# 암등록 자료에서 '생존 분석'을 수행할 때, 카플란-마이어 추정법이 주로 사용되는 이유는?

> source: MyMerci (mymerci.kr)  
> url: https://mymerci.kr/pages/nclex_q.php?qn_id=291687  
> language: ko  
> subject: 암등록의 이해

## 문제

암등록 자료에서 '생존 분석'을 수행할 때, 카플란-마이어 추정법이 주로 사용되는 이유는?

## 보기

1. 연속형 변수를 예측하기 쉽기 때문
2. 중도 절단된 자료를 처리할 수 있기 때문 **✔ 정답**
3. 표본 크기에 관계없이 항상 적용 가능하기 때문
4. 치료 효과의 인과 관계를 입증할 수 있기 때문
5. 다변량 분석이 가능하기 때문

**정답: 2**

## 해설

암등록 자료에서는 조사 종료 시점까지 사망을 확인하지 못한 사례(중도 절단)가 발생합니다. 카플란-마이어 추정법은 이러한 중도 절단 자료를 포함하여 생존 함수를 추정할 수 있습니다.

## 심화 해설

보건행정 핵심 해설
이 문제는 보건정보학과 보건통계학의 교차 지점인 생존 분석(Survival Analysis) 방법론을 이해하고 있는지 묻고 있어요. 특히 국가 암등록사업(National Cancer Registration)에서 수집된 자료를 분석할 때 가장 핵심적으로 사용되는 통계 기법의 원리를 파악하는 것이 중요해요.

**핵심 개념 분석 (Key Concept)**
핵심! 카플란-마이어 추정법(Kaplan-Meier Estimator)은 **생존 시간 데이터를 분석하는 비모수적(non-parametric) 방법**이에요. 암등록 자료는 환자의 진단일부터 사망일(또는 마지막 추적 관찰일)까지의 시간을 추적하는 종적 연구(Longitudinal Study) 자료의 성격을 가져요. 이 과정에서 필연적으로 발생하는 문제가 중도 절단(Censoring)이에요.

**정답 근거 (Answer Rationale)**
정답이 ②번인 이유는 카플란-마이어 추정법의 가장 큰 강점이 **중도 절단된 관측치를 유효하게 활용하여 생존율을 추정할 수 있다는 점**이기 때문이에요.
*   **중도 절단(Censoring)이란?** 연구 종료 시점까지 사건(예: 사망)이 발생했는지 알 수 없는 경우를 말해요. 예를 들어, 암 환자를 5년간 추적 관찰하는 연구에서, 3년째에 다른 원인으로 사망했거나, 전화가 두절되어 더 이상 추적이 불가능해진 경우, 또는 연구가 종료되는 5년 시점까지 살아있는 경우가 여기에 해당해요.
*   **카플란-마이어 추정법의 원리:** 이 방법은 각 사건 발생 시점(예: 사망일)마다 생존 확률을 순차적으로 계산해요. 중도 절단된 자료는 해당 시점의 '위험 집단' 인원수 계산에는 포함하되, 사건 발생자로는 간주하지 않아요. 이를 통해 **정보의 손실을 최소화하면서 현실적인 생존 곡선을 추정**할 수 있어요. 이는 암 환자의 5년 생존율 등을 산출하는 데 필수적인 기법이에요.

**오답 분석 (Distractor Analysis)**
*   혼동 주의! ①번 '연속형 변수를 예측하기 쉽기 때문': 카플란-마이어법은 생존 시간이라는 연속형 변수를 '예측'하는 모델이 아니라, 관찰된 데이터로부터 생존 함수를 '기술(describe)'하고 추정하는 방법이에요. 예측 모델은 콕스 비례위험 모델(Cox Proportional Hazards Model)이 더 적합해요.
*   ③번 '표본 크기에 관계없이 항상 적용 가능하기 때문': 모든 통계 방법은 표본 크기의 영향을 받아요. 카플란-마이어법도 표본이 작으면 생존 곡선의 신뢰구간이 매우 넓어져 불안정해질 수 있어요. '항상 적용 가능'하다는 표현은 지나친 일반화에요.
*   ④번 '치료 효과의 인과 관계를 입증할 수 있기 때문': 단일 군의 생존율을 추정하는 카플란-마이어법 자체만으로는 인과 관계를 입증할 수 없어요. 치료 효과를 비교하려면 로그-순위 검정(Log-rank test)이나 콕스 회귀 분석(Cox Regression)과 같은 방법을 추가로 사용해야 해요.
*   ⑤번 '다변량 분석이 가능하기 때문': 기본적인 카플란-마이어 추정법은 일반적으로 하나의 군(예: 특정 암 환자 전체)에 대한 생존 분석을 수행하는 단변량 분석이에요. 여러 변수(연령, 병기, 치료법 등)의 영향을 동시에 분석하려면 콕스 비례위험 모델과 같은 다변량 생존 분석 기법을 사용해야 해요.

