다음 상황에서 연구자가 환자의 재입원 양상을 분석하기 위해 적용한 통계 기법은 무엇인가?

카플란-마이어 생존 분석은 추적 관찰 기간 동안 특정 사건(예: 재발, 사망)이 발생할 때까지의 시간과 생존 확률의 변화를 분석하는 방법으로, 계단형 생존 곡선을 사용하여 시각화한다. 이는 시간-사건 데이터를 다루는 생존 분석에 적합하다.
- 보기1: 단순선형 회귀분석은 두 연속형 변수 간의 관계를 분석하는 데 사용되며, 시간-사건 데이터에는 부적합하다.
- 보기2: 독립표본 t검정은 두 독립 집단의 평균 차이를 비교하는 데 사용되며, 생존 시간 분석에는 부적합하다.
- 보기3: 카이제곱 검정은 범주형 변수 간의 연관성을 분석하는 데 사용되며, 연속형 시간 데이터에는 부적합하다.
- 보기5: 요인 분석은 변수 간의 내재적 구조를 탐색하는 데 사용되며, 생존 분석에는 부적합하다.

작업치료 핵심 해설 이 문제는 생존 분석(Survival Analysis)의 대표적인 비모수적 방법인 카플란-마이어 생존 분석(Kaplan-Meier Survival Analysis)을 묻고 있어요. 작업치료 연구에서 중재 효과의 지속성이나 특정 건강 사건(예: 재입원, 낙상, 기능 저하)까지의 시간을 분석할 때 핵심적으로 사용되는 통계 기법이죠. 핵심 개념 분석 (Key Concept) 핵심! 생존 분석은 "시간-사건 데이터(Time-to-event data)"를 분석하는 통계 방법이에요. 여기서 "사건(Event)"은 연구자가 관심 있는 특정 결과(예: 재입원, 사망, 기능 회복)를 의미하며, "시간"은 관찰 시작점(예: 퇴원일, 치료 시작일)부터 그 사건이 발생하기까지의 기간이에요. 카플란-마이어 방법은 이러한 데이터를 계단형 생존 곡선(Stepwise survival curve)으로 시각화하여, 각 시점에서의 누적 생존 확률(즉, 사건이 *아직* 발생하지 않을 확률)을 보여줍니다. 정답 근거 (Answer Rationale) 문제 상황에서 핵심 키워드는 "5년간 추적 관찰", "재입원하기까지 걸린 시간", 그리고 "계단 모양의 생존 곡선"이에요. 이는 카플란-마이어 생존 분석의 전형적인 적용 사례와 출력 형태를 정확히 설명하고 있습니다. 카플란-마이어 곡선은 사건이 발생할 때마다 확률이 계단처럼 내려가는 형태를 띠어요. 오답 분석 (Distractor Analysis) 혼동 주의! 다른 통계 기법들은 데이터 유형과 연구 질문이 전혀 달라요. ① 단순선형 회귀분석(Simple Linear Regression): 두 연속형 변수(예: 치료 시간과 기능 점수) 간의 직선 관계를 분석할 때 사용해요. 시간-사건 데이터에는 적합하지 않아요. ② 독립표본 t검정(Independent samples t-test): 두 개의 독립된 집단(예: 실험군 vs 대조군)의 평균을 비교할 때 사용해요. 여기서는 집단 비교가 아니라 한 집단 내 시간에 따른 사건 발생 패턴을 분석하는 문제예요. ③ 카이제곱 검정(Chi-squared test): 두 범주형 변수(예: 성별과 재입원 유무(예/아니오)) 간의 연관성을 분석할 때 사용해요. "시간"이라는 연속형 정보를 활용하지 못해요. ⑤ 요인 분석(Factor Analysis): 여러 설문 문항이나 변수들 사이의 숨겨진 공통 구조(요인)를 찾아내는 탐색적 분석 방법이에요. 생존 시간 분석에는 사용되지 않아요. 연관 개념 정리 (Related Concepts) 생존 분석에는 카플란-마이어 외에도 콕스 비례위험 모형(Cox Proportional Hazards Model)이 있어요. 카플란-마이어가 단일 집단의 생존 곡선을 그리거나 집단 간 곡선을 비교(로그순위 검정(Log-rank test))하는 데 주로 사용된다면, 콕스 회귀 분석은 여러 위험 인자(예: 나이, 중증도, 동반 질환)가 생존 시간에 미치는 영향을 동시에 분석할 수 있어요.
개념 정리

• 카플란-마이어 생존 분석: 시간-사건 데이터를 분석하는 비모수적 방법. 누적 생존 확률을 계단형 곡선으로 시각화.
• 핵심 용어: 사건(Event) (관심 결과), 생존 시간(Survival Time), 중도절단(Censoring) (관찰 종료 시까지 사건이 발생하지 않은 경우).
• 작업치료 적용: 중재 후 기능 유지 기간, 낙상 재발까지의 시간, 만성 통증 관리 프로그램의 효과 지속 기간 분석 등.

한눈에 비교!

