교란 (Confounding)

한 줄 정의: 노출요인과 결과(질병) 모두와 관련이 있는 제3의 변수가 두 요인 사이의 관계를 왜곡시켜, 실제로는 없는 인과관계가 있는 것처럼 보이거나 반대로 숨겨지는 현상입니다.

쉽게 풀면

교란은 두 사건이 서로 관련 있어 보이지만 사실은 숨어 있는 제3의 요인이 둘을 동시에 흔들고 있는 상황을 말합니다. 흔히 드는 예로, 라이터를 가진 사람이 폐암에 잘 걸린다는 통계가 있다고 해봅시다. 라이터 소지 자체가 폐암을 일으키는 것이 아니라, 라이터를 가진 사람 중에 흡연자가 많아서 생기는 착시입니다. 여기서 흡연이 바로 교란변수입니다. 즉 교란변수는 우리가 보고 있는 두 변수(라이터-폐암) 각각과 모두 관련이 있어서 진짜 원인처럼 보이게 만드는 숨은 변수입니다.

왜 중요한가

교란을 제대로 통제하지 못하면 연구 결과가 실제 인과관계를 잘못 보여줄 수 있어, 잘못된 보건정책이나 임상 권고로 이어질 위험이 있습니다. 그래서 역학 연구에서는 연구 설계 단계의 무작위배정이나 짝짓기, 분석 단계의 층화분석·다변량 회귀분석 등을 통해 교란변수의 영향을 최소화하려는 노력이 필수적입니다.

논문에서는 이렇게 쓰입니다

"연령과 성별을 교란변수로 간주하여 다변량 로지스틱 회귀분석에서 이를 보정하였다."

통계분석 단계에서 알려진 교란변수를 통제한 예문입니다.

"흡연은 커피 섭취와 폐암 발생 사이의 관계를 왜곡시키는 대표적인 교란요인으로 지목되었다."

겉보기 관련성 뒤에 숨어 있는 교란요인의 존재를 설명한 예문입니다.

조금 더 깊게 보면

어떤 변수가 교란변수로 인정되려면 노출과 관련이 있어야 하고, 노출과 독립적으로 결과에도 영향을 주어야 하며, 노출과 결과 사이의 인과경로 중간에 있는 매개변수여서는 안 됩니다. 연구 설계 단계에서는 무작위배정, 제한(restriction), 짝짓기(matching)로, 분석 단계에서는 층화분석이나 다변량 회귀모형, 성향점수분석 등으로 교란을 통제할 수 있습니다.

주의할 점

측정되지 않았거나 알려지지 않은 교란변수는 통계적으로 통제할 수 없어, 관찰연구는 항상 잔여교란(residual confounding)의 가능성을 안고 있습니다. 교란변수를 매개변수와 혼동해 잘못 통제하면 오히려 결과가 왜곡될 수 있습니다.