Lesson 11 of 20

정보 편향 — 잘못 재면 어느 쪽으로 틀어지나

비차별 오분류는 희석하고, 차별 오분류는 무엇이든 한다

교란은 누가 무엇에 노출됐나의 문제, 선택은 누가 들어왔나의 문제였습니다. 정보 편향은 그것을 제대로 쟀나의 문제입니다.

여기에는 반가운 규칙이 하나 있습니다.

비차별 오분류

양쪽 군에서 똑같이 틀린다
→ 관계를 1 쪽으로 희석한다 (대개 예측 가능)

차별 오분류

한쪽 군에서 더 틀린다
→ 부풀릴 수도 지울 수도 있다 (방향을 모른다)

High school잘못 재면 어느 쪽으로 틀어지나

노출이나 결과를 정확히 못 재면 결과가 왜곡됩니다. 그런데 방향이 예측 가능한 경우가 있어요.

오분류 종류	내용	방향
비차별 오분류	양쪽 군에서 똑같이 잘못 잼	결과를 희석 (1쪽으로)
차별 오분류	군에 따라 다르게 잘못 잼	어느 방향이든

비차별 오분류는 예측 가능합니다 — 효과를 작게 보이게 합니다.

똑같이 틀리면 <b>1 쪽으로</b> 희석되고, 한쪽만 더 틀리면 <b>부풀려집니다</b>.

Python Runs in your browser

# 똑같이 틀리면 관계가 '희석' 된다
import numpy as np
rng = np.random.default_rng(41)

N = 200000
true_exposed = rng.random(N) < 0.30
# 진실: 노출되면 위험이 2배
risk = np.where(true_exposed, 0.20, 0.10)
outcome = rng.random(N) < risk

def rr(e, o): return o[e].mean() / o[~e].mean()
print(f"제대로 쟀을 때 RR = {rr(true_exposed, outcome):.3f}   (진실 2.0)")
print()
print("  오분류율    비차별(양쪽 같게)     차별(환자만 더 틀림)")
for err in [0.0, 0.05, 0.10, 0.20, 0.30]:
    # 비차별 - 결과와 무관하게 노출을 뒤집는다
    flip = rng.random(N) < err
    e_nd = np.where(flip, ~true_exposed, true_exposed)
    # 차별 - 결과가 생긴 사람만 노출을 '더 잘 기억한다' (과대보고)
    over = (rng.random(N) < err) & outcome & ~true_exposed
    e_d = true_exposed | over
    print(f"    {err*100:4.0f}%        {rr(e_nd, outcome):8.3f}          {rr(e_d, outcome):8.3f}")
print()
print("가운데 칸은 2.0 에서 1.0 쪽으로 꾸준히 내려간다 - 희석이다.")
print("오른쪽 칸은 2.0 위로 올라간다 - 회상 편향이 관계를 부풀린 것이다.")

High school왜 희석되나

노출자 일부를 비노출로 잘못 분류하면, 두 군이 서로 섞입니다.

극단적 경우	결과
완벽히 정확	진짜 차이가 보임
절반이 잘못 분류	차이가 절반으로
무작위로 분류	차이가 0

그래서 "유의하지 않았다"가 측정이 나빴다는 뜻일 수 있습니다.

High school회상 편향 — 차별 오분류의 대표

환자-대조군 연구의 고유한 문제입니다.

	환자	대조군
과거를 떠올리는 정도	열심히 — "왜 걸렸을까"	대충
노출 보고	더 많이 기억	덜 기억
결과	연관이 과장됨

기억의 정확도가 군에 따라 다르면 방향을 예측할 수 없습니다.

설계로 막는 법

편향	막는 법
회상 편향	기억 대신 기록 — 처방·검진·직업 기록, 저장된 검체
면담자 편향	면담자에게 누가 환자인지 가린다
결과 판정 편향	판정자에게 노출을 가린다 — 시험의 눈가림과 같은 장치
측정 오차	같은 기계·같은 절차·같은 시점. `/molassay`·`/cytohist` 가 이것을 다룬다

공통점이 보이죠 — 전부 가리는 것입니다. /trial 의 눈가림이 여기서도 그대로 쓰입니다.

High school대처 방법

방법	내용
객관적 기록 사용	기억 대신 처방 기록·검사 결과
맹검 면담	면담자가 환자/대조군을 모르게
구조화된 설문	같은 질문을 같은 방식으로
다른 병 대조군	대조군도 아픈 사람으로 — 회상 정도를 맞춤
검증 하위표본	일부에서 정확한 측정을 해 보정

첫 줄이 가장 강력합니다 — 기억에 의존하지 않는 자료를 쓰는 것.

🤔 Check yourself

환자-대조군 연구에서 환자만 과거 노출을 더 열심히 떠올렸습니다. 결과는?