관측연구 메타분석에서 표본 중복을 탐지하고 정량화하는 집합론 기반 방법

**1. 서론** 디지털 의료 데이터와 레지스트리의 급증으로 관측연구가 늘어나면서, 동일 환자·사건이 여러 연구에 중복 포함되는 ‘표본 중복’ 문제가 메타분석 결과를 왜곡할 위험이 커졌다. 기존에는 고유 식별자를 통해 중복을 확인하거나, GWAS와 같이 중복 비율을 사전에 알고 있는 경우에만 통계적 보정이 가능했다. 그러나 의료 레지스트리에서는 개인 식별자가 비공개이거나 존재하지 않아, 중복을 파악하기 어려운 실정이다. 본 논문은 이러한 상황을 해결하고자, 개별 데이터 대신 연구가 보고한 특성(연령, 기간, 진단코드 등)의 범위를 이용해 중복을 추정하는 새로운 방법을 제시한다. **2. 이론적 배경** - **내재 특성 벡터(xᵤ)**: 각 관측 사건을 다차원 특성(시간, 위치, 결과 등)으로 표현한 잠재 벡터. - **연구 집합(Sᵢ)**: 연구 i가 포함하는 고유 특성 벡터들의 집합이며, 중복 없는 경우 집합 원소는 서로 다르다. - **중복 집합(O(A))**와 **중복 비율(π(A))**: 연구 조합 A에 대해 모든 연구에 공통으로 포함된 특성 벡터들의 집합과, 그 비율을 정의한다. - **중복 구조(f)**: 모든 연구 조합에 대해 중복 정도를 실수값으로 매핑하는 함수 집합. f₁은 중복 존재 여부, f₂는 중복 원소 수, f₃는 π(A), f₄는 가중 평균 등 다양한 형태를 허용한다. 다변량 중복은 단순 쌍(pairwise) 교집합만으로는 파악할 수 없으며, 2ⁿ‑n‑1개의 비공허한 연구 조합을 모두 고려해야 함을 수학적으로 증명한다(그림 1, 2). **3. 집계 정보 기반 중복 추정** 실제 메타분석가가 접근 가능한 것은 개별 관측값이 아니라, 논문·프로토콜에 명시된 특성 범위이다. 이를 **Rᵢ,k**라 두고, 실제 관측값 집합 Dᵢ,k는 Rᵢ,k의 부분집합이라고 가정한다. - **Proposition 1**: 어느 하나의 특성 k에 대해 Dᵢ₁,k와 Dᵢ₂,k가 교집합이 없으면 두 연구 사이에 중복이 없음을 보인다. - **Proposition 2**: 보고된 범위 Rᵢ,k가 서로 겹치지 않으면 해당 연구들의 중복이 없다고 결론짓는다. 이는 실제 메타분석에서 개별 데이터가 없을 때도 중복을 배제할 수 있는 강력한 기준이다. 범위의 “크기”는 연속형(시간), 이산형(연령대), 코드형(ICD) 등 특성마다 다르게 정의한다. 저자는 이를 정규화해 ‘잠재 중복(potential overlap)’ 점수를 산출하고, 모든 연구 조합에 대해 이 점수를 시각화한 그래프를 만든다. **4. 알고리즘 흐름** 1) 각 연구에서 보고된 특성 범위 Rᵢ,k를 수집한다. 2) 모든 연구 조합 A⊆Ω에 대해 각 특성 k별 공통 범위 ∩₍i∈A₎ Rᵢ,k를 계산한다. 3) 공통 범위가 비어 있으면 O(A)=∅, 즉 중복이 없다고 판단한다 (Proposition 2 적용). 4) 공통 범위가 존재하면 중복 비율의 상한을 추정하고, f₁~f₄를 이용해 중복 구조를 정량화한다. 5) 중복‑무료 표본 집합 중 가장 큰 규모를 선택하거나, 중복 위험이 낮은 조합을 우선시한다. **5. 실증 적용** 세 개의 실제 레지스트리 기반 메타분석(예: 심혈관 사건, 암 치료, 당뇨병 관리) 사례에 적용하였다. 각 사례에서 기존 메타분석이 보고한 총 표본 수와 중복‑제거 후 실제 유효 표본 수를 비교했으며, 중복을 무시했을 때 효과 크기가 과대평가되고 신뢰구간이 인위적으로 좁아지는 현상을 확인했다. 또한, ‘가장 큰 중복‑무료 표본 집합’ 선택이 결과 해석에 미치는 영향을 시뮬레이션을 통해 정량화하였다. **6. 논의 및 한계** 본 방법은 (1) 고유 식별자가 없어도 중복을 정량화할 수 있는 이론적 틀을 제공, (2) 보고된 특성 범위만으로 중복을 배제하거나 상한을 추정하는 실용적 명제를 제시, (3) 다변량 중복을 포괄적으로 다루는 ‘중복 구조’ 개념을 도입해 메타분석 설계 단계에서 의사결정을 지원한다는 점에서 큰 의의를 가진다. 그러나 (a) 특성 범위의 정의와 정규화가 연구마다 주관적 판단에 의존할 수 있어 표준화된 프로토콜이 필요하고, (b) 범위가 넓을 경우 상한 추정이 과보수적일 수 있어 실제 중복 정도를 과소평가할 위험이 있다. 향후 연구에서는 자동화된 범위 정규화 기법과, 제한된 개별 데이터와 결합한 베이지안 보정 모델을 개발하는 방향이 제시된다. **7. 결론** 관측연구 메타분석에서 표본 중복은 결과 신뢰성을 크게 위협한다. 본 논문은 집합론적 정의와 보고된 특성 범위만을 이용해 중복을 탐지·정량화하는 새로운 프레임워크를 제시함으로써, 데이터 접근 제한이 있는 현실적인 상황에서도 중복 문제를 체계적으로 다룰 수 있는 방법을 제공한다. 이는 향후 증거 종합 연구의 투명성과 정확성을 높이는 중요한 도구가 될 것으로 기대된다.