1. 서론

1.1 탐구 동기

감염병 유행 시기에는 검사 결과 한 줄이 개인의 일상과 공동체의 대응을 동시에 바꾸기도 한다. 학교에서는 등교 여부가 달라지고 병원에서는 격리 동선이 분리되며 가정에서는 접촉을 줄이는 판단이 이어진다. 그런데 같은 양성 판정이라도 그것이 실제 감염을 얼마나 뜻하는지는 언제나 같지 않다. 한동안 신속항원검사와 PCR 검사가 함께 사용되면서 검사 종류에 따라 결과를 다르게 받아들여야 한다는 말을 자주 들었지만, 왜 그런 차이가 생기는지 수학적으로 따져 본 적은 많지 않았다. 확률과 통계에서 배우는 조건부확률은 바로 이러한 판단의 구조를 설명하는 데 적절한 도구이며, 검사 결과가 단순한 예 아니오의 문제가 아니라 배경 확률과 결합된 해석의 문제라는 점을 보여 준다.

특히 검사에 대해 이야기할 때 많은 사람이 민감도가 높으면 양성이 나오면 거의 확실하다고 여기거나 특이도가 높으면 음성이 나오면 안심해도 된다고 생각하기 쉽다. 그러나 이 둘은 검사 성능을 설명하는 확률이지, 검사 결과를 받은 사람이 실제로 알고 싶어 하는 확률과는 다르다. 실제로 궁금한 것은 감염자가 양성 판정을 받을 확률이 아니라 양성 판정을 받은 사람이 실제 감염자일 확률이다. 두 확률은 표기상 비슷해 보여도 조건의 방향이 다르기 때문에 같은 값으로 취급할 수 없다. 이 차이를 제대로 이해하지 못하면 검사 결과를 과신하거나 반대로 지나치게 불안해하는 일이 생길 수 있다.

또한 신속항원검사와 PCR 검사는 같은 감염 진단 도구이지만 목적과 활용 장면이 다르다. 신속항원검사는 검사 시간이 짧고 접근성이 높아 선별에 유리하지만 민감도는 상대적으로 낮을 수 있다. PCR은 더 높은 정확도를 기대할 수 있으나 시간과 자원이 더 필요하다. 어느 검사가 더 좋다고 단정하기보다, 어떤 유병률 환경에서 어떤 결과를 어떻게 해석해야 하는지를 살피는 편이 더 실제적이다. 이런 점에서 검사 결과의 신뢰도를 조건부확률과 유병률의 관점에서 비교하는 탐구는 수학 개념을 현실 문제에 적용하는 의미가 크다고 보았다.

1.2 연구 목적

본 연구의 목적은 신속항원검사와 PCR 검사의 감염 판정 구조를 조건부확률의 관점에서 비교하고, 유병률 변화가 양성예측도와 음성예측도에 어떤 차이를 만드는지 수학적으로 분석하는 데 있다. 이를 위해 민감도와 특이도가 각각 무엇을 뜻하는지 명확히 정의하고, 그 수치만으로는 실제 판정 신뢰도를 설명할 수 없다는 점을 밝히고자 하였다. 더 나아가 유병률이 낮을 때는 왜 위양성이, 유병률이 높을 때는 왜 위음성이 더 중요한 문제가 되는지 기대도수와 예측도 계산을 통해 드러내고자 하였다.

1.3 연구 질문

첫째, 검사 양성일 때 실제 감염일 확률 $P(D|T+)$는 어떻게 계산되는가. 둘째, 민감도와 특이도가 서로 다른 신속항원검사와 PCR에서 유병률 변화는 양성예측도와 음성예측도에 어떤 차이를 만드는가. 셋째, 검사 성능이 높은 경우에도 유병률이 낮으면 왜 양성 결과의 해석이 예상보다 불안정해질 수 있는가. 넷째, 실제 인원수 기준으로 볼 때 위양성과 위음성의 부담은 어떤 구간에서 크게 이동하는가.

