진단, 선발, 분류에 대한 의사결정에 있어서 Bayes' Theorem의 적용 가능성 및 교육적 함의

Abstract

본 연구는 임상적 진단이나 선발과 분류와 같은 의사결정에 있어서 베이즈 정리의 적용 방안을 모색하고 구체적인 적용 사례를 통해 그 교육적 함의를 논의하였다. 임상적 진단에 있어서잘못된 양성반응의 패러독스는 매우 중요한 시사점을 제시한다. 모집단의 유병율이 낮은 조건에서 상당한 정확성을 가진 진단도구라고 할지라 도 대부분의 양성결과는 잘못 판정된 것일 수 있다는 점이다. 대부분의 임상적 장애가 낮은 유병율을 보이기 때문에 임상적 평가에서 총평관적 접근의 중요성을 강조한다. 본 연구는 선발 혹은 분류에 있어서 분할점수 추정 과 그에 따른 준거타당도 평가에 대해 베이즈 정리를 어떻게 적용할 수 있는지를 구체적인 적용 사례와 함께 제시하였다. 기존 방식과 달리 베이즈 정리에 의한 방식은 분할점수 추정에 있어서 통계적 오차를 반영한 의사결 정을 가능하게 해준다. 또한 연속변수의 경우 기존방식은 무수히 많은 분할표를 필요로 하지만, 베이즈 정리에 의해 이러한 문제를 쉽게 해결할 수 있다. 특히 베이즈 방식은 ROC 곡선의 분석을 병행함으로써 최적분할모델 을 손쉽게 식별할 수 있다. 결과적으로 임상적 진단, 선발과 분류에 관련한 준거설정과 준거타당도는 주기적 (periodically)으로 평가되고 수정․보완되어야 한다. 베이즈 정리는 이러한 준거설정과 준거타당도 연구에 있어 서 논리적으로 적합한 모델을 제시한다.

This study seeks to recognize the applicable methods of the Bayes' Theorem on decision making such as clinical diagnosis, selection, and classification. Also this study discusses, through specific cases, the educational implications of such applicable methods. The 'False Positive Paradox' brings up an extremely important point when it comes to clinical diagnosis. Although it has accuracy when applied on a population with such rare conditions of low prevalence, a majority of the positive results could be judged as false. Because most clinical disorders are characterized by a low prevalence rate, the clinical evaluations stress the need for a comprehensive approach during clinical evaluations. This study demonstrates, through specific cases, how the Bayes' Theorem could be applied to cut-off score estimations and their validity evaluations regarding selection and classification. Opposed to previously existing methods, through Bayes' Theorem, one can make decisions regarding cut-off score setting with statistical errors. In the case of continuous variables, though classic methods require a myriad of contingency tables, Bayes' Theorem can resolve such problems. Bayes' Theorem, accompanied by the analysis of ROC curves, provides a way to easily discriminate the optimal classification model from other alternatives. Consequently, criterion settings and their validity for clinical diagnosis, selection, and classification need to be evaluated and remedied periodically. Bayes' Theorem provides an logically adequate model in respect to such criterion settings and criterion-related validity studies.