[양적연구] 관찰 연구 방법 연구 설계 II: 코호트, 횡단면 및 사례 대조 연구

출처: Mann, C. J. (2003). Observational research methods. Research design II: cohort, cross sectional, and case-control studies. Emergency medicine journal, 20(1), 54-60.

https://emj.bmj.com/content/20/1/54.long

 

코호트, 횡단면, 그리고 환자-대조군 연구는 종종 관찰 연구라고 불리는데, 이는 연구자가 단순히 관찰만 하기 때문입니다. 연구자가 어떠한 개입도 수행하지 않습니다. 최근의 증거 기반 의학에 대한 강조와 무작위 대조 시험을 다루는 코크란 데이터베이스의 형성으로 인해 이러한 연구는 다소 가볍게 폄하되는 경향이 있었습니다. 하지만 이들은 여전히 중요한 역할을 합니다. 왜냐하면 많은 질문이 이러한 방법으로 효율적으로 답변될 수 있으며, 때로는 이것이 유일한 사용 가능한 방법일 때도 있기 때문입니다.

 

대부분의 임상 연구의 목표는 다음 중 하나를 결정하는 것입니다: 유병률, 발병률, 원인, 예후, 또는 치료의 효과. 따라서 각 목표와 가장 관련 있는 연구 유형을 기억하는 것이 유용합니다 (표 1).

 

연구 설계의 적절한 선택은 매우 중요하지만, 그것만으로는 충분하지 않습니다. 좋은 연구의 특징은 연구가 얼마나 엄격하게 수행되었는가에 있습니다. 기본 설계와 상관없이 모든 연구에서 중요한 핵심 사항들의 체크리스트는 아래의 상자 1에 제시되어 있습니다.

---

표 1

연구 목적

• 연구의 목표는 명확하게 진술되어야 합니다.

표본

• 표본은 표본이 추출된 모집단을 정확하게 반영해야 합니다.
• 표본의 출처가 명시되어야 합니다.
• 표본 추출 방법이 설명되어야 하며, 표본 크기가 정당화되어야 합니다.
• 입문 기준과 제외 기준이 명시되고 그 이유가 설명되어야 합니다.
• 추적 관찰에서 빠진 환자의 수가 명시되어야 하며, 그 이유가 제시되어야 합니다.

대조군

• 대조군은 쉽게 식별할 수 있어야 합니다.
• 대조군의 출처가 설명되어야 합니다—대조군은 표본과 동일한 모집단에서 온 것인가?
• 편향과 혼란 변수를 최소화하기 위해 대조군은 매칭되었는가, 무작위로 배정되었는가?

측정 및 결과의 품질

• 타당성—다른 연구자들에 의해 측정이 유효하다고 여겨지는가?
• 재현성—결과가 반복될 수 있는가, 혹은 단 한 번 발생한 결과라고 의심할 이유가 있는가?
• 눈가림—연구자나 대상자가 자신이 실험군 또는 대조군에 속해 있는지 알았는가?
• 품질 관리—방법론이 엄격히 준수되었는가?

완전성

• 준수 여부—모든 환자가 연구에 협조했는가?
• 탈락자—얼마나 많은 환자가 연구를 완료하지 못했는가?
• 사망—사망자 수는 얼마인가?
• 누락된 데이터—누락된 데이터는 얼마나 되는가, 그리고 그 이유는 무엇인가?

왜곡 요인

• 외부 치료—일부 대상자에게만 영향을 미칠 수 있는 다른 중재가 있었는가?
• 혼란 변수—결과에 영향을 미칠 수 있는 다른 변수가 있는가?
• 적절한 분석—적절한 통계 검정이 사용되었는가?

타당성

• 모든 연구는 내적 타당성을 가져야 합니다. 즉, 적절한 방법론에 의해 산출된 결과로부터 논리적으로 결론이 도출될 수 있어야 합니다. 연구가 타당하다고 간주되기 위해서는 연구가 그 자체에서 주장하는 바를 실제로 입증했음을 보여야 합니다. 내적 타당성이 없는 연구는 출판되어서는 안 됩니다. 그 결과가 받아들여질 수 없기 때문입니다.
• 외적 타당성의 문제는 연구 결과의 다른 모집단에 대한 적용 가능성, 즉 결과의 일반화 가능성과 관련됩니다. 예를 들어, 스웨덴 인구의 80%가 금발이라는 연구는 다른 스칸디나비아 국가에서 금발 발생률을 예측하는 데 유용할 수 있지만, 대부분의 다른 인구에 적용하는 것은 타당하지 않을 것입니다.

---

 

모든 출판된 연구는 독자가 이러한 주요 사항들을 참조하여 데이터를 분석할 수 있도록 충분한 정보를 포함해야 합니다.

