위험, 상대위험도, 오즈비: 얼마나 더 자주 생기나
「위험이 2배」, 「오즈비 2.25」. 연구와 기사에 자주 나오는 이 숫자들은 같은 말일까요? 사람 100명씩 두 군을 그려 놓고 직접 세어 보세요. 이 쪽의 자료는 모두 지어낸 것이고, 이 쪽은 통계 개념을 설명할 뿐 건강에 관한 조언이 아닙니다.
한 줄 답. 위험은 「그 일이 생긴 사람의 비율」입니다. 두 군의 위험을 빼면 위험 차이, 나누면 상대위험도입니다. 오즈는 「생긴 사람 ÷ 안 생긴 사람」이고, 두 군의 오즈를 나눈 것이 오즈비입니다. 일이 드물 때는 오즈비와 상대위험도가 거의 같고, 흔할 때는 오즈비가 더 부풀어 보입니다.
| 생김 | 안 생김 | 합 | 위험 | 오즈 | |
|---|---|---|---|---|---|
| 노출 | a = | b = | 100 | ||
| 비노출 | c = | d = | 100 | ||
| 합 | 200 |
| 비교하는 값 | 셈 | 값 |
|---|---|---|
| 위험 차이 | ||
| 상대위험도 | ||
| 오즈비 | ||
| 몇 명마다 1명꼴로 차이 나나(NNT) |
막대를 끌거나 숫자를 고쳐 보세요(0 ~ 100명). 속이 찬 동그라미는 일이 생긴 사람, 빈 네모는 안 생긴 사람입니다. 초록은 노출군, 파랑은 비노출군입니다. 격자 아래 막대가 그 군의 위험입니다. 지어낸 자료입니다.
1. 위험: 그 일이 생긴 사람의 비율
지어낸 예로 시작합니다. 어떤 물질에 노출된 사람 100명과 노출되지 않은 사람 100명을 1년 동안 지켜보고, 그 사이에 어떤 병이 생긴 사람을 셉니다.
위험은 정해진 기간에 그 일이 생긴 사람의 비율입니다. 일상에서 「위험」은 위태롭다는 뜻이지만, 통계에서는 그냥 비율(확률)입니다. 1년 동안 100명 가운데 20명에게 병이 생겼다면 위험은 20 ÷ 100 = 0.2, 곧 20% 입니다.
위험 = 그 일이 생긴 사람 ÷ 지켜본 사람
기간을 꼭 같이 적습니다. 1년 동안의 위험 20% 와 10년 동안의 위험 20% 는 전혀 다른 말입니다.
노출은 넓은 말입니다. 어떤 물질을 마신 것, 약을 먹은 것, 어떤 습관이 있는 것 모두 노출이라고 부릅니다. 생기는지 보는 일(병, 나음, 재발)은 결과 또는 사건이라고 합니다. 두 군을 비교할 때는 2×2 표에 적습니다. 줄은 노출 여부, 칸은 결과 여부입니다. 칸 이름 a, b, c, d 는 이 쪽 내내 같은 뜻입니다.
| 생김 | 안 생김 | 합 | |
|---|---|---|---|
| 노출 | a | b | a + b |
| 비노출 | c | d | c + d |
노출군의 위험은 a ÷ (a + b), 비노출군의 위험은 c ÷ (c + d) 입니다.
2. 위험 차이와 상대위험도: 빼거나 나누거나
두 군의 위험을 비교하는 방법은 둘입니다.
위험 차이 = 노출군의 위험 − 비노출군의 위험상대위험도 = 노출군의 위험 ÷ 비노출군의 위험
처음 화면이면 위험 차이는 0.2 − 0.1 = 0.1, 상대위험도는 0.2 ÷ 0.1 = 2 입니다. 위험 차이는 「100명마다 10명 더」라는 절대값이고, 상대위험도는 「2배」라는 상대값입니다. 차이가 없으면 위험 차이는 0, 상대위험도는 1 입니다.
위험 차이는 퍼센트포인트(%p)로 적습니다. 10% 에서 20% 로 오른 것은 10%p 오른 것이고, 상대값으로는 100% 오른 것입니다.
몇 명마다 1명. 위험 차이를 뒤집으면 「몇 명이 노출되면 1명꼴로 더 생기나」가 됩니다. 처음 화면이면 1 ÷ 0.1 = 10 입니다. 노출이 치료이고 위험이 줄었다면 「몇 명을 치료해야 1명이 덕을 보나」라는 뜻이 되고, 책에서는 치료 필요 수(NNT)라고 부릅니다. 평균으로 그렇다는 뜻이지, 10명마다 꼭 1명이라는 뜻은 아닙니다. 기간과 무엇에 비교한 것인지를 같이 적습니다.
몇 명마다 1명(NNT) = 1 ÷ |위험 차이|
3. 오즈: 생긴 사람 ÷ 안 생긴 사람
오즈는 「생긴 사람 ÷ 안 생긴 사람」입니다. 위험(확률)은 생긴 사람을 모두로 나누고, 오즈는 안 생긴 사람으로 나눕니다.
4명 가운데 1명에게 생겼다면 확률은 1/4 = 0.25 이고, 오즈는 「1 대 3」, 곧 1 ÷ 3 ≈ 0.333 입니다. 1명이 생길 때 3명은 안 생긴다는 뜻입니다. 내기에서 쓰는 「3 대 1」 같은 말이 오즈입니다.
