1. 화병 현황

화병은 한국인만의 문화관련증후군으로 미국 정신의학협회 정신장애 진단 및 통계 편람(Diagnostic and Statistical Manual of Mental Disorders-IV, DSM-IV)에 포함된 바 있지만, 2013년도 개정된 DSM-Ⅴ에서는 정식 진단명으로 인정되지 않고 삭제된 바 있다. 한국문화에서 나타나는 화병의 증상들은 타 문화권에서도 발견되는 증상들과 유사한 것으로 밝혀졌기 때문이다. 화병은 어디에나 있는 것으로 받아들여지고 있고, 한국의 독특한 화병으로 존재하기보다는 화병의 원인이 되는 한국의 상황이 특유하다고 본다(최보문, 2014, p.64). 화병은 DSM-V에서 삭제되었지만, 한국표준질병사인분류에서는 여전히 U22.2(한방)으로 분류되어 있다. 건강보험심사평가원(2021)에 따르면 화병으로 인해 한방병원을 찾아 치료를 받은 환자는 2015년에 12,592명이었는데 2019년에는 14,064명으로 점차적으로 증가하는 경향이 있다. 특히 화병으로 한방병원을 찾은 20대 환자 수는 2015년 856명에서 2019년 1,447명으로 2배 가까이 증가했고, 30대의 경우도 2015년 1,293명에서 2019년 1,895명으로 약 1.5배 증가하였다.

화병은 개인이 경험하는 스트레스와 밀접한 관련을 가진다. 이로 인해 화병을 심한 스트레스에 대한 반응 및 적응장애(F43)라고 구분하기도 하기에, 이를 기반으로 의료통계정보를 살펴보면, 화병 환자 수는 크게 증가한다. 이에 해당하는 환자 수는 113,703명이었고 점차적으로 증가하여 2019년에는 162,630명으로 5년 사이 43%가 증가하였으며, 20대 환자의 경우는 77%가 증가하여 가장 많이 늘어났다(건강보험심사평가원, 2021). 화병으로 인해 한방 병원을 찾은 사람들과 심한 스트레스에 대한 반응 및 적응장애로 인해 정신과 병원을 찾은 사람들의 통계정보를 바탕으로 화병을 경험하는 사람들의 집단이 더 다양해짐을 알 수 있다. 여전히 남성보다는 여성에서, 청년층보다는 중장년층에서 더 빈번하게 화병이 나타나지만, 최근 5년간의 경향성을 통해 점차적으로 남성과 청년층 집단에서도 화병의 비율이 높아지고 있는 것을 알 수 있다(건강보험심사평가원, 2021). 비록 화병이 한국 특유의 문화관련증후군으로 더 이상 구분이 되지는 않더라도 화병을 경험하고 있는 사람들이 증가하고 있으며, 주로 경험하던 인구집단을 넘어서 더 다양한 인구집단이 화병을 경험하는 경향성이 나타나고 있다.

2. 화병 관련 요인

본 연구에서는 한국사회에서 무엇이 사람들을 ‘화’나게 하는가? 라는 질문에 대한 답을 찾기 위하여 화병에 관한 기존 선행연구들을 토대로 화병의 관련 요인들을 개인, 가족관계, 사회관계 그리고 사회문화 요인들의 네 가지 차원으로 분류해서 살펴보았다.