 

이 기사에서는 세 가지 중요한 관찰 연구 방법 각각에 대해 논의할 것이며, 각 방법의 장점과 단점에 중점을 둘 것입니다. 이를 통해 왜 특정 연구가 특정 연구 방법을 사용했는지, 그리고 어떤 방법이 특정 임상 문제에 가장 잘 맞는지 명확해질 것입니다.

코호트 연구 COHORT STUDIES

이들은 질병의 발병률과 자연사를 결정하는 데 가장 좋은 방법입니다. 연구는 전향적이거나 후향적일 수 있으며, 때로는 두 개의 코호트를 비교하기도 합니다.

전향적 코호트 연구 Prospective cohort studies

연구자는 연구 시작 시점에서 관심 있는 결과(예: 심근경색)를 가지고 있지 않은 사람들의 그룹을 선택합니다. 연구자는 그들이 관심 있는 질병이 발생할 수 있는 다양한 변수를 측정합니다. 시간이 흐르면서 연구 대상자들을 관찰하여 그들이 관심 있는 결과(예: 심근경색)를 발병하는지 확인합니다.

• 단일 코호트 연구에서는 관심 있는 결과를 발병하지 않은 사람들이 내부 대조군으로 사용됩니다.
• 두 코호트를 사용하는 경우, 한 그룹은 관심 있는 요인에 노출되었거나 치료를 받았고, 다른 그룹은 노출되지 않았으며 외부 대조군으로 작용합니다.

후향적 코호트 연구 Retrospective cohort studies

이 연구는 이미 다른 목적을 위해 수집된 데이터를 사용합니다. 방법론은 동일하지만 연구는 사후에 수행됩니다. 코호트는 후향적으로 '추적'됩니다. 연구 기간은 수년일 수 있지만, 연구를 완료하는 데 걸리는 시간은 데이터를 수집하고 분석하는 데 필요한 시간만큼입니다.

장점과 단점 Advantages and disadvantages

코호트를 사용하는 것은 무작위 대조 시험이 비윤리적일 수 있는 경우 종종 필수적입니다. 예를 들어, 사람들에게 고의로 담배 연기나 석면에 노출시키는 것은 비윤리적입니다. 따라서 위험 요인에 대한 연구는 코호트 연구에 크게 의존합니다.

 

코호트 연구는 결과가 발생하기 전에 잠재적 원인을 측정하기 때문에, 이러한 "원인"이 결과보다 선행되었음을 입증할 수 있어 무엇이 원인이고 무엇이 결과인지를 두고 벌어질 논쟁을 피할 수 있습니다.

 

또한 단일 연구에서 다양한 결과 변수를 조사할 수 있다는 이점이 있습니다. 예를 들어, 흡연자에 대한 코호트 연구는 폐질환, 심혈관 질환, 뇌혈관 질환으로 인한 사망을 동시에 조사할 수 있습니다. 이는 단일 결과 변수(즉, 사례들이 연구에 들어온 결과)만 평가하는 환자-대조군 연구와 대조적입니다.

 

코호트는 관심 있는 결과를 발병할 확률에 대한 각 변수의 효과(상대적 위험)를 계산할 수 있게 해줍니다. 하지만 특정 결과가 드문 경우, 전향적 코호트 연구는 비효율적일 수 있습니다. 예를 들어, 경미한 부상으로 응급실을 찾은 100명의 환자를 대상으로 당뇨병의 발병 여부를 조사한다면 관심 있는 결과를 보이는 환자는 아마도 한 명밖에 없을 것입니다. 전향적 코호트 연구의 효율성은 특정 결과의 발병률이 증가할수록 높아집니다. 따라서 처음 내원한 후 12개월 동안 자해를 진단받은 환자들을 대상으로 하는 연구는 코호트 설계를 사용하여 효율적으로 연구될 수 있습니다.

 

또한 전향적 코호트 연구에서 피험자 중 일부를 추적할 수 없는 문제도 발생할 수 있습니다. 이는 연구 결과에 중대한 영향을 미칠 수 있습니다. 예를 들어 발병률 분석(발병률 = 사례/시간당)을 살펴보면, 몇 가지 사례가 빠지면 분자에 중대한 영향을 미치고 계산된 발병률에 영향을 줄 수 있습니다. 질병이 드문 경우 이러한 효과는 더욱 두드러집니다.

 

후향적 연구는 이미 데이터가 수집되었기 때문에 훨씬 저렴합니다. 이러한 연구 설계의 장점 중 하나는 현재 관심 있는 결과가 원래 데이터를 수집한 이유가 아니기 때문에 편향이 없다는 점입니다. 그러나 코호트가 원래 다른 목적으로 구성되었기 때문에 관련된 모든 정보가 철저히 수집되었을 가능성은 낮습니다.