오즈 = p ÷ (1 − p)p = 오즈 ÷ (1 + 오즈)
| 확률 p | 오즈 | 뜻 |
|---|---|---|
| 0.01 | 0.0101 | 1명 생길 때 99명은 안 생긴다 |
| 0.1 | 0.111 | 1 대 9 |
| 0.2 | 0.25 | 1 대 4 |
| 0.5 | 1 | 반반 |
| 0.8 | 4 | 4 대 1 |
| 0.9 | 9 | 9 대 1 |
확률은 0 ~ 1 안에 있지만 오즈는 0 부터 끝없이 커집니다. 확률이 작으면 오즈와 확률이 거의 같습니다(0.01 과 0.0101). 확률이 커질수록 둘이 크게 벌어집니다(0.9 와 9). 이 차이가 7절에서 오즈비가 부풀어 보이는 까닭입니다. 확률과 베이즈 정리 쪽의 「병 : 병 아님」의 비가 바로 오즈입니다.
4. 오즈비: 두 오즈의 비
오즈비 = 노출군의 오즈 ÷ 비노출군의 오즈 = (a ÷ b) ÷ (c ÷ d)
처음 화면이면 노출군의 오즈는 20 ÷ 80 = 0.25, 비노출군의 오즈는 10 ÷ 90 ≈ 0.111, 오즈비는 0.25 ÷ 0.111 = 2.25 입니다. 상대위험도 2 와 비슷하지만 같지 않습니다.
오즈비도 1 이면 차이 없음, 1 보다 크면 노출군에 더 많이, 1 보다 작으면 덜 생긴 것입니다. 이 식을 정리하면 (a × d) ÷ (b × c) 가 됩니다. 어떻게 그렇게 되는지 다음 절에서 그림으로 봅니다.
해 볼 것. (맨 위의 실험) ① 처음(노출 20명, 비노출 10명)은 위험 차이 0.1(10%p), 상대위험도 2, 오즈비 2.25, 「10명마다 1명」입니다. ② 노출군을 2명으로 내리면 상대위험도 0.2, 오즈비 0.184 로 1 보다 작아집니다. 위험 차이는 −0.08 이라 「12.5명마다 1명꼴로 덜 생긴다」가 됩니다. ③ 두 군을 60명과 30명으로 두면 상대위험도는 그대로 2 인데 오즈비는 3.5 입니다. ④ 2명과 1명으로 두면 상대위험도 2, 오즈비 2.02 로 거의 같습니다. ⑤ 노출군을 5명, 비노출군을 0명으로 두면 0 인 칸 때문에 네 칸에 0.5 를 더해 셈했다는 알림이 나오고, 상대위험도 11, 오즈비 11.6 이 됩니다.
5. 식이 만들어지는 과정: 오즈비 = (a × d) ÷ (b × c)
4절의 식 (a ÷ b) ÷ (c ÷ d) 가 어떻게 (a × d) ÷ (b × c) 가 되는지, 그리고 그 모양이 왜 쓸모 있는지 한 단계씩 봅니다. 자료는 맨 위 실험의 처음 값(a = 20, b = 80, c = 10, d = 90)입니다.
「다음」을 누르면 한 단계씩 넘어갑니다. 위에 식 조각이 하나씩 붙고(주황 바탕이 이번에 붙은 조각), 사람들이 옮겨 가고, 아래에 까닭이 나옵니다. 점 하나가 사람 한 명이고, 줄은 두 사람씩 나란히 세웠습니다.
- 네 칸:
a, b, c, d. 노출군 100명은 생긴 a = 20명과 안 생긴 b = 80명으로, 비노출군 100명은 c = 10명과 d = 90명으로 나뉩니다. 까닭: 두 군을 비교하는 숫자는 모두 이 네 수로 셉니다. - 노출군의 오즈:
a ÷ b. 노출군을 생긴 사람 한 줄과 안 생긴 사람 한 줄로 세우면, 생긴 줄(20명)이 안 생긴 줄(80명)의 4분의 1 길이입니다. 이 길이의 비 20 ÷ 80 = 0.25 가 오즈입니다. 까닭: 위험은 생긴 사람을 모두로 나누지만, 오즈는 생긴 쪽과 안 생긴 쪽을 맞대어 비교합니다. - 비노출군의 오즈:
c ÷ d. 같은 방법으로 10 ÷ 90 ≈ 0.111 입니다. 생긴 사람 1명에 안 생긴 사람 9명입니다. 까닭: 비교할 기준이 있어야 노출군이 많은지 적은지 말할 수 있습니다. - 나누기:
(a ÷ b) ÷ (c ÷ d). 0.25 ÷ 0.111 = 2.25. 노출군의 오즈가 2.25배입니다. 이것이 오즈비입니다. 까닭: 차이 없음이 1 이 되도록, 두 오즈를 빼지 않고 나눕니다. - 정리:
오즈비 = (a × d) ÷ (b × c). 분수로 나누는 것은 그 분수를 뒤집어 곱하는 것과 같습니다. (a ÷ b) × (d ÷ c) = (a × d) ÷ (b × c). 표에서 a 와 d, b 와 c 는 대각선으로 마주 봅니다. 20 × 90 = 1800, 80 × 10 = 800, 1800 ÷ 800 = 2.25. 그래서 오즈비를 교차곱의 비라고도 부릅니다. 까닭: 나눗셈 세 번이 곱셈 둘과 나눗셈 하나가 되고, 표의 대각선만 보면 셀 수 있습니다. - 표를 돌려도 같다:
= (a ÷ c) ÷ (b ÷ d). 줄과 칸을 바꿔, 환자(생긴 사람) 가운데 노출된 사람의 오즈와 대조군(안 생긴 사람) 가운데 노출된 사람의 오즈를 비교합니다. 20 ÷ 10 = 2, 80 ÷ 90 ≈ 0.889, 2 ÷ 0.889 = 2.25 로 같습니다. 표를 돌리면 b 와 c 가 자리를 바꾸지만 같은 대각선 위에 남아 교차곱이 그대로입니다. 까닭: 그래서 환자와 대조군을 먼저 모으고 과거의 노출을 묻는 환자-대조군 연구에서도 오즈비를 구할 수 있습니다(10절).
