[존 버치 협회- 정치 슬로건]

1.이민자들은 적이다. 국경을 보호하고 모든 불법 체류자들을 강제 추방하자.

​2.동성애는 사악하다. 기도로 어린이와 10대 청소년의 동성애를 물리치자.

​3.실업자들은 일할 의지가 없으며 빈곤층은 일부러 빈곤한 상태에 머무른다. 최저임금을 삭감하고 실업수당을 없애면 누구나 직업을 구할 것이다.

​4.노동조합은 게으르고 무능력한 공무원들을 보호함으로써 경제 불황을 초래했다.

​5.부자들은 [고용창출자]이며 그들의 부는 보호받아야 한다.

​6.사회보장제도는 지속 불가능한 제도이다. 메디케어와 메디케이드에 제한을 가하고 기업과 [고용창출자]들의 세율을 낮춰야 한다.

​7. 낙태는 살인이며 법으로 금지되어야 한다. 강간과 근친상간으로 인한 임신이라도 예외로 둘 수 없다. 설령 임산부의 생명이 위험할지라도 예외가 허용되어서는 안된다.

8.​2008년 경제 불황은 기업에 대한 높은 세금 부과, 지나친 규제, 그리고 빈곤층의 주제넘은 대출에서 기인했다.

9.​정부는 고용을 창출하지 못하므로 경기부양책은 무용하다. 일자리를 만드는 유일한 방법은 세금을 줄이는 것이다.

10.​정부는 개인이 총기를 보유하거나 소지할 권리를 제한할 수 없다. 총기가 법으로 금지된다면 무법자들의 손에만 총이 쥐어질 것이다.

11.​미국은 신이 선택한 국가인데도 미국 대통령은 우리나라의 우월성을 이해하지 못한다. [진짜] 미국인이 아니기 때문이다. 현재 우리의 대통령은 미국을 증오하는 마르크스주의자이자 사회주의자이며 무슬림 인종차별주의자이다.

​

[참고]

​​메디케어: 사회보장세를 20년 이상 납부한 65세 이상 노인과 장애인에게 연방정부가 의료비의 50%를 지원하는 제도

​메디케이드: 소득이 빈곤선의 65% 이하인 극빈층에게 연방정부와 주정부가 공동으로 의료비 전액을 지원하는 제도

이 책에는 미국의 극우 단체인 존 버치 협회의 열성 회원을 부모로 둔 한 여성의 자전적인 스토리가 담겨 있다.

어린 시절, 어머니, 아버지의 열성적인 극우 활동을 막연하게나마 돕고 살아오던 한 여인이 사회 현실에 눈을 뜨고 나서 그러한 극우 집단이 얼마나 왜곡된 사고와 위험한 신념을 품고 살아가는 단체인지를 넌지시 일러주는 책이다.

위의 존 버치 협회 슬로건을 가만히 보면 어디선가 많이 본 내용들이 많다.

일단 보수가 지향하는 '자유' 라는 가치가 눈에 띈다. 또한, 자신이 속한 나라의 우월성을 강하게 주장하는 민족주의적 성향도 드러난다.

특이하게도 이들은 기독교적 정신을 접목시켜서, 율법주의적인 경향을 함께 보인다. 그래서 낙태나 동성애, 무슬림 등의 문제가 나오면 눈에 불을 켜고 달려든다.

큰 정부보다는 작은 정부를 지향하며 복지국가의 건설을 반대하고, 거대 기업을 통해 자국의 경제 성장을 이룰 수 있다고 믿고 있다.

우리 나라에도 이와 비슷한 느낌의 독재 정권 시절이 있었는데, 그러한 방식이 지금의 '메가톤큽 거대 재벌'을 양산하고, 양극화를 심화시켰다는 점은 짚고 넘어가야 할 것 같다.

이 책을 읽고 나면, 보수가 극우로 변질되면서 얼마나 무서워 질 수 있는지 알 수 있다.

