어떤 연구에서 알코올 섭취와 간경화의 연관성을 분석한 결과, 비차비가 4.0이었다. 그러나 B형 간염 바이러스(HBV) 감염 여부를 통제한 후 비차비가 1.5로 크게 감소했다면, HBV 감염은 어떤 역할을 한 것으로 볼 수 있는가?

HBV 감염 여부를 통제하기 전 비차비(4.0)가 통제 후 비차비(1.5)보다 훨씬 크므로, HBV 감염은 알코올 섭취와 간경화의 연관성을 실제보다 훨씬 강하게 보이도록 만든 강한 양의 교란 변수이다. 이는 HBV 감염이 알코올 섭취와 관련되어 있고 간경화의 강력한 위험 요인이기 때문에 발생한 현상이다.

보건행정 핵심 해설 이 문제는 역학 연구에서 교란 변수(Confounding Variable)의 개념과 방향성을 정확히 이해하고 있는지 평가하는 문제예요. 연구 결과를 해석할 때, 단순히 노출과 질병의 연관성만 보는 것이 아니라 제3의 변수가 그 연관성을 왜곡할 수 있다는 점을 아는 것이 매우 중요해요. 이는 보건 정책 수립이나 건강보험 자료 분석 시 잘못된 결론을 내리지 않도록 하는 핵심 역량입니다. 1. 핵심 개념 분석 (Key Concept) 교란 변수란, 연구자가 관심을 가지는 노출 요인(알코올 섭취)과 질병(간경화) 모두에 독립적으로 연관되어 있어, 두 변수 사이의 실제 연관성을 과대 평가하거나 과소 평가하게 만드는 변수를 말해요. 통제 전 비차비(4.0)가 통제 후 비차비(1.5)로 크게 변했다는 것은, HBV 감염이라는 변수가 알코올과 간경화의 관계에 심각한 왜곡을 일으키고 있었다는 강력한 증거예요. 2. 정답 근거 (Answer Rationale) 정답은 4번 '강한 양의 교란 변수'입니다. 비차비(Odds Ratio)가 4.0에서 1.5로 감소했다는 것은, 통제 전에 보였던 강한 연관성의 상당 부분이 사실은 HBV 감염에 의해 만들어진 '가짜' 연관성이었다는 뜻이에요. 이를 통해 HBV 감염은 알코올 섭취와 간경화의 연관성을 실제보다 훨씬 강하게 부풀리는 방향(+방향, 양의 교란)으로 작용했음을 알 수 있어요. 핵심! 교란 변수의 조건은 ① 질병(간경화)의 독립적 위험 요인이고, ② 노출(알코올 섭취)과 연관되어 있으며, ③ 노출-질병 사이의 중간 단계(매개 변수)가 아니어야 해요. HBV는 이 모든 조건을 만족하는 강력한 양의 교란 변수입니다. 3. 오답 분석 (Distractor Analysis) * ① 비차별적 정보 편견의 원인: 정보 편견은 변수를 측정하는 방법의 오류로 인해 발생하는 체계적 오류이며, 비차별적이라면 연관성을 희석(1.0으로)시키는 방향으로 작용해요. 통제 전후 비차비가 4.0에서 1.5로 극적으로 변한 것은 단순한 정보 오류로 설명하기 어려워요. * ② 알코올 섭취와 간경화 사이의 매개 변수: 혼동 주의! 매개 변수(Mediator)는 노출이 질병을 일으키는 인과적 경로의 중간 단계예요. (예: 알코올 섭취 → 간세포 손상 → 간경화). 매개 변수를 통제하면 노출-질병 간의 총 효과가 아닌 직접 효과만 보게 되어 오히려 연관성이 사라지는 쪽(비차비 1.0에 가까워짐)으로 변하지만, 이 문제처럼 연구 목적 자체를 왜곡하지는 않아요. 또한, HBV는 알코올 섭취로 인해 '발생'하는 변수가 아니므로 매개 변수가 될 수 없어요. * ③ 강한 음의 교란 변수: 음의 교란 변수는 통제 전 연관성이 통제 후 더 커지는 방향(과소평가를 바로잡는 방향)으로 작용해요. 이 문제에서는 통제 후 연관성이 작아졌으므로 양의 교란 변수가 맞습니다. * ⑤ 효과 변형인자: 혼동 주의! 효과 변형인자(Effect Modifier)는 교란 변수와 완전히 다른 개념이에요. 효과 변형인자는 층화 분석 시 각 층(예: HBV 감염자 층 vs 비감염자 층)에서 알코올과 간경화의 연관성(비차비)이 서로 다르게 나타나는 현상을 말해요. 이 문제는 층화 분석 결과가 아닌, 변수 통제 전후의 전체 비차비 변화를 통해 교란 효과를 평가하는 방식입니다. 4. 연관 개념 정리 (Related Concepts)

