의학 연구자를 위한 무료 연구 도구 | Editverse (2026)

사용 시점. 목표 검정력과 예상 효과 크기를 고려하여 연구 시작 전에 최소 표본 크기를 결정하십시오.

가정 사항. 계획된 유의수준(알파, 일반적으로 0.05), 목표 검정력(일반적으로 0.80), 그리고 예비 연구 데이터 또는 문헌을 통해 추정한 효과 크기가 있습니다.

흔히 저지르는 실수. 통계적으로 유의미하지 않은 결과를 정당화하기 위해 데이터 수집 후 검정력을 계산하지 마십시오 (사후 검정력은 무의미합니다).

1. Cohen J. 행동과학을 위한 통계적 검정력 분석. 2판. 1988.

사용 시점: 연속형 결과 변수에 대해 두 독립 집단의 평균을 비교할 때.

가정 사항: 관찰값의 독립성; 각 그룹의 분포가 대략 정규분포를 따른다; 분산이 동일하다(또는 웰치 보정을 사용한다).

흔히 저지르는 실수. 대응표본 데이터에는 사용하지 마십시오. 대신 대응표본 t-검정을 사용하십시오. 표본 크기가 작은 경우 정규성 검정을 먼저 수행하십시오.

1. 학생. 평균의 확률 오차. Biometrika. 1908;6(1):1-25.
2. Welch BL. 학생 문제의 일반화. Biometrika. 1947;34:28-35.

사용 시점: 동일한 대상에 대해 측정한 두 값을 비교할 때 (측정 전/후, 짝지어진 쌍).

가정. 쌍 간의 차이는 대략 정규 분포를 따른다.

흔히 저지르는 실수입니다. 두 표본이 진정으로 일치하는 경우에만 유효하며, 서로 독립적인 두 표본에는 사용하지 마십시오.

1. 학생. 평균의 확률 오차. Biometrika. 1908;6(1):1-25.

사용 시점. 검정 통계량(z, t, χ² 또는 F)을 귀무 가설 하에서의 p값으로 변환합니다.

가정 사항. 이미 정확하게 계산된 통계량과 적절한 자유도를 가지고 있습니다.

흔히 저지르는 실수. p값은 귀무가설이 참일 확률도 아니고, 효과의 크기도 아닙니다.

1. Wasserstein RL, Lazar NA. p값에 관한 ASA 성명. Am Stat. 2016;70:129-133.

사용 시점. 두 범주형 변수 간의 연관성을 검정하기 위해, 빈도수를 이용한 분할표를 사용합니다.

가정. 각 셀의 예상 빈도는 최소 5 이상이어야 합니다. 관찰값들은 서로 독립적입니다.

흔히 저지르는 실수. 예상 빈도수가 5 미만인 경우(표본 크기가 작은 경우), 피셔의 정확 검정을 사용하십시오.

1. Pearson K. 주어진 편차 시스템의 기준에 관하여… Philos Mag. 1900;50:157-175.

사용 시점. 표본을 이용하여 모집단 평균의 타당한 범위를 추정할 때 사용합니다.

가정. 표본은 무작위이며, n이 작을 경우 기본 분포는 대략 정규 분포를 따른다.

흔히 저지르는 실수. 95% 신뢰구간은 실제 값이 이 구간에 속할 확률이 95%라는 의미가 아닙니다.

1. Neyman J. 통계적 추정 이론의 개요. Philos Trans R Soc A. 1937;236:333-380.

사용 시점. 두 그룹 간 차이의 표준화된 크기를 정량화할 때 사용합니다.

가정. 연속형 데이터; 통합 표준편차는 의미가 있다(분산이 유사함).

흔히 저지르는 실수. 효과 크기는 통계적 유의성이나 임상적 중요성이 아닌 크기를 측정하는 것이다.

1. Cohen J. 행동과학을 위한 통계적 검정력 분석. 1988.

사용 시점: 세 개 이상의 독립적인 그룹의 평균값을 동시에 비교할 때

가정. 독립성; 집단 내 정규성; 분산의 동질성.

흔히 저지르는 실수. 여러 개의 쌍별 t-검정을 실행하지 마세요. 제1종 오류율이 높아집니다.

1. Fisher RA. 연구자를 위한 통계 방법. 1925.

사용 시점. 두 변수 간의 선형(피어슨) 또는 단조(스피어만) 관계의 강도와 방향을 측정할 때 사용합니다.

가정. 피어슨 상관계수: 선형성, 정규성, 주요 이상치 없음. 스피어만 상관계수: 단조 관계만 해당.

흔히 저지르는 실수. 상관관계가 인과관계를 의미하는 것은 아닙니다. 산점도에서 비선형성을 살펴보세요.

1. Pearson K. 회귀와 유전에 관한 참고 사항. Proc R Soc Lond. 1895;58:240-242.
2. 스피어만 C. 연관성의 증명과 측정. 미국 심리학 저널. 1904;15:72-101.

사용 시점. 진단 검사 성능을 평가할 때는 검사 결과와 실제 질병 상태를 2×2로 비교하여 분석하십시오.

전제 조건. 유효한 기준(골드 스탠다드)은 실제 질병 상태를 분류합니다.

흔히 저지르는 실수. PPV와 NPV는 질병 유병률에 크게 의존하므로 이를 보고해야 합니다.

1. Altman DG, Bland JM. 진단 검사 1: 민감도 및 특이도. BMJ. 1994;308:1552.

사용 시점. 연속형 검사 또는 점수의 변별력을 평가할 때 사용합니다.

가정. 이진적 실제 결과(0/1); 연속형 예측 변수 또는 점수.

흔히 저지르는 실수. AUC 값이 0.5에 가까우면 판별력이 없다는 뜻입니다. 단일 임계값을 과도하게 해석하지 마십시오.

1. Hanley JA, McNeil BJ. ROC 곡선 아래 면적의 의미와 용도. 방사선학. 1982;143:29-36.

사용 시점. 2×2 표에서 연관성을 정량화합니다. 사례-대조군 연구에서는 OR, 코호트 연구에서는 RR을 사용합니다.