1.4 연구 범위와 제한

본 연구는 실제 임상 자료를 직접 수집하는 방식이 아니라 공개된 진단 정확도 자료를 바탕으로 대표 성능값을 설정하고, 표본 10,000명의 가상 집단 시나리오를 통해 수학적으로 비교한 탐구이다. 따라서 특정 제품이나 특정 시기의 실제 성능을 그대로 일반화하려는 목적은 아니다. 또한 증상 유무, 검체 채취 시점, 반복 검사 효과, 검사자 숙련도 같은 현장 변수는 반영하지 못했다. 그 대신 고등학교 확률과 통계에서 배우는 조건부확률과 기대도수 계산을 중심으로, 판정 구조의 핵심 메커니즘을 분명하게 보여 주는 데 초점을 두었다.

2. 이론적 배경

2.1 사건과 조건부확률의 정의

감염 여부를 사건 $D$, 검사 양성을 사건 $T+$, 검사 음성을 사건 $T-$로 두면, 감염자일 때 양성 반응이 나올 확률은 $P(T+|D)$로 나타낼 수 있다. 반면 양성 결과를 받은 사람이 실제 감염자일 확률은 $P(D|T+)$이다. 표기상 괄호 안의 순서만 바뀐 것처럼 보이지만, 조건부확률에서 조건의 위치는 해석 자체를 바꾼다. 확률과 통계에서 조건부확률은 어떤 정보가 주어졌을 때 사건의 가능성이 어떻게 달라지는지를 다루므로, 검사 결과 해석에서는 바로 이 방향의 차이가 핵심이 된다.

조건부확률의 정의는 $P(A|B)=\frac{P(A\cap B)}{P(B)}$이다. 이를 검사 상황에 적용하면 $P(D|T+)=\frac{P(D\cap T+)}{P(T+)}$가 된다. 분자 $P(D\cap T+)$는 실제로 감염되어 있으면서 양성으로 나온 경우이고, 분모 $P(T+)$는 양성으로 분류된 전체 경우를 뜻한다. 여기에는 진양성뿐 아니라 위양성도 포함된다. 따라서 분모의 구조를 따져 보지 않으면 양성 결과의 신뢰도를 제대로 이해할 수 없다.

2.2 민감도와 특이도의 수학적 의미

민감도는 감염자 중 검사 결과가 양성으로 나타나는 비율로서 $P(T+|D)$이다. 이 값이 높을수록 감염자를 잘 찾아내며 위음성이 줄어든다. 특이도는 비감염자 중 검사 결과가 음성으로 나타나는 비율로서 $P(T-|D^c)$이다. 이 값이 높을수록 비감염자를 음성으로 잘 분류하며 위양성이 줄어든다. 여기서 $D^c$는 감염되지 않은 경우를 뜻한다.

중요한 점은 민감도와 특이도가 모두 검사 자체의 성능을 설명하는 지표라는 사실이다. 즉 민감도는 감염자 집단을 기준으로, 특이도는 비감염자 집단을 기준으로 정의된다. 그러나 검사 결과를 받은 개인이 알고 싶어 하는 것은 결과 집단 안에서의 확률이다. 양성 판정을 받은 사람은 양성자 집단 안에서 자신이 실제 감염자인 비율을 알고 싶고, 음성 판정을 받은 사람은 음성자 집단 안에서 실제 비감염자인 비율을 알고 싶다. 따라서 성능 지표와 해석 지표는 서로 구분되어야 한다.