통계 기법	주요 용도	데이터 유형	작업치료 연구 예시
카플란-마이어 생존 분석	시간에 따른 사건 발생 확률 추정 및 시각화	시간-사건 데이터 (중도절단 포함)	뇌졸중 환자의 재입원까지의 기간 분석
독립표본 t검정	두 독립 집단의 평균 비교	연속형 데이터 (정규분포 가정)	새로운 치료법 적용군과 기존 치료법 적용군의 MMT 점수 비교
카이제곱 검정	두 범주형 변수 간의 연관성 분석	범주형 데이터 (명목/순위 척도)	성별에 따른 낙상 경험 유무의 관련성 분석
단순선형 회귀	한 변수가 다른 변수를 예측하는 관계 분석	두 연속형 변수	치료 세션 수와 FIM(Functional Independence Measure) 점수 증가량의 관계 분석

암기 팁 "카플-마이어 = 계단-시간-사건"으로 연상하세요! 카플란-마이어 분석 결과는 계단 모양의 곡선이고, 시간이 지남에 따라 특정 사건이 발생할 확률을 보여줍니다.
국시 빈출 포인트 작업치료사 국가고시에서는 연구방법론 파트에서 생존 분석의 개념과 카플란-마이어 곡선의 특징(계단형, 중도절단 데이터 처리)을 직접 묻거나, 다른 통계 기법(회귀분석, t검정 등)과 구분지어 출제하는 경우가 많아요. "추적 관찰", "시간", "사건 발생률"이라는 키워드가 보이면 생존 분석을 먼저 떠올리세요.
기출 변형 주의! 동일한 개념을 다음과 같이 변형하여 출제될 수 있어요: - "중도절단(Censoring) 데이터를 포함할 수 있는 통계 분석 방법은?" → 정답: 생존 분석 - "두 치료법 군 간에 재발까지의 기간에 유의미한 차이가 있는지 비교할 때 사용하는 생존 분석의 검정 방법은?" → 정답: 로그순위 검정(Log-rank test)

작업치료 임상 실무 가이드 임상 시나리오 (Clinical Scenario) "작업치료실에서 낙상 예방 프로그램을 개발한 당신은, 이 프로그램이 참여한 노인 환자들의 향후 낙상 위험을 얼마나 오래 줄여주는지 알고 싶어요. 프로그램 종료 후 2년간 참여자 80명을 추적하며, 첫 낙상이 발생한 날짜를 기록했어요. 어떤 통계 방법으로 프로그램의 효과 지속성을 분석할 수 있을까요?" 작업치료 중재 전략 (OT Intervention) 1. 평가(Assessment): 프로그램 종료 시점을 기준점(time zero)으로 설정합니다. 추적 관찰 기간 동안의 낙상 사건 발생 일자와, 추적이 불가능해졌거나 연구 종료 시까지 낙상이 없었던 경우(중도절단 데이터)를 체계적으로 기록합니다. 2. 목표 설정(Goal setting): "프로그램 종료 후 6개월, 1년, 2년 시점에서 낙상이 없을 확률(생존 확률)을 추정한다"는 분석 목표를 세웁니다. 3. 치료 중재(Intervention) - 데이터 분석: 기록된 데이터를 카플란-마이어 생존 분석에 입력합니다. 분석 결과, 예를 들어 "프로그램 종료 1년 후 낙상 무발생 생존율이 85%"라는 수치와 함께 계단형 곡선을 얻을 수 있어요. 4. 재평가(Reassessment) & 근거 창출: 이 결과는 프로그램의 장기적 효과에 대한 근거(Evidence)가 되어, 향후 프로그램의 필요성과 타당성을 입증하고, 보험 급여나 병원 정책 수립에 활용될 수 있어요. 환자 안전 및 주의사항 (Precautions) 생존 분석을 위한 데이터 수집 시, 핵심! "중도절단"의 원인(사망, 전원, 연락 두절, 연구 종료)을 명확히 기록해야 해요. 이를 무시하고 단순히 사건 발생/미발생으로만 분석하면 생존 시간을 과소평가할 위험이 있습니다. 또한, 윤리적으로 참여자의 동의 하에 추적 관찰을 진행해야 합니다.
치료 프로토콜 작업치료 연구에서 생존 분석 적용 단계 1. 연구 질문 정의: "~까지의 시간은 얼마인가?" (Time-to-event 질문) 형식으로 설정. 2. 사건 정의: 재입원, 낙상, 특정 기능 수준 달성/상실 등 관심 사건을 명확하고 측정 가능하게 정의. 3. 시간 기준점 설정: 치료 시작일, 퇴원일 등 명확한 시작점 설정. 4. 데이터 수집: 사건 발생 일자 또는 중도절단 일자를 체계적으로 기록. 5. 통계 분석: 카플란-마이어 분석 수행, 생존 곡선 도출, 필요 시 집단 간 로그순위 검정 실시.
선배 작업치료사의 한마디 "연구방법론이 어렵게 느껴질 수 있지만, 카플란-마이어 곡선 같은 개념은 임상에서 정말 유용해요. 우리가 하는 치료의 효과가 '얼마나 오래 갈까?'라는 질문은 환자와 보호자 모두가 가장 궁금해하는 부분이죠. 단순히 '치료 직후에 좋아졌다'는 결과보다 '1년 후에도 여전히 그 효과가 유지된다'는 근거를 제시할 때, 작업치료의 가치와 전문성이 더욱 빛을 발합니다. 국시 공부도 '이 통계가 임상에서 어떤 질문에 답할 수 있는 도구인가'를 생각하며 접근하면 훨씬 이해가 잘 될 거예요!"