통상적인 유의수준을 0.05로 할 때 연구팀이 얻은 통계 결과의 해석으로 가장 올바른 것은?
작업치료실에서 편마비 환자에 대한 새 치료법의 효과를 검증하기 위해 실험군과 대조군을 비교 분석한 결과 유의확률이 0.01로 나타났다.
1새 치료 기법은 기존 치료에 비해 전혀 효과가 없다.
2대조군의 기능이 실험군보다 더 많이 향상되었음을 의미한다.
3두 집단 간의 점수 차이는 단순한 우연에 의해 발생한 것이다.
4실험 설계의 오류로 결과를 신뢰할 수 없다.
5두 집단 간에 통계적으로 유의미한 차이가 있다.✓ 정답
해설
유의확률(0.01)이 유의수준(0.05)보다 작으므로 귀무가설(두 집단 간 차이가 없다)을 기각합니다. 이는 두 집단 간 차이가 우연이 아니며 통계적으로 유의미함을 의미합니다. 보기1과 보기3은 유의확률이 낮은 상황과 반대되는 해석으로 틀립니다. 보기2는 방향성을 가정하지만 데이터 없이 단정할 수 없으며, 보기4는 실험 오류를 지적하지만 유의확률만으로는 판단할 수 없습니다.
작업치료 핵심 해설
이 문제는 근거 중심 실천(EBP, Evidence-Based Practice)의 핵심 도구인 통계적 검정의 결과를 해석하는 능력을 묻고 있어요. 작업치료사는 새로운 중재법의 효과를 검증하거나 임상 데이터를 분석할 때 반드시 통계적 사고를 갖춰야 합니다.
핵심 개념 분석 (Key Concept)
문제의 핵심은 유의확률(p-value)과 유의수준(α, significance level)의 관계예요.
- 유의수준(α=0.05): 귀무가설이 사실일 때, 그것을 잘못 기각할(제1종 오류) 허용 가능한 최대 확률이에요. 즉, 5%의 위험을 감수하겠다는 기준이죠.
- 유의확률(p=0.01): 귀무가설(두 집단 간 차이가 없다)이 사실이라고 가정했을 때, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률이에요.
정답 근거 (Answer Rationale)핵심! 유의확률(p=0.01)이 설정된 유의수준(α=0.05)보다 작습니다. 이는 "귀무가설이 사실인데 이런 결과가 나왔다"는 가정 하의 확률이 매우 낮다는 뜻이에요. 따라서 그 가정(귀무가설)을 받아들이기 어렵다고 판단하고 귀무가설을 기각합니다. 귀무가설이 "두 집단 간 차이가 없다"이므로, 이를 기각한다는 결론은 "두 집단 간에 통계적으로 유의미한 차이가 있다"가 됩니다. 이것이 정답 ⑤번의 근거예요.
오답 분석 (Distractor Analysis)혼동 주의! ①번 "새 치료 기법은 전혀 효과가 없다": 이는 귀무가설을 기각하지 못한 경우(채택한 경우)의 해석이에요. p-value가 0.05보다 클 때 나올 수 있는 결론이죠.
혼동 주의! ②번 "대조군의 기능이 더 향상되었다": p-value는 차이의 유무만 알려줄 뿐, 차이의 방향(어느 집단이 더 좋은지)은 알려주지 않아요. 방향은 평균 점수를 비교해야 알 수 있어요.
③번 "점수 차이는 단순한 우연이다": p-value가 매우 작은(0.01) 것은 오히려 "이 차이가 단순한 우연일 가능성이 매우 낮다(1%)"는 것을 의미해요. 정반대의 해석입니다.
④번 "실험 설계의 오류": p-value만으로 실험 설계의 오류 유무를 판단할 수 없어요. p-value는 표본에서 얻은 결과의 통계적 의미를 해석하는 도구일 뿐, 연구 설계의 타당성(내적·외적 타당도)을 평가하는 지표가 아닙니다.
연관 개념 정리 (Related Concepts)
- 귀무가설(Null Hypothesis, H₀): 검정하려는 가설의 반대 주장 (예: "두 치료법의 효과는 같다").
- 대립가설(Alternative Hypothesis, H₁): 연구자가 입증하고자 하는 가설 (예: "두 치료법의 효과는 다르다").
- 제1종 오류(Type I Error): 귀무가설이 참인데 기각하는 오류. 유의수준(α)이 이 오류의 확률을 통제합니다.
- 제2종 오류(Type II Error): 귀무가설이 거짓인데 기각하지 못하는 오류. 검정력(1-β)과 관련 있습니다.
개념 정리
용어
의미
비유
유의수준 (α)
귀무가설을 잘못 기각할 허용 한계 (보통 0.05)
재판에서 무죄를 유죄로 판단할 허용 오차 5%
유의확률 (p-value)
귀무가설이 참일 때 현재 데이터가 관찰될 확률
피고인이 실제 무죄일 때, 현재 증거가 나올 확률
결론 (p < α)
귀무가설 기각. 통계적으로 유의미한 차이 있음.
증거가 충분히 강하므로 '유죄' 판결 (차이 인정)
결론 (p ≥ α)
귀무가설 기각 불가. 통계적으로 유의미한 차이 없음.
증거가 부족하므로 '무죄' 판결 (차이 부정 아님)
한눈에 비교!
구분
통계적 유의성 (Statistical Significance)
임상적 유의성 (Clinical Significance)
의미
관찰된 효과가 우연이 아닐 확률이 높음 (p-value)
효과의 크기가 임상적으로 의미 있는 수준임
측정
p-value, 신뢰구간(CI)
효과크기(Effect Size, e.g., Cohen's d), 최소중요변화차(MCID)
작업치료에서의 중요성
연구 결과의 신뢰성 판단. 중재의 효과가 '우연'이 아님을 보여줌.