가정 사항: 각 셀의 개수는 독립적이며, 셀의 값은 0이 아닙니다 (0이 아닌 경우 연속성 보정을 적용합니다).

흔히 저지르는 실수. 결과 발생률이 높은 경우(>10%) OR을 RR로 해석하지 마십시오.

1. Woolf B. 혈액형과 질병 간의 관계 추정에 관하여. Ann Hum Genet. 1955;19:251-253.

사용 시점. 치료 효과는 사건 발생 1건을 예방하기 위해 필요한 환자 수로 나타냅니다.

가정. 사건 발생률은 특정 기간 동안 유사한 집단에서 발생한 것입니다.

흔히 저지르는 실수. 항상 시간 범위를 명시해야 합니다. 시간 범위가 없으면 NNT는 의미가 없습니다.

1. Laupacis A, Sackett DL, Roberts RS. 임상적으로 유용한 측정에 대한 평가. N Engl J Med. 1988;318:1728-1733.

사용 시점. 무작위 효과 모델을 사용하여 여러 연구의 진단 정확도(민감도 및 특이도)를 통합합니다.

가정. 각 연구는 시험 결과와 기준 표준 간의 2×2 비교 결과를 보고합니다.

흔히 저지르는 실수. 민감도와 특이도를 따로 통합하면 둘 사이의 상관관계를 무시하게 됩니다. 가능하면 이변량/HSROC 모델을 사용하는 것이 좋습니다.

1. Reitsma JB, et al. 민감도와 특이도의 이변량 분석. J Clin Epidemiol. 2005;58:982-990.

사용 시점: 세 명 이상의 평가자가 피험자를 범주로 분류하는 데 있어 일치도를 측정할 때 사용합니다(플라이스 카파 계수).

전제 조건. 각 대상은 동일한 수의 평가자에 의해 평가되며, 범주는 상호 배타적입니다.

흔히 저지르는 실수. 카파 계수는 유병률에 민감하므로, 범주별 빈도도 함께 보고해야 합니다.

1. Fleiss JL. 다수의 평가자 간 명목척도 일치도 측정. 심리학 게시판. 1971;76:378-382.

사용 시점. 편향, 95% 일치 한계, 상관관계 및 회귀 분석을 사용하여 두 측정 방법을 비교합니다.

가정. 동일한 양을 두 가지 방법으로 측정한 결과가 쌍을 이룬다.

흔히 저지르는 실수. 상관관계만으로 일치 여부를 판단하지 마십시오. 일치의 한계를 보고하십시오.

1. Bland JM, Altman DG. 두 가지 방법 간의 일치도를 평가하기 위한 통계적 방법. Lancet. 1986;1:307-310.

사용 시점: 단일 연속형 예측 변수를 사용하여 연속형 결과 변수를 모델링하고 예측합니다.

가정 사항: 선형성, 독립성, 등분산성(균등 분산), 정규 잔차.

흔히 저지르는 실수. 관측된 x의 범위를 벗어나 예측값을 외삽하지 마십시오.

1. Galton F. 유전적 신장의 평범함으로의 회귀. J Anthropol Inst. 1886;15:246-263.

사용 시점. 여러 예측 변수를 동시에 사용하여 연속형 결과 변수를 모델링할 때, 각 계수를 조정된 효과로 해석합니다.

가정 사항: 선형성, 독립적인 오차, 일정한 분산, 정규 분포 잔차, 심각한 다중공선성 없음.

흔히 저지르는 실수. 표본이 감당할 수 있는 것보다 더 많은 예측 변수를 사용하지 않도록 주의하고, 분산팽창계수를 확인하십시오.

1. Draper NR, Smith H. 응용 회귀 분석. 3판. 1998.

사용 시점. 이진 결과 변수를 모델링하고 각 예측 변수에 대한 조정된 오즈비를 구합니다.

가정. 결과 변수는 이진 변수이고, 로그 오즈는 예측 변수에 대해 선형적이며, 관측치는 서로 독립적이다.

흔히 저지르는 실수. 경험 법칙: 불안정한 추정치를 피하려면 예측 변수당 최소 10개 이상의 사건이 필요합니다.

1. Hosmer DW, Lemeshow S, Sturdivant RX. 응용 로지스틱 회귀 분석. 3판. 2013.

사용 시점. 모델에서 결과값을 계산하고 각 예측 변수에 대한 비율비를 구합니다.

가정. 개수는 포아송 분포를 따르며, 평균은 분산과 같습니다(과분산 여부 확인).

흔히 저지르는 실수. 분산이 평균을 크게 초과하는 경우, 음이항 분포 또는 준포아송 모델을 사용하십시오.

1. Cameron AC, Trivedi PK. 계수 데이터의 회귀 분석. 2판. 2013.

사용 시점: 정규성 여부가 불확실한 두 독립 집단의 비모수적 비교.

가정. 독립적인 관찰 결과; 순서형 또는 연속형 데이터.

흔히 저지르는 실수. 순위 분포를 비교하는 것이지 평균을 비교하는 것이 아닙니다. 결과를 분포의 변화로 설명해야 합니다.

1. Mann HB, Whitney DR. 두 확률 변수 중 하나가 확률적으로 더 큰지 여부에 대한 테스트. Ann Math Stat. 1947;18:50-60.

사용 시점. 차이가 정규분포를 따르지 않을 때, 대응 데이터에 대한 비모수적 쌍체 검정.

가정. 차이는 중앙값을 기준으로 대칭적입니다. 쌍을 이룬 설계입니다.

흔히 저지르는 실수. 차이가 0인 경우는 제외됩니다. 동점은 검정력을 감소시킵니다.

1. Wilcoxon F. 순위 방법을 이용한 개별 비교. Biometrics Bull. 1945;1:80-83.

사용 시점. 세 개 이상의 그룹을 비교하는 비모수적 비교.

가정. 독립적인 집단; 순서형 또는 연속형 데이터; 유사한 형태의 분포.