2.3 양성예측도와 음성예측도의 구조

양성예측도는 검사 결과가 양성일 때 실제 감염자일 확률이며 $PPV=P(D|T+)$로 쓴다. 음성예측도는 검사 결과가 음성일 때 실제 비감염자일 확률이며 $NPV=P(D^c|T-)$로 쓴다. 양성예측도는

$PPV=\frac{P(D)P(T+|D)}{P(D)P(T+|D)+P(D^c)P(T+|D^c)}$

로 나타낼 수 있다. 여기서 $P(D)$는 유병률이고, $P(T+|D^c)=1-Sp$는 위양성률이다. 음성예측도는

$NPV=\frac{P(D^c)P(T-|D^c)}{P(D^c)P(T-|D^c)+P(D)P(T-|D)}$

로 나타내며, 여기서 $P(T-|D)=1-Se$는 위음성률이다.

이 수식은 예측도가 왜 유병률에 민감한지를 잘 보여 준다. 양성예측도는 단순히 민감도가 높다고 해서 자동으로 커지지 않는다. 비감염자의 비율이 매우 큰 상황에서는 위양성률이 작더라도 실제 위양성 수가 적지 않게 나타날 수 있기 때문이다. 반대로 음성예측도는 유병률이 높을수록 떨어질 가능성이 커진다. 감염자 수가 많아지면 같은 위음성률이라도 실제로 놓치는 감염자 수가 커지기 때문이다.

2.4 유병률과 베이즈적 해석

유병률 $P(D)$는 검사 이전에 이미 주어져 있는 배경 확률이다. 어떤 지역이나 집단에서 감염자가 거의 없다면 검사 전에 만나는 사람 대부분은 비감염자일 가능성이 크다. 이런 환경에서는 검사에서 양성이 나오더라도 그것이 진양성인지 위양성인지를 신중하게 따져 보아야 한다. 반대로 감염이 널리 퍼져 있는 상황이라면 양성 결과의 신뢰는 올라가지만, 음성 결과를 그대로 안심의 근거로 삼기는 어려워진다. 결국 검사 결과는 검사 장비 하나만으로 결정되는 것이 아니라, 검사 성능과 배경 유병률이 결합된 구조 속에서 해석되어야 한다.

이러한 생각은 베이즈적 갱신의 관점과 닿아 있다. 검사 전의 가능성인 사전확률이 있고, 검사 결과라는 새로운 정보가 주어지면 그 확률이 다시 조정된다. 본 연구는 복잡한 베이즈 정리를 전면에 내세우기보다, 고등학교 수준의 조건부확률과 기대도수 계산만으로도 그 핵심을 설명할 수 있음을 보여 주려는 데 의미가 있다.

3. 연구 방법

3.1 연구 설계

본 연구는 수치 모델링 기반 비교 연구이다. 독립변수는 검사 종류와 유병률로 두었고, 종속변수는 양성예측도, 음성예측도, 위양성 수, 위음성 수로 설정하였다. 모든 시나리오에서 표본 수는 10,000명으로 고정하였다. 이렇게 하면 확률값이 실제 인원수로 어떻게 번역되는지 직관적으로 해석할 수 있고, 서로 다른 유병률 조건 간 비교도 쉬워진다.

유병률은 1%, 3%, 5%, 10%, 20%의 다섯 단계로 설정하였다. 이는 낮은 유병률 상황에서부터 비교적 높은 유행 구간까지를 폭넓게 살피기 위한 구성이다. 검사 종류는 신속항원검사와 PCR 두 가지로 제한하였다. 두 검사는 감염병 대응에서 선별검사와 확진검사의 대표 사례로 자주 함께 논의되므로 비교의 의미가 분명하다고 보았다.

3.2 성능값과 변수 설정

탐구용 대표값으로 신속항원검사는 민감도 $Se=0.70$, 특이도 $Sp=0.985$를, PCR은 민감도 $Se=0.95$, 특이도 $Sp=0.995$를 사용하였다. 이 값은 특정 제품의 고정값이 아니라 공개 자료에서 자주 제시되는 범위를 바탕으로 비교를 위해 단순화한 대표값이다. 이를 통해 실제 자료의 복잡성을 모두 담지는 못하더라도, 조건부확률 구조를 분석하는 데에는 충분한 설명력을 확보할 수 있다.

