95% 신뢰구간과 p-value란?—임상시험 통계 결과를 읽는 법

도입 / 보도자료 한 줄은 어디부터 읽을까

p-value가 가장 작고 단정적인 숫자처럼 보이지만, 먼저 확인할 것은 치료효과의 크기다. 다음으로 그 추정치가 얼마나 흔들릴 수 있는지를 95% 신뢰구간에서 보고, 마지막으로 사전에 정한 가설과 유의수준에 비춰 p-value를 확인하는 편이 정확하다.

“p<0.05인가?”만 먼저 찾으면 통계적 유의성과 임상적 중요성을 같은 것으로 착각하기 쉽다. 숫자들은 서로 경쟁하는 판정 버튼이 아니라 각기 다른 질문에 답한다.

01 / 95% 신뢰구간은 ‘정답이 들어 있을 확률 95%’가 아니다

전통적인 빈도주의 해석에서 95% 신뢰구간은 “이번에 계산된 구간 안에 참값이 있을 확률이 95%”라는 뜻이 아니다. 같은 방식으로 표본을 반복 추출하고 같은 절차로 구간을 만든다면, 그렇게 생성된 구간 중 약 95%가 참된 모수를 포함하도록 설계됐다는 뜻이다.

실무에서는 효과 추정치 주변의 불확실성을 보여주는 범위로 읽으면 유용하다. HR 0.70의 95% CI가 0.68–0.72라면 추정이 정밀한 편이고, 0.35–1.40이면 같은 점추정치라도 가능한 효과 범위가 훨씬 넓다.

02 / 신뢰구간은 ‘차이 없음’ 기준값부터 확인한다

Hazard ratio나 risk ratio처럼 비율로 표현되는 지표에서는 1이 두 군의 차이가 없다는 기준이다. HR 0.70, 95% CI 0.55–0.89라면 구간 전체가 1보다 아래에 있다. 반면 HR 0.70, 95% CI 0.48–1.05라면 점추정치는 치료군에 유리해 보여도 1을 포함한다.

HR의 의미 자체가 낯설다면 Hazard Ratio 해설을 먼저 읽으면 신뢰구간의 위치를 이해하기 쉽다.

03 / p-value는 ‘약이 효과 없을 확률’이 아니다

p=0.03을 “약이 효과 없을 확률이 3%” 또는 “결과가 우연일 확률이 3%”라고 읽으면 안 된다. p-value는 귀무가설이 참이라고 가정했을 때, 현재 관찰된 결과만큼 또는 그보다 더 극단적인 결과가 나올 확률이다.

p-value는 치료효과가 진짜일 확률, 다음 시험에서 재현될 확률, 결과가 임상적으로 중요할 확률을 직접 알려주지 않는다.

p=0.049와 p=0.051 사이에서 생물학적 현실이 갑자기 뒤집히는 것도 아니다. 관례적 경계의 양쪽에 있다는 이유만으로 성공과 실패를 단순화하지 말고 효과 크기와 구간, 시험 설계를 함께 봐야 한다.

04 / 통계적으로 유의해도 환자에게 중요하지 않을 수 있다

대규모 임상에서는 아주 작은 차이도 통계적으로 유의해질 수 있다. 표본이 커지면 불확실성이 줄고 신뢰구간이 좁아져 작은 효과도 검출하기 쉬워지기 때문이다. 그러나 증상, 생존, 삶의 질에서 환자가 체감할 만큼 중요한 차이인지는 별도 판단이다.

반대로 표본이 작은 희귀질환 시험에서는 비교적 큰 효과가 보여도 신뢰구간이 넓고 유의성 기준을 넘지 못할 수 있다. 이때 “유의하지 않으니 효과가 없다”고 단정하지 말고 표본 수, 추정치, 사전 설계와 전체 근거를 구분해서 읽어야 한다.

05 / 같은 HR 0.70도 이야기는 세 가지다

세 시험의 headline HR은 같지만 결론의 확실성은 전혀 다르다. 중요한 질문은 0.70 하나가 아니라 “자료와 설계가 허용하는 실제 효과 범위가 어디까지인가”다.