해 볼 것. ① 둘째 단계에서 초록 동그라미 20개의 줄은 빈 네모 80개의 줄의 4분의 1 길이입니다. ② 넷째 단계의 오즈비 2.25 는 맨 위 실험의 처음 오즈비와 같습니다. ③ 마지막 단계에서 옅은 초록 네모(b)와 파랑 동그라미(c)가 서로 자리를 바꾸지만 주황 대각선 위에 그대로 남습니다. 먹 대각선 위의 a 와 d 는 움직이지 않습니다.
6. 손으로 따라 풀기: 표 하나로 모든 지표
맨 위 실험의 처음 표 하나로 이 쪽의 지표를 모두 셉니다.
| 생김 | 안 생김 | 합 | |
|---|---|---|---|
| 노출 | a = 20 | b = 80 | 100 |
| 비노출 | c = 10 | d = 90 | 100 |
- 위험. 노출 20 ÷ 100 = 0.2, 비노출 10 ÷ 100 = 0.1.
- 위험 차이. 0.2 − 0.1 = 0.1, 곧 10%p.
- 상대위험도. 0.2 ÷ 0.1 = 2.
- 몇 명마다 1명. 1 ÷ 0.1 = 10. 노출된 사람 10명마다 1명꼴로 더 생깁니다.
- 오즈. 노출 20 ÷ 80 = 0.25, 비노출 10 ÷ 90 ≈ 0.111.
- 오즈비. 0.25 ÷ 0.111 = 2.25. 교차곱으로는 (20 × 90) ÷ (80 × 10) = 1800 ÷ 800 = 2.25.
- 오즈비의 95% 신뢰구간(9절). 로그를 씌우면 ln 2.25 ≈ 0.811. 표준오차는 √(1/20 + 1/80 + 1/10 + 1/90) = √0.174 ≈ 0.417. 0.811 ± 1.96 × 0.417 = −0.00572 ~ 1.63. 되돌리면 e^−0.00572 ≈ 0.994, e^1.63 ≈ 5.09. 구간 0.994 ~ 5.09 는 1 을 겨우 품습니다.
7. 드물 때와 흔할 때: 오즈비가 부풀어 보이는 까닭
상대위험도를 2 로 두고, 기저 위험(baseline risk, 비노출군의 위험)만 바꿔 봅니다.
막대를 끌거나 숫자를 고쳐 보세요(0.1 ~ 80%). 가로는 로그 척도라 0.1%, 1%, 10% 가 같은 간격입니다. 초록 점선은 상대위험도, 파란 곡선은 그때의 오즈비입니다. 상대위험도가 2 이면 기저 위험이 50% 를 넘을 수 없습니다(노출 위험이 100% 를 넘으므로). 이 실험은 노출 위험 90%, 곧 기저 위험 45% 에서 멈춥니다.
기저 위험을 p₀, 노출 위험을 p₁ 이라고 하면 오즈비는 상대위험도에 한 조각을 곱한 것입니다.
오즈비 = 상대위험도 × (1 − p₀) ÷ (1 − p₁)
p₀ 와 p₁ 이 둘 다 작으면 (1 − p₀) ÷ (1 − p₁) 이 거의 1 이라 오즈비 ≈ 상대위험도입니다. 상대위험도가 1 보다 크면 p₁ 이 p₀ 보다 커서 이 조각이 1 보다 크고, 오즈비가 상대위험도보다 큽니다. 1 보다 작으면 반대로 오즈비가 더 작습니다. 어느 쪽이든 오즈비는 상대위험도보다 1 에서 더 멀리 있습니다.
오즈비 2 를 「위험이 2배」로 읽으면 안 되는 때
오즈비만 알 때도 기저 위험 p₀ 를 알면 상대위험도로 되돌릴 수 있습니다(출처의 Zhang, Yu). 여기서는 다른 변수를 보정하지 않은 두 군의 비교에만 씁니다.