통제변수는 표본 수, 계산 방식, 반올림 기준이다. 모든 계산은 동일한 수식을 적용하고, 인원수는 반올림하여 제시하였다. 이런 통제는 검사 종류나 유병률 이외의 요소가 결과 차이를 만들지 않도록 하기 위한 것이다.

3.3 계산 절차

전체 표본 수를 $N$, 유병률을 $p$, 민감도를 $Se$, 특이도를 $Sp$라 하면 감염자 수는 $Np$, 비감염자 수는 $N(1-p)$가 된다. 이를 이용해 진양성은 $TP=NpSe$, 위음성은 $FN=Np(1-Se)$, 진음성은 $TN=N(1-p)Sp$, 위양성은 $FP=N(1-p)(1-Sp)$로 계산하였다. 그 뒤 양성예측도와 음성예측도는 각각 $PPV=\frac{TP}{TP+FP}$, $NPV=\frac{TN}{TN+FN}$로 구하였다.

예를 들어 유병률 1%에서 신속항원검사를 적용하면 감염자 수는 100명, 비감염자 수는 9,900명이다. 진양성은 $100\times0.70=70$, 위음성은 $100\times0.30=30$, 위양성은 $9900\times0.015\approx149$, 진음성은 $9900\times0.985\approx9751$이 된다. 따라서 양성예측도는 $\frac{70}{70+149}\approx0.319$로 약 31.9%가 된다. 이 간단한 예만 보아도 검사 성능이 어느 정도 높아 보여도 유병률이 낮으면 양성 해석이 쉽게 흔들릴 수 있음을 알 수 있다.

4. 결과

4.1 유병률에 따른 양성예측도 비교

그래프는 유병률이 높아질수록 두 검사의 양성예측도가 함께 상승하지만, 낮은 유병률 구간에서는 PCR과 신속항원검사 사이의 차이가 특히 크게 나타남을 보여 준다.

표와 그래프를 보면 유병률이 1%일 때 신속항원검사의 양성예측도는 31.9%에 머문다. 즉 양성 판정을 받은 사람 세 명 중 두 명가량은 실제 감염이 아닐 수 있다는 뜻이다. 반면 같은 조건에서 PCR의 양성예측도는 65.1%로 더 높게 나타난다. 유병률이 3%, 5%, 10%, 20%로 증가할수록 두 검사 모두 양성예측도가 꾸준히 상승한다. 이는 감염자가 많아질수록 양성자 집단 안에서 진양성이 차지하는 비율이 커지기 때문이다.

눈에 띄는 점은 상승 패턴이 단순히 일정한 폭으로 움직이지 않는다는 사실이다. 낮은 유병률 구간에서는 작은 변화가 해석에 큰 차이를 만들고, 높은 유병률 구간으로 갈수록 두 검사의 PPV가 모두 높은 수준에 가까워진다. 특히 PCR은 모든 구간에서 더 높은 값을 보였지만, 1% 유병률에서조차 양성예측도가 100%에 이르지 않는다는 점이 중요하다. 이는 높은 성능의 검사라도 유병률 효과를 완전히 지우지 못한다는 뜻이다.

4.2 유병률에 따른 음성예측도 비교

그래프는 음성예측도가 양성예측도와 반대 방향으로 움직이며, 유병률이 높아질수록 특히 신속항원검사에서 더 빠르게 낮아지는 경향을 보여 준다.

음성예측도는 유병률 1%에서 두 검사 모두 매우 높게 나타난다. 신속항원검사는 99.7%, PCR은 99.9%로 거의 대부분의 음성 결과가 실제 비감염과 일치한다. 그러나 유병률이 증가할수록 두 검사 모두 음성예측도가 감소한다. 신속항원검사는 20% 유병률에서 92.9%까지 하락하였고, PCR도 98.8%로 줄어든다. 수치상으로는 여전히 높아 보일 수 있지만, 감염자 규모가 큰 상황에서는 이 차이가 실제 누락 인원으로 크게 이어질 수 있다.