 

후향적 코호트 연구는 또한 관심 있는 결과를 가진 사람들이 특정 선행 사건을 더 잘 기억하거나, 현재 자신이 생각하는 위험 요인을 과장하거나 최소화할 가능성(회상 편향)을 가진다는 단점이 있습니다.

 

두 개의 코호트를 비교하는 경우, 한 그룹은 관심 있는 요인에 노출되었고 다른 그룹은 노출되지 않았습니다. 주요 단점은 두 그룹 간에 다를 수 있는 모든 요인을 통제할 수 없다는 것입니다. 이러한 요인은 혼란 변수라고 합니다.

 

혼란 변수는 관심 있는 변수와 결과 변수 모두와 독립적으로 연관됩니다. 예를 들어, 천식(변수)이 있는 사람들에서 폐암(결과)이 덜 흔합니다. 그러나 천식 자체가 폐암에 대한 보호 효과를 제공한다고 보기는 어렵습니다. 천식 환자들 중 담배를 피우는 사람이 적기 때문에 폐암의 발병률이 낮은 것이 더 가능성 있는 설명입니다(혼란 변수).

 

코호트 연구 수행 방법
How to run a cohort study

 

데이터가 이미 이용 가능하다면 후향적 설계가 가장 빠른 방법입니다. 그러나 신뢰할 수 있는 고품질 데이터가 없는 경우 전향적 연구가 필요할 것입니다.

 

첫 번째 단계는 표본 그룹을 정의하는 것입니다. 각 대상자는 관심 있는 결과를 발병할 가능성을 가져야 합니다(즉, 포경수술을 받은 남성은 포경(포피 갇힘)을 연구하기 위한 코호트에 포함되어서는 안 됩니다). 또한, 연구가 주로 질병의 발병률과 자연사를 조사하는 것(기술적 연구)을 목표로 한다면 표본 인구는 일반 인구를 대표해야 합니다.

 

그러나 예측 변수와 결과 간의 관계를 분석하는 것(분석적 연구)이 목적이라면, 표본은 가능한 한 결과를 발병할 가능성이 있는 많은 환자를 포함해야 합니다. 그렇지 않으면 시간이 많이 소요되고 정보 가치가 적은 데이터를 수집하는 데 많은 비용이 들 것입니다.

 

각 변수는 정확하게 측정되어야 합니다. 예를 들어, 고정된 변수인 키는 한 번만 기록하면 되지만, 약물 남용이나 체중과 같은 변화 가능성이 있는 경우에는 반복 측정이 필요합니다.

 

혼란 변수를 놓칠 가능성을 최소화하려면 가능한 모든 관련 변수를 측정해야 합니다. 이를 수행하지 않으면 연구 결과가 쉽게 비판받을 수 있습니다. 연구에 등록된 모든 환자는 연구 기간 동안 추적 관찰되어야 합니다. 연구 중 일부 환자가 빠지면 결과의 타당성에 큰 영향을 미칠 수 있습니다. 이를 최소화하려면 연구에 등록될 때 환자의 이름, 주소, 전화번호, 주치의 정보 등을 최대한 많이 기록해야 합니다. 정기적인 연락도 필요하며, 환자들이 10년 간격으로만 연락을 받는다면 이사하거나 연구에 흥미를 잃어 추적 관찰에서 사라지는 것은 당연한 일일 것입니다.

 

주의할 점은, 추적 관찰은 관심 있는 요인에 노출된 사람들에게서 더 쉽기 때문에 편향이 발생할 수 있다는 점입니다.

예시
Examples

유명한 코호트 연구로는 Framingham 심장 연구, 영국 흡연 의사 연구, 그리고 1958년에 태어난 영국 아동들을 대상으로 한 Neville Butler 교수의 연구가 있습니다. 최근 전향적 코호트 연구의 예로는 Davey Smith 등이 BMJ에 발표한 연구가 있으며, 후향적 코호트 설계는 당뇨병 환자의 응급실 이용을 평가하는 데 사용되었습니다.

---

핵심 사항: 코호트 연구

• 코호트 연구는 발병률 또는 자연사를 설명합니다.
• 예측 변수(위험 요인)를 분석하여 상대적 위험을 계산할 수 있게 합니다.
• 코호트 연구는 시간적 순서로 사건을 측정하여 원인과 결과를 구분할 수 있습니다.
• 후향적 코호트는 사용 가능한 경우 더 저렴하고 신속합니다.
• 혼란 변수는 코호트 연구 분석에서 가장 큰 문제입니다.
• 대상자 선택과 추적 관찰에서의 이탈은 편향의 주요 잠재적 원인입니다.

