Natural direct effects of vaccines and post-vaccination behaviour

논문 개요

이 논문은 백신 접종이 개인의 감염 위험 행동을 변화시켜 (위험 보상, risk compensation) 백신의 실제 효과 (Real-world effectiveness) 를 저해할 수 있다는 점에 주목합니다. 저자들은 백신의 면역학적 효과를 행동 변화의 영향에서 분리하여 평가하기 위해 **자연적 직접 효과 (Natural Direct Effect, NDE)**라는 인과적 추정량 (causal estimand) 을 도입할 것을 제안합니다.

1. 문제 제기 (Problem)

• 위험 보상 (Risk Compensation): 백신이 감염으로부터 보호한다는 지식을 가진 개인은 사회적 거리두기나 마스크 착용과 같은 예방 행동을 완화하거나 위험한 행동을 증가시킬 수 있습니다. 이는 백신의 실제 세계에서의 효과를 임상 시험에서 관찰된 효과보다 낮게 만들 수 있습니다.
• 기존 연구의 한계: 대부분의 백신 효과 연구는 이러한 행동 변화를 명시적으로 통제하거나 분석하지 않습니다. 또한, 무작위 대조 시험 (RCT) 은 맹검 (blinding) 상태로 수행되어 참가자가 접종 여부를 알지 못하므로, 행동 변화가 발생하지 않아 실제 세계의 총 효과 (Total Effect) 와는 차이가 있을 수 있습니다.
• 필요성: 정책 입안자들은 백신이 순수하게 면역 반응으로 인해 질병을 예방하는 효과 (행동 변화 없이) 가 얼마나 되는지, 그리고 행동 변화를 막는 개입이 얼마나 필요한지 이해해야 합니다.

2. 방법론 (Methodology)

저자는 인과 추론 (Causal Inference) 프레임워크와 잠재 결과 (Potential Outcomes) 모델을 사용하여 다음과 같은 접근을 취했습니다.

• 인과 다이어그램 및 변수 정의:
  • $A$: 백신 접종 (1=접종, 0=미접종)
  • $Y$: 질병 발생 (결과)
  • $B$: 감염 관련 행동 (매개변수, 예: 사회적 접촉 수)
  • $H$: 의료 이용 행동 (Healthcare seeking behaviour, 교란변수)
  • $L$: $A, B, Y$의 공통 원인 (교란변수)
• 추정량 (Estimands) 의 정의:
  • 실제 세계 총 효과 ($\tau_{rw}$): $E[Y_{a=1} - Y_{a=0}]$. 백신 접종이 행동 변화 ($B$) 를 유도하여 최종 질병 발생에 미치는 총 영향.
  • 자연적 직접 효과 (NDE): $E[Y_{a=1, B_{a=0}} - Y_{a=0, B_{a=0}}]$. 백신 접종이 행동 ($B$) 에 미치는 영향을 차단 (block) 하고, 행동이 접종하지 않았을 때의 자연스러운 값 ($B_{a=0}$) 을 유지한다고 가정할 때의 백신 효과. 이는 백신이 면역 반응만으로 질병을 예방하는 순수한 효과를 의미합니다.
  • 대조적 직접 효과 (Controlled Direct Effect) 와의 차이: NDE 는 전체 집단의 행동을 고정하는 것이 아니라, 각 개인이 접종하지 않았을 때 취했을 행동 값을 유지하게 하는 것을 의미하여 현실적인 개입 시나리오와 더 부합합니다.
• 동일성 (Identification) 조건:
  • NDE 를 비모수적으로 식별하기 위해 4 가지 가정을 요구합니다:
    1. $Y_{a,b} \perp A | L$ (교란변수 $L$ 하에서 잠재 결과와 접종 상태의 독립성)
    2. $Y_{a,b} \perp B | A, L$ (교란변수 하에서 잠재 결과와 행동의 독립성)
    3. $B_a \perp A | L$
    4. $Y_{a,b} \perp B_{a^*} | L$ (교차 세계 독립성 가정, Cross-world independence assumption)
  • 의료 이용 행동 ($H$) 이 접종, 행동, 결과 모두에 영향을 미치는 교란변수임을 고려하여 이를 측정하고 보정해야 함을 강조합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

• 수치적 예시: Table 1 을 통해 백신 접종이 위험 행동을 증가시키는 시나리오를 가정했을 때, 실제 세계 총 효과 ($\tau_{rw}$) 는 백신의 자연적 직접 효과 (NDE) 보다 작게 나타남을 시뮬레이션으로 보였습니다. (예: 백신 효과 32.5% vs 42.5%)
• 데이터 수집의 중요성: NDE 를 추정하려면 접종 후의 구체적인 행동 데이터 ($B$) 와 의료 이용 이력 ($H$) 이 필수적입니다. 의료 기록 데이터베이스와 사회적 접촉 일지 (diaries) 등을 활용한 데이터 수집 방안을 제시했습니다.
• 행동 데이터 부재 시의 대안: 행동 데이터 ($B$) 가 없는 경우, 백신이 다른 병원체 ($R$) 에 의한 감염에도 영향을 미치는지 분석하여 간접적으로 행동 변화를 추론하는 방법 (Hidden mediation analysis, Negative control outcomes) 을 제안했습니다.
• 간섭 (Interference) 고려: 백신 접종이 타인의 결과에 영향을 미치는 간섭 현상이 존재할 경우, NDE 를 확장하여 정의하고 식별 조건을 논의했습니다.
• 맹검 시험과의 비교: 맹검 시험에서는 참가자가 접종 여부를 모르게 되어 행동 변화 ($P \to B$ 경로 차단) 가 발생하지 않으므로, 시험 결과 ($\tau_{vt}$) 는 실제 세계의 총 효과나 NDE 와는 다른 추정량을 제공합니다.

4. 의의 및 시사점 (Significance)

• 정책적 함의: 백신의 순수한 면역학적 효과를 정량화함으로써, 백신 도입 후 발생할 수 있는 위험 보상 행동을 완화하기 위한 공중보건 전략 (예: 접종 후에도 예방 수칙 준수를 독려하는 캠페인) 의 필요성을 입증할 수 있습니다.
• 연구 설계의 변화: 향후 백신 효과 연구에서는 단순한 질병 발생률뿐만 아니라, 접종 후의 행동 변화 데이터를 체계적으로 수집하고 분석해야 함을 강조합니다.
• 인과 추론의 발전: 백신 연구에 자연적 직접 효과 (NDE) 개념을 적용하여, 행동 매개 효과를 분리하는 새로운 분석 패러다임을 제시했습니다. 이는 특히 전염병 대유행 (팬데믹) 상황에서 백신 정책의 효과성을 평가하는 데 중요한 도구가 될 것입니다.

결론

이 논문은 백신의 실제 효과가 면역 반응뿐만 아니라 접종자의 행동 변화에 크게 의존할 수 있음을 지적하며, 이러한 행동 영향을 배제한 "자연적 직접 효과"를 추정하는 방법론적 틀을 제시했습니다. 이를 통해 백신의 순수한 보호 효과를 이해하고, 위험 보상을 최소화하는 효과적인 공중보건 개입을 설계하는 데 기여할 수 있습니다.