메타분석에서 하위집단 분석 (meta-analysis, subgroup analysis, moderator analysis)

메타분석에서 하위집단 분석 (subgroup analysis, moderator analysis)

 

메타분석에서 일반적으로 가장 많이 사용하는 분석기법이 분산분석과 유사한 하위집단 분석입니다. 보통 메타분석은 개별연구들로부터 추출된 효과크기들을 통계적으로 종합하는 방법입니다. 메타분석을 하는 이유는 개별연구결과들에 대한 종합적인 효과크기의 방향과 크기를 알아보는 것 외에, 연구결과들이 다른 이유에 대한 가설을 검정해 볼 수 있다는 점이다.

 

개별연구들로부터 추출된 효과크기들을 종합할 때 우선 동질성 검정을 실시하고, 분석모형을 선택하게 됩니다. 동질성 검정 결과 및 내용적으로 선행연구들을 판단한 결과 이질적이라고 판단하게 되면, 그 차이의 원인을 찾게 됩니다.

 

다른 양적연구방법과 마찬가지로 메타분석에서도 이질성의 원인을 설명하거나 찾는 방법에는 전공지식, 임상경험, 현장 경험 등을 통해서도 설명할 수 있고, 통계적인 분석을 통해 원인이나 설명을 시도하게 됩니다.

 

개별연구결과의 차이를 가져오는 효과를 조절하는 변수들에 대한 질문에 대답할 수 있다는 것이 메타분석의 주요 장점 중의 하나라고 할 수 있습니다. 예를 들면, 개별연구들의 처치의 효과에 대해 참가자의 성별이나, 연령대, 교육수준, 처치방법들에 대해 비교함으로써 변량을 조사하고 설명할 수 있습니다.

 

화술적 문헌연구나 투표법 등의 기존의 문헌연구 방법에서는 개별연구의 차이를 통계적으로 분석하거나 조사할 수 없지만, 메타분석에서는 개별연구들의 서로 다른 특징이 결과의 변량을 설명하는지에 대한 통계적인 방법을 제공합니다.

 

어떤 조절변수를 비교하게 되느냐는 연구자가 연구문제 설정 단계에서 PICO (Population, Intervention, Comparison, Outcome)를 어떻게 설정하는가와 아주 밀접한 관계가 있습니다. 연구자가 연구문제를 어떻게 설정하고 조사하느냐가 연구목적에 의해 결정되기 때문입니다. 또한 개별연구의 결과들을 비교함으로써, 메타분석은 향후 연구의 방향이나 정책결정의 가이드라인으로서 활용될 수 있습니다.

 

메타분석에서 하위집단 분석은 논문 작성 시 가장 많이 쓰이는 통계기법으로 다양한 논점이 있습니다. 몇 가지 논점만 간략하게 정리해 보겠습니다.

 

첫째, 좋은 조절변수는 어떻게 판단하는가?

메타분석에서 하위집단분석은 개별연구의 분산분석과 매우 유사한 접근법이라고 할 수 있습니다. 메타분석의 선수과목이 기초통계, 분산분석, 회귀분석인 이유이기도 합니다. 일반적으로 분산분석에서 가설검정은 집단 간 변량을 집단내 변량의 비율로 검정합니다. 이 논리와 유사하게 메타분석에서 좋은 조절변인은 집단 간에서는 이질하면서, 집단 내에서는 동질한 변인이 좋은 조절변인이며, 이러한 조절변인을 찾으려고 시도하는 것이 하위집단분석의 목적이라고 할 수 있습니다. 다만, 일반적인 분산분석과의 차이점은 앞에서 말씀드린 분석모형을 선택하는 문제가 있습니다. 전체효과크기에서 분석모형을 선택하듯이 하위집단분석에서도 이론적으로 의미 있는 조절변수를 선택해서 고정효과모형, 랜덤효과모형, 혼합효과모형 중에서 적합한 모형을 선택해야 합니다.

 

둘째, 하위집단분석과 민감도 분석과의 차이점은 무엇인가?

하위집단분석은 sub-group analysis라고하고, 민감도 분석을 sensitivity analysis라고 합니다. 하위집단분석은 서로 비교대상인 두집단이 각각 통계적으로 유의한지, 그리고 그 크기가 얼마인지가 연구 관심사입니다. 또한 두 집단 간의 크기 차이가 얼마이며 통계적으로 유의한지가 연구관심사입니다. 하지만, 민감도 분석은 연구결과의 타당성에 영향을 주는 요소를 포함했을 때와 포함하지 않았을 때의 차이가 결과의 타당성에 미치는 영향정도가 주요 관심사입니다.

 

셋째, 하위집단분석과 메타회귀분석과의 차이점은 무엇인가?

메타분석에서 효과크기는 종속변수 역할을 하고, 연구특징이 독립변수 역할을 합니다. 개별연구에서 독립변수가 유목별 변수일 때 분산분석을 실시하고, 독립변수가 연속변수일 때 회귀분석을 실시하는 것과 유사합니다. 연구특징을 유목화 하여 집단 간 차이를 살펴보는 것이 연구목적일때는 하위집단분석을 실시하고, 연구특징과 종속변수인 효과크기간의 관계가 연구관심사 일 때 사용합니다. 하위집단분석에서처럼 메타회귀분석에서도 분석모형 선택이 중요한 논점이며, 일반선형모형에서처럼 독립변수는 이분변수(dichotomous variable), 유목별 변수(categorical variable), 연속변수, 그리고 변수들 간의 상호작용 등을 고려할 수 있습니다.

 

넷째, 메타분석에서 하위집단분석을 위해서 연구특징을 유목화 하는 문제입니다. 메타분석에서 하위집단분석을 위해서는 관심변수를 PICO등으로 정하고, 연구자의 연구목적에 따라 의미 있게 유목화 하는 것이 중요합니다. 하위집단분석을 위한 변수선정문제, 어떻게 유목화 할 것인지에 대해서 판단하는 것은 매우 중요한 문제입니다. 먼저, 연구문제를 설정한 논리와 연구목적에 기반해서 연구자가 결정해야 할 문제이고, 또한 선행연구 분석을 통해서 관련 논거를 제시한다면 더욱 의미 있는 연구가 될 것 같습니다. 또한 개별연구들로부터 자세한 정보가 없는 경우가 많을 때는 주어진 정보를 활용해서 연구목적에 맞게 유목화할 필요가 있습니다. 연구주제별로 어떤 분석을 하려고 하느냐에 따라 논의하고 고려해할 사항이 많은 문제입니다.

 

지금까지 메타분석에서 가장 많이 사용하는 분석기법에서 고려해야 할 논점들을 간략히 정리해 보았습니다. 이후에는 메타회귀분석, 출판편의, 숲그림, 네트워크 메타분석, 메타구조방정식등에 대해서 차례로 정리해 보겠습니다.

​