Can Predictive Modeling Inform the Selection of Time Zero for Target Trial Emulations? An Empirical Study of Atorvastatin Initiation in Medicare Beneficiaries

기술 요약: 예측 모델링이 표적 임상시험 모사(Target Trial Emulation)를 위한 '타임 제로(Time Zero)' 선정에 정보를 제공할 수 있는가?

문제 정의
실제 임상 데이터(RWD)를 활용하여 표적 임상시험을 모사하는 약물 역학 연구에서, '타임 제로(time zero)' 이벤트를 정의하는 것은 매우 중요한 설계상의 과제이다. 이 이벤트는 적격성 평가, 노출 분류, 그리고 추적 관찰 시작 시점을 고정하는 역할을 한다. 약물 개시 연구의 경우, 유효한 타임 제로 이벤트는 다음 세 가지 조건을 충족해야 한다: (1) 치료의 임상적 적응증과 강한 연관성을 가질 것, (2) 실제 치료 개시가 일어날 확률이 상당히 높을 것, ( 3) 행정 데이터 내에서 충분한 시간적 정밀도를 가지고 측정 가능할 것.

저자들은 단순히 임상 가이드라인이나 이론적 지식에만 의존하는 것은 불충분하다고 주장한다. 왜냐하면 행정 데이터는 특정 임상 이벤트(예: 진단)가 모든 환자에게 실제 치료 개시로 이어지는지를 확인하기에는 정밀도가 부족한 경우가 많기 때문이다. 환자의 복약 순응도, 선호도 또는 측정되지 않은 금기 사항의 이질성은 낮은 개시 확률이나 치료를 시작한 군과 그렇지 않은 군 사이의 유의미한 차이를 초래할 수 있다. 이는 채널링 편향(channeling bias)과 잔여 혼란(residual confounding)을 유발하여 모사의 내부 타당성을 저해한다. 본 연구는 이 세 가지 기준을 동시에 충족하는 타임 제로 이벤트를 식별하기 위한 경험적 방법을 다룬다.

연구 방법론
본 연구는 2018년 1월 1일부터 2019년 12월 31일까지의 Medicare Fee-for-Service 청구 데이터(Part A, B, D)를 사용한 후향적 코호트 설계를 채택하였다.

• 연구 대상: 코호트는 12개월 이상의 연속 등록 기간을 가지고 이전 12개월 동안 스타틴 처방 이력이 없는 65세 이상의 스타틴 미경험(statin-naïve) Medicare 수혜자 4,071,007명을 포함하였다.
• 노출 정의: 인덱스 날짜(index date)는 신규 외래 약물 처방 청구가 처음 발생한 날로 정의하였다. 환자들은 '아토르바스타틴 개시군'(n=117,069) 또는 '비아토르바스타틴 개시군'(n=393,083, 적격한 비아토르바스타틴 개시자 중 10% 무작위 샘플)으로 분류되었다.
• 예측 변수: 후보 예측 변수들은 인덱스 날짜 이전 6개월 동안 조사되었다. 여기에는 인구통계학적 특성, 동반 질환(ICD-10-CM 코드를 통한 552개 CCSR 카테 category로 그룹화), 의료 이용(응급실 방문, 입원) 및 약물 요법(417개의 이진 약물 지표)이 포함되었다.
• 통계적 접근법: 후보 변수들을 식별하기 위해 사전 지정된 8단계 변수 선택 절차를 활용하였다:
  1. 데이터 관리 (결측치 처리, 이분화, 희귀 변수 제거).
  2. 불균형 스크리닝 (표준화된 평균 차이 [SMD] ≥ 0.1).
  3. 공선성 평가 (상관계수 |r| > 0.8인 변수 제거).
  4. 안정성 검증: Adaptive LASSO 회귀와 **후진 단계적 로지스틱 회귀(backward stepwise logistic regression)**를 사용하여 두 가지 독립적인 몬테카를로 시뮬레이션(10,000개 관측치를 가진 1,000개의 부트스트랩 샘플)을 수행하였다. 두 방법 모두에서 80% 이상의 반복 시행에서 선택된 변수만을 유지하였다.
  5. 최종 모델링: 부트스트랩 표준 오차를 사용하여 다변량 로지스틱 회귀를 적용하였다. 모델 성능은 C-통계량(판별력)과 교정 플롯(calibration plots)을 통해 평가되었다.
  6. 한계 예측(Marginal Prediction): 특정 환자 프로필에 대한 아토르바스타틴 개시 예측 확률을 추정하여 '높은 확률' 기준을 평가하였다.
• 민감도 분석: 시간적 추세를 평가하기 위해 2018년 7월 1일 이후의 인덱스 날짜에 대한 제한적 분석을 실시하였다.

