아티클이 가르친 용어를 분야별로 모았습니다. 용어를 누르면 그 용어를 설명한 편으로 갑니다.
무게, 즉 가중치는 요약값을 만들 때 그 연구의 값이 얼마나 반영될지를 정하는 숫자다.
메타분석은 평균을 내지 않는다 — 숲그림의 마름모가 만들어지는 법건강한 사용자 효과는 예방을 위한 무언가를 꾸준히 챙기는 사람들이 다른 행동이나 원래 형편에서도 앞서 있어서, 그 예방 수단이 실제보다 이로워 보이는 현상이다.
먹는 사람이 더 오래 산다면, 그 사람들은 원래 어떻게 달랐을까 — 교란실제로 효과가 있을 때 그것을 "유의하다"고 잡아낼 확률이다.
0.05는 어디서 왔나 — 유의성이 몇 명에 달려 있는지 세는 법관심 있는 사건이 일어나는 것을 영구히 불가능하게 만드는 다른 사건
끝까지 따라가지 못할 때 — 치료를 바꾼 사람, 다른 이유로 떠난 사람고정효과 모형은 이렇게 가정한다 — 이 연구들이 재려는 참값은 하나다.
메타분석은 평균을 내지 않는다 — 숲그림의 마름모가 만들어지는 법관심 대상이라서가 아니라 그 영향을 걷어 내려고 모형에 넣은 변수, 곧 보정변수를 가리키는 말이다.
"연령·성별·BMI 보정"은 무엇을 했나 — 교란과 보정을 읽는 법공변량 선택은 모형에 어떤 변수들을 넣을지 정하는 일이다.
보정하면 안 되는 것 — 어떤 변수는 넣는 순간 답이 바뀐다과보정은 넣지 말았어야 할 자리의 변수를 넣는 것이다.
보정하면 안 되는 것 — 어떤 변수는 넣는 순간 답이 바뀐다관찰연구는 연구자가 무리를 나누지 않고, 사람들이 이미 지내는 대로 두고 지켜보며 세기만 하는 연구다.
먹는 사람이 더 오래 산다면, 그 사람들은 원래 어떻게 달랐을까 — 교란교란 요인은 원인처럼 보이는 쪽과 결과 양쪽에 모두 영향을 주는 제3의 요인이다.
먹는 사람이 더 오래 산다면, 그 사람들은 원래 어떻게 달랐을까 — 교란노출에도 영향을 주고 결과에도 영향을 주는 공통 원인이다.
"연령·성별·BMI 보정"은 무엇을 했나 — 교란과 보정을 읽는 법"이 약과 가짜 약 사이에는 아무 차이도 없다."
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
치료하지 않은 집단에서 그 일이 일어나는 비율.
"위험 50% 감소"는 몇 명인가 — 상대위험·절대위험·NNT를 읽는 법baseline risk, underlying risk
기저위험은 치료하지 않은 집단에서 그 일이 일어나는 비율이다.
위험이 절반으로 줄었다면, 몇 명이 덜 아픈가 — 상대위험과 절대위험이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
연구 하나를 점 하나로 찍는 그림이다.
같은 시험, 다른 결론 — 출판편향과 "무엇을 합쳤는가"시작한 시점부터 지금까지, 관심 있는 그 사건을 실제로 겪은 사람이 전체의 몇 퍼센트인가.
끝까지 따라가지 못할 때 — 치료를 바꾼 사람, 다른 이유로 떠난 사람한 번의 연구에서 검정을 여러 번 하는 것을 다중비교라고 한다.
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문어느 한 시점에 조사해 "지금 이 병이 있는가"를 세는 설계다.
어떤 연구는 위험을 셀 수 없다 — 설계가 지표를 정하고, 층을 합치면 값이 달라진다랜덤효과 모형은 참값이 하나가 아니라고 가정한다.
메타분석은 평균을 내지 않는다 — 숲그림의 마름모가 만들어지는 법노출이 결과에 영향을 주는 경로 위에 있는 변수다.
