Two-stage imputation of longitudinal anthropometric data with cross-reference harmonisation: a simulation study

당신이 아이의 성장 과정을 담은 영화를 복원하려고 한다고 상상해 보세요. 그런데 필름 릴이 손상되었습니다. 일부 프레임이 누락되었고(결측 데이터), 설상가상으로 어떤 장면들은 색감을 약간 다르게 기록하는 두 가지 서로 다른 종류의 카메라(WHO 대 CDC와 같은 서로 다른 성장 표준)로 촬영되었습니다. 만약 당신이 단순히 빠진 부분을 추측하거나 카메라의 차이를 무시한다면, 완성된 영화는 흐릿하거나 왜곡될 것입니다.

이 논문은 이 누락된 성장 측정치(체중과 키)를 해결하면서, 퍼즐의 각 조각이 어떻게 발견되었는지에 대한 정확한 기록을 유지하는 간단한 2단계 "필름 복원" 방법을 소개합니다.

이 방법이 어떻게 작동하는지는 일상적인 비유를 통해 설명하겠습니다.

문제점: 누락된 프레임과 혼합된 카메라

건강 연구에서 우리는 사람들의 체중과 키를 시간에 따라 추적합니다. 종종 사람들은 진료 예약을 놓치기 때문에 데이터에 공백이 생깁니다. 또한, 어떤 연구들은 WHO 성장 차트(예: "유럽형 카메라")를 사용하고, 다른 연구들은 CDC 차트(예: "미국형 카메라")를 사용합니다. 설령 아이의 크기가 동일하더라도, 이 두 차트는 아이를 서로 다른 "백분위수"(다른 아이들과 비교한 순위)에 위치시킬 수 있습니다. 만약 이러한 데이터셋을 인지하지 못한 채 섞어버린다면, 장면마다 조명이 무작위로 변하는 영화를 편집하는 것과 같은 숨겨진 오류를 유발하게 됩니다.

해결책: 2단계 복원 과정

저자들은 일반 인구 집단에 근거하여 추측하기 전에, 특정 개인의 데이터를 우선시하는 "2단계" 방법을 제안합니다.

1단계: "점 잇기" 방법 (대상자 내 보간법 - Within-Subject Interpolation)

• 비유: 아이의 5세 때 사진과 7세 때 사진은 있지만, 6세 때의 사진이 없다고 가정해 봅시다. 가장 쉽고 논리적인 추측은 5세와 7세 사진 사이에 직선을 긋는 것입니다. 당신은 그 아이가 그사이에 꾸준히 성장했다고 가정합니다.
• 논문의 방식: 만약 어떤 사람의 결측치 전후에 측정값이 있다면, 컴퓨터는 그 간극을 메우기 위해 두 지점 사이에 단순한 직선을 긋습니다. 이는 오직 그 특정 개인의 데이터만을 사용합니다. 이것이 특정 아이의 성장 패턴을 존중하는 가장 정확한 방법입니다.

2단계: "성장 차트" 방법 (LMS 백분위수 대치법 - LMS Centile Imputation)

• 비유: 만약 특정 연도의 사진이 아예 없거나, 아이의 사진이 단 한 장뿐이라면 어떻게 될까요? 선을 그을 수 없습니다. 대신, 표준 "성장 차트"(WHO 또는 CDC 차트와 같은)를 살펴봅니다. 그 아이가 보통 차트의 어디에 위치하는지(예: 50 백분위수, 즉 평균 크기)를 찾아낸 다음, 다음번에 아이를 볼 때까지 그 "궤도"를 유지한다고 가정합니다.
• 논문의 방식: 1단계로 간극을 채울 수 없는 경우, 이 방법은 아이의 알려진 측정치를 바탕으로 아이의 "성장 궤도"(백분위수)를 파악합니다. 그런 다음 아이가 그 궤도를 유지했다고 가정하고, 원래 데이터 소스가 사용했던 특정 성장 차트(WHO 또는 CDC)를 사용하여 누락된 시점의 체중/키가 "어떠해야 하는지"를 계산합니다.
• "명시적 매개변수"의 반전: 결정적으로, 이 방법은 연구자가 "나는 A 소스에는 WHO 차트를 사용하고, B 소스에는 CDC 차트를 사용한다"라고 반드시 명시하도록 강제합니다. 이 선택을 숨기지 않습니다. 모든 추측에 대해 어떤 "카메라"가 사용되었는지를 정확히 기록합니다.