미국의 격동하는 정치 판도를 생생하게 볼 수 있다는 장점도 있는데, 요즘 트럼프 대통령의 행보를 고려한다면 미국의 정치사도 함께 공부해 볼 필요가 있다. 우리 나라와도 밀접한 연관이 있기 때문이다.

그들은 '반공주의'가 극대화 되어 있다. 2차 세계대전을 지나고, 다양한 공산주의 세력과의 냉전 체제 속에서 그들의 의식 속에는 '공산주의'는 곧 성경이 말하는 '악마'이며, 이들이 모든 사회 악의 주범이라는 왜곡된 사고가 주입되어 있다.

요즘도 이런 주장을 하는 한국 교회들이 더러 있는데, 모두 북한의 '공산주의'(?) 에 이골이 난 탈북 출신 목사님들의 헌신적인(?) 가르침 덕분이라고 볼 수 있다.

우리는 인간의 손으로 이뤄낸 공산주의가 얼마나 참혹했는지 잘 알고 있다.

그러나, 우리가 '악'이라고 규정해야 하는 것은 그런 단순한 '~주의' 가 아니라 더 깊고, 더 넓은 그 무언가다.

이들은 자신들의 도그마에 갇혀서, 그 틀에 맞지 않은 모든 이들을 다 '공산주의자'라고 배척해 버린다.

(그들의 사고 체계 속에서는 '공산주의자' = '악마' 이니, 그들은 자신들의 독특한 기준을 충족 못하는 나머지들을 다 '악마'로 여긴다고 해석할 수 있다.)

존 버치 협회 회원들도 미국의 여러 대통령들을 빨갱이 취급하고, 신세계질서를 믿었으며 머지 않아 미국과 전 세계가 어두운 음모를 꾸미는 공산주의 세력에게 먹힐 것이라는 두려움에 사로잡혀 있었다.

이들을 이끄는 힘은 '두려움'과 '공포'다. 그리고 상대방과 나를 나누는 '분열'의 힘이 그들을 이끄는 동력이다.

그들은 자신들의 주장을 관철시키기 위해 자신들의 인지를 왜곡시키는 걸 서슴치 않는다.

이들의 모습을 보고 있자면 666, 프리메이슨, 신세계 질서 등을 주장하는 기독교 근본주의가 생각난다.

모두다 그럴싸하다. 요한계시록을 재미있게 해석하면 그런 음모론도 충분히 나옴직 하고, 그래서 댄 브라운도 [천사와 악마] 등에서 일루미나티라는 음모 단체를 활용해 비슷한 느낌의 스토리를 전개했었고 말이다.

그러나, 그들의 음모론은 내 바로 옆에 있는 '영혼을 지닌 타자'를 향한 사랑이 결여되어 있다.

그들은 동성애자를 총으로 쏴 죽이고 싶어할 것이고, 동성애 지지를 조금이라도 하려는 정치인들을 짐승처럼 여긴다.

이런 식으로 말하면 그들은 늘 이렇게 말한다.

그러면 기독교인인 너는 '동성애'를 지지할 거냐??, 기독교를 잔인하게 죽이고 탄압한 '공산주의'를 옹호하는 것이냐?

난 그들의 질문에 그저 웃을 뿐이다. 그걸 정말 몰라서 묻는 것인지 궁금할 정도이다.

아닌 건 아닌 거다. (기독교인인 내겐 최소 기준이 있다.) 그러나, 존 버치 협회나 극우 단체들의 행동은 역시 잘못된 행동이다.

그들은 자신들이 정해 놓은 규정과 틀에서 조금만 벗어나면 금방이라도 나라가 망하고, 세상에 재앙이 닥칠 것이라고 말하지만 그건 그들의 착각일 가능성이 크다.

또한 이 책에 나온 존 버치 협회는 늘 경건함을 강조하고, 신앙을 강조하는데 그 모습은 마치 예수님을 십자가에 못 박은 바리새인들과 흡사하다.

