인구조정 간접비교를 전이가능성 문제로 재구성 추정량 기반 관점과 보건기술평가 함의

이 논문은 보건기술평가(HTA)에서 흔히 사용되는 인구조정 간접비교(PAIC)의 방법론적 기반을 ‘전이가능성(transportability)’이라는 관점에서 재구성한다. 서론에서는 무작위 대조시험(RCT)의 내부 타당성은 높지만 외부 타당성, 즉 결과를 실제 환자군에 적용하는 데 한계가 있음을 강조한다. 기존의 간접비교는 모든 연구가 동일한 모집단에서 추출되었다는 ‘교환가능성(exchangeability)’ 가정을 전제로 하지만, 실제로는 인구 특성 차이와 효과수정자(effect modifier)의 차이로 인해 이 가정이 깨진다. 이를 보완하기 위해 MAIC, STC와 같은 PAIC 방법이 개발되었으며, 이들은 관측된 효과수정자를 조정해 인구 차이를 최소화한다. 본 논문은 먼저 Rubin Causal Model(RCM)을 도입해 잠재 결과(Y_t)와 치료 지시(T) 개념을 정의하고, 인과 효과를 함수 ψ(·)로 표현한다. 이어서 ‘조건부(population‑average conditional) 효과’와 ‘주변(marginal) 효과’라는 두 종류의 추정량을 명확히 구분한다. 조건부 효과는 공변량 X에 대한 기대값을 먼저 구한 뒤, 각 치료군의 선형 예측자 η_t(X)를 차이내는 형태이며, 효과 측정 함수 h와 링크 함수 g가 동일한 척도(예: 로짓‑오즈비)일 때 간단히 평균 환자 효과로 축약된다. 반면 주변 효과는 변환 함수 h가 기대값 안에 들어가므로 비선형 링크(g)와 결합될 때 공변량 분포에 따라 달라진다. 이는 비가역적 척도(오즈비, 위험비, 해저드비)에서 특히 두드러지며, 동일한 효과수정자를 공유하더라도 인구마다 다른 주변 효과가 도출된다. 전이가능성은 두 단계로 구분된다. 첫째, ‘직접 전이가능성(direct transportability)’은 소스 인구와 목표 인구에서 동일한 효과가 관측될 때 성립한다. 이는 효과수정자가 없거나, 효과수정자 분포가 두 인구에서 동일할 때만 가능하다. 둘째, ‘조건부 전이가능성(conditional transportability)’은 효과수정자 X가 충분히 관측되고, X‑효과 관계가 모든 인구에서 동일하다는 가정 하에, 소스 인구에서 학습한 모델을 목표 인구의 X 분포에 재가중해 적용함으로써 달성된다. 이때 전이된 기대 잠재 결과 μ_t^{P1→P2}=E_{P2}