**연관 개념 정리 (Related Concepts)**
*   **로그-순위 검정(Log-rank test):** 두 개 이상의 군(예: 치료군 vs 대조군)의 생존 곡선이 통계적으로 유의미하게 다른지 비교하는 데 사용되는 비모수적 검정법이에요. 카플란-마이어 곡선을 시각적으로 비교한 후, 통계적 검증을 위해 주로 사용돼요.
*   **콕스 비례위험 모델(Cox Proportional Hazards Model):** 여러 위험 인자(공변량)가 생존 시간에 미치는 영향을 분석하는 반모수적(semi-parametric) 회귀 모형이에요. 가장 널리 쓰이는 다변량 생존 분석 방법이에요.

개념 정리

| 용어 | 의미 | 암등록 자료 분석에서의 역할 |
| --- | --- | --- |
| 생존 분석 (Survival Analysis) | 시작 시점(진단)부터 관심 사건(사망) 발생까지의 시간을 분석하는 통계 방법 | 암 환자의 생존 기간, 생존율 추정의 근간 |
| 중도 절단 (Censoring) | 연구 기간 내에 사건 발생 여부를 알 수 없는 관측치 | 실제 자료 처리 시 가장 흔히 마주하는 문제, 정보 손실 방지가 핵심 |
| 카플란-마이어 추정법 (Kaplan-Meier Estimator) | 중도 절단 자료를 포함해 생존 함수를 단계별로 추정하는 비모수적 방법 | 5년 생존율 등 생존 곡선 추정의 표준 방법 |

한눈에 비교!

| 구분 | 카플란-마이어 추정법 | 콕스 비례위험 모델 |
| --- | --- | --- |
| 분석 목적 | 단일 군의 생존 함수 추정 및 기술 | 여러 위험 인자가 생존에 미치는 영향 분석(예측) |
| 변수 처리 | 단변량 (시간 vs 생존율) | 다변량 (시간 + 여러 공변량) |
| 중도 절단 | 처리 가능 (핵심 강점) | 처리 가능 |
| 인과 관계 | 입증 불가 (기술적) | 연관성 분석 가능 (원인 추론 지원) |
| 실무 적용 | 특정 암의 표준 생존율 보고 | 새로운 치료법의 효과 검증, 예후 인자 규명 |

실무 포인트
*   **자료 준비:** 암등록 자료에서 생존 분석을 수행하려면 반드시 **'진단일', '사망일(또는 생존 상태)', '마지막 확인일'** 변수가 표준화되어 있어야 해요. 중도 절단 여부는 '사망일'이 있는지 여부와 '마지막 확인일'을 비교하여 판단해요.
*   **소프트웨어:** R(‘survival’ 패키지), SPSS, SAS, Stata 등 대부분의 통계 패키지에서 카플란-마이어 분석을 기본 제공해요.
*   **보고:** 암등록 통계 연보에 발표되는 생존율은 거의 예외 없이 카플란-마이어법으로 계산된 것이에요. 결과 해석 시 **중위 생존 기간(Median Survival Time)**과 **n년 생존율**을 함께 보는 것이 중요해요.

암기 팁
*   **카플란-마이어 = "중도 절단 처리의 달인"**: 이름이 어렵지만, 핵심 기능 하나만 기억하세요. "중도 절단(Censoring)을 잘 처리한다!"
*   **생존 분석 3대 요소**: "시작점(진단) - 끝점(사망) - 중도절단(추적 실패)". 카플란-마이어는 이 세 가지를 모두 고려하는 방법이에요.

국시 빈출 포인트
보건의료정보관리사 시험에서는 암등록과 보건통계 영역에서 생존 분석 개념이 자주 출제돼요. **"중도 절단"** 이라는 키워드가 보이면 거의 90% 이상 카플란-마이어 추정법을 떠올리면 돼요. 다른 분석법(로지스틱 회귀, t-검정 등)과의 구분을 명확히 하는 문제도 많아요.

기출 변형 주의!
*   **사례형:** "암등록 자료를 분석하여 5년 생존율을 보고자 한다. 조사 종료 시점까지 일부 환자의 생사 여부를 확인할 수 없었다. 이 자료를 분석하는 데 가장 적합한 방법은?" → **카플란-마이어 추정법**
*   **용어 연결형:** "다음 중 생존 분석에서 사용되는 개념/방법을 모두 고르시오." → **중도 절단(Censoring), 카플란-마이어 곡선, 로그-순위 검정, 위험비(Hazard Ratio)** 등이 정답 후보.

## 임상 시나리오

보건행정 실무 가이드
**실무 시나리오 (Clinical Scenario)**
"당신은 중앙암등록본부(KCCR)에서 일하는 보건정보관리사예요. 2018년에 진단받은 특정 암 환자 1,000명의 5년 생존율을 분석하여 국가 통계 연보에 실어야 해요. 데이터를 확인해보니, 2023년 조사 마감 시점까지 약 150명의 환자는 사망일이 명확히 기록되어 있지만, 나머지 850명 중에는 해외 이민으로 추적이 끊긴 경우, 다른 병원으로 전원되어 상태를 알 수 없는 경우, 연구 종료일까지 생존한 경우가 섞여 있어요. 어떻게 생존율을 계산해야 할까요?"

