이상사례 보고 데이터에도 ‘품질 기준’이 생긴다는 사실, 알고 계셨나요? 제조·시험 기록에서 데이터 완전성 (Data Integrity)을 강조하듯, 약물감시 (Pharmacovigilance, PV) 영역에서도 데이터 품질을 체계적으로 관리하려는 움직임이 본격화되고 있습니다. EMA(유럽의약품청)는 2026년 10월 19일, EU 공통 데이터 품질 프레임워크 (Data Quality Framework, DQF)를 약물이상반응 (Adverse Drug Reaction, ADR) 보고 데이터에 적용하는 초안 지침을 공개하고 공개 의견수렴을 시작했는데요. 본 포스팅에서는 DQF의 배경과 핵심 구조, 5가지 데이터 품질 차원, EMA가 짚은 ADR 데이터의 현실, 그리고 QA·PV 실무와 취업 준비 관점의 시사점까지 알아보겠습니다.
데이터 품질 프레임워크(DQF)란 무엇인가요?
DQF는 EMA 데이터분석·방법론 태스크포스(Data Analytics and Methods Task Force)가 만든, 유럽 의약품 규제 네트워크(EMRN)가 다루는 규제 데이터 전반의 품질을 일관되게 바라보기 위한 공통 틀입니다. 이번에 공개된 초안(문서번호 EMA/87692/2025, 2026년 10월 15일자)은 이 공통 틀을 ADR 보고 데이터의 수집(collection)·관리(management)·제출(submission) 전 과정에 구체적으로 적용한 ‘약물감시 적용판’입니다.
앞서 EMA 데이터 표준 프레임워크 초안에서 유럽 규제 데이터의 ‘표준’을 정하는 관리 체계를 다뤘는데요. 이번 문서는 표준이 아니라 ‘품질’을 보는 틀이라는 점이 다릅니다. 인체용 의약품의 개별 사례 안전성 보고(ICSR)는 유럽 이상사례 데이터베이스인 EudraVigilance(EV)에, 동물용 의약품 보고는 EudraVigilance Veterinary(EVV)에 제출되는데, 이 데이터가 신호 탐지와 규제 의사결정에 쓸 만한 품질인지 점검하는 기준을 제시한 것입니다.
중요한 특징이 하나 있습니다. 이 문서는 새로운 규제 요건을 부과하지 않는 설명적(descriptive) 성격의 지침입니다. 그렇지만 규제기관이 무엇을 ‘좋은 데이터’로 보는지 명확히 보여주는 기준점이 된다는 점에서, 품목허가권자(MAH)와 PV·QA 실무자라면 미리 읽어 둘 가치가 충분합니다. 공개 의견수렴은 2026년 12월 14일까지 EUSurvey를 통해 진행됩니다.
다섯 가지 데이터 품질 차원 — ALCOA+와 어떻게 다른가요?
DQF는 데이터 품질을 다섯 가지 차원으로 나누어 질문을 던집니다.
- 신뢰성 (Reliability): 데이터가 의도한 실제 내용을 충실히 나타내는가? — 부정확한 보고, 인과관계 평가 부실, 추적성 문제를 다룹니다.
- 충분성 (Extensiveness): 데이터가 충분한가? — 과소보고와 정보 누락이 대표적 문제입니다.
- 일관성 (Coherence): 데이터 전체를 하나로 묶어 분석할 수 있는가? — 중복 보고, 전송 형식 혼재, 용어 코딩 불일치가 여기에 해당합니다.
- 적시성 (Timeliness): 의사결정 시점에 데이터가 제때 도착하는가? — 접수부터 제출·신호 확인까지 각 단계의 지연을 봅니다.
- 관련성 (Relevance): 질문에 맞는 ‘종류’의 데이터인가? — 요청형(solicited) 보고에 실제 ADR이 아닌 사건이 섞여 들어오는 문제 등을 다룹니다.
▶ 혹시, 우리가 아는 ALCOA+ 원칙과는 뭐가 다른가요?
