[[분류:예방의학]][[분류:통계학]]

[include(틀:예방의학)]

[목차]

== 개요 ==
{{{+1 Hill's Criteria}}}

힐의 기준(Hill's criteria)는 영국의 역학자, 통계학자인 오스틴 브래드포드 힐(Austin Bradford Hill)이 만든  기준으로, [[역학(의학)|역학]](epidemiology)에서 인과성을 밝히기 위하여 검토할 기준들을 나열한 것이다.

관찰적 연구에서 나온 연관성이 정말 인과관계인지를 판단하기 위한 기준으로, 총 아홉 가지가 있다. 단 아홉 가지를 전부 만족해야 인과관계가 성립하는 것은 아니고 연구자가 '적절히' 기준을 바탕으로 판단하라는 것이다. 아홉 개의 기준들 중 시간적 선후관계는 중요도가 높으며, 특이성, 유사성은 상대적으로 중요도가 떨어진다.

[[백신]] 피해와 관련해서도 힐의 기준은 중요하게 작용하는데, 특히 [[인재|휴먼 에러]]가 일관성 면에서 크게 작용한다. 그 예로 [[2020년 인플루엔자 백신 접종자 집단사망 논란]] 때 백신과의 연관성이 배제된 것을 예롤 들 수 있는데, 로트 번호, 유통 경로, 접종 장소 등 휴먼 에러가 개입될 만한 요소를 특정할 수 없었고, 이 때문에 백신 자체는 물론이고 백신 프로세스와고도 연관성이 떨어졌기 때문이다.

== 목록 ==
=== 관련성의 강도(Strength of Association) ===
상대위험도, [[오즈비]] 등으로 나타나는 관련성의 강도가 강하다면, 인과관계의 가능성도 높다고 추론할 수 있다. 물론 관련성의 강도가 낮다고 인과관계를 기각할 순 없다.

=== 관련성의 일관성(Consistency) ===
두 변수간 관련성이 여러 조건을 변화시켜도 일관되게 나타날 때. 실험의 시기, 규모, 대상 집단, 방법 등을 다르게 해도 비슷한 결과가 계속 도출되는 것이다.

=== 관련성의 특이성(Specificity of the Association) ===
하나의 요인이 특정한 질병에만 높은 연관성을 보이는 경우, 인과관계의 가능성이 높다. 실제로 이런 관계가 나타나는 경우는 드물며, 특이성이 없다고 해도 인과관계가 없다고 판단할 수는 없다. 여러 기준들 중 상대적으로 중요성이 떨어지는 기준이다.

=== 시간적 선후관계 (Temporal Sequence of Association) ===
인과관계 판단의 가장 중요한 변수로, 반드시 원인에 노출된 후 질병이나 결과가 뒤따라야한다. 질병이 타임머신을 타고 미래에서 오지 않는 이상, 원인이 먼저 있어야함은 자명하다. 단 잠복기가 길거나, 시간에 따라 변화하는 양상을 가지는 경우 시간적 선후관계의 입증이 힘들어진다.

=== [[용량-반응 관계]] (Dose-Response Association) ===
노출되는 양이 커질수록, 반응도 강해진다면 인과관계가 있을 가능성이 크다. 간단히 말하면, 독을 먹어서 아프다면 독을 더 많이 먹는다면 더 많이 아프단 것이다. 하지만 어떤 임계값을 넘으면 반응이 일어나는 양상일 경우 인과관계는 있어도 용량 반응 관계는 나타나지 않을 수도 있다. 스위치를 누르면 불이 켜지지만, 스위치를 세게 누른다고 불이 더 밝게 켜지진 않는 것 처럼.

=== 생물학적 설명력 (Biological Plausibility) ===
기존의 과학적 지식과 일치한다면 가능성이 높아진다. 다만 당대의 과학적 지식의 한계에 좌우되기 때문에 지식의 범주를 넘어서는 완전히 새로운 발견의 경우 기존 지식으로 설명할 수 없기도 하다.

=== 기존 학설과의 일관성 (Coherence) ===
추정된 인과 관계가 기존의 지식, 소견과 일치할수록 인과관계의 가능성이 높다. 앞서 서술한 생물학적 설명력과 유사한 개념이다.

=== 실험적 증거 (Experimental Evidence) ===
시간적 선후관계와 더불어 매우 중요한 요소이다. 아무리 다른 정황적 추측이 있어도 실험적 증거가 없다면 말짱 도루묵이다. 가장 확실한 방법 중 하나는 대조군 대비 유의미한 증가(p-value <0.001)가 있었는지 살펴보는 것이다.

=== 기존의 인과관계와의 유사성 (Analogy) ===
기존에 밝혀진 요인-질병 관계와의 임상적, 역학적으로 유사성이 있는 경우 유사한 인과 관계가 있을 가능성이 높다. 유사성이 없다고 해서 인과관계가 없는 것은 아니며, 여기 제시된 기준들 중 가장 중요성이 떨어진다.