---

횡단면 연구
CROSS SECTIONAL STUDIES

 

횡단면 연구는 주로 유병률을 결정하는 데 사용됩니다. 유병률은 특정 시점에서 인구 내 발생한 사례의 수를 의미합니다. 각 대상에 대한 모든 측정은 한 시점에서 이루어집니다. 유병률은 임상 의사에게 매우 중요한데, 이는 특정 진단의 가능성과 검사 결과의 예측 가치를 크게 좌우하기 때문입니다. 예를 들어, 소아에서 상승성 담관염이 매우 드물다는 사실을 알면, 임상의는 이 인구에서 복통의 다른 원인을 찾아보게 됩니다.

 

횡단면 연구는 또한 인과 관계를 추론하는 데 사용됩니다.

 

특정 시점에서 대상자들은 관련 요인에 노출되었는지 여부와 관심 있는 결과를 가지고 있는지 여부를 평가받습니다. 일부 대상자는 노출되지 않았고, 관심 있는 결과도 가지고 있지 않을 수 있습니다. 이는 다른 관찰 연구(코호트 및 환자-대조군 연구)와 노출 여부나 결과를 참조한다는 점에서 명확하게 구분됩니다.

 

이러한 연구의 장점은 대상자가 고의로 노출되거나 치료를 받거나 하지 않으므로 윤리적인 문제를 거의 일으키지 않는다는 점입니다. 하나의 그룹만 사용하고 데이터는 한 번만 수집되며, 여러 가지 결과를 연구할 수 있습니다. 따라서 이러한 유형의 연구는 상대적으로 저렴합니다.

 

많은 횡단면 연구는 설문지를 사용하여 수행됩니다. 또는 각 대상자를 면접할 수도 있습니다. 표 2에는 각 방법의 장단점이 나열되어 있습니다.

표 2

 

응답률이 낮은 연구는 비판받을 수 있습니다. 이는 응답자와 비응답자 간에 중요한 차이를 놓칠 수 있기 때문입니다. 극단적인 경우, 모든 비응답자가 사망했을 가능성도 있습니다! 응답률을 극대화하기 위해 많은 노력이 필요합니다. 자원봉사자의 사용도 문제가 될 수 있는데, 그들 역시 일반 인구를 대표하지 않을 가능성이 있기 때문입니다. 유효한 표본을 얻는 좋은 방법은 유권자 명부에서 무작위로 사람들을 선택하고 그들에게 설문지를 작성하도록 요청하는 것입니다. 이 방법을 통해 응답률이 파악되며 비응답자를 식별할 수 있습니다. 그러나 유권자 명부 자체도 일반 인구를 정확하게 반영하지 않습니다. 인구 조사는 또 다른 횡단면 연구의 예입니다.

 

시장 조사 기관은 자주 횡단면 연구(예: 여론 조사)를 사용합니다. 여기에는 연구 대상 인구의 나이, 성별, 사회적 계층 구조를 대표하는 할당 시스템이 포함됩니다. 그러나 상업적 수익성을 위해 편의 표본을 사용하며, 그 순간 이용할 수 있는 사람들만 조사될 수 있습니다. 이 기술은 의료 연구에 사용하기에는 충분히 엄격하지 않습니다.

횡단면 연구 수행 방법
How to run a cross sectional study

연구 질문을 구체화하고 표본 인구를 선택합니다. 그런 다음 연구 질문과 관련된 표본 인구의 변수를 결정합니다. 표본 대상을 연락하는 방법을 고안하고 이를 실행합니다. 이 방법으로 데이터를 수집한 후 분석할 수 있습니다.

장점과 단점
Advantages and disadvantages

횡단면 연구의 가장 중요한 장점은 일반적으로 빠르고 저렴하다는 점입니다. 추적 관찰이 없기 때문에 연구를 수행하는 데 필요한 자원이 적습니다.

 

횡단면 연구는 유병률을 결정하는 데 가장 좋은 방법이며, 연관성을 식별하는 데 유용합니다. 이러한 연관성은 이후 코호트 연구 또는 무작위 대조 연구를 통해 더 엄격하게 연구될 수 있습니다.

 

이 연구의 가장 큰 문제는 원인과 결과를 구분하지 못한다는 점입니다. 예를 들어, CD4 수치가 낮은 것과 HIV 감염 사이의 연관성을 발견한 연구는 HIV 감염이 CD4 수치를 낮추는지, 혹은 CD4 수치가 낮은 것이 HIV 감염에 취약하게 만드는지를 설명하지 못합니다. 게다가 남성 동성애는 두 가지와 모두 연관이 있지만, 어느 것도 원인은 아닙니다. (또 다른 혼란 변수의 예입니다.)

