이질성 지수 (I-squared Statistic)
쉽게 풀면
같은 약의 효과를 측정한 연구 10개를 모았는데, 효과크기가 연구마다 조금씩 다르게 나왔다고 해봅시다. 이 차이는 두 가지 이유로 생길 수 있습니다. 하나는 그냥 표본을 뽑을 때마다 생기는 우연한 오차이고, 다른 하나는 연구마다 대상자 나이, 투여 용량, 측정 방법 등이 실제로 달라서 생기는 "진짜" 차이입니다. 이질성 지수(I²)는 전체 차이 중 후자, 즉 우연으로 설명되지 않는 진짜 차이가 차지하는 비율을 0%에서 100% 사이 값으로 보여줍니다. 대략 25%는 낮음, 50%는 중간, 75% 이상은 높은 이질성으로 해석하는 경우가 많습니다.
왜 중요한가
메타분석은 여러 연구의 결과를 하나로 통합해 더 신뢰도 높은 결론을 내리려는 목적을 가지는데, 그 통합이 타당하려면 연구들이 어느 정도 비슷한 참효과를 측정하고 있어야 합니다. I²는 이 전제가 얼마나 성립하는지를 정량적으로 보여주기 때문에, 어떤 통계모형(고정효과 대 랜덤효과)을 선택할지, 결과를 얼마나 신뢰할 수 있는지를 판단하는 데 필수적으로 보고됩니다. 의학, 심리학, 교육학 등 메타분석이 흔히 쓰이는 모든 분야의 체계적 문헌고찰 논문에서 거의 빠짐없이 등장합니다.
논문에서는 이렇게 쓰입니다
이 문장은 연구들 간 결과 차이가 우연만으로는 설명되지 않을 만큼 크다고 판단해, 연구마다 실제 효과가 다를 수 있다고 가정하는 분석 방법을 선택했다는 뜻입니다.
이질성이 낮게 나타난 경우, 여러 연구가 유사한 방향과 크기의 효과를 보고하고 있어 통합 결과를 더 신뢰할 수 있음을 설명하는 문장이다.
이질성이 왜 발생했는지를 설명하기 위해 메타회귀나 하위그룹 분석을 추가로 수행하는 흔한 후속 절차를 보여주는 문장이다.
조금 더 깊게 보면
I²는 전체 변동 중 우연으로 설명되지 않는 비율이라는 상대적 지표인 반면, 실제 이질성의 절대적 크기는 타우제곱(τ²)이라는 값으로 함께 보고되는 경우가 많습니다. I²가 높게 나타나면 연구자는 이질성의 원인을 찾기 위해 메타회귀분석이나 하위그룹 분석을 추가로 수행하곤 하며, 이런 후속 분석 결과까지 함께 살펴보면 왜 연구들 간 결과가 갈렸는지 더 깊이 이해할 수 있습니다.
주의할 점
I²는 이질성의 "비율"을 보여줄 뿐 이질성이 왜 생겼는지는 설명하지 않으며, 포함된 연구 수가 적을 때는 값이 불안정할 수 있습니다. 깔때기 그림이나 하위그룹 분석을 함께 살펴보는 것이 좋습니다.