우도비 (Likelihood Ratio)

한 줄 정의: 어떤 검사 결과가 나왔을 때, 그 결과가 병이 있는 사람에게서 나올 확률이 병이 없는 사람에게서 나올 확률보다 몇 배 더 높은지를 나타내는 지표입니다.

쉽게 풀면

길 가는 사람이 우산을 들고 있는 걸 보면, 비가 올 확률에 대한 내 생각이 조금 바뀝니다. 우산을 든 사람은 맑은 날보다 흐린 날에 훨씬 더 많이 보이기 때문입니다. 우도비는 바로 이런 "단서 하나가 내 판단을 얼마나 바꾸는가"를 숫자로 나타낸 것입니다.

검사에서 양성이 나왔을 때 쓰는 양성우도비(LR+)는 민감도와 특이도를 조합해 계산하며, 이 값이 클수록(보통 10 이상) 검사 결과 하나만으로 병이 있다는 확신을 크게 높여줍니다. 반대로 음성우도비(LR-)는 검사가 음성일 때 병을 배제하는 데 얼마나 도움이 되는지를 보여줍니다.

왜 중요한가

진단검사 연구에서는 민감도·특이도만으로는 실제 진료 현장에서 검사 결과가 환자의 병일 가능성을 얼마나 바꾸는지 직관적으로 보여주지 못합니다. 우도비는 사전확률(유병률)과 결합해 사후확률을 계산하는 데 바로 쓸 수 있어, 새로운 진단검사나 스크리닝 도구의 임상적 유용성을 평가하는 논문에서 핵심 지표로 다뤄집니다. 또한 여러 검사를 순차적으로 적용하는 진단 전략을 설계할 때도 우도비를 곱해가며 확률을 갱신하는 방식이 널리 쓰입니다.

계산과 범위

우도비는 “어떤 검사 결과가 나올 확률을 병이 있는 사람과 없는 사람에서 비교한 비”입니다.

양성우도비 LR+ = 민감도 / (1 − 특이도)
음성우도비 LR− = (1 − 민감도) / 특이도
검사 결과가 여러 등급이면 등급마다 LR = P(그 결과 | 병 있음) / P(그 결과 | 병 없음) 으로 계산합니다.
범위: 0 이상. 1이면 그 결과가 있어도 판단이 바뀌지 않는다는 뜻이고, LR+는 1보다 클수록, LR−는 0에 가까울수록 정보량이 큽니다.

작은 예(가상). 민감도 90%, 특이도 80%인 검사라면 LR+ = 0.9/0.2 = 4.5, LR− = 0.1/0.8 = 0.125입니다. 검사 전 확률이 20%(승산 0.25)인 사람은 양성이면 승산이 0.25 × 4.5 = 1.125, 즉 확률 약 53%가 되고, 음성이면 0.25 × 0.125 = 0.031, 확률 약 3%가 됩니다. 1,000명(병 200명)에 적용한 표로 세어 봐도 양성 340명 중 180명이 환자여서 같은 53%가 나옵니다.

해석 기준

우도비는 확률이 아니라 승산(odds)에 곱해지는 값입니다: 검사 후 승산 = 검사 전 승산 × LR. “LR+ 12면 병일 확률이 12배가 된다”는 해석은 틀립니다. 검사 전 확률이 5%인 사람에게 LR+ 10을 곱하면 확률은 약 34%이지 50%가 아닙니다. 승산과 확률 사이를 오가기 어려우면 Fagan 노모그램(Fagan, 1975)으로 읽을 수 있습니다.

크기를 읽는 흔한 기준은 Jaeschke 등(1994)이 정리한 것입니다.

LR+	LR−	검사 후 확률 변화의 크기
10 초과	0.1 미만	크고 때로는 결정적
5~10	0.1~0.2	중간
2~5	0.2~0.5	작지만 때로 의미 있음
1~2	0.5~1	거의 의미 없음

이 구간은 관례적 가이드이지 법칙이 아닙니다. 또 우도비는 민감도·특이도처럼 유병률에는 직접 의존하지 않지만, 연구 대상 집단의 증상 스펙트럼이 달라지면 값이 달라질 수 있습니다.