상대위험도 = 오즈비 ÷ (1 − p₀ + p₀ × 오즈비)
| 기저 위험 p₀ | 오즈비 2 일 때의 상대위험도 | 상대위험도 2 일 때의 오즈비 |
|---|---|---|
| 0.1% | 2 | 2 |
| 1% | 1.98 | 2.02 |
| 10% | 1.82 | 2.25 |
| 20% | 1.67 | 2.67 |
| 40% | 1.43 | 6 |
| 50% | 1.33 | 셀 수 없음(노출 위험 100%) |
기저 위험이 20% 인 집단에서 오즈비 2 는 위험이 2배가 아니라 1.67배입니다. 「일이 드물면 오즈비를 상대위험도처럼 읽어도 된다」는 말은 이 표의 위쪽 줄에서만 맞습니다. 거꾸로, 기저 위험이 높으면 상대위험도는 큰 값이 될 수 없습니다. 기저 위험이 50% 면 상대위험도는 2 를 넘지 못합니다.
해 볼 것. ① 처음(기저 위험 10%)은 노출 위험 20%, 상대위험도 2, 오즈비 2.25 입니다. 오즈비가 12.5% 큽니다. ② 기저 위험을 1% 로 내리면 오즈비 2.02(1.02% 큼), 0.1% 면 2 로 거의 겹칩니다. ③ 20% 면 2.67, 40% 면 6, 끝인 45% 면 11 입니다. ④ 「상대위험도 0.5」를 누르고 기저 위험을 80% 로 올리면 오즈비는 0.167 입니다. 1 보다 작은 쪽에서도 오즈비가 1 에서 더 멀리 갑니다.
8. 같은 상대위험도, 다른 무게: 절대값을 같이 보기
상대위험도가 같아도 기저 위험이 다르면 실제로 더 생기는 사람 수는 크게 다릅니다. 지어낸 두 상황을 나란히 둡니다.
막대를 끌거나 숫자를 고쳐 보세요(1 ~ 5). 그림 하나는 노출된 1만 명이고, 점 하나가 한 사람입니다. 먹 점은 노출이 없어도 생겼을 사람, 주황 점은 노출 때문에 더 생긴 사람입니다. 몇 명뿐이면 고리를 둘렀습니다. 그림은 사람 단위로 반올림합니다.
상대위험도 2 는 두 상황에서 같습니다. 그런데 드문 쪽은 1만 명 가운데 1명이 더 생기고(위험 차이 0.01%p, 1만 명마다 1명), 흔한 쪽은 1,000명이 더 생깁니다(위험 차이 10%p, 10명마다 1명). 같은 「2배」인데 더 생기는 사람이 1,000배 차이입니다.
그래서 상대값만 보고 놀라지 말고, 절대값(기저 위험, 위험 차이, 몇 명마다 1명)을 같이 봅니다. 거꾸로, 상대위험도가 작아 보여도 기저 위험이 높은 일이면 더 생기는 사람이 많을 수 있습니다.
기사의 「위험 50% 증가」 읽기
「위험 50% 증가」는 상대위험도 1.5 라는 말입니다. 1만 명 가운데 2명이 3명이 된 것일 수도, 100명 가운데 20명이 30명이 된 것일 수도 있습니다. 앞은 위험 차이 0.01%p(1만 명마다 1명), 뒤는 10%p(10명마다 1명)입니다. 이런 제목을 보면 이것을 찾습니다.
- 무엇에서 무엇으로? 기저 위험과 노출 위험, 곧 절대값.
- % 인가 %p 인가? 2% 에서 3% 는 「1%p 증가」이면서 「50% 증가」입니다.
- 상대위험도인가 오즈비인가? 오즈비라면 일이 흔할 때 「몇 배」가 부풀어 있습니다(7절).
- 구간은? 사람이 적으면 「1.5배」의 구간이 1 을 품을 수 있습니다(9절).
- 어떤 연구인가? 관찰 연구에서 본 차이는 노출이 아닌 다른 까닭 때문일 수 있습니다(교란과 편향).
해 볼 것. ① 처음(상대위험도 2)은 드문 쪽 1명, 흔한 쪽 1,000명이 더 생깁니다. 「몇 명마다 1명」은 10,000명과 10명입니다. ② 상대위험도를 1.5 로 내리면 드문 쪽은 0.5명(그림에는 반올림해 1명), 흔한 쪽은 500명이고, 20,000명과 20명마다 1명입니다. ③ 3 으로 올려도 드문 쪽은 2명뿐이고 흔한 쪽은 2,000명입니다.
9. 구간과 유의성
지금까지의 숫자는 한 번 모은 자료에서 나온 추정값입니다. 같은 연구를 다시 하면 조금 다른 숫자가 나옵니다. 그 흔들림을 신뢰구간으로 적습니다.
비(상대위험도, 오즈비)는 0 부터 끝없이까지 가고, 1 을 사이에 두고 한쪽으로 치우쳐 있습니다. 2배(2)와 절반(0.5)은 1 에서 같은 만큼 떨어진 것인데, 보통 척도에서는 1 과 2 의 거리가 1 과 0.5 의 거리의 두 배입니다. 그래서 로그를 씌워 셉니다. ln 2 ≈ 0.693, ln 0.5 ≈ −0.693 처럼 로그 척도에서는 둘이 0 에서 같은 거리입니다.