1. 연구의 설계 및 선정과정

본 연구는 메타분석을 실시하여 화병의 다양한 관련 요인과 증상 사이의 상관관계 효과크기를 분석하기 위하여 국내에 거주하는 한국인을 대상으로 화병의 증상과 화병에 영향을 미치는 요인들의 상관관계에 대해 피어슨 상관계수를 제시한 2000년 이후 출간된 논문(포스터 발표 초록 형태 제외)들을 연구대상으로 하였다. 메타분석을 위한 연구대상의 선정을 위해서 PRISMA(Preferred Reporting Items for Systematic Reviews and Meta-Analysis) 지침을 적용하였다. PRISMA는 크게 4단계를 거치는데 검색(Identification), 선별(Screening), 선정(Eligibility), 그리고 마지막으로 포함(Inclusion)단계이다. 검색을 위해서 국문검색어로 ‘화병’을 사용하였고, 영문검색어로 ‘hwabyung’ OR ‘hwa-byung’을 사용하였으며, 국내외 데이터베이스 검색은 최신 자료의 업데이트를 위하여 9월부터 12월까지 진행하였다. 검색에 활용한 데이터베이스는 Korea Citation Index(207편), KiSS(289편), DBPIA(275편), KERIS Theses & Dissertations(236편), 스콜라(230편), eArticle(123편), CINAHL(38편), Medline(54편), Embase(65편)로 화병과 관련해서 총 1,517편이 검색되었다. Mendeley 프로그램을 활용하여 각각의 데이터베이스에서 검색된 논문들을 추출하여 모두 한 폴더에 통합한 후 분류, 중복삭제기능 등을 통해 분석대상논문의 추출과정을 진행하였다. 선별 단계에서는 여러 데이터베이스에 중복된 자료 665편을 삭제하여 나머지 852편을 선별하였다. 그리고 연구의 범위를 2000년대 이후로 설정하였기 때문에 2000년대 이전에 출간된 자료 127편을 제외하고 2000년대 이후 출간된 자료 725편을 선택하였다. 제목과 초록 검토를 통해 화병이 전혀 언급되지 않거나, 있어도 화병과 관련이 없는 연구 422편을 제외하였다. 가령, 청나라 ‘화병’ 도자 기형에 대한 연구처럼 내용상 전혀 관련 없는 연구들은 제외되었다. 선정 단계에서는 제목에 화병이 있고 화병 주제를 다루고 있는 연구들 총 303편 가운데 화병의 관련 요인과 증상에 대한 변수들을 포함하고 있지 않은 연구 227편을 제외하였다. 화병의 관련 요인들과 증상 간의 관계에 대한 실증자료인 피어슨 상관계수를 포함하고 있지 않는 연구 42편과 연구대상이 Korean Americans 등 이민자인 6편, 포스터 발표 초록 형태인 연구 결과물 3편도 제외하였다. 이상의 과정을 걸쳐 본 연구의 메타분석대상으로 포함된 연구는 총 25편이었다(그림 1). 메타분석을 위한 문헌검색부터 최종 선택 과정은 PRISMA의 4단계를 공동연구자 2인이 각각 진행하여 그 결과를 비교한 후 충분한 논의를 통해 최종적으로 총 25편의 논문을 선정하였다. 최종적으로 선택된 논문들에서는 화병 관련 요인들과 화병의 상관관계를 나타내는 피어슨 상관계수를 모두 추출하였고, 각각의 논문에서 연구대상의 표본크기, 성별, 연령대의 정보를 추출하였다. 하나의 논문에 화병과 관련된 개인, 가족관계, 사회관계 그리고 사회문화 요인들과 화병증상과의 관계가 복수로 포함되어 있고, 각각에 대한 상관계수가 따로 제시되어있어 이를 다중 결과로 입력한 결과 실제 분석에서는 총 25편 논문의 143개 상관계수 데이터가 최종분석에 활용되었다. 또한 화병 요인들과 증상 간의 부적 그리고 정적 상관관계를 명확히 분석하기 위하여 부적 상관계수 50개와 정적 상관계수 93개로 분류하여 활용하였다. 본 연구는 화병증상과 관련된 다양한 요인들을 최대한 포함하여 메타분석을 실시함으로써 기존 메타연구에서 보지 못했던 최신의 화병 관련 요인들에 대한 기초자료를 종합적으로 제공하고자 하였다.

새창으로 보기

그림 1.

메타분석을 위한 문헌 선별과정 흐름도(Flow chart)

