보건 서비스 분야의 관찰 연구 설계

보건 서비스 연구에서 관찰 연구 설계는 연구자가 노출이나 중재를 할당하지 않고도 치료 제공, 활용 및 결과를 설명하고 비교합니다. 이러한 연구는 일상적으로 수집되는 데이터(청구 자료, 등록 자료, 전자 건강 기록 및 행정 데이터셋)에 크게 의존하며, 실제 조건에서 시스템이 어떻게 작동하는지에 대한 질문에 코호트, 환자-대조군, 단면 및 준실험적 논리를 적용합니다.

Definition

보건 서비스 분야의 관찰 연구 설계는 연구자가 일상적인 진료에서 발생하는 치료, 노출 및 결과를 관찰하는 비실험적 접근 방식입니다. 이는 코호트, 환자-대조군, 단면 및 준실험적 구조를 사용하여 연관성을 추정하고, 신중한 조정을 통해 인과적 효과를 추정합니다.

Scope

이 항목은 보건 서비스 및 정책 연구에서 사용되는 주요 관찰 설계, 이러한 설계에 사용되는 데이터 소스, 지표에 의한 교란(confounding by indication)이라는 핵심 위협, 그리고 인과적 해석을 강화하는 데 사용되는 방법 및 보고 표준을 다룹니다. 이는 방법론적 틀을 가지며 임상적 또는 정책적 권고를 제공하지 않습니다.

Core questions

• 일상적으로 수집된 데이터가 치료 제공에 대한 신뢰할 수 있는 인과적 주장을 뒷받침할 수 있는 경우는 언제인가?
• 지표에 의한 교란(confounding by indication)은 진정한 효과와 어떻게 구별되는가?
• 활용, 접근 또는 결과에 대한 질문에 어떤 관찰 설계가 적합한가?
• 무작위화가 불가능할 때 어떤 조정 방법이 편향을 줄이는가?

Key concepts

• 코호트, 환자-대조군 및 단면 설계
• 행정 및 청구 데이터
• 전자 건강 기록 및 등록 데이터
• 지표에 의한 교란(Confounding by indication)
• 선택 및 정보 편향
• 성향 점수 및 다변수 조정
• 이중 강건 추정(Doubly robust estimation)
• 준실험 설계 (차이-의-차이, 중단된 시계열)
• STROBE 보고

Mechanisms

노출과 중재가 연구자에 의해 할당되지 않기 때문에 관찰 설계는 교란에 취약합니다. 특히 지표에 의한 교란(confounding by indication)은 환자가 치료나 서비스를 받는 이유 자체가 결과와 관련이 있을 때 발생합니다. 분석가들은 설계(제한, 매칭, 신규 사용자 및 활성 비교군 설계) 및 분석(다변수 회귀, 성향 점수 방법, 도구 변수, 그리고 결과 및 노출 모델링을 결합하여 어느 한 모델이 정확하면 편향이 감소하는 이중 강건 추정량)을 통해 이를 해결합니다. 준실험 설계는 정책이나 시기의 자연적 변동을 이용하여 무작위화를 근사합니다. STROBE 성명서는 이러한 연구가 보고되는 방식을 표준화하여 독자들이 그 타당성을 판단할 수 있도록 합니다 (von Elm et al., 2007; Funk et al., 2011; Rothman et al., 2008).

Clinical relevance

관찰 연구는 임상 시험 외의 환경, 특히 실험에서 종종 제외되는 집단에서 서비스 및 치료가 어떻게 수행되는지에 대한 많은 실제 증거를 생성합니다. 이러한 증거를 비판적으로 평가하는 것은 서비스 제공 수준의 증거 강도에 대한 판단을 뒷받침합니다. 이 항목은 그러한 증거가 어떻게 생성되는지를 설명하며, 개별 진단 또는 치료 결정의 근거가 아닙니다.

Epidemiology

관찰 설계는 무작위화가 비윤리적이거나, 비실용적이거나, 너무 느릴 때 기본적으로 사용되며, 이는 시스템 및 정책 수준의 질문에서 흔히 발생합니다. 대규모 연결 데이터셋은 희귀한 결과와 장기적인 효과를 대규모로 연구할 수 있게 하지만, 교란을 통제하는 분석적 부담을 증가시킵니다 (Rothman et al., 2008).

Evidence & guidelines

STROBE 성명서 (von Elm et al., 2007)는 코호트, 환자-대조군 및 단면 연구에 대한 주요 보고 표준을 제공합니다. 성향 점수 및 이중 강건 추정(doubly robust estimation)에 대한 방법론 문헌 (Funk et al., 2011)과 참고 역학 교과서 (Rothman et al., 2008)는 교란을 어떻게 다루는지 설명합니다. 이러한 자료들은 방법론적이며 치료법을 권장하지 않습니다.

History

관찰 역학은 보건 서비스 연구보다 훨씬 오래되었지만, 20세기 후반부터 행정 청구 및 전자 건강 기록의 성장은 치료 제공에 대한 대규모 관찰 연구를 일상화했습니다. 2007년 STROBE 성명서는 보고 관행을 통합했으며, 이후 성향 점수 및 이중 강건 방법의 등장은 비무작위화 데이터에서 더 신뢰할 수 있는 인과적 추론을 도출하려는 지속적인 노력을 반영합니다.

Debates

관찰 데이터가 치료 효과에 대한 인과적 주장을 뒷받침할 수 있는가?

정교한 조정에도 불구하고 측정되지 않은 교란은 지속될 수 있습니다. 분석가들은 관찰 추정치가 신뢰할 수 있는 시점과 무작위화만이 충분한 시점에 대해 의견이 다릅니다. 활성 비교군 신규 사용자 연구와 같은 설계 선택은 이러한 격차를 좁히기 위해 옹호됩니다.

Key figures

• Kenneth Rothman
• Sander Greenland
• Erik von Elm

Seminal works

• vonelm-2007-strobe
• funk-2011

Frequently asked questions

보건 서비스 연구에서 관찰 설계가 왜 그렇게 흔한가요?

치료가 어떻게 조직되고, 자금이 조달되고, 제공되는지에 대한 많은 질문은 윤리적 또는 실용적인 이유로 무작위화될 수 없으며, 일상적으로 수집된 데이터는 대규모 실제 인구를 연구하는 것을 가능하게 합니다.

지표에 의한 교란(confounding by indication)이란 무엇인가요?

이는 환자가 치료나 서비스를 받는 임상적 이유 자체가 결과와 관련이 있을 때 발생하는 편향으로, 신중하게 조정하지 않으면 치료군과 비치료군을 비교할 수 없게 만듭니다.