로그 오즈비의 표준오차 = √(1/a + 1/b + 1/c + 1/d)로그 상대위험도의 표준오차 = √(1/a − 1/(a + b) + 1/c − 1/(c + d))95% 구간 = e^(ln 추정값 − 1.96 × 표준오차) ~ e^(ln 추정값 + 1.96 × 표준오차)
1.96 은 정규분포에서 가운데 95% 를 남기는 자리입니다. 이 쪽의 실험은 1.96 을 표에서 옮기지 않고, 정규분포의 넓이를 직접 셈해 찾습니다(약 1.95996). 칸의 사람 수가 많을수록 1/a 같은 조각이 작아져 구간이 좁아집니다. 로그 척도에서 대칭이라, 되돌린 구간은 추정값의 위쪽이 더 깁니다(2.25 의 구간 0.994 ~ 5.09).
막대를 끌거나 숫자를 고쳐 보세요. 군마다 사람 수는 10 ~ 5,000명이고, 막대는 로그 척도입니다. 칸의 사람 수는 「사람 수 × 위험」을 반올림한 것입니다. 네모가 추정값, 가로줄이 95% 신뢰구간, 점선이 1(차이 없음)입니다. 가로는 로그 척도라 0.5 와 2 가 1 에서 같은 거리입니다. 그림 밖으로 나간 구간 끝은 화살촉으로 그립니다.
유의성 읽기. 구간이 1 을 품으면 「5% 수준에서 차이가 있다고 말할 수 없다」, 구간 전체가 1 의 한쪽에 있으면 「5% 수준에서 유의하다」고 합니다(가설검정과 p값). 이 쪽의 p 값은 같은 표준오차로 셈한 검정(왈드 검정)의 것이라, 구간이 1 을 품는 것과 p ≥ 0.05 가 꼭 맞아떨어집니다. 같은 표라도 검정 방법이 다르면 p 값이 조금 다릅니다. 처음 표를 연속성 보정 없는 카이제곱 검정으로 보면 p ≈ 0.048 이고, 실험의 오즈비 p 는 0.052 입니다. 0.05 언저리의 결과는 방법에 따라 갈릴 수 있으니, 0.05 하나로 「있다·없다」를 가르지 않습니다.
이렇게 읽으면 틀린다
- 「참값이 0.994 ~ 5.09 안에 있을 확률이 95% 다」. 틀립니다. 95% 는 구간을 만드는 방법의 성질입니다. 같은 방법으로 연구를 여러 번 하면, 그렇게 만든 구간들의 약 95% 가 참값을 품습니다. 이미 만든 구간 하나는 참값을 품거나 품지 않거나 둘 중 하나입니다.
- 「구간이 1 을 품으니 효과가 없다」. 틀립니다. 0.994 ~ 5.09 는 효과가 없는 것과도, 다섯 배인 것과도 맞습니다. 자료가 모자라 가르지 못했을 뿐입니다. 같은 비율에서 군마다 200명으로 늘리면 구간이 1.26 ~ 4.01 이 됩니다.
- 「p 가 작으니 효과가 크다」. 틀립니다. 사람이 많으면 작은 차이에서도 p 가 작아집니다. 효과의 크기는 추정값과 구간으로, 실제 무게는 위험 차이로 봅니다.
- 「p = 0.052 와 p = 0.048 은 정반대의 결과다」. 틀립니다. 거의 같은 증거입니다.
0 인 칸. 칸 하나가 0 이면 0 으로 나누거나 0 의 로그를 내야 해서 셀 수 없습니다. 흔히 네 칸에 모두 0.5 를 더해 셉니다. Cochrane 핸드북은 많은 메타분석 프로그램이 0 이 든 표의 네 칸에 정해진 값(흔히 0.5)을 더한다고 적습니다. 이 쪽의 실험도 그렇게 하고 화면에 알립니다. 이때 구간은 아주 넓게 나옵니다.
해 볼 것. ① 처음(위험 20% 와 10%, 군마다 100명)은 오즈비 2.25(0.994 ~ 5.09, p = 0.052), 상대위험도 2(0.987 ~ 4.05, p = 0.055)입니다. 둘 다 1 을 겨우 품습니다. ② 사람 수를 200 으로 올리면 오즈비 구간이 1.26 ~ 4.01 로 좁아져 1 을 벗어납니다(p = 0.006). 1,000 이면 1.74 ~ 2.91 입니다. ③ 20 으로 내리면 0.362 ~ 14 로 넓어집니다. 사람이 4배가 되면 로그 척도의 구간 폭이 절반이 됩니다. ④ 사람 수 100 에서 노출 위험을 5%, 비노출 위험을 0% 로 두면 c 가 0 이라 0.5 를 더해 셈하고, 오즈비 11.6 에 구간 0.632 ~ 212 입니다. ⑤ 노출 위험을 2%, 비노출을 10% 로 두면 오즈비 0.184(0.0392 ~ 0.861)로 구간 전체가 1 아래에 있습니다.
10. 연구 설계에 따라 구할 수 있는 지표가 다르다
어떤 숫자를 구할 수 있는지는 자료를 어떻게 모았는지에 달려 있습니다.
| 연구 설계 | 어떻게 모으나 | 구할 수 있는 것 |
|---|---|---|
| 코호트 연구 | 노출된 사람과 안 된 사람을 모아 앞으로 지켜보며 일이 생기는지 센다 | 위험, 위험 차이, 상대위험도, 오즈비 |
| 무작위 대조 시험 | 제비뽑기로 치료군과 대조군을 나눈 뒤 지켜본다(무작위 배정, 임상시험 설계) | 코호트 연구와 같다. 제비뽑기라 두 군이 처음에 비슷하다 |
| 환자-대조군 연구 | 이미 일이 생긴 사람(환자)과 안 생긴 사람(대조군)을 따로 모은 뒤 과거의 노출을 묻는다 | 오즈비 |
환자-대조군 연구에서는 환자와 대조군을 몇 명씩 모을지 연구하는 사람이 정합니다. 그래서 표에서 「생긴 사람의 비율」을 나누어도 위험이 아닙니다.