2. 데이터 분석 방법

본 연구는 화병의 관련 요인들과 증상 간의 상관관계를 종합적으로 살펴보기 위하여 메타분석을 실시하였다. 메타분석은 동일한 주제에 대한 기존의 선행연구들의 연구 결과들을 체계적이고 계량적으로 종합하여 분석하는 방법(황성동, 2015)으로, 본 연구에서는 R studio 소프트웨어를 사용하여 화병의 다양한 관련 요인들과 증상 간의 관계를 다루고 있는 선행연구들을 개별적인 효과크기와 전체 연구들의 평균적인 효과크기에 대한 통계적 유의도를 검증하였다. 다음으로 화병의 관련 요인들과 증상 간의 상관관계에 대한 평균 효과크기가 각 연구의 설계, 표본, 개입 방법 등이 다양한 점을 고려하여 고정효과(fixed effect)가 아닌 무선효과(random effect) 모형을 적용하여 결과를 산출하였다. 무선효과 모형에 기초하여 화병의 관련 요인들과 증상과의 상관관계를 기존의 연구들에 근거하여 개인, 가족관계, 사회관계, 그리고 사회문화 요인들로 분류하여 각각의 효과크기를 살펴보았다. 효과크기의 이질성(heterogeneity)에 대한 검증은 표집오차 분산과 연구간 분산 모두를 포함하는 Q값, 실제 연구간 분산을 나타내는 T²값, 그리고 전체 분산 중 실제 분산의 비율을 나타내는 I²를 통해서 살펴보았다. 추가적으로 연구들 간 효과크기의 이질성 관련 요인을 분석하기 위하여 화병의 다양한 관련 요인들과 증상과의 상관관계를 성별, 연령집단 별, 화병 관련 요인유형별로 분류하여 메타ANOVA를 통한 조절효과분석을 실시하였다. 마지막으로 본 연구에 포함된 선행연구들의 출판편향(publication bias)을 검증하기 위해서 Funnel plot과 Egger의 회귀분석을 실시하였다.

1. 연구대상의 특성

본 연구에 사용된 연구는 총 25편이고 하나의 논문에 화병의 관련 요인들과 화병증상과의 상관관계(r) 143개를 메타분석에 활용하였다. 아래 <표 1>에는 가장 최신 연구인 장은경, 천성문, 박성현(2020)부터 가장 오래된 김지영(2004) 연구의 순서로 제시하였다. 연구에 포함된 논문들의 표본 수에는 상당한 차이가 있는데 가장 적은 표본수를 사용한 연구는 권호인, 김종우, 권정혜(2012)와 Kim, Kim & Nam(2019)으로 150명이었고, 가장 많은 표본 수는 일란성(880명)과 이란성 쌍둥이(596명)를 포함하여 총 1,476명을 사용한 허윤미(2020)의 연구로 나타났다.

성별은 남성의 화병을 다룬 연구들이 전체 25편 가운데 3편이고, 여성의 화병을 다룬 연구들은 14편, 그리고 남성과 여성 모두를 포함하여 화병을 다룬 연구들이 나머지 8편으로 나타났다. 2000년대 이후에도 과반수의 연구들이 여성들의 화병을 다루고 있다는 것을 알 수 있고, 남성만을 대상으로 하진 않지만 한 연구에서 남성과 여성의 화병을 비교해서 다루는 연구들이 많아지고 있다는 것을 알 수 있다. 연구에 포함된 연령집단의 구성 역시 40에서 60대 사이의 중년뿐만 아니라 10대부터 30대까지의 대상자를 포함한 연구들이 전체 25편 가운데 17편으로 많이 나타났다.

화병의 관련 요인은 크게 개인, 가족관계, 사회관계, 그리고 사회문화 요인들로 분류되는데 우선, 개인 요인은 화병성격, 자존감, 분노반추, 자기비난, 건강증진행위, 자아분화, 내외통제성, 스트레스 대처, 정서표현 등 개인의 기질적 요인과 정서인식 및 표현방식, 스트레스에 대한 대처방식 등의 내용을 포함하고 있다. 전체 25편 가운데 5편을 제외하고 대다수의 연구들이 위에서 언급한 개인적 화병 관련 요인들을 포함하고 있는 것으로 나타났다. 다음으로 가족관계 요인은 부부관계, 결혼만족도, 양육방식, 고부갈등, 가사분담, 양육스트레스 등 부부, 자식, 부모 등 가족구성원과의 관계에 대한 내용으로 전체 25편 가운데 14편에서 다루고 있다. 사회관계 요인은 직무스트레스, 대인관계, 직무갈등, 사회적지지 등 가족 이외의 사람들과의 관계에 초점을 두고 있는데 전체 25편 가운데 3편 정도에서 다루고 있었다. 마지막으로 사회문화 요인들은 기본적인 개인의 인식에 바탕을 두지만, 우리나라의 사회문화적 상황에 대한 인식으로 앞서 언급한 개인적 요인과는 구별해서 살펴볼 수 있다. 가령, 여성역할에 대한 태도, 성차별 경험, 정당한 세상에 대한 믿음, 공정성 등 성역할과 공정성이라는 사회문화적 상황에 대한 인식을 포함하고 있으며 전체 25편 중 8편에서 다루고 있다. 화병의 증상들과 관련해서는 대부분의 연구들(20편)이 권정혜 외(2008)의 화병척도를 활용하여 측정하였다. 권정혜 외(2008)의 화병척도를 활용한 대부분은 화병의 신체증상에 대한 6문항과 정서증상에 대한 9문항을 합쳐서 총 15문항으로 점수가 높을수록 화병증상을 더 많이 경험하는 것으로 측정되었다. 이선숙(2017)과 김재현(2010)은 김종우 외(2004)의 화병면담검사 등을 활용하여 화병증상을 측정하였다. 총 25편 중에 박경(2013), 구본진(2013), 김지영(2004)은 민성길(1989)이 개발한 38문항 척도의 전체 문항을 사용하거나, 일부 하위 척도만을 선택하여 사용하였다. 민성길(1989)의 화병 진단 척도는 전체 38문항으로, 병력 척도, 정신증상 척도, 신체증상 척도, 진단규준척도로 구성된 것으로 점수가 높을수록 화병 증상 정도가 심한 것을 의미한다. 분석대상에 포함된 연구는 모두 양적연구 방법으로 수행되었다.