보고 방법

LR+와 LR−를 신뢰구간과 함께 적습니다. 민감도·특이도의 표본오차가 우도비에 그대로 옮겨 가기 때문입니다.
어떤 기준값(cut-off)에서 계산했는지, 참값(표준검사)이 무엇인지 밝힙니다. 기준값을 바꾸면 LR이 달라집니다.
환자에게 적용할 때는 검사 전 확률의 근거를 따로 적어야 합니다. 우도비만으로는 검사 후 확률이 정해지지 않습니다.
같은 약자 LR이 우도비검정(모형 비교 통계 검정)을 가리키는 논문도 있으므로 진단검사 맥락인지 확인하세요. 아래 표 참고.

예) 양성우도비는 4.5(95% CI …), 음성우도비는 0.13(95% CI …)이었다. (형식 예시이며 수치는 가상)

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"해당 검사의 양성우도비(LR+)는 12.4로 산출되어, 임상적으로 진단을 확진하는 데 유용한 것으로 평가되었다."

이 문장은 "이 검사에서 양성이 나오면, 병이 있을 승산(odds)이 검사 전보다 약 12배로 커진다고 볼 수 있다"는 뜻입니다.

"음성우도비(LR-)가 0.1 미만으로 낮게 나타나, 해당 선별검사가 음성일 경우 질환을 배제하는 데 유용함을 시사하였다."

선별검사 논문에서는 음성 결과가 나왔을 때 병을 얼마나 확실히 배제할 수 있는지를 LR-로 평가한다는 예시입니다.

"영상 판독 소견의 각 등급별 우도비를 산출하여, 등급이 높아질수록 악성 병변일 가능성이 단계적으로 증가함을 확인하였다."

검사 결과가 양성/음성처럼 이분법이 아니라 여러 등급으로 나뉘는 경우에도, 등급별 우도비를 각각 계산해 진단적 가치를 세분화할 수 있음을 보여줍니다.

조금 더 깊게 보면

우도비는 검사 전 승산(pre-test odds)에 곱해 검사 후 승산(post-test odds)을 구하는 방식으로 실제 진료에 활용되며, 이 관계를 시각적으로 계산할 수 있게 만든 도구가 팬 노모그램(Fagan nomogram)입니다.

검사 결과가 연속형이거나 순서형 등급으로 나뉠 때는 구간별 우도비(interval likelihood ratio)를 계산해 각 구간이 진단에 기여하는 정도를 따로 평가하기도 합니다.

우도비는 유병률에 영향을 받지 않는다는 장점이 있지만, 이는 검사 자체의 민감도·특이도가 연구 대상 집단에 따라 달라지지 않는다는 가정 위에서 성립한다는 점도 함께 고려해야 합니다.

주의할 점

민감도와 특이도가 각각 높다고 해서 그 검사가 실제 진료에서 곧바로 유용하다는 뜻은 아닙니다. 우도비는 이 둘을 하나로 합쳐서, 검사 전 확률(유병률)을 검사 후 확률로 얼마나 바꿔주는지 직접 보여주기 때문에 임상적 유용성을 판단하는 데 더 직관적입니다.

우도비를 실제 확률로 환산할 때는 양성예측도/음성예측도와 혼동하지 않도록 주의해야 합니다. 예측도는 검사 대상 집단의 유병률에 따라 크게 달라지지만, 우도비는 그 검사 자체의 성능을 유병률과 무관하게 나타내는 값이라는 차이가 있습니다.

헷갈리기 쉬운 용어

진단검사 지표들은 서로 계산 재료를 공유해서 자주 섞입니다.

용어	무엇인가	유병률에 의존?
민감도·특이도	병 있는/없는 사람에서 검사가 맞히는 비율	의존하지 않음
양성·음성예측도	검사 결과가 맞을 확률	크게 의존함
우도비	결과가 환자/비환자에서 나올 확률의 비	직접 의존하지 않음(사전 승산에 곱해 사용)
우도비검정	두 통계 모형의 적합도를 비교하는 가설검정	진단검사와 무관한 다른 개념
검사 전 확률	검사 전에 추정한 병의 확률	우도비를 곱하기 전 출발점

참고 문헌

Jaeschke, R., Guyatt, G. H., & Sackett, D. L. (1994). Users' guides to the medical literature: III. How to use an article about a diagnostic test. B. What are the results and will they help me in caring for my patients? JAMA, 271(9), 703–707.
Deeks, J. J., & Altman, D. G. (2004). Diagnostic tests 4: Likelihood ratios. BMJ, 329, 168–169.
Fagan, T. J. (1975). Nomogram for Bayes's theorem. New England Journal of Medicine, 293, 257.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.