개념
메타분석은 여러 연구의 효과 크기를 연구 규모와 정밀도에 따라 가중 평균해 하나의 종합 결과를 내는 통계 기법이에요. 1976년 진 글래스가 이름을 붙였어요. 정해진 절차로 관련 연구를 빠짐없이 찾고 질을 평가하는 체계적 문헌고찰 뒤에 이뤄지는 경우가 많아요.
포리스트 그림 읽기
결과는 흔히 포리스트 그림으로 보여 줘요. 각 줄은 연구 하나의 추정치와 95% 신뢰구간이고, 맨 아래 마름모가 통합 결과예요. 위험비나 상대위험이라면 세로선 1, 평균 차이라면 0이 “차이 없음”이고, 신뢰구간이 그 선을 지나지 않으면 통계적으로 의미 있는 차이로 봐요.
모형과 이질성
- 고정효과 모형: 모든 연구가 같은 참값을 추정한다고 가정해요.
- 무작위효과 모형: 연구마다 참값이 조금씩 다를 수 있다고 보고 그 분산까지 반영해요.
- I²: 연구 간 차이가 우연 이상으로 얼마나 큰지를 0~100%로 나타내요. 대략 25%는 낮음, 50%는 중간, 75%는 높음으로 해석해요(Higgins 외, 2003).
변형과 한계
개인자료 메타분석은 요약 수치 대신 참가자 개개인의 원자료를 모아 분석해 더 정밀해요. 네트워크 메타분석은 직접 비교하지 않은 치료끼리도 공통 비교군을 통해 간접 비교해요. 하지만 질 낮은 연구를 합치면 결과도 믿기 어렵고(쓰레기를 넣으면 쓰레기가 나온다), 긍정적 결과만 출판되는 출판 편향이 있으면 효과가 부풀려질 수 있어요. 그래서 깔때기 그림, 민감도 분석, GRADE 같은 근거 평가 체계를 함께 써요. 합쳐지는 개별 연구의 설계는 무작위 대조 시험과 코호트 연구 항목에서 볼 수 있어요.
이 이론을 다룬 레포트·발표 자료는 캠퍼스다운 자료실의 '메타분석' 레포트 검색에서 찾아볼 수 있어요.
관련 문서: 무작위 대조 시험, 상대위험과 절대위험, 허위정보와 확증 편향
참고문헌
- Glass, G. V. (1976). Primary, secondary, and meta-analysis of research. Educational Researcher, 5(10), 3–8.
- Higgins, J. P. T., Thompson, S. G., Deeks, J. J., & Altman, D. G. (2003). Measuring inconsistency in meta-analyses. BMJ, 327, 557–560.
- Page, M. J., et al. (2021). The PRISMA 2020 statement. BMJ, 372, n71.