A beta-binomial model respecting randomization and its comparison to the standard beta-binomial model that ignores randomization for the meta-analysis of rare events

기술 요약: 희귀 사건의 메타 분석을 위해 무작위 배정을 존중하는 베타-이항 모델

문제 제기
희귀한 이진 사건(binary events)에 대한 메타 분석은, 특히 일차 연구에 사건 발생 건수가 0인 셀(zero-event cells)이 포함되어 있을 때 상당한 통계적 어려움을 수반한다. 전통적인 접근 방식은 연속성 수정(예: 0인 셀에 0.5를 더함)이나 고정 효과 방법(예: Peto, Mantel-Haenszel)에 의존하는 경우가 많으나, 이는 편향을 유발하거나 표준 오차를 부풀리거나, 연구 간 이질성을 설명하지 못할 수 있다. 표준 베타-이항 모델(BBM)이 0-셀 정보를 연속성 수정 없이 활용하는 강력한 대안으로 부상했음에도 불구하고, 이 모델은 결정적인 구조적 한계를 지니고 있다: 바로 일차 연구에 내재된 무작위 배정(randomization)을 무시한다는 점이다.

표준 BBM(흔히 "common-rho"라 불림)은 "군별(arm-based)" 모델로 작동한다. 이 모델은 모든 연구의 대조군 데이터를 풀링하여 기저 위험 분포를 추정하고, 그 분포에 처치군을 연결한다. 결과적으로, 이 방식은 메타 분석 전체에서 처치군과 대조군을 독립적인 샘플로 취급하며, 이로 인해 무작위 배정에 의해 설정된 연구 내 쌍(within-study pairing) 관계를 사실상 폐기한다. 이는 연구 내에서 처치 효과가 먼저 추정된 후 이를 풀링하는 "대조 기반(contrast-based)" 방법(예: 역분산 랜덤 효과 모델)과 대조된다. 저자들은 무작위 배정을 무시하는 것이, 특히 연구 규모가 불균형하거나 이질성이 높은 시나리오에서 생태학적 편향(ecological bias)을 초래할 수 있다고 주장하지만, 이전의 시뮬레이션에서는 그 실질적인 영향이 미미할 수 있음을 시사했다.

방법론
저자들은 무작위 배정을 명시적으로 존중하는 "common-beta" 베타-이항 모델(BBCBrespect)을 도입하고 평가한다.

• 모델 공식화:

  • 표준 BBM (BBST): 처치군과 대조군 사이에 공통의 내부 상관 계수($\rho$)가 있다고 가정한다 ($\alpha_C + \beta_C = \alpha_T + \beta_T$). 이 모델은 먼저 대조군을 풀링하여 파라미터를 추정한 후, 연결 함수를 통해 처치 효과를 도출한다.
  • Common-Beta BBM (BBCB): 공통의 베타 파라미터($\beta_C = \beta_T = \beta$)를 가정하되 알파 파라미터는 다를 수 있도록 허용한다. 이 구조는 패널 카운트 데이터에 대한 고정 효과 음이항 회귀와 수학적으로 동일하다.
  • 무작위 배정을 존중하는 모델 (BBCBrespect): 핵심 혁신은 가능도 조건화(likelihood conditioning)에 있다. 이전 버전의 common-beta 모델(BBCBignor)은 처치군과 대조군의 총합을 각각 별도로 조건화하여(연구 수준의 쌍을 무시함) 파라즘을 추정했으나, BBCBrespect는 각 연구 내의 네 가지 수치 전체의 합(처치 사건, 처치 비사건, 대조 사건, 대조 비사건)에 대해 조건화한다. 이는 파라미터 추정 과정에서 단일 연구 내의 처치군과 대조군을 직접 연결함으로써 무작위 배정 구조를 보존한다.

• 시뮬레이션 연구:
  저자들은 실제 Cochrane 및 비-Cochrane 리뷰를 모사하도록 설계된 시뮬레이션 연구(시나리오당 10,000회의 메타 분석 수행)를 실시했다.