흔히 저지르는 실수. 유의미한 H 값은 집단 간에 차이가 있음을 알려줄 뿐, 어떤 집단 간에 차이가 있는지를 알려주지는 않습니다. 따라서 던의 검정을 추가로 실시해야 합니다.

1. Kruskal WH, Wallis WA. 단일 기준 분산 분석에서 순위의 사용. J Am Stat Assoc. 1952;47:583-621.

사용 시점. 2×2 표에서 정확한 연관성 검정을 수행할 때 적합하며, 소규모 표본에 이상적입니다.

가정 사항: 주변 합계는 고정되어 있고, 관측치는 독립적입니다.

흔히 저지르는 실수. 표본 크기가 큰 경우 카이제곱 검정이 계산상 더 간단하고 결과도 동일합니다.

1. Fisher RA. 귀납적 추론의 논리. JR Stat Soc. 1935;98:39-82.

사용 시점. 검열된 시간 경과 사건 데이터로부터 시간에 따른 생존 확률을 추정하고, 로그 순위 검정을 사용하여 그룹 간 비교를 수행합니다.

가정. 검열은 비정보적이며, 생존 시간은 공통된 시작점에서 측정됩니다.

흔히 저지르는 실수. 검열된 대상을 최종적으로 사건이 없는 것으로 처리하지 마십시오. 해당 방법론에서 이미 이를 고려했습니다.

1. Kaplan EL, Meier P. 불완전한 관측치로부터의 비모수적 추정. J Am Stat Assoc. 1958;53:457-481.

사용 시점. 기준 위험률을 지정하지 않고 사건 발생 시간 결과에 대한 공변량의 위험비 추정.

가정 사항: 비례 위험 가설(공변량 효과가 시간에 따라 일정함); 비정보적 중도절단.

흔히 저지르는 실수. 위험비(HR)를 신뢰하기 전에 비례위험 가설(예: 쇤펠드 잔차)을 검증하십시오.

1. Cox DR. 회귀 모형 및 생명표. JR Stat Soc B. 1972;34:187-220.

사용 시점. 여러 연구의 효과 크기를 통합하고 이질성(I-제곱)을 정량화합니다.

가정. 연구들은 임상적 및 방법론적으로 충분히 비교 가능하여 통합할 수 있다.

흔히 저지르는 실수. 높은 I-제곱 값(>75%)은 상당한 이질성을 나타내므로 통합 추정치를 해석할 때 주의해야 합니다.

1. DerSimonian R, Laird N. 임상 시험에서의 메타 분석. Control Clin Trials. 1986;7:177-188.

사용 시점: 에거 회귀 분석을 통해 깔때기 그림 비대칭성(출판 편향 가능성의 지표)을 감지합니다.

가정 사항: 충분한 검정력을 갖춘 에거 검정을 위해서는 최소 10개 이상의 연구가 필요하며, 연구별 효과 크기와 표준 오차를 제시해야 합니다.

흔히 저지르는 실수. 비대칭성은 편향뿐만 아니라 진정한 이질성이나 소규모 연구 효과를 반영할 수도 있습니다.

1. Egger M, Davey Smith G, Schneider M, Minder C. 간단한 그래프 테스트로 메타분석의 편향을 감지합니다. BMJ. 1997;315:629-634.

사용 시점. PRISMA 2020 연구 선정 흐름도에 필요한 기록 수를 작성하고 계산상의 균형을 확인할 때 사용합니다.

가정 사항. 집계는 각 단계별 선별 기록에서 가져옵니다.

흔히 발생하는 오류. 숫자가 일치해야 합니다. 검토된 항목 수에서 제외된 항목 수를 뺀 값이 전체 텍스트 검토된 항목 수와 같아야 합니다.

1. Page MJ 외. PRISMA 2020 성명서. BMJ. 2021;372:n71.

사용 시점. GRADE 프레임워크를 사용하여 증거의 확실성을 등급화합니다(높음/중간/낮음/매우 낮음).

가정 사항. 귀하는 관심 있는 결과에 대해 각 GRADE 영역을 평가했습니다.

흔히 저지르는 실수. 연구 단위가 아닌 결과 단위별로 등급을 매겨야 하며, 등급 상향 조정은 일반적으로 관찰 연구 결과에만 적용됩니다.

1. Guyatt GH, et al. GRADE: 증거의 질 평가에 대한 새로운 합의. BMJ. 2008;336:924-926.

사용 시점: 우연에 의한 기대치를 넘어선 범주형 평가자 간 일치도를 측정할 때 사용합니다.

가정 사항: 평가자 2명; 동일한 평가 항목; 독립적인 평가.

흔히 저지르는 실수. 카파 계수는 유병률에 민감합니다. 높은 일치도가 낮은 카파 값을 나타낼 수 있습니다.

1. Cohen J. 명목척도에 대한 일치계수. 교육심리측정. 1960;20:37-46.

사용 시점. 여러 평가자에 의한 연속 측정값의 신뢰도를 정량화합니다.

가정 사항: 연속 평가; 모든 피험자에 걸쳐 동일한 평가자 집단.

흔히 발생하는 오류입니다. ICC 형식(1,1 / 2,1 / 3,1)을 명시하십시오. 이 형식들은 서로 바꿔 사용할 수 없습니다.

1. Shrout PE, Fleiss JL. 급내상관관계. 심리학 게시판. 1979;86:420-428.

사용 시점. 다항목 척도의 내적 일관성(신뢰도)을 평가할 때 사용합니다.

가정. 항목들은 단일한 기본 구성 개념을 측정하며, 간격척도법을 사용한다.

흔히 저지르는 실수. 알파 값은 항목 수가 많을수록 증가합니다. 따라서 긴 척도에서 높은 값을 과대해석하지 마십시오.

1. Cronbach LJ. 알파 계수와 검사의 내부 구조. 심리측정학. 1951;16:297-334.

사용 시점. 실험실 분석에 대한 시그마 지표를 계산하고 적절한 품질 관리 규칙을 선택합니다.

가정 사항: TEa, 편향 및 변동 계수는 모두 동일한 백분율 단위입니다.