예를 들어 6절의 집단(노출 100명 가운데 20명, 비노출 100명 가운데 10명에게 생김)에서 환자 30명은 모두 모으고, 안 생긴 170명 가운데 대조군을 10명에 1명꼴로 뽑았다고 합시다. 노출된 사람과 안 된 사람이 같은 비율로 뽑혔다면 대조군은 노출 8명, 비노출 9명입니다.
| 환자(생김) | 대조군(안 생김) | |
|---|---|---|
| 노출 | a = 20 | b = 8 |
| 비노출 | c = 10 | d = 9 |
이 표로 「위험」을 나누면 20 ÷ 28 ≈ 0.714 와 10 ÷ 19 ≈ 0.526, 그 비는 1.36 으로 참값 2 와 다릅니다. 대조군을 몇 명 뽑느냐에 따라 이 값은 아무렇게나 바뀝니다. 오즈비는 (20 × 9) ÷ (8 × 10) = 180 ÷ 80 = 2.25 로 집단 전체의 오즈비와 같습니다. 대조군을 뽑는 비율(10분의 1)이 b 와 d 에 똑같이 곱해져 (a × d) ÷ (b × c) 에서 지워지기 때문입니다. 5절의 마지막 단계에서 본 「표를 돌려도 같다」가 이것입니다. 그리고 일이 드물면 오즈비 ≈ 상대위험도이므로(7절), 드문 병의 환자-대조군 연구에서는 오즈비로 상대위험도를 근사합니다.
관찰 연구(코호트, 환자-대조군)에서 본 차이는 노출 때문이 아니라 두 군의 다른 차이 때문일 수 있습니다. 이것은 교란과 편향 쪽에서 봅니다.
11. 1 보다 작은 값과 뒤집어 읽기
상대위험도 0.5 는 노출군의 위험이 절반이라는 뜻입니다. 「위험 50% 감소」라고도 쓰고, 이 50% 를 상대위험 감소(1 − 상대위험도)라고 부릅니다. 노출이 치료이면 흔히 이렇게 적고, 1 보다 작은 값을 보호 효과라고 합니다. 맨 위 실험의 해 볼 것 ② 가 그 예입니다.
0.5 와 2 는 1 에서 「같은 만큼」 떨어져 있습니다. 두 군을 바꿔 놓으면(노출 ↔ 비노출) 상대위험도와 오즈비는 둘 다 역수가 됩니다. 2 는 0.5 가 되고, 2.25 는 0.444 가 됩니다. 그래서 비를 비교할 때는 로그 척도를 씁니다. 보통 척도에서 0.5 와 2 를 평균 내면 1.25 가 되어 「차이 없음」 1 이 나오지 않습니다(Cochrane 핸드북 6장의 예).
「생김」과 「안 생김」을 바꾸면 다릅니다. 오즈비는 역수가 되지만(2.25 → 0.444), 상대위험도는 그렇지 않습니다. 처음 표에서 「안 생길 위험」의 비는 0.8 ÷ 0.9 ≈ 0.889 로, 1 ÷ 2 = 0.5 가 아닙니다. 상대위험도는 무엇을 「일」로 세느냐에 따라 값이 달라지고, 오즈비는 그렇지 않습니다.
12. 다른 방법과 이어지는 것
- 로지스틱 회귀의 계수. 로지스틱 회귀는 오즈의 로그(로짓)를 직선으로 적습니다:
ln(오즈) = β₀ + β₁ × x. 노출이면 x = 1, 아니면 0 이라고 하면, 비노출군은 ln(10 ÷ 90) = β₀ ≈ −2.2, 노출군은 ln(20 ÷ 80) = β₀ + β₁ ≈ −1.39 입니다. 빼면 β₁ ≈ 0.811 = ln 2.25. 곧 계수를 지수로 올린 e^β₁ = 2.25 가 오즈비입니다. 다른 변수를 모형에 같이 넣으면 e^β₁ 은 「다른 변수가 같을 때」의 오즈비(보정한 오즈비)가 됩니다. 논문의 오즈비는 대개 여기서 나옵니다. - 위험비(hazard ratio). 얼마나 빨리 생기는지까지 따지는 비교는 생존 분석의 위험비로 합니다. 「아직 일이 안 생긴 사람 가운데 그 순간에 생기는 빠르기」의 비입니다. 이름이 비슷하지만 상대위험도와 다른 값입니다.
- 카이제곱 검정. 2×2 표에서 두 군의 비율이 다른지 검정하는 방법은 카이제곱 검정에서 봅니다.
- 베이즈 정리. 베이즈 정리를 오즈로 적으면 「검사 뒤의 오즈 = 검사 전의 오즈 × 가능도 비」로 곱하기 하나가 됩니다.
- 표본 크기. 원하는 폭의 구간을 얻으려면 몇 명이 필요한지는 표본 크기 계산에서 봅니다.