개념	정의	분석 방법	예시
교란 변수 (Confounder)	노출과 질병 모두와 연관되어 실제 관계를 왜곡하는 변수	통제 전/후 비차비 변화로 평가 (10% 이상 차이 시 교란 판단)	흡연(노출)과 폐암(질병) 관계에서 음주(교란 변수)의 역할
매개 변수 (Mediator)	노출이 질병으로 가는 인과적 중간 과정에 있는 변수	직접효과/간접효과 분석	운동(노출) → 체중 감소(매개) → 혈압 감소(질병)
효과 변형인자 (Effect Modifier)	노출의 효과 크기를 특정 집단에 따라 다르게 만드는 변수	층화 분석 시 층별 비차비의 유의한 차이 평가	유전자형에 따라 흡연이 폐암에 미치는 위험도(비차비)가 달라짐

개념 정리 양의 교란(Positive Confounding): 통제 전 비차비(OR_crude)가 통제 후 비차비(OR_adjusted)보다 클 때 (OR_crude > OR_adjusted). 노출-질병 간 연관성을 과대평가하게 만듦. 음의 교란(Negative Confounding): 통제 전 비차비(OR_crude)가 통제 후 비차비(OR_adjusted)보다 작을 때 (OR_crude < OR_adjusted). 노출-질병 간 연관성을 과소평가하게 만듦.
한눈에 비교! 혼동 주의! 교란 변수 vs 효과 변형인자 vs 매개 변수: 세 가지 모두 제3의 변수이지만, 연구에서 다루는 방식과 목적이 완전히 달라요. 교란 변수는 제거해야 할 왜곡 요인, 효과 변형인자는 탐구해야 할 맥락 요인, 매개 변수는 규명해야 할 작용 기전이라는 점을 기억하세요.
실무 포인트 건강보험공단의 빅데이터나 국민건강영양조사 같은 2차 자료를 분석할 때는 교란 변수를 통제하지 않으면 잘못된 정책 결론을 내릴 수 있어요. 예를 들어, 특정 약제의 효과를 분석할 때 환자의 기저 질환 중증도(교란 변수)를 통제하지 않으면, 약효가 없는 약을 효과가 있는 것처럼 해석할 위험이 있으므로, 성향 점수 매칭(Propensity Score Matching) 등의 방법을 통해 반드시 교란 변수를 보정해야 해요.
암기 팁 "통제하니 뚝! 떨어지면 양(+), 뛰어오르면 음(-)의 교란"이라고 기억하세요. 숫자(비차비)가 통제 후 크게 줄었으면 양의 교란, 통제 후 크게 늘었으면 음의 교란입니다.
국시 빈출 포인트 보건의료정보관리사 및 병원행정사 시험의 역학/보건통계 영역에서 교란 변수, 편견, 효과 변형의 구분은 매년 거의 빠짐없이 출제되는 핵심 개념이에요. 주어진 사례에서 특정 변수의 역할을 정확히 찾아내는 문제가 자주 나오므로, 위의 표와 비교 개념을 확실히 암기하세요.
기출 변형 주의! 같은 개념이 "통제 전 상대위험도(RR)가 0.6이었는데, 교란 변수를 통제한 후 RR이 1.5가 되었다면 이 변수의 역할은?"과 같은 식으로 음의 교란을 묻거나, "특정 유전자 보유자에게서만 약물의 효과가 유의하게 나타났다면, 이 유전자는 어떤 변수인가?"라는 식으로 효과 변형인자를 묻는 문제로 변형되어 출제될 수 있어요.

