질병의 자연사 : 예후를 표현하는 방법들

오늘은 질병의 자연사에서 예후를 표현하는 방법들에 대해 알아보겠습니다.

 

- 우리는 어떻게 질병의 자연사를 양적으로 기술할 수 있는가

 

- 정량화가 중요한 이유

1) 임상서비스와 공중보건 프로그램 제공의 우선순위를 결정하기 위한 질병의 중증도를 기술

2) 환자들은 자주 질병의 예후에 대하여 질문

3) 이러한 정량화는 질병의 자연사에 대한 기초를 다지는 데 중요

 

- 이상적으로는 질병이 시작되는 시점부터 생존기간을 정량화 해야하나 개인에서 생물학적 시작지점을 알 수 없으므로 불가능

- 증상이 시작되는 시점부터 계산한다면 생물학적 시작시점과 첫 증상 및 증후가 나타나는 사이의 기간을 무시했기 때문에, 상당한 정도의 주관적인 변이가 발생

→ 일반적으로 생존기간을 표준화하기 위해서는 진단시점부터 계산(의료기관 방문시점이 다르므로 변이 발생하므로 여러 접근방법을 사용할 때 항상 염두해야 함)

 

◇ 치명률 Case-Fatality Rate

- 진단 직후에 비교적 빠르게 사망하는 급성 질환에 주로 사용

 

◇ 인년 Person-Years

- 인년의 문제점은 각 인년이 다른 인년과 동일한 것으로 가정(어느 인년이라도 위험도가 동일)

- 인년당 율은 연평균 율과 같음 따라서 인년 당 율은 같은 기간 중앙인구 추정치를 이용한 연간 생정통계율과 비교 가능

 

◇ 5년 생존율 Five-year Survival Rate

- 치료가 시작된 뒤 5년 후에 생존하거나, 또는 진단 후 5년간 생존한 환자들의 백분율

- 조기발견기간(lead time) : 선별검사에 의하여 조기진단 된 시점과 일반적인 진단시점까지의 기간

- 더 오래 산 것이 아니라, 단순히 진단시점이 빨라져서 조기진단에서 5년 생존율이 더 높은 것으로 관찰될 수 있음(사망연도로 나타내는 질병의 자연사에는 아무 변화가 없음)

→ 이런 형태의 잠재적 바이어스(조기발견 바이어스)는 선별검사 프로그램을 평가할 때 고려되어야함

- 치료 후 5년이 되지 않은 치료를 평가하기에는 적절한 평가방법이 아님

 

◇ 관찰생존 Observed Survival

생명표의 원리(Rationale for the Life Table)

생명표 : 정확한 사건 발생시간을 모를 때 사건이 일어난 구간을 이용하여 계산

치료연도	치료받은 환자 수	연말 생존자 수
		1차연도	2차연도	3차연도	4차연도	5차연도
2010	84	44	21	13	10	8
2011	62	31	14	10	6
2012	93	50	20	13
2013	60	29	16
2014	76	43
합계	375	197	71	36	16	8

첫 1년에 생존할 확률 P1=197/375

1차연도에 생존한 환자가 2차연도에 생존할 확률 P2=71/197-43

결국 연구에 포함된 사람 중 치료시작 후 5년간 생존할 확률(누적확률)은 P1×P2×P3×P4×P5

 

 

 

생명표의 계산(Calculating a Life Table)

⑴치료시작 후의 구간	구간 초기 생존자	⑶구간 중 사망자	⑷구간 중 탈락자	⑸구간 중 사망위험에 노출된 사람 수 ⑵열-1/2[⑷열]	⑹구간 중 사망자의 분율 ⑶열/⑸열	⑺구간 중 사망하지 않은 사람의 분율 1-[⑹열]	⑻구간 참여부터 종점까지 생존한 사람의 누적분율 : 누적생존율
x	Ix	dx	wx	l’x	qx	px	Px
1차연도	375	178	0	375.0	0.475	0.525	0.525
2차연도	197	83	43	175.5	0.473	0.527	0.277
3차연도	71	19	16	63.0	0.302	0.698	0.193
4차연도	36	7	13	29.5	0.237	0.763	0.147
5차연도	16	2	6	13.0	0.154	0.846	0.124