13. 지표 비교와 꼭 알아 둘 성질
| 지표 | 뜻 | 범위(차이 없음) | 언제 쓰나 | 주의 |
|---|---|---|---|---|
| 위험 | 생긴 사람 ÷ 지켜본 사람 | 0 ~ 1 | 한 군이 얼마나 자주 | 기간을 같이 적는다 |
| 위험 차이 | 두 위험을 뺀 것 | −1 ~ 1 (0) | 실제로 몇 명이 더(덜) 생기나. 결정에 쓰기 좋다 | 기저 위험에 따라 크게 달라진다 |
| 상대위험도 | 두 위험을 나눈 것 | 0 ~ ∞ (1) | 코호트 연구, 무작위 대조 시험 | 드문 일에서는 큰 비도 사람 수로는 작다. 기저 위험이 높으면 큰 값이 나올 수 없다 |
| 오즈 | 생긴 사람 ÷ 안 생긴 사람 | 0 ~ ∞ | 로지스틱 회귀, 내기 | 확률과 다르다(확률 0.9 의 오즈는 9) |
| 오즈비 | 두 오즈를 나눈 것 | 0 ~ ∞ (1) | 환자-대조군 연구, 로지스틱 회귀 | 일이 흔하면 상대위험도보다 1 에서 멀다. 「위험이 몇 배」로 읽지 않는다 |
| 몇 명마다 1명(NNT) | 1 ÷ |위험 차이| | 1 ~ ∞ (∞) | 치료의 무게를 사람 수로 | 평균값이다. 기간과 비교 대상을 같이 적는다 |
| 성질 | 쉬운 말 | 어디서 보나 |
|---|---|---|
| 오즈비는 상대위험도보다 1 에서 멀다 | 일이 드물면 거의 같고, 흔할수록 벌어진다 | 7절, 실험 ② |
| 표를 돌려도 오즈비는 같다 | 줄과 칸을 바꿔도 (a × d) ÷ (b × c) 는 그대로다. 그래서 환자-대조군 연구에서 구할 수 있다 | 5절 ⑥, 10절 |
| 군을 바꾸면 역수 | 노출과 비노출을 바꾸면 상대위험도와 오즈비 모두 역수가 된다. 「생김」과 「안 생김」을 바꾸면 오즈비만 역수가 된다 | 11절 |
| 같은 상대값, 다른 절대값 | 상대위험도가 같아도 위험 차이는 기저 위험에 따라 1,000배 달라질 수 있다 | 8절, 실험 ③ |
| 구간은 로그 척도에서 대칭 | 되돌리면 추정값 위쪽이 더 길다. 사람이 4배면 로그 척도의 폭이 절반 | 9절, 실험 ⑤ |
어디에 쓰나
- 임상시험 결과 읽기. 치료가 결과를 얼마나 바꾸는지 위험 차이, 상대위험도, 「몇 명마다 1명」으로 적습니다(임상시험 설계).
- 드문 병의 원인 찾기. 병이 드물면 노출된 사람을 오래 지켜봐도 환자가 몇 명 안 나옵니다. 환자를 먼저 모으는 환자-대조군 연구를 하고, 결과를 오즈비로 적습니다.
- 여러 변수를 같이 보기. 나이, 성별 같은 다른 변수를 같이 넣은 로지스틱 회귀의 결과를 보정한 오즈비로 적습니다.
- 여러 연구 모아 보기. 여러 연구의 구간을 로그 척도에 한 줄씩 쌓아 비교하는 그림을 숲 그림이라고 합니다. 실험 ⑤ 는 그 한 줄입니다.
- 제품 실험(A/B 시험). 전환율이 2% 에서 3% 가 되면 상대값으로 50% 증가, 절대값으로 1%p 증가입니다. 방문자 100명마다 1명이 더 누릅니다. 보고할 때 둘을 같이 적습니다.
- 기사와 보고서 읽기. 「몇 배」, 「몇 % 증가」를 보면 기저 위험과 위험 차이를 찾습니다(8절).
자주 묻는 것
오즈비와 상대위험도 가운데 무엇을 쓰나요?
위험을 직접 셀 수 있는 연구(코호트 연구, 무작위 대조 시험)라면 상대위험도와 위험 차이가 읽기 쉽습니다. 환자-대조군 연구와 로지스틱 회귀의 결과는 오즈비로 나옵니다. 오즈비를 쓸 때는 기저 위험을 같이 적어, 읽는 사람이 위험으로 바꿔 볼 수 있게 합니다.
오즈비 2 는 위험이 2배라는 뜻인가요?
일이 드물 때만 거의 그렇습니다. 기저 위험이 1% 면 오즈비 2 는 상대위험도 1.98 이지만, 20% 면 1.67, 50% 면 1.33 입니다. 오즈비는 늘 상대위험도보다 1 에서 더 멀리 있습니다.
기사에서 「위험이 50% 늘었다」고 하면 어떻게 읽나요?
상대위험도 1.5 라는 뜻입니다. 1만 명 가운데 2명이 3명이 된 것일 수도, 100명 가운데 20명이 30명이 된 것일 수도 있습니다. 기저 위험(무엇에서 무엇으로)과 위험 차이를 찾아 봅니다. 퍼센트(%)와 퍼센트포인트(%p)도 가려 읽습니다.
신뢰구간이 1 을 품으면 효과가 없다는 뜻인가요?
