가설 수립 ⑤ : 시간 흐름에 따른 FDA 이상 사례 신고 변화
이번 분석은 FDA 의약품 이상사례 신고 데이터에서 시간 흐름에 따라 신고의 성격이 어떻게 변화하는지 확인하는 것을 목적으로 한다.
일반적인 시계열 분석에서는 시간에 따른 신고 건수의 증가 또는 감소를 먼저 확인한다. 그러나 본 데이터셋은 2015년부터 2025년까지 각 연도별 신고 수가 48,000건으로 동일하고, 각 분기별 신고 수는 12,000건, 각 월별 신고 수는 4,000건으로 균등하게 구성되어 있다.
본 분석에서는 신고 건수 자체가 아니라, 전체 신고 중 특정 outcome 또는 약물군이 차지하는 비율(rate)과 구성비(share)를 기준으로 시간 흐름에 따른 변화를 확인하였다.
목차
1. 분석 배경 및 문제 정의
본 분석의 핵심 문제 정의는 다음과 같다.
- 연도별·분기별·월별 신고 수가 균등한 FDA 이상 사례 데이터에서, 시간 흐름에 따라 중증 outcome 비율과 약물군 신고 구성비가 변화하는가?
- 또한 특정 시점에서 평소와 다른 위험 신호가 탐지되며, 그 신호를 실무적으로 어떤 우선 검토 대상으로 연결할 수 있는가?
즉, 본 분석은 단순한 시계열 추세 확인이 아니라, 실제 이상사례 모니터링 업무에서 활용할 수 있는 위험 신호 탐지와 우선순위 도출을 목표로 한다.
2. 분석 방향성 및 전체 개요
본 분석은 하나의 팀 프로젝트 내 세부 파트이므로, 분석 범위를 과도하게 확장하지 않고 핵심적인 흐름으로 구성하였다.
| 단계 | 분석 내용 | 실무적 의미 |
|---|---|---|
| 1 | Outcome rate trend | 기본 위험 지표의 시간 흐름 확인 |
| 2 | Drug group share trend | 장기적으로 증가·감소하는 약물군 확인 |
| 3 | Composite Risk Score anomaly detection | 위험 신호가 높은 월 탐지 |
| 4 | Anomaly contribution analysis | 이상 월에서 과대표현된 약물군 확인 |
| 5 | Monitoring priority ranking | 우선 모니터링 대상 약물군 도출 |
| 6 | Dashboard KPI 설계 | 실제 모니터링 체계로 연결 |
3. 데이터 구조 및 분석 전제
분석에 사용한 데이터는 총 528,000건이며, 2015년부터 2025년까지의 의약품 이상사례 신고 데이터를 포함한다.
데이터 구조를 확인한 결과, 각 시간 단위별 신고 수는 다음과 같이 균등하게 구성되어 있었다.
| 시간 단위 | 최소 신고 수 | 최대 신고 수 | 기간 수 |
|---|---|---|---|
| 연도 | 48,000 | 48,000 | 11 |
| 분기 | 12,000 | 12,000 | 44 |
| 월 | 4,000 | 4,000 | 132 |
신고 수가 시간 단위별로 동일하기 때문에, 시간 흐름에 따른 신고량 변화는 분석 대상에서 제외하였다. 대신 모든 분석은 비율 기반 지표로 수행하였다.
| 분석 지표 | 의미 |
|---|---|
outcome rate |
전체 신고 중 특정 outcome이 차지하는 비율 |
drug group share |
전체 신고 중 특정 약물군이 차지하는 비중 |
Composite Risk Score |
주요 중증 outcome을 종합한 월별 위험 지표 |
lift |
anomaly 월에서 특정 약물군이 일반 월 대비 얼마나 과대표현되었는지 나타내는 배율 |
monitoring priority score |
위험도, 증가폭, anomaly 기여도, 신고 규모를 통합한 우선순위 점수 |
4. 분석 변수 및 지표 정의
4.1 중증 outcome 변수
중증 이상사례의 시간 흐름을 확인하기 위해 다음의 flag 변수를 생성하였다.
