10강 / 20강

배정된 대로 분석한다 — ITT 와 중간에 그만둔 사람들

ITT · PP · 결측 자료, 그리고 '끝까지 한 사람만 세면' 생기는 일

1000명을 배정했습니다. 1년 뒤 850명이 남았어요. 150명은 그만두었습니다.

누구를 셀까요?

ITT — 배정된 대로

1000명 전부. 약을 한 알도 안 먹었어도 배정된 군에 넣고 센다

PP — 끝까지 한 사람만

850명. 프로토콜대로 완주한 사람만

PP 가 더 말이 되는 것 같죠. 약을 안 먹은 사람을 약군에 넣고 세는 건 이상하니까요.

그런데 그만둔 이유가 군마다 다르면 무너집니다.

고등학생배정된 대로 분석한다

무작위배정을 했는데 일부가 약을 안 먹거나 중간에 그만둡니다. 어떻게 분석할까요?

방식	누구를 세나
ITT (배정된 대로)	배정된 모든 사람 — 실제로 뭘 했든
PP (계획대로 완료)	규정대로 끝까지 한 사람만
안전성 집단	약을 한 번이라도 받은 사람

ITT는 이상해 보입니다 — 약을 안 먹은 사람도 시험군으로 셉니다.

고등학생왜 ITT가 기본인가

중도 탈락이 무작위가 아니기 때문입니다.

탈락 이유	어느 군에서	결과
부작용	시험군에서 많음	PP로 하면 부작용이 안 보임
효과 없음	대조군에서 많음	PP로 하면 대조군이 좋아 보임
병이 악화	—	나쁜 결과가 사라짐

"끝까지 한 사람만" 세면 무작위배정이 무너집니다 — 관찰 연구가 됩니다.

탈락이 <b>결과와 관련</b>되어 있으면 PP 는 거짓말을 합니다. 여기서는 효과가 없는 약이 좋아 보입니다.

Python 브라우저에서 실행

# 부작용으로 그만둔 사람을 빼면 결론이 어떻게 뒤집히나
import numpy as np
rng = np.random.default_rng(3)

N = 500                       # 군당
# 진실: 약은 효과가 없다 (두 군의 차이는 0)

# 두 군 모두 같은 분포에서 나온 결과값 (클수록 나쁨)
drug    = rng.normal(100, 20, N)
placebo = rng.normal(100, 20, N)

# 약군에서만: 상태가 나쁜 사람이 부작용을 못 견디고 그만둔다
drop = drug > np.percentile(drug, 75)          # 나쁜 쪽 25% 가 이탈
print(f"약군에서 {drop.sum()}명이 중도탈락 (나쁜 쪽에 몰려 있다)")
print()

print("ITT  — 배정된 대로 전부:")
print(f"   약 {drug.mean():6.2f}   위약 {placebo.mean():6.2f}   차이 {drug.mean()-placebo.mean():+6.2f}")
print()
print("PP   — 끝까지 한 사람만:")
kept = drug[~drop]
print(f"   약 {kept.mean():6.2f}   위약 {placebo.mean():6.2f}   차이 {kept.mean()-placebo.mean():+6.2f}")
print()
print("약은 아무것도 안 했다. PP 는 '나쁜 사람을 지운' 효과를 약의 효과로 읽는다.")

고등학생ITT의 대가

ITT의 성질	내용
효과를 희석	약을 안 먹은 사람이 시험군에
보수적	우월성 시험에서는 안전한 방향
현실적	실제 진료에서도 순응도가 100%가 아님

우월성 시험에서 ITT는 보수적입니다 — 그런데 비열등성에서는 반대입니다.

비열등성에서는 효과가 희석되면 두 군이 비슷해 보입니다 — 즉 비열등이 쉬워집니다. 그래서 ITT와 PP를 둘 다 보고 일치해야 합니다.

그러면 없는 값은 어떻게 채우나

ITT 로 전부 세기로 했습니다. 그런데 그만둔 사람의 1년 뒤 값은 없습니다.

방법	무엇을 가정하나	문제
완전자료 분석	탈락이 완전히 우연	거의 항상 틀린 가정
마지막 값 이월(LOCF)	탈락 후 변하지 않는다	진행성 질환에서는 좋게 만든다
다중대체(MI)	관측된 정보로 설명된다	지금의 표준. 여러 번 채워 넣고 합친다
민감도분석	가정을 일부러 나쁘게 바꿔 본다	결론이 안 바뀌면 믿을 만하다

규제기관이 보는 것은 방법 하나가 아니라 여러 가정에서 답이 같은가 입니다. 결측을 어떻게 다루느냐로 결론이 바뀌면 — 그 결론은 자료가 아니라 가정에서 나온 것입니다.

고등학생결측 자료 다루기

방법	내용	문제
완전 사례만	결측을 제외	ITT가 아님 — 편향
LOCF	마지막 값을 이어감	진행성 병에서 낙관적
다중 대체	여러 번 추정해 평균	가정이 필요 — 현재 권장
민감도 분석	여러 가정으로 다 해 봄	필수

결측 자료의 처리 방식을 미리 정해 계획서에 적어야 합니다.

🤔 확인 문제

진행성 질환의 3상에서 결측값을 LOCF(마지막 값 이월)로 채웠습니다. 이 방법이 만드는 편향은?