왜 그런가요
어떤 중재를 비교한 연구에서 통계적으로 분명한 차이를 보이지 않은 상황을 생각해 봅니다. 이때 결론을 “이 중재는 효과가 없다”로 바꾸기 전에 확인할 질문이 있습니다. 연구가 의미 있는 차이를 발견할 만큼 충분히 정밀했는가? Cochrane Handbook은 ‘효과의 근거가 부족함’과 ‘효과가 없다는 근거’를 혼동하지 말라고 명시합니다.
가상 연구 A·B의 신뢰구간과 배제할 수 있는 효과
설명을 위한 가상 예시입니다. 연구 A는 효과 추정치가 유익한 쪽에 있지만 신뢰구간이 넓어 큰 이익부터 해로움까지 모두 포함합니다. 방향과 크기를 아직 분명히 모른다는 뜻에 가깝습니다. 연구 B는 추정치가 무효과 근처이고 신뢰구간이 아주 좁습니다. 임상적으로 중요한 이익이나 해로움의 범위를 거의 배제합니다. 두 연구를 모두 ‘유의하지 않다’고 말할 수는 있어도, 독자가 얻는 정보는 다릅니다.
효과 크기와 근거 확실성의 차이
GRADE 접근은 연구 설계만 보지 않고 비뚤림, 일관성, 직접성, 정밀도 등으로 효과 추정에 대한 확실성을 평가합니다. 근거의 확실성이 낮다면 결과가 바뀔 여지가 큽니다. 반대로 확실성이 높다는 말이 반드시 효과가 크다는 뜻도 아닙니다. ‘효과가 얼마나 큰가’와 ‘그 추정치를 얼마나 믿는가’를 구별해야 합니다.
- 유의하지 않으면 효과가 0인 걸까요?
- 그렇지는 않습니다. 추정치의 불확실성 범위에 무효과와 양쪽 가능성이 함께 들어갈 수 있습니다.
- 이어서 무엇을 살펴볼까요?
- 추정치 크기와 신뢰구간의 폭, 임상적으로 의미 있는 범위를 함께 봅니다.
연구 결과 해석: 비교 대상·추정치·범위·확실성
결과를 읽을 때는 중재와 비교 대상, 효과 추정값의 방향을 확인합니다. 불확실성 범위에 임상적으로 중요한 차이가 포함되는지, 근거 확실성은 어떤지도 살핍니다. “효과가 없다고 입증됐다”라고 단정하기보다, 해당 연구가 실제로 배제할 수 있는 효과 범위를 설명하는 편이 더 정확합니다.
임상적으로 중요하다고 보는 차이의 크기도 미리 정해져 있어야 합니다. 아주 작은 차이를 배제하지 못했다고 모든 선택이 뒤집히는 것은 아닙니다. 반대로 중대한 위해 가능성을 배제하지 못했다면 신중한 판단이 필요합니다.
비열등성 연구를 읽는 중이라면 유의한 차이 없음과 사전 비열등성 한계의 차이도 구별해 보는 것이 좋습니다. 추정의 정밀도를 읽는 일과 특정 설계의 비열등성 기준을 만족했는지는 별도 질문입니다.