오답·판단법
가상 연구의 숫자 예시입니다. 새 치료를 받은 100명 중 80명이 좋아졌다는 논문을 읽습니다. 그런데 원래 배정된 사람은 120명이었고 20명의 결과가 빠졌다면 이 ‘80명’의 의미는 달라집니다. 그들이 왜 빠졌는지, 다른 군에서는 몇 명이 빠졌는지 모르면 효과가 실제보다 좋아 보일 수도 있습니다.
결과표의 분모가 생기는 길
배정 인원 → 실제 치료 인원 → 추적 결과가 있는 인원 → 최종 분석 인원. 단계마다 빠진 사람 수와 이유를 두 군별로 확인합니다.
참가자 흐름도에서 네 숫자 찾기
CONSORT 2025 보고 지침은 무작위 배정된 인원, 예정된 치료를 받은 인원, 추적에 남은 인원, 주 결과 분석에 포함된 인원을 각 군별로 보고하도록 권합니다. 연구 첫 장의 큰 모집 숫자보다 마지막 분석표의 분모가 어떻게 만들어졌는지가 중요합니다. 배정 후 제외된 사람과 추적을 못 한 사람은 같은 사유가 아닐 수 있어, 각각의 이유를 구분해 기록합니다.
탈락률만 비교하면 부족하다
Cochrane Handbook은 결측 결과가 치료 반응과 관계있을 때 편향이 생길 수 있다고 설명합니다. 예를 들어 증상이 악화되어 방문하지 못한 참가자가 한쪽 군에 많다면 남아 있는 사람만 비교한 결과가 달라질 수 있습니다. 두 군의 결측 비율이 같아도 이유가 다르면 여전히 확인이 필요합니다. 반대로 빠진 사람이 조금 있다는 이유만으로 연구를 자동 폐기하지는 않습니다. 결측이 결과를 바꿀 만한지 따져야 합니다.
‘ITT 분석’이라는 이름도 확인이 끝은 아니다
원래 배정된 군대로 분석한다는 의도는 중요하지만, Cochrane은 논문에 ITT라고 적혀 있어도 결과가 빠진 참가자를 실제 분석에서 제외했을 수 있다고 경고합니다. 방법 이름보다 각 군의 배정 수와 분석 수가 맞는지, 결측을 어떻게 처리했는지 봅니다. ‘ITT’라는 이름만 믿지 말고 방법 절의 결측 처리와 분석 대상 설명을 결과표에 대조합니다.
논문을 읽는 작은 과제: 각 군의 배정 수와 분석 수를 나란히 적고, 그 차이를 설명하는 사유를 찾아 보세요. 누락이 보이지 않는 결과표보다 누락을 투명하게 설명한 보고가 해석의 출발점을 제공합니다.