFDS/EMA/FDA /ICH	MFDS/EMA/FDA /ICH
생물학적 동등성시험	MFDS/EMA/FDA BE Guideline	PK 지표(AUC, Cmax), 80~125% 범위【4,6,7】

참고문헌

Gagnier JJ, Kienle G, Altman DG, Moher D, Sox H, Riley D; CARE Group. The CARE guidelines: consensus-based clinical case reporting guideline development. J Clin Epidemiol. 2014;67(1):46-51.
von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP; STROBE Initiative. The STROBE statement: guidelines for reporting observational studies. Lancet. 2007;370(9596):1453-7.
Schulz KF, Altman DG, Moher D; CONSORT Group. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMJ. 2010;340:c332.
MFDS. Guideline on Bioequivalence Studies of Generic Products. Cheongju: MFDS; 2014 [cited 2025 Sep 14].
ICH. ICH Harmonised Guideline: Statistical Principles for Clinical Trials E9(R1). Geneva: ICH; 2019.
EMA. Guideline on the investigation of bioequivalence. London: EMA; 2010 [updated 2018].
FDA. Bioavailability and Bioequivalence Studies Submitted in NDAs or INDs — General Considerations. Silver Spring, MD: FDA; 2014.
EMA. Guideline on strategies to identify and mitigate risks for first-in-human and early clinical trials. London: EMA; 2017.
ICH. Dose-Response Information to Support Drug Registration E4. Geneva: ICH; 1994.
EMA. Guideline on clinical trials in small populations. London: EMA; 2006.
EMA. Guideline on the choice of the non-inferiority margin. London: EMA; 2005.
ICH. Pharmacovigilance Planning E2E. Geneva: ICH; 2004.
EMA. Guideline on good pharmacovigilance practices (GVP). London: EMA; 2012.
FDA. Adaptive Designs for Clinical Trials of Drugs and Biologics. Silver Spring, MD: FDA; 2019.
FDA. Postmarketing Studies and Clinical Trials — Implementation of Section 505(o)(3). Silver Spring, MD: FDA; 2011.
Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71.
Chan AW, Tetzlaff JM, Altman DG, Laupacis A, Gøtzsche PC, Krleža-Jerić K, et al.; SPIRIT Group. SPIRIT 2013 statement: defining standard protocol items for clinical trials. Ann Intern Med. 2013;158(3):200-7.

Conditional Power

카이집사_Stats — Fri, 29 Aug 2025 17:39:01 +0900

Conditional Power란?

Conditional Power는 “지금까지의 중간 데이터를 기반으로, 계획된 임상시험 종료 시에 통계적 유의성을 얻을 확률”을 의미한다.
즉, 앞으로 계속 연구를 진행했을 때 성공할 가능성이 얼마인가? 를 확률로 보여주는 지표다.
중간분석 시점에서 다음 두 가지를 비교해 계산한다:

예: 중간에 계산한 CP가 10%라면 → 지금 추세로 끝까지 가도 성공 확률이 매우 낮다는 의미 → 연구 중단(futility) 고려 가능
반대로 CP가 90%라면 → 충분히 성공 가능성 높으니 계속 진행하는 것이 합리적

⏳ 중간분석 시 ‘시험 중단’ 결정이 왜 어려운가?

임상시험은 원래 하나의 가설 아래 전체 기간을 두고 설계된 것.
그런데 중간에 “계속할까 말까”를 판단하려면 Type I error(α) 를 조절해야 함 → 여러 번 들여다보면 거짓 양성(false positive) 위험 증가

그래서 등장한 것이 바로 Alpha Spending Function (ASF)

Alpha Spending Function이란?

전체 허용되는 유의수준 α (예: 0.05) 을 여러 번의 중간분석에 “쪼개서 사용(spend)” 하도록 설계하는 도구
“중간에 쓰는 α의 양(spent alpha)”만큼 끝에서 쓸 수 있는 α는 줄어든다 → 전체 임상시험의 Type I error를 보호하는 역할

대표적인 ASF 방식:

Spending 방식	특징
Pocock	중간·최종 모두 동일한 기준을 적용(보수적)
O’Brien-Fleming	초기에 매우 엄격, 후기로 갈수록 느슨
Lan-DeMets	유연하게 다양한 ASF를 근사 가능

Conditional Power × Alpha Spending Function

Conditional Power는 “지금까지의 추세”를 기반으로 연구 진행 가치(futility) 를 판단하는 반면,

Alpha Spending Function은 “중간분석을 하더라도 전체 오류율을 통제” 하기 위한 통계적 안전장치이다.

