간호연구에서 기술통계를 활용한 자료 분석 시 중심경향치에 대한 설명으로 가장 적절한 것은?

우측으로 치우친 분포에서는 극값이 평균을 끌어올리므로 중앙값이 평균보다 작게 나타나며, 중앙값이 더 적절한 중심경향치가 된다.

기술통계에서 중심경향치는 자료의 중심적 위치를 나타내는 대표값으로, 평균(mean), 중앙값(median), 최빈값(mode)이 있다. 각각의 특성과 적절한 사용 조건을 이해하는 것이 간호연구에서 매우 중요하다.

평균은 모든 관측값의 합을 관측값의 개수로 나눈 값으로, 극값(outlier)의 영향을 크게 받는다. 특히 우측으로 치우친 분포(positive skew)에서는 높은 극값들이 평균을 실제 중심보다 높게 끌어올린다. 반면 중앙값은 자료를 크기 순으로 배열했을 때 가운데 위치하는 값으로, 극값의 영향을 받지 않아 치우친 분포에서 더 안정적인 중심경향치가 된다.

제시된 사례에서 평균(130mmHg)이 중앙값(125mmHg)보다 큰 것은 우측으로 치우친 분포의 전형적인 특징이다. 이는 일부 환자들의 매우 높은 혈압값들이 평균을 끌어올렸기 때문이다. 이런 경우 중앙값이 환자군의 전반적인 혈압 수준을 더 정확히 대표한다.

간호연구에서 생체징후, 통증점수, 만족도 등의 데이터는 종종 치우친 분포를 보이므로, 분포의 형태를 먼저 확인하고 적절한 중심경향치를 선택해야 한다. 정규분포에서는 평균, 중앙값, 최빈값이 모두 같지만, 치우친 분포에서는 서로 다른 값을 가지며 각각의 의미가 달라진다.

임상에서 혈압 관리 프로토콜을 개발할 때, 평균값만 고려하면 실제보다 높은 기준을 설정할 위험이 있으므로 중앙값을 함께 고려하여 보다 현실적인 기준을 마련할 수 있다.

간호연구에서 기술통계 분석은 수집된 자료의 특성을 파악하는 첫 번째 단계이다. 예를 들어, 당뇨병 환자의 혈당 관리 연구에서 공복혈당 데이터를 분석할 때, 일부 환자들의 매우 높은 혈당값으로 인해 분포가 우측으로 치우칠 수 있다.

이런 상황에서 평균만으로 환자군의 혈당 상태를 평가하면 실제보다 과대평가될 위험이 있다. 따라서 중앙값을 함께 제시하여 보다 정확한 해석을 제공해야 한다. 또한 히스토그램이나 상자그림을 통해 분포의 형태를 시각적으로 확인하는 것이 중요하다.

간호 실무에서도 환자 평가 도구의 점수 분포, 재원기간, 간호중재 효과 측정 등에서 치우친 분포가 자주 나타나므로, 적절한 중심경향치 선택이 환자 관리와 간호 계획 수립에 직접적인 영향을 미친다.