2. 화병 관련 요인들과 증상간의 효과크기

본 연구의 분석대상 논문 25편에서 제시한 화병의 관련 요인들과 증상에 대한 모든 상관관계 값을 단일연구 결과 내 다중 결과로 입력하여 총 143개의 상관관계 데이터가 최종 분석에 활용되었다. 우선 화병의 관련 요인들과 증상 사이의 상관관계에 대한 평균효과 크기를 살펴보면 .14로 신뢰구간 하한선 .07에서 상한선 0.20로 0을 포함하지 않아 유의수준 p<.001에서 통계적으로 유의미한 것으로 나타났다. 총 143개의 상관관계 데이터에는 정적관계와 부적관계 모두가 포함되어 있기 때문에 동시에 분석하는 경우 서로 상쇄되어 평균 효과크기가 과소 추정될 가능성이 있다. 따라서 좀 더 정확한 효과크기를 살펴보기 위해서 화병증상과 부적인 관계(-)를 나타내는 요인들과 정적인 관계(+)를 나타내는 요인들로 분류하여 효과크기를 살펴볼 필요가 있다.

우선 화병 관련 요인들 중 화병증상과 부적인 관계를 나타내는 연구는 총 18편으로 50개의 부적 상관계수를 포함하고 있다. 이들의 전체적인 평균효과 크기를 살펴보면 -0.33으로 신뢰구간 하한선 -0.39에서 상한선 -0.27로 0을 포함하고 있지 않아서 유의수준 p<.001에서 통계적으로 유의미한 것으로 나타났다. Cohen(1992)의 효과크기 기준에서는 r=.30를 중간효과로, r이 .50보다 큰 경우에는 큰 효과를 나타낸다고 설명하는데, 본 연구에서 부적 상관관계의 평균효과크기는 절댓값을 기준으로 봤을 때 중간 이상의 효과크기를 보여주고 있음을 알 수 있다.

다음으로 화병 요인들과 정적인 관계를 나타내는 연구는 총 21편으로 93개의 정적 상관계수를 포함하고 있다. 이들의 전체적인 평균효과 크기를 살펴보면 0.39로 신뢰구간 하한선 0.35에서 상한선 0.43으로 0을 포함하고 있지 않아서 유의수준 p<.001에서 통계적으로 유의미한 것으로 나타났다. 이 기준에 따르면 본 연구에서 정적 상관관계의 평균효과크기는 중간 이상의 효과크기를 보여주고 있음을 알 수 있다.

<표 2>는 분석대상 논문에서 추출한 화병증상과 화병 관련 요인들과의 피어슨 상관계수를 요인 유형에 따라 부적 요인과 정적 요인으로 구분하여 각각의 효과크기를 보여준다. 상관관계는 부적(-) 혹은 정적(+)인 값으로 표현되고 있는데 부적인 값은 화병증상을 감소시키는 요인들과의 관계이고, 정적인 값은 화병증상을 증가시키는 요인들과의 관계를 나타낸다. 개인 요인 중에서는 우울, 자아탄력성, 심리적 유연성, 수용, 자아존중감 등의 순으로 화병과 연관성이 높은 것으로 나타났다. 가족관계 요인에서는 발달장애자녀 양육스트레스, 이혼의도, 가족관계 스트레스 등 전반적으로 정적 요인들이 상관계수가 크게 나타났다. 사회관계 요인 중에서는 대인관계, 직무스트레스가 주요한 관계 요인으로 나타났으며, 사회문화 요인은 부당함, 정당한 세상 믿음, 성역할 고정관념, 공정성 등의 순으로 화병과 연관성이 높은 것으로 나타났다.

