최소 임상 중요 차이

체중계를 떠올려 보세요. 100g이 줄었다는 숫자는 기계로는 분명한 변화예요. 하지만 본인이 "살이 빠졌구나" 하고 체감하기에는 너무 작아요. 반대로 몇 kg이 줄면 옷이 헐렁해져서 누구나 알아차려요. MCID는 이렇게 "사람이 실제로 의미 있다고 느끼는 최소한의 변화"를 점수로 정해 둔 기준이에요.

통증을 0점(통증 없음)부터 10점(상상할 수 있는 가장 심한 통증)까지 말하게 하는 척도가 대표적이에요. 연구에 따라 다르지만 약 2점 안팎의 감소를 의미 있는 변화로 삼는 경우가 많아요. 다만 이 숫자는 척도, 질환, 대상자에 따라 달라지는 값이어서 모든 상황에 똑같이 쓰는 절대 기준은 아니에요. 허리 기능 설문처럼 척도마다 따로 제시된 값이 있어요.

통계는 "이 차이가 우연일 가능성이 낮다"는 것을 알려 주지만, "이 차이가 얼마나 큰가"는 알려 주지 않아요. 표본이 아주 크면 작은 변화도 통계적으로 유의하다는 결과가 나와요. 예를 들어 만 명을 비교했더니 통증 점수가 평균 0.3점 더 내려갔고 p값이 작게 나왔다고 가정해 볼게요. 우연이 아닐 가능성은 높지만, 0.3점은 환자 스스로 체감하기 어려운 크기예요.

반대로 표본이 적어서 통계적 유의성에는 못 미쳤어도, 관찰된 변화 폭이 문턱을 넘는 경우도 있어요. 그래서 결과를 읽을 때는 p값 하나만 보지 않고, 변화의 크기(효과 크기)와 신뢰구간, 그리고 MCID를 함께 살펴봐요.

MCID는 하나의 정답이 있는 값이 아니고, 정하는 방법에 따라 조금씩 달라져요.

• 앵커 기반 방법. 환자에게 "치료 전보다 어떠세요?" 하고 직접 물어서 "조금 나아졌어요" 정도로 답한 사람들의 점수 변화를 기준으로 삼아요. 기준이 되는 질문을 닻(앵커)에 비유해서 이렇게 불러요.
• 분포 기반 방법. 점수가 원래 얼마나 흩어져 있는지, 측정 자체의 오차가 얼마인지를 통계로 계산해서 기준을 정해요.

같은 척도라도 연구마다 대상자가 다르고 시작 점수가 다르면 MCID가 다르게 나와요. 처음 통증이 심했던 사람은 조금 줄어서는 체감하기 어렵고, 가벼웠던 사람은 작은 변화도 크게 느낄 수 있기 때문이에요.

• 변화 폭 확인하기. "유의하게 개선됐다"는 문장을 접하면 몇 점이 줄었는지 실제 수치를 찾아봐요.
• 문턱과 견주기. 그 폭이 해당 척도의 MCID를 넘는지 확인해요. 같은 수치도 어떤 MCID를 기준으로 삼는지에 따라 의미 있다고도, 부족하다고도 읽혀요.
• 신뢰구간의 범위 보기. 평균 변화는 문턱을 넘었어도 신뢰구간의 아래쪽이 문턱에 못 미칠 수 있어요. 구간 전체가 문턱 위에 있을수록 확신이 커져요.
• 평균 너머를 보기. 평균 변화만으로는 개인차가 가려져요. 문턱을 넘는 사람이 몇 퍼센트인지 확인하는 방법이 반응자 분석이고, "누가 실제로 좋아졌나"를 더 잘 보여 줘요.

통증 일지나 설문 점수를 스스로 기록하는 분도 있어요. 이럴 때 하루 사이의 1점 변화에 일희일비하기보다, 몇 주 동안의 흐름을 보면서 문턱에 해당하는 만큼 달라졌는지 살피면 도움이 돼요. 점수는 날마다 오르내리는 것이 보통이에요. 그래서 한 번의 극단값에 반응하기보다 회귀 평균을 염두에 두고 여러 번 측정한 값으로 판단해요.