How Much Non-response Matters? Diagnosis Prevalence Estimates in Survey Participants Versus the Total Sample

기술 요약: 설문 참여자와 전체 표본 간의 진단 유병률 추정치 비교

문제 제기
모집단 기반 조사는 질병 유병률을 추정하는 주요 원천이지만, 최근 수십 년간 응답률이 감소하면서 비응답 편향(non-response bias)에 대한 우려가 커지고 있습니다. 이러한 편향은 참여 확률이 건강 상태나 진단 빈도와 연관될 때 발생합니다. 기존 연구들은 건강 관련 청구 데이터와 설문 데이터를 비교해 왔으나, 대개 서로 무관한 표본에 의존하거나 응답자에게만 국한되어 있어, 연구 참여 자체가 유병률 추정치를 어떻게 왜곡하는지를 정량화하는 데 한계가 있었습니다. 따라서 단순히 참여한 하위 표본뿐만 아니라 초대된 전체 표본에 대한 진단 정보를 사용하여 비응답 편향을 직접 평가함으로써, 특히 응답률이 완만한 환경에서 설문 기반 추정치의 일반화 가능성을 판단할 필요가 있습니다.

연구 방법론
본 연구는 "OptDatPMH" 프로젝트의 데이터를 활용하여 설문 데이터와 독일의 대형 법정 건강보험사인 BARMER의 건강 청구 데이터를 연계하였습니다.

• 연구 대상: BARMER 가입 인구(성별, 5세 단위 연령대, 연방 주를 기준으로 정의된 512개 층화 계층 내에서 추출된 전국적으로 대표성을 갖는 표본)로부터 추출된 26,000명의 층화 무작위 표본을 대상으로 하였습니다.
• 설문 절차: 2021년 10월에 참가자들에게 서면 건강 설문지(18페이지, 약 20~30분 소요) 작성을 요청하였습니다. 두 차례의 재안내 후, 7,110개의 설문지가 회수되었습니다(응답률 27.3%). 무효 응답을 제외한 후, 최종 분석을 위한 전체 표본(TS)은 25,977명이었으며, 이 중 참여한 하위 표본(PS)은 7,087명이었습니다.
• 데이터 소스:
  • 설문 데이터: 자가 보고된 진단 및 사회인구학적 특성.
  • 건강 청구 데이터: 설문 전 4분기(2020년 4분기~2021년 3분기) 동안의 외래 및 입원 기록에 나타난 ICD-10 코드. 진단은 최소 한 분기에서 확진된 진단으로 문서화된 경우(M1Q 기준) 존재하는 것으로 간주되었습니다.
• 통계 분석: TS와 PS 모두에 대해 유병률 추정치를 계산하였습니다. 정확한 최종 모집단 분포를 추출 시점에 알 수 없었기에, 2021년 독일 인구 분포(성별, 연령, 지역)를 반영한 모집단 기반 가중치를 적용하여 두 표본을 조정하였습니다.
  • 차이는 가중치가 적용된 데이터에 대해 카이제곱 검정을 사용하여 테스트하였습니다.
  • 희귀 질환을 과도하게 강조하지 않으면서 편차를 시각화하기 위해, 저자들은 전체 평균 대비 백분율로 표현되는 "전체 평균 대비 차이(DPTM)" 지표를 도입하였습니다. 이는 전체 표본 내의 전체 유병률에 대한 비율로 나타냅니다.
  • 분석은 ICD 챕터, ICD 그룹 및 선택된 9가지 특정 진단 수준에서 수행되었습니다.

주요 기여

• 직접 비교 프레임워크: 본 연구는 공통의 샘플링 프레임과 연계된 청구 데이터를 사용하여 참여자와 전체 초대 표본 간의 진단 유병률을 직접 비교하는 드문 사례를 제공하며, 이를 통해 서로 무관한 표본을 사용했던 기존 연구의 한계를 극복하였습니다.
• 편향의 정량화: 표준 인구 통계적 가중치 적용 후에도 다양한 진단 범주(ICD 챕터 및 그룹)에 걸쳐 선택적 참여가 유병률 추정치를 어느 정도 왜곡하는지 정량화하였습니다.
• 지표 개발: DPTM 지표의 도입은 저유병률 하위 그룹에서의 상대적 차이에만 집중하는 함정을 피하고, 하위 그룹 간의 절대적 및 상대적 편차를 균형 있게 시각화하는 접근법을 제공합니다.

