교락

3. 교락 변수의 조건

Confounding^영어 변수는 예상되는 원인과 결과 모두와 관련이 있어야 한다. 교락 변수는 원인과 결과의 중간에 위치하지 않는다. A가 C의 원인으로 예상될 때, 교락 변수 B는 A를 원인으로 발생하지 않으며, B에 의해 항상 C가 발생하는 것도 아니다. 예를 들어, 여성인 것은 항상 흡연의 원인이 아니며, 흡연이 항상 암의 원인도 아니다. 따라서 여성인 것과 암에 걸리는 것의 인과 관계를 연구할 때에는, 예상되는 교락 변수로서 "흡연"을 고려해야 한다.^[31] 또한, 두 개의 위험 그룹(예: 남성과 여성)이 있을 때, 교락 변수는 각 그룹에서 다른 보급률(예: 흡연율)을 나타낸다.

4. 인과 그래프와 백도어 기준

주디아 펄은 통계학적인 개념만으로는 교락 변수를 정의할 수 없으며, 인과적인 가정이 필요함을 제시했다.^[31] 인과 그래프를 통해 인과적인 가정을 나타낼 때, 백도어(Backdoor) 기준을 이용하여 교락 변수의 집합을 특정할 수 있다. 백도어 기준은 선택된 변수 집합 ''Z''가 ''X''로 향하는 화살표를 포함하는 ''X''와 ''Y'' 사이의 모든 경로를 차단해야 한다는 것이다.^[6] 이러한 집합은 "백도어 허용"이라고 하며, 단순히 ''X''와 ''Y''의 대리 변수일 뿐, 공통 원인이 아닌 변수를 포함할 수 있다.

5. 교락의 통제

교락을 통제하는 것은 'X'가 'Y'에 미치는 인과적 효과를 편향 없이 추정하기 위한 중요한 과정이다. 관찰 연구에서 교락 변수를 통제하기 위해 다양한 방법이 사용된다.

단일 교락 변수 'Z'가 있을 경우, "조정 공식"을 사용하여 'X'가 'Y'에 미치는 인과적 효과에 대한 편향되지 않은 추정치를 얻을 수 있다.^[6]

여러 교란 변수가 있는 경우에도 동일한 조정 공식이 작동하지만, 이 경우 편향되지 않은 추정치를 보장하는 변수 집합 'Z'를 선택할 때 주의해야 한다. 변수를 적절하게 선택하기 위한 기준은 백도어 기준^[6]이라고 하며, 선택된 집합 'Z'가 X로 향하는 화살표를 포함하는 'X'와 'Y' 사이의 모든 경로를 "차단"(또는 가로채기)해야 한다. 이러한 집합은 "백도어 허용"이라고 하며, 단순히 'X'와 'Y'의 대리 변수일 뿐, 공통 원인이 아닌 변수를 포함할 수 있다.

일반적으로, 교란은 백도어 조건을 만족하는 관찰된 공변량 집합이 있는 경우에만 조정에 의해 제어될 수 있다. 또한, 'Z'가 그러한 집합이면 위 식 (3)의 조정 공식이 유효하다.^[9] 펄의 do-미적분은 $P(y\; \backslash mid\; \backslash text\{do\}(x))$를 추정할 수 있는 모든 가능한 조건을 제공하며, 반드시 조정을 통해서만 가능한 것은 아니다.^[10]

6. 교락의 유형

역학에서 "적응에 의한 교락"^[20]은 관찰 연구의 주요 문제로 지적된다. 이는 예후 요인이 치료 결정에 영향을 미쳐 치료 효과 추정치를 왜곡시키는 현상이다. 무작위 할당으로 인해 무작위 시험은 적응에 의한 교락의 영향을 받지 않는다.

교락 변수는 그 출처에 따라 다음과 같이 분류할 수 있다.