"연령·성별·BMI 보정"은 무엇을 했나 — 교란과 보정을 읽는 법같은 질문을 던진 연구가 여럿 있을 때 그 결과들을 통계적으로 합쳐 하나의 요약값을 내는 것이다.
메타분석은 평균을 내지 않는다 — 숲그림의 마름모가 만들어지는 법무작위 시험, randomized trial, 무작위 대조시험, randomized controlled trial
이렇게 제비뽑기로 나누는 시험을 무작위시험이라고 부릅니다.
먹는 사람이 더 오래 산다면, 그 사람들은 원래 어떻게 달랐을까 — 교란이렇게 제비뽑기로 나누는 시험을 무작위시험이라고 부른다.
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
참가자가 실제로 무엇을 받았든 처음 배정받은 집단에 그대로 두고 세는 방식이다.
끝까지 따라가지 못할 때 — 치료를 바꾼 사람, 다른 이유로 떠난 사람보정은 교란 요인이 같은 사람끼리 견준 것처럼 계산으로 맞추는 일이다.
먹는 사람이 더 오래 산다면, 그 사람들은 원래 어떻게 달랐을까 — 교란빠진 것으로 보이는 연구를 추정해 채워 넣고 요약값을 다시 내거나, 발표될 확률이 결과에 따라 달라진다는 모형을 세워 가중치를 다시 매기는 계산법들이 있다.
같은 시험, 다른 결론 — 출판편향과 "무엇을 합쳤는가"어떤 사람들을 "치료받은 사람"으로 묶었는데 그 묶음에 들어가려면 치료를 받는 날까지 살아 있어야만 했던 경우, 그 기다림의 기간이 치료군의 생존 기록에 딸려 들어가는 것.
그 사람들은 언제부터 세어졌나 — 관찰연구가 효과를 만들어내는 방식두 군의 해저드 비가 시간이 지나도 일정하다
해저드비 0.7은 무엇의 0.7인가 — 생존곡선 읽는 법집단 전체에서 잰 값이 그 집단을 이루는 개인이나 부분집단들에서 잰 값의 단순 평균과 같지 않다는 뜻이다.
어떤 연구는 위험을 셀 수 없다 — 설계가 지표를 정하고, 층을 합치면 값이 달라진다"여기까지 나쁜 것은 참아 줄 수 있다"고 미리 그어 두는 선이다.
신뢰구간은 오차범위가 아니다 — 괄호 안 두 숫자를 읽는 법연구가 세기로 정한 일을 사건이라고 하고, 그 일이 실제로 일어난 사람의 비율을 사건율이라고 한다.
같은 결과, 다른 문장 — 형식이 판단을 바꾸는 자리와 바꾸지 못하는 자리자료를 보기 전에 무엇을 어떻게 재고 분석할지를 공개된 곳에 미리 적어 두는 것
0.05는 어디서 왔나 — 유의성이 몇 명에 달려 있는지 세는 법이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
왼쪽 위에서 100%로 시작해 오른쪽으로 가면서 계단처럼 내려간다.
해저드비 0.7은 무엇의 0.7인가 — 생존곡선 읽는 법열 가지를 쟀는데 논문에는 잘 나온 셋만 실린다든지, 미리 정해 둔 주된 결과 대신 나중에 좋게 나온 것이 주인공이 된다든지 하는 식이다.
같은 시험, 다른 결론 — 출판편향과 "무엇을 합쳤는가"선택편향은 누가 표본에 들어왔느냐 때문에 생기는 치우침이다.
보정하면 안 되는 것 — 어떤 변수는 넣는 순간 답이 바뀐다어떤 사람이 그 처치를 받을 확률
보정을 다 하고 나서 남는 것 — E-value·음성대조·성향점수가 하는 일과 하지 않는 일작은 연구일수록 더 큰 이득을 보고하는 경향이고, 이것을 소규모 연구 효과라고 부른다.
