작업치료 핵심 해설
이 문제는 통계학(Statistics)의 두 가지 주요 분야를 구분하는 기본 개념을 묻고 있어요. 작업치료사가 연구 논문을 읽거나, 임상 데이터를 분석하여 근거 중심 실천(EBP, Evidence-Based Practice)을 할 때, 통계적 개념을 이해하는 것은 매우 중요해요.
핵심 개념 분석 (Key Concept)
통계학은 크게 기술통계학(Descriptive Statistics)과 추론통계학(Inferential Statistics)으로 나뉘어요. 핵심! 기술통계학은 수집된 데이터(표본) 자체의 특성을 요약하고 기술하는 데 초점을 맞춰요. 예를 들어, 환자 50명의 평균 재활 기간, 점수의 표준편차, 그래프를 그리는 것이 여기에 해당해요. 반면, 추론통계학은 표본에서 얻은 정보(통계량)를 바탕으로, 그 표본이 추출된 전체 모집단의 특성을 추론(추정)하고, 연구 가설을 검정하는 데 사용돼요.
정답 근거 (Answer Rationale)
문제에서 "표본을 추출하여 얻은 통계량을 바탕으로 전체 모집단의 특성이 어떠할지 추측하고 가설을 검정하는 분야"라고 명시했어요. 이 정의는 추론통계학의 핵심 목적과 정확히 일치해요. 예를 들어, '작업치료 중재 A가 중재 B보다 팔 기능 향상에 더 효과적이다'는 가설을 t-검정이나 ANOVA(분산분석) 같은 추론통계 방법으로 검증하는 것이 바로 추론통계학의 적용이에요.
오답 분석 (Distractor Analysis)혼동 주의! ①, ③, ④번의 '기술통계학'은 데이터를 요약하고 설명하는 데 그치는 분야예요. 평균, 중앙값, 최빈값, 범위, 표준편차, 히스토그램 등을 계산하고 표시하는 것이 전부이며, 모집단에 대한 추론이나 가설 검정을 수행하지 않아요. ⑤번 '인구동태통계학'은 통계학의 응용 분야 중 하나로, 출생, 사망, 이동 등 인구 변동을 연구하는 특화된 분야지만, 문제에서 묻는 광범위한 통계학 분류에는 해당하지 않아요.
연관 개념 정리 (Related Concepts)
작업치료 연구나 임상에서 자주 접하는 통계 개념들을 알아두면 좋아요.
- **모수(Parameter) vs 통계량(Statistic)**: 모수는 모집단의 특성값(예: 모든 뇌졸중 환자의 평균 재활 기간), 통계량은 표본의 특성값(예: 조사한 100명 뇌졸중 환자의 평균 재활 기간)이에요. 추론통계학은 통계량으로 모수를 추정해요.
- **가설 검정(Hypothesis Testing)**: 귀무가설(Null hypothesis, H0)과 대립가설(Alternative hypothesis, H1)을 설정하고, 표본 데이터를 통해 귀무가설을 기각할지 말지를 통계적으로 결정하는 과정이에요.
- **유의수준(Significance Level, α)**: 일반적으로 0.05(5%)를 사용하며, 이는 귀무가설이 사실인데도 잘못 기각할 확률(제1종 오류)의 허용 한계를 의미해요.
개념 정리
분야
목적
주요 방법/개념
작업치료 예시
기술통계학
수집된 데이터를 요약, 정리, 시각화하여 기술
평균, 표준편차, 백분위수, 그래프(히스토그램, 막대그래프)
클라이언트 30명의 MMT 점수 분포를 히스토그램으로 보기
추론통계학
표본 데이터로 모집단 특성 추론, 가설 검정
t-검정, 카이제곱검정, ANOVA, 상관분석, 회귀분석, 신뢰구간
두 가지 중재법의 효과 차이가 통계적으로 유의한지 t-검정으로 확인
한눈에 비교!
비교 항목
기술통계학
추론통계학
초점
데이터 자체의 모습
데이터 너머의 모집단
질문
"이 데이터는 어떻게 생겼나?"
"이 데이터로 볼 때, 모집단은 어떨까? 두 집단에 차이가 있을까?"
결과
요약 수치, 차트
p-값, 신뢰구간, 효과 크기
의미
현상 기술
원인 추론 및 일반화
암기 팁
- **기술(Descriptive)**: 데이터를 '기술(묘사)'한다. 그림을 그리거나 숫자로 요약한다.
- **추론(Inferential)**: 표본으로부터 '추론'한다. 표본의 작은 정보로 큰 그림(모집단)을 유추한다.
