심화 해설
Case Analysis
이 문제는 유병률(Prevalence), 민감도(Sensitivity), 특이도(Specificity)를 알고 있을 때, 검사 결과의 예측치를 계산하는 역학적 문제입니다. 환자군이 아니라 집단을 대상으로 한 선별검사(Screening Test)의 성적 평가에 해당합니다.
1. 집단 구성: 총 1000명, 유병률 10%이므로, 실제 환자(Disease Positive)는 1000 * 0.1 = 100명입니다. 실제 비환자(Disease Negative)는 1000 - 100 = 900명입니다.
2. 특이도(Specificity)의 적용: 특이도 80%는 '실제 비환자 중 검사가 음성으로 나올 확률'입니다. 따라서, 실제 비환자 중 검사가 양성으로 나올 확률, 즉 위양성률(False Positive Rate)은 1 - 특이도 = 1 - 0.8 = 0.2 (20%)입니다.
3. 위양성자 수 계산: 위양성자 수 = 실제 비환자 수 × 위양성률 = 900명 × 0.2 = 180명입니다. 민감도는 위양성 계산과 무관합니다.
Prof's Note
선별검사 결과 해석의 핵심은 2x2 표(Contingency Table)를 그리는 것입니다. 유병률(Prevalence)은 표의 '기준'을 정해주고, 민감도/특이도는 각 칸을 채우는 '비율'을 제공합니다. 위양성(False Positive)은 '실제는 없는데(Disease -) 검사는 양성(Test +)'인 칸입니다. 계산이 헷갈린다면, 항상 표를 그려 숫자를 채워보는 습관이 임상 역학(Clinical Epidemiology) 이해에 도움이 됩니다.
임상 시나리오
Management
이 문제는 환자 관리가 아닌, 검사 성적 해석 및 역학 개념에 관한 것입니다. 선별검사의 위양성 결과는 불필요한 추가 검사, 불안, 비용 증가를 초래합니다. 따라서 특이도가 낮은 검사는 선별검사로 부적합할 수 있습니다. 양성 예측도(Positive Predictive Value, PPV)를 높이기 위해서는 고위험군(High-risk Group)을 대상으로 검사를 시행해야 합니다. 이는 베이즈 정리(Bayes' Theorem)에 따라 사전 확률(Pre-test Probability, 즉 유병률)이 높을수록 양성 예측도가 증가하기 때문입니다.
Critical Warning
민감도(Sensitivity)와 특이도(Specificity)는 검사 자체의 고유 특성으로, 유병률이 바뀌어도 변하지 않습니다. 반면, 양성 예측도(Positive Predictive Value)와 음성 예측도(Negative Predictive Value)는 유병률에 크게 의존합니다. 같은 검사라도 일반 인구집단(저유병률)에서의 위양성 문제는 고위험군(고유병률)에서보다 훨씬 심각합니다. 이를 혼동하여 검사 결과를 맹신하는 것은 치명적 오해로 이어질 수 있습니다.
학습 참고용입니다. 실제 임상은 최신 지침과 소속 기관 프로토콜을 따르세요.