같은 시험, 다른 결론 — 출판편향과 "무엇을 합쳤는가"스핀은 결과를 실제보다 이롭게 보이도록 쓰는 보고 방식이다.
같은 결과, 다른 문장 — 형식이 판단을 바꾸는 자리와 바꾸지 못하는 자리confidence interval
신뢰구간은 연구가 내놓은 값 하나 옆에, 이 자료와 어긋나지 않는 값들의 범위를 함께 적어 둔 것이다.
한 번 센 숫자는 얼마나 흔들리나 — 괄호 안 두 숫자, 신뢰구간이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
같은 방식으로 연구를 무한히 되풀이하면, 그렇게 만들어진 구간들 가운데 95%가 참값을 덮는다.
신뢰구간은 오차범위가 아니다 — 괄호 안 두 숫자를 읽는 법confidence level
신뢰수준은 괄호 앞에 붙는 95%로, 같은 방식으로 연구를 끝없이 되풀이하면 그렇게 만든 괄호들 가운데 95%가 참값을 품는다는 뜻이다.
한 번 센 숫자는 얼마나 흔들리나 — 괄호 안 두 숫자, 신뢰구간이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
"이 데이터가 지금 세운 가정 전체와 얼마나 잘 어울리는가"를 재는 값이라는 뜻으로 양립성 지표라 부르자는 것이다.
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문연관은 한쪽이 있을 때 다른 쪽이 더 많이, 또는 더 적게 나타나는 관계다.
먹는 사람이 더 오래 산다면, 그 사람들은 원래 어떻게 달랐을까 — 교란튀는 값을 뺄까 넣을까, 어느 변수를 계산에 넣을까, 언제 자료 수집을 멈출까. 이 선택의 폭이 연구자 자유도다.
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문비슷한 새 연구를 지금 한 편 한다면 그 참된 효과가 어디쯤 떨어질까.
I²는 흩어짐의 크기가 아니다 — 이질성 지표를 읽는 법걸린 사람 수를 걸리지 않은 사람 수로 나눈 것
오즈비는 위험비가 아니다 — '몇 배'가 무엇의 몇 배인가노출군의 오즈를 비노출군의 오즈로 나눈 것이다.
오즈비는 위험비가 아니다 — '몇 배'가 무엇의 몇 배인가끝까지 따라갔을 때 사건을 겪은 사람의 비율끼리 나눈 값이다
그 사람들은 언제부터 세어졌나 — 관찰연구가 효과를 만들어내는 방식어떤 시점에 아직 그 자리에 남아 있는 사람들이다.
해저드비 0.7은 무엇의 0.7인가 — 생존곡선 읽는 법어느 선 아래면 "우연으로 보기 어렵다"고 부를지를 미리 정해 두는데 그 선이 유의수준이다.
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문significance level, 알파
유의수준은 p값이 그보다 작으면 「우연으로 보기 어렵다」고 부르기로 미리 정해 둔 선이다.
「통계적으로 유의했다」는 무엇을 말하나 — 동전 던지기로 읽는 p값이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
인과적으로 있을 수 없는 노출이나 결과를 하나 정해 놓고 거기서 연관이 나오는지를 본다.
보정을 다 하고 나서 남는 것 — E-value·음성대조·성향점수가 하는 일과 하지 않는 일연속적인 숫자를 어느 선에서 잘라 두 칸으로 만드는 일이다.
0.05는 어디서 왔나 — 유의성이 몇 명에 달려 있는지 세는 법한곳에서 잰 효과의 값을 사정이 다른 곳에 그대로 옮겨 써도 되는가이다.
어떤 연구는 위험을 셀 수 없다 — 설계가 지표를 정하고, 층을 합치면 값이 달라진다임상적으로 관련된 특성의 차이에서 오는 치료 효과의 변이.
I²는 흩어짐의 크기가 아니다 — 이질성 지표를 읽는 법연구비를 댄 쪽에 유리한 결과와 결론이 더 자주 나오는 경향을 자금원 편향이라고 부른다.
