지역사회 주민 전체를 대상으로 고혈압 유병률을 파악하고자 한다. 이 때, 주민 전체 중 성별과 사회경제적 수준의 분포를 모집단과 동일하게 반영하여 500명의 표본을 추출하려 한다. 가장 적절한 표본 추출 방법은?

비례층화추출은 모집단을 특정 특성(성별, SES)으로 나눈 후, 그 비율에 맞춰 각 층에서 무작위 추출하여 모집단의 특성을 가장 잘 대변하는 표본을 얻을 수 있다.

KMLE 핵심 해설 이 문제는 표본 추출 방법 중 모집단의 특정 속성(성별, 사회경제적 수준)을 정확히 반영해야 할 때 사용하는 방법을 묻고 있습니다.

증상 분석 및 진단 (Diagnosis): 문제의 핵심 키워드는 "성별과 사회경제적 수준의 분포를 모집단과 동일하게 반영"입니다. 이는 표본이 모집단의 구조를 정확히 대표하도록 하려는 목적입니다. 따라서, 모집단을 먼저 성별과 사회경제적 수준이라는 층(Stratum)으로 나눈 후, 각 층 내에서 무작위 추출하되, 각 층의 모집단 내 비율에 맞게 표본 수를 할당하는 방법이 필요합니다.

정답 근거 및 기전 (Rationale & Pathophysiology): 핵심! 비례층화추출(Proportional Stratified Sampling)이 정답입니다. 이 방법은 모집단을 몇 개의 동질적인 하위 집단(층)으로 나눈 후, 각 층의 크기(비율)에 따라 표본 수를 배분하고, 각 층 내에서 단순 무작위 추출을 실시합니다. 이렇게 하면 표본이 모집단의 인구학적 구성(성별, 연령, SES 등)을 정확히 반영하게 되어, 추정의 정확도를 높이고 표본 오차를 줄일 수 있습니다. 고혈압 유병률 조사처럼 특성이 결과에 영향을 미칠 수 있는 연구에서 매우 유용합니다.

오답 분석 (Distractor Analysis):
① 감별 포인트! 계통 추출(Systematic Sampling): 모집단의 목록에서 일정한 간격(k)으로 표본을 추출하는 방법입니다. (예: 명부에서 10번째마다 선택) 실행이 간단하지만, 목록에 주기성이 숨어있으면 편향(Bias)이 발생할 수 있습니다. 모집단의 특정 구조를 반영하려는 이 문제의 목적과는 맞지 않습니다.
② 집락 추출(Cluster Sampling): 모집단을 자연적으로 형성된 집락(예: 학교, 동네)으로 나누고, 몇 개의 집락을 무작위로 선택한 후, 선택된 집락 내의 모든 개체를 조사하는 방법입니다. 비용과 시간이 절약되지만, 동일한 집락 내 개체들이 유사할 수 있어 표본의 대표성이 떨어질 수 있습니다. 이 문제는 "주민 전체"를 대상으로 하며, 특정 집락이 아닌 전체 구조를 반영해야 합니다.
③ 단순 무작위 추출(Simple Random Sampling): 모집단의 모든 개체가 동일한 확률로 선택되는 가장 기본적인 방법입니다. 표본의 크기가 충분히 크다면 모집단을 잘 대표할 수 있지만, 우연히 특정 집단(예: 여성만, 또는 고소득층만)이 과다 또는 과소 표집될 위험이 있습니다. 문제에서 강조한 "분포를 동일하게 반영"이라는 조건을 보장하지 못합니다.
⑤ 편의 추출(Convenience Sampling): 연구자가 접근하기 쉬운 개체를 표본으로 선택하는 방법입니다. (예: 길거리 설문) 표본의 대표성이 매우 낮아 과학적 연구에서는 일반적으로 사용되지 않습니다. 고혈압 유병률 조사처럼 정확한 추정이 필요한 공중보건학 연구에서는 절대 적절하지 않습니다.