⑸열 : 각 구간 중에서 추적실패는 전체 구간에서 동일하게 발생되는 것으로 가정

→ 각 구간 중에 추적실패한 사람들은 평균적으로 구간의 1/2의 위험에 놓여있다고 가정

 

◇ 카플란-마이어 방법 The Kaplan-Meier Method

- 각 사망이 발생한 정확한 시점을 명백하게 함으로써 각 사망으로 이전 구간이 종료되고, 새로운 구간이 시작. 그 시점에서 사망한 사람의 수가 분자로 사용되며, 그 시점에서 사망한 사람을 포함하여 생존한 사람 수가 분모로 사용(추적불능자는 분모에서 제외되어야 함)

- 정확한 사망시간에 대한 정보를 사용할 수 있을 때 정보를 최대한 이용할 수 있는 방법

 

◇ 생명표와 카플란-마이어 방법을 사용할 때의 가정 Assumptions Made in Using Life Tables and Kaplan-Meier Method

- 2가지 중요한 가정 : 치료 효과나 생존율은 시간에 따라 변화가 없다는 것과 추적 실패된 사람들의 생존율이 추적된 사람들과 동일하다는 것

- 세 번째 가정은 전통적인 생명표법에 한정되며, 각 구간마다 사건발생위험과 중도절단이 발생할 확률이 균등분포를 따르고 있다는 가정 → 이 가정을 만족시키는 합리적인 방법은 구간을 가능한 짧게 하는 것

 

생명표 이용의 예

- 요즘 생명표는 일반적으로 덜 사용되고 있으며, 연구참여자의 정확한 사건 발생시간에 대하여 확인이 가능한 카플란-마이어 방법으로 대체되고 있음

 

◇ 진단의 발전이 예후에 미치는 명백한 영향 Apparent Effects on Prognosis of Improvements in Diagnosis

- 시간이 경과함에 따라 진단방법이 향상될 수 있음

- 병기이동(stage migration) - ex. 진단기술이 향상되어 미세전이가 있는 경우를 감별하여 병기가 분류되는 경우

- 치료효과가 향상되지 않아도 치명률은 향상된 것처럼 보이게 됨

→ 병기이동으로 인한 이러한 현상을 ‘윌 로저스 현상’이라고 부름

 

◇ 중앙생존기간 Median Survival Time

- 생존자 수가 50%가 되는 시간

- 장점 : 극단적인 값에 영향을 덜 받음, 연구대상자 중 50%의 사망이 관찰되는 시점까지만 관찰하면 됨(전체X)

 

◇ 상대생존률 Relative Survival

- 질병이 있는 어떤 집단의 생존율을 질병이 없는 같은 연령 집단의 기대생존율과 비교하는 것

- 상대생존율은 기대생존율에 대한 관찰생존율의 비(ratio)임

- 기대생존율이 완전생존율(100%)보다 적고, 기대생존율은 이 계산식에서 분모이므로, 상대생존율은 관찰생존율보다 커질 것

 

◇ 생존자료의 일반화 Generalizability of Survival Data

- 어떤 환자들이 연구에 선택되었는지

- 한 병원의 환자기록을 보고 그 결과를 일반 인구집단의 모든 환자들에게 일반화하고자하는 유혹에 빠질 수 있음

- 한 병원에서 실시된 연구에서 많은 것을 배울 수 있으나 특히 선택바이어스에 취약하며, 결과를 해석하고 일반화하고자 할 때 항상 염두에 두어야 함

 

 

레퍼런스. David D.Celentano 외, [고디스 역학 6th edition], ELSEVIER, 2019.