연구 결과를 읽으며 중재의 효과 크기를 해석하려고 한다. 결과 해석에 도움이 되는 지표로 옳은 것은?

연구 결과를 해석할 때는 유의확률만 보지 말고 효과 크기가 임상적으로 의미 있는 수준인지, 신뢰구간이 얼마나 넓은지를 함께 살펴야 한다. 표본이 매우 크면 작은 차이도 통계적으로 유의하게 나타날 수 있어 임상적 의미와 구분하여 판단하여야 한다.

중재 연구의 결과를 해석할 때는 단일 지표 하나만으로 효과를 판단해서는 안 된다. 통계적 유의성(statistical significance)은 p값이 0.05 미만인지를 보여줄 뿐, 그 효과가 환자에게 실제로 의미 있는 변화인지는 말해 주지 못한다. 근거 자료에서도 임상적으로 의미 있는 결과는 통계적 유의성 그 이상을 요구하며, 환자에게 실질적인 이득이 되는 변화여야 한다고 명시하고 있다^[1].

연구 결과 해석에서 핵심이 되는 두 지표는 효과 크기(effect size)와 신뢰구간(confidence interval, CI)이다. 효과 크기는 중재 전후 차이의 크기가 얼마나 되는지를 표준화된 단위로 보여 주며, 신뢰구간은 그 추정치가 가질 수 있는 값의 범위를 제시한다. 신뢰구간이 좁을수록 효과 크기 추정의 정밀도가 높고, 신뢰구간이 0을 포함하는지 여부에 따라 통계적 유의성을 함께 판단할 수 있다. 따라서 효과 크기와 신뢰구간을 함께 살피는 것이 중재 효과를 해석하는 가장 타당한 접근이다.

근거 자료는 여기서 한 단계 더 나아가 최소 임상적으로 중요한 차이(minimal clinically important difference, MCID)의 개념을 강조한다^[1]. MCID는 환자 보고 결과 지표(patient-reported outcome measure, PROM)에서 환자에게 임상적으로 유의미하다고 여겨지는 가장 작은 변화량으로 정의된다. 예를 들어 통증 VAS에서 2점 감소가 통계적으로 유의하더라도, 해당 환자군의 MCID가 3점이라면 그 변화는 임상적으로 충분하지 않다고 해석해야 한다. MCID는 인구집단과 임상 맥락에 따라 정의·계산·해석 방식에 상당한 변동성이 존재하므로, 연구를 읽을 때 해당 연구에서 사용된 MCID 산출 방법과 대상 집단을 반드시 확인해야 한다^[1].

보기별로 살펴보면, 저자의 소속 기관(1번)이나 게재 학술지의 이름(2번)은 연구의 권위를 가늠하는 참고 정보일 수는 있으나 효과 크기를 해석하는 직접적인 지표가 아니다. 결론 문장만 읽고 수치를 넘기는 것(3번)은 통계적 유의성과 임상적 유의성을 구분하지 못하게 만드는 위험한 독해 방식이다. 표본 수(5번)는 검정력(power)과 관련된 정보이지만, 표본이 크다고 해서 효과가 큰 것은 아니며 효과 크기 자체를 대체할 수 없다. 혼동 주의! 통계적 유의성(p값)과 임상적 유의성(효과 크기, MCID)은 서로 다른 개념이며, p값이 작다고 해서 반드시 환자에게 의미 있는 효과가 있는 것은 아니다. 핵심! 연구 결과를 해석할 때는 효과 크기와 신뢰구간을 함께 확인하고, 가능하다면 해당 환자군의 MCID와 비교하여 임상적 의미까지 평가해야 한다^[1].