흔히 발생하는 오류. 시그마 값이 3 미만인 경우 집중적인 다중 규칙 품질 관리가 필요하며, 단일 규칙으로는 실행하지 마십시오.

1. Westgard JO. 기본 품질 관리 실무. 4판. 2016.

사용 시점. 평균 편향 및 일치 한계를 통해 두 측정 방법 간의 일치도를 평가합니다.

가정. 측정값의 차이는 대략적으로 정규분포를 따르며 측정 범위 전체에 걸쳐 일정합니다.

흔히 저지르는 실수. 방법 간 일치도를 평가할 때 상관계수를 절대 사용하지 마십시오.

1. Bland JM, Altman DG. 일치도 평가를 위한 통계적 방법. Lancet. 1986;1:307-310.

사용 시점. 이상치 및 두 방법 모두의 측정 오차에 강건한 비모수적 방법 비교.

가정. 연속적인 쌍을 이루는 측정값; 오차 분포에 대한 가정 없음.

흔히 저지르는 실수. 기울기를 정확하게 추정하려면 적절한 측정 범위가 필요합니다.

1. Passing H, Bablok W. 측정값의 동등성을 테스트하기 위한 새로운 생체 ​​측정 절차. J Clin Chem Clin Biochem. 1983;21:709-720.

사용 시점. 위험에 노출된 사람-시간 단위당 새로운 사건 발생률을 계산합니다.

가정 사항: 개인별 시간은 정확하게 누적되었으며, 사건들은 서로 독립적입니다.

흔히 저지르는 실수. 발생률(시간 경과에 따른 신규 사례)과 유병률(기존 사례)을 혼동하지 마십시오.

1. Rothman KJ, Greenland S, Lash TL. 현대 역학. 3판. 2008.

사용 시점. 특정 시점 또는 기간에 특정 질환을 가진 인구의 비율을 추정할 때 사용합니다.

가정 사항: 확진자 수와 인구 수는 동일한 기간 동안 측정되었습니다.

흔히 저지르는 실수. 유병률은 발생률과 지속 기간을 모두 반영하는 것이지, 신규 발생률만을 반영하는 것이 아닙니다.

1. Rothman KJ, Greenland S, Lash TL. 현대 역학. 3판. 2008.

사용 시점. 노출로 인한 초과 위험(귀인 위험, 귀인 분율, 인구 귀인 위험)을 정량화합니다.

전제 조건. 인과적 해석을 위해서는 노출-결과 간의 연관성이 교란 요인 없이 명확해야 합니다.

흔히 저지르는 실수. 귀인 분율은 인과 관계를 가정합니다. 순수하게 상관관계만 있는 데이터에는 적용되지 않습니다.

1. Rothman KJ, Greenland S, Lash TL. 현대 역학. 3판. 2008.

사용 시점. 통계적으로 유의미한 무작위 대조 시험 결과의 신뢰도를 평가합니다.

가정. 무작위 배정 임상시험에서 얻은 이진 결과 변수(2×2).

흔히 저지르는 실수. 취약성 지수가 낮다고 해서 그 자체로 임상시험이 무효화되는 것은 아닙니다.

1. Walsh M, et al. 무작위 대조 시험 결과의 통계적 유의성은 종종 취약하다. J Clin Epidemiol. 2014;67:622-628.

사용 시점. 모수 검정을 선택하기 전에 데이터가 정규 분포를 따랐을 가능성이 높은지 평가하십시오.

가정. 연속형 데이터; Shapiro-Wilk 검정의 경우 n은 3에서 5000 사이입니다.

흔히 저지르는 실수. p > 0.05라고 해서 정규성이 증명되는 것은 아닙니다. 히스토그램과 QQ 플롯도 항상 확인해야 합니다.

1. Shapiro SS, Wilk MB. 정규성 검정을 위한 분산 분석. Biometrika. 1965;52:591-611.

사용 시점. 표 1에 연속 변수의 요약값(평균, 표준편차, 중앙값, 사분위범위, 범위)을 표시할 때 사용합니다.

가정. 없음 — 설명적인 목적일 뿐입니다.

흔히 저지르는 실수. 평균 ± 표준편차는 대략적으로 대칭인 데이터에만 사용하고, 비대칭인 데이터에는 중앙값(사분위 범위)을 사용하십시오.

1. 미국심리학회. 출판 지침서. 제7판. 2020.

사용 시점: 값을 표준화하고 정규 분포에서 해당 값의 백분위수를 찾습니다.

가정. 모집단의 평균과 표준편차가 알려져 있고, 분포는 정규분포를 따른다.

흔히 저지르는 실수. 소규모 표본에서 모수를 추정할 때는 t-점수를 사용하세요.

1. Moore DS, McCabe GP, Craig BA. 통계학 실습 입문. 9판. 뉴욕: WH Freeman; 2017.

사용 시점: 연속 변수의 모양, 중심, 분포를 시각화할 때.

가정 사항: 연속형 데이터; 의미 있는 구간을 설정하기에 충분한 표본 크기.

흔히 저지르는 실수. 빈 너비는 결과에 큰 영향을 미치므로, 최종 결정을 내리기 전에 여러 크기를 시도해 보세요.

1. Sturges HA. 계급 구간의 선택. J Am Stat Assoc. 1926;21:65-66.

사용 시점: 동일한 연속량을 측정하는 두 방법 간의 일치도(상관관계뿐 아니라)를 정량화할 때 사용합니다.

가정 사항: 동일 피험자에 대한 쌍으로 측정된 값; Fisher-z 신뢰 구간이 대략 이변량 정규 분포를 따름; 값의 범위가 비교적 넓음.

흔히 저지르는 실수. 피어슨 상관계수(r)만으로 일치도를 판단하지 마십시오. 표본 크기가 매우 작을 경우 신뢰구간이 신뢰할 수 없으므로 블랜드-알트만 도표를 추가하십시오.

1. Lin LI. 재현성을 평가하기 위한 일치 상관 계수. 생체 측정학. 1989;45(1):255-268.
2. McBride GB. Lin의 일치 상관 계수에 대한 일치 강도 기준 제안. NIWA 고객 보고서 HAM2005-062. 2005.

