• 응용통계연구
• /
• 제21권1호
• /
• pp.35-51
• /
• 2008

제 3상 임상시험에서 치료효과가 여러 반응변수(endpoints)로 측정될 때, 이들 반응 변수가 대둥하게 중요하여 주요 반응변수(primary endpoint)를 선택할 수 없는 상황이 발생할 수 있다. O'Brion (1984)은 이들 반응변수 모두를 종합하여 치료효과에 대한 단축검정(one-tailed testing) 통계량으로서 반응변수가 연속형(continuous) 자료로 측정되었을 때 Ordinary Least Square(OLS)와 Generalized Least Square(GLS) 검정 통계량을 제시하였다. Pocock 등 (1987)은 여러 형태, 즉 연속형, 이산형(binary), 생존(survival) 자료의 반응변수를 함께 분석할 수 있음을 언급하고 있으나 실제로 이와 같이 여러 형태의 반응변수 병합에 대한 문제점을 설명하거나 구체적으로 모의 실험으로서 이러한 경우의 OLS와 GLS통계량의 효율성을 알아보지는 않았다. 본 논문에서는 특히 여러 형태의 반응변수를 종합하여 치료효과에 대한 결론을 내리는데 P값의 병합 통계량을 제안하며, 이때 각 반응변수의 치료효과에 대한 검정 결과인 P값은 서로 상관성이 존재하는 P값이다. OLS 및 GLS 검정 통계량보다 장점을 지닌 P값의 병합방법 중, 방법 F와 G는 제 1종 오류가 유의수준보다 커서 검정의 결론이 잘못 내려질 수 있는 경우가 있고 방법 B는 제 1종의 오류가 잘 통계되고 또한 효율성이 높은 것으로 나타났다.