두 개념은 다음과 같이 함께 사용된다:

중간분석 시점 도달
ASF에 따라 중간효과에 대한 boundary(중단 기준) 를 정함
Boundary 사이에 있으면 → 계속 진행 → 이때 CP를 참고하여 향후 성공 가능성 예측

정리하면

역할	Conditional Power	Alpha Spending Function
핵심질문	“앞으로 성공 확률은?”	“Type I error는 잘 지키고 있나?”
사용목적	futility 판단	interim boundary 결정
결과	성공가능성 예측	중단 기준 제시

✏️ 정리

Conditional Power는 임상시험 중간분석 시점에서 “지금까지의 데이터 추세로 연구를 계속했을 때, 계획된 종결 시점에 성공적인 결과를 얻을 확률”을 의미한다.

반면 Alpha Spending Function은 반복적인 중간분석 과정에서 전체 1종 오류율(Type I error)을 억제하기 위해 전체 유의수준 α를 일정한 규칙에 따라 분배(spend)하는 방법론이다.

Conditional Power는 임상시험을 중단할지 계속할지를 ‘성공가능성 관점’에서 판단하는 지표이고, ASF는 중간분석 과정 자체가 최종 통계적 유효성에 영향을 미치지 않도록 보호하는 규칙이라 할 수 있다.

실제 임상시험에서는 ASF에 따라 중간효과에 대한 중단 경계(boundary)가 설정되고, 해당 범위 내 결과를 얻을 경우 Conditional Power를 참고하여 연구의 향후 진행 여부를 결정하게 된다.

Alpha-spending function

카이집사_Stats — Tue, 19 Aug 2025 20:07:56 +0900

Alpha Spending Function이란 무엇인가?

임상시험에서 중간분석(interim analysis)은 매우 중요한 역할을 한다.

시험 도중에 데이터를 미리 살펴보고,

효과가 매우 좋으면 조기 종료하여 빠르게 치료를 환자에게 제공하고,
효과가 없거나 부작용이 크면 중단해 환자 안전을 지키고 자원을 아끼는 것이 가능하다.

하지만 이때 생기는 문제는 Type I error (거짓양성 오류)의 증가이다.
한 번만 분석한다면 α = 0.05일 때 5%의 오류만 허용하면 되지만,
중간에 “여러 번” 테스트를 하면 → 우연히 효과가 있는 것처럼 보일 확률이 누적되어 전체 오류율이 0.05를 넘겨버릴 수 있다.

그래서 고안된 개념이 Alpha Spending Function (α 분배 함수)이다.
이는 전체 α를 시험 기간에 따른 정보량(information fraction) 또는 시간(t)에 따라 “얼마나 사용할지” 미리 정의하는 수학적 함수이다.

어떤 경우에 사용되는가?

Alpha spending function은 다음과 같은 적응형(adaptive) 임상시험 설계에서 사용된다:

사용 상황	목적
치료 효과를 빠르게 파악하고 싶을 때	효능이 압도적이면 조기 승인 가능
무의미한 시험 지속을 줄이고 싶을 때	중간에 효과 없음을 확인 후 종료
샘플 수를 중간에 수정(Unblinded SSR)해야 할 때	Type I error inflation을 통제하기 위한 도구
Multi-stage adaptive design	각 분석 시점에 사용 가능한 α를 미리 배분

즉, 임상시험 데이터를 길게 들여다보면서 설계나 분석을 유연하게 바꾸고 싶을 때 필수적인 장치이다.

대표적인 α Spending 방법 3가지

방식	α 분배특징	경계(boundary) 성격	대표적 사용 목적
O’Brien–Fleming (OBF)	초기에 아주 적게, 후기에 많이	매우 보수적	효과가 매우 강한 경우에만 조기 종료하고 싶을 때
Pocock	골고루 일정하게 분배	공격적	중간에 멈출 확률을 높이고 싶을 때
Hwang–Shih–DeCani (HSD)	파라미터 γ로 형태 조절 가능	유연함	시험 특성에 맞게 OBF~Pocock 사이 조절하고 싶을 때

HSD 방식의 경우 γ=-4 이면 OBF와 비슷, γ=0이면 Pocock과 비슷하다고 보면 된다.

