### 역학의 인과관계 (Causal Relationships in Epidemiology) #### 개요 **역학(Epidemiology)**은 질병의 분포와 결정 요인을 연구하는 학문입니다. 역학은 크게 두 가지 유형으로 나뉩니다: 1. **관찰 연구(Observational studies)**: 연구자는 개입 없이 데이터를 관찰합니다. - 기술적 관찰 연구(Descriptive observational studies): 사례(series), 생태학적 연구(ecological studies) 등을 포함하며, 특정 질병과 관련된 요인을 기술합니다. - 분석적 연구(Analytical studies): 코호트 연구(cohort studies), 환자-대조군 연구(case-control studies) 등이 있으며, 노출과 결과 간의 연관성을 평가합니다. 2. **실험 연구(Experimental studies)**: 연구자가 개입(intervention)을 통해 특정 결과에 미치는 영향을 평가합니다. 예: 무작위 대조군 연구(Randomized Controlled Trials, RCTs). 관찰된 연관성은 항상 인과관계(Causal Relationship)를 의미하지는 않습니다. 연관성은 오류, 교란(confounding), 또는 반대 방향의 인과(reverse causality) 때문일 수 있습니다. --- ### 주요 내용 요약 #### 1. 역학 연구의 주요 개념 - **질병 빈도 측정**: 발병률(Incidence), 유병률(Prevalence), 사망률(Mortality rates). - **연관성 측정**: 상대위험도(Relative Risk), 절대위험감소(Absolute Risk Reduction). - **진단 연구 평가**: 민감도(Sensitivity), 특이도(Specificity). - **통계 개념**: 중심 경향성(Measures of Central Tendency), 분산(Dispersion), 신뢰구간(Confidence Intervals). --- #### 2. 오류와 편향 1. **무작위 오류(Random Error)** - 정의: 우연이나 정밀도 한계로 인해 발생하는 오류. - 해결책: 반복 측정 및 관찰 수를 늘려 평균화. 2. **체계적 오류(Systematic Error, Bias)** - 연구 설계나 수행 과정에서 발생하며, 실제 값과의 체계적 편차를 초래. - 주요 유형: 1. **선택 편향(Selection Bias)** - 연구 집단이 모집단을 대표하지 못함. - 예: 비응답 편향(Nonresponse Bias), 탈락 편향(Attrition Bias), 병원 편향(Berkson Bias). 2. **정보 편향(Information Bias)** - 데이터 수집 또는 해석 오류. - 예: 측정 편향(Measurement Bias), 회상 편향(Recall Bias). 3. **인지적 편향(Cognitive Bias)** - 연구자 또는 참여자의 개인적 신념이 결과에 영향을 미침. - 예: 관찰자 편향(Observer Bias), 수행 편향(Performance Bias). --- #### 3. 교란 변수(Confounding Variable) - **정의**: 노출과 결과에 모두 연관되지만, 인과 경로에는 포함되지 않는 제3 변수. - 예: 탄광 노동자의 폐암 연구에서 흡연은 교란 변수로 작용 가능. - **교란 최소화 방법** - 연구 설계 단계: 무작위 배정(Randomization), 교차 설계(Crossover Study Design), 매칭(Matching). - 데이터 분석 단계: 층화 분석(Stratified Analysis), 다중 회귀 분석(Multiple Linear Regression). --- #### 4. 인과 추론(Causal Inference) 인과 관계를 판단하기 위한 **Bradford-Hill 기준**: 1. **시간적 선행성(Temporality)**: 노출 후 예상 기간 내 결과 발생. - 예: 외과적 감염은 피부 절개 후 발생. 2. **연관성의 강도(Strength of Association)**: 노출과 결과 간 관계가 강할수록 인과 관계일 가능성이 높음. - 예: 흡연자는 비흡연자보다 폐암 위험이 여러 배 높음. 3. **용량-반응 관계(Dose-Response Relationship)**: 노출량 증가 시 결과 위험 증가. - 예: 방사선 노출량 증가 시 암 발생 위험 증가. 4. **재현성(Consistency)**: 다른 연구에서도 일관된 결과. 5. **특이성(Specificity)**: 특정 노출이 특정 결과를 초래. - 예: 홍역 바이러스는 홍역만 유발. 6. **생물학적 타당성(Biologic Plausibility)**: 현재 생물학 및 의학 지식과 일치. - 예: 담배의 발암 물질이 폐암 유발. 7. **일관성(Coherence)**: 새로운 증거가 기존 증거와 일치. 8. **실험적 증거(Experimental Evidence)**: 실험 데이터로 뒷받침. 9. **유사성(Analogy)**: 유사한 노출-결과 관계를 통해 인과 가능성 평가. --- #### 5. 복합 다중 인과 관계 (Complex Multicausal Relationships) - **효과 수정(Effect Modification)**: 노출과 결과 간 효과가 제3 변수의 수준에 따라 달라짐. - 예: 특정 약물이 어린이에게는 효과가 있으나 성인에게는 효과 없음. - 분석 방법: 층화 분석(Stratified Analysis).