메타회귀분석 (Meta regression)의 필요성과 적용

메타회귀분석 (Meta regression)의 필요성과 적용

 

지난번에는 전체효과크기, 하위집단분석에 대해서 소개해 보았습니다.

오늘은 메타회귀분석에 대해서 간략히 정리해 보겠습니다.

 

메타분석에서 선행연구들에 포함된 데이터를 연구자의 연구문제에 따라 코딩해서

보통, 전체효과크기를 계산하고, 하위집단분석(sub-group analysis), 메타회귀분석(meta-regression)을 수행합니다.

 

하위집단분석과 마찬가지로, 연구자가 본인의 연구문제에 따라 관심있는 결과치의 크기를 효과크기로 계산합니다. 그리고 그 효과크기에 영향을 준다고 생각하는 변수들을 PICOS(Population, Intervention, Comparison, Outcome, Study design)별로 정보를 수집해서 데이터를 생성합니다.

 

메타회귀분석의 기본논리와 결과해석은 기본적으로 일반적인 회귀분석과 같습니다. 가장 큰 차이점은 연구들 간의 이질성(heterogeneity)을 모형화 한다는 점입니다. 따라서 앞의 다른 포스팅에서 말씀 드린 것처럼 효과크기가 종속변수이고, 연구자가 본인의 연구문제에 의해 코딩한 연구특징(study characteristics)들이 독립변수가 됩니다. 우리가 이미 관심 있는 처치의 크기는 효과크기로 계산되어 있고, 메타회귀분석에서는 그 효과크기에 영향을 미치는 연구특징변수의 영향을 조사하는 것으로 이해하시면 좋겠습니다.

 

즉 효과크기의 변량을 조사하고 분석해서, 연구자의 연구문제에 따라 설명하려는 것이 메타회귀분석이라고 보시면 좋겠습니다.

 

메타회분석에서 종속변수, 독립변수의 유형은 우리가 일반적인 일반선형모형처럼(General Linear Model) 독립변수는 이분변수(dichotomous variable), 유목변수(categorical variable), 연속변수 모두 가능합니다. 또한 단순회귀분석 뿐만 아니라 중다회귀분석, 상호작용, 선형 및 비선형 모형 모두 모형화가 가능합니다. 그밖에 일반적인 회귀분석에서처럼 다중공선성 여부, 모형간 비교, 위계적 회귀분석, 다층회귀분석 모두 가능합니다.

 

종속변수는 마찬가지로, d family, r family, odds ratio family 모두 가능합니다. 최근에는 한 집단에 대한 sub-group analysis 나 단순회귀분석보다는 여러 변수들을 동시에 고려하는 다변수 분석, 즉 중다회귀분석 등을 많이 적용하고 있습니다.

 

중다회귀분석이 필요한 것은 기본적으로 메타분석결과는 개별연구들에서 RCT만을 모아서 분석하더라도, 기본적으로 메타분석 결과는 RCT가 아니고 관계적(correlational)이기 때문입니다.

 

메타회귀분석이나 하위집단 분석을 잘 이해하고 잘 적용하기 위해서는 기본적인 가설검정, 분산분석, 회귀분석에 대한 이해가 필요합니다. 메타분석은 그러한 기초적인 이해에 연구들 간의 이질성을 모형화 한 방법이기 때문입니다. 메타분석 전용 프로그램이 필요한 가장 큰 이유가 연구간 이질성을 모형화하는데서 비롯된 것으로 생각됩니다.

 

또한 하위집단 분석이나 메타회귀분석에서 추정방법이나 분석모형 선택에 대해서도, 기본적인 추정방법과 분석모형에 대한 이해를 바탕으로, 연구자의 연구문제, 분석대상 논문의 특징 등을 면밀히 살펴서 적절한 분석모형을 선택하고 결과를 타당하게 해석해야 합니다.

 

저는 기본적인 분석모형 선택, 하위집단분석, 메타회귀분석을 위해서 기본서로 다음과 같은 교재들을 사용하고 추천하고 있습니다.

 

 

더 공부해야 할 자료

 

Borenstein et al (2009) Introduction to meta-analysis.