그들은 자신들이 어느 덧 바리새인의 포지션에 위치하고 있다는 걸 깨닫고나 있을까?

나도 한 때 이런 율법주의적 신앙관, 근본주의적 신앙관에 매료된 적이 있다. 그러나, 더 알아가고, 더 경험하다 보니 그 길이 가장 교묘한 '다른 길'임을 알게 되었다.

신앙을 지닌 이들은 극우 단체의 실상을 알리는 책을 볼 필요가 있다.

이 책과 함께 구입한 [미국이 없는 세계를 상상할 수 있는가] 는 미국의 보수주의자가 쓴 책인데 함께, 비교, 대조하며 보는 재미가 쏠쏠하다.

극우 단체들은 인지 왜곡이 심해서 소통하기가 쉽지 않다.

이 책의 저자도 자신들의 부모님과의 소통을 거의 포기해야 했었고, 특히 그녀의 어머니는 죽는 그 날까지 딸을 정죄하고, 자신과 다른 타인을 조롱하며 세상을 떠났다.

그러나 좀 더 온건한 보수주의자들의 의견은 나름 참고할 필요가 있다. [미국이 없는 세계를 상상할 수 있는가]를 읽으면서, 온건한 보수의 주장을 더 들어보고 싶었는데, 미국의 침략 전쟁이나 미국의 오만한 행보에 대한 그의 '변호'를 듣고 있노라면, 영 납득이 안 되는 내용이 많다.

이념에 한번 잡히면, 시야가 얼마나 좁아지는지.....

그래도 양쪽의 이야기를 같이 들어보는 건 중요하다고 생각한다.

요즘은 젊은 시절 열심히 운동권에서 뛰던 황성준씨가 공산주의 국가를 다녀오고 나서 그들의 실상을 보고 보수로 전향하여 쓴 책인 [유령과의 역사투쟁]이라는 저서도 보고 있다.

그럴싸한 부분도 있는 듯 하지만, 극우,보수의 논리 속에는 이분법이 너무 강하게 자리잡은 것 같다. 자기와 다른 의견을 내면 다 좌빨이고 빨갱이라는 말도 안되는 비논리라고나 할까...

나는 그가 보고 온 공산주의 국가의 실상도 중요하다고 생각한다. 그런 삶을 살 수는 없다. 그렇다고 해서 진보주의 자체가 '악'이라고 규정하는 건 위험한 발상일 것이다.

기독교인인 난 늘 고민한다.

​

보수,극우 단체가 말하는 "진보를 외치는 세력들은 무신론을 지향한다!" 라는 대표적인 슬로건과 "우리 보수는 늘 기독교를 지지하고 하나님을 잘 섬긴다!" 고 주장하는 그들의 모습을 보고 있노라면, 무엇이 '하나님의 뜻'인지 고민하지 않을 수 없다.

그러나 한 가지 분명한 건 있다.

작금의 기독교 정치 보수 세력은 성경이 말하는 기독교와 거리가 멀어지고 있다는 것이다. 이는 한국의 보수,극우적 정치관을 지지하는 몇몇 대형 교회들 뿐만 아니라 미국 등 다른 나라의 교회들도 마찬가지다.  그렇다고 해서 진보적 자유주의가 말하는 '무신론'도 결코 내가 지지할 수 있는 길이 아니다.

아마 진리는 그들 사이 어딘가에 유유히 자존하고 있을 것이라 믿는다.

이 책을 읽으면서, 작금의 한국 정치 판도, 미국,일본, 중국의 정치 판도를 함께 고민해 보며 자신의 노선을 점검해 보는 것도 도움이 될 것이다.

마가렛 말러의 분리-개별화 시기와 멜라닌 클라인의 투사, 투사적 동일시 개념 등을 활용해서 학교 폭력 사태를 간단하게 고찰해 봅시다.

[학교 폭력과 ‘투사’,‘투사적 동일시’, '분리-개별화']

​

-청소년기는 제2의 분리-개별화 시기로서 자신만의 심리적 형태를 멋지게 만들고 싶은 시기이다.

