피해야 할 통계의 덫 #6: 관찰 연구로 얻은 데이터를 과대해석하기
통계 연습 2014. 6. 12. 16:07 |
피해야 할 통계의 덫 #6: 관찰 연구로 얻은 데이터를 과대해석하기
Munger 등(2013)은 비타민 D(25-히드록시비타민, 줄여서 25(OH)D) 부족이 1형 당뇨병의 소인인지를 알아보고자 했다. 연구진은 당뇨병을 앓고 있는 사람과 여러 면에서 비슷하지만 당뇨병을 앓고 있지 않은 사람을 구분하여 질병 발생 이전에 채취한 혈액 표본에서 혈중 비타민 D 농도를 측정해 비교했다. 연구진은 혈중 평균 25(OH)D 농도가 100 nmol/L보다 높은 사람들이 75 nmol/L보다 낮은 사람들에 비해 당뇨병이 발생할 위험이 더 낮다는 점을 발견했다. 위험비는 0.56이었고, 95% 신뢰구간은 0.35부터 0.90까지였다(P=0.03).
얼마나 흥미로운 데이터인가! 이런 발견은 비타민 D 보충제 복용이 당뇨를 예방하게 된다는 점을 뜻하는가? 아니다. 낮은 비타민 D 농도와 당뇨 발생의 연관성은 많은 방식으로 설명될 수 있다. 햇빛 노출이 비타민 D 농도를 높인다. 아마 햇빛 노출은 또한 다른 호르몬(아직까지 확인되지 않은)을 생성시켜 당뇨 위험을 낮출 지 모른다. 아마 햇빛에 더 많이 노출된(그 결과 비타민 D 농도가 더 높은)사람들은 또한 운동을 더 많이 할 지도 모르고, 운동이 당뇨를 예방하는데 도움이 됐을 지도 모른다. 아마 비타민 D 농도가 더 높은 사람들은 강화 우유를 더 많이 마셔서, 우유에 든 칼슘이 당뇨를 예방하는데 도움이 됐을 지도 모른다. 비타민 D 섭취가 당뇨병을 예방하는지 확실하게 알아보는 유일한 방법은 비타민 D 보충제를 복용한 사람과 그렇지 않은 사람으로 나눠 비교하는 실험을 수행하는 방법밖에 없다.
위의 사례에서 실제 교훈은 관찰 데이터로 내린 결론에 대하여 회의적이어야 한다는 점이다. 관찰 연구가 실험 연구에 비해 수행하기 더 쉽다고 할 지라도, 실험으로 얻은 데이터가 좀더 결정적이다. 관찰 연구로는 교란 변수를 처리하기가 어렵고, 원인과 결과를 설득력 있게 풀어내기가 거의 불가능하다. 대부분의 실험과 비교하여, 관찰 연구는 종종 좀더 복잡한 분석을 필요로 하고 덜 확실한 결과를 얻는다.
이와 같은 점을 강조하기 위해, Spector와 Vesell (2006a)는 관찰 연구에서 제시된 가설이 임상 시험으로 검증했을 때 타당하지 않다고 판명된 다섯 가지 연구 사례를 고찰했다(표 45.2를 보라).
표 45.2. 관찰 연구에서 제시된 가설이 실험에 의해 사실이 아닌 것으로 입증된 다섯 가지 연구 사례
개입 |
발생 |
관찰 연구 |
실험 |
폐경 후 호르몬 대체 요법 |
심혈관 질환 |
감소 |
증가 |
대용량 비타민 E |
심혈관 질환 |
감소 |
변화 없음 |
저지방 식이 |
심혈관 질환과 암 |
감소 |
변화 없음 |
칼슘 보충 |
골절과 암 |
감소 |
변화 없음 |
호모시스틴 감소 비타민 |
심혈관 질환 |
감소 |
변화 없음 |
Spector와 Vesell (2006a)를 이용. "심혈관 질환"은 심근 경색증, 돌연사, 뇌졸중을 포함.
Munger KL, Levin LL, Massa J, Horst R, Orban T, Ascherio A., (2013) Preclinical serum 25-hydroxyvitamin D levels and risk of type 1 diabetes in a cohort of US military personnel. American Journal of Epidemiology, 177(5):411-419.
Spector R, & Vesell ES., (2006a) The heart of drug discovery and development: rational target selection. Pharmacology, 77(2):85-92.
'통계 연습' 카테고리의 다른 글
피해야 할 통계의 덫 #8: 변이나 비정상값에 대해 묻지 않고 평균에만 집중하기 (0) | 2014.06.13 |
---|---|
피해야 할 통계의 덫 #7: 집단 단위로만 수집한 데이터로 개인에 대하여 결론 내리기 (0) | 2014.06.13 |
피해야 할 통계의 덫 #5: 대리 결과를 측정한 연구를 과대 해석하기 (0) | 2014.06.09 |
피해야 할 통계의 덫 #4: 데이터가 상관성만 보여줄 때 인과성으로 결론내리기 (0) | 2014.06.08 |
피해야 할 통계의 덫 #3: 계획 없이 분석하기 - “p-해킹” (0) | 2014.06.07 |