같은 시험, 다른 결론 — 출판편향과 "무엇을 합쳤는가"자연빈도는 위험을 "1,000명 중 8명"처럼 사람 수로 적는 방식이다.
같은 결과, 다른 문장 — 형식이 판단을 바꾸는 자리와 바꾸지 못하는 자리교란변수를 넣긴 넣었는데 거칠게 재거나 잘못 재서 교란이 다 빠지지 않고 남는 경우다.
"연령·성별·BMI 보정"은 무엇을 했나 — 교란과 보정을 읽는 법이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
같은 연구를 다시 해 보는 일이다.
0.05는 어디서 왔나 — 유의성이 몇 명에 달려 있는지 세는 법각 집단에서 그 일이 실제로 일어난 사람의 비율.
"위험 50% 감소"는 몇 명인가 — 상대위험·절대위험·NNT를 읽는 법이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
absolute risk reduction, ARR, 위험차, risk difference
절대위험감소는 두 절대위험의 뺄셈이다.
위험이 절반으로 줄었다면, 몇 명이 덜 아픈가 — 상대위험과 절대위험이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
구간이 좁으면 정밀한 것이고 넓으면 정밀하지 않은 것이다.
신뢰구간은 오차범위가 아니다 — 괄호 안 두 숫자를 읽는 법precision
정밀도는 숫자가 얼마나 덜 흔들리는지를 가리키는 말로, 구간이 좁으면 정밀한 것이고 넓으면 정밀하지 않은 것이다.
한 번 센 숫자는 얼마나 흔들리나 — 괄호 안 두 숫자, 신뢰구간이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
빠져나가는 그 사건 자체가 그 사람의 앞날에 대한 정보를 담고 있을 때다.
그 사람들은 언제부터 세어졌나 — 관찰연구가 효과를 만들어내는 방식정해 놓은 기간 안에서, 사람들이 평균 몇 달을 사건 없이 보냈는가.
끝까지 따라가지 못할 때 — 치료를 바꾼 사람, 다른 이유로 떠난 사람추적이 끝날 때까지 그 사람에게 사건이 일어나지 않았거나 중간에 연락이 끊겨서, 아는 데까지만 세고 손을 떼는 것이다.
그 사람들은 언제부터 세어졌나 — 관찰연구가 효과를 만들어내는 방식생존곡선이 50%를 지나는 지점의 시간이다.
해저드비 0.7은 무엇의 0.7인가 — 생존곡선 읽는 법참값은 연구가 알고 싶은 대상 전체를 다 셀 수 있다면 나올 숫자다.
한 번 센 숫자는 얼마나 흔들리나 — 괄호 안 두 숫자, 신뢰구간검색어를 미리 정하고, 여러 데이터베이스를 정해진 절차로 뒤지고, 포함·제외 기준을 미리 적어 두고, 걸러진 연구가 설계 때문에 치우칠 위험을 평가한다.
메타분석은 평균을 내지 않는다 — 숲그림의 마름모가 만들어지는 법연구가 끝났는데 결과가 시원치 않으면 논문이 되지 않는 일이 있다.
같은 시험, 다른 결론 — 출판편향과 "무엇을 합쳤는가"노출과 결과가 둘 다 영향을 주는 변수다.
"연령·성별·BMI 보정"은 무엇을 했나 — 교란과 보정을 읽는 법한 군에서 몇 명의 결과가 "사건 없음"에서 "사건 있음"으로 바뀌면 그 결과의 유의성이 사라지는가.
0.05는 어디서 왔나 — 유의성이 몇 명에 달려 있는지 세는 법연구 도중에 참가자가 처음 배정받은 치료를 그만두고 다른 쪽으로 옮겨 가는 것.
끝까지 따라가지 못할 때 — 치료를 바꾼 사람, 다른 이유로 떠난 사람사람들을 미리 나눠 놓고 시간을 따라가며 결과를 세는 설계다.