 정체성이 형성되는 시기이고, 자신의 내면에 있는 나쁜 부분들은 없애고 싶어진다.

그러다 보니 자신의 나쁜 부분을 학교 내의 가장 약한 사람에게 투사(Projection)하게 된다.

(일종의 ‘발달적 투사’가 작용함)

​

Ex) 부산 여고생 폭행 사건

비유를 하자면 아직 분리-개별화가 확고하게 되지 않았기 때문에 자기 내면의 더러운 ‘똥’을 해치워 버리고 싶은데 자꾸 자신의 엉덩이에 ‘똥’이 묻어 있는 것처럼 찝찝한 것이다.

 즉, 자신이 괴롭히는 약자와 자신간의 연결성이 계속 유지되어 있다고 느끼는 것이다.

자신의 더러운 부분을 태워서 없애 버리고 싶은데 태워도 태워도 계속 남아 있는 것 같은 찝찝함을 느끼다고 표현할 수도 있다. 

가해자는 자신을 열등하다고 인식하다 보니 혼자서 그 더러운 것을 제거할 자신이 없을 것이고, 여럿이서 무리를 지어서 더러운 똥을 태워 버리면 마음이 더 편해지는 것이다.

(자신의 부정적인 내면 요소를 약한 타인에게 '투사'하여 타인이 '문제가 있는 사람'인 것처럼 만들어 버림)

그러나 너무 과도하게 태우다 보면 자신의 더러운 부분이 사라지고 멋진 부분만 남는 게 아니라 다 타서 없어져 버린다.

즉, 가해자도 자신의 인간성을 상실하고 더욱 인간 이하의 상태로 추락해 버리는 것이다. 이런 청소년들에게는 break를 걸어 주고, 누군가가  도움 및 제제를 가해 줘야 한다.

[의사가 알아야 할 통계학과 역학] -Ghaemi 저자

​

이라는 책을 읽고 있는데, 정신의학자의 관점이 잘 가미되어 있고, 의학과 통계학의 균형을 잘 갖추고 있다.

  저자의 철학적이고 인문학적인 접근 방식도 상당히 마음에 드는데, 과학의 정의를 다시 재정의 하고 귀납의 문제를 잘 훑어 준다.

-> p 값의 임의성에 대한 경고도 새겨 볼 만 하다.

________________________________________________________________________________________________________________________

) -->

층화(stratification): 이게 회귀(regression)에서 univariate(단변수)를 이용한 회귀 방정식을 세우는 것과 뭐가 다른지가 의문.

) -->

회귀(regression): 여러 가지 변수가 결과값에 영향을 줄 수 있으므로 이들간의 관계를 규명하기 위해 활용하는 기법인데, 우리가 알고자 하는 관찰변수를 제외한 다른 변수들은 다 controlled(또는 corrected 또는 adjusted) 시켜야 한다.

-> 실제 논문을 쓸 때도 이렇게 adjusted 된 값을 표에 표기하곤 하는데, 논문을 심사하는 측에서 실제 raw data를 한번 보내보라고 요구할 때도 있다. 그러다가 부정을 저지른 게 적발되기도 한다. 황우석 사태 등이 그래서 발생하는 것이다.

) --> 

[80page]

교란인자 평가 방법 [effect size 에 대하여]

[1] p-값 사용하는 것

[2] 집단 간 차이의 크기를 단순 비교하는 것

-> 이 [2]번이 바로 effect size를 평가하는 건데, effect size(효과 크기)는 odds ratio 나 relative risk 등도 포함되고 여러 가지가 다 포함되는 개념이다.

-> 교란효과 감지하기에는 후자가 더욱 민감한 방법이다.

-> t 검정에선 d 값, 그리고 product moment 것도 있고, Z 분포에선 h 값, 카이 분포에서는 오메가 값, F 검정에선 f 값, 다중 회귀에선 f^2 등이 effect size를 의미함.

