다음 상황에서 통계 검정 결과에 대한 해석으로 가장 타당한 것은?

p-값이 유의수준 0.05보다 훨씬 작은 0.001이므로, 귀무가설(새 프로그램과 기존 치료법 간 차이가 없다)을 기각하고 대립가설(차이가 있다)을 채택할 수 있다. 이는 프로그램이 효과적임을 나타낸다. 보기1: p-값이 작으므로 차이가 없다는 주장은 틀림. 보기2: p-값이 0.001이므로 우연히 나올 확률이 0.1%로 5%보다 작음. 보기4: p-값이 유의하므로 검정 방법이 잘못되었다고 단정할 수 없음. 보기5: 제2종 오류(귀무가설을 기각하지 못하는 오류) 확률은 β로, p-값과 직접 관련 없음.

작업치료 핵심 해설 이 문제는 통계적 유의성(Statistical Significance)과 p-값(p-value)의 올바른 해석을 묻는 기초 통계 문제예요. 작업치료 연구를 읽거나 근거 중심 실천(EBP, Evidence-Based Practice)을 할 때, 논문의 통계 결과를 정확히 이해하는 능력은 매우 중요해요. 핵심 개념 분석 (Key Concept) 문제의 핵심은 p-값 = 0.001이라는 결과를 어떻게 해석하느냐에 있어요. p-값은 "귀무가설(H0, Null Hypothesis)이 사실일 때, 현재 관찰된 데이터(또는 그보다 더 극단적인 데이터)가 나올 확률"을 의미해요. 일반적으로 미리 설정한 유의수준(α, Significance Level)인 0.05(5%)와 비교해요. 정답 근거 (Answer Rationale) 핵심! p-값(0.001)이 유의수준(0.05)보다 작습니다. 이는 귀무가설(예: 두 치료법의 효과 차이가 없다) 하에서 현재의 결과가 나올 확률이 매우 낮다는 뜻이에요. 따라서 통계적 판단 기준에 따라 귀무가설을 기각하고, 대립가설(예: 두 치료법의 효과에 차이가 있다)을 채택하게 돼요. 이것이 바로 통계적으로 유의미한 차이가 있다는 결론을 내리는 과정이에요. 따라서 보기 3이 정답이에요. 오답 분석 (Distractor Analysis) 혼동 주의! 보기 1: "차이가 없다"는 주장은 귀무가설의 내용이에요. p-값이 작을수록 귀무가설을 기각하는 증거가 강해지므로, 이 주장은 p-값이 0.001일 때 성립하지 않아요.
보기 2: p-값 자체가 "우연히 이런 결과가 나올 확률"을 의미해요. 따라서 p=0.001은 그 확률이 0.1%라는 뜻이므로, 5%보다 작아요. "크다"는 설명은 정반대예요.
보기 4: p-값이 유의하게 나왔다는 것은 검정 방법 자체에 문제가 있다는 근거가 되지 않아요. 오히려 연구 설계나 표본 크기 등 다른 요소를 먼저 점검해야 해요.
보기 5: 제2종 오류(Type II Error, β)는 귀무가설이 거짓인데도 기각하지 못하는 오류예요. p-값은 제1종 오류(귀무가설이 참인데 기각하는 오류)의 확률과 관련이 있지만, 제2종 오류의 확률(검정력, 1-β)과는 직접적인 관계가 없어요. p-값만으로 β 확률을 99%라고 단정할 수 없어요. 연관 개념 정리 (Related Concepts) 통계적 유의성과 임상적 유의성(Clinical Significance)은 다를 수 있어요. 통계적으로 차이가 있다고 해서, 그 차이가 환자의 삶에 의미 있는 변화를 가져오는 것은 아니에요. 작업치료사는 효과 크기(Effect Size, 예: Cohen's d)를 함께 확인하여 중재의 실제 임상적 의미를 평가해야 해요. 개념 정리

• 귀무가설(H0): 차이가 없거나 효과가 없다는 가정.
• 대립가설(H1): 차이가 있거나 효과가 있다는 가정.
• p-값: H0가 참일 때, 관찰된 결과(또는 그 이상)가 나올 확률. H0를 기각할지 말지 결정하는 기준.
• 유의수준(α): H0가 참인데 기각하는 제1종 오류를 허용할 최대 확률. 보통 0.05로 설정.
• 판단 기준: p-값 ≤ α → H0 기각 (통계적 유의성 있음). p-값 > α → H0 기각 불가 (통계적 유의성 없음).

한눈에 비교!

