Raw data 만드는 과정, 임상 연구 설계 방법: PICO, Counterfactual Models

임상 설계에서 PICO란?

PICO는 임상 연구의 핵심 요소를 구조화하는 틀로, 연구 질문을 명확하게 정의하고 체계적인 검토를 수행하는 데 사용됩니다. 이는 근거 중심 의학(Evidence-Based Medicine, EBM)에서 연구를 설계하고 해석하는 데 중요한 역할을 합니다.

🔹 PICO의 구성 요소

P (Population, 환자군/대상자)
- 연구의 대상이 되는 환자 또는 인구 집단을 의미합니다.
- 연령, 성별, 질병 상태, 위험 요인 등의 기준이 포함될 수 있습니다.
I (Intervention, 중재/노출)
- 연구에서 평가하는 치료, 노출, 위험 요인 또는 검사 방법을 의미합니다.
- 임상 연구에서는 새로운 약물, 수술법, 생활 습관 변화 등이 이에 해당합니다.
C (Comparison, Controls, 비교군/대조군)
- 실험군과 비교할 대조군(기존 치료, 위약, 무처치 그룹 등)을 설정합니다.
- 비교 대상이 없을 수도 있으며, 경우에 따라 "기존 표준 치료"가 될 수도 있습니다.
O (Outcome, 결과/결론)

연구에서 측정하려는 결과 변수(사망률, 질병 진행, 치료 효과 등)를 의미합니다.
환자의 생존율, 증상 개선, 부작용, 삶의 질(QoL) 등이 포함될 수 있습니다.

✅ 연구 질문을 체계적으로 정리하여 명확한 연구 목적을 설정할 수 있습니다.
✅ 비교 가능한 연구 설계를 가능하게 하여 체계적 문헌 고찰 및 메타 분석에 활용됩니다.
✅ 연구 결과의 재현성과 신뢰도를 높이고, 임상 적용 가능성을 평가하는 데 도움을 줍니다.

📌 PICO는 임상 연구뿐만 아니라, 의학 논문 검색 전략을 세울 때에도 유용하게 활용됩니다.

Counterfactual Models (반사실 모델)이란?

Counterfactual models(반사실 모델)은 "어떤 일이 일어나지 않았다면 결과가 어땠을까?"를 분석하는 방법으로, 인과관계를 추론하는 통계적·수학적 모델입니다.

💡 쉽게 말하면:

연구에서 어떤 요인을 실제로 경험한 집단과 그렇지 않은 집단을 비교하여 그 요인이 결과에 미치는 영향을 분석하는 방법입니다.
현실에서 직접 관찰할 수 없는 "만약 다른 선택을 했더라면?"이라는 가정을 바탕으로 결과를 예측합니다.

📎 Counterfactual 모델의 핵심 개념

1️⃣ 실제 관찰된 결과 (Observed Outcome)

연구 대상자가 실제로 경험한 상황에서의 결과.

2️⃣ 반사실 결과 (Counterfactual Outcome, 관찰되지 않은 결과)

연구 대상자가 다른 선택을 했을 경우 발생했을 결과(이론적인 가정).

3️⃣ 처치 효과 (Treatment Effect)

실제 결과와 반사실 결과의 차이.
예를 들어, 약을 복용한 그룹과 복용하지 않은 그룹 간의 사망률 차이를 비교하는 경우, 그 차이가 약물의 효과가 됩니다.

📎 Counterfactual 모델의 예시

1️⃣ 임상 연구에서의 예시

질문: "간 질환이 있는 환자가 적당한 음주를 하면 사망률이 낮아질까?"

실제 상황 (Observed Reality):

A라는 환자가 하루 10g의 알코올을 섭취하고 10년 후 사망했다.

반사실 상황 (Counterfactual Reality, 관찰되지 않은 결과):
- A가 술을 전혀 마시지 않았다면 몇 년을 더 살았을까?

이 상황에서 우리는 A가 술을 마시지 않은 평행 우주를 직접 관찰할 수 없기 때문에, Counterfactual 모델을 사용하여 통계적으로 유사한 특성을 가진 다른 사람들과 비교하여 사망률 차이를 분석합니다.

2️⃣ COVID-19 백신 효과 연구

질문: "백신을 맞은 사람이 맞지 않은 사람보다 사망률이 낮을까?"

✅ 실제 관찰된 결과:

백신을 맞은 사람(A)은 감염되지 않고 생존.

❌ 반사실 결과(관찰할 수 없음):

A가 백신을 맞지 않았더라면? 감염되어 사망했을까?

백신을 맞은 사람과 비슷한 조건을 가진 백신을 맞지 않은 사람(B)을 찾아 비교하는 방식으로, Counterfactual 분석을 수행할 수 있습니다.

3️⃣ Counterfactual Model이 중요한 이유

✅ 인과관계(Causal Inference) 연구: 단순한 상관관계(Correlation)와 달리, 특정 개입(예: 치료, 정책 변화)이 결과에 미친 영향을 추정할 수 있습니다.

✅ 정확한 효과 평가: 단순 비교가 아닌, 통제군(Comparative Control Group)을 설정하여 순수한 효과를 분석하는 데 활용됩니다.

✅ 정책 및 의학 연구에서 필수적: 백신 효과, 신약 임상시험, 경제 정책 등의 효과를 평가하는 데 필수적인 모델입니다.

4️⃣ Counterfactual Model을 활용하는 연구 방법

1. 무작위 대조군 연구 (Randomized Controlled Trial, RCT)

개입군과 대조군을 무작위로 배정하여 Counterfactual을 재현
예: 신약 임상시험에서 "약물 투여군 vs. 위약군" 비교

2. 성향 점수 매칭 (Propensity Score Matching, PSM)

실험이 어려운 경우, 비슷한 특성을 가진 비교군을 통계적으로 선정하여 비교

3. 차이-차이 분석 (Difference-in-Differences, DID)

정책 시행 전후 변화를 비교하여 Counterfactual을 추정

4. 도구 변수 분석 (Instrumental Variables, IV)

외부 요인을 이용해 특정 개입의 효과를 추정

Counterfactual Model은 특정 개입(Intervention)이나 노출(Exposure)이 없었을 경우의 결과를 추정하는 방법입니다.

같은 사람이 두 개의 현실을 경험할 수 없으므로, 연구에서는 비슷한 비교군을 설정하여 Counterfactual을 간접적으로 추정합니다.

이는 의학 연구, 경제 연구, 정책 평가 등에서 인과관계를 분석하는 데 필수적인 개념입니다.