 

종종 여러 개연성 있는 설명이 있을 수 있습니다. 예를 들어, 키와 나이 사이의 음의 상관관계를 보여주는 연구가 있다면, 사람들은 나이가 들면서 키가 줄어들거나, 젊은 세대가 더 커지고 있거나, 혹은 키가 큰 사람들이 짧은 수명을 가진다는 결론을 내릴 수 있습니다. 횡단면 연구는 이러한 결과에 대한 설명을 제공하지 않습니다.

 

드문 질환은 횡단면 연구로 효율적으로 연구할 수 없습니다. 왜냐하면 큰 표본에서도 해당 질병을 가진 사람이 없을 수 있기 때문입니다. 이러한 경우, 이미 질병을 가진 환자의 횡단면 표본(사례 시리즈)을 연구하는 것이 더 좋습니다. 이를 통해 1983년에는 1000명의 AIDS 환자 중 727명이 동성애자 또는 양성애자 남성이었고, 236명이 정맥 주사 약물 남용자라는 결론이 도출되었습니다. 이 두 그룹의 개인이 높은 상대적 위험을 가진다는 결론은 명백했습니다. 이후 HIV 감염의 자연사는 코호트 연구를 통해 연구되었으며, 치료의 효능은 환자 대조 연구와 무작위 임상 시험을 통해 연구되었습니다.

예시

횡단면 연구의 한 예는 1983년부터 1989년까지 에든버러에서 입원한 소아 두개골 골절 유병률 연구입니다. 연구 기간이 7년이었음에도 불구하고, 각 대상에 대한 정보가 한 시점에서 기록되었기 때문에 이는 종단 연구나 코호트 연구가 아닙니다.

설문지를 기반으로 한 횡단면 연구에서는 노인에서 응급실 방문과 알코올 소비 간의 관계를 탐구했습니다.

최근 예로는 런던 인구에서 심각한 안질환 유병률을 평가한 BMJ에 발표된 연구를 들 수 있습니다.

---

횡단면 연구: 핵심 사항

• 횡단면 연구는 유병률을 결정하는 데 가장 적합한 방법입니다.
• 비교적 빠르게 진행될 수 있습니다.
• 여러 가지 결과를 연구할 수 있습니다.
• 원인과 결과 또는 사건의 순서를 구분하지는 않습니다.

---

환자-대조군 연구
CASE-CONTROL STUDIES

 

코호트 연구와 횡단면 연구와 달리, 환자-대조군 연구는 주로 후향적으로 수행됩니다. 관심 있는 결과를 가진 사람들은 결과가 없는 대조군과 비교됩니다. 연구자는 과거로 돌아가 각 연구 그룹에서 요인이나 치료에 노출되었는지, 혹은 특정 변수의 유병률을 결정합니다. 드문 결과를 다룰 때 환자-대조군 연구는 유일한 실행 가능한 접근법일 수 있습니다.

 

환자-대조군 연구는 관심 있는 질병을 가진 사람들로 연구 대상자를 선택하기 때문에, 코호트 연구나 횡단면 연구보다 비용 효율적입니다. 즉, 연구당 더 높은 비율의 사례를 확보할 수 있습니다.

 

이 연구는 예측 변수가 질병의 존재 또는 부재와 어떤 관련이 있는지를 파악합니다. 환자-대조군 연구는 후향적이기 때문에 상대적 위험을 계산할 수 없으며, 이는 전향적 코호트 연구에서 가능합니다. 그러나 환자-대조군 연구에서는 승산비(odds ratio)를 계산할 수 있으며, 이는 일반적으로 상대적 위험에 근접합니다.

환자-대조군 연구 수행 방법
How to run a case-control study

연구 질문을 결정하고 가설을 수립합니다. 무엇을 측정할지와 그 방법을 결정합니다. 연구 그룹의 특성을 정의하고 유효한 대조군을 구성하는 방법을 결정한 후, 두 그룹의 각 변수에 대한 "노출"을 비교합니다.

장점과 단점
Advantages and disadvantages

드문 질병의 경우, 환자-대조군 연구는 비교적 적은 수의 대상자로부터 많은 정보를 생성합니다. 노출과 질병 사이의 잠복기가 긴 경우, 환자-대조군 연구는 유일한 실행 가능한 옵션입니다. 예를 들어, 새로운 형태의 CJD와 그 원인을 평가하는 코호트 연구 또는 횡단면 연구의 실현 가능성을 생각해 봅시다. 확인된 사례가 300건 미만인 상황에서 횡단면 연구는 한 명의 증상 환자를 포함하려면 약 20만 명의 대상자가 필요할 것입니다. 또한 잠복기가 10년에서 30년일 수 있으므로, 코호트 연구는 방대한 표본 크기와 한 세대의 연구 기간을 요구할 것입니다.