개념	의미	관련 오류	기호/예시
제1종 오류 (Type I Error)	귀무가설(H0)이 참인데 기각하는 오류. "가짜 양성"	α (유의수준)로 통제	실제로 효과 없는 치료를 효과 있다고 결론
제2종 오류 (Type II Error)	귀무가설(H0)이 거짓인데 기각하지 못하는 오류. "가짜 음성"	β, 검정력(Power) = 1-β	실제로 효과 있는 치료를 효과 없다고 결론
통계적 유의성	p-값이 α보다 작아 통계적으로 차이가 있음이 확인된 상태	-	p < 0.05
임상적 유의성	통계적 차이가 환자의 기능, 삶의 질 등에 실제로 의미 있는 개선을 가져오는지	-	효과 크기(Effect Size)가 클 때

암기 팁 "p는 작을수록, H0는 약해진다"고 기억하세요. p-값이 작으면(예: 0.001) 귀무가설(H0)을 지지하는 증거가 약해져서 기각하게 돼요. 반대로 p-값이 크면(예: 0.3) H0를 기각할 증거가 부족해져요. 국시 빈출 포인트 작업치료사 국가고시에서는 연구방법론 파트에서 p-값의 정의와 해석, 제1종/제2종 오류의 개념이 자주 출제돼요. "p < 0.05일 때의 결론"이나 "특정 오류의 정의"를 묻는 형태로 나와요. 기출 변형 주의! "p-값이 0.06으로 나왔을 때의 올바른 해석은?" → 유의수준 0.05보다 크므로 "통계적으로 유의미한 차이가 없다"고 해석해야 해요. "차이가 거의 없다"거나 "경향성이 있다"고 표현하는 것은 올바른 통계적 해석이 아니에요.

작업치료 임상 실무 가이드 임상 시나리오 (Clinical Scenario) 당신은 근거 중심 실천(EBP) 팀의 일원으로, 새로운 팔 가상현실(VR) 훈련 프로그램의 효과를 검증한 논문을 검토하고 있어요. 논문에서는 실험군(VR 훈련)과 대조군(기존 작업치료)의 박스-블록 검사(Box and Block Test) 점수 향상도를 비교했고, p-값이 0.003으로 보고되었어요. 이 결과를 어떻게 임상에 적용할 수 있을까요? 작업치료 중재 전략 (OT Intervention) 핵심! 먼저, p=0.003이라는 결과는 통계적으로 두 중재 방법 간에 차이가 있다는 강력한 증거를 제공해요. 하지만 여기서 멈추면 안 돼요. 다음 단계를 거쳐야 해요: 1. 효과 크기 확인: p-값만으로는 효과의 '크기'를 알 수 없어요. 논문에서 보고한 효과 크기(예: Cohen's d=0.8)를 확인하세요. 효과 크기가 크다면, VR 훈련이 임상적으로도 의미 있는 개선을 가져올 가능성이 높아요. 2. 연구의 질 평가: 무작위 대조 시험(RCT)인지, 표본 수는 충분한지, 중재 기간은 적절한지 등 연구 설계의 타당성을 평가하세요. 3. 내 클라이언트에게의 적용 가능성 고려: 논문의 대상자(예: 발병 후 3개월 이내 뇌졸중 환자)와 내가 치료하는 클라이언트의 특성(연령, 손상 정도, 동반 질환)이 비슷한지 확인하세요. 4. 통합적 판단: 통계적 유의성, 효과 크기, 연구의 질, 클라이언트의 가치와 선호도를 종합하여, VR 훈련을 치료 계획에 포함할지 결정하세요. 환자 안전 및 주의사항 (Precautions) 통계적으로 유의미하다는 결과가 모든 환자에게 해당되는 것은 아니에요. 개인차를 고려해야 해요. 또한, 새로운 중재법을 도입할 때는 비용, 장비 가용성, 클라이언트의 인지 및 시지각 능력(VR의 경우) 등을 꼼꼼히 평가하여 안전하고 실현 가능한 중재를 제공하세요. 치료 프로토콜 근거 중심 실천(EBP) 적용 5단계
1. 임상적 질문 형성: "뇌졸중 후 팔 마비 환자에게 기존 작업치료보다 VR 훈련이 운동 기능 회복에 더 효과적인가?"
2. 최선의 근거 탐색: 데이터베이스(PubMed, CINAHL)에서 관련 체계적 문헌고찰(Systematic Review)과 RCT 검색.
3. 근거 비판적 평가: 찾은 논문의 방법론적 질, 결과(p-값, 효과 크기), 적용 가능성 평가.
4. 임상 적용: 평가 결과를 클라이언트의 특성, 선호도, 임상적 전문지식과 통합.
5. 성과 평가: 적용한 중재의 효과를 클라이언트의 기능적 결과(예: COPM 점수 변화)로 평가. 선배 작업치료사의 한마디 "통계 숫자에 겁먹지 마세요! p-값은 단지 '우연히 그럴 확률'이라는 기본 개념만 이해하면 돼요. 작업치료사가 통계를 배우는 진짜 목적은 남의 연구 결과를 맹신하지도, 무시하지도 않고, 스스로 비판적으로 읽어 클라이언트에게 가장 좋은 중재를 선택하기 위함이에요. 논문의 '결론' 부분만 읽는 습관을 버리고, '방법'과 '결과'를 직접 해석하는 연습을 하다 보면, 진정한 근거 중심 실천가로 성장할 수 있을 거예요!"