통계적 유의성(statistical significance)과 임상적 중요성(clinical importance)은 서로 다른 개념입니다. 대규모 임상시험(large trial)에서는 표본 크기가 커질수록 표준오차(standard error)가 작아져 아주 작은 효과 크기(effect size)도 통계적으로 유의하게 나올 가능성이 높아집니다. 이 문제에서 100점 척도에서 1점 차이가 통계적으로 유의했다는 것은, 그 차이가 우연에 의한 것일 가능성은 낮지만 실제 환자가 체감하거나 임상적으로 의미 있는 변화인지는 별개로 판단해야 한다는 뜻입니다
[1].
최소 임상적 중요 차이(MCID, minimal clinically important difference)는 환자가 인지할 수 있는 최소한의 의미 있는 변화를 말합니다. 100점 척도에서 1점 차이는 대부분의 평가도구에서 MCID에 훨씬 못 미치는 수준입니다. 예를 들어 자폐 아동의 사회적 반응 척도(SRS) 연구에서도 MCID를 별도로 추정하여 치료 효과의 의미를 해석해야 한다고 강조한 바 있습니다
[4]. 즉, 통계적으로 유의하더라도 효과 크기가 MCID보다 작다면 임상적으로는 중요하지 않을 가능성이 큽니다.
효과 크기(effect size) 해석에서도 평균 차이(mean difference) 자체만으로는 임상적 유용성을 판단하기 어렵습니다. 평균 차이를 임상적으로 의미 있는 확률로 재표현하는 방법론이 제안된 이유도, 통계적 유의성이 곧바로 임상적 이득으로 이어지지 않기 때문입니다
[2]. 100점 척도에서 1점 차이는 효과 크기가 매우 작아 환자가 일상생활에서 느끼는 변화로 이어지기 어렵습니다.
또한 빈도주의(frequentist) 통계의 이분법적 해석(유의/비유의)은 임상적 중요성을 충분히 반영하지 못할 수 있습니다. 베이즈 접근(Bayesian approach)이나 fragility index 같은 보완 지표가 필요한 이유도 여기에 있습니다
[1][3]. 대규모 시험에서 작은 차이가 유의하게 나오는 상황은 통계적 검정력이 높아진 결과이므로, 임상적 해석에서는 반드시 효과 크기와 MCID를 함께 고려해야 합니다.
따라서 이 결과는
통계적으로 유의하지만(statistically significant), 환자가 인지할 수 있는 역치(threshold)에는 미치지 못할 가능성이 높은 경우로 해석하는 것이 가장 적절합니다
[1][4].
참고 문헌 (논문 출처)
- [1]
Reporting of second-generation <i>p</i>-values, Bayes factors and fragility indices in trials enhances assessment of clinical importance beyond <i>p</i>-values: a meta-epidemiologic study.일반논문Esterhuizen TM, Mbuagbaw L, Rehman N, Yanwou N, Swaby DJ, Kittle E, Licht JC, Thabane L. (2026) · DOI: 10.1016/j.conctc.2026.101667
- [2]
From Effect Sizes to Clinical Probabilities: An Exploratory Methodological Framework for Evidence Interpretation and Communication.일반논문Iwamoto E, Murase K. (2026) · DOI: 10.7759/cureus.113119
- [3]
Bayesian Thinking in the Intensive Care Unit: From Statistical Theory to Clinical Practice.일반논문Schultz MJ, Nasa P, Tripathy S, Veenith T, Neto AS. (2026) · DOI: 10.5005/jp-journals-10071-25229
- [4]
Minimal Clinically Important Difference on the Social Responsiveness Scale in Autistic Children Aged 4 to 10 Years.일반논문Tan H, Zhang L, Xie Z, Chen L, Xu W, Zhou W, Ren T, Li F. (2026) · DOI: 10.1177/13623613261481552