경쟁위험 분석

신장이식 환자에게 이식편의 기능이 상실되기까지 얼마나 걸릴까요? 이식편이 정상적으로 작동하는 동안 환자가 사망한다면 그 환자를 어떻게 분석해야 할까요? 치료 방법에 따라 두 사건의 발생 가능성이 서로 다르게 나타날 수도 있을까요?

이처럼 여러 종류의 사건 가운데 하나가 먼저 발생하면 다른 사건의 발생을 막는 상황을 분석하는 방법이 경쟁위험 분석(Competing Risks Analysis)입니다. 신장이식 후 ‘이식편 기능 상실’과 ‘기능 상실 전 사망’은 대표적인 경쟁사건입니다.

일반적인 Kaplan–Meier 방식에서 경쟁사건을 단순 검열로 처리해 1−생존확률을 계산하면, 관심 사건의 실제 누적발생확률을 과대평가할 수 있습니다. 경쟁위험 분석은 사건별 누적발생함수(CIF)를 사용하고, 연구 질문에 따라 원인별 위험모형 또는 Fine–Gray 모형으로 공변량의 관계를 살펴봅니다.

이 방법은 이식 환자의 치료 결과, 암 재발과 재발 전 사망, 퇴원과 입원 중 사망, 장비 고장 원인 분석 등에서 사용됩니다. 이번 글에서는 신장이식 사례를 통해 경쟁사건과 검열의 차이, 누적발생곡선, 위험비 해석, 모형 선택, 결과 보고 시 주의할 점까지 살펴보겠습니다.

경쟁위험 분석은 각 대상자가 관찰 중 처음 경험하는 사건의 종류와 사건까지의 시간을 함께 다룹니다. 예를 들어 신장이식 환자에게는 이식편 기능 상실이 먼저 발생할 수도 있고, 기능이 유지된 상태에서 사망할 수도 있습니다. 먼저 일어난 사건에 따라 다른 사건을 같은 방식으로 더는 관찰할 수 없다는 점이 중요합니다.

분석에서는 보통 사건까지의 시간, 사건 유형, 설명변수를 기록합니다. 사건 유형은 관심 사건(예: 기능 상실), 경쟁사건(기능 상실 전 사망), 그리고 관찰 종료에 따른 검열로 구별합니다.

Kaplan–Meier 분석에서 검열은 그 시점까지 사건이 없었다는 정보만 가진 관측값으로 취급됩니다. 하지만 이식편 기능 상실 전에 사망한 환자는 이후 기능 상실을 경험할 수 없습니다. 사망을 단순히 추적이 끊긴 경우와 동일하게 다루고 1−Kaplan–Meier를 계산하면 현실에서의 기능 상실 누적발생확률과 달라집니다.

같은 환자에게 이식편 기능 상실 이후 사망이 발생할 수 있지만, 여기서는 첫 사건으로서의 기능 상실과 기능 상실 전 사망을 분석합니다. 기능 상실 뒤의 사망까지 분석하려면 다상태 모형 등 다른 연구 설계가 필요합니다.

신장이식 환자 400명을 이식 시점부터 최대 4년간 관찰했다고 가정합니다. 자료에는 이식 후 경과 시간, 첫 사건 유형, 연령, 공여자 유형과 주요 임상 특성을 기록합니다. 아래 수치는 해석을 설명하기 위한 가상 예시입니다.

이 표의 비율은 각 환자의 관찰 결과를 단순히 나눈 값으로, 4년 시점의 누적발생률 추정치와 같지 않습니다. 환자마다 관찰기간이 다를 수 있으므로 시간 정보를 반영해 CIF를 추정해야 합니다.

누적발생함수(Cumulative Incidence Function, CIF)는 경쟁사건의 가능성까지 반영하여 시점 t까지 특정 사건이 가장 먼저 발생할 확률을 추정합니다. 이식편 기능 상실 CIF와 기능 상실 전 사망 CIF를 각각 그릴 수 있습니다.

어느 한 시점에서 사건별 CIF의 합은 모든 원인에 의한 첫 사건의 누적발생확률입니다. 여기에 아직 어떤 사건도 발생하지 않았을 확률을 더하면 1이 됩니다.

예를 들어 가상 분석에서 4년 시점 이식편 기능 상실의 CIF가 0.24, 기능 상실 전 사망의 CIF가 0.13이라고 가정해 보겠습니다. 이는 4년 이내 각각의 사건이 다른 사건보다 먼저 발생할 누적확률이 약 24%, 13%로 추정된다는 뜻입니다.