핵심 알고리즘 표본 추출 방법 선택 가이드
1. 모집단의 특정 속성(층)을 정확히 반영해야 하는가?
- YES → 층화추출(Stratified Sampling) 고려
- NO → 다음 단계로
2. 조사 비용/시간이 제한적이고, 자연스러운 군집(Cluster)이 존재하는가?
- YES → 집락 추출(Cluster Sampling) 고려
- NO → 단순 무작위 추출(Simple Random Sampling) 또는 계통 추출(Systematic Sampling) 고려
3. 표본 목록이 존재하고, 주기성 편향의 위험이 없는가?
- YES → 계통 추출 가능
- NO → 단순 무작위 추출이 기본

감별 진단 table

추출 방법	핵심 원리	장점	단점/주의점	적용 예시
비례층화추출	모집단을 층으로 나누고, 층의 크기에 비례해 표본 추출	대표성 최대화, 층별 비교 가능, 추정 정확도 높음	층 정보 사전 필요, 설계 복잡	성별/연령별 유병률 조사
단순 무작위추출	모든 개체가 동일한 선택 확률	간단, 통계 이론 적용 쉬움	대표성 보장 안됨(우연에 의존), 명단 필요	로또 번호 추첨, 기본적인 실험
계통 추출	첫 표본 무작위 선택 후 고정 간격(k)으로 추출	실행 용이, 표본 분포 균일	목록의 주기성에 따른 편향 가능	병원 환자 차트에서 5번째마다 조사
집락 추출	집락 무작위 선택 → 선택된 집락 내 전수 조사	시간/비용 절감, 대규모 조사에 유리	동일 집락 내 유사성으로 인한 표본 오차 증가	전국 학교 조사 시, 무작위 선정된 몇 개 학교의 모든 학생 조사
편의 추출	접근 용이한 개체 선택	매우 쉬움, 빠름	대표성 매우 낮음, 일반화 불가	예비 조사(Pilot study), 탐색적 연구

KMLE 족보 암기법 "계단 비집 편"으로 주요 방법을 외우세요!
- 계: 계통 추출
- 단: 단순 무작위 추출
- 비: 비례층화추출 (★정답)
- 집: 집락 추출
- 편: 편의 추출 (가장 과학성 낮음)
문제에서 "모집단의 특성(층)을 반영"하면 → "비"(비례층화추출)를 먼저 생각!

최신 가이드라인 변화 공중보건학 및 역학 연구에서 표본의 대표성은 결과 해석의 타당성에 직접적인 영향을 미칩니다. 따라서, 최근에는 온라인 설문 등 편의 표본의 남용에 대한 비판이 많으며, 가능한 한 층화추출이나 적절한 가중치 부여를 통해 표본의 대표성을 높이는 방법이 강조되고 있습니다.

임상 사례 분석 (Case Study) 환자 증례 (연구 설계): 50세 이상 성인을 대상으로 한 지역사회 기반 당뇨병(Diabetes Mellitus) 유병률 조사를 기획 중입니다. 모집단은 해당 지역 주민 등록 데이터베이스에 기반하며, 연령(50-59세, 60-69세, 70세 이상)과 성별 분포를 알고 있습니다.

진단적 접근 (표본 설계 Work-up): 1. 우선순위 1 (층 정의): 모집단을 연령층과 성별의 조합(예: 50-59세 남성, 50-59세 여성 등)으로 층(Stratum)을 구성합니다. 2. 우선순위 2 (표본 크기 할당): 각 층의 모집단 내 비율을 계산합니다. 예를 들어, 50-59세 남성이 전체 모집단의 15%를 차지한다면, 총 표본 1000명 중 150명(1000명 * 0.15)을 해당 층에서 추출할 표본 수로 할당합니다. 이것이 비례층화추출입니다. 3. 우선순위 3 (추출 실행): 각 층별로 할당된 수만큼 단순 무작위 추출 방법으로 개별 대상을 선정합니다.

주의사항 (Contraindications & Warning): - 층화추출을 하려면 반드시 모집단의 층별 크기(프레임) 정보가 사전에 필요합니다. 정보가 없으면 실행 불가능합니다. - 만약 특정 소수 집단(예: 90세 이상)의 유병률도 정확히 알고 싶다면, 비례 할당 시 해당 층의 표본 수가 너무 적어 신뢰할 수 없는 결과가 나올 수 있습니다. 이런 경우 비비례층화추출(Disproportional Stratified Sampling)을 고려하여 소수 집단의 표본 수를 의도적으로 늘릴 수 있습니다.

레지던트 선배의 팁 "표본 추출 방법 문제는 항상 '연구의 목적이 무엇인가?'를 먼저 파악하세요. '전체의 특성을 반영' → 층화추출, '시간/비용 절감' → 집락추출, '가장 기본적' → 단순무작위. '비례'냐 '비비례'냐는 층별로 정확한 추정이 필요한지, 아니면 소수 집단도 충분히 포함시켜야 하는지에 따라 갈립니다. KMLE에서는 '비례층화추출'이 압도적으로 많이 나와요!"