특집
Meta analysis(메타분석)의 이해
신임희
대구가톨릭대 의과대학 의학통계학교실
1. 들어가면서
최근 의, 약, 간호계뿐만 아니라, 다양한 의료영역 에서, 근거 중심관련 연구가 많이 주장되어 오고 있 는 상황이다. 근거중심연구가 좀 더 연구에 대한 타 당성과 객관성을 부여할뿐만 아니라, 기존의 연구를 종합 정리하고, 앞으로의 연구에 보다 더 질적으로 신뢰성있는 연구 결과를 보증하기 위해서는 근거중 심을 확보하기 위한 연구에 많은 주안점을 두고 있 다. Sytematic review를 통한 연구의 질적인 평가 가 이루어지면 질적평가에 따른 연구를 바탕으로 객 관적인 타당성을 확보하는데 이용되는 통계적 분석 방법이 메타분석(meta analysis)이다. 메타분석의 이론적 정립이 본격화된 것은 1976년 Gene.V.
Glasss에 의해서 이루어졌으며 이후 많은 관심을 받 아온 메타분석에 대한 개념 및 분석의 방법, 또한 메 타분석을 위해서는 우리는 어떤 관점에 그 중요성을 두고 있는지를 살펴보고자 한다. 메타분석의 전반적 이고 개념정립과 더불어 이해에 중점을 두고 진행하 기에, 복잡한 통계적 분석방법에 대한 구체적인 전 개는 남겨두기로 하겠다.
2. 메타분석의 이해
예를 들어 SGA(Second Generation Antipsychotic drug)의 efficacy가 FGA(First Generation Antipsychotic drug)에 비하여 어느 정도인지를 알아보기 위하여, 1953∼2002년까지의 관련된 모 든 문헌을 검색하여, SGA와 FGA의 efficacy를 비
교하고자 한다면(Arch Gen psychiatry. 2003: 60 권 :553-554) 지난 50여년간의 논문을 체계적으로 평가하고, 이것을 종합적으로 정리하는 방법은 무엇 일까? 또는 새로운 drug의 개발로 clinical trial을 하는 경우 multi-clinical trial center에서 동시에 연구를 시작하여, 그 결과를 종합하는 방법은 무엇 일까에 대해서 고민하게 된다. 이러한 배경을 두고, 연구결과를 요약하고, 객관적으로 평가하는 방법을 고민하게 되고, 그 결과 대두된 통계적 방법론이 바 로 메타분석이다. 즉, 메타분석은 synthesis, overview, pooling results 와 관련된 개념으로 고 려되어야 한다. 이러한 객관적 타당성을 지닌 결과 를 근거인 통계적인 유의성을 밝혀두면, 근거중심연 구(Evidence Based Research)뿐만 아니라, 연구 의 결과에 대한 일반화가 가능하고, 표준적인 guideline의 설정이 가능하다.
대부분의 임상연구에 있어서, 메타분석이 적용되 기 위해서는 Sytematic review를 통한 양질의 문 헌을 전제되어 있고, 근거중심연구에서 강조되는 PICO(Patients, Intervention, Comparision, Outcomes)의 설정이 정확하게 이루어져야 한다.
주로 임상시험 관련연구는 RCT(Randomized Controlled Clinical Trial)논문을 위주로, Cochran Library, Embase로 검색이 가능하며, 근 거중심의 올바른 근거를 확보하기 위해서는 기본적 으로 논문의 질적평가가 바탕과 더불어 이러한 상황 이 가정되어 있어야 한다.
혹자는 왜 메타분석을 해야 하는가에 의문을 가질
수도 있다. 예를 들어 어떤 특정 질환을 치료하는
데, A방법(치료군)과 B방법(대조군)을 비교하는 논 문이 총 20편이 있는데, 이것을 살펴본 결과 8편은 통계적으로 유의하게 치료군이 좋다고 보고 4편은 통계적으로 유의하지는 않으나, 치료군이 우세한 경 향으로 보고 4편은 통계적으로 유의하게 대조군이 좋다고 보고 7편은 통계적으로 유의하지는 않으나, 대조군이 우세한 경향으로 보고 있다면 최종적인 결 론은 어떻게 내릴수 있는가이다. 단순히, 치료군이 좋다고 나온 논문의 편수가 1편이 많으니, 치료군이 더 좋고 치료의 효과가 있다고 말하기에는 그 방법론 적인 접근이 너무 과학적이지 않고, 동의가 되지 않 는다. 그러므로, 여기에 타당성과 객관성을 부여하는 과학적인 방법론에 대한 연구가 메타분석의 필요성 에 대한 의문을 해결해주는 것이다. 그러면, 메타분 석시에 고려해야 할점과 그 방법론에 대해서 살펴보 기로 한다.