-> 표준편차로 effect size를 나눠주면 단위들이 없어지므로 여러 실험에서 절대적인 값으로 비교가 가능하다. [표준편차라는 것도 결국 특정 값과 동일한 부호를 사용하므로]

-> 표본 크기가 아무리 작아도 effect size 가 크고 표준편차가 작기만 하면 통계적 검정력이 좋은 것인데 실제 이런 경우는 거의 없다. effect size 가 큰 경우가 극히 없다 보니, 대부분 N 수라도 늘려 보려고 혈안이 되어 있는 것이다.

) -->

  왜냐하면 effect size 는 실제 두 값의 차이를 구체적으로 알려주기 때문이다. 그리고 이 값이 대략 10% 정도 차이가 있으면 교란효과가 작용하고 있을 가능성이 있다고 간주하는데 이 10%라는 것도 마치 p=0.05라는 기준을 만든 것처럼 임의적인 기준이긴 하다.

) -->

[83page]

- 회귀 방정식 설명에서 나오는 beta(b)는 우리가 2종 오류=beta error 라고 할 때의 b 와는 다른 것이다. [기호 헷갈리지 않게 조심하기]

) --> 

- effect size 의 두 종류 [1] 절대적 효과 크기 [2] 상대적 효과 크기

) --> 

  상대적 효과 크기라는 것은 결국 전체 분의 효과 있는 부분으로 분수 형태로 나타낼 수 있으므로(즉 % 라는 개념 자체가 전체 분의 부분을 의미하므로) 수학 등식을 봤을 때 relative risk(RR) 임을 파악할 수 있다.

-> Odds ratio 는 이와 다르게 각각의 odds를 구해서 그 비를 나타낸 것이다. relative risk 는 %(확률)이라면, odds 비는 일종의 가능성을 나타내고 %가 아니다.

) --> 

-이변량 회귀 분석의 단점은 여러 가지 변수가 결과에 영향을 미친다 할 때, b1,b2,b3 등을 각각 하나씩 비교해 가지고서는 각 변수들 간에 서로 영향을 미치는 효과들에 대해서는 측정할 수 없다는 단점이 있다.

-> 그래서 다변량(multivariate) 회귀 분석을 사용하는 거다.

-> 회귀분석 식을 그래프로 그리면 실험에서 우리가 알고자 하는 실험 변수의 effect size 가 바로 그래프의 기울기(slope)가 된다.

-> 아무리 변수가 많아도 y 절편만 달라지고, 기울기는 다 동일하도록 adjusted를 시켜 준다.

) -->

주의사항

-> 다변량 회귀분석을 할 때 변수가 너무 많아지면 공선성(collinearity)이라는 문제가 생기는데 즉 변수간에 서로 상관관계가 있을 때 어떤 변수가 유의미한지 헷갈리게 만들어 버릴 수 있다.

) -->

relative risk(RR)과 Odds ratio(OR) 구분이 애매해 보인다.

-> RR은 직관적으로 이해가 쉬운 편이다. 2X2 TABLE 로 보거나 수학적으로 표현해 보면 한눈에 더 들어오는데 전체 분의 부분 이라는 분수 형태를 띄고 %, 확률이라고 볼 수 있기 때문이다.

-> RR은 전향적 코호트 연구에서 많이 사용되는데 특정 인구 집단인 cohort를 대상으로 전향적으로 쭉 조사를 해 보는 거다. 아직 병이 걸렸는지 안 걸렸는지는 잘 모르는 상태이지만 risk factor(위험인자)로 의심되는 것들은 이것저것 다 알고 있는 상태다.

) -->

  반면에 OR은 우리 나라 문화에서는 좀 낯설다. odds(공산,승산)이라고 번역되기도 하는데, 전체 분의 부분이 아니라 각각의 비를 odds라고 부른다. 수학적으로 표시해 보면 B/D, A/C처럼 분모가 전체의 합이 아니라는 걸 알 수 있다.