"출처(Provenance)" 라벨: 모든 추측에 대한 영수증

이 논문은 최종 데이터셋의 모든 숫자가 다음과 같은 "라벨" 또는 영수증을 갖게 된다는 점을 강조합니다:

1. 관찰됨 (Observed): 실제로 측정된 값입니다.
2. 보간됨 (Interpolated): 점을 이었습니다 (1단계).
3. 성장 참조 (Growth Reference): 차트를 기반으로 추측했습니다 (2단계).

이는 매우 중요합니다. 연구자가 더 주의를 기울이고 싶다면, "나는 '관찰됨'과 '보간됨'의 숫자만 신뢰하고, '성장 참조' 추측치는 무시하겠다"라고 말하거나, "추측치"가 결과에 변화를 주는지 확인하기 위해 이들을 별도로 분석할 수 있기 때문입니다.

결과: 복원의 품질은 어떠한가?

저자들은 합성 데이터(실제 성장 연구처럼 보이도록 컴퓨터로 생성된 가짜 데이터)를 사용하여 이 방법을 테스트했습니다. 그들은 알려진 숫자 중 20%를 의도적으로 숨긴 후, 그것들을 다시 추측해 냈습니다.

• 결과: 이 방법은 결측치의 100%를 성공적으로 채웠습니다.
• 정확도: 추측값은 실제 값과 매우 유사했습니다. 체중의 경우 평균 오차는 약 1.78kg(약 3.5% 차이)였고, 키의 경우 약 2.84cm(2% 차이)였습니다.
• 판결: 예상대로, "점 잇기" 추측(1단계)이 "성장 차트" 추측(2단계)보다 더 정확했습니다. 이는 2단계 순서(먼저 점을 잇고, 필요한 경우에만 차트를 사용함)가 올바른 접근 방식임을 입증합니다.

중요한 한계점 (논문에서 언급한 내용)

이 논문은 자신이 아직 하지 못하는 부분에 대해 매우 정직하게 밝히고 있습니다:

• "단일 추측": 이 방법은 누락된 숫자에 대해 하나의 최선의 추측치를 제공합니다. 누락된 값의 "불확실성"이나 가능성의 범위를 계산하지는 않습니다. 만약 이 추측치를 최종 의료 연구에 사용한다면, 의도치 않게 실제보다 더 많이 알고 있다고 착각할 수 있습니다.
• "안정성" 가정: 2단계는 아이가 동일한 성장 궤도를 유지한다고 가정합니다. 만약 아이에게 갑작스러운 질병이 생기거나 성장 급등이 일어나 백분위수가 급격히 변한다면, 이 방법은 이러한 변화를 포착하지 못할 수 있습니다. 하지만 "라벨" 덕분에 연구자들은 이러한 추측치를 식별하고 주의해서 다룰 수 있습니다.
• 합성 데이터 기반: 이 결과는 컴퓨터 시뮬레이션에 기반한 것이지, 실제 환자를 대상으로 한 것이 아닙니다. 이 방법은 시뮬레이션에서는 완벽하게 작동하지만, 심각한 의학적 결론을 내리기 위해 사용되기 전에는 실제 세상의 복잡한 데이터에 대한 테스트가 필요합니다.

요약

이 논문은 누락된 성장 데이터를 해결하기 위한 간단하고 투명한 도구를 제공합니다. 이 방법은 개인의 이력을 최우선으로 고려한 다음, 필요한 경우에만 표준 성장 차트에 의존하며, 모든 계산에 대해 어떤 "표준"이 사용되었는지를 명확히 밝힙니다. 이는 우리가 서로 다른 출처의 데이터를 결합할 때, 무엇이 사과이고 무엇이 오렌지인지 모르는 상태에서 실수로 섞어버리지 않도록 하는 방법입니다.