좋은 질문입니다. 귀속성·가독성·동시성·원본성·정확성에 완전성·일관성·지속성·가용성을 더한 ALCOA+는 기록 하나하나가 믿을 수 있게 만들어졌는지를 보는 ‘개별 기록’ 관점입니다. 반면 DQF의 5개 차원은 모인 데이터 전체가 분석과 의사결정에 쓸 만한 상태인지를 보는 ‘데이터셋’ 관점입니다. 개별 보고서가 ALCOA+를 충족해도, 과소보고로 데이터가 부족하거나(충분성) 중복과 코딩 불일치로 집계가 왜곡되면(일관성) 전체 데이터의 품질은 낮다고 평가되는 것이죠. 두 틀은 경쟁 관계가 아니라 서로 보완하는 관계입니다. ALCOA+ 개념이 익숙하지 않으시다면 ALCOA++ 개념 정리 포스팅을 먼저 참고하시면 됩니다.
EMA가 짚은 ADR 데이터의 현실
초안에는 현재 ADR 데이터의 품질 수준을 보여주는 수치가 함께 실렸습니다. 2025년 한 해 유효한 ADR 보고는 약 200만 건(2,002,916건)이었는데, 이 중 이상반응 발현 시점과 결과(outcome)를 모두 담은 보고는 59%에 그쳤습니다. 또 자발적 보고는 실제 발생의 5~10%만 보고되는 것으로 추정된다고 적시했습니다. 개별 보고서가 아무리 정확해도, 열에 아홉이 보고되지 않는다면 데이터 전체의 그림은 왜곡될 수밖에 없다는 점을 규제기관이 숫자로 보여준 셈입니다.
이를 개선하기 위한 권고도 구체적입니다. 보고자·의료전문가·품목허가권자에 대한 교육 강화, 입력 단계에서 핵심 항목의 완전성을 자동으로 점검하는 조기 확인 체계, 데이터베이스의 정기적인 중복 탐지·제거, 그리고 전송된 데이터는 변경되지 않도록 유지해 원본성과 추적성을 보장하는 것까지. 모두 품질 부서에서 익숙한 데이터 완전성 통제의 언어입니다.
QA 실무와 취업 준비, 어떻게 연결되나요?
실무 시나리오로 풀어 보겠습니다. 한 품목허가권자의 PV 부서가 콜센터로 접수된 이상사례를 처리한다고 가정해 보죠. 접수 정보를 안전성 데이터베이스에 입력하고, 증상을 MedDRA 용어로 코딩한 뒤, 기한 내에 EudraVigilance로 전송합니다. 이 흐름에서 입력 누락은 충분성, 코딩 선택은 일관성, 기한 관리가 적시성, 인과관계 평가의 질은 신뢰성과 관련성으로 연결됩니다. DQF는 바로 이 일상 업무의 단계마다 품질 차원을 대응시켜 어디서 품질이 깨지는지 보라고 요구하는 것입니다.
▶ 그런데 이 문서, 실사와도 관련이 있을까요?
관련이 있습니다. 실제로 EMA 안전성 감시 실사에서 가장 많이 지적된 영역이 이상사례 관리·보고였는데요. 자세한 내용은 EMA 안전성 감시 실사 지적 88건 분석 포스팅을 참고하시기 바랍니다. 데이터 완전성이 GMP 제조·시험 기록을 넘어 약물감시 데이터로 확장되는 흐름 속에서, 실사관의 질문도 “기록이 맞는가”에서 “데이터 전체가 쓸 만한가”로 넓어지고 있습니다.
취업을 준비하시는 분이라면 면접 답변의 재료로 삼으시길 제안 드립니다. PV나 QA 직무에서 “데이터 품질을 어떻게 관리하겠습니까”라는 질문을 받았을 때, ALCOA+ 원칙과 DQF의 5개 차원을 함께 언급하며 개별 기록과 데이터셋 전체라는 두 층위로 답할 수 있다면, 규제 동향을 따라가는 지원자라는 인상을 줄 수 있습니다.
정리하며
EMA의 데이터 품질 프레임워크 ADR 적용 초안은 새 규제 요건은 아니지만, 약물감시 데이터 품질을 신뢰성·충분성·일관성·적시성·관련성의 5개 차원으로 바라보는 공통 언어를 제시했습니다. 의견수렴이 2026년 12월 14일까지 진행되는 만큼, 유럽에 품목을 가진 회사의 PV·QA 담당자라면 초안 원문을 확인하고 자사 절차와 비교해 보시기 바랍니다. 원문은 EMA 공식 문서(PDF)에서 내려받을 수 있습니다.
데이터 완전성의 기본 개념과 실무 적용은 이전 포스팅들을 참고하시면 됩니다. 👉 더 많은 포스팅 보기