경쟁위험 분석의 회귀모형은 대표적으로 원인별 위험모형(cause-specific hazard model)과 Fine–Gray 모형으로 나뉩니다. 앞의 모형은 아직 어떤 사건도 경험하지 않은 사람에게서 특정 사건이 일어나는 순간 위험을 설명하고, 뒤의 모형은 특정 사건의 CIF와 연결되는 부분분포 위험(subdistribution hazard)을 설명합니다.

가상의 결과에서 고령 환자의 기능 상실에 대한 csHR이 1.35라면, 아직 어느 사건도 겪지 않은 환자 중 같은 조건에서 고령군의 원인별 순간 위험이 비교군보다 높다는 뜻입니다. sHR이 1.20이라면 Fine–Gray 모형의 부분분포 위험척도에서 고령군이 더 높다는 의미로, 4년 기능 상실 확률이 정확히 20% 더 높다는 해석은 아닙니다.

이 결과표의 숫자는 서로의 차이를 설명하기 위해 만든 예시이며 실제 400명 자료에 대한 모형 적합 결과가 아닙니다. 신뢰구간·p값도 실제 추정치로 사용해서는 안 됩니다.

공여자 유형별로 이식편 기능 상실의 CIF를 그리면 시간에 따른 두 집단의 누적발생 양상을 볼 수 있습니다. Gray 검정(Gray’s test)은 경쟁위험을 반영하여 집단 간 CIF 차이가 있는지 살펴보는 방법입니다. 다만 이 검정만으로 환자의 연령이나 동반질환을 보정했다고 볼 수 없습니다.

설명변수를 함께 조정해야 한다면 Fine–Gray 회귀나 관심 목적에 맞는 원인별 위험모형을 검토합니다. 추적 기간 동안 곡선이 교차한다면 단일 위험비로 관계를 요약하기 어려울 수 있습니다.

사건 정의: 이식편 기능 상실을 재투석 시작, 재이식, 특정 검사 기준 중 무엇으로 정의했는지 명확히 해야 합니다. 사망이 기능 상실 전인지 이후인지도 구분해야 합니다.

검열: 추적 중단이 환자 예후와 관련돼 있으면 비정보적 검열 가정이 어긋날 수 있습니다. 환자별 추적기간과 중단 사유를 확인해야 합니다.

비례위험 가정: 원인별 Cox 모형과 Fine–Gray 모형은 각각 사용되는 비례위험 형태를 점검해야 합니다. 시점에 따라 효과가 변하는 경우 시간 의존 효과를 고려할 수 있습니다.

인과 해석: 공여자 유형에 따른 누적발생률 차이가 관찰됐더라도 환자 선택, 기저질환 등 교란요인을 배제하지 못하면 공여자 유형의 인과효과로 단정할 수 없습니다.

연구 보고서에는 전체 환자 수, 이식 후 관찰 시작점과 추적기간, 각 경쟁사건의 정의와 발생 건수, 검열 건수, 관심 시점의 CIF 및 신뢰구간, 사용한 회귀모형과 공변량을 함께 제시하는 것이 좋습니다. Gray 검정과 Fine–Gray 회귀의 결과를 혼동하지 않고 구분해 보고합니다.

위 문장은 형식을 보여주기 위한 가상 예시입니다. 실제 논문에는 해당 추정치를 생성한 데이터, 신뢰구간 계산 방식, 모형 진단 결과를 확인한 뒤 기입해야 합니다.

신장이식 사례에서는 이식편 기능 상실과 기능 상실 전 사망을 서로 다른 경쟁사건으로 구별해야 합니다. 각 사건의 누적발생함수(CIF)를 보면 특정 기간까지 어느 사건이 먼저 나타날 확률을 이해할 수 있으며, 원인별 위험모형과 Fine–Gray 모형은 서로 다른 관점에서 공변량과의 관계를 설명합니다.

가장 중요한 것은 분석 목적에 맞는 지표를 선택하는 일입니다. 원인별 순간 위험과 누적발생확률을 혼동하지 말고, 검열이 어떻게 발생했는지와 위험비에 필요한 가정도 함께 확인해야 합니다. 특히 위험비를 특정 기간의 절대확률 변화나 인과효과로 단정하지 않는 것이 정확한 결과 해석의 출발점입니다.