-> 이건 환자-대조군 연구에서 활용되는데, 이 연구는 이미 환자(병에 걸린 군)와 대조군(병에 안 걸린 군)을 알고 있는 상태에서 미지의 위험인자 유/무를 알아보는 거다.

) --> 

) --> 

A/A+B / C/C+D -> 이게 RR 이다.

) -->

질병이 있을 때 위험인자의 odds: A/C

질병이 없을 때 위험인자의 odds: B/D

A/C / B/D -> 이게 OR이다. [odds들의 비]

) -->

) --> 

) -->

  OR을 수학적으로 표현해 보면 P2(1-P1) / P1(1-P2) 로 쓸 수 있다.

RR은 P2/P1 이다. P1과 P2 0에 가까워 지면 RR과 OR이 수학적으로 거의 같아지는 걸 알 수 있다.

-> P1과 P2가 0에 가까워 진다는 것의 의미는 질병 발생률이 거의 0이라는 거다.

-> 즉 질병발생률이 감소하면 감소할수록 OR이 RR과 거의 같아지는 거다.

) -->

  95% CI(confidence interval): 모평균과 모표준편차를 추정하기 위해 표본을 추출할 때 점추정이 아니라 구간 추정(interval estimation)을 한 것으로 이 구간 내에 실제 모수가 존재할 가능성이 95% 라고 신뢰할 수 있음을 의미한다.

​

-> 논문 등에 잘 나오는 막대 그래프 누워 있는 형태의 그래프를 보면 0이 기준이다. 이게 바로 귀무가설을 의미하는데 실험군과 대조군 간의 차이가 없다(0이다) 라는 의미이다. 이 0에 닿아 있느냐 그렇지 않느냐가 가장 중요한 기준이다.

-> 0에 닿아 있지 않으면서 그래프가 오른쪽에만 그려져 있다는 건, 제약회사가 가장 원하고, 연구자가 가장 원하는 것이다. 즉 치료군이 대조군에 비해 긍정적인 효과가 있다는 것이다.

-> 반대로 0에 닿진 않아도 그래프가 0 의 왼쪽에만 그려지면, 치료군(실험군)과 대조군이 차이를 보이긴 하는데 그 효과가 negative 하다는 것이다.

) -->

  또 다른 그래프를 보면 0과 1이 기준으로 나와 있다. OR 의 95% CI 로 제시되어 있는데 OR 이나 RR에선 1이 기준이 될 것이다. 즉 그래프가 1에 안 닿는 게 의미가 있는 거다. 그리고 1의 오른쪽에만 그래프가 그려지면 긍정적 의미가 있는 것이다.(효과가 있다는 의미)

​

-> 통계학 책을 보고나면 p>0.05 라고 해서 다 의미가 동일하게 없는 건 아니고, 1에 살짝만 닿아 있고, 긍정적인 오른쪽으로 그래프가 쭉 그려진 것은 비록 통계 기준에는 못 미쳐서 유의하진 않지만 일종의 tendency(경향성)은 있다고 표현 가능하다.

-> 이렇게 그래프가 쫙 늘어진다는 건 표본수가 적어서 CI의 간격이 늘어난 것이다.

-> 만약 n 수를 더 크게 해서 연구를 했더라면 CI 의 Interval 자체가 확 줄면서 p<0.05 , 즉 1보다 더 오른쪽에만 그래프가 그려졌을 수도 있다.

-> CI 의 간격은 좁을수록 값어치가 있다. 우리가 어떤 값을 예상할 때 0~100 사이 값이라고 말하는 거랑 0~3 사이야 라고 말해 주는 건 차이가 크다. 그 만큼 정확한 예측은 간격이 좁은 것이다.

-> 표본 수가 많아야 중심극한 정리에 의거하여 정규분포를 이루게 되므로 값어치가 더 높다.