3. 효과크기의 이질성

메타분석에 포함된 연구들의 효과크기의 이질성(heterogeneity) 검증은 표집오차 분산과 연구간 분산 모두를 포함하는 Q값의 통계적 유의도 검증과 실제 연구간 분산을 나타내는 Tau-squared (T²) 값, 그리고 전체 분산 중 실제 분산의 비율(I²)을 통해서 살펴보았다. 우선 Q값은 8000.23(df=142, p<.001)로 통계적으로 유의미하게 나타났다. 하지만 Q값은 메타분석에 사용된 연구의 수에 민감하게 반응하기 때문에 실제 분산(T²) 및 실제 분산의 비율(I²)을 살펴볼 필요가 있다. 실제 분산값은 0.18로 나타났고, 실제 분산 비율은 98.2%로 상당히 높게 나타났다. 실제 분산비율의 경우, 25%를 작은 크기의 이질성, 50%를 중간 크기의 이질성, 75%를 큰 크기의 이질성(황성동, 2015)으로 구분하는데, 본 연구에서의 실제 분산 비율은 98.2%로 매우 큰 크기의 이질성을 보여준다는 것을 알 수 있다. 이질성 검증 역시 화병 관련 요인들과 증상 간의 부적 그리고 정적 상관관계로 구분하여 살펴보면 우선, 화병증상과 부적 상관관계를 보여주는 요인들을 포함한 연구들의 효과크기의 이질성은 Q값이 919.71(df=49, p<.001)로 통계적으로 유의미하게 나타났고, 실제 분산의 비율(I²) 역시 94.7%로 매우 높은 이질성을 보여주는 것으로 나타났다. 다음으로 화병증상과 정적 상관관계를 보여주는 요인들을 포함한 연구들의 효과크기의 이질성 역시 Q값은 1208.74(df=92, p<.001)로 통계적으로 유의미하게 나타났고, 실제 분산의 비율(I²) 역시 92.4%로 매우 높은 이질성을 보여주는 것으로 나타났다.

4. 조절효과 분석

연구 간 효과크기의 차이가 유의미할 때, 효과크기의 이질성에 대한 탐색적 설명을 위하여 조절효과분석(Moderator analysis)이 실시된다. 본 연구에서는 연구 간 효과크기의 이질성이 화병 요인 유형별, 성별, 그리고 연령별로 차이가 있는지를 메타ANOVA를 통해서 살펴보았다.

우선 화병의 요인들을 개인, 가족관계, 사회관계, 사회문화의 4가지 측면으로 분류하여 각각의 효과크기를 살펴보면 다음과 같다. 화병 요인 유형과 증상 간의 부적(-)인 관계를 나타내는 연구들의 효과크기를 비교해보면 가족관계 요인(r=-0.373)이 가장 큰 효과크기를 보여주고 다음으로 개인적 요인(r=-0.346), 그리고 사회문화적 요인(r=-0.233)으로 나타났다. 모든 효과크기는 95% 신뢰구간에 0을 포함하고 있지 않아 통계적으로 유의한 것으로 나타났다. 사회관계 요인들과 화병증상 간의 부적관계를 보여준 연구는 없었기 때문에 아래 표에는 빈칸으로 표시되었다.

다음으로 화병 요인과 증상 간의 정적(+)관계를 분석한 결과 역시 가족관계 요인(r=0.422)이 가장 큰 효과크기를 보여주었고, 사회문화(r=0.380), 사회관계(r=0.364), 그리고 개인 요인(r=0.361)의 순으로 효과크기가 나타났다. 모든 효과크기는 95% 신뢰구간에 0을 포함하지 않아 통계적으로 유의미하였다. 하지만 메타ANOVA 분석 결과 화병증상과의 부적 그리고 정적인 상관관계에서 화병 관련 요인 유형에 따른 조절효과가 없는 것으로 나타났다.