| 변수 | 의미 | 전체 비율 |
|---|---|---|
serious_flag |
serious 이상사례 여부 | 74.81% |
fatal_flag |
사망 관련 이상사례 여부 | 10.28% |
hospitalization_flag |
입원 관련 이상사례 여부 | 35.61% |
life_threat_flag |
생명 위협 관련 이상사례 여부 | 4.33% |
disabling_flag |
장애 관련 이상사례 여부 | 2.56% |
risk_event_flag |
주요 위험 이상사례 여부 | 74.81% |
전체 신고 중 serious 이상사례 비율이 상당히 높고, hospitalization 관련 신고도 약 35.61%를 차지한다. 따라서 시간 흐름에 따라 이 중증 outcome 비율이 안정적으로 유지되는지, 또는 특정 시점에서 상승하는지를 확인할 필요가 있다.
4.2 약물군 대분류
원본 pharm_class는 세부 범주가 많아 직접 해석하기 어렵다. 따라서 주요 키워드를 기준으로 약물군 대분류를 생성하였다.
| 약물군 대분류 | 신고 수 |
|---|---|
| Unknown | 235,513 |
| Other / Miscellaneous | 146,983 |
| Immunology / Biologics | 55,017 |
| CNS / Psychiatry | 24,293 |
| Cardiovascular / Coagulation | 18,930 |
| Oncology / Hematology | 17,104 |
| Endocrine / Metabolic | 13,542 |
| Anti-infective | 5,848 |
| Pain / Inflammation | 5,453 |
| Gastrointestinal / Renal | 5,243 |
| Respiratory / Allergy | 74 |
Unknown과 Other / Miscellaneous 비중이 높기 때문에, 약물군 해석에는 주의가 필요하다. 그러나 전체 신고에서 특정 약물군이 차지하는 비중의 장기 변화는 여전히 중요한 모니터링 지표로 활용할 수 있다.
4.3 Composite Risk Score
월별 위험 수준을 하나의 지표로 요약하기 위해 Composite Risk Score를 생성하였다. 단일 outcome만으로 위험 신호를 판단하면 특정 지표의 일시적 변동에 영향을 받을 수 있으므로, fatal, hospitalization, serious 비율을 가중합하였다.
| 구성 지표 | 가중치 |
|---|---|
fatal_rate |
0.40 |
hospitalization_rate |
0.35 |
serious_rate |
0.25 |
5. 세부 분석 1 : Outcome rate trend
분석 목적
첫 번째 분석에서는 연도·분기 흐름에 따라 주요 중증 outcome 비율이 변화하는지 확인하였다. 이 분석은 전체적인 위험 지표가 시간에 따라 안정적인지, 또는 특정 시점에서 변동하는지를 파악하기 위한 기본 단계이다.
가설 및 검정 방법
| 구분 | 내용 |
|---|---|
| 귀무가설 H0 | 연도에 따라 각 중증 outcome 비율은 차이가 없다. |
| 대립가설 H1 | 연도에 따라 하나 이상의 중증 outcome 비율은 차이가 있다. |
연도별 outcome rate를 계산하고, 분기별 outcome rate line plot을 통해 시간 흐름을 시각화하였다. 이후 연도와 outcome 여부 간의 관계를 확인하기 위해 카이제곱 독립성 검정을 수행하였다. 또한 표본 수가 크면 작은 차이도 쉽게 유의하게 나타날 수 있으므로, Cramer's V를 함께 확인하였다.