) -->

  137page 아래에 나온 표8.2 표를 가로로 누운 그래프 형태로 바꿔서 그려 보면 한눈에 들어 온다. 이 때 상대위험도는 고려 안해도 되고, 그래프에 0과 1을 기준으로 그려 놓고, 95% CI 에 나온 숫자만 염두에 두면서 쭉 그려주면 된다.

->　다 그리고 나면 모든 수치들이 다 1을 통과하기 때문에 실험군과 대조군에 차이가 없다는 점을 알 수 있다. 즉 라모트리진과 위약 사용 군에서 별 차이가 없는 것이다.

-> 각각의 항목을 보면 조증 삽화 발생에 있어서 상대 위험도가 4.14로 4배 가까이 차이가 있긴 한데, 95% CI를 그래프로 그려보면 간격(범위)이 너무 넓어서 별 의미가 없다. N수가 너무 적어서 그럴 수도 있겠다.

) --> 

____________________________________________________________________________

[사후 분석]

우리가 논문을 발표하고 나면 1차 결과가 나온다.

-> 그런데 힘들게 모은 data를 가지고 한 가지 결과만 내기가 아쉬울 수 있어서 2차 결과를 내는 경우도 많은데 이 대 post hoc(사후 분석)을 한 논문은 그나마 봐줄 만한 거다. 이런 사후 분석 안 하고, 그냥 2차 결과 제시한 건 별로 의미가 없을 것이다.

-> ex) 특정 약을 사용했을 때 사망률 감소만 보고자 했었으나, data 힘들게 모와둔 걸로 효과성도 검사해 보고 싶고, 이것저것 알아 보고 싶은 것이다.

-> 공선성이 문제가 된다.

-> 그래서 너무 많은 변수를 한꺼번에 회귀 분석에 넣거나 하면 안 된다.

-> 대개 주요 효능에 대한 1차 결과를 하나 보고, 이차 효능이나 부작용 등에 대한 1~2개의 2차 결과를 더 보는 방식으로 논문을 설계하라고 하나, 대부분의 사람들이 더 많은 요인들을 분석해 본다.(고생해서 얻은 데이터가 아깝다 보니)

) -->

[통계학의 가장 중요한 부분]

randomization을 잘 시켜 주고 -> N수를 최대한 많이 확보해 주고 -> 변수는 너무 많아지지 않게 해 주기[검정력이 떨어지니]

) --> 

___________________________________________________________________________

[1종 오류, 2종 오류]

) -->

  여기서 우리가 날려 버려야 할 좋지 못한 data가 바로 b와 c 인데 b가 false(+)이고, c가 false(-)이다.

) -->

false (+)= alpha error (alpha 값) = p 값 이라고 생각하면 된다.

(p 값은 귀무가설을 증명하는 게 아니라, 이 귀무가설이 사실이 아님을 반증하는 척도다)

false (-)= beta error (beta 값)

검정력:１-beta(b)

) -->

  좋은 실험은 검정력이 > 0.8 은 되어야 하고 p<0.05는 되어야 한다고 본다.

즉 beta error < 0.2 미만으로 나오게 하고(20% 미만), alpha error< 0.05 미만으로 나오게 하고(5% 미만)자 한다.

-> 딱 봐도 5% 미만으로 기준을 잡은 alpha error 가 더 중요하다. 이건, 효과도 없는데 효과가 있다고 실수로 나온 값이라서 독약인데 치료약인 줄 알고 환자들에게 주다가 대 참사가 벌어질 수도 있다. beta error 야, 뭐 안 주면 그만이다. 다른 대체 치료약들도 있을 거고 말이다. 연구한 사람이나 제약회사만 아쉬울 따름이다.

) -->  

_____________________________________________________________________________

[본페로니 검정] (p 값이 계속 인플레이션 되는 걸 막기 위한 방법) [124page]

  125page에 나오는 표8.1을 보면 검정 횟수가 올라갈수록 p 값이 확 올라가서 50번 정도만 검정 횟수가 늘어나도 p=0.92에 가까워 버림. 100번 정도 하면 p=0.999가 됨. 이 말인즉슨, 100번 중 1번 정도는 우연으로도 기준을 만족하는 값이 나와 버릴 수 있다는 것이다. 이런 p 값의 inflation을 막아야 한다.

