새로운 재활 치료법의 효과를 검증하기 위해, 연령과 성별이 유사한 실험군 30명과 대조군 30명의 치료 후 기능 평가 평균 점수 차이를 비교하고자 할 때 가장 적합한 통계 분석 방법은?

독립표본 t-검정은 서로 다른 두 독립된 집단(예: 실험군과 대조군) 간의 연속형 변수(예: 기능 평가 평균 점수) 평균 차이가 통계적으로 유의미한지 검정하는 데 사용된다. 이는 집단이 독립적이고, 변수가 연속형일 때 적합하다.
- 보기1: 카이제곱 검정은 범주형 변수 간의 연관성을 분석하는 데 사용되며, 연속형 평균 비교에는 부적합하다.
- 보기3: 로지스틱 회귀분석은 종속 변수가 이분형일 때 사용되며, 연속형 평균 비교에는 부적합하다.
- 보기4: 스피어만 상관분석은 두 변수 간의 비선형 관계를 분석하는 데 사용되며, 집단 간 평균 비교에는 부적합하다.
- 보기5: 일원배치 분산분석은 세 개 이상의 독립 집단 간 평균 차이를 비교하는 데 사용되며, 두 집단 비교에는 t-검정이 더 적합하다.

작업치료 핵심 해설 이 문제는 근거 중심 실천(Evidence-Based Practice, EBP)의 핵심인 연구 설계와 통계 분석 방법을 묻고 있어요. 작업치료사는 연구 결과를 올바르게 해석하고 임상에 적용하기 위해 기본적인 통계 지식이 필수적이죠. 핵심 개념 분석 (Key Concept): 문제의 핵심은 "두 개의 독립된 집단(실험군/대조군)"에서 측정된 "연속형 변수(기능 평가 평균 점수)"의 평균 차이를 비교하는 가장 적합한 검정법을 찾는 거예요. 핵심! 독립표본 t-검정(Independent samples t-test)은 정확히 이러한 조건을 만족할 때 사용되는 모수적 검정(Parametric test)이에요. 정답 근거 (Answer Rationale): 정답이 독립표본 t-검정인 이유는 세 가지 조건을 모두 충족하기 때문이에요. 1. 비교 대상: 서로 독립된 두 집단(실험군 vs 대조군). 2. 변수의 성격: 비교하려는 변수가 연속형 변수(기능 평가 점수). 3. 분석 목적: 두 집단의 평균(Mean) 차이가 통계적으로 유의한지 검증. 작업치료 연구에서 새로운 중재법의 효과를 검증할 때 가장 기본적으로 사용되는 분석법이 바로 이 독립표본 t-검정이랍니다. 오답 분석 (Distractor Analysis): 혼동 주의! ①번 카이제곱 검정(Chi-square test)은 성별(남/여)이나 치료 반응(유/무) 같은 범주형 변수 간의 연관성을 볼 때 사용해요. 평균 점수 같은 연속형 데이터 비교에는 쓰지 않죠. ③번 로지스틱 회귀분석(Logistic regression)은 결과(종속변수)가 '낙상 유무(예/아니오)'나 '퇴원 목표 달성(성공/실패)' 같은 이분형 변수일 때, 여러 요인이 그 결과에 미치는 영향을 분석할 때 써요. ④번 스피어만 상관분석(Spearman's correlation analysis)은 두 변수(예: 나이와 관절가동범위(ROM)) 간의 순위 상관 관계의 강도를 보는 비모수 검정이에요. 집단 간 평균 비교가 목적이 아니에요. ⑤번 일원배치 분산분석(One-way ANOVA)은 독립표본 t-검정과 유사하지만, 비교 집단이 세 개 이상(예: 치료법 A군, B군, 대조군)일 때 사용해요. 두 집단만 비교할 때는 t-검정이 더 적합하고, ANOVA를 써도 결과는 동일하지만 일반적으로는 t-검정을 권장해요. 연관 개념 정리 (Related Concepts): - 대응표본 t-검정(Paired samples t-test): 동일 집단에게 치료 전/후 점수를 비교할 때 사용 (예: 6주간의 과제 지향적 훈련(Task-oriented training) 전후의 Jebsen-Taylor Hand Function Test 점수 비교). - 비모수 검정(Non-parametric test): 데이터가 정규분포를 따르지 않을 때 사용. 두 독립집단 비교는 만-위트니 U 검정(Mann-Whitney U test), 대응표본 비교는 윌콕슨 부호 순위 검정(Wilcoxon signed-rank test)을 사용해요.
개념 정리

검정법	사용 조건	작업치료 예시
독립표본 t-검정	• 두 독립 집단 • 연속형 변수 평균 비교	신경발달치료(NDT)군 vs 관례적 치료군의 GMFM 점수 비교
대응표본 t-검정	• 한 집단의 전후 측정 • 연속형 변수 평균 비교	보조기 착용 전후의 보행 속도 비교
일원배치 분산분석	• 세 개 이상 독립 집단 • 연속형 변수 평균 비교	다양한 강도의 감각통합(SI) 중재가 아동의 SPM 점수에 미치는 영향 비교
카이제곱 검정	• 범주형 변수 간 연관성	낙상 경험 유무와 주거 환경(단층/다층)의 관계 분석

한눈에 비교!

