범주형 변수 간 관계 검정은 간호연구에서 매우 중요한 분석 방법 중 하나로, 두 개 이상의 범주형 변수들이 서로 독립적인지 아니면 관련성이 있는지를 통계적으로 검정하는 과정이다.
카이제곱 검정(Chi-square test)은 범주형 변수 간의 관련성을 검정하는 가장 기본적이고 널리 사용되는 비모수 통계 방법이다. 이 검정은 관찰빈도와 기대빈도 간의 차이를 이용하여 두 변수가 독립적인지를 판단한다. 기대빈도는 두 변수가 완전히 독립적이라고 가정했을 때 예상되는 빈도를 의미한다.
제시된 연구 상황에서 성별(남성/여성)과 낙상 발생 여부(발생/미발생)는 모두 명목척도의 범주형 변수이다. 이러한 2×2 분할표 형태의 자료에서 두 변수 간의 관련성을 검정하기 위해서는 카이제곱 검정이 가장 적절하다.
카이제곱 검정의 적용 조건으로는 각 셀의 기대빈도가 5 이상이어야 하며, 관찰값들이 서로 독립적이어야 한다. 만약 기대빈도가 5 미만인 셀이 있다면 Fisher의 정확검정을 사용해야 한다.
간호 실무에서 이러한 분석은 환자 안전 관리, 감염 관리, 간호중재 효과 평가 등 다양한 영역에서 활용된다. 예를 들어, 특정 간호중재의 실시 여부와 환자 결과 간의 관련성, 환자의 특성과 합병증 발생 간의 관련성 등을 파악할 때 필수적으로 사용되는 분석 방법이다.
중환자실에서 근무하는 간호사 김OO는 환자의 연령대(청년/중년/노년)와 인공호흡기 관련 폐렴(VAP) 발생 여부 간의 관련성을 조사하는 연구를 수행하고 있다.
연구 대상은 최근 1년간 중환자실에 입원하여 인공호흡기를 적용받은 환자 300명이며, 연령대별 VAP 발생 현황을 분석하고자 한다. 수집된 자료를 보면 청년층(20-39세) 80명 중 VAP 발생 8명, 중년층(40-64세) 120명 중 VAP 발생 18명, 노년층(65세 이상) 100명 중 VAP 발생 25명으로 나타났다.
이러한 범주형 자료의 분석을 통해 연령대에 따른 VAP 발생률의 차이가 통계적으로 유의한지 확인하고, 이를 바탕으로 연령대별 맞춤형 감염 예방 간호중재를 개발하고자 한다. 카이제곱 검정을 통해 p<0.05 수준에서 통계적 유의성을 검정할 예정이다.
카이제곱 검정(Chi-square test) — 두 개 이상의 범주형 변수 간의 독립성을 검정하는 비모수 통계 방법으로, 관찰빈도와 기대빈도의 차이를 이용하여 변수 간 관련성을 평가한다.
분할표(Contingency table) — 두 개 이상의 범주형 변수의 빈도를 행과 열로 나타낸 표로, 카이제곱 검정의 기본 자료 형태이며 변수 간 관계를 시각적으로 파악할 수 있게 한다.
기대빈도(Expected frequency) — 두 변수가 완전히 독립적이라고 가정했을 때 각 셀에서 예상되는 이론적 빈도로, 카이제곱 통계량 계산의 기준이 된다.
Fisher의 정확검정(Fisher's exact test) — 2×2 분할표에서 기대빈도가 5 미만인 셀이 있을 때 카이제곱 검정 대신 사용하는 정확한 확률 계산 방법이다.
독립성 가정(Independence assumption) — 카이제곱 검정의 기본 가정으로, 관찰된 각 사례들이 서로 독립적이어야 하며 한 사례의 결과가 다른 사례에 영향을 주지 않아야 한다는 조건이다.