) --> 

  p=0.05 라는 기준 자체도 임의적이긴 한데 이러한 alpha error를 5％ 미만으로 잡는 것도 여러 실험을 계속 반복하고 그 때 그 때마다 p<0.05를 동일하게 유지하다 보면 한 100번 정도 실험이 반복되면 사실은 치료 효과가 없는데도 확률상 효과가 있는 것처럼 나와 버리는 수가 있다.

-> 그래서 본페로니 검정 같은 보수적인 방법을 써서 횟수가 늘어날수록 기준을 더 엄격하게 잡는 것이다. (즉 모든 %를 비교 횟수로 나눠 버리는 것이다.)

-> 본페로니 검정은 기준이 엄격하다 보니, false(+)가 생기는 건 확 막아주는데 false(-)가 속출하는 경우도 많다. 즉, 나름 효과가 있는데 효과가 없는 것인 양 결과가 나올 수 있다. 하지만 이건 감수하는 거다. false(+)가 많아져서 효과도 없는데 효과가 있다는 결과가 산출되서 파국을 맞이하는 것보단 낫기 때문이다.

____________________________________________________________________________

[ITT(intend to treat)와 LOCF 개념]

  결국 ITT 는 치료할 의향을 지닌 군을 분석하는 것으로 실험을 오랜 기간 진행하다가 만료 기간을 조금 남긴 상태에서 몇 명이 탈락했을 때, 처음부터 치료할 의향이 있었던 몇 사람의 DATA를 포기하지 않고, 그대로 끌고 나가자는 개념으로서 ITT를 구현하는 하나의 방법이 바로 LOCF 이다. last observation carried forward의 약자로, 그 사람이 떠나기 전 마지막으로 남긴 data가 11이라면 이 값을 남은 몇 주간 계속 동일하게 공식에 넣는 것이다.

-> 이 책에 나와 있는 충격적인 진실을 보자면, 이전에는 이렇게 ITT의 한 방법인 LOCF를 적용하는 이유가 그저 DATA가 누락되는 게 아까워서 쓰는 차선책으로만 간주했었는데 오히려 이렇게 LOCF를 해 주는 게 더 정확한 결과값을 얻는 방법이라고 저자는 주장한다.

-> 즉 처음에 randomization을 통해서 얻은 전체 그룹이 있는데, 여기서 몇 명이 빠져 나가버리면 더 이상 randomization 했던 의미가 상실되어 버리고, 깨져 버린다. 이 무작위화된 data 군을 파괴시키느니, 차라리 인위적인 값을 좀 넣더라도 전체 군을 살려 두는 게 더 중요하다고 보는 것이다.

-> ITT 방법은 가장 보수적인 방법 중 하나라고 볼 수 있다.

___________________________________________________________________________

  [Generalizability](일반화 가능성)우리가 만약 흑인 남자에게 항우울제가 효과적인지 실험했는데, 그 실험 결과가 긍정적이었다고 해서 이걸 백인 여성 등 다른 race에 적용하는 건 위험하다는 것으로 그래서 inclusion criteria, exclusion criteria 가 중요하다.

-> 임상에서의 결과를 효능(efficacy)이라고 부르고, 실제 현실에서 나타나는 결과를 효과(effectiveness) 라고 부른다.

_____________________________________________________________________________

[위약]

  정신과에서는 ‘위약’이라는 개념도 의미가 있는 게 대부분의 정신 질환은 자연적으로 (적어도 짧은 기간 내에) 호전된다는 사실을 인식할 수 있게 되며, 약제를 사용하는 것이 병의 자연 경과를 넘어서는 충분한 이득을 주기 때문에 위험을 무릅쓸 만하다는 것을 보여주기 때문이다.