R 코드 예제 (gsDesign 패키지)

아래는 전체 α=0.05, 중간분석 2회 + 최종분석 1회 (총 3회 분석)를 가정한 코드이다.

# install.packages("gsDesign")  # 처음 한 번만 설치
library(gsDesign)

###############################################################################
# 1. O’Brien–Fleming 방식
###############################################################################
design_obf <- gsDesign(k = 3,
                       alpha = 0.05,
                       sfu = "OF")
print(design_obf)


###############################################################################
# 2. Pocock 방식
###############################################################################
design_pocock <- gsDesign(k = 3,
                          alpha = 0.05,
                          sfu = "Pocock")
print(design_pocock)


###############################################################################
# 3. Hwang–Shih–DeCani 방식 (gamma = -2 예시)
#    gamma = -4 → 더 보수적(OBF 쪽), gamma = 0 → Pocock 유사
###############################################################################
design_hsd <- gsDesign(k = 3,
                       alpha = 0.05,
                       sfu = "HSD",
                       sfupar = -2)
print(design_hsd)

출력 해석 방법

각 분석 시점마다 Nominal p-value 또는 Z-boundary가 출력되는데, 이는 “이 시점에서 조기 종료하려면 Z값이 얼마를 넘어야 하는지를 알려주는 기준”이다.

OBF: 1차 분석 Z>3.4 → 매우 어렵다 → 후반으로 갈수록 완화
Pocock: 세 번 모두 Z≈2.2 → 훨씬 쉽게 멈출 수 있음
HSD: γ값에 따라 중간적 성격 띔

⚙ 실제 설계 시 고려사항

윤리성 vs 통계적 엄밀성의 균형이 중요 → 초기에 멈추고 싶은지, 후반까지 보고 싶은지에 따라 spending 함수 선택
시험 계획 단계에서 미리 spending function 공개/등록해야 함 (ClinicalTrials.gov, SAP 등)
샘플 수 재조정(adaptive SSR; adaptive sample size recalculation)이 동반된다면 spending approach를 사용해 오류율 보정 필요

✅ 요약

Alpha spending function은 중간분석을 포함하는 임상시험에서 전체 Type I error(보통 α=0.05)를 보존하기 위해, 분석 시점별로 α를 어떻게 사용할지 미리 정하는 통계학적 도구이다.
OBF, Pocock, HSD 등 여러 방식 중 시험 목적에 맞게 선택하며, R 등의 소프트웨어로 boundary 계산이 가능하다.

Appendix.

1. SOP에 기술하는 예시 문구

중간분석 및 오류율 통제 절차

본 시험은 총 3회(2회 중간분석 및 1회 최종분석)의 group-sequential design을 적용한다.
전체 1종 오류(type I error) α=0.05를 유지하기 위해 O’Brien-Fleming alpha spending function을 적용하며, 분석 시점별 경계값(boundary)은 통계분석계획서(SAP)에 정의한다.
중간분석 시점에서 경계값을 초과한 경우, PI 및 DSMB에 결과를 보고하고 시험 중단 또는 지속 여부를 논의한다.
모든 분석은 gsDesign 패키지로 사전 계산된 경계값에 따라 수행하고, 임시 결과(interim data)는 DSMB 외 누구에게도 공개하지 않는다.

2. SAP에 기술되는 보다 구체적인 예시

5.0 Interim Analyses and Alpha Spending Plan

A two-look interim monitoring procedure will be used (information fractions at 0.33 and 0.67), followed by a final analysis at 1.0 information fraction.
A Lan-DeMets O’Brien-Fleming type α-spending function will be applied to control the overall one-sided type I error at 0.025.

Planned Z-boundaries (two-sided):

Analysis # Information fraction Nominal α Z Boundary

Interim 1 0.33 0.00047 3.47

Interim 2 0.67 0.01413 2.45

Final 1.00 0.02295 2.00

If the test statistic crosses the upper boundary at any interim, early termination for efficacy will be recommended to the DSMB.
If not, the trial will continue without modification of the nominal α at subsequent looks.
All calculations were generated using the gsDesign package in R version 4.3.0 and will be reproduced in the locked statistical programming code.