 

환자-대조군 연구는 상대적으로 적은 수의 대상자를 필요로 하므로 각 대상자를 더 면밀히 연구할 수 있는 자원을 확보할 수 있습니다. 결과적으로 다양한 변수를 고려할 수 있습니다. 이러한 연구는 가설을 생성하는 데 유용하며, 이후 다른 유형의 연구로 검증할 수 있습니다.

 

이 변수의 유연성은 연구할 수 있는 결과의 제한성이라는 대가를 수반합니다. 연구할 수 있는 유일한 결과는 질병의 존재 또는 부재와 같은 기준입니다.

 

환자-대조군 연구의 주요 문제는 혼란 변수와 편향입니다. 편향은 두 가지 주요 형태로 나타납니다.

표본 편향 Sampling bias

질병을 가진 환자들이 편향된 표본일 수 있습니다(예: 대학병원에 의뢰된 환자). 또는 대조군이 편향될 수 있습니다(예: 자원자, 연령, 성별, 사회경제적 집단의 차이).

관찰 및 회상 편향 Observation and recall bias

연구가 후향적으로 예측 변수를 평가하므로, 환자나 연구자가 해당 변수의 존재와 중요성을 편향되게 평가할 가능성이 큽니다.

표본 편향 극복 방법 Overcoming sampling bias

이상적으로는 연구하는 사례들이 무작위로 선정된 질병 환자이어야 합니다. 그러나 많은 경우 이는 매우 어렵거나 불가능합니다. 예를 들어, 비인슐린 의존성 당뇨병의 많은 사례가 진료를 받지 않아 진단되지 않은 상태일 수 있습니다. 반대로, 많은 정신 질환은 다른 국가에서 또는 동일한 국가 내에서도 의사에 따라 다르게 진단될 수 있습니다. 이로 인해 연구 목적으로는 오진될 수 있습니다. 실제로 연구 가능한 환자들만을 대상으로 연구하게 되는 경우가 많습니다. 대조군 선택은 종종 더 어려운 문제입니다.

 

대조군이 사례와 같은 인구를 대표할 수 있도록 하기 위해 다음 네 가지 기법 중 하나를 사용할 수 있습니다.

• 편의 표본: 사례들과 동일한 방식으로 표본을 추출하는 것(예: 동일한 외래 진료실에 내원한 환자들). 이는 편리하지만 연구의 외적 타당성을 감소시킬 수 있습니다.
• 매칭: 대조군이 영향을 받지 않은 인구에서 무작위로 매칭되었거나 매칭되지 않은 표본일 수 있습니다. 하지만 대조군이 너무 밀접하게 매칭되면 일반 인구를 대표하지 않을 수 있습니다. 과도한 매칭은 실제 차이를 과소평가하게 만들 수 있습니다.
• 두 개 이상의 대조군 사용: 여러 방식으로 표본화된 대조군과 사례군 사이에 유의미한 차이가 확인된다면, 결론이 더욱 강력해집니다.
• 인구 기반 표본 사용: 특정 등록부에서 무작위로 질병 환자를 선택하고, 대조군은 같은 지역의 인구에서 나이와 성별이 일치하는 사람들을 무작위로 선택하여 구성할 수 있습니다.

관찰 및 회상 편향 극복 방법 Overcoming observation and recall bias

회상 편향을 극복하려면 연구 시작 전에 다른 목적을 위해 기록된 데이터를 사용하는 것이 좋습니다. 그러나 이 전략의 성공은 데이터의 가용성과 신뢰성에 의해 제한됩니다. 또 다른 방법은 눈가림(blinding) 기법입니다. 대상자나 관찰자 모두가 자신이 사례군인지 대조군인지 알지 못하게 하며, 연구 가설도 모르게 합니다. 하지만 실제로는 이것이 어려운 경우가 많고, 부분적 눈가림만 실현 가능합니다.

 

사례군이 자신의 질병 상태를 모르는 것은 불가능하므로, 눈가림이 어려운 경우가 많습니다. 비슷하게, 관찰자가 신체적 징후(예: 청색증이나 호흡곤란)를 눈가림하기는 어렵습니다.

 

이러한 편향과 혼란 변수로 인해, 환자-대조군 연구는 종종 결함이 발생하지만, 가설 생성에는 여전히 유용합니다. 이 가설은 이후 무작위 대조 연구나 코호트 연구로 더 엄격하게 테스트될 수 있습니다.

예시

환자-대조군 연구는 매우 흔합니다. 이는 드문 사건을 연구하는 데 특히 유용합니다. 예를 들어, 영아 돌연사, 병원 외 심정지 생존, 독성 응급 상황 등의 연구가 있습니다. 최근의 예로는 운동 중 중년 남성의 심방세동 연구가 있습니다.