여기서 신속항원검사의 감소 폭이 더 가파르다는 점이 중요하다. 이는 민감도가 상대적으로 낮아 감염자를 놓치는 비율이 더 크기 때문이다. 따라서 유병률이 높은 환경에서는 음성이라는 결과 하나만으로 곧바로 비감염이라고 판단하기보다, 증상이나 접촉력 같은 다른 정보와 함께 해석할 필요가 있다.

4.3 동일 표본 10,000명에서의 오판정 인원 비교

이 표는 같은 10,000명을 검사하더라도 어떤 종류의 오류가 더 큰 비중을 차지하는지가 유병률에 따라 달라짐을 분명하게 보여 준다. 유병률 1%에서 신속항원검사는 위양성 149명, 위음성 30명으로 나타난다. 감염자가 적은 상황에서는 위양성이 더 큰 부담으로 떠오른다는 뜻이다. 실제 감염자보다 비감염자가 훨씬 많기 때문에, 작은 위양성률도 적지 않은 인원으로 나타난다.

유병률 5%에서는 신속항원검사의 위양성과 위음성이 각각 144명, 150명으로 거의 비슷해진다. 이 구간은 판정 오류의 중심이 위양성에서 위음성으로 이동해 가는 경계처럼 볼 수 있다. PCR 역시 같은 조건에서 위양성 48명, 위음성 25명으로 더 적은 오류를 보이지만, 오류 유형의 변화 방향은 비슷하다.

유병률 20%가 되면 상황은 크게 달라진다. 신속항원검사의 위양성은 122명으로 다소 줄어든 반면, 위음성은 599명으로 급증한다. PCR도 위음성이 100명까지 늘어난다. 이는 감염자가 많아질수록 음성 판정 속에 실제 감염자가 숨어 있을 위험이 커진다는 뜻이다. 따라서 낮은 유병률에서는 양성 결과의 과잉 해석을 경계해야 하고, 높은 유병률에서는 음성 결과의 과신을 경계해야 한다는 결론이 실제 인원수 차원에서도 확인된다.

5. 논의 및 결론

5.1 결과 해석

본 연구의 결과는 검사 결과의 신뢰도가 검사 자체의 성능만으로 정해지지 않음을 분명히 보여 준다. 양성예측도는 유병률이 낮을수록 크게 떨어졌고, 음성예측도는 유병률이 높아질수록 감소했다. 이 변화는 조건부확률의 분모 구조로 자연스럽게 설명된다. 양성예측도의 분모에는 진양성과 위양성이 함께 들어가고, 음성예측도의 분모에는 진음성과 위음성이 함께 들어간다. 따라서 모집단에서 감염자와 비감염자의 비율이 달라지면 같은 검사 성능이라도 결과 해석의 무게중심이 이동하게 된다.

특히 유병률 1%에서 신속항원검사의 양성예측도가 31.9%에 그쳤다는 점은 직관에 반하는 결과처럼 보일 수 있다. 그러나 이는 계산 오류가 아니라 조건부확률의 방향 차이에서 비롯된 자연스러운 결과다. 민감도 70%라는 값은 감염자 집단 안에서의 비율일 뿐이고, 양성자 집단 안에서 실제 감염자가 얼마나 되는지는 비감염자의 규모와 위양성률에 크게 좌우된다. 즉 민감도와 양성예측도를 같은 의미로 받아들이는 순간 해석이 어긋난다.

5.2 수학 개념과의 연결

이 탐구는 확률과 통계 교과에서 배우는 조건부확률이 현실 문제를 이해하는 데 얼마나 직접적으로 쓰일 수 있는지를 보여 준다. 단순히 공식을 외우는 수준에서는 $P(T+|D)$와 $P(D|T+)$의 차이가 작아 보이지만, 실제 계산을 해 보면 두 값은 전혀 다른 판단으로 이어진다. 또한 확률의 곱셈정리를 통해 $P(D\cap T+)=P(D)P(T+|D)$를 세우고, 전체 양성 확률을 분해하여 보는 과정은 수학적 모델이 어떻게 현실의 의사결정 구조로 연결되는지를 잘 보여 준다.

