역학연구에서의 인과성 - Bradford Hill criteria

역학연구(관찰연구)는 실험적연구가 아니기 때문에 관찰된 통계적 유의성에 대하여 바로 이것이 원인이다 라고 말하기는 어렵다.

먼저 관찰된 통계적 연관성 (Association)에 대하여, Bias를 평가하고, 인과관계 (Causality)를 확인해야 한다.

이 인과성을 확인하는데는 전통적으로 Bradford Hill criteria가 잘 이용되고, 이중에서 시간적 선후관계 외에는 절대적이지는 않다.

1. 시간적 선후관계 (Temporality) : 노출은 결과에 항상 앞서야 하며, 그 사이의 기간도 적절해야 한다.
2. 강도 (Strength, Effect size) : 연관성의 강도 (eg. OR, HR)이 클수록 인과관계일 가능성이 크다.
3. 일관성 (Consistency, Reproducibility) : 다른 연구, 다른 연구방법에서도 비슷한 결과가 관찰되면 인과관계일 가능성이 높다. 동일한 design으로 연구를 다시 진행했을때 비슷한 결과가 나와야 한다.
4. 특이성 (Specificity) : 결과가 다른 요인들에 의해 설명되지 않고, 오직 한 요인과의 연관성이 보일 경우. 또는 어떤 요인이 다른 결과와 연관성을 보이지 않고 오직 한 결과와만 연관성을 보일경우.
5. 양-반응 관계 (Dose-response relationship) : 요인에 많이 노출될수록 결과가 발생할 확률이 높아지는 경우.
6. 생물학적 설명 가능성 (Plausibility) : 역학적으로 관찰된 연관성이 분자생물학적으로 설명되는 경우.
7. 기존 지식과의 일치 (Coherence) : 기존의 지식과 일치되는 경우. 예를들어 알려진 질병의 자연사에 맞게 노출과 결과요인이 일어나는 경우.
8. 실험적 입증 (Experiment) : 실험으로 인하여 입증되는 경우. 요인에 대한 노출이 제거될때, 질병이 없어지는 경우도 가능하며 반드시 Clinical trial 이라기 보다 자연적인 실험으로 확인될 수도 있다.
9. 유사성 (Analogy) : 기존에 밝혀진 인과관계와 유사한 연관성이 관찰됨. 예를들어, 임신 중 풍진감염과 선천성 기형과의 인과성이 확인된 상태에서 어느 바이러스 노출과 선천성 기형과의 연관성.

Criteria를 보면 직관적이고, 당연하다고 간과하기 쉬울수도 있는데, 관찰연구에서 자주 발생하는 문제 중 하나는 association을 과대해서 causality로 해석하는 경우도 많이 있으며, 또한 reverse causality의 문제도 많이 보이기 때문에 반드시 Bradford Hill criteria를 이용해서가 아니더라도 인과관계 (causality)를 잘 확인을 해야한다.