결과

• 참여 패턴: 여성(30.1%)의 참여율이 남성(24.5%)보다 높았으며, 연령이 높아질수록 증가하였습니다(65세 이상 37.9% vs. 45세 미만 18.2%).
• 집계 수준 (ICD 챕터):
  • 가중치를 적용하지 않은 추정치는 대부분의 ICD 챕터에서 참여자와 전체 표본 사이에 유의미한 차이를 보였으며, 일반적으로 참여자의 유병률이 더 높았습니다.
  • 성별, 연령, 지역에 대한 가중치를 적용한 후, 집계 수준에서의 차이는 대체로 작았습니다. 그러나 22개 ICD 챕터 중 11개에서 여전히 통계적으로 유의미한 차이가 나타났습니다. 이 중 10개 챕터에서 참여자의 유병률이 더 높게 유지되었습니다.
  • 예외 (정신 질환): ICD 챕터 V(정신 및 행동 장애)가 주요 예외로, 참여자의 유병률 추정치가 전체 표본에 비해 낮게 나타났습니다.
• 특정 진단:
  • 정신 건강: 유기적 정신 장애(F00-F09), 물질 사용 장애(F10-F19), 기분 장애(F30-F39)에 대해 참여자들의 과소 추정이 발견되었습니다.
  • 선택된 질환: 선택된 9가지 진단 중 3가지에서 유의미한 차이가 나타났습니다: 치매(참여자: 0.6% vs. 전체: 1.4%), 알코올 관련 장애(1.5% vs. 1.9%), 불안 장애(6.8% vs. 7.6%). 치매가 가장 뚜렷한 편차를 보였습니다.
  • 신체 질환: 가중치 적용 후, 선택된 신체 질환(예: 당뇨병, 비만, 고혈압, 심부전) 중에서는 전체 표본과 참여자 사이에 통계적으로 유의미한 차이를 보이는 항목이 없었습니다.
• 하위 그룹 분석: DPTM 값의 히트맵은 대부분의 연령/성별 하위 그룹에서 신체 챕터에 대한 과대 추정 경향을 확인시켜 주었으나, 정신 질환 및 특정 하위 그룹(예: 혈액 질환의 70세 이상 여성, 남성에서의 선천성 기형)에서는 예외가 있었습니다.

의의 및 주장
본 논문은 이 특정 환경에서 표준 인구 통계적 가중치(성별, 연령, 지역)를 적용했을 때, 많은 흔한 진단에 대해 선택적 참여가 유병률 추정치에 미치는 영향이 제한적이라고 결론짓습니다.

• 설문의 견고성: 27.3%라는 완만한 응답률에도 불구하고, 많은 흔한 신체적 진단에 대한 설문 기반 유병률 추정치는 흔히 가정되는 것보다 더 견고해 보입니다. 이 결과는 응답률의 감소가 이러한 질환들에 대한 역학적 타당성을 반드시 훼bre하는 것은 아님을 시사합니다.
• 가중치의 역할: 표준 가중치는 참여와 관련된 왜곡의 상당 부분을 설명하지만, 진단별 편향은 여전히 존재합니다.
• 취약 계층: 본 연구는 특정 정신 질환(특히 치매 및 물질 사용 장애)과 취약한 하위 그룹에 대해 진단별 비응답 편향이 여전히 중요한 문제임을 강조합니다. 이러한 질환의 경우, 영향을 받은 개인의 낮은 참여로 인해 가중치로도 완전히 교정되지 않는 과소 추정이 발생합니다.
• 시사점: 결과는 낮은 응답률이 인구 기반 조사를 자동으로 무효화한다는 일반적인 결론에 도전합니다. 그러나 특정 정신 건강 조건 및 취약 계층에 대해서는 편향이 여전히 중요한 문제이며 주의 깊은 해석이 필요함을 경고합니다.