환자의 실제 삶(ADL, 작업 수행)에서 체감할 수 있는 변화가 있는지 판단.
예시
새 중재법이 대조군보다 통계적으로 유의미하게 좋다(p<0.05).
새 중재법으로 환자의 COPM 수행 만족도 점수가 2점 이상 상승했다(MCID 기준 충족).
암기 팁
- **P는 Probability(확률)**: p-value는 '우연일 확률'이에요.
- **알파(α) vs 피(p) 싸움**: p-value가 α보다 작으면(패배하면) 귀무가설은 기각(퇴출)! "p 작으면 기각!"
- **결론 해석 순서**: 1) p와 α 비교 → 2) 귀무가설 기각/채택 결정 → 3) 연구 질문에 맞게 해석 (차이 유무).
국시 빈출 포인트
통계는 연구방법론 과목에서 꼭 출제돼요. p-value와 α의 비교를 통한 귀무가설 기각/채택 판단은 가장 기본이면서도 핵심인 출제 포인트입니다. "유의수준 0.05에서 p=0.03이다" 같은 조건이 주어지면 바로 "차이가 있다"는 결론을 떠올리세요.
기출 변형 주의!
1. **신뢰구간(CI)으로 변형 출제**: "95% 신뢰구간이 1.2 ~ 5.6으로 0을 포함하지 않는다" → 이 또한 귀무가설(차이=0)을 기각하는 근거가 됩니다.
2. **오류 유형으로 변형 출제**: "유의수준을 0.01로 낮췄을 때 제1종 오류와 제2종 오류의 변화는?" → α 감소 = 제1종 오류 감소, 제2종 오류 증가.
3. **임상적 유의성과 혼합 출제**: "통계적으로 유의미하지만, 효과크기가 작아 임상적 의미는 제한적일 수 있다"는 식의 통합적 사고를 요구할 수 있어요.
작업치료 임상 실무 가이드임상 시나리오 (Clinical Scenario)
여러분이 근무하는 병원 재활팀에서, 편마비 환자의 팔 기능 회복을 위해 기존의 고유수용성신경근촉진법(PNF)에 시각적 피드백을 결합한 새로운 중재법을 개발했어요. 6주간의 연구를 진행한 결과, 실험군(n=20)과 대조군(n=20)의 Fugl-Meyer Assessment(FMA) 팔 점수 향상도 비교에서 p-value가 0.01로 나왔습니다. 이 결과를 팀 회의에서 어떻게 보고하고, 임상에 어떻게 적용할까요?작업치료 중재 전략 (OT Intervention)핵심! 통계적 결과는 근거의 시작점이에요.
1결과 해석 및 보고"p=0.01이므로, 두 집단 간 FMA 점수 차이는 통계적으로 유의미합니다(α=0.05 기준). 이는 새로운 중재법이 기존 중재법과 효과가 다르다는 것을 지지하는 근거입니다."라고 객관적으로 보고합니다.
2효과크기(Effect Size) 확인p-value만으로는 부족해요. Cohen's d 같은 효과크기를 계산해 "효과가 얼마나 큰지"를 확인합니다. 효과크기가 작다면(<0.2), 통계적으로 유의미해도 임상적 의미는 미미할 수 있어요.
3임상 적용 판단효과크기가 중간 이상이고(<0.5), 연구의 대상자 특성(예: 발병 후 기간, 중증도)이 내가 담당하는 환자와 유사하다면, 근거 중심 실천(EBP)의 원칙에 따라 새로운 중재법을 시도해 볼 수 있어요. 단, 환자의 선호도와 임상적 판단(Clinical Judgment)과 결합하여 결정합니다.
4환자 중심 모니터링새로운 중재를 적용하면서, 환자의 일상생활활동(ADL) 수행이나 작업 만족도(COPM)에 실제로 변화가 있는지 지속적으로 평가합니다. 통계적 유의성과 임상적 유의성을 함께 추적하는 거죠.
환자 안전 및 주의사항 (Precautions)
- 통계적 유의성은 인과 관계를 증명하지 않습니다. 다른 숨은 변수(Confounding variable)가 영향을 주었을 가능성을 항상 염두에 두세요.
- 한 연구의 결과만으로 중재법을 확정하지 말고, 체계적 문헌고찰(Systematic Review) 수준의 근거를 참고하는 것이 이상적입니다.
- 연구 대상자와 실제 환자의 특성이 다를 수 있으므로, 결과를 맹목적으로 일반화하지 마세요.
치료 프로토콜
새로운 중재법을 임상에 도입할 때의 단계:
1문헌 검토 및 근거 평가해당 연구의 방법론적 질(무작위배정, 눈가림 등)을 비판적으로 평가.
2소규모 시범 적용1-2명의 적합한 환자에게 단기간 적용해 반응과 안전성 관찰.
3구조화된 시행적용 매뉴얼을 만들고, 표준화된 평가 도구(FMA, MAL 등)로 효과 측정.
4재평가 및 수정환자 결과와 피드백을 바탕으로 중재법을 수정 및 보완.
선배 작업치료사의 한마디
"통계 숫자에 압도될 필요 없어요. p-value는 단지 '이 결과가 우연일 가능성이 얼마나 낮은지'를 수치화한 도구일 뿐이에요. 진짜 중요한 것은 그 숫자 뒤에 있는 환자의 이야기와 기능적 변화예요. 국시 공부할 때 p<0.05 = 차이 있음'을 암기하는 것도 중요하지만, 그 근거를 어떻게 클라이언트의 치료 계획에 녹여내고, 또 어떻게 임상에서 데이터를 모아 나만의 근거를 만들어갈지 생각해보세요. 작업치료사도 과학자이자 실천가라는 점, 잊지 마세요!"