보건행정 실무 가이드 실무 시나리오 (Practical Scenario) 보건의료정보관리사로서 병원 내 의무기록을 분석하여 '특정 수술 방법(A)'이 '수술 후 감염(B)' 발생에 미치는 영향을 연구하고 있어요. 초기 분석 결과, 수술 방법 A를 받은 환자군의 감염 비차비가 3.0으로 매우 높았어요. 그런데 혹시 수술 시간이 길수록 감염 위험이 높고, 수술 방법 A 자체가 수술 시간이 긴 수술은 아닐까 의심이 들었습니다. 수술 시간(C) 변수를 통제하고 다시 분석했더니 비차비가 1.2로 뚝 떨어졌어요. 이때 당신은 연구 결과를 어떻게 해석하고 보고해야 할까요? 행정 중재 전략 (Admin Intervention) 핵심! 이는 전형적인 양의 교란 사례입니다. 수술 시간(C)은 수술 방법(A)과 관련되어 있고(노출과 연관), 수술 후 감염(B)의 독립적인 강력한 위험 요인이기(질병과 연관) 때문에 교란 변수의 조건을 모두 만족해요. 수석 연구자에게 "초기 분석 결과인 비차비 3.0은 수술 방법 A의 실제 위험도가 아니라, 수술 시간이라는 제3의 요인에 의해 과대평가된 가짜 연관성입니다. 수술 시간을 보정한 비차비 1.2를 최종 결과로 보고하는 것이 타당합니다."라고 보고해야 해요. 만약 수술 시간을 통제하지 않고 결과를 발표한다면, 수술 방법 A의 안전성에 대한 잘못된 정보를 제공하여 병원의 신뢰도를 떨어뜨리는 심각한 행정적 오류를 범하게 됩니다. 법적 안전 및 주의사항 (Precautions) 의무기록 데이터를 활용한 후향적 연구는 개인정보보호법과 의료법을 철저히 준수해야 해요. 특히 연구 결과가 외부에 공개되거나 학회에 발표될 때는 환자 식별 정보가 절대 노출되지 않도록 비식별화 조치를 취해야 합니다. 또한, 연구 설계 단계에서 예측 가능한 교란 변수를 사전에 정의하고 자료 수집 계획을 수립하는 것이 연구의 윤리적 타당성과 행정적 완성도를 높이는 길이에요.
업무 프로토콜 1. 자료 분석(Data Analysis): 연구 가설에 따른 노출, 결과, 잠재적 교란 변수를 정의하고 전산 프로그램(SPSS, SAS, R 등)을 통해 교란 변수 통제 전후의 비차비(또는 상대위험도)를 산출합니다. 2. 결과 해석(Interpretation): 통제 전후의 비차비 변화율이 10% 이상인지 확인하여 교란 여부를 판단합니다. 3. 보고(Reporting): 연구 보고서에 통제 전후의 분석 결과를 모두 제시하고, 최종 결론은 교란 변수를 보정한 결과에 근거하여 도출합니다. 교란 변수 통제 방법(예: 로지스틱 회귀분석, 성향점수매칭)을 명확히 기술해야 합니다.
선배의 한마디 "데이터 분석은 단순히 숫자를 다루는 기술이 아니라, 그 안에 숨은 이야기를 왜곡 없이 읽어내는 통찰력이에요. 교란 변수를 잘못 통제하면 오히려 더 큰 왜곡을 만들 수도 있으니, 항상 연구 주제의 인과 관계를 깊이 고민하는 습관을 들이세요. 병원 행정에서 증거 기반의 의사 결정을 내리기 위한 첫걸음은 바로 정확한 데이터 해석이라는 점을 잊지 마세요!"