검정 결과
| Outcome | p-value | Cramer's V | 해석 |
|---|---|---|---|
hospitalization_flag |
< 0.001 | 0.1061 | 통계적으로 유의하나 관계 강도는 약함 |
serious_flag |
< 0.001 | 0.1039 | 통계적으로 유의하나 관계 강도는 약함 |
risk_event_flag |
< 0.001 | 0.1039 | 통계적으로 유의하나 관계 강도는 약함 |
fatal_flag |
< 0.001 | 0.0834 | 통계적으로 유의하나 관계 강도는 약함 |
life_threat_flag |
< 0.001 | 0.0385 | 통계적으로 유의하나 관계 강도는 매우 약함 |
disabling_flag |
< 0.001 | 0.0229 | 통계적으로 유의하나 관계 강도는 매우 약함 |
outcome_rete 는 전체 신고 중 특정 중증 outcome이 차지하는 비율이므로, 신고량이 아니라 신고의 중증도 구성을 보여주는 지표이다. 모든 outcome에서 p-value가 < 0.001로 나타났지만 Cramer's V가 0.0229~0.1061 수준이므로, 연도별 차이는 통계적으로 존재하되 실제 관계 강도는 약한 편이다. 따라서 이 지표는 핵심 결론 지표라기보다 시간 흐름에 따른 기본 위험 KPI로 해석하는 것이 적절하다.
6. 세부 분석 2 : Drug group share trend
두 번째 분석에서는 연도 흐름에 따라 약물군 신고 구성비가 변화하는지 확인하였다. 중증 outcome 비율의 변화가 제한적이더라도, 특정 약물군의 신고 비중이 장기적으로 증가한다면 해당 약물군은 별도 모니터링 대상이 될 수 있다.
검정 결과
| 검정 | p-value | Cramer's V | 해석 |
|---|---|---|---|
year × pharm_group |
< 0.001 | 0.1199 | 연도별 약물군 구성 차이가 통계적으로 유의하며, outcome 변화보다 상대적으로 뚜렷함 |
주요 변화 요약
| 약물군 | 2015년 share | 2025년 share | 변화 |
|---|---|---|---|
| Unknown | 55.68% | 37.74% | -17.93%p |
| Immunology / Biologics | 2.46% | 18.69% | +16.23%p |
| Other / Miscellaneous | 33.70% | 26.92% | -6.78%p |
| Oncology / Hematology | 1.73% | 4.14% | +2.41%p |
| Endocrine / Metabolic | 1.62% | 3.89% | +2.28%p |
| Anti-infective | 0.86% | 2.20% | +1.33%p |
| CNS / Psychiatry | 1.83% | 2.98% | +1.14%p |
| Pain / Inflammation | 0.53% | 1.49% | +0.96%p |
drug group share 는 전체 신고 중 특정 약물군이 차지하는 비중으로, 시간에 따라 신고 구성의 중심이 어떤 약물군으로 이동했는지를 보여준다. year × pharm_group 검정에서 p-value < 0.001, Cramer's V 0.1199로 outcome rate보다 관계 강도가 상대적으로 높아, 시간 변화는 중증도보다 약물군 구성에서 더 뚜렷하게 나타난다. 특히 Immunology/Biologics는 2015년 2.46%에서 2025년 18.69%로 +16.23%p 증가해 장기적인 신고 비중 확대 지표로 해석된다.
7. 세부 분석 3 : Composite Risk Score 기반 anomaly detection
세 번째 분석에서는 월별 Composite Risk Score를 활용하여 평소보다 위험 신호가 높게 나타난 월을 탐지하였다. 이 단계는 실제 대시보드에서 alert를 발생시키는 구조와 연결된다.
| 항목 | 내용 |
|---|---|
| 분석 단위 | 월별 |
| 주요 지표 | Composite Risk Score |
| 구성 지표 | fatal_rate, hospitalization_rate, serious_rate |
| 보정 방식 | 3개월 이동평균 |
| 이상치 탐지 | robust z-score |
| 이상치 기준 | robust z-score ≥ 2.5 또는 ≤ -2.5 |
이상치 탐지 결과
Composite Risk Score 기반 이상치 탐지 결과, high-risk anomaly는 총 6개 월에서 탐지되었고, low-risk anomaly는 탐지되지 않았다.