메타분석시 과연 몇 편의 논문이 있어야 메타분석
이 가능하며, 메타분석에서 언급되는 논문은 연구목 적, 연구대상, 연구도구, intervention, 측정변수 등 등이 모두 동질하다고 여겨지는가? 또한 연구에서 측정되는 도구 및 변수는 그 속성이 측정된 결과 모 여진 DATA의 속성은 어떠한가? 더불어 동일한 PICO를 가지고, 연구를 진행하는 연구팀이 없는가?
또한 메타분석과 관련된 용어에 익숙한지 고려해 보 아야 한다. 무엇보다도 메타분석과 관련된 용어에 대 한 이해가 필요하기에, 메타분석에 이용되는 용어를 한번 살펴보고 그 의미를 파악해보자
3. 메타분석과 관련된 용어 효과크기(effect size, d) : 효과크기는
(d:: 표준화된 평균차이,
Sp: 공통표준편차, :대조 군의 평균, :치료군의 평균)로 정의되어 진다. 그러
이 부분은 우측으로 가면 위약이 효과/좌 측으로 가면 치료군의 효과를 말하고 있 으며, 좌. 우는 바뀌어 질 수도 있다.
이 중간 line은‘no effect’를 의미한다. 만약 자료의 속성이 양적자료인 경우에는 효과크기의 평균차이(mean difference)가 0이므로‘0’의 값이 기준이 되며, 질적 자료인 경우에는 승산비(odds ratio)가 기준이 되어 1의 값이 보통 나타나게 된다.
Fig. 1
므로, 위의 식처럼 대조군의 평균과 치료군의 평균과 의 차이가 크면 그만큼 치료군의 효과가 적다는 것이 다, 그러면 효과크기가 0이 되면 치료군과 대조군의 효과는 동일하다고 한다. 이 표준화된 평균차이의 장 점은 자료의 단위와 무관하므로, 서로 다른 도구를 이용한 연구나, 측정결과도 메타분석에 포함할 수 있 음을 내포하고 있다.
Forest plot : 앞 페이지의 그래프는 효과크기와 95% 신뢰구간(confidence interval)을 그려주고 있 으며, 효과크기는 사각형으로 나타나고, 95%신뢰구 간은 양쪽의 선으로 나타난다. 95% 신뢰구간의 폭이 좁을수록 시각형의 크기도 커진다. 또한 전체에 대한 효과크기는 다이아몬드 형태로 그래프 맨 아래 표시 된다(Figure 1).
Publication bias와 Funnel plot : 출판오류와 깔 대기 그림이라고도 하며 publication bias는 posi- tive outcome bias라고도 한다. 학술지가 긍정적 결과에 치우쳐 논문을 출간할수 있으며, 특히 표본수 가 적은 경우에는 더욱더 통계적 유의성이 떨어질수 도 있다. 그러므로, Funnel plot이 이 Publication
bias를 판단해준다. 이외에도 메타분석에서 이루어 지는 bias는 language bias, database bias, cur- tural bias...등이 있다(Figure 2).
Fail safe -N : 최종적으로 분석된 메타분석의 결 과가, 과연 몇편의 논문이 더 추가되면, 그 결과가 바 뀌어 질수 있는 가를 나타내준다. 예를 들어 이 값이 3으로 계산되었다면, 메타분석의 결과가 단 3편의 논문이 더 추가되면, 결과가 바뀌어 질수 도 있음으 로 해석하면 더 쉽게 이해될 것 같다. 이것은 effect size(d)의 결정이 우선되어야 정해질 수 있다.
메타분석의 용어의 정의와 더불어, 메타분석의 방 법에 대해서 살펴보기로 한다. 메타분석의 방법은 1) p-value의 병합 2) 연속 또는 양적 data에 대한 분 석 -이경우는 주로 각 집단의 평균, 표준편차, 표본 수, p-value가 중요한 정보로 모여져야 한다. 3) categorical data에 대한 분석 - 이 경우는 odds ratio 또는 relative risk, 비율차(rate differ- ence), 표본수, p-value에 대한 정보가 모여져야 한 다. 이 각각에 대한 방법을 좀더 구체적으로 살펴보 고자 한다.
가로축은 각 연구의 치료의 효과를 나타 내며, 세로축은 치료효과의 표준오차를 나타낸다. 표본수가 작은 연구는 그래프 의 아래쪽에, 표본수가 큰 연구는 그래프 위쪽에 위치하고, 이 bias가 적을수록 그 래프는 대칭적이 되어 깔대기 모양을 뒤 집어놓은 형태가 된다. 즉, 표본수가 적어 (그결과 효과가 좋지 않아) 논문을 출간하 지 않은 결과가 많았다면, 그래프 모양은 비대칭적이 된다. 또한 이 Funnel plot은 연구결과의 homogeneity(동질성)을 나 타내주는 그래프이기도 하다.