성별에 따른 효과크기의 차이를 살펴보면 화병 관련 요인들과 증상 간의 부적 상관관계 중에서 여성만을 대상으로 한 경우 가장 큰 평균 효과크기(r=-0.349)를 보여주었고, 다음으로 남성만을 대상으로 한 경우(r=-0.325), 그리고 마지막으로 남성과 여성 모두를 포함한 경우가 가장 적은 평균 효과크기를 보여주었다(r=-0.308). 하지만 각 하위집단 간의 연구 간 분산이 동일하다고 가정하고 분석을 실시한 결과 3개 하위집단의 효과크기의 차이는 Q값이 0.38(df=2, p=0.829)로 나타나 통계적으로 유의미하지 않은 것으로 나타나 성별에 따른 조절효과는 없었다. 화병 관련 요인과 증상 간의 정적 상관관계의 경우 남녀 모두를 대상으로 한 연구에서 가장 큰 효과크기(r=0.439)를 보여주었고, 남성만 대상(r=0.426), 그리고 여성만 대상(r=0.287)으로 한 연구 순으로 효과크기가 나타났다. Q값이 13.31(df=2, p=.0013)로 나타나 성별에 따른 조절효과가 있는 것으로 나타났다.

다음으로 연령에 따른 효과크기의 차이를 살펴보면 특정 연령대만을 대상으로 한 연구들도 있고 20대 혹은 30대 이상 성인 전반을 대상으로 한 연구들이 같이 포함되어 있음을 알 수 있다. 화병 관련 요인들과 증상 간의 부적인 상관관계들 중에서는 30세에서 60대 미만을 대상으로 한 경우가 가장 큰 효과크기(r=-0.62)를 나타냈다. 다음으로 30세 이상을 대상으로 한 연구(r=-0.56), 40대를 대상으로 한 연구(r=-0.496) 순으로 효과크기가 크게 나타났다. 이외에도 10대를 포함해 60대 이상까지 대다수의 연구들에서 효과크기들이 대부분 유의미하게 나타났다. 화병 관련 요인들과 증상 간의 정적인 상관관계들의 경우 40세에서 60세를 대상으로 한 연구들이 가장 큰 효과크기(r=0.695)를 보여주었고, 다음은 30~60세 미만(r=0.635)과 20~60세 미만(r=0.558)의 순으로 나타났다. 특히 10~20세를 대상으로 한 연구에서도 유의미하게 높은 효과크기(r=0.507)를 보여주었다. 효과크기의 이질성에 대한 연령에 따른 차이는 부적, 정적 상관관계 모두에서 통계적으로 유의미한 조절효과를 보여주었다. 본 연구에서는 연령집단을 임의적으로 분류하지 않고 개별 연구들에서 사용한 연령 분류를 있는 그대로 활용하였다. 그 이유는 아래 표에서 보듯이 각 연구마다 연령집단의 분류가 매우 상이하고 이를 공통으로 묶을 수 있는 기준을 찾기가 어려웠기 때문이다. 가령, 10~20세를 다룬 연구처럼 명확히 연령대가 제한된 경우도 있지만 대부분의 연구들에서 30세 이상 혹은 40세 이상과 같이 특정 연령대로 제한하지 않았다. 따라서 최대한 나이 순서대로 있는 그대로 표기하였고, 부적 혹은 정적 상관관계 값이 포함되지 않는 연령집단의 경우 빈칸으로 표시하였다.

5. 데이터 오류 검증

본 연구에서 포함된 논문들의 출판편향(publication bias)을 검증하기 위해서 Funnel plot과 Egger의 회귀분석이 활용되었다. 우선 Funnel plot을 통해서 살펴본 결과, 가운데 선을 기준으로 좌, 우가 거의 대칭적인 형태를 보여 출판편향의 문제는 없는 것으로 나타났다. 추가적으로 Egger의 회귀분석 결과 t=0.63, df=141, p=0.53로 p값이 통계적으로 유의하지 않아 효과크기와 표본크기 사이의 관계는 유의미하지 않았고, 이는 표본크기가 작은 연구들의 효과크기가 상대적으로 크게 나타날 출판편향 가능성이 없다는 것을 보여준다.

새창으로 보기

그림 2.

출판편향 검증을 위한 Funnel plot