임상시험에서의 중간분석

카이집사_Stats — Mon, 18 Aug 2025 18:56:05 +0900

임상시험의 중간분석(Interim Analysis)은 시험이 모두 끝나기 전에 일정 시점에서 데이터를 한 번 들여다보고, 시험을 계속 진행할지 또는 방향을 바꿀지를 판단하는 절차입니다. 최근 임상연구에서 “비용과 시간의 낭비를 줄이고, 환자에게 더 안전하고 효과적인 치료옵션을 제공하려는 목적”으로 중간분석을 도입한 적응형 설계(adaptive design)의 활용이 증가하고 있습니다.

중간분석이란?

임상시험 기간 중 사전에 정해놓은 시점에 중간 데이터를 분석하여 다음과 같은 의사결정을 내리기 위한 통계적 절차입니다.

목적예시	Action
✅ 효과가 명확히 좋음	조기 성공 선언 (시험 조기 종료)
✅ 효과 없음·부작용 큼	조기 종료(futility 또는 safety stop)
✅ 애매한 경우	표본수 늘림, 용량조정 등 설계 수정 (adaptive)

왜 필요한가?

자원 절감: 효과가 없을 시험을 일찍 중단하여 비용·시간 절약
윤리적 측면: 치료 효과가 명확하다면 위약군에 계속 배정하는 비윤리성 방지
유연성: 예측과 달랐던 상황에 맞게 시험 디자인을 적응적으로 조정(adapt)

⚙️ 중간분석의 주요 도구

개념	역할
알파 스펜딩 함수 (alpha-spending)	중간에 데이터를 여러 번 보더라도 1종 오류율(α)을 넘기지 않게 분배하는 장치
조건부 검정력 (conditional power)	“지금까지 축적된 데이터 패턴이 계속된다면 성공할 확률” → 시험 지속/수정 여부 판단 지표
표본 수 재계산 (sample size recalculation)	중간분석 결과에 따라 필요한 표본 수를 늘리거나 줄임으로써 검정력을 다시 확보

⚖️ 중간분석의 장단점

구분	장점 ✅	단점 ⚠️
시간·비용 측면	효과 없는 연구를 조기 종료 → 자원 절약	설계 복잡도 증가 → 운영·모니터링 비용 증가
윤리성 측면	위약군 지속 노출 방지, 효과 있는 치료 조기 제공 가능	지나치게 잦은 중간판단 시 통계적 오류 위험
통계학 측면	알파스펜딩·조건부 파워 등을 통해 Type I error 통제 가능	사전계획 없이 설계 변경하면 FDA 승인 거절 가능
개발 전략 측면	적응적 표본수 재계산 → 성공 확률 증가	원래 가정과 달라질 수 있어 결과 해석 어려움

Seamless Design (2/3 phase design) 임상시험에서 Sample Size Re-estimation

카이집사_Stats — Fri, 8 Aug 2025 10:40:10 +0900

임상시험 설계에서 adaptive design은 점점 보편화되고 있습니다. 그 중에서도 seamless phase 2/3 design은 효율성과 유연성을 동시에 확보할 수 있는 방식입니다.

그런데 간혹, 1단계 후 sample size 재산정(sample size re-estimation, SSR) 을 적용했을 때 중간 분석 결과로 인해 대상자 수를 줄여도 되는지에 대해 질문이 있어 정리해보았습니다.

1. Seamless design이란?

Seamless design은 임상시험의 두 단계를 별도로 진행하는 대신, 1단계(탐색적 목적)와 2단계(확증적 목적)을 연속적으로 통합하는 설계입니다. 예를 들어, 1단계에서는 치료 효과를 탐색하고, 2단계에서는 그 효과를 확증하게 되며, 데이터는 통합되어 최종 분석에 사용될 수 있습니다.

이 seamless design이 adaptive하다는 것은, 1단계 데이터를 바탕으로 2단계 설계를 유연하게 조정할 수 있다는 뜻입니다. 대표적인 조정 항목은 다음과 같습니다.

샘플 수 재산정 (Sample Size Re-estimation, SSR)
투약군 선택 (Treatment arm selection)
환자 하위군 조정 (Subgroup refinement)

2. Sample size re-estimation의 목적은?

샘플 수 재산정(SSR)은 다음과 같은 상황에 사용됩니다:

치료 효과의 크기가 불확실하거나,
베이스라인의 분산(variance)이 예상보다 다를 때,
목표한 검정력(power, 예: 80%)을 확보하기 위해 필요한 최적의 대상자 수를 중간 분석 후 보정하고자 할 때

SSR은 통상적으로 blinded 또는 unblinded 방식으로 시행되며, 이 글에서는 unblinded SSR(중간 효과 추정치를 사용하는 경우)을 전제로 설명합니다.