• 운영 교락: 실험적 연구 설계와 비실험적 연구 설계 모두에서 발생할 수 있다. 이러한 유형의 교락은 특정 구성을 평가하도록 설계된 측정이 의도치 않게 다른 것을 측정할 때 발생한다.^[21]
• 절차적 교락: 실험실 실험 또는 준실험에서 발생할 수 있다. 이러한 유형의 교락은 연구자가 조작된 독립 변수와 함께 다른 변수가 변경되도록 실수로 허용할 때 발생한다.^[21]
• 인적 교락: (성별과 같은) 하나 이상의 다른 (관찰되거나 관찰되지 않은) 특성에 따라 다양함에도 불구하고, 둘 이상의 단위 그룹이 함께 분석될 때 발생한다(예: 서로 다른 직업의 근로자).^[22]

7. 연구에서 교락을 피하는 방법

교락 변수를 적극적으로 제거하거나 제어하는 연구 설계 방법에는 여러 가지가 있다.^[27]

• 무작위 대조 시험 (Randomized controlled trials): 연구 대상을 무작위로 여러 그룹으로 나누어 처치를 적용하는 방법이다. 무작위 배정을 통해 연구 대상자의 특성이 각 그룹에 고르게 분포되어 교락 변수의 영향을 줄일 수 있다. 예를 들어, 운동 효과를 연구할 때 참가자에게 운동 여부를 선택하게 하면, 운동 외 다른 변수(사전 건강 상태, 건강 활동 동기 등)가 결과에 영향을 줄 수 있다. 무작위 배정은 이러한 교락 변수의 영향을 최소화한다.^[27]
• 이중 눈가림 (Double-blinding): 연구자와 연구 대상자 모두에게 어떤 처치를 받는지 알리지 않아 주관적인 편향을 줄이는 방법이다. 참가자는 자신이 치료를 받는지, 위약을 받는지 알 수 없으므로 위약 효과가 모든 그룹에서 동일하게 나타난다. 연구자는 어떤 그룹에 누가 속하는지 모르므로, 그룹별로 다르게 대하거나 결과를 다르게 해석하는 편향을 방지할 수 있다.^[27]
• 다변량 분석 (Multivariate analysis): 회귀 분석과 같이 알려진 교락 변수를 공변량으로 포함하여 교락을 통계적으로 제어하는 방법이다.^[26] 하지만 다변량 분석은 교락 변수의 강도나 효과의 방향에 대한 정보를 충분히 제공하지 못할 수 있다.^[27]

7. 1. 사례-대조군 연구 (Case-control studies)

7. 2. 코호트 연구 (Cohort studies)

7. 3. 층화 (Stratification)

• 사례-대조군 연구 (case-control studies): 사례군과 대조군에 공통적으로 나타나는 교락 변수의 값을 동일하게 맞춰 다른 변수를 비교하는 방법이다. 예를 들어, 67세 환자의 심근 경색 원인을 연구할 때 연령이 교락 변수가 될 수 있다고 생각되면, 67세 환자(사례)와 67세 건강인(대조군)을 비교한다. 사례-대조군 연구에서는 대조하는 변수가 연령이나 성별인 경우가 많다.
• 코호트 연구 (cohort studies): 특정 교락 변수의 값이 동일한 집단 내에서 다른 변수를 비교하는 방법이다. 예를 들어, 연령이 교락 변수가 될 수 있다고 생각될 때, 연령대를 동일하게 맞춘 집단(코호트)을 대상으로 관찰한다. 그 집단 내에서, 예를 들어 심근 경색의 원인으로 운동량의 많고 적음을 비교한다.

7. 4. 무작위 대조 시험 (Randomized controlled trials)