---

환자-대조군 연구: 핵심 사항

• 환자-대조군 연구는 구성하기 쉽습니다.
• 후향적으로 두 그룹을 비교합니다.
• 결과의 예측 변수를 식별하는 것을 목표로 합니다.
• 승산비를 통해 예측 변수가 결과에 미치는 영향을 평가할 수 있습니다.
• 가설 생성에 유용합니다.
• 하나의 결과만 연구할 수 있습니다.
• 편향이 주요 문제입니다.

---

데이터베이스를 활용한 연구 (2차 데이터)
USING DATABASES FOR RESEARCH (SECONDARY DATA)

기존의 데이터베이스는 훌륭하고 편리한 데이터 소스가 됩니다. 이러한 데이터베이스는 매우 다양하며, 컴퓨터에 정보를 점점 더 많이 아카이빙하는 덕분에 데이터 확보의 중요한 영역으로 확대되고 있습니다. 표 3에는 잠재적으로 유용한 데이터베이스의 몇 가지 일반적인 예가 나열되어 있습니다.

 

이러한 데이터베이스는 대규모의 인원을 전향적 또는 후향적으로 연구에 포함시킬 수 있습니다. 이를 사용하여 코호트를 구성하거나, 횡단면 연구를 위한 표본을 생성하거나, 특정 조건이나 결과를 가진 사람들을 식별하고 환자-대조군 연구를 위한 표본을 생성할 수 있습니다. 예를 들어, 최근 연구에서는 11개국의 인구 조사 데이터를 사용하여 중년 남성의 사회 계층과 사망률 간의 관계를 조사했습니다.

장점과 단점 Advantages and disadvantages

이러한 유형의 데이터는 보통 연구자가 아닌 다른 사람들에 의해 특정 가설과 무관하게 수집됩니다. 따라서 관찰자 편향의 가능성이 줄어듭니다. 이전에 수집된 데이터를 사용하는 것은 효율적이고 비교적 저렴하며, 표준화된 방식으로 데이터가 수집되므로 시간이나 국가 간 비교가 가능합니다. 하지만 데이터가 다른 목적으로 수집되었기 때문에 현재의 가설을 검증하는 데 이상적이지 않거나 불완전할 수 있습니다. 이는 표본 편향을 일으킬 수 있습니다. 예를 들어, 선거인 명부는 개인의 등록에 의존하므로, 노숙자, 정신 질환자, 만성 질환자 등은 등록되지 않을 수 있습니다. 또한 영국에서 전염병 보고는 의사의 법적 책임이지만, 콜레라와 같은 질병의 대부분은 보고될 가능성이 높지만 식중독의 대부분은 보고되지 않을 가능성이 큽니다.

원인과 연관성 Causes and associations

관찰 연구는 무작위 대조 시험과 같은 실험이 아니므로 많은 외부 변수를 통제하기 어렵습니다. 따라서 질병이나 사망 원인과 환경적 영향 간의 명확하고 중요한 연관성을 확인했을 때, 이것이 인과관계인지 단순한 연관성인지 판단해야 합니다. 표 4에는 이 판단을 할 때 고려해야 할 사항이 요약되어 있습니다.

 

---

표 4는 인과 관계를 평가하는 기준에 대한 정보를 제시하고 있습니다. 

• 연관성의 강도: 연관성의 크기가 클수록 인과적일 가능성이 높습니다.
• 일관성: 연관성이 다른 시기, 장소, 연구자에 의해 관찰된다면 더욱 신뢰할 수 있습니다.
• 특이성: 질병과 영향을 받는 사람들의 그룹이 특정할수록 인과성의 가능성이 큽니다.
• 시간적 관계: 의심되는 원인이 질병에 앞서는가?
• 생물학적 경향: 용량-반응 관계가 있는가?
• 생물학적 타당성: 결과가 생물학적으로 타당한 질병 메커니즘과 일치하는가?
• 증거의 일관성: 원인과 결과의 해석이 해당 질병의 자연사 및 생물학과 관련된 다른 사실들과 일치하는가?
• 예방: 원인을 회피하거나 제거하면 질병 발생률이 감소하는가?
• 유추에 의한 추론: 다른 원인과 결과 관계와 유사한 증거가 있는가?

이 표는 인과관계를 평가할 때 고려해야 할 다양한 기준을 요약하고 있으며, 인과관계를 확정하는 데 기여할 수 있는 여러 요소를 설명하고 있습니다.

---

 

 

이러한 판단 중 어느 것도 원인과 결과의 확실한 증거를 제공하지는 않지만, 이를 종합적으로 고려하면 연구자가 "주어진 증거를 설명할 다른 방법이 있는가?" 그리고 "원인과 결과보다 더 가능성 있는 설명이 있는가?"라는 근본적인 질문에 답할 수 있게 합니다.