- **연상법**: "기술(技)은 여기까지, 추론(推)은 저 멀리까지" → 기술통계는 주어진 데이터 내에서, 추론통계는 데이터를 넘어 미지의 모집단까지 미룬다(推).
국시 빈출 포인트
통계학 기본 분류는 직접적인 지식 문제로 출제되거나, 연구방법론이나 근거 중심 실천(EBP) 관련 지문에서 배경지식으로 활용돼요. "가설 검정", "유의수준", "표본 오차" 같은 용어가 등장할 때, 이들이 모두 추론통계학의 영역에 속한다는 걸 떠올리면 문제 해결에 도움이 돼요.
기출 변형 주의!
- **변형 1**: "클라이언트 집단의 평균 연령과 표준편차를 계산하는 것은 어떤 통계학에 해당하는가?" → 기술통계학
- **변형 2**: "새로운 중재법이 기존 중재법보다 효과가 있다는 결론을 내리기 위해 t-검정을 실시하였다. 이때 사용된 통계학 분야는?" → 추론통계학
작업치료 임상 실무 가이드임상 시나리오 (Clinical Scenario)
"당신은 재활병원에서 근무하며, 뇌졸중 후 팔 마비 환자를 위한 새로운 가상현실(VR) 기반 중재 프로그램의 효과를 검증하는 연구에 참여하고 있어요. 6주간의 중재 후, 실험군(VR 중재)과 대조군(전통적 중재)의 Fugl-Meyer Assessment(FMA) 팔 점수 변화를 비교해야 해요. 단순히 두 그룹의 평균 점수 증가량을 나열하는 것만으로는 '어느 중재가 더 효과적이다'고 결론내릴 수 없어요."
작업치료 중재 전략 (OT Intervention)핵심! 이때 필요한 것이 바로 추론통계학이에요. 평가(평균 점수 계산)는 기술통계학의 영역이지만, 두 집단 평균의 차이가 우연히 발생한 것인지, 실제로 중재 효과의 차이로 인한 것인지를 판단하려면 통계적 검정이 필요해요.
3치료 중재(Intervention) & 분석독립표본 t-검정(Independent t-test) 같은 추론통계학 방법을 적용해요. 분석 결과 p-값이 0.05 미만이라면, 통계적으로 유의한 차이가 있다고 해석하여 VR 중재의 효과를 지지하는 근거(Evidence)로 삼을 수 있어요.
4재평가(Reassessment)이 통계적 근거를 바탕으로 향후 임상 실무에 VR 중재를 도입할지 여부를 합리적으로 결정할 수 있어요.
환자 안전 및 주의사항 (Precautions)
통계 결과를 해석할 때는 맹목적으로 p-값만 믿어서는 안 돼요. 혼동 주의! '통계적 유의성(Statistical significance)'과 '임상적 유의성(Clinical significance)'은 다를 수 있어요. 점수 차이가 통계적으로는 유의하더라도, 그 차이가 실제 환자의 일상생활활동(ADL) 수행에 의미 있는 변화를 가져오지 못할 수 있어요. 항상 통계 수치와 함께 환자의 기능적 변화, 만족도, 삶의 질(QOL) 향상 등 종합적인 임상적 판단이 필요해요.
치료 프로토콜근거 중심 실천(EBP)을 위한 통계 활용 단계
1. **의문 형성(PICO)**: Population(대상), Intervention(중재), Comparison(비교), Outcome(결과)를 명확히 해요.
2. **문헌 검색**: 관련 연구 논문을 찾아요.
3. **근거 비평(Critical Appraisal)**: 찾은 논문의 방법론(연구 설계, 표본 크기)과 통계 분석(추론통계 방법의 적절성, p-값, 효과 크기)이 타당한지 평가해요.
4. **임상 적용**: 비평 결과와 자신의 임상 전문지식을 결합해 결정해요.
5. **성과 평가**: 적용 결과를 다시 평가해요.
선배 작업치료사의 한마디
"통계학이 어렵게 느껴질 수 있지만, 작업치료사에게는 '클라이언트에게 정말 도움이 되는 치료법은 무엇인가'를 객관적으로 알아내기 위한 필수 도구예요. 기술통계로 현상을 파악하고, 추론통계로 그 의미를 탐구하는 과정 자체가 바로 근거 중심 실천(EBP)의 핵심이에요. 국시에서도 기본 개념을 잘 구분해두면, 연구방법론 문제를 푸는 데 큰 자신감이 생길 거예요!"