• 사례-대조군 연구는 교란 인자를 사례와 대조군 모두에 동일하게 할당한다. 예를 들어, 어떤 사람이 심근 경색의 원인을 연구하고 나이를 교란 변수로 생각한다면, 67세의 각 경색 환자는 건강한 67세의 "대조군"과 일치하게 된다. 사례-대조군 연구에서 일치된 변수는 가장 흔하게 나이와 성별이다. 단점: 사례-대조군 연구는 대조군을 쉽게 찾을 수 있을 때만 가능하며, 알려진 모든 잠재적 교란 요인과 관련하여 사례 환자와 동일한 상태의 사람을 찾기란 매우 어렵다. 예를 들어 사례-대조군 연구가 1) 45세, 2) 아프리카계 미국인, 3) 알래스카 출신, 4) 미식축구 선수, 5) 채식주의자, 6) 교육 분야에서 일하는 사람의 특정 질병의 원인을 찾으려고 시도한다고 가정해 보자. 이론적으로 완벽한 대조군은 조사 중인 질병이 없을 뿐만 아니라 이러한 모든 특성과 일치하고 환자가 가지고 있지 않은 질병이 없는 사람일 것이다. 그러나 그러한 대조군을 찾는 것은 엄청난 과제이다.
• 코호트 연구: 일치 정도도 가능하며, 특정 연령대 또는 특정 성별만 연구 모집단에 포함시켜 유사한 특성을 공유하는 사람들의 코호트를 생성하여 모든 코호트가 가능한 교란 변수와 관련하여 비교할 수 있도록 하는 경우가 많다. 예를 들어, 나이와 성별이 교란 인자로 간주되는 경우, 40세에서 50세 사이의 남성만 신체적으로 활동적이거나 비활동적인 코호트에서 심근 경색 위험을 평가하는 코호트 연구에 참여하게 된다. 단점: 코호트 연구에서 입력 데이터의 과도한 제외는 연구자가 연구가 유용하다고 주장하는 유사한 상황에 있는 사람들의 집합을 너무 좁게 정의하여 인과 관계가 실제로 적용되는 다른 사람들이 연구 권장 사항에서 혜택을 받을 기회를 잃게 될 수 있다. 마찬가지로, 연구 내에서 입력 데이터의 "과도한 계층화"는 주어진 층의 샘플 크기를 줄여 해당 층의 구성원만 관찰하여 도출된 일반화가 통계적 유의성이 없을 수 있다.
• 이중 눈가림: 시험 모집단과 관찰자로부터 참가자의 실험 그룹 구성원을 숨긴다. 참가자가 치료를 받고 있는지 여부를 알지 못하게 함으로써 위약 효과는 대조군과 치료군에서 동일해야 한다. 관찰자가 멤버십을 알지 못하게 함으로써 연구자가 그룹을 다르게 대하거나 결과를 다르게 해석하는 데서 편견이 없어야 한다.
• 무작위 대조 시험: 참가자의 자기 선택 또는 연구 설계자의 편견의 기회를 완화하기 위해 연구 모집단을 무작위로 나누는 방법이다. 실험이 시작되기 전에 시험자는 무작위 숫자 생성기와 같은 무작위 프로세스를 사용하여 참가자 풀의 구성원을 해당 그룹(대조군, 중재, 평행)에 할당한다. 예를 들어, 운동의 효과에 대한 연구에서, 참가자에게 운동을 하지 않을 대조군 또는 운동 프로그램에 참여할 중재군에 속하고 싶은지 선택권을 주었다면 결론의 타당성이 떨어진다. 그러면 연구는 운동 외에 사전 실험 건강 수준 및 건강 활동 채택 동기와 같은 다른 변수를 포착할 것이다. 관찰자 측면에서 실험자는 연구가 보고 싶은 결과를 보여줄 가능성이 더 높은 후보자를 선택하거나 주관적인 결과(더 활기차고 긍정적인 태도)를 자신의 욕구에 유리하게 해석할 수 있다.
• 계층화: 위의 예와 같이 신체 활동은 심근 경색으로부터 보호하는 행동으로 간주되며, 나이는 가능한 교란 인자로 추정된다. 그런 다음 샘플링된 데이터를 연령대별로 계층화한다. 이는 활동과 경색 간의 연관성이 각 연령대별로 분석됨을 의미한다. 다른 연령대(또는 연령 계층)에서 훨씬 다른 위험 비를 산출하는 경우 나이를 교란 변수로 간주해야 한다. 데이터 집합의 계층화를 설명하는 Mantel–Haenszel 방법과 같은 통계적 도구가 있다.
• 알려진 교란 변수를 측정하고 이를 공변량으로 포함하여 교란을 제어하는 것은 다변량 분석과 같은 회귀 분석이다. 다변량 분석은 계층화 방법보다 교란 변수의 "강도" 또는 "극성"에 대한 정보를 훨씬 적게 드러낸다. 예를 들어, 다변량 분석이 항우울제를 제어하고 TCA와 SSRI에 대해 항우울제를 계층화하지 않으면 이 두 종류의 항우울제가 심근 경색에 대해 "반대" 효과를 가지며 하나가 다른 것보다 훨씬 "강하다"는 것을 무시할 것이다.

