기여 부담 및 인구 영향

얼마나 많은 사람이 질병으로 아프거나 사망하는지 아는 것과 특정 원인이 그 부담에 얼마나 기여하는지 아는 것은 다릅니다. 기여 부담은 두 번째 질문에 답합니다. 즉, 특정 감염, 병원체 또는 노출이 제거될 경우 피할 수 있는 질병, 사망 또는 DALYs의 비율을 추정합니다. 인구 기여 분율은 개별 위험에서 전체 인구로 이를 확장하여 원인의 흔한 정도를 설명합니다.

Definition

기여 부담은 특정 원인에 기인할 수 있는 인구 내 질병, 사망 또는 건강 손실의 부분이며, 인구 기여 분율은 인과 관계가 주어졌을 때 인과적 노출이 없었다면 발생하지 않았을 총 사례의 비율입니다.

Scope

이 주제는 기여 및 인구 기여 측정치(기여 분율, 인구 기여 분율, 사망 또는 DALYs로 표현된 기여 부담)와 그 해석, 그리고 필요한 강력한 인과적 가정을 다룹니다. 이는 원인의 영향을 정량화하고 배분하는 방법에 대한 참조이며, 임상적 조치의 근거는 아닙니다.

Core questions

• 주어진 감염 또는 노출이 제거된다면 결과의 얼마만큼이 예방될 수 있을까요?
• 인구 기여 분율은 개별 상대 위험도와 어떻게 다른가요?
• 기여 분율이 원인의 강도와 유병률 모두에 의존하는 이유는 무엇인가요?
• 기여 부담이 해석 가능하려면 어떤 인과적 가정이 충족되어야 하나요?

Key concepts

• 기여 분율 (노출된 사람들 사이)
• 인구 기여 분율 (PAF)
• 노출 유병률
• 반사실적 / 이론적 최소 노출
• 비교 위험 평가
• 인과적 가정
• 기여 사망 및 DALYs

Mechanisms

기여 측정치는 연관성의 강도와 원인의 확산 정도를 결합합니다. 노출된 사람들 사이의 기여 분율은 그들의 위험 중 노출로 인한 부분이 얼마나 되는지를 반영하며, 이는 상대 위험도에서 파생됩니다. 인구 기여 분율은 이를 인구 내 노출 유병률로 조정하므로, 미미한 위험 요인이지만 매우 흔한 경우 강력하지만 드문 위험 요인보다 더 많은 부담을 설명할 수 있습니다. 이 분율에 결과로 인한 총 사망 또는 DALYs를 곱하면 기여 부담이 나옵니다. 이러한 양은 반사실적입니다. 즉, 원인이 제거된 비교 시나리오에서 발생할 일을 설명하며, 연관성이 진정으로 인과적이고 교란 요인이 통제될 때만 유효합니다. 이러한 가정은 쉽게 위반될 수 있고 자주 오해됩니다 (Rockhill, Newman & Weinberg, 1998; Rothman, Greenland & Lash, 2008).

Clinical relevance

기여 부담은 감염 또는 노출의 인구 수준 기여도를 정량화하고 예방이 가장 큰 총체적 이득을 가져올 수 있는 곳을 알려줍니다. 이는 인구를 위한 배분 도구이며 개별 진단 또는 치료에 대한 함의는 없습니다.

Epidemiology

전 세계 질병 부담 연구 내의 비교 위험 평가는 관찰된 노출을 이론적 최소 위험 시나리오와 비교하여 많은 위험 요인 및 원인에 대한 기여 사망 및 DALYs를 추정하며, 경쟁하는 원인들의 인구 영향을 순위화할 수 있도록 합니다 (Murray & Lopez, 2013; Vos et al., 2020).

Evidence & guidelines

방법론 문헌은 기여 분율이 특히 비독립적인 원인들에 걸쳐 합산될 때 일상적으로 잘못 계산되고 잘못 해석된다고 경고하며 (Rockhill, Newman & Weinberg, 1998), 핵심 문헌들은 그 도출과 인과적 전제 조건을 제시합니다 (Rothman, Greenland & Lash, 2008). 전 세계 질병 부담 비교 위험 프레임워크는 대규모 귀속을 운영화합니다 (Murray & Lopez, 2013; Vos et al., 2020).

History

기여 분율은 20세기 중반 위험 요인 역학에서 노출의 공중 보건 관련성을 표현하는 방법으로 등장했으며, 인구 기여 분율은 이를 전체 인구로 일반화했습니다. 이후 비교 위험 평가는 귀속을 전 세계 질병 부담 추정에 포함시켰고, 방법론적 비판은 지속적인 오용을 강조했습니다 (Rockhill, Newman & Weinberg, 1998; Murray & Lopez, 2013).

Debates

여러 원인에 대한 기여 분율을 합산할 수 있는가?

원인들이 공동으로 작용하고 중첩될 수 있기 때문에, 다른 노출에 대한 인구 기여 분율은 합이 1이 아닐 수 있으며 1을 초과할 수도 있습니다. 이를 총 부담의 가산적 분할로 취급하는 것은 흔하고 중대한 오류입니다.

Key figures

• Beverly Rockhill
• Kenneth J. Rothman
• Sander Greenland
• Christopher J. L. Murray

Seminal works

• rockhill-1998
• murray-2013

Frequently asked questions

인구 기여 분율은 상대 위험도와 어떻게 다른가요?

상대 위험도는 노출된 사람들 사이에서 결과가 발생할 가능성이 얼마나 더 높은지를 측정합니다. 인구 기여 분율은 노출이 얼마나 흔한지도 고려하므로, 원인이 전체 인구 내 총 질병에서 차지하는 비율을 나타냅니다.

약한 위험 요인이 큰 기여 부담을 가질 수 있는 이유는 무엇인가요?

기여 부담은 강도뿐만 아니라 유병률에도 의존하기 때문입니다. 위험을 미미하게만 증가시키지만 인구의 많은 부분에 영향을 미치는 요인은 드문 강력한 요인보다 더 많은 사례를 설명할 수 있습니다.