비교 항목	t-검정 (t-test)	분산분석 (ANOVA)
주요 용도	두 집단의 평균 비교	세 집단 이상의 평균 비교
가설	H0: μ1 = μ2 (두 평균 같다)	H0: μ1 = μ2 = μ3 ... (모든 평균 같다)
사후 검정	필요 없음	필요함 (예: Tukey, Scheffe) 어느 집단 간 차이가 있는지 추가 확인
작업치료 적용	두 가지 치료법 효과 비교	세 가지 이상의 보조도구 효율성 비교

암기 팁 • "t for Two": t-검정은 Two(두) 집단 비교! • "ANOVA for A Number Of Variables (or Groups)": ANOVA는 여러(세 개 이상) 집단 비교! • 카이제곱(χ²)은 '카테고리(범주)'를 생각하세요. 범주형 데이터에 사용됩니다.
국시 빈출 포인트 통계 문제는 복잡한 계산보다 어떤 상황에 어떤 검정법을 써야 하는지를 묻는 개념 문제가 대부분이에요. '집단 수(2개 vs 3개 이상)', '변수 유형(연속형 vs 범주형)', '측정 조건(독립 vs 대응)' 이 세 가지를 먼저 판단하는 훈련을 하세요.
기출 변형 주의! • 변형 1: "동일한 환자군에게 중재 전과 중재 4주 후의 일상생활활동(ADL) 점수를 비교할 때 적합한 방법은?" → 대응표본 t-검정 • 변형 2: "낙상군과 비낙상군의 주거 환경 유형(단독주택/아파트/원룸) 분포 차이를 분석할 때 적합한 방법은?" → 카이제곱 검정

작업치료 임상 실무 가이드 임상 시나리오 (Clinical Scenario): "재활병원에서 당신은 새로운 팔 로봇 보조 치료(Robot-assisted therapy)의 효과를 연구하는 팀에 참여했어요. 연구 설계는 기존 작업치료를 받는 대조군 15명과, 기존 치료에 로봇 치료를 추가한 실험군 15명으로 나누어 8주 후에 Fugl-Meyer Assessment 팔 부분(FMA-UE) 점수를 비교하려고 해요. 이때 데이터 분석을 어떻게 해야 할까요?" 작업치료 중재 전략 (OT Intervention): 1. 평가(Assessment): 두 집단 모두에게 중재 전 기본 평가(FMA-UE, MMT, ROM)를 실시하여 집단 간 기저선이 유사한지 확인해요. (동질성 검정) 2. 목표 설정(Goal setting): 연구의 주요 목표는 "로봇 치료 추가가 FMA-UE 점수 향상에 통계적으로 유의미한 효과가 있는가"를 검증하는 거예요. 3. 치료 중재(Intervention) & 분석: 8주 후, 두 집단의 FMA-UE 점수(연속형 변수)를 수집합니다. 이제 핵심! 독립된 두 집단(실험군/대조군)의 평균 점수 차이를 비교해야 하므로, 독립표본 t-검정을 수행해요. p값이 0.05 미만이면 효과가 유의하다고 판단할 수 있어요. 4. 재평가(Reassessment) & 적용: 결과가 유의미하다면, 이 근거를 바탕으로 특정 환자 군(예: 중증 팔 마비 환자)에게 로봇 치료를 표준 중재 프로토콜에 포함하는 것을 고려할 수 있어요. 환자 안전 및 주의사항 (Precautions): • 통계적 유의성(p < 0.05)과 임상적 유의성(Clinical Significance)은 다릅니다. 점수 차이가 통계적으로는 의미 있어도, 그 차이가 실제 일상생활활동(ADL) 수행에 눈에 띄는 변화를 가져오지 못할 수 있어요. COPM 점수 변화 등을 함께 보는 종합적 판단이 필요해요. • 연구 참여에 대한 정보제공동의서(Informed consent)를 철저히 하고, 대조군 환자에게도 표준 치료는 제공되어야 한다는 윤리적 원칙을 지켜야 해요.
치료 프로토콜 연구 설계 및 분석 프로토콜: 1. 연구 설계: 무작위 대조군 연구(Randomized Controlled Trial, RCT) 설계. 2. 표본 크기: 충분한 검정력을 갖출 수 있는 표본 수 산정 (통계 컨설턴트 협의). 3. 평가 도구: 신뢰도와 타당도가 입증된 표준화 평가 도구 선택 (예: FMA-UE, Box and Block Test). 4. 데이터 분석 순서: ① 데이터 정규성 검정(Shapiro-Wilk) → ② 정규분포 시 독립표본 t-검정, 비정규분포 시 만-위트니 U 검정 → ③ 효과 크기(Effect size, 예: Cohen's d) 계산. 5. 결과 해석: p값, 평균 차이, 신뢰구간(CI)을 함께 보고, 임상적 의미를 논의.
선배 작업치료사의 한마디 "통계가 어렵게 느껴질 수 있지만, 우리가 매일 하는 '평가-중재-재평가'의 논리와 본질은 같아요. 새로운 치료법이 정말 효과가 있는지, 그냥 우연히 나온 결과는 아닌지 과학적으로 판단하는 도구가 통계예요. 국시에서 통계 문제는 우리가 연구 논문을 읽고 비판적으로 평가(Critical Appraisal)할 수 있는 기초 역량을 묻는 거랍니다. '두 집단 평균 비교? → t-검정!' 이렇게 기본기를 탄탄히 하면, 임상에서 근거 중심 실천(EBP)을 하는 자신감 있는 작업치료사가 될 수 있어요!"