제7주. 의학 자료의 분석
(4) 자료를 어떻게 분석하였는가?
통계적 평균과 중간값과 같은 간단한 분석은 고급 통계를 적용하기 전에 먼저 보고하고 그 결과가 어떻게 분포하고 있는지 보여주어야 한다.
연구자가 통계적 방법을 선택할 때에는 자료에 대해 어떠한 가정을 해야 한다. 가령 대개 측정값은 대칭적인 종 모양의 곡선으로 분포하고 있다고 가정한다. 만약 이러한 가정이 잘못된 것이라면 연구자는 부적절한 분석 방법을 택할 것이고 결과는 잘못될 가능성이 크다. 간혹 통계학자만이 옳은 방법이 사용되었는지 여부를 알 수 있기도 하다.
과학 연구의 독자는 연구자가 일반적이지 않거나 복잡한 방법을 사용하는지 경계해야 한다.
선택 오류는 언제나 존재한다. 피실험자가 적거나 관찰한 수가 적을수록 우연의 영향력이 커진다. 결과가 우연에 의한 것이라는 가능성, 즉 통계적 유의성(statistical significance)을 반드시 보고해야 한다. 이는 P값 또는 신뢰구간으로 표현된다.
간혹 자료의 소집단을 분리하여 분석한다. 분석하는 사람은 하위군 분석(subgroup analyses)에서 우연에 의해 통계학적으로 의미있는 결과가 나올 수 있음을 조심하고 경계해야 한다. 연구자는 소집단의 결과에 너무 치중해서는 안 된다.
만약 교란요인이 존재하면 이러한 것을 보완하기 위해 어떠한 노력을 했는지 언급해야 한다. 실험군과 대조군 간의 교차 대상이 반드시 제시되어야 하며 결과 분석시 원래의 집단에 포함되어야 한다.
(5) 분석은 어떻게 해석되었는가?
있을 수 있는 편견과 대안적 설명을 반드시 고려해야 한다. 결론이 연구 결과에 확실하게 기초하고 있으며 선행 연구의 관점에서 보았을 때 합리적인가? 심지어 결과가 통계적으로 의미있는 경우에도 간혹 저자들은 그 결과와 다른 방향의 결론을 내리기도 한다.
모든 결과가 결론 내에서 고려되고 있으며 가설을 뒷받침하고 있는지 여부를 확인해야 한다. 다른 방향으로 결과가 도출될 수 있으므로 부작용을 반드시 포함해야 한다. 결론이 새롭고 놀라운 것이라면 그것이 모든 연구에 적용되고 모든 피실험자와 소집단에 일치하는지 확인해야 한다.
두 변수 간에 연관성이 있고 반응‐용량관계(용량을 높일수록 반응이 커지는 효과)까지 있다면 이러한 결론은 진실일 가능성이 높다.
부정적 결과(예를 들어 통계적으로 중요한 차이점 또는 연관성의 부재)는 잘못된 것일 수 있으며 주의하여 해석되어야 한다. 연관성이나 차이점이 없다고 발견되었다고 해서 그것이 존재하지 않음을 의미하지는 않는다. 단순히 약간의 차이점이나 약한 연관성을 찾기에 연구가 너무 작았을 수도 있다. 차이점이나 연관성이 없음을 결론 내리기 위해 상당히 커다란 규모의 연구가 수행되어야 한다.
또한 대개 한 차례의 연구로 안전한 결론을 내기는 부족하다는 점을 기억하라. 새로운 결과는 이전에 행해졌던 연구의 연장선상에서 해석해야 한다.
또 하나의 중요한 주제는 결론이 모든 환자에게 적용될 수 있는지 여부와 작은 집단에서 피실험자를 선별해도 이것이 일반화될 수 있는지 여부에 대한 점이다.
의학적 주장을 논증하거나 반증하는데 사용된 증거
의학적 주장의 정확성에 질문을 던질 때 가장 이용 가능한 과학적 근거를 사용하는 것이 유용하다. 대개 치료 효과를 나타내는 증거에 대한 최고의 출처는 무작위대조연구로 잘 수행된 메타분석(meta‐analyses)이다. 위험요인을 얻는데 코호트 연구가 전형적으로 최고의 근거를 제공하는 반면 진단적 시험을 위한 최고의 출처는 실험과 기준에 대한 가설이나 조건을 숨기고 시행하는 비교이다.
가장 흔한 주장 중 하나는 새로운 치료법이 이전의 것보다 우월한지 여부이다. 어떤 종류의 연구는 다른 연구보다 다른 치료법의 효능을 증명하는 면에서 믿을만하다.
참고문헌
Ragnar Levi. Medical Journalism: Exposing Fact, Fiction, Fraud. Wiley-Blackwell; 1 ed. 2001.