아닙니다. 이 자료로는 「차이가 없다」를 밀어낼 수 없다는 뜻입니다. 0.994 ~ 5.09 처럼 구간이 넓으면 효과가 없는 것과도, 다섯 배인 것과도 맞습니다. 효과가 없다고 말하려면 구간이 1 둘레에 좁게 모여 있어야 합니다.
칸 하나가 0 이면 어떻게 하나요?
0 으로 나누거나 0 의 로그를 낼 수 없어서, 흔히 네 칸에 모두 0.5 를 더해 셉니다. 이 쪽의 실험도 그렇게 하고 화면에 알립니다. 0.5 는 관례라서, 0 이 든 표의 결과는 구간이 아주 넓고 조심해서 읽습니다. 사람이 아주 적으면 정확 검정 같은 다른 방법을 씁니다.
낱말
| 여기서 쓴 말 | 책에서 부르는 말 |
|---|---|
| 그 일이 생긴 사람의 비율 | 위험, 절대위험(risk, absolute risk), 발생 비율(incidence proportion) |
| 비노출군의 위험 | 기저 위험(baseline risk), 대조군 사건 비율(control event rate) |
| 노출, 생기는지 보는 일 | 노출(exposure), 결과(outcome), 사건(event) |
| 두 위험을 뺀 것 | 위험 차이(risk difference). 줄어든 쪽이면 절대위험 감소(absolute risk reduction, ARR), 귀속위험(attributable risk)이라고도 한다 |
| 두 위험을 나눈 것 | 상대위험도, 상대위험(relative risk, risk ratio, RR). 「위험비」라고 하면 보통 생존 분석의 hazard ratio 를 뜻한다 |
| 1 − 상대위험도 | 상대위험 감소(relative risk reduction, RRR) |
| 생긴 사람 ÷ 안 생긴 사람 | 오즈(odds) |
| 두 오즈의 비 | 오즈비, 교차비(odds ratio, OR). 교차곱의 비(cross-product ratio) |
| 오즈의 로그 | 로그 오즈, 로짓(log-odds, logit) |
| 몇 명마다 1명꼴로 차이 나나 | 치료 필요 수(number needed to treat, NNT). 해로운 쪽은 NNH(number needed to harm)라고도 하는데, Cochrane 핸드북은 오해를 부른다며 NNTB·NNTH(이로운·해로운 결과 하나를 더 보는 데 필요한 수)를 권한다 |
| 2×2 표 | 분할표(contingency table), 2×2 표(two-by-two table) |
| 앞으로 지켜보는 연구 | 코호트 연구(cohort study) |
| 제비뽑기로 나누는 시험 | 무작위 대조 시험(randomized controlled trial, RCT) |
| 환자와 대조군을 모아 과거를 묻는 연구 | 환자-대조군 연구(case-control study) |
| 일이 드물면 오즈비 ≈ 상대위험도 | 희귀 질환 가정(rare disease assumption) |
| 퍼센트포인트 | percentage point(%p) |
| 추정값이 흔들리는 폭 | 표준오차(standard error), 95% 신뢰구간(confidence interval) |
| 로그 오즈비의 표준오차 식 | 울프 방법(Woolf's method) |
| 같은 표준오차로 하는 검정 | 왈드 검정(Wald test) |
| 0 인 칸에 0.5 더하기 | Haldane-Anscombe 보정, 0 칸 보정(zero-cell correction) |
| 구간을 로그 척도에 한 줄씩 쌓은 그림 | 숲 그림(forest plot) |
| 다른 변수를 같게 놓고 본 오즈비 | 보정한 오즈비(adjusted odds ratio) |
| 순간의 빠르기의 비 | 위험비(hazard ratio, HR) |
출처
- Cochrane Handbook for Systematic Reviews of Interventions, Chapter 6: Choosing effect measures and computing estimates of effect(위험, 오즈, 상대위험도, 오즈비, 위험 차이, 로그 척도), Chapter 10(0 인 칸에 정해진 값 더하기), Chapter 15(NNT 의 뜻과 이름).
- J. Martin Bland, Douglas G. Altman (2000). Statistics Notes: The odds ratio. BMJ. 오즈비, 환자-대조군 연구, 로그 오즈비의 표준오차.
- Douglas G. Altman, Jonathan J. Deeks, David L. Sackett (1998). Odds ratios should be avoided when events are common. BMJ.
- Jun Zhang, Kai F. Yu (1998). What's the Relative Risk? JAMA. 오즈비와 기저 위험으로 상대위험도를 구하는 식.
- Andreas Laupacis, David L. Sackett, Robin S. Roberts (1988). An Assessment of Clinically Useful Measures of the Consequences of Treatment. NEJM. 치료 필요 수(NNT)를 처음 내놓은 글.
- Richard J. Cook, David L. Sackett (1995). The number needed to treat: a clinically useful measure of treatment effect. BMJ.
- Barnet Woolf (1955). On estimating the relation between blood group and disease. Annals of Human Genetics. 로그 오즈비의 표준오차.
- Sander Greenland 외 (2016). Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. European Journal of Epidemiology. p 값과 신뢰구간을 잘못 읽는 경우들.
- Abramowitz, Stegun, Handbook of Mathematical Functions, 식 7.1.26(오차함수의 근사식, 1.96 을 셈하는 데 씀). erf 의 정의는 NIST DLMF §7.2.