21세기 의료 환경은 데이터 중심의 의사결정이 필수적인 시대로 접어들었다. 전자의무기록(EMR), 의료영상, 진단검사, 유전체 정보, 환자 모니터링 장비 등 다양한 경로에서 방대한 보건의료 데이터가 생성되고 있으며, 이러한 데이터를 분석하여 보건의료 의사결정에 적극적으로 반영하고 있다.
보건의료통계는 통계학적 이론에 보건학과 의학을 결합하여 합리적인 의사결정을 돕는 융합 학문이며, 역학 연구, 병원통계, 임상지표 분석, 신약과 치료법의 효과 검증 등에 폭넓게 활용되고 있다. 사회과학통계와 달리 보건의료에 대한 기초 지식과 데이터에 대한 깊은 이해가 선행되어야 실무에 활용할 수 있다.
이 책은 보건의료 현장에서 실제로 요구되는 통계 지식과 분석기법을 체계적으로 학습할 수 있도록 구성하였다. 보건의료정보 관리, 간호 및 의학 연구, 보건정책 수립 등에 도움이 되도록 데이터의 결측값 처리, 이상치 판별, 표본 수 부족, 변수 선택 및 결과 해석에 중점을 두었다. 단순한 공식 암기나 계산 훈련에서 벗어나 데이터를 심층적으로 이해하고, 분석 결과를 어떻게 실제 의사결정으로 연결할 것인지 설명하였다.
각 장에 학습 개요와 목표를 명시하여 학습 방향을 제시하였으며, 핵심 개념 요약, 실습 데이터 분석, 연습문제를 통해 학습 성과를 스스로 점검할 수 있도록 하였다.
제1장은 통계적 사고에 필요한 불확실성의 세계, 통계분석과 모집단, 표본조사와 통계량, 데이터 수집과 특징, 보건의료통계 업무 등을 정리하였다. 통계학의 목표와 필요성을 파악하고, 보건통계와 병원통계를 체계적으로 설명하였다.
제2장은 데이터 분석에 필요한 디지털 분석도구와 인공지능 활용법을 다루었다. R과 RStudio, R의 GUI 버전인 jamovi의 사용법과 다양한 라이브러리를 소개하고, 복잡한 코딩 없이 통계 분석과 해석을 지원하는 생성형 인공지능 활용법을 설명하였다.
제3장은 보건의료 데이터의 계산과 활용을 다루었다. 보건통계와 역학조사의 개념을 확인하고, 병원통계를 외래·입원·원무통계로 세분화하여 설명하였다.
제4장은 데이터를 분석하기 전 요약·정리하여 특성을 파악하는 데이터 시각화와 기술통계를 다루었다. 범주형 및 연속형 변수의 시각화 방법, 기대값과 산포도, 집중도에 관한 기술통계량의 산출과정을 기술하였다.
제5장은 모집단과 표본을 구성하는 데이터의 확률 계산과 확률분포를 설명하였다. 사건에 대한 확률과 조건부 확률 그리고 확률변수의 분포를 통해 데이터를 이해하도록 하였다.
제6장부터 제9장까지는 표본분포를 활용한 모집단 추정과 가설검정을 다루었다. 신뢰구간과 임계값을 중심으로 두 집단 간 차이의 가설검정, 세 집단 이상의 평균 및 분산 차이의 가설검정(ANOVA)을 설명하였다. 또한 종속변수가 빈도인 경우 기대값과 실제값을 비교 분석하는 카이제곱검정을 포함하였다.
제10장은 두 변수 이상의 상관관계와 인과관계를 회귀모형으로 설명하였다. 상관관계의 방법, 독립변수의 변화에 따른 종속변수의 변화를 회귀모형으로 예측하는 과정을 다루었다.
제11장과 제12장은 보건의료 분야의 분류 및 예측기법을 설명하였다. 인공지능을 활용한 데이터 패턴 분류 및 예측 방법과 더불어, 시간 의존적 데이터와 중도절단(censoring)이 발생하는 생존분석을 상세히 서술하였다.
제13장은 의료의 질 평가와 환자 만족도 조사에 활용되는 데이터 분석 방법을 제시하였다. 의료서비스 향상과 환자 경험 개선을 위한 의료 질 관리도구, 임상 질 지표, 환자 만족도 조사 설계 및 분석기법을 수록하였다.
본 교재는 보건의료 분야에서 통계적 의사결정에 필요한 역량을 설명하고 있다. 데이터가 환자의 생명 및 건강과 직결될 수 있기 때문에 통계적 판단의 근거와 한계를 인식하고 분석 결과를 해석할 수 있어야 한다. 이 책이 보건의료 데이터를 분석하고, 합리적인 의사결정에 활용될 수 있기를 기대한다.
본 교재는 보건의료 분야에서 통계적 의사결정에 필요한 역량을 설명하고 있다. 데이터가 환자의 생명 및 건강과 직결될 수 있기 때문에 통계적 판단의 근거와 한계를 인식하고 분석 결과를 해석할 수 있어야 한다. 이 책이 보건의료 데이터를 분석하고, 합리적인 의사결정에 활용될 수 있기를 기대한다.