근거중심의 진료지침을 만드는데 있어서 중요한 근간이 되는 체계적 문헌 고찰에 있어서 편향적이지 않게 의학문헌을 찾는 것은 매우 중요하다. 적절한 핵심질문을 설정한 후 이에 따라 문헌 검색전략을 세우며 검색 데이터베이스를 선정하고 검색어를 만들고 이에 대한 적절한 조합의 틀을 만드는 일련의 과정이 필요하다. 이 과정을 어떻게 만드느냐에 따라 예민도와 특이도를 조절할 수 있다. 찾고자 하는 문헌을 최대한 확보하면서도 불필요한 문헌이 찾아지지 않도록 검색전략을 세우는 것이 이 과정에서의 목표이다.

문헌검색 전략을 만드는데 있어 다음과 같은 과정을 거치는 것이 도움이 된다. 첫 번째로 자신의 핵심질문과 가장 유사한 주제에 대해 기존에 연구된 체계적 문헌 고찰을 참고하고 두 번째로 해당 문헌의 분량을 대략 예측해보기 위해 예비검색을 시행한다. 다음으로 핵심 질문에 따라 민감도와 특이도를 고려하면서 계획한 검색어들을 적절히 조합하여 시범검색을 시행한다. 마지막으로 연구전체의 방향과 내용 등을 고려하여 최종적인 검색어와 검색전략을 결정하며 필요한 경우 관련임상전문가들의 자문을 받도록 한다.

문헌 검색에서 필요한 자료 찾는 데는 다음과 같은 흐름이 필요하다.<표6-1>

검색 데이터베이스

Bidwell의 COSI 모델l에 대한 기술을 보면 다음과 같이 세부분으로 나누어 기술하였는데<표6-1>, ‘COre search,’ ‘Standard search,’ ‘Ideal search’로써 COre그룹에는 일반적으로 MEDLINE, EMBASE 및 Cochrane Library와 같은 검색 데이터베이스가 추천된다.

• 자료원의 종류 및 특징

  일반 검색원

  MEDLINE은 세계에서 가장 규모가 큰 생의학 분야의 일반적 데이터베이스로서 기초에서 응용분야까지 망라되어 있다. MEDLINE은 미국과 전 세계 80여 개국에서 출판된 약 5,200여 종의저널이 37개의 언어로 색인되어 약 천만개에 이르는 참고문헌 등 거대한 규모와 광범위한 분야를 망라하고 있기 때문에 원하는 정보를 정확히 찾기위해서는 숙련이 필요하기도 하다. MEDLINE과 유사한 데이터베이스로 EMBASE는 네덜란드 Elsevier사에서 제작한 검색엔진으로 생물의학 및 약학 관련 정보를 제공한다. 현재 4,800여종의 저널이 30개의 언어로 색인되어 있으며 이중 MEDLINE에 색인되어 있지 않은 저널은 1,800종인 것으로 보고되고 있다. 유럽지역 및 비 영어권논문이 많은 것이 특징이다. 이외에도 Science Citation Index, Current ontents Connect 등이 있다.

  특정주제별 검색원

  임상의 여러 분야 중 특정 주제에 적합한 근거를 위주로 제공하는 검색원이나 혹은 검색엔진이 있으며 이들 중 PsyINFO는 미국심리학회에서 개발된 검색엔진으로 전 세계 심리학, 정신의학 및 관련 문헌에 대한 초록을 제공하고 있다. 이 와 같이 특정 분야에 대한 전반적인 자료를 수록한 검색엔진은 CINAHL, NHS Economic Evaluation Database(NHS EED), MIDIRS, SLGIE 등이 있다.

  이차자료 검색원 및 기타 검색원

  ACP Journal Club 과 같이 기존 저널에 수록된 논문을 요약하여 보다 양질의 근거를 제공하는 것을 목적으로 한 근거중심의 정기 간행물 등이 있으며, 이들 잡지에서는 명백한 기준에 따라 선정된 수록 논문에 대하여, 구조화된 형태의 초록을 제공하며, 논문의 맥락과 임상적인 적용가능성에 대하여 관련 분야 전문가의 평론을 싣고 있다. 이와 같은 형태의 저널로는 Evidence-Based Medicine, Evidence-Based Mental Health, Evidence-Based Nursing, Evidence-Based Health Care Policy and Practice, Evidence-Based Cardiovascular Medicine 등이 있다.

  Cochrane Library(update.cochrane.co.uk; www.updateusa.com) 는 치료나 중 재방법의 효과에 대한 체계적 분석 논문을 수록하고 있으며, 이와 같은 체계적 고찰이나 메타분석과 같은 문헌에 대한 자료를 검색할 수 있는 검색엔진은 TRIP (http:// www.tripdatabase.com), Sumsearch( http://sumsearch.uthscsa.edu) 등이 있다.

  

  국내 데이터베이스

  국내의 주요 검색데이터베이스는 KoreaMed, 국립중앙도서관, 국회도서관, 한국교육학술 정보원, KISTI 과학기술학회마을, 국내의학학술지초록 검색(Kmbase), KSI 한국학술정보가 있다. 그러나 국내검색의 경우 검색범위가 서로 중복되어 있고 검색어가 아직 개념화 되어 있지 않아 검색을 위해 노력이 요구되고 있다.

