Dr CK's notebook

현재 의대증원문제가 뜨거운 가운데 의사수가 적다라는 근거를 봐야겠다. 정부는 OECD 국가중에서 대한민국의 국민당 의사수는 최저수준이라고 항상 얘기하고 있고, 그것을 근거로 의대증원이 필요하다고 주장하고 있다. 언론과 여론도 그 말을 그대로 믿고 의대증원이 필요하다고 말하고 있는데 그중 정말로 OECD 통계를 직접 본사람은 얼마나 될까? 진짜 OECD 발표 자료를 확인해보자. 최신의 OECD 자료는 두가지가 있다. 하나는 우리나라 정부 (보건복지부, 한국보건사회연구원)에서 발표한 "OECD Health Statistics 2023"이며, 다른 하나는 OECD에서 직접 발표하는 "Health at a glance 2023" 이다. 사실 이 두자료 모두 OECD health data를 정리한 내용인데, 이 ..

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. 시간적 선후관계 (Temporality) : 노출은 결과에 항상 앞서야 하며, 그 사이의 기간도 적절해야 한다. 강도 (Strength, Effect size) : 연관성의 강도 (eg. OR, HR)이 클수록 인과관계일 가능성이 크다. 일관성 (Consistency, Reproducibility) : 다른 연..

건강검진의 목적은 질병을 조기발견하여 (특히 암), 조기에 치료를 함으로써 궁극적으로 사망률을 줄이는데 목적이 있다. 검진검진 효과를 평가하고자 한다면 몇가지 발생할 수 있는 Bias에 대하여 주의를 해야 한다. 1. Lead time bias Lead time이란 조기발견기간으로 질병의 자연사에 있어 증상이 있어 질병의 발견한 시간과 무증상 기간중 검진(Screening)에 의해서 질병이 발견된 시간의 차이를 의미한다. 만약 효과가 없는 검진이라면 검진에 의해 survival gain은 없으면서, lead time만큼 검진받은 사람은 더 추적관찰을 하게되니, 그 기간만큼 더 survival이 늘어난것 처럼 보일수 있는 bias이다. 크게 와닿지 않을 수 있는데, 예시로 benign tumor이나 매우 ..

Immortal time bias란 사건이 일어날 수 없는 시간에 대한 Bias 이다. Misclassification bias의 일종으로 주로 후향적 관찰연구에서 발생할 수 있어 분석에 주의를 요한다. 어느 한 연구참가자가 연구기간 중간에 노출이 되었다고 한다면 이 사람은 노출군으로 분류되어야 하는가? 아니면 비노출군으로 분류되어야 하는가? 노출된 사람이 노출되기 전까지는 사건이 발생 할 수 없기 때문에 이 기간을 immortal time 이라고 한다. 단적인 예로 오스카상 수상자들의 survival에 대한 내용이 immortal time bias를 설명하는데 많이 인용이 된다. 오스카상 수상자들은 일반인들 보다 오래 살게 되는데, 그 이유는 수상전에는 죽음이란 사건이 발생할 수 없으며, 죽은 사람들은..

관찰연구, 약물역학 등 약물의 총 복용량을 계산할때 사람들이 다른 성분의 약을 복용하게 되면 그 약에 대한 Dose response effect를 확인하기가 어려워 진다. 예를들어, Benzodiazepine의 사용용량과 Alzheimier's disease의 상관관계를 보는 연구를 한다고 할때 Triazolam, Lorazepam 등 여러종류의 Benzodiazepine 들의 용량을 더할 수 있는 방법을 찾아야 한다. 그렇지 않다면 각각의 약들을 성분별로 따로 약물-용량관계를 봐야하는데, 이건 연구목적에 부합하질 않다. 이같은 같은 계열의 약이면서 성분명만 다른 약들의 용량을 일관된 기준을 제시하는것이 Defined Daily Dose (DDD) 이다. Concept: Dose Intensity Int..

Disease (+) Disease (-) Test (+) True positive a False positive b PPV = a / (a+b) Test (-) False negative c True negative d NPV = d / (c+d) Sn = a / (a+c) Sp = d / (b+d) 1. Sensitivity (Sn), Specificity (Sp) Sn : 질병이 있을때, 검사에서 양성으로 나타날 확률 (있는것을 있다고 할 확률), False negative (FN) 와 관계있고, 통계적 검정에서는 Type-Ⅱ error = β error 와 관련있다. Sp : 질병이 없을때, 검사에서 음성으로 나타날 확률 (없는것을 없다고 할 확률), False positive (FP) 와 관계있..