⏱️ 중간개입이 있는 생존자료, SNFTM으로 분석하는 법

📘 지난 글 복습: G-estimation이란? 지난 글에서 우리는 G-estimation에 대해 살펴보았다. 단순한 회귀나 PSM, IPW 방식으로는시간에 따라 변하는 혼란변수(time-varying confounder)를 다룰 수 없다는 한계가 있었고,G-estimation은 그런 구조에서인과효과를 식별할 수 있는 구조적 접근 방식임을 배웠다.‘개입이 없었을 경우’를 가정한 반사실(counterfactual)을 추정하여, 특히, 반복적으로 치료가 이루어지고,이전 상태가 다음 치료 결정에 영향을 주는 구조에서G-estimation은 매우 강력한 도구였다. 🕰️ 그런데… 결과가 ‘생존 시간’이라면? 문제는,우리가 다루는 결과가 단순한 binary outcome이 아니라시간이 흐르며 발생하는 even..

• format_list_bulleted 인과추론
• · 2025. 8. 5.
• textsms

📌 중간개입이 있는 관찰연구, G-estimation으로 분석하는 법

📌 G-estimation: 인과추론의 숨은 강자 한 환자가 있다.1년 동안 병원에 여러 번 방문하면서→ 의사는 그때그때 건강 상태를 보고 약을 조절한다.→ 약을 먹으면 건강 상태도 달라진다. 이 말은,약이 건강에 영향을 주고,건강 상태는 다시 약을 결정짓는 기준이 된다. 즉, 건강 상태(혹은 검사 수치)가결과에도, 치료 결정에도 영향을 주는 변수인 것이다. 🌀 이걸 왜 단순하게 분석하면 안 될까? 단순히 “약을 먹은 사람 vs 안 먹은 사람” 비교하면 헷갈린다. 건강 상태가 나쁜 사람일수록 약을 더 많이 먹고,약은 건강을 개선하려 하니까,두 효과가 뒤엉켜서 약의 ‘진짜 효과’를 구분하기 어렵다. 🔥 바로 이런 상황에서 필요한 게 G-estimation이다 G-estimation은 이렇게 ..

• format_list_bulleted 인과추론
• · 2025. 8. 3.
• textsms

[보건이슈🔍] 2025년 07월 - 이달의 보건이슈 💫

2025년 7월 글로벌 보건 위기: TOP 10 이슈 시스템 붕괴부터 기후 변화, 감염병 재확산까지 1. 시스템의 균열: 보건의료 체계의 위기 글로벌 보건 인력 대란 세계보건기구(WHO)는 2030년까지 전 세계적으로 필수 보건 인력이 심각하게 부족할 것이라고 경고합니다. 이는 보편적 의료 보장 달성에 큰 장애물입니다. 2030년 예상 부족 인력 1,110만 명 특히 아프리카와 동부 지중해 지역에 70% 집중되어 건강 불평등을 심화시킵니다. ..

• format_list_bulleted 오늘의 보건이슈 🔍
• · 2025. 7. 27.
• textsms

🧬 생존분석 + 반복측정자료 분석법: 개념, 원리, 예시까지 총정리

⏱️ 반복측정자료가 왜 생존분석에서 중요한가? 현실 데이터에서는한 번의 측정으로 끝나지 않는다. 환자의 체중, 혈압, 혈당은 시간에 따라 달라진다복용 약물이나 증상 점수도 반복적으로 측정된다이 변화가 사망, 재발, 입원 같은 이벤트 발생과 밀접하게 연관되어 있다 그렇다면 단순히 baseline만 보는 건 한계가 있다. 📍 반복측정자료를 어떻게 반영하느냐에 따라,예측도, 추정도, 인사이트도 완전히 달라진다. 1️⃣ Time-dependent Cox PH: 값을 시간마다 갈아 끼운다 🔁 ✅ 개념Time-dependent Cox는기존 Cox 모델을 확장해,시간에 따라 바뀌는 변수값(X(t))을 반영할 수 있는 구조이다. 즉, 한 번 측정한 X 값이 아니라,매 시점마다 갱신되는 X(t)를 반영해해당 시..

• format_list_bulleted 반복측정자료
• · 2025. 7. 26.
• textsms

OR vs RR vs Modified Poisson - “2배 위험”이라는 말, 진짜 2배일까?

1. 많은 의학 논문에서는 OR를 쓴다… 그런데? 🧪 많은 의학 논문에서 OR (odds ratio), HR (hazard ratio)을 인용한다.문장은 이런 식이다. “흡연자는 비흡연자보다 폐암 위험이 2.5배 높았다 (OR=2.5).” 🙄 그런데… 진짜 2.5배 높을까? 로지스틱 회귀는 binary outcome에서 가장 널리 쓰이는 통계 방법이고,이 회귀에서 나오는 기본 출력값은 바로 오즈비(OR)다. 하지만, 여기엔 중요한 전제가 있다. ➡ OR는 사건이 드문 경우에만 RR(상대위험도)의 근사값이 된다.➡ 사건률이 10~20%를 넘기 시작하면?➡ OR는 실제 위험률(RR)을 심각하게 왜곡한다. 2. OR vs RR, 뭐가 다를까? 🤔 “위험이 얼마나 증가했나요?”질문은 같지만, 대답은..

• format_list_bulleted 통계
• · 2025. 7. 26.
• textsms

[📘 반복측정자료 분석] 개념과 핵심 모형 총정리

🧬 반복측정자료는 어디에나 있다 실제 연구나 의료 데이터를 보면,단 한 번의 측정으로 모든 걸 설명하는 경우는 거의 없다. 예를 들어, 같은 환자의 혈압을 1개월, 3개월, 6개월째 추적한다면?치료 전과 치료 후, 반응이 달라지는지 본다면?매년 건강검진을 받는 코호트에서 수치가 어떻게 변할까? 이처럼 하나의 대상에게서 시간에 따라 여러 번 측정된 자료를우리는 반복측정자료(repeated measures)라고 부른다. 🤔 그런데 분석은 어떻게 해야 할까? 이런 데이터를 분석할 때, 단순히“모든 관측치를 일렬로 세워서 회귀분석을 하면 되지 않을까?”하고 생각할 수 있다. 하지만 여기서 문제가 생긴다…→ 📌 바로 독립성 가정의 붕괴이다! 🔍 왜 일반 회귀로는 부족할까? 일반 선형회귀나 GLM은 ..

• format_list_bulleted 반복측정자료
• · 2025. 7. 22.
• textsms