검색어와 검색 조합 만들기

첫 번째 단계로 핵심질문을 Population, Intervention, Comparator, Outcomes의 형태로 정리하고 이중 어떤 요소를 검색범주에 넣을 것인지 고려한다. 흔히 사용되는 방식은 population과 intervention을 AND로 묶는 방식이다. 상황에 따라서 방식은 다양하게 구사할 수 있다. 예를 들어 intervention이 단일 적응증 밖에 없고 흔히 사용되는 것도 아니며 최근에 나온 의료기술이라면 intervention 한 가지 요소만으로 검색어를 구성할 수도 있다. 반대로 흔한 질환에 다양한 적응증을 가지고 흔히 사용되는 기술인 경우 자신이 보고자 하는 주제에 맞게 검색어의 범주를 좁혀 필요한 각 요소를 추가적으로 더 고려하여 조합할 수 있다.

두 번째로 연구 유형을 제한할 예정이라면 즉 무작위 대조군임상시험만을 대상으로 한다면 각각 데이터베이스에 맞게 보편적으로 사용되는 검색어를 추가적으로 사용하여 다른 검색요소들로 찾아진 결과를 AND로 처리하면 찾고자 하는 문헌을 제한하게 되는 효과가 있고, 보다 민감도를 높여 찾고자 하는 문헌을 효율적으로 검색할 수 있게 된다.

셋째로 검색어로 설정 된 단어들에 대해 동의어(예; treatment, therapy), 복수가 될때의 단어의 변형을 고려(예; child, children)하며 또한 다양한 상품명을 검색할지 고려한다.

넷째로 논리연산자(Boolean Operator) AND 와 OR 혹은 NOT을 적절히 구사하여 조합을 계획 한다. 그러나 NOT의 경우 민감도를 낮출 수 있으므로 꼭 필요한 경우가 아니면 가능하면 사용하지 않기를 권한다.<그림6-2>

MeSH 검색어 활용

MEDLINE검색의 경우 MeSH검색어와 Text 검색어를 이해할 필요가 있다. MeSH는 Medical Subject Headings의 약어이며 표준화된 단어나 구의 형태로 문헌의 주요 내용을 대표한 것이다. MeSH는 MeSH Tree형태로 계통적으로 가지를 치고 있어 상ㆍ하부에 어떠한 MeSH가 있는지를 자세히 살펴보고 정해야 한다. 자신이 찾고자 하는 단어의 MeSH Term을 찾고자 한다면 MeSH database에서 검색을 할 수 있다. 예를 들면 심부정맥혈전증에 관한 MeSH Term을 사용한 적절한 검색어를 찾고자 한다면 PubMed 왼쪽 PubMed Services 항목에 MeSH Database를 클릭하고 검색창에 Thrombosis를 쳐본다.<그림6-3>

찾아 진 MeSH 검색어 중 Thrombosis를 클릭해보면 MeSH Tree 즉 계통도를 볼 수 있다.<그림6-4>

자신이 찾고자 하는 범위를 가장 적절히 포함하고 있는 수준의 MeSH어인 Venous Thrombosis를 MeSH어로 선택하여 찾으면 된다. PubMed는 입력한 검색어를 자동으로 MeSH Term으로 전환시켜 검색해 준다. PubMed 에 검색창에 Thrombosis 를 검색하면 실제적으로는 “Thrombosis”[MeSH Terms] OR “Thrombosis”[All Fields] 으로 자동 검색해주는 것을 알 수 있다. nosebleed를 검색하면 “Epistaxis”[MeSH Terms] OR “Epistaxis”[All Fields] OR “Nosebleed”[All Fields]로써 MeSH Term과 Text Word를 다 포괄하여 자동으로 검색해 준다.

구(Phrase) 검색

연속된 단어가 하나의 단위로 검색되도록 하려면 구 검색을 할 필요가 있다. 이는 “Word A Word B”형태로 검색어를 구성하면 된다. Venous Thrombosis를 하나의 단어처럼 검색하려면 “Venous Thrombosis”로 검색하면 된다.

Venous Thrombosis로 검색하면 “Venous Thrombosis”[MeSH Terms] OR (“Venous” [All Fields] AND “Thrombosis”[All Fields]) OR “Venous Thrombosis”[All Fields]와 같이 검색하여 50188건이 검색되었지만 ”Venous Thrombosis”로 검색하면 22993건이 검색되는데 이는 이를 한단어로 인식해 Text Word로써 “Venous Thrombosis”[All Fields]로 검색되었기 때문이다.<그림6-5>

절단 연산자와 만능문자의 활용

찾고자 하는 단어에 어미변화가 있는 경우 일일이 각 단어를 찾아 OR로 묶을 것이 아니라 공통 되는 부분을 최대한 확보하여 이후 부분을 절단하고 각 데이터베이스에서 정해진 문자를 사용하여 검색하면 어미변화가 있는 단어들을 모두 포괄 할 수 있다. 예를 들어 Thrombosis, Thromboembolism, Thrombotic과 같은 단어들을 한번에 검색하려면 Thrombo*라는 검색어를 사용하면 되는데 600개 이상의 과도한 어미변화의 경우에 한번에 다 찾아주지 못하므로, 이런 경우 절단의 범위를 더 하단으로 재구성해 본다. 이러한 접근은 앞의 글자로 시작되는 단어를 포함하는 모든 문헌을 검색하게 해 주어 민감도를 높이므로 적절히 사용하도록 한다.