나아가 본 연구는 기대도수의 해석이 왜 중요한지도 드러낸다. 퍼센트만 보면 차이가 작게 느껴질 수 있어도, 10,000명 기준으로 바꾸면 위양성 149명이나 위음성 599명 같은 수치가 훨씬 선명하게 다가온다. 결국 확률은 추상적 비율에 머무르지 않고 실제 사람 수로 해석될 때 더 큰 의미를 가진다.

5.3 의료 현장과의 시사점

검사 도구의 선택을 단순히 더 정확한 검사와 덜 정확한 검사라는 방식으로만 볼 수는 없다. PCR은 전반적으로 더 높은 양성예측도와 음성예측도를 보였고 위양성과 위음성도 적었다. 그러나 신속항원검사는 짧은 시간 안에 많은 사람을 선별해야 하는 상황에서 유용하다. 중요한 것은 어느 검사가 절대적으로 우수하냐보다, 어떤 환경에서 어떤 목적으로 사용되느냐이다.

낮은 유병률 환경에서는 신속항원 양성을 곧바로 확진으로 받아들이기보다 추가 확인 검사가 필요할 수 있다. 반대로 높은 유병률 환경에서는 신속항원 음성이더라도 증상이나 접촉력이 분명하면 다시 확인하는 접근이 더 안전할 수 있다. 이런 해석 방식은 감염관리와 환자 안전의 관점에서도 의미가 있다. 검사 결과를 숫자 하나로 단정하지 않고 배경 상황과 함께 읽어내는 태도가 중요하다는 점을 보여 준다.

5.4 방법론적 한계와 후속 탐구

본 연구는 대표값을 사용한 시나리오 기반 분석이므로 실제 현장의 복잡성을 모두 반영하지는 못한다. 검사 성능은 제품 종류, 검체 채취 방식, 증상 발현 시점, 변이 유행 상황에 따라 달라질 수 있다. 또한 반복 검사 전략을 적용하면 신속항원검사의 해석이 달라질 수도 있다. 본 연구에서는 이런 요소를 모두 포함하지 못했지만, 오히려 핵심 변수만 남김으로써 조건부확률 구조를 더 분명하게 볼 수 있었다.

후속 탐구로는 반복 검사 시 위음성 감소 효과를 분석하거나, 증상자 집단과 무증상 집단을 나누어 유병률뿐 아니라 사전확률 차이를 비교하는 방향으로 확장할 수 있다. 또한 오판정의 사회적 비용을 수치화하여 위양성과 위음성의 손실을 비교하는 모형으로 넓혀 볼 수도 있다. 이러한 확장은 확률과 통계의 개념을 더 깊게 활용하는 계기가 될 수 있다.

5.5 결론

본 연구는 신속항원검사와 PCR 검사의 감염 판정 신뢰도를 조건부확률의 관점에서 비교하고, 유병률 변화가 양성예측도와 음성예측도에 미치는 영향을 분석하였다. 분석 결과 유병률이 낮을수록 양성예측도는 크게 낮아졌고, 유병률이 높을수록 음성예측도는 감소하였다. 특히 신속항원검사는 낮은 유병률에서 위양성의 부담이, 높은 유병률에서 위음성의 부담이 더 크게 드러났다. PCR은 전반적으로 더 안정적인 결과를 보였지만, 이 역시 유병률의 영향을 완전히 벗어나지는 못했다.