사용 시점: 두 측정 방법 모두에 측정 오차가 있을 때 (X가 정확한 값이라고 가정하는 일반 최소 제곱법과는 달리) 두 측정 방법을 비교할 때 사용합니다.

가정. 두 방법의 오차 분산 비율(λ)은 알려져 있거나 반복 측정을 통해 추정할 수 있으며, 오차는 전체 범위에 걸쳐 대략 일정하다.

흔히 저지르는 실수. 오차가 농도에 비례하는 경우 가중 데밍(Weighted Deming) 또는 패싱-바블록(Passing-Bablok) 방법을 사용하십시오. 두 방법 모두 노이즈가 심한 경우에는 최소제곱법(OLS)을 사용하지 마십시오.

1. 데밍 WE. 데이터의 통계적 조정. 와일리; 1943.
2. Linnet K. 방법 비교 연구를 위한 회귀 절차 평가. Clin Chem. 1993;39(3):424-432.

사용 시점. GUM 불확실성 예산을 구축하려면 각 구성 요소를 표준 불확실성으로 변환하고 제곱합의 제곱근으로 결합하십시오.

가정. 구성 요소는 서로 독립적이며(공분산 항 없음), 측정량은 민감도 계수가 1인 기여도의 합입니다.

흔히 발생하는 오류. 확장 불확실성과 표준 불확실성을 혼합하지 마십시오. 상관 항이나 단위 민감도가 없는 항은 입력하기 전에 수동으로 포함시키십시오.

1. JCGM 100:2008. 측정 데이터 평가 — 측정 불확실성 표현 지침(GUM).
2. Eurachem/CITAC 가이드 CG 4. 분석 측정의 불확실성 정량화. 3판. 2012.

사용 시점. 공백 및 저농도 반복 측정으로부터 공백 한계 및 검출 한계를 추정하거나(CLSI EP17-A2), 검정 곡선으로부터 LoD/LoQ를 추정합니다(ICH Q2(R1)).

가정 사항. EP17: 최소 60회의 공시료 측정과 60회의 저농도 측정(검증용 각 20회)을 여러 날에 걸쳐 다양한 시약 배치에서 수행했을 때, 결과는 대략 가우시안 분포를 따른다. ICH: 한계치 근처에서 선형 반응을 보인다.

흔히 발생하는 오류. 한계값을 설정할 때 20회 미만의 반복 측정을 사용하지 마십시오. 이 매개변수적 EP17 방법은 단일 저농도 시료를 가정합니다. 시료가 여러 개이거나 비정규 분포를 따르는 바탕값이 있는 경우에는 비매개변수적 방법을 사용하십시오. 한계값은 실험적으로 확인하십시오.

1. CLSI. 임상 실험실 측정 절차의 검출 능력 평가; EP17-A2. 2012.
2. ICH Q2(R1). 분석 절차의 유효성 검증: 본문 및 방법론. 2005.
3. Armbruster DA, Pry T. 공백 한계, 검출 한계 및 정량 한계. Clin Biochem Rev. 2008;29(Suppl 1):S49-S52.

사용 시점. 검사 대상 물질의 정상 범위(건강한 정상인 집단의 중앙 95%)를 설정할 때 사용합니다.

가정 사항. 값은 최소 120명의 잘 정의된 참조 개인(CLSI C28-A3)으로부터 얻었으며, 이상치는 무작위로 제거한 것이 아니라 검토를 거쳤습니다.

흔히 저지르는 실수. 값이 120개 미만인 경우, 범위를 근사치로 간주하십시오. 분포가 명확하게 다른 경우 연령 또는 성별로 구분하십시오.

1. CLSI. 임상 검사실에서의 참조 범위 정의, 설정 및 검증; 승인된 지침 C28-A3. 2008.
2. Horn PS, Pesce AJ. 참고 범위: 업데이트. Clin Chim Acta. 2003;334:5-23.

사용 시점. CLSI EP6 다항식 방법을 사용하여 이차 성분을 검사함으로써 분석법이 보고 범위 전체에 걸쳐 선형적으로 반응하는지 확인하십시오.

가정 사항: 최소 5개의 동일한 정보 수준을 가지며, 각 수준별로 반복 측정값을 평균하고, 전체 범위에 걸쳐 분산이 일정해야 합니다.

흔히 저지르는 실수. 높은 R² 값만으로는 선형성을 증명할 수 없습니다. 유의미하지 않다고 해서, 특히 데이터 레벨이 매우 적은 경우 선형성을 증명하는 것은 아닙니다. 잔차를 확인해야 합니다.

1. CLSI. 정량적 측정 절차의 선형성 평가; EP06. 2판. 2020.

사용 시점. 제3의 변수 Z(교란변수)의 선형 효과를 제거한 후 X와 Y 사이의 연관성을 추정합니다.

가정. 선형 관계; 변수는 대략 정규 분포를 따름; Z는 오차 없이 측정됨.

흔히 저지르는 실수. 부분 상관 분석은 Z가 교란 변수라는 사실이나 X가 Y의 원인이라는 사실을 증명하지 못합니다. 여러 공변량을 고려할 때는 다중 회귀 분석을 사용하십시오.

1. Kim S. ppcor: 반부분상관계수를 빠르게 계산하기 위한 R 패키지. Commun Stat Appl Methods. 2015;22(6):665-674.

사용 시점: 이진 결과 변수에 대해 새로운 치료법이 대조군보다 미리 정해진 마진보다 더 나쁘지 않음을 입증하거나(비열등성), 두 치료법의 차이가 어느 방향으로든 마진보다 작음을 입증할 때(동등성, TOST) 사용합니다.

가정. 오차범위는 데이터 분석 전에 프로토콜에 확정되었으며 임상적으로 타당합니다. Wald 근사치를 적용하기에 충분히 큰 표본 크기입니다.

