분모에서 빠진 사람이 결론을 바꾼다
프로그램 A와 B에 각각 100명을 배정했다고 합시다. A는 80명의 결과가 확인되어 70명이 성공했고, B는 90명이 확인되어 72명이 성공했습니다. 관측된 사람만 나누면 A는 70÷80, 약 88%이고 B는 72÷90, 80%입니다. 표면상 A가 8%포인트 앞섭니다.
그러나 A에서 20명, B에서 10명의 결과가 비어 있습니다. 결과가 빠진 이유가 프로그램 만족도나 실패 가능성과 연결되면 관측자만의 비율은 전체 배정 집단을 대표하지 못합니다. 특히 두 집단의 결측 비율이 다르면 단순 비교의 균형도 깨집니다.
결측은 실패와 같은 뜻도, 성공과 같은 뜻도 아닙니다. 먼저 무엇을 관측했고 무엇이 비었는지 분모를 분리해야 합니다. 원인을 모르는 칸을 임의로 유리하게 채우면 계산은 쉬워져도 주장의 근거는 약해집니다.
CONSORT 2025는 각 집단의 무작위 배정·중재 수령·주요 결과 분석 인원과 탈락·제외 이유, 결측 자료 처리 방법을 보고하도록 요구합니다. 독자는 최종 백분율 이전에 참여자 흐름을 확인할 수 있어야 합니다.
참고 · Sally Hopewell 외 CONSORT Group — 빠진 결과와 참여자 흐름을 투명하게 보고하기 ↗
극단 경계는 결론의 민감성을 보여 준다
활동의 ‘결측은 모두 실패’를 누르면 A는 70÷100, 70%, B는 72÷100, 72%가 되어 순서가 뒤집힙니다. ‘결측은 모두 성공’을 누르면 A는 90%, B는 82%입니다. 실제 값이 이 두 극단 가운데 있다는 사실만으로 정확한 효과를 알 수는 없지만 결론이 결측 가정에 민감함을 볼 수 있습니다.
관측자만 분석한 차이 8%포인트는 가능한 전체 결과의 한 장면입니다. A가 더 낫다는 결론과 B가 더 낫다는 결론이 모두 가능한 경계 안에 있으므로, 탈락 원인과 더 타당한 결측 가정이 필요합니다.
실제 연구에서는 자료가 어떤 과정으로 빠졌는지에 대한 가정을 세우고 통계적 대체나 가중치를 사용할 수 있습니다. 어떤 방법도 가정 없이 잃어버린 결과를 복원하지는 못합니다. 분석 방법과 가정, 다른 가정을 넣은 민감도 분석을 함께 제시해야 합니다.
CONSORT 해설은 분석에 포함한 사람과 결측 처리 방법을 명확히 쓰도록 안내합니다. 극단 경계 활동은 정식 분석의 대체물이 아니라 보고된 결론이 빈칸에 얼마나 흔들릴 수 있는지 묻는 첫 검사입니다.
참고 · Sally Hopewell 외 CONSORT Group — 결측 자료 처리와 민감도 분석의 이유 ↗
탈락 이유와 시점을 흐름도에 남긴다
연락 두절, 부작용, 일정 충돌, 이미 호전되어 방문하지 않은 경우는 서로 다른 선택 과정을 만들 수 있습니다. 집단별 이유와 탈락 시점을 알면 어느 가정이 더 타당한지 판단할 단서가 생깁니다. 이유가 알려지지 않은 경우도 그 자체로 기록해야 합니다.
학교 프로그램, 고객 만족 조사, 직업 훈련에서도 끝까지 응답한 사람만의 평균은 이탈한 사람을 감춥니다. 처음 등록 인원, 중간 이탈 인원, 최종 측정 인원과 이유를 같은 그림에 놓아 보세요.
새 상황에 적용할 때에는 먼저 목표 분모를 정합니다. ‘완료자에게 효과적인가’와 ‘등록한 모든 사람에게 효과적인가’는 다른 질문입니다. 질문이 달라지면 분석 집단과 결론의 범위도 달라집니다.
결과표 옆에 관측자 분석, 결측의 가능한 범위, 주 분석의 가정, 다른 가정에서의 변화를 네 줄로 기록하면 빈칸을 숨기지 않는 결론이 됩니다. 숫자의 정밀함보다 어떤 사람이 사라졌는지를 추적하는 일이 먼저입니다.