반사실적 추론

반사실적 추론은 현대 인과 추론의 기초 논리입니다. 이는 동일한 개인 또는 모집단에 대해 실제로 발생한 일과 다른, 사실과 반대되는 노출 하에서 발생했을 일을 비교하여 노출의 효과를 정의합니다. 이러한 결과 중 오직 하나만이 관찰되기 때문에, 인과 추론은 누락된 반사실을 복구하는 문제가 됩니다.

Definition

반사실적 추론은 인과 효과를 잠재적 결과 간의 대비로 정의합니다. 잠재적 결과는 단위가 다른 노출 하에서 경험할 수 있는 결과이며, 각 단위에 대해 많아야 하나만 관찰됩니다.

Scope

이 주제는 잠재적 결과(루빈 인과 모델) 프레임워크, 반사실적 대비로서의 개별 및 평균 인과 효과의 정의, 그리고 단위당 하나의 잠재적 결과만 관찰 가능하다는 인과 추론의 근본적인 문제를 다룹니다. 이는 방법론적 참고 자료이며, 임상 지침이 아닙니다.

Core questions

• 다른 노출 하에서 동일한 사람들에게 무슨 일이 일어났을까요?
• 하나의 결과만 관찰될 수 있을 때 인과 효과는 어떻게 정의되나요?
• 개별 인과 효과와 평균 인과 효과는 어떻게 관련되어 있나요?

Key concepts

• 잠재적 결과
• 개별 대 평균 인과 효과
• 인과 추론의 근본적인 문제
• 반사실적 대비
• 교환 가능성
• 일관성

Mechanisms

루빈(rubin-1974)이 공식화한 잠재적 결과 모델에서 각 단위는 가능한 각 노출 하에서 잠재적 결과를 가집니다. 개별 인과 효과는 이들 간의 대비이며, 평균 인과 효과는 이러한 대비들의 모집단 평균입니다. 근본적인 문제는 실제로 받은 노출 하에서의 결과만 관찰되므로, 반사실은 비교군을 사용하여 추정해야 한다는 것입니다. 이는 그룹이 교환 가능할 때, 즉 동일한 노출을 받았다면 동일한 결과 분포를 가졌을 때(greenland-robins-1986), 그리고 관찰된 결과가 해당 잠재적 결과와 일치할 때(일관성)만 유효합니다. 무작위화는 설계상 교환 가능성을 보장합니다. 관찰 데이터에서는 이를 가정하고 옹호해야 합니다(hernan-robins-2006). 인과 다이어그램은 이러한 동일한 반사실적 가정을 보완적으로 구조적으로 표현합니다(greenland-pearl-robins-1999).

Clinical relevance

반사실적 정의는 치료 또는 노출 효과가 실제로 무엇을 의미하는지, 그리고 유효한 비교군이 왜 필수적인지를 명확히 합니다. 이는 보건 과학에서 모든 인과적 증거를 평가하는 기초가 됩니다. 이는 효과 추정의 논리를 설명하며, 개별 진단 또는 치료 결정의 근거가 아닙니다.

Epidemiology

잠재적 결과 프레임워크는 무작위 대조 시험부터 조정, 가중치 또는 g-방법을 사용하는 관찰 분석에 이르기까지 현대 역학 방법의 개념적 중추입니다. 이는 혼란 변수, 선택 편향 및 효과 수정이 현재 정의되는 언어를 제공합니다(hernan-robins-2006).

History

잠재적 결과 아이디어는 네이먼의 20세기 초 무작위 실험 연구로 거슬러 올라가며, 1974년 루빈에 의해 관찰 연구로 일반화되었습니다(rubin-1974). 그린랜드와 로빈스는 이를 교환 가능성을 통해 역학적 혼란 변수와 연결했으며(greenland-robins-1986), 이후 인과 다이어그램과 통합된 이 프레임워크(greenland-pearl-robins-1999)는 역학자들이 인과 효과를 정의하고 추정하는 방식의 중심이 되었습니다(hernan-robins-2006).

Debates

반사실적 개입은 얼마나 잘 정의되어야 하는가?

일부 학자들은 반사실적 대비가 합리적으로 잘 정의된 가설적 개입에 해당하는 노출에 대해서만 의미가 있다고 주장하며, 인종이나 체중과 같은 속성의 효과에 대한 의문을 제기합니다. 다른 학자들은 허용 가능한 대비에 대해 더 넓은 견해를 취합니다.

Key figures

• Donald Rubin
• Jerzy Neyman
• James Robins
• Sander Greenland
• Miguel Hernán

Seminal works

• rubin-1974
• greenland-robins-1986
• greenland-pearl-robins-1999

Frequently asked questions

왜 인과 추론의 '근본적인 문제'라고 불리나요?

어떤 단위에 대해서도 실제로 받은 노출 하에서의 결과만 관찰될 수 있기 때문입니다. 대안적 노출 하에서의 결과는 누락되므로, 개별 인과 효과는 직접적으로 측정될 수 없습니다.

무작위화는 반사실에 어떻게 도움이 되나요?

무작위 할당은 노출 그룹을 평균적으로 교환 가능하게 만듭니다. 따라서 한 그룹에서 관찰된 결과는 다른 그룹의 누락된 반사실적 결과를 추정하여 평균 인과 효과를 추정할 수 있게 합니다.