어떤 연구는 위험을 셀 수 없다 — 설계가 지표를 정하고, 층을 합치면 값이 달라진다p값이 유의수준보다 작으면 「통계적으로 유의하다」고 부릅니다.
「통계적으로 유의했다」는 무엇을 말하나 — 동전 던지기로 읽는 p값표본은 연구가 실제로 모아서 잰 사람들이다.
한 번 센 숫자는 얼마나 흔들리나 — 괄호 안 두 숫자, 신뢰구간"이 질문에 답하는 무작위배정 임상시험을 실제로 한다면 어떻게 설계할까"를 먼저 종이에 적고, 관찰자료를 그 설계에 맞춰 다시 정렬하는 것.
그 사람들은 언제부터 세어졌나 — 관찰연구가 효과를 만들어내는 방식프레이밍은 같은 사실을 어떤 문장으로 적을지 고르는 일, 곧 틀 짓기다.
같은 결과, 다른 문장 — 형식이 판단을 바꾸는 자리와 바꾸지 못하는 자리연구들을 특성별로 갈라 묶음마다 다시 요약값을 내 보는 것이다.
I²는 흩어짐의 크기가 아니다 — 이질성 지표를 읽는 법매 시점에 사건이 일어나는 속도의 비다.
그 사람들은 언제부터 세어졌나 — 관찰연구가 효과를 만들어내는 방식100명 중 20명이 걸리면 확률은 20 ÷ 100 = 0.20이다.
오즈비는 위험비가 아니다 — '몇 배'가 무엇의 몇 배인가결과가 이미 일어난 사람과 일어나지 않은 사람을 따로 모아 두고 과거를 조사하는 설계
어떤 연구는 위험을 셀 수 없다 — 설계가 지표를 정하고, 층을 합치면 값이 달라진다각 연구가 낸 그 값을 효과크기라고 한다.
메타분석은 평균을 내지 않는다 — 숲그림의 마름모가 만들어지는 법이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
관찰된 처치–결과 연관을 완전히 설명해 없애려면, 안 잰 교란변수가 처치와도 결과와도 가져야 하는 연관의 최소 강도
보정을 다 하고 나서 남는 것 — E-value·음성대조·성향점수가 하는 일과 하지 않는 일연구 추정값들의 총 변동 중 이질성에서 온 비율
I²는 흩어짐의 크기가 아니다 — 이질성 지표를 읽는 법number needed to treat, 치료 필요 수
NNT는 절대위험감소의 역수로, 한 명이 덕을 보려면 몇 명이 치료받아야 하는지를 나타내는 수다.
위험이 절반으로 줄었다면, 몇 명이 덜 아픈가 — 상대위험과 절대위험이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
p값은 차이가 전혀 없다고 쳤을 때 지금만큼 또는 그보다 더 벌어진 결과가 나올 확률이다.
한 번 센 숫자는 얼마나 흔들리나 — 괄호 안 두 숫자, 신뢰구간정확히는 귀무가설이 참이라고 할 때 관측된 값 또는 그보다 더 벌어진 값이 나올 확률이다.
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문p-value, P value, p value, 피값
p값은 귀무가설이 참이라고 할 때 관측된 값 또는 그보다 더 벌어진 값이 나올 확률이다.
「통계적으로 유의했다」는 무엇을 말하나 — 동전 던지기로 읽는 p값이 분야에서 뜻이 둘 이상으로 쓰이는 용어입니다.
연구들이 사실은 다 같은 참값을 재고 있었다면 지금 보이는 이 정도 흩어짐이 나올 법한가
I²는 흩어짐의 크기가 아니다 — 이질성 지표를 읽는 법p값을 −log₂(p)로 변환한 값이고 S값(놀람값)이라고 부른다.
p=0.03은 무엇의 확률인가 — p값이 답하는 하나의 질문연구마다 다른 참값들이 이루는 분포가 얼마나 넓게 퍼져 있는지, 그 분산
I²는 흩어짐의 크기가 아니다 — 이질성 지표를 읽는 법