7. 5. 이중 눈가림 (Double-blinding)

7. 6. 다변량 분석 (Multivariate analysis)

8. 잔여 교락 (Residual confounding)

역학에서 교락을 완전히 제어할 수 없는 경우를 "잔여 교락"이라고 한다. 표본 크기가 충분히 크다면, 무작위화(무작위 할당)가 가장 좋은 방법일 수 있다. 이 경우, 알려진 것과 알려지지 않은 것을 포함한 모든 교락 변수가 모든 연구 대상군에 동일하게 분산될 가능성이 높아진다.^[28]

참조

_[1] 서적 Simpson's Paradox, Confounding, and Collapsibility In Causality: Models, Reasoning and Inference Cambridge University Press 2009
_[2] 논문 On the definition of a confounder
_[3] 논문 Confounding and Collapsibility in Causal Inference
_[4] 서적 Experimental and quasi-experimental designs for generalized causal inference Houghton-Mifflin
_[5] 간행물 "Aspects of Graphical Models Connected With Causality" International Statistical Science Institute 1993
_[6] 서적 Causal Diagrams and the Identification of Causal Effects In Causality: Models, Reasoning and Inference Cambridge University Press 2009
_[7] 웹사이트 A Crash Course in Good and Bad Controls http://ftp.cs.ucla.e[...] 2022-03
_[8] 논문 Should We Adjust for a Confounder if Empirical and Theoretical Criteria Yield Contradictory Results? A Simulation Study
_[9] 서적 Causal Diagrams and the Identification of Causal Effects In Causality: Models, Reasoning and Inference Cambridge University Press 2009
_[10] 논문 Complete identification methods for the causal hierarchy
_[11] 논문 History of the modern epidemiological concept of confounding http://jech.bmj.com/[...]
_[12] 논문 Confounding and Collapsibility in Causal Inference
_[13] 문서 The design of experiments 1935
_[14] 논문 The history of confounding
_[15] 논문 Some statistical problems in research design
_[16] 논문 Identifiability, exchangeability, and epidemiological confounding
_[17] 문서 Statistical problems in agricultural experimentation (with discussion) 1935
_[18] 논문 Estimating causal effects of treatments in randomized and nonrandomized studies
_[19] 서적 Causality: Models, Reasoning and Inference Cambridge University Press 2009
_[20] 논문 Identifying Confounding by Indication through Blinded Prospective Review
_[21] 서적 Conducting Research in Psychology Wadsworth
_[22] 서적 Applied Social Psychology: Understanding and managing social problems Cambridge University Press
_[23] 논문 Wine intake and diet in a random sample of 48763 Danish men and women 1999-01
_[24] 논문 Confounding from smoking in occupational epidemiology
_[25] 서적 An introduction to statistical learning: with applications in R https://link.springe[...] Springer 2021
_[26] 문서 Handbook of Environmental Risk Assessment and Management Wiley 2009
_[27] 서적 Epidemiology in Medicine https://archive.org/[...] Lippincott Williams & Wilkins
_[28] 논문 The Ethics of Placebo-Controlled Trials—A Middle Ground 2001-09-20
_[29] 서적 Experimental and quasi-experimental designs for research Rand McNally
_[30] 서적 Principles and methods of social research Lawrence Erlbaum Associates
_[31] 서적 Causality: Models, Reasoning, and Inference Cambridge University Press 2000
_[32] 논문 The environment or disease: association or causation? http://www.edwardtuf[...] 1965
_[33] 서적 Epidemiology in Medicine Lippincott Williams & Wilkins 1987