흔히 저지르는 실수. 데이터를 확인한 후에 마진을 선택하지 마십시오. 작은 셀이나 0% 또는 100%에 가까운 비율의 경우 점수법(패링턴-매닝법)을 사용하십시오. 우월성 검정에서 통계적으로 유의하지 않다고 해서 동등성이 입증되는 것은 아닙니다.

1. Blackwelder WC. 임상 시험에서 귀무 가설을 증명하기. Control Clin Trials. 1982;3:345-353.
2. Schuirmann DJ. 평균 생체이용률의 동등성을 평가하기 위한 두 가지 단측 검정 절차와 검정력 접근법의 비교. J Pharmacokinet Biopharm. 1987;15:657-680.
3. Piaggio G, et al. 비열등성 및 동등성 무작위 시험 보고(CONSORT 확장). JAMA. 2012;308(24):2594-2604.

사용 시기: 연속형 결과 변수를 갖는 2기간, 2치료(AB/BA) 교차 연구를 분석할 때, 치료 효과를 추정하고 기간 효과 및 이월 효과를 검정합니다(Hills–Armitage/Grizzle 검정).

가정. 참가자는 두 가지 순서로 무작위 배정됨; 적절한 휴지기 포함; 피험자 내 차이는 대략 정상 범위 내임; 치료와 기간 간의 상호작용 없음.

흔히 저지르는 실수. 이월 효과 검사는 검정력이 낮으므로 분석의 최종 기준으로 사용해서는 안 됩니다(Senn). 설계 단계에서 워시아웃(washout)을 고려해야 합니다. 저절로 해결되는 질환이나 영구적인 효과를 가진 치료에는 사용하지 마십시오.

1. Senn S. 임상 연구의 교차 시험. 2판. Wiley; 2002.
2. Hills M, Armitage P. 2기간 교차 임상 시험. Br J Clin Pharmacol. 1979;8:7-20.
3. Grizzle JE. 2기간 전환 설계와 임상 시험에서의 활용. 생물통계학. 1965;21:467-480.

사용 시기. 연속형 결과 변수에 대해 두 가지 치료법을 비교하는 2기간, 2순서(AB/BA) 교차 연구를 계획하십시오.

가정 사항: 이월 효과 또는 기간-치료 상호작용 없음; 두 순서의 대상자 수 동일; 이전 교차 연구에서 얻은 피험자 내 표준편차 사용.

흔히 발생하는 오류. 병행군 시험이나 이월 효과 가능성이 높은 경우(장기간 치료, 약물 휴지기 없음)에는 사용하지 마십시오. 생체동등성 평가에는 TOST 기반 계산이 필요합니다.

1. Senn S. 임상 연구의 교차 시험. 2판. Wiley; 2002.
2. Chow SC, Shao J, Wang H. 임상 연구에서의 표본 크기 계산. 2판. 2008.

사용 시점. 계획된 중간 분석이 있는 시험의 경우, 전체 제1종 오류가 α 수준으로 유지되도록 유효성 중단 경계를 설정합니다.

가정 사항: 동일한 간격의 관찰(단계별 동일한 정보 제공); 정규 분포 통계량에 대한 양측 검정; 경계는 눈가림 해제 전에 고정됨.

흔히 저지르는 실수. 계획되지 않은 룩을 추가하지 마십시오. 간격이 일정하지 않은 경우, 전문 소프트웨어에서 알파 스펜딩(Lan–DeMets)을 사용하십시오.

1. O'Brien PC, Fleming TR. 임상 시험을 위한 다중 테스트 절차. 생체 측정학. 1979;35(3):549-556.
2. Pocock SJ. 임상 시험의 설계 및 분석에 있어서 그룹 순차적 방법. Biometrika. 1977;64(2):191-199.
3. Jennison C, Turnbull BW. 임상 시험에 적용되는 그룹 순차적 방법. CRC; 2000.

사용 시점. 기록된 시드를 사용하여 재현 가능한 할당 목록(단순, 순열 블록 또는 층화)을 생성합니다. R 명령어는 생성된 목록을 정확하게 재현합니다.

가정 사항: 해당 목록은 모집과 무관한 제3자가 보유하고 있으며(할당 은폐), 시드 값과 목록은 보관됩니다.

흔히 저지르는 실수. 비맹검 시험에서 단일 고정 블록 크기를 사용하지 마십시오(마지막 할당이 예측 가능해짐). 단순 무작위 배정은 소규모 시험에서 불균형을 초래할 수 있습니다. 최소화와 같은 동적 방법에는 전용 소프트웨어가 필요합니다.

1. Schulz KF, Grimes DA. 무작위 시험에서 할당 순서 생성. Lancet. 2002;359:515-519.
2. Kim J, Shin W. 무작위 배정(랜덤화)을 하는 방법. 임상 정형외과. 2014;6(1):103-109.

사용 시점. 치료 효과는 절대 위험 감소, 상대 위험, 오즈비, 치료 필요 환자 수로 보고하고, 각 항목에 95% 신뢰 구간을 함께 제시하며, 치료받은 100명을 기준으로 어떤 변화가 발생하는지 보여주는 케이츠 도표를 첨부하십시오.

가정 사항: 고정된 추적 기간 동안의 이진 결과; Wald 신뢰 구간에 대한 충분히 큰 빈도수.

흔히 발생하는 오류. ARR 구간에 0이 포함될 경우, NNT 구간은 무한대(NNTB에서 NNTH까지)로 계산됩니다. 따라서 이를 단순한 범위로 표기해서는 안 됩니다. NNT는 추적 관찰 기간에 따라 달라집니다.

1. Altman DG. 치료 필요 환자 수에 대한 신뢰 구간. BMJ. 1998;317:1309-1312.
2. Laupacis A, Sackett DL, Roberts RS. 치료 결과에 대한 임상적으로 유용한 측정 방법 평가. N Engl J Med. 1988;318:1728-1733.

사용 시점. 메타분석에서 연구들을 통합할 수 있도록 코헨의 d, 헤지스의 g, 상관계수 r, 오즈비 간의 변환에 사용합니다.

가정. 기본 연속 결과 변수는 두 그룹 모두에서 대략 정규 분포를 따른다(로지스틱 회귀 분석을 통한 오즈비 변환은 이를 가정한다).