**행정 중재 전략 (Admin Intervention)**
1.  **상황 파악:** 명확한 사망 사례(150명) 외에는 모두 핵심! **중도 절단(Censoring)** 대상입니다. 이들을 단순히 '생존' 또는 '사망'으로 처리하면 생존율이 심하게 왜곡됩니다.
2.  **법적/규정 검토:** 세계보건기구(WHO)와 국제암연구소(IARC)의 암등록 지침, 그리고 우리나라 암관리법에 따른 통계 산출 기준은 카플란-마이어 추정법을 사용할 것을 권고하고 있습니다.
3.  **대응 및 처리:** 통계 소프트웨어(예: R)를 활용하여 분석을 수행합니다.
*   시간 변수: '진단일'부터 '사망일' 또는 '마지막 확인일'까지의 일수/월수.
*   사건 변수: 사망=1, 중도 절단=0으로 코딩합니다.
*   `survfit()` 함수 등을 사용해 카플란-마이어 생존 곡선을 추정하고, 5년(60개월) 시점의 생존율 값을 추출합니다.
4.  **사후 기록/보고:** 분석 결과 보고서에 "생존율은 카플란-마이어법으로 추정하였으며, 중도 절단 자료는 분석에 포함되었다"는 메서드(Methods) 설명을 반드시 기재합니다. 이는 결과의 투명성과 신뢰성을 보장하는 필수 절차입니다.

**법적 안전 및 주의사항 (Precautions)**
*   **개인정보보호:** 생존 분석을 위한 자료 처리 시, 진단명, 생존 기간 등은 반드시 익명화된 연구용 데이터로 변환하여 사용해야 합니다. 개인정보보호법 및 생명윤리법을 준수해야 해요.
*   **결과 해석 주의:** 카플란-마이어법으로 구한 생존율은 '관찰된 생존율'입니다. 다른 암이나 일반 인구의 기대 생존율과 비교할 때는 표준화 생존율(Standardized Survival Ratio) 등을 추가로 고려해야 할 수 있어요.

업무 프로토콜
**암등록 생존 분석 표준 프로토콜**
1.  **자료 정제**: 진단일, 사망일, 마지막 생존 확인일 일치성 점검 → 오류 자료 수정 또는 제외 기준 적용.
2.  **변수 생성**: '생존 시간' 변수(월 단위), '사건 발생 여부' 변수(사망=1, 중도절단=0) 생성.
3.  **분석 수행**: 통계 패키지를 이용한 카플란-마이어 추정 실행. 필요 시 성별, 연령대, 병기별로 층화 분석.
4.  **결과 검증**: 생존 곡선이 논리적인지(시간에 따라 단조 감소), 중위 생존 기간이 적절한지 확인.
5.  **보고서 작성**: 방법론, 표본 크기, 중도 절단 비율, 주요 생존율 지표(1년, 3년, 5년 생존율)를 명시.

선배의 한마디
"보건정보관리사에게 통계는 무서운 것이 아니라 강력한 도구예요. 카플란-마이어법처럼 현장 데이터의 불완전함(중도 절단)을 정직하게 인정하고 처리하는 방법을 아는 것이 진정한 전문성이에요. 암 환자의 예후를 숫자로 보여주는 이 생존율 하나가 국가 보건 정책과 의료 자원 배분의 근거가 된다는 점을 늘 기억하세요. 데이터 뒤에는 사람이 있다는 걸 잊지 마시고, 정확하고 윤리적인 분석을 위해 노력해주세요!"

## 같은 주제 문제

- [암등록 자료를 활용하여 암 환자의 생존율을 산출할 때, 가장 중요한 자료의 품질 관리 요소는?](https://mymerci.kr/pages/nclex_q.php?qn_id=291685)
- [암등록 자료를 기반으로 한 '연령표준화 발생률'을 계산하는 주요 목적은?](https://mymerci.kr/pages/nclex_q.php?qn_id=291686)
- [국가 단위 암등록 통계 보고서에서 '유병률' 지표가 의미하는 바는?](https://mymerci.kr/pages/nclex_q.php?qn_id=291688)
- [위 표를 해석한 내용으로 옳은 것은?](https://mymerci.kr/pages/nclex_q.php?qn_id=291689)
- [암등록 자료를 활용한 '지리적 분포 분석'이 가능하게 하는 정보는?](https://mymerci.kr/pages/nclex_q.php?qn_id=291690)
- [암등록 자료를 보건 정책 수립에 활용할 때, 가장 직접적으로 반영될 수 있는 영역은?](https://mymerci.kr/pages/nclex_q.php?qn_id=291691)
- [암등록 자료의 품질을 평가하는 국제적 지표인 '비사망률 대 발생률 비율'이 낮게 나타날 때, 주로 의심되는 문제는?](https://mymerci.kr/pages/nclex_q.php?qn_id=291692)
- [암등록 자료와 건강보험 청구 자료를 연계하여 분석할 때 얻을 수 있는 가장 큰 장점은?](https://mymerci.kr/pages/nclex_q.php?qn_id=291693)

---

More free questions: [기출문제](https://mymerci.kr/)

_학습 참고용입니다. 실제 임상은 최신 지침과 소속 기관 프로토콜을 따르세요._