| 월 | serious_rate | fatal_rate | hospitalization_rate | Composite Risk Score | robust z |
|---|---|---|---|---|---|
| 2020-09 | 86.65% | 18.23% | 47.90% | 45.72 | 2.97 |
| 2020-08 | 84.53% | 18.30% | 54.00% | 47.35 | 2.95 |
| 2015-03 | 91.25% | 8.35% | 49.15% | 43.36 | 2.79 |
| 2020-10 | 83.05% | 18.88% | 46.68% | 44.65 | 2.69 |
| 2020-07 | 86.53% | 21.08% | 51.85% | 48.21 | 2.66 |
| 2020-11 | 83.85% | 19.10% | 48.43% | 45.55 | 2.55 |
Composite Risk Score는 fatal_rate, hospitalization_rate, serious_rate를 가중합한 월별 위험 지표로, 개별 outcome 하나만 보는 것보다 종합적인 중증 위험 수준을 요약한다. robust z-score 기준으로 high-risk anomaly가 6개 월에서 탐지되었고, 특히 2020년 7~11월에 집중되어 해당 기간에는 평소보다 종합 위험 지표가 높았다고 해석할 수 있다. 다만 2015년 3월 anomaly는 rolling average 계산 초기 구간의 edge effect 가능성이 언급되어, 강한 위험 신호로 단정하기보다 해석에 주의가 필요하다.
8. 세부 분석 4 : High-risk anomaly 월의 약물군 기여 후보 분석
이전 단계에서 high-risk anomaly 월을 탐지했지만, “위험 신호가 높게 나타난 월에는 어떤 약물군이 일반 월보다 더 많이 나타났는가?”라는 질문이 이어진다.
| 약물군 | Normal share | Anomaly share | 차이 | Lift |
|---|---|---|---|---|
| Cardiovascular / Coagulation | 2.90% | 18.00% | +15.10%p | 6.21 |
| Unknown | 44.53% | 46.19% | +1.66%p | 1.04 |
| Pain / Inflammation | 1.03% | 1.14% | +0.11%p | 1.11 |
| Immunology / Biologics | 10.50% | 8.72% | -1.78%p | 0.83 |
| CNS / Psychiatry | 4.75% | 1.51% | -3.24%p | 0.32 |
| Other / Miscellaneous | 28.24% | 19.45% | -8.79%p | 0.69 |
lift는 high-risk anomaly 월에서 특정 약물군이 일반 월보다 얼마나 과대표현되었는지를 나타내는 배율 지표이다. Cardiovascular/Coagulation 은 normal share 2.90%, anomaly share 18.00%, lift 6.21로 나타나, 이상 월에서 일반 월 대비 약 6.21배 많이 나타난 약물군으로 해석된다. 이는 장기적으로 증가한 약물군과 실제 고위험 이상 월에 기여한 약물군이 다를 수 있음을 보여준다.9. 세부 분석 5 : 약물군별 monitoring priority score
마지막 단계에서는 약물군별로 우선 모니터링 대상을 선정하기 위해 monitoring priority score를 산정하였다. 단순 신고 수나 단순 증가폭만으로는 우선순위를 정하기 어렵기 때문에, 신고 규모, 최근 증가폭, 위험도, anomaly 기여도를 함께 고려하였다.
우선순위 결과 요약
| 순위 | 약물군 | 신고 수 | 변화 | group composite score | lift | priority score |
|---|---|---|---|---|---|---|
| 1 | Cardiovascular / Coagulation | 18,930 | -0.14%p | 64.28 | 6.21 | 70.94 |
| 2 | Immunology / Biologics | 55,017 | +16.23%p | 35.76 | 0.83 | 51.05 |
| 3 | Anti-infective | 5,848 | +1.33%p | 41.25 | 0.54 | 27.40 |
| 4 | Oncology / Hematology | 17,104 | +2.41%p | 35.13 | 0.63 | 26.40 |
| 5 | Endocrine / Metabolic | 13,542 | +2.28%p | 35.39 | 0.67 | 26.07 |
monitoring priority score는 신고 수, 최근 변화, group composite score, lift를 함께 반영한 통합 우선순위 지표이다. Cardiovascular/Coagulation 은 share 변화는 -0.14%p로 크지 않지만 group composite score 64.28, lift 6.21, priority score 70.94로 가장 높아 즉시 drill-down이 필요한 후보로 해석된다. 반면 Immunology/Biologics는 lift는 0.83으로 anomaly 월 과대표현은 아니지만, 신고 수 55,017건과 share 증가 +16.23%p가 커서 장기 모니터링 대상 2순위로 해석된다.10. 대시보드 설계안
본 분석 결과는 실제 업무에서 이상사례 신고 모니터링 대시보드로 확장할 수 있다. 대시보드는 단순히 그래프를 보여주는 것이 아니라, 위험 신호를 탐지하고 후속 검토 대상을 좁혀주는 구조여야 한다.