흔히 저지르는 실수. 원본 데이터가 실제로 이진 데이터인 경우 변환하지 말고 보고된 오즈비를 직접 사용하십시오. d와 r 간의 변환은 두 그룹 설계를 가정합니다.

1. Borenstein M, Hedges LV, Higgins JPT, Rothstein HR. 메타분석 개론. Wiley; 2009. 7장.
2. Chinn S. 오즈비를 효과 크기로 변환하는 간단한 방법. Stat Med. 2000;19:3127-3131.

사용 시점: 쌍을 이루는 이진 결과 비교(동일 대상의 전후 비교 또는 매칭된 환자-대조군 쌍)에 사용합니다.

가정. 각 쌍은 서로 독립적이다. 결과는 두 시점 모두에서 이분법적이다. 불일치하는 쌍만이 정보를 담고 있다.

흔히 저지르는 실수. 독립적인 집단에는 사용하지 마십시오 (카이제곱 검정 또는 피셔 검정을 사용하십시오). 불일치 쌍이 25개 미만인 경우 정확한 p값을 사용하는 것이 좋습니다.

1. McNemar Q. 상관 비율 간의 차이의 표본 오차에 대한 참고 사항. 심리측정학. 1947;12(2):153-157.
2. Fagerland MW, Lydersen S, Laake P. 이진 일치 쌍 데이터에 대한 McNemar 테스트. BMC Med Res 방법론. 2013;13:91.

사용 시점: 동일한 피험자를 대상으로 측정한 두 가지 진단 검사 또는 바이오마커의 판별 능력(ROC 곡선 아래 면적) 차이를 검정할 때 사용합니다.

가정. 각 피험자는 점수와 0/1 상태를 모두 가지며, 피험자들은 서로 독립적이다. 두 AUC는 동일한 피험자를 공유하므로 상관관계가 있다(DeLong이 이를 고려함). 동점일 경우 중간 순위 규칙(0.5)을 따른다.

흔히 저지르는 실수. 서로 다른 피험자에서 측정된 지표에는 사용하지 마십시오(비대칭 비교를 사용하십시오). 양성 또는 음성 사례가 매우 적은 경우 정규 근사는 신뢰할 수 없습니다. 유의미하지 않은 결과가 동일한 성능을 입증하는 것은 아닙니다. 전체 곡선이 중요한 것이 아닌 경우 부분 AUC 또는 임상적으로 관련된 임계값을 비교하십시오.

1. DeLong ER, DeLong DM, Clarke-Pearson DL. 두 개 이상의 상관된 수신자 작동 특성 곡선 아래 영역 비교: 비모수적 접근 방식. Biometrics. 1988;44(3):837-845.
2. Hanley JA, McNeil BJ. 동일한 사례에서 파생된 수신자 작동 특성 곡선 아래 영역을 비교하는 방법. 방사선학. 1983;148(3):839-843.
3. Robin X, Turck N, Hainard A, et al. pROC: ROC 곡선을 분석하고 비교하기 위한 R 및 S+용 오픈 소스 패키지. BMC Bioinformatics. 2011;12:77.

사용 시점. 연속형 진단 마커에 대해 단일 결정 임계값을 선택하고 해당 임계값에서의 민감도, 특이도, 예측값, 가능도비 및 AUC를 확인합니다. 다섯 가지 기준(유덴 지수, 좌측 상단 모서리에 가장 가까운 값, 고정 민감도, 고정 특이도, 유병률을 고려한 예상 비용, 위음성의 상대적 비용)을 나란히 비교합니다.

가정 사항. 각 대상당 하나의 마커 값만 사용하며, 기준값은 0/1로 정확해야 합니다. 대상자는 서로 독립적이어야 합니다. 절단점 후보는 연속적으로 정렬된 서로 다른 마커 값들의 중간값입니다(pROC에서 사용하는 것과 동일한 임계값). 마커 값이 절단점 이상일 경우(또는 값이 낮을수록 양성일 경우 이하일 경우) 해당 대상자는 양성으로 판정합니다. 다른 유병률에서의 예측값은 민감도와 특이도가 해당 모집단으로 전이될 때만 유효합니다.

흔히 발생하는 오류. 임계값과 그 정확도는 동일한 데이터를 기반으로 선택 및 추정되므로 낙관적입니다. 특히 클래스당 대상자가 30명 미만인 경우, 새로운 데이터 또는 부트스트랩을 통해 검증해야 합니다. 서로 다른 기준은 서로 다른 임계값을 제시할 수 있습니다(Perkins & Schisterman). 환자군과 대조군을 별도로 표본 추출한 경우, PPV/NPV 계산에 표본 유병률을 사용하지 말고 실제 유병률을 입력해야 합니다. AUC 신뢰구간은 [0, 1]로 절단된 정규 근사치(DeLong)이므로 1에 가깝거나 대상자 수가 매우 적은 경우 신뢰할 수 없습니다.

1. Youden WJ. 진단 테스트 평가 지표. 암. 1950;3(1):32-35.
2. Clopper CJ, Pearson ES. 이항 분포의 경우에서 예시된 신뢰 한계 또는 피듀셜 한계의 사용. Biometrika. 1934;26(4):404-413.
3. DeLong ER, DeLong DM, Clarke-Pearson DL. 두 개 이상의 상관된 수신자 작동 특성 곡선 아래 영역 비교: 비모수적 접근 방식. Biometrics. 1988;44(3):837-845.
4. Perkins NJ, Schisterman EF. 수신자 작동 특성 곡선을 기반으로 두 가지 기준을 사용하여 얻은 "최적" 절단점의 불일치. Am J Epidemiol. 2006;163(7):670-675.
5. Robin X, Turck N, Hainard A, et al. pROC: ROC 곡선을 분석하고 비교하기 위한 R 및 S+용 오픈 소스 패키지. BMC Bioinformatics. 2011;12:77.