결국 검사 결과의 해석에서 가장 중요한 것은 검사 성능 수치를 단독으로 보는 일이 아니라, 그 수치가 유병률과 만나 어떤 조건부확률 구조를 만드는지를 살피는 일이다. 이 탐구를 통해 같은 양성이나 같은 음성도 상황에 따라 전혀 다른 의미를 가질 수 있음을 확인할 수 있었다. 확률과 통계의 조건부확률은 단순한 계산 규칙이 아니라, 의료 판단을 더 정확하고 안전하게 이해하도록 돕는 해석의 틀이라는 점에서 큰 의미가 있다.

참고문헌

[1] Centers for Disease Control and Prevention. (n.d.). Overview of testing for SARS-CoV-2. https://www.cdc.gov/covid/hcp/clinical-care/overview-testing-sars-cov-2.html

[2] Dinnes, J., Deeks, J. J., Berhane, S., Taylor, M., Adriano, A., Davenport, C., Dittrich, S., Emperador, D., Takwoingi, Y., Cunningham, J., Beese, S., Dretzke, J., Ferrante di Ruffano, L., Harris, I. M., Price, M. J., Taylor-Phillips, S., Hooft, L., Leeflang, M. M. G., McInnes, M. D. F., ... Cochrane COVID-19 Diagnostic Test Accuracy Group. (2022). Rapid, point-of-care antigen tests for diagnosis of SARS-CoV-2 infection. Cochrane Database of Systematic Reviews, (7), CD013705. https://pubmed.ncbi.nlm.nih.gov/35866452/

[3] Farnsworth, C. W. (2020). Diagnostic testing accuracy: Sensitivity, specificity, predictive values, and likelihood ratios. In StatPearls. StatPearls Publishing. https://www.ncbi.nlm.nih.gov/books/NBK557491/

[4] Pray, I. W., Ford, L., Cole, D., Lee, C., Bigouette, J. P., Abedi, G. R., Bushman, D., Delahoy, M. J., Currie, D., Cherney, B., Kirby, M., Fajardo, G., Caudill, M., Langolf, K., Kahrs, J., Kelly, P., Pitts, C., Lim, A., Aulik, N., ... Geller, A. J. (2021). Performance of an antigen-based test for asymptomatic and symptomatic SARS-CoV-2 testing at two university campuses: Wisconsin, September–October 2020. Morbidity and Mortality Weekly Report, 69(5152), 1642–1647. https://www.cdc.gov/mmwr/volumes/69/wr/mm695152a3.htm

[5] Smith, R. L., Gibson, L. L., Martinez, P. P., Ke, R., Mirza, A., Conte, M., Gallagher, N., Conte, A., Wang, L., Fredrickson, R., Edmonson, D., Baird, G., Marshall, K., & Pekosz, A. (2024). SARS-CoV-2 viral shedding and rapid antigen test performance: A test-negative design. Morbidity and Mortality Weekly Report, 73(16), 1–7. https://www.cdc.gov/mmwr/volumes/73/wr/mm7316a2.htm

활동 요약

신속항원검사와 PCR 검사의 감염 판정 신뢰도를 조건부확률의 관점에서 비교하는 탐구를 수행함. 감염 여부와 검사 결과를 각각 사건으로 두고 민감도와 특이도, 양성예측도와 음성예측도의 의미를 구분한 뒤 유병률이 달라질 때 판정 구조가 어떻게 바뀌는지 10,000명 규모의 가상 집단 시나리오로 계산함. 유병률을 1%, 3%, 5%, 10%, 20%로 나누어 진양성, 위양성, 진음성, 위음성의 기대도수를 구하고 두 검사의 PPV와 NPV를 비교함. 낮은 유병률에서는 위양성의 영향으로 양성 해석의 신뢰가 크게 흔들리고 높은 유병률에서는 위음성의 부담으로 음성 해석이 조심스러워짐을 확인함. 검사 성능 수치만으로 결과를 단정하기보다 유병률과 함께 해석해야 한다는 점을 도출하였고, 확률과 통계의 조건부확률 개념이 실제 감염관리 판단과 환자 안전 해석에 직접 연결될 수 있음을 정리함.