  • 데이터 생성: Turner 등과 Page 등의 분포를 기반으로 하여, 연구 크기, 기저 사건 확률(0.01, 0.02, 0.05), 그리고 이질성($\tau^2$)을 시뮬레이션하였다.
  • 시나리오: 연구 수(Cochrane 스타일은 중앙값 3개, 비-Cochrane 스타일은 9개)에 따라 변화를 주었다 (귀무 가설 vs 대립 가설).
  • 비교 대상: BBCBrespect 모델을 표준 BBM (BBST), 무작위 배정을 무시하는 common-beta 모델 (BBCBignor), 그리고 수정된 Hartung-Knapp 신뢰 구간을 사용하는 Paule-Mandel 추정량 기반의 역분산 랜덤 효과 메타 분석 (MHKPM)과 비교하였다.
  • 지표: 수렴율, 편향, 피복 확률(coverage probability), 신뢰 구간 길이, 통계적 검정력.

• 실증적 사례:
  모델들을 60개의 연구가 포함된 심장 우회술(on-pump vs off-pump artery bypass grafting)에 관한 Cochrane 리뷰에 적용하여 실질적인 차이를 보여주었다.

주요 결과

• 수렴: 모든 베타-이항 모델은 표준 BBM과 유사하게 높은 수렴율(88–95%)을 보였다. MHKPM 참조 모델은 연속성 수정 덕분에 100%의 실행에서 수렴하였다.
• 편향 및 추정치:
  • 대부분의 시나리오에서 BBST와 BBCBignor는 매우 유사한 효과 추정치를 생성하였으며, 서로 크게 겹치는 양상을 보였다.
  • BBCBrespect는 일반적으로 BBST에 비해 효과 추정치가 귀무 가설에 더 가깝게 나타났으며, 특히 이질성($\tau^2$)이 높거나 연구 규모가 불균형한 시나리오에서 그러했다.
  • MHKPM 모델은 가장 강한 편향을 보였고 검정력이 가장 낮았으며, 종종 비현실적으로 넓은 신뢰 구간을 생성하거나 사건 발생이 0인 연구를 완전히 제외시키기도 했다.
• 피복 및 검정력:
  • 베타-이항 모델들의 피복 확률은 일반적으로 명목상의 95% 수준 근처 혹은 그보다 약간 높게 나타난 반면, BBST는 매우 희귀한 사건 시나리오(p=0.01)에서 낮은 피복률(최저 90%)을 보였다.
  • Cochrane(연구 수가 적은) 시나리오에서는 모든 방법의 검정력이 전반적으로 낮았다. 비-Cochrane 시나리오에서는 모든 베타-이항 모델 간의 검정력이 유사했다.
• 무작위 배정을 무시할 때의 영향:
  • Bland-Altman 플롯을 통해 BBCBrespect와 BBCBignor 사이의 차이가 다음 두 가지 특정 상황에서 가장 두드러짐을 확인했다:
    1. 높은 이질성: $\tau^2$가 매우 높을 때, 두 모델은 서로 다른 결과를 낼 수 있으며, 때로는 효과의 부호(sign)까지 바꿀 수 있었다.
    2. 불균형한 연구 규모: 메타 분석에 매우 상이한 표본 크기를 가진 연구들(예: 소규모 연구들과 하나의 대규모 연구가 섞인 경우)이 포함될 때, 무작위 배정을 무시하면 타당하지 않은 추정치가 도출되었다.
  • 연구 규모가 유사한 균형 잡힌 시나리오에서는 모델 간의 차이가 미미했다.

의의 및 결결론
본 논문은 무작위 배정을 무시하는 표준 베타-이항 모델이 연구들이 균형 잡혀 있고 규모가 비슷할 때는 대개 편향되지 않지만, 생태학적 편향의 내재적 위험을 안고 있다고 결론짓는다. 무작위 배정을 보존하기 위해 총 연구 수에 대해 조건화하는 BBCBrespect 모델은 통계적 특성(편향, 피복, 검정력) 측면에서 대등한 성능을 보이면서도, 연구 수준의 쌍 관계를 무시하는 이론적 결함을 제거한다.

저자들은 BBCBrespect 모델이 대부분의 현실적인 시나리오에서 표준 모델과 매우 유사한 결과를 보이면서도, 불균형한 무작위 배정이나 높은 이질성이 있는 상황에서의 편향 위험을 제거하기 때문에 이 모델이 일반적으로 선호되어야 한다고 주장한다. 본 연구는 연구 간 할당 비율이 불균형하거나 표본 크기가 매우 가변적인 메타 분석을 수행할 때 모델 선택이 특히 중요하다는 점을 강조한다. 또한, 복잡한 메타 분석 모델을 구현하기 위해 계량경제학의 패널 데이터 추정 루틴(구체적으로 SAS의 PROC COUNTREG)을 활용할 수 있음을 보여준다.