임상 질문의 데이터 구현
질환·수술·약제·건강행태를 청구·검진 구조에서 재현 가능한 exposure/outcome으로 정의합니다.
About Hanul · Medical RWD통계를 수행하기 전에,
통계를 수행하기 전에,
연구의 구조를 설계합니다.
한울지식정보컨설팅은 대학병원 의료 연구자를 위한 Medical RWD & Biostatistics 파트너입니다. 임상 질문을 데이터에서 재현 가능한 코호트와 분석계획으로 전환하고, 결과를 논문 수준의 근거로 연결합니다.
Our PositionRWD 연구를 ‘분석 의뢰’가 아닌
RWD 연구를 ‘분석 의뢰’가 아닌
연구 프로젝트로 다룹니다.
건강보험·건강검진 연구에서 가장 중요한 것은 복잡한 통계기법 자체가 아니라 누가 연구대상인지, 언제부터 추적하는지, 노출과 결과가 어떤 시간 순서로 정의되는지입니다.
한울은 연구자의 임상 질문을 바탕으로 eligibility, index date, washout, landmark, baseline, follow-up, outcome, competing event와 censoring을 먼저 구조화한 뒤 그에 맞는 분석방법을 선택합니다.
분석 이후에도 Table/Figure, Methods/Results, 추가 분석 및 reviewer 통계 질의까지 연구 정의가 흔들리지 않도록 연결합니다.
RESEARCH PRINCIPLE
Design → Data → Analysis → Publication
- Research DesignPICO/PECO, 대상자·비교군, time zero, 조작적 정의
- Cohort EngineeringClaims/검진/약제 연계, QC, 재현 가능한 cohort flow
- BiostatisticsCausal inference, survival, competing risk, trend, GLM
- Machine LearningFeature engineering, model development, validation, interpretability
- Publication SupportTable/Figure, Methods/Results, sensitivity, reviewer response
OUR STANDARD
“복잡한 통계기법보다 먼저, 연구대상·시간축·노출·결과의 정의가 맞는지 확인합니다.”
연구설계와 분석코드, 결과표와 논문 문장이 동일한 정의를 공유하도록 만드는 것이 한울의 기본 원칙입니다.
What We Focus On
의료 연구에 특화된 핵심 역량
일반 통계 분석은 지원하되, 회사의 중심은 Medical RWD 연구설계와 고급 분석입니다.
시간축이 명확한 코호트
Index, washout, landmark, baseline/follow-up, event와 censoring을 선후관계에 맞게 설계합니다.
교란과 사건시간을 반영한 분석
PSM/IPTW, KM/Cox, Fine–Gray, Joinpoint, GLM, sensitivity를 목적에 맞게 적용합니다.
논문과 reviewer까지 연결
분석 결과를 Table/Figure와 Methods/Results로 정리하고 후속 통계 질의에 대응합니다.
How We Work
연구자와 같은 질문을 공유합니다.
“어떤 통계기법을 쓸까?”보다 “이 결과가 연구 질문에 답하는가?”를 먼저 확인합니다.
Protocol-driven
분석 전에 cohort와 outcome 정의를 문서화해 분석 과정의 임의 변경을 줄입니다.
Reproducible
대상자 flow, 변수 정의, 분석 순서를 재현 가능한 형태로 정리합니다.
Clinically interpretable
p-value만이 아니라 HR/OR, CI, absolute risk와 임상적 해석 가능성을 함께 봅니다.
Robust
Subgroup, sensitivity, competing risk와 balance diagnostics로 결론의 견고성을 점검합니다.