| 영역 | 지표/시각화 | 목적 |
|---|---|---|
| KPI 카드 | serious_rate, fatal_rate, hospitalization_rate, composite_score | 현재 위험 수준 요약 |
| Time trend | 월별 Composite Risk Score line plot | 위험 지표 추세 확인 |
| Alert | high-risk anomaly marker | 이상 월 자동 탐지 |
| Drug group heatmap | 연도별 약물군 share | 장기 구성 변화 확인 |
| Contribution view | anomaly 월 vs normal 월 share/lift | 이상 신호 기여 후보 확인 |
| Priority table | monitoring_priority_score ranking | 우선 검토 대상 선정 |
| Drill-down | anomaly 월의 약물군, 약물명, reaction term | 원인 후보 탐색 |
실무적 사용 흐름
- 월별 Composite Risk Score가 기준치를 초과하면 alert를 발생시킨다.
- alert 월에서 어떤 약물군이 일반 월 대비 과대표현되었는지 확인한다.
- monitoring priority table에서 우선 검토 약물군을 확인한다.
- 해당 약물군의 drug name, reaction term, serious/fatal/hospitalization 조합으로 drill-down한다.
- 반복적으로 탐지되는 약물군은 별도 모니터링 대상으로 등록한다.
11. 종합 해석 및 최종 인사이트
본 분석의 흐름은 다음과 같이 정리할 수 있다.
인사이트 1. 중증 outcome 비율 변화는 존재하지만, 단독 근거로는 유의미하지 않다.
모든 주요 outcome에서 연도별 비율 차이는 통계적으로 유의하였다. 그러나 Cramer's V가 낮아 관계 강도는 제한적이었다.
인사이트 2. 장기 변화는 약물군 구성에서 상대적으로 뚜렷하게 나타났다.
Immunology / Biologics는 2015년 2.46%에서 2025년 18.69%로 증가하였다. 이는 시간 흐름에 따른 신고 변화가 단순 중증도 비율보다 약물군 구성 변화에서 더 명확하게 나타날 수 있음을 보여준다.
인사이트 3. 이상 월의 원인 후보는 장기 증가 약물군과 다를 수 있다.
장기적으로는 Immunology / Biologics의 증가가 가장 두드러졌지만, high-risk anomaly 월에서 가장 강하게 과대표현된 약물군은 Cardiovascular / Coagulation이었다.
인사이트 4. 우선 모니터링 대상은 단일 기준이 아니라 복합 기준으로 정해야 한다.
단순히 신고 수가 많거나 share가 증가한 약물군만 우선 검토 대상으로 삼으면 위험 신호를 놓칠 수 있다. 본 분석에서는 신고 규모, 최근 증가폭, 중증 outcome 비율, anomaly 기여도를 통합하여 monitoring priority score를 산정하였다.
Cardiovascular/Coagulation은 anomaly 월에서 과대표현되고 fatal_rate와 hospitalization_rate가 높아 즉시 drill-down 대상이며, Immunology/Biologics는 신고 비중이 장기적으로 크게 증가하여 지속 모니터링 대상으로 볼 수 있다.12. 최종 결론 및 후속 분석 제안
본 분석은 FDA 이상사례 신고 데이터에서 시간 흐름에 따른 신고 패턴 변화를 확인하고, 이를 실무형 모니터링 인사이트로 연결하기 위해 수행되었다.
