식이조사 측정오차 (Measurement Error in Dietary Assessment)
쉽게 풀면
사람에게 "지난 한 달 동안 얼마나 자주 라면을 먹었나요?"라고 물으면 정확히 기억해서 답하기 어려운 경우가 많습니다. 어떤 사람은 실제보다 적게 답하고, 어떤 사람은 많이 답하기도 합니다. 이렇게 실제 섭취량과 조사에서 얻은 값 사이에 생기는 차이를 측정오차라고 부릅니다. 저울로 정확히 잰 것이 아니라 기억과 추정에 의존하다 보니 생기는 필연적인 오차입니다.
왜 중요한가
측정오차가 크면 식이와 질병 간의 진짜 연관성이 통계적으로 희석되거나 왜곡될 수 있습니다. 영양역학 연구의 결과를 올바르게 해석하고 연구 설계를 개선하기 위해서는 측정오차의 종류와 크기를 이해하는 것이 중요합니다.
논문에서는 이렇게 쓰입니다
측정 도구의 한계로 인해 연구 결과가 실제보다 약하게 나타날 수 있음을 지적한 사례입니다.
측정오차를 줄이기 위한 통계적 보정 방법을 적용한 예입니다.
조금 더 깊게 보면
측정오차는 크게 무작위 오차(random error)와 체계적 오차(systematic error)로 나뉩니다. 무작위 오차는 방향성 없이 분산을 키워 연관성을 희석시키는 경향이 있고, 체계적 오차는 특정 방향으로 일관되게 값을 왜곡시켜 편향(bias)을 유발할 수 있습니다. 이를 보정하기 위해 반복 측정, 생체지표와의 비교, 회귀보정(regression calibration) 등의 통계적 기법이 사용됩니다. 측정오차는 오차의 방향과 크기가 응답자마다 무작위로 다르게 나타나는 무작위 오차와, 특정 식품군을 체계적으로 과소 또는 과대 보고하는 체계적 오차(예: 사회적으로 바람직하다고 여겨지는 음식은 과대보고, 그렇지 않은 음식은 과소보고하는 경향)로 구분되며, 후자는 통계적 보정이 훨씬 어렵다는 점에서 더 큰 문제로 다루어집니다. 이런 오차를 보정하기 위해 소변이나 혈액의 생체지표(biomarker)를 함께 측정해 설문 기반 자료를 검증하는 회복바이오마커(recovery biomarker) 방법이 연구에서 활용되기도 합니다.
주의할 점
측정오차를 완전히 제거하는 것은 현실적으로 불가능하며, 보정 방법을 적용하더라도 잔여 오차가 남을 수 있다는 점을 염두에 두어야 합니다.