메타분석은(meta-analysis)은 선행연구들의 결과를 추출한 후 이들을 수렴하여 계량적으로 통합하는 연구방법(research synthesis)의 하나로서 심리학, 교육학, 사회복지학 등 사회과학 분야뿐만 아니라 의학, 간호학, 보건학 등 의과학분야에서도 매우 활발하게 사용되고 있다. 특히 의료분야에서의 메타분석은 보건의료 전문가가 의사결정시 근거-기반 의학(evidence-based medicine)을 제공할 수 있다는 것이며 이를 통해 전문가 본인의 전문적 내적 지식과 다른 연구자들의 연구결과인 외적 근거들을 종합해 합리적인 의사결정을 이끌어 낼 수 있다. 본서의 특징은 다음과 같다. 첫째 네트워크 메타분석의 전반적인 개념을 베이지안 방법과 빈도주의적 방법 모두를 이해할 수 있다. 현재까지 이를 모두 아우르는 책은 본서가 유일하다. 둘째 네트워크 메타분석 방법론을 보건의료 연구에 직접 활용하기 위해 통계전문 소프트웨어인 R을 익히고 실습한다. 따라서 책의 예제를 그대로 따라하기만 한다면 복잡해 보이고 전문적인 지식이 필요해 보이는 네트워크 메타분석을 누구나 간단히 재현해 낼 수 있을 것이다.

저자 : 심성률 저자 심성률은 고려대학교에서 역학 및 의료정보학을 전공하여 보건학 박사학위를 받았다(M.P.H. & PH.D.). 식품의약품 안전처와 식품의약품 안전평가원에서 메타분석과 위해도 평가 자문위원을 역임했다. 서울대학교 외 여러 기관에서 통계학(메타분석) 특강을 진행했으며 주요 SCI(E) 저널 논문 심사위원을 지냈다. 현재 고려대학교 의과대학 예방의학교실 겸임교수 및 순천향대학교 서울병원 비뇨의과학연구소 연구원으로 활동 중이다. 주요 저서로는 『메타분석 (forest plot에서 네트워크 메타분석까지)』 황성동·심성률 (2018) 한나래출판사. 『R 중재 메타분석 (Intervention meta-analysis using R software)』 심성률 (2019) 에스디비연구소(SDB Lab). 『R & Meta-DiSc 진단검사 메타분석 (Diagnostic Test Accuracy using R & Meta-DiSc software)』 심성률 (2019) 에스디비연구소(SDB Lab). 『R 용량-반응 메타분석 (Dose response meta-analysis using R software)』 심성률 (2019) 에스디비연구소(SDB Lab). 『R 네트워크 메타분석 (Network meta-analysis using R software; Bayesian & Frequentist approach)』 심성률 (2019) 에스디비연구소(SDB Lab). 『임상자료와 약물유전체 상관성 검증을 위한 근거기반 메타분석 안내서』 신인수·배종면·심성률 (2017) 식품의약품안전평가원 등이 있다. 주요 논문으로는 SCI(E) paper (약 30편 中 메타분석 16편)와 더불어 국내연구자를 위한 메타분석 방법론 5편 『중재 메타분석을 위한 STATA 명령어』 Journal of Health Informatics and Statistics. 『STATA를 이용한 진단검사 정확도 메타분석』 보건정보통계학회지. 『STATA 명령문을 이용한 용량-반응 메타분석』 Journal of Health Informatics and Statistics. 『네트워크 메타분석: STATA를 활용한 적용과 실제』 Epidemiology and Health. 『유전체 연관 환자-대조군 연구의 메타분석: 적용과 실제』 Epidemiology and Health. 『Efficacy and safety of prostatic arterial embolization: Systematic review with meta-analysis and meta-regression』 Journal of Urology. 『Diagnostic performance of PET in thyroid cancer with elevated anti-Tg Ab』 Endocrine-Related Cancer 등이 있다.

1. 네트워크 메타분석의 이해 1.1. 네트워크 메타분석의 통계적 접근 1) 베이지안 통계학 2) 마르코프연쇄 몬테카를로(Markov Chain Monte Carlo, MCMC) 시뮬레이션 3) 베이지안의 계층적 모형 1.2. 네트워크 메타분석의 기본원리 1) 간접비교 2) 혼합비교 1.3. 네트워크 메타분석의 가정 1) 유사성 2) 이행성 3) 일관성 2. R의 “gemtc” 패키지를 이용한 베이지안 네트워크 메타분석 2.1. 이분형(binary data) 예제자료 1) 데이터 코딩 및 불러오기 2) 네트워크 셋업 3) 네트워크 모델 4) MCMC 시뮬레이션과 수렴여부 진단 5) 일관성 검정(inconsistency test) 6) 숲그림(forest plot) 7) 치료간 비교우위 선정(treatment ranking) 2.2. 연속형(continuous data) 예제자료 1) 데이터 코딩 및 불러오기 2) 네트워크 셋업 3) 네트워크 모델 4) MCMC 시뮬레이션과 수렴여부 진단 5) 일관성 검정(inconsistency test) 6) 숲그림(forest plot) 7) 치료간 비교우위 선정(treatment ranking) 3. R의 “netmeta” 패키지를 이용한 빈도주의 네트워크 메타분석 3.1. 이분형(binary data) 예제자료 1) 데이터 코딩 및 불러오기 2) 네트워크 모델 3) 일관성 검정(inconsistency test) 4) 숲그림(forest plot) 5) 치료간 비교우위 선정(treatment ranking) 3.2. 연속형(continuous data) 예제자료 1) 데이터 코딩 및 불러오기 2) 네트워크 모델 3) 일관성 검정(inconsistency test) 4) 숲그림(forest plot) 5) 치료간 비교우위 선정(treatment ranking) 4. 베이지안 vs 빈도주의 방법 그리고 R vs STATA 소프트웨어에따른 네트워크 메타분석 결과 비교 4.1. 효과크기 비교 4.2. 일관성 검정결과 비교 4.3. 치료간 비교우위 선정 비교 참고문헌 Appendix. R 네트워크 메타분석 코드 ▶ 베이지안 방법 “gemtc” 패키지_이분형자료 ▶ 베이지안 방법 “gemtc” 패키지_연속형자료 ▶ 빈도주의 방법 “netmeta” 패키지_이분형자료 ▶ 빈도주의 방법 “netmeta” 패키지_연속형자료