사용 시점. 예측 모델 또는 마커가 임상적 의사결정을 개선할 수 있는지 판단하십시오. 순이익은 환자 또는 임상의가 조치를 취할 위험 임계값에서 참양성률과 거짓양성률을 비교하고, 모든 사람을 치료하거나 아무도 치료하지 않는 경우와 모델을 비교합니다.

가정. 예측값은 모든 대상에서 관찰된 이진 결과에 대해 0과 1 사이의 보정된 확률입니다(중도절단 없음). 모든 모델에 동일한 대상을 사용합니다. 임계값 범위는 결정이 바뀔 가능성이 있는 위험 수준을 반영합니다. 모델 적합에 사용된 데이터의 곡선은 낙관적입니다.

흔히 발생하는 오류. 확률이 아닌 원점수를 사용하지 마십시오. 임상적으로 타당한 임계값 범위를 벗어난 곡선은 해석하지 마십시오. 검증 없이 작은 차이에서 이점을 주장하지 마십시오. 이 도구는 신뢰 구간을 제공하지 않으며 과적합에 대한 보정 기능도 없습니다. 순이익은 AUC와 같은 정확도 측정 기준이 아닙니다.

1. Vickers AJ, Elkin EB. 의사결정 곡선 분석: 예측 모델 평가를 위한 새로운 방법. Med Decis Making. 2006;26(6):565-574. doi:10.1177/0272989X06295361
2. Vickers AJ, van Calster B, Steyerberg EW. 예측 모델, 분자 마커 및 진단 테스트 평가를 위한 순이익 접근법. BMJ. 2016;352:i6. doi:10.1136/bmj.i6
3. Vickers AJ, van Calster B, Steyerberg EW. 의사결정 곡선 분석 해석을 위한 간단하고 단계별 가이드. Diagn Progn Res. 2019;3:18. doi:10.1186/s41512-019-0064-7

사용 시점. 진단 정확도 연구에 필요한 참가자 수를 계획하세요. 선택한 정밀도로 민감도와 특이도를 추정하거나(Buderer), AUC가 기준값을 초과함을 보여주거나, 동일한 피험자를 대상으로 측정한 두 검사의 AUC를 비교하는 경우에 사용합니다.

가정. Buderer: Wald(정규 근사) 구간이므로, d는 구간이 0~100% 범위 내에 유지될 만큼 충분히 작아야 합니다. 유병률은 모집된 표본의 유병률입니다. AUC: Hanley-McNeil 분산은 대략 이진 정규 분포와 유사한 점수 분포를 가정하는 평활 근사치입니다. 결과는 경험적(Mann-Whitney) AUC와 정규 검정 통계량에 대한 것입니다. 쌍대 비교: r은 두 AUC 추정치 간의 상관계수이며, 입력된 값으로 사용하고, 예비 데이터 또는 문헌에서 가져와야 합니다.

흔히 저지르는 실수. Buderer 결과를 가설 검정의 검정력 계산으로 해석하지 마십시오(Buderer 결과는 신뢰구간 폭만을 나타냅니다). 표본 크기가 작은 경우(질병 환자가 몇 명인 경우), 부분적인 AUC 값, 또는 군집/다중 판독자 데이터에는 AUC 결과를 사용하지 마십시오. 정확한 값 또는 매우 높거나 낮은 민감도를 얻으려면 정확한 이항 분포 계획법이나 전용 패키지를 사용하십시오.

1. Buderer NMF. 통계 방법론: I. 민감도 및 특이도에 대한 표본 크기 계산에 질병 유병률 통합. Acad Emerg Med. 1996;3(9):895-900.
2. Flahault A, Cadilhac M, Thomas G. 진단 테스트 연구의 설계 정확도를 위해 표본 크기 계산을 수행해야 합니다. J Clin Epidemiol. 2005;58(8):859-862.
3. Hanley JA, McNeil BJ. 수신자 작동 특성(ROC) 곡선 아래 면적의 의미와 사용. 방사선학. 1982;143(1):29-36.
4. Hanley JA, McNeil BJ. 동일한 사례에서 파생된 수신자 작동 특성 곡선 아래 영역을 비교하는 방법. 방사선학. 1983;148(3):839-843.
5. Obuchowski NA. 테스트 정확도 연구의 표본 크기 계산. Stat Methods Med Res. 1998;7(4):371-392.

사용 시점. 검사 결과를 사후 확률로 변환합니다. 민감도/특이도, 2×2 표 또는 공개된 가능도비를 입력하고 사전 확률을 설정한 다음 표 또는 페이건 노모그램에서 결과를 확인합니다.

가정 사항. 민감도와 특이도는 여러분의 환경에 적용 가능합니다. 사전 검사 확률은 현실적입니다(유병률 또는 임상적 추정치). 결과는 이분형입니다. 2×2 분할표의 경우 신뢰구간(CI)은 로그 변환법(Simel, 1991)을 사용하며, 이는 충분한 셀 개수를 가정합니다. 어떤 셀이라도 0인 경우, 우도비(LR)와 신뢰구간을 계산하기 전에 모든 셀에 0.5를 더합니다(연속성 보정). 이 내용은 해당 페이지에 명시되어 있습니다.

흔히 저지르는 실수. 상관관계가 있는 검사들의 가능도비를 독립적인 것처럼 연결하지 마십시오. 민감도와 특이도를 백분율로 입력하면 가능도비에 대한 신뢰구간(CI)이 없습니다(개수 기준값이 필요합니다). 특이도가 100%이면 가능도비(LR+)는 무한대가 됩니다. 개수 기준값 모드에서 0.5를 보정하면 유한하지만 매우 넓은 신뢰구간 값을 얻게 됩니다.

1. Fagan TJ. 베이즈 정리를 위한 노모그램. N Engl J Med. 1975;293(5):257.
2. Simel DL, Samsa GP, Matchar DB. 신뢰도를 포함한 가능도비: 진단 테스트 연구를 위한 표본 크기 추정. J Clin Epidemiol. 1991;44(8):763-770.
3. Deeks JJ, Altman DG. 진단 테스트 4: 가능성 비율. BMJ. 2004;329(7458):168-169.