요약

질적 연구는 고품질의 정보를 제공할 수 있지만, 모든 연구는 알려진 또는 알려지지 않은 혼란 변수에 의해 영향을 받을 수 있습니다. 관찰 연구의 적절한 사용은 유병률, 발병률, 연관성, 원인, 결과를 조사할 수 있게 해줍니다. 해당 주제에 대한 증거가 적을 때, 관찰 연구는 더 큰 규모와 비용이 드는 연구 설계를 시작하기 전에 가설을 생성하고 조사하는 비용 효율적인 방법입니다. 또한, 무작위 대조 시험이 비현실적이거나 비윤리적인 경우에 유일한 실행 가능한 연구 방법이 되기도 합니다.

• 코호트 연구는 미래에 각 대상자를 추적합니다.
  • 관심 있는 결과가 관찰되기 전에 대상자가 선택됩니다.
  • 사건의 순서를 확립합니다.
  • 여러 결과를 연구할 수 있습니다.
  • 질병의 발병률을 확립하는 데 가장 적합합니다.
  • 질병의 원인을 규명하는 데 유리합니다.
  • 코호트 연구의 주요 요약 통계는 상대 위험비입니다.
  • 전향적 연구일 경우 비용이 많이 들고 결과를 얻기까지 오랜 시간이 소요됩니다.
• 횡단면 연구는 각 대상자를 한 시점에서만 살펴봅니다.
  • 관심 있는 결과와 상관없이 대상자가 선택됩니다.
  • 비용이 적게 듭니다.
  • 유병률을 결정하는 데 가장 적합합니다.
  • 빠르게 수행할 수 있습니다.
  • 횡단면 연구의 주요 요약 통계는 승산비입니다.
  • 코호트 연구보다 인과관계에 대한 증거가 약합니다.
  • 드문 질병을 연구할 때는 부정확할 수 있습니다.
• 환자-대조군 연구는 각 대상자가 무엇을 겪었는지를 돌아봅니다.
  • 관심 있는 결과에 근거하여 대상자가 선택됩니다.
  • 저렴합니다.
  • 효율적입니다(작은 표본 크기).
  • 각 변수에 대해 승산비를 산출하며, 이는 상대 위험에 근접합니다.
  • 표본 편향 및 후향적 분석 편향에 취약합니다.
  • 하나의 결과만 연구합니다.

용어 해설

• 편향: 모집단을 대표하지 못하는 결과를 초래하는 대상자나 방법의 포함.
• 눈가림(Blinding): 연구자나 대상자가 어느 중재 또는 노출을 받았는지 모르게 하는 과정.
• 코크란 데이터베이스: 동료 검토를 거친 전향적 무작위 임상 시험을 집대성한 국제 협력 프로젝트.
• 코호트: 시간의 흐름에 따라 하나 이상의 특성을 연구할 수 있도록 식별된 모집단의 일부.
• 혼란 변수: 노출 변수와 결과 변수 모두와 연관된 변수로, 연구 중인 변수가 아님.
• 대조군: 관심 있는 상태를 가지고 있지 않거나, 관심 있는 요인에 노출되지 않았거나 치료받지 않은 그룹.
• 위양성: 실제로는 해당 질병이나 상태가 없음에도 불구하고 특정 질병이나 상태를 가지고 있다고 시사하는 검사 결과.
• 발병률: 일정 기간 동안 발생하는 새로운 사례의 수로, 시간과 관련된 비율.
• 잠복기: 특정 요인에 노출된 후 증상, 징후 또는 기타 변화가 발생하기까지의 기간.
• 매칭: 각 사례가 연구 중인 변수 이외의 모든 면에서 시험 대상자와 유사하도록 한 명 이상의 대조군과 매칭되는 과정.
• 관찰 연구: 실험적 개입 없이 자연 상태에서 사건의 연관성을 평가하는 연구.
• 승산비: 특정 사건이 발생할 확률과 발생하지 않을 확률의 비율.
• 유병률: 특정 시점에서 정의된 모집단 내 존재하는 질병 사례의 수.
• 무작위 대조 시험: 통계적으로 무작위화된 방법으로 대상자가 두 개 이상의 그룹에 배정되며, 중재를 제외한 모든 변수가 균등하게 분포된다고 가정.
• 상대 위험: 특정 변수에 노출되었을 때 질병이 발생할 확률과 노출되지 않았을 때 질병이 발생할 확률의 비율.
• 응답률: 치료나 설문에 응답한 대상자의 비율.
• 위험 요인: 특정 질병 또는 결과와 관련된 변수.
• 내적 타당성: 연구 설계와 실행의 엄격성으로, 결론의 신뢰 가능성.
• 외적 타당성: 연구 결과가 다른 모집단에 대해 유용한지 여부.
• 변수: 대상자 간 또는 시간에 따라 변할 수 있는 값이나 특성.