주요 결과

• 예측 변수 식별: 엄격한 선택 과정을 통해 초기 1,532개의 후보 변수 중 아토르바스타틴 개시의 독립적인 예측 변수인 19개를 식별하였다.
• 가장 강력한 예측 변수: 가장 견고한 두 가지 예측 변수는 뇌경색으로 인한 입원(오즈비 [OR] 11.29; 95% CI 10.47–12.17)과 급성 심근경색으로 인한 입원(OR 6.56; 95% CI 5.92–7.27)이었다. 이 변수들은 두 검증 방법의 거의 모든 부트스트랩 반복 시행에서 선택되었다.
• 개시 확률:
  • 최근 입원한 뇌경색 병력이 있는 백인 남성의 아토르바스타틴 개시 예측 확률은 **69%**였다 (95% CI 68–70%).
  • 최근 입원한 급성 심근경색 병력이 있는 백인 남성의 예측 확률은 **59%**였다 (95% CI 56–61%).
  • 반면, 동일한 진단이 외래 청구에서만 기록된 경우 각각 41%와 44%의 낮은 확률을 보였으며, 외래 고지혈증 진단의 경우 34%의 확률을 나타냈다.
• 모델 성능: 최종 모델은 0.78의 C-통계량을 달연하였으며 우수한 교정 능력을 보였다.
• 민감도 분석: 연구 기간의 후반부로 제한했을 때도 결과가 일관되게 나타나, 식별된 예측 변수들이 계절적 또는 시간적 추세와 독립적임을 확인하였다.

의의 및 주장
본 논문은 경험적 예측 모델링이 이론적 가정을 넘어 표적 임상시험 모사를 위한 타임 제로 이벤트를 검증하는 체계적인 메커니즘을 제공한다고 주장한다. 본 연구는 급성 심근경색 또는 뇌경색으로 인한 입원 후 퇴원에 타임 제로를 고정하는 것이 세 가지 핵심 요구 사항을 충족함을 입증하였다:

1. 임상적 적응증: 이러한 이벤트들은 2차 예방을 위한 스타틴 요법의 가이드라인 권고 적응증과 강하게 연관되어 있다.
2. 높은 개시 확률: 경험적 데이터를 통해 이러한 특정 이벤트 이후에 실제 아토르바스타틴 개시가 높은 확률(약 60~70%)로 일어남을 확인하였다.
3. 시간적 정밀도: 입원 퇴원 날짜는 행정 청구 데이터에 정밀하게 기록되어 있다.

저자들은 이렇게 경험적으로 도출된 타임 제로 이벤트를 활용함으로써, 노인층에서의 아토르바스타틴 안전성을 평가하는 향후 표적 임상시험 모사 연구에서 채널링 편향, 선택 편향(불멸 시간 편향 포함) 및 잔여 혼란을 완화할 수 있다고 주장한다. 적격성, 치료 할당, 추적 관찰을 치료 확률이 높은 시점에 동기화함으로써, 연구자들은 더 비교 가능한 집단을 생성하고 관찰적 약물 안전성 연구의 내부 타당성을 개선할 수 있다. 본 연구는 실험실 데이터(예: LDL 수치) 및 생활 방식 요인의 부재를 한계점으로 인정하며, 이러한 결과의 전이 가능성을 확인하기 위해 독립적인 데이터베이스를 통한 외부 검증이 필요함을 명시하였다.