3. 시나리오: 1단계에서 대상자 수가 예상보다 적게 나왔을 때

많은 분들이 궁금해하는 부분은 바로 이것입니다.

“원래 설계에서는 N=300명이었는데, 1단계 결과를 반영한 sample size re-estimation 결과 N=220명만 있어도 충분하다고 나왔습니다.
이 경우, 대상자 수를 줄여서 진행해도 될까요?”

✅ 정답: 조건부로 가능합니다.

하지만 다음 조건들을 충족해야 합니다:

1) 통계적 검정력(power)이 충분한가?

재산정된 대상자 수로 1차 평가변수에 대한 검정력이 설계 시 목표(예: 80%)를 충족하는 것이 확인되어야 합니다.
이때 사용하는 중간 분석의 효과 추정치는 보수적으로 해석되어야 하며, 과도하게 낙관적인 추정치를 사용하면 오류 위험이 증가할 수 있습니다.

2) 독립적인 통계 위원회(DSMB 또는 IRC)를 통해 객관성이 보장되었는가?

중간 분석 및 sample size 조정은 시험 담당자와 독립된 통계 위원회에서 시행해야 하며, 최종 분석 시 Type I error(제1종 오류) 통제가 유지되어야 합니다.
중간 분석 시 코드가 연구자 및 실무자들에게 어떻게 깨지지 않고 진행가능한지도 프로토콜에 소명되어야 합니다.

3) Regulatory guidance 준수 여부

FDA, EMA, MFDS 모두 pre-specified SSR plan을 요구합니다.
문서 제출 전 규제기관과 사전미팅을 통해서 정리하여 프로토콜에 계획을 명시하고 SAP 에 과정을 명시합니다.
즉, 사전에 통계분석계획서(SAP)나 프로토콜에 SSR의 목적, 시점, 분석 방법, 조정 기준 등이 명시하여 계획된대로 시행됨을 근거로 남겨야 하며, 사후에 임의로 변경하는 것은 허용되지 않습니다.

4) Seamless design에서 interim data를 final analysis에 포함하는 경우 적절한 통계적 보정 적용

Seamless design은 interim data(1단계)와 confirmatory data(2단계)를 합쳐서 최종 분석하므로, Type I error inflation을 방지하기 위한 조정(예: combination test, Cui-Hung-Wang method 등)이 반드시 필요합니다.

✅ 요약 정리

과거에는 규제기관이 sample size recalculation(SSR)을 통해 대상자 수가 줄어드는 상황에 대해 다소 부정적인? 시각을 갖고 있었다고 합니다. 초기 대상자 수는 기존 문헌이나 선행 (확증) 연구 결과를 기반으로 산정된 것이기 때문에, 그보다 적은 수로 연구를 마무리하는 것에 대한 우려가 있었던 것입니다.

그러나 seamless design에서는 실제 시험 약물 데이터를 활용한 중간분석 결과를 바탕으로 대상자 수를 재산정하기 때문에, 초기 추정보다 줄어든 대상자 수라 하더라도 그 타당성과 과학적 근거가 인정됩니다. 특히 탐색적 데이터를 기반으로 한 재산정이라는 점에서 해당 약물과의 연관성도 높게 평가될 수 있습니다.

이러한 이유로 최근에는 SSR 결과 대상자 수가 줄어드는 경우에도 사전에 명확하게 계획하고, 합리적인 근거가 충분히 있을 경우, 규제기관에서도 수용 가능하다는 인식이 확산되고 있습니다.

규제기관과 임상설계 논의할 때는 통계학자 대 통계학자로 ...

항목	설명
설계 방식	Adaptive design 중 seamless design (2/3 phase)
중간 조정 항목	Sample size re-estimation (SSR)
상황	중간 분석 결과, 예상보다 적은 수의 대상자로도 충분한 검정력 확보 가능
최종 대상자 수 축소 가능 여부	가능하나, 조건부
핵심 조건	① 검정력 충족 ② Type I error 통제 ③ 사전 계획된 SSR ④ 독립성 보장

Analysis #	Information fraction	Nominal α	Z Boundary
Interim 1	0.33	0.00047	3.47
Interim 2	0.67	0.01413	2.45
Final	1.00	0.02295	2.00