🔔 전체 지표 해석 요약
이 분석에서 p-value는 “차이가 존재하는가”를, Cramer's V는 “그 차이가 얼마나 강한가”를 보여준다. share는 장기적인 신고 구성 변화를, Composite Risk Score는 월별 종합 위험 수준을, robust z-score는 평소 대비 이상 신호 여부를, lift는 이상 월에서 특정 약물군의 기여 가능성을, priority score는 실무적으로 어떤 약물군을 먼저 볼지 결정하는 기준으로 해석하면 된다.
- 데이터는 연도별·분기별·월별 신고 수가 균등하게 구성되어 있었기 때문에, 단순 신고량의 증가 또는 감소를 분석하는 것은 적절하지 않았다. 이에 따라 본 분석은 전체 신고 대비 outcome 비율, 약물군 구성비, Composite Risk Score, anomaly contribution, monitoring priority score를 중심으로 진행하였다.
- 분석 결과, 중증 outcome 비율은 연도에 따라 통계적으로 유의한 차이를 보였지만, Cramer's V 기준 관계 강도는 제한적이었다. 따라서 outcome rate는 기본 위험 KPI로 활용할 수 있으나, 단독으로 강한 결론을 내리기는 어렵다.
- 반면 약물군 구성 변화는 더 뚜렷한 분석적 의미를 보였다. 특히 Immunology/Biologics는 2015년 대비 2025년에 크게 증가하여 장기 모니터링 대상 약물군으로 도출되었다.
- 또한 Composite Risk Score 기반 anomaly detection을 통해 high-risk anomaly 월을 탐지하였고, 해당 월에서 Cardiovascular/Coagulation이 일반 월 대비 6.21배 과대표현되는 것을 확인하였다. 이는 해당 약물군이 high-risk anomaly 구간의 주요 기여 후보일 가능성을 보여준다.
한계
- 본 데이터는 시간 단위별 신고 수가 균등하게 구성되어 있기 때문에 실제 신고량 증감이나 실제 발생률 변화는 분석할 수 없다.
- 약물군 대분류는
pharm_class텍스트 기반 키워드 분류이므로, 표준 ATC 코드 기반 분류보다 정확도가 낮을 수 있다. - Composite Risk Score의 가중치는 분석 목적에 맞춰 설정한 탐색적 기준이다.
- Anomaly detection은 이상 신호 후보를 탐지하는 방법이며, 특정 약물이나 외부 사건이 원인이라는 인과관계를 검정한 것은 아니다.
후속 분석 제안
| 후속 분석 | 목적 |
|---|---|
| high-risk anomaly 월의 drug name 분석 | 이상 신호에 기여한 세부 약물 확인 |
| reaction term 분석 | 어떤 이상반응이 위험 신호를 구성했는지 확인 |
| Cardiovascular / Coagulation 세부 분석 | anomaly 기여도가 높은 약물군의 원인 후보 탐색 |
| Immunology / Biologics 장기 추세 분석 | 장기 증가 약물군의 세부 구조 확인 |
| 대시보드 구현 | Composite Risk Score alert와 priority table을 활용한 모니터링 체계 구축 |
이를 바탕으로 본 분석은 단순한 시계열 추세 분석이 아니라, FDA 이상사례 신고 데이터에서 시간에 따른 신고 성격의 변화와 위험 신호를 탐지하고, 이를 약물군별 우선 모니터링 대상으로 연결한 실무형 분석이다.
※ 본문은 FDA 약물 이상사례 신고 데이터의 시간 흐름 분석 결과를 바탕으로 작성한 프로젝트 보고서이다.
'Project > FAERS 이상사례 자가보고 데이터 기반 모니터링 우선순위 도출' 카테고리의 다른 글
| 최종 결과 보고서 : FDA 이상사례 신고 데이터 기반 중증 이상사례 모니터링 우선순위 도출 (0) | 2026.06.11 |
|---|---|
| FAERS 이상사례 데이터 분석 프로젝트 수행 기록 : 전처리부터 대시보드 제작까지 (0) | 2026.06.10 |
| 프로젝트 기획서 : FDA 약물 이상 사례 보고 데이터를 활용한 위험 약물·환자군 분석 (0) | 2026.06.08 |