Ovid 데이터베이스의 경우 중간 글자의 변이도 찾을 수 있는데 “?”는 중간 글자가 유무의 경우 모두를 찾아 준다. organi?ation의 검색어를 사용하면 organization,organisation의 문헌들을 찾아주고, p?ediatric은 paediatric, pediatric을 다 찾아 준다.

인접어를 활용한 검색

두 개 이상의 단어를 검색할 때 AND로 묶는 경우, 너무 많은 문헌들이 검색될 가능성이 높다. 따라서 찾고자 하는 내용의 특성상 인접하여 있는 경우로 제한하면 찾고자하는 문헌들의 민감도는 좀 떨어지지만 특이도를 높여 효율성을 높일 수도 있다. Ovid-Medline에서는 동일한 문장에서 인접한 단어들을 검색할 수 있는 ‘ADJ’(adjacency)를 사용할 수 있으며 Cochrane Library에서는 ‘NEAR’를 활용하면 가까이 인접한 두 단어가 사용된 경우만 찾아주게 된다.

예를 들어 Ovid-Medline에서 ‘wordA ADJn wordB’ 형식으로 ‘endoscop$ adj2 resection’ 으로 검색하면 동일 문장에서 두 검색어 간에 두개 이내의 단어를 허용하면서 두 단어를 포함하는 문헌들을 찾을 수 있다.

검색연산자를 요약한 <표6-3>을 적절히 활용하면 검색이 보다 용이할 것이다.

찾은 문헌의 중복제거

데이터베이스에서 찾은 문헌들 중 중복되어 게재된 문헌들의 제거는 중요하다. 동일한 문헌이 두 번 이상 분석에 들어간다면 결과에 잘못된 영향을 줄 수 있기 때문이다. 특히 다른 데이터베이스로 찾은 문헌들을 정리할 때에는 대량의 중복제거 작업이 필요하다. Endnote나 Reference Manager와 같은 프로그램을 사용하여 정리하면 이 작업이 용이해 진다. 이 소프트웨어가 지원하지 못하는 데이터베이스들의 경우 Excel을 이용하거나 Access와 같은 프로그램을 사용하면 질 평가등 추가적인 작업을 수행 할 수 있다.

기타 고려사항

체계적 문헌 고찰 과정에서 문헌의 검색, 포함 배제의 수행은 객관성을 유지하기 위해 두명의 연구자가 독립적으로 수행하고 이후 같이 대조하는 과정이 필요하다. 두 연구자의 결과가 불일치 한 경우엔, 불일치의 사유를 토론을 통해 조정하여 합의가 되면 그대로 수행하되 합의가 되지 않을 경우 제3자가 개입하여 다시 토론하여 합의점을 찾도록 한다. 연구자들 간의 inter-rater reliability는 Kappa 통계치를 사용하여 측정될 수 있다.

kappa값이 0.4~0.59이면 fair agreement, 0.6~0.74이면 good agreement, 그리고 0.75이상이면 excellent agreement라고 판정하며 공식은 <그림6-6>과 같다.

검색하여 찾을 문헌의 언어제한 문제는 이상과 현실 속에 연구자로 하여금 항상 갈등을 일으키게 하는 부분이다. 언어편향을 줄이기 위해서는 다국적 언어를 포함하여야하나 영어나, 한국어 외 다른 언어로 된 문헌들에 대해서는 일반적인 경우 독해에 문제가 있고 일부 국가의 임상연구문헌의 경우 그 수준에 있어서 신뢰성이 떨어지는 문제들도 실제로 존재하므로 연구자들은 현실적인 문제에 종종 직면하게 된다.

원칙적으로 말하면 보고자 하는 치료나 진단법이 좋은 결과를 보고한 연구가 영어로 된 학술지에 실릴 가능성이 더 있으므로 영어에 검색을 제한한다면 이로 인한 치우침이 발생할 수도 있다. 따라서 다국적 언어를 포함하여 문헌 검색과 포함배제 과정이 이루어 질 필요가 있는데 이를 위해서는 남다른 노력이 필요하다. 외국의 연구자와 공동 연구를 수행한다든지 언어능력이 있는 사람들을 연구자에 포함하는 노력, 때론 번역을 의뢰하는 방법도 있지만 후자의 경우 의학 분야에 익숙한 번역자를 찾기가 쉽지 않으므로 현실적이지 못할 때가 있다. Cochrane Review 그룹과 같이 국제 협력 연구를 수행할 경우 이러한 문제를 다루기에 다소 쉬어질 수 있다.