교란 (Confounding)

교란은 효과의 혼합을 의미합니다. 즉, 노출과 결과 사이의 명백한 연관성이 제3의 요인(교란 변수)이 둘 모두의 공통 원인이기 때문에 왜곡되는 현상입니다. 교란을 설명하지 않으면, 무해한 노출이 유해하게 보이거나, 실제 효과를 숨기거나, 효과를 과장할 수 있습니다. 교란을 통제하는 것은 관찰 역학의 핵심 과제 중 하나입니다.

Definition

교란은 제3의 변수가 노출과 결과 모두의 공통 원인일 때(그리고 그들 사이의 인과 경로에 있지 않을 때) 발생하는 노출-결과 연관성의 왜곡으로, 조악한 연관성이 노출의 효과와 해당 변수의 효과를 혼합하는 것을 의미합니다.

Scope

이 항목은 어떤 변수가 교란 변수가 되는지, 인과 추론과 방향성 비순환 그래프(DAG)를 사용하여 교란을 어떻게 인식하는지, 그리고 설계 및 분석을 통해 교란을 통제하는 주요 전략을 다룹니다. 또한 교란과 효과 변형, 그리고 매개 변수를 구별합니다. 이는 방법론적 참고 자료이며, 임상 지침은 아닙니다.

Core questions

• 후보 변수가 노출과 결과 모두의 공통 원인인가?
• 해당 변수가 교란 변수라기보다는 인과 경로상의 변수(매개 변수)인가?
• 교란을 제거하기 위해 어떤 변수 집합을 조정해야 하는가?
• 잔여 교란 또는 측정되지 않은 교란이 여전히 연관성을 설명할 수 있는가?

Key concepts

• 공통 원인
• 교란 변수
• 방향성 비순환 그래프 (DAG)
• 교환 가능성
• 후문 경로
• 조정, 층화 및 짝짓기
• 잔여 교란 및 측정되지 않은 교란
• 교란 대 매개

Mechanisms

잠재적 결과(potential-outcomes) 관점에서 볼 때, 교란은 교환 가능성(exchangeability)의 실패입니다. 즉, 노출된 그룹과 노출되지 않은 그룹은 노출 외의 다른 이유로 결과의 배경 위험에서 차이를 보입니다. 인과 다이어그램(causal-diagram) 용어로, 교란 변수는 공통 원인을 통해 노출과 결과를 연결하는 비인과적 '후문 경로(backdoor path)'를 엽니다. 적절한 변수 집합을 조건화함으로써 그 경로를 차단하면 교란이 제거됩니다. 인과 경로상의 변수(매개 변수)는 교란 변수가 아니며, 이를 조정하면 자체적인 편향을 유발할 수 있습니다. 통제는 설계(무작위 배정, 제한, 짝짓기) 또는 분석(층화, 표준화, 회귀 조정 및 성향 점수와 같은 방법)을 통해 수행될 수 있습니다. 조정은 측정된 교란 변수만 처리할 수 있으므로, 측정되지 않은 교란 변수와 잔여 교란 변수는 관찰 추정치의 한계로 남습니다.

Clinical relevance

교란은 관찰된 연관성이 자동으로 인과적이지 않은 주된 이유이며, 연구가 교란을 얼마나 잘 다루었는지 판단하는 것은 노출과 질병에 대한 증거를 평가하는 데 중요합니다. 이 개념은 증거가 어떻게 해석되는지 설명하며, 개별 환자의 진단이나 치료에 대한 조언 자체는 아닙니다.

Epidemiology

교란에 대한 우려는 코호트, 환자-대조군, 단면 연구 등 관찰 연구 전반에 걸쳐 만연합니다. 이는 무작위 배정 시험(평균적으로 측정된 교란 변수와 측정되지 않은 교란 변수 모두의 균형을 맞춤)과 조정해야 할 사항에 대해 추론하기 위한 명시적인 인과 다이어그램 및 정량적 편향 분석의 사용 증가를 촉진합니다.

History

제3의 요인이 효과를 혼합할 수 있다는 인식은 오래되었지만, 정확한 정의는 20세기 후반에 나타났습니다. Greenland와 Robins (1986)는 교환 가능성과 연구가 근사하려는 반사실적 비교를 통해 교란을 구성했으며, Greenland, Pearl, Robins (1999)의 인과 다이어그램 프레임워크는 교란 변수를 식별하고 조정 집합을 선택하기 위한 그래픽 기준을 제시했습니다. 이러한 발전은 교란을 효과 변형 및 선택 편향과 명확하게 분리했습니다.

Debates

조정을 위해 교란 변수를 어떻게 선택해야 하는가?

과거의 관행은 통계적 기준(예: 추정치 변화 또는 연관성의 유의성)에 의존했지만, 인과 다이어그램 접근 방식은 매개 변수나 충돌 변수를 조정하는 것을 피하기 위해 인과 구조에 대한 사전 주제 지식으로부터 조정 집합을 선택해야 한다고 주장합니다.

Key figures

• Sander Greenland
• James Robins
• Judea Pearl
• Olli Miettinen

Seminal works

• greenland-robins-1986
• greenland-pearl-robins-1999
• maldonado-greenland-2002

Frequently asked questions

교란 변수와 매개 변수의 차이점은 무엇인가?

교란 변수는 노출과 결과 모두의 공통 원인이며 인과 경로 밖에 있습니다. 매개 변수는 노출에서 결과로 이어지는 경로상에 있습니다. 교란 변수를 조정하면 편향이 감소하지만, 매개 변수를 조정하면 편향이 발생할 수 있습니다.

무작위 배정이 교란을 제거하는가?

무작위 배정은 평균적으로, 특히 대규모 시험에서, 측정된 공통 원인과 측정되지 않은 공통 원인 모두를 그룹 간에 균형 있게 맞추는 경향이 있습니다. 이것이 무작위 배정이 관찰 데이터의 조정으로는 완전히 따라잡을 수 없는 방식으로 교란을 통제하는 이유입니다.

교란이 효과 변형과 같은 것인가?

아닙니다. 교란은 제거해야 할 왜곡입니다. 효과 변형은 하위 그룹 간 효과의 진정한 변동이며, 오류가 아니라 관계의 속성입니다.