06 / p<0.05가 모든 시험에서 같은 규칙은 아니다

0.05는 널리 쓰이는 기준이지만 모든 임상에 동일하게 적용되는 절대법칙은 아니다. 여러 1차 평가변수, 여러 용량·치료군, 반복 중간분석이 있으면 우연히 유의한 결과를 얻을 가능성이 커진다. ICH E9은 이런 다중성이 있을 때 제1종 오류 관리를 위해 유의수준과 신뢰수준 조정이 필요할 수 있다고 설명한다.

보도자료의 p=0.04만으로 성공 여부를 판단할 수 없는 이유다. 실제로 PFS가 수치상 개선됐어도 사전 기준을 충족하지 못한 사례는 EVOKE-03 임상 해설에서 확인할 수 있다.

07 / 신뢰구간은 표본 크기와 연결된다

같은 효과를 관찰해도 일반적으로 환자 수가 적으면 구간이 넓고, 많아지면 좁아진다. FDA도 통계적 불확실성이 연구 표본에서 생기며 표본 수가 늘수록 감소한다고 설명한다. 하지만 큰 표본도 편향된 설계, 결측치와 잘못된 분석을 자동으로 고치지는 못한다.

20명 규모 1상에서 높은 반응률이 나와도 구간이 넓다면 다음 단계에서 수치가 크게 달라질 수 있다. 초기 임상은 안전성·용량과 초기 신호 탐색이 중심이라는 점을 함께 봐야 한다. 반응률 결과를 읽는 구조는 ORR와 DOR 해설에서 이어진다.

08 / 실제 기사를 읽는 여섯 단계

1. 01무엇을 측정했나OS·PFS·ORR·증상점수 등 1차 평가변수를 찾는다
2. 02차이는 얼마나 컸나HR·평균 차이·반응률 차이 등 효과 크기를 본다
3. 03얼마나 불확실한가95% CI의 폭과 차이 없음 기준값 포함 여부를 본다
4. 04통계 기준을 넘었나p-value와 사전 설정 유의수준·다중성 조정을 확인한다
5. 05환자에게 중요한가절대 차이, 부작용과 치료 부담을 함께 본다
6. 06결과가 견고한가표본 수·추적기간·결측·하위군·중간분석을 확인한다

시간-사건 지표의 맥락은 PFS와 OS를 함께 읽는 법에서 확인할 수 있다.

09 / 세 숫자는 서로 다른 질문에 답한다

마지막에는 반드시 안전성과 환자가 체감하는 이익을 붙여야 한다. 통계적 성공은 임상적 가치의 출발점이지 그 자체가 최종 결론은 아니다.

독자가 판단할 때 볼 순서

신뢰구간과 p-value를 함께 놓고 보면 결과를 ‘성공 또는 실패’로 즉시 분류하는 습관이 얼마나 위험한지 드러난다. 이 글에서 중요한 것은 기준값 포함 여부, 구간의 폭, 사전에 정한 분석계획을 차례로 확인하는 읽기 순서다. 자료 사이에 차이가 있을 때 하나를 임의로 정답으로 고르지 않았다. 임상등록 정보는 설계를, 논문은 분석된 결과를, 회사 자료는 개발 현황을 확인하는 데 각각 사용했다. 같은 용어도 문서마다 기준이 다를 수 있어 맥락을 함께 남겼다.

연결되는 임상과 기술

이 글의 판단 기준은 Hazard Ratio(HR)란?—HR 0.70이 “30% 더 오래 산다”는 뜻이 아닌 이유과 PFS와 OS는 무엇이 다른가—항암 임상시험 생존지표를 읽는 법에서 실제 임상 지표와 관련 기술에 적용해 볼 수 있다.

REFERENCES

1. U.S. FDA — E9 Statistical Principles for Clinical Trials
2. ICH E9 — Statistical Principles for Clinical Trials · multiplicity and confidence levels
3. International Council for Harmonisation — Efficacy Guidelines · E9/E9(R1)
4. U.S. FDA — Statistical Guidance on Reporting Results from Studies Evaluating Diagnostic Tests

LAST REVIEWED · 2026.09.07 · 통계 개념 설명용이며 개별 임상시험은 사전 분석계획과 전체 결과를 기준으로 평가해야 합니다.