일관된 베이지안 메타분석: 하위그룹 효과와 상호작용의 기여조정 모델

초록

임상시험에서 보고되는 하위그룹 효과와 전체 효과를 메타분석할 때, 각 연구마다 하위그룹 비중이 달라 일관성이 깨질 수 있다. 저자들은 정보분수(IF)를 이용해 하위그룹의 상대적 기여도를 조정하는 베이지안 모델(CAMS)을 제안한다. CAMS는 기존 베이지안 상호작용 메타분석(BIM)과 동일한 추정치를 제공하면서, 하위그룹 비중이 불균형한 경우에도 안정적인 상호작용 추정을 가능하게 한다. 다발성 경화증(RRMS) 7건의 치료제 데이터를 예시로 사용해, 장애 정도가 낮은 환자에서 치료 효과가 더 크게 나타나는 상호작용을 조정 후 더 명확히 확인하였다.

상세 분석

본 논문은 하위그룹별 효과와 치료‑하위그룹 상호작용을 동시에 메타분석할 때 발생하는 ‘비일관성’ 문제를 이론적·실증적으로 해결한다. 핵심 아이디어는 각 연구 내에서 하위그룹이 차지하는 정보량을 정량화하는 정보분수(IF)를 도입하고, 이를 모델에 직접 반영함으로써 가중치를 조정하는 것이다. 저자들은 기존 베이지안 상호작용 메타분석(BIM)과 하위그룹 별 메타분석(BMS)의 한계를 명확히 규정한다. BIM은 연구 내 대비 차이(g_j)만을 이용해 상호작용을 추정하지만, 하위그룹 평균 자체는 제공하지 못한다. 반면 BMS는 각 하위그룹의 평균을 별도로 풀링하지만, 연구마다 하위그룹 비중이 다르면 전체 효과와의 일관성이 깨진다(생태학적 오류, Simpson’s paradox). 이를 해결하기 위해 저자들은 ‘Contribution‑adjusted Meta‑analysis by Subgroup(CAMS)’을 제안한다. CAMS는 이중변량 정규-정규 계층모형(NNHM)을 확장해, 하위그룹 평균(y_Aj, y_Bj)과 그 공분산을 동시에 모델링한다. 여기서 각 연구의 기여도 π_j는 IF = σ_Bj⁻² / (σ_Aj⁻² + σ_Bj⁻²) 로 정의되며, UISD(단위 정보 표준편차) 가정 하에 실제 하위그룹 비율 p_j와 거의 동일하게 된다. 모델은 메인 효과와 상호작용을 직교화(orthogonalize)하여, 하위그룹 평균이 전체 효과와 동일한 가중치 구조를 갖도록 보정한다. 베이지안 프레임워크 내에서 약한 정규 사전과 반정규(half‑normal) 사전을 사용해 이질성(τ)와 평균 효과(γ)를 추정한다. 중요한 정리는 CAMS가 π_j를 정확히 반영하면 BIM과 동일한 사후 분포를 제공한다는 점이다. 즉, 하위그룹 데이터만으로도 상호작용 추정이 가능하며, 이는 기존 SWADA(동일 가중치) 원칙을 베이지안 모델에 자연스럽게 통합한 형태라 할 수 있다. 실증 분석에서는 7건의 RRMS 치료제 임상시험을 대상으로 연령(<40 vs ≥40)과 장애 정도(EDSS ≤3.5 vs >3.5) 두 하위그룹을 검토한다. CAMS 적용 시 장애 정도가 낮은 환자군에서 치료‑하위그룹 상호작용이 기존 비조정 모델보다 더 강하게 나타났으며, 연령 하위그룹에서는 결과가 변하지 않았다. 이는 IF 기반 조정이 하위그룹 비중 불균형을 보정함으로써 보다 신뢰할 수 있는 상호작용 추정을 가능하게 함을 보여준다. 마지막으로 저자들은 CAMS가 베이지안뿐 아니라 빈도주의 혹은 최대우도 프레임워크에도 적용 가능함을 언급하며, R 코드와 재현성을 제공한다.