[논문 리뷰] Healthcare serial killer or coincidence? Statistical issues in investigation of suspected medical misconduct

P. J. Green, R. D. Gill외 3명|arXiv (Cornell University)|2022. 10. 03.

Medical Malpractice and Liability Issues인용 수 4

한 줄 요약

이 논문은 의심스러운 의료 분야 연속 살인 사건을 조사하기 위한 통계적 지침을 제공하며, 희귀하지만 가능성 있는 일치 사건과 범죄 행위를 구분할 필요성을 강조한다. 잘못된 데이터 해석에 기반한 오소유죄를 방지하기 위해 조사 편향을 최소화하기 위해 전문가 패anel, 망각(블라인딩), 그리고 철저한 통계적 평가를 권장한다.

ABSTRACT

Justice systems are sometimes called upon to evaluate cases in which health-care professionals are suspected of killing their patients illegally. These cases are difficult to evaluate because they involve at least two levels of uncertainty. Commonly in a murder case it is clear that a homicide has occurred, and investigators must resolve uncertainty about who is responsible. In the cases we examine here there is also uncertainty about whether homicide has occurred. Investigators need to consider whether the deaths that prompted the investigation could plausibly have occurred for reasons other than homicide, in addition to considering whether, if homicide was indeed the cause, the person under suspicion is responsible. In this report, prepared under the auspices of the Royal Statistical Society, we provide advice and guidance on the investigation and evaluation of such cases. Our work was prompted by concerns about the statistical challenges such cases pose for the legal system.

연구 동기 및 목표

• 범죄 행위의 발생 여부와 범인 신원이 불확실한 상황에서 의료 분야 연속 살인 사건을 조사하는 데 있어 통계적 과제를 다루는 것.
• 희귀 사건 집합이 우연이나 다른 요인에 기인할 수 있음에도 불구하고, 그것이 범죄 행위의 증거로 잘못 해석될 위험을 강조하는 것.
• 특히 피의자가 데이터 수집이나 분석에 관여하는 경우에 발생할 수 있는 조사 편향이 통계적 증거를 왜곡할 수 있음을 줄이기 위한 조치.
• 조사관, 법조인, 통계학자들이 통계적 증거의 신뢰성을 향상시키기 위해 실천 가능한 권고 사항을 제공하는 것.
• 법률 및 통계학 분야 간의 상호 협력을 촉진하여 법원에서 통계적 발견을 신뢰성 있게 평가할 수 있도록 하는 것.

제안 방법

• 유의미성 검정을 신중히 사용하며, 낮은 p-값이 인과관계나 범죄 의도를 증명하지는 않음을 강조하는 것.
• 관찰된 데이터를 바탕으로 대안적 이론(예: 우연 vs. 살인)의 확률을 평가하기 위해 베이즈의 정리 적용.
• 전문가 분석(예: 법의학병리학자, 독성학자)에서 관련 사례 정보를 은폐함으로써 무의식적 편향이 결과에 영향을 주는 것을 방지하는 것.
• 모든 잠재적 인과 요인을 평가하기 위해 독립적이고 다학제적 전문가 패널을 포함한 체계적인 조사 절차 개발.
• 진단 및 법의학 증거의 신뢰성을 평가하기 위해 민감도 및 특이도 분석 사용.
• 수치적 예시를 통한 누적 편향 모델링 통합을 통해 시간이 지남에 따라 작은 편향이 결론을 어떻게 왜곡할 수 있는지 설명하는 것.

실험 결과

연구 질문

• RQ1 범죄 행위 발생 여부와 범인 신원이 불확실한 상황에서 통계적 증거는 어떻게 신뢰성 있게 평가할 수 있는가?
• RQ2 환자 사망의 상당히 이례적인 집합은 어느 정도 우연이나 기타 비범죄적 요인에 의해 설명될 수 있는가?
• RQ3 의료 부정행위 사건에서 의식적이든 무의식적이든 조사 편향은 통계 데이터 해석에 어떻게 영향을 미치는가?
• RQ4 데이터 수집 및 분석 과정에서 통계적 증거가 왜곡되지 않도록 보장하기 위해 어떤 방법론적 보호 조치를 시행할 수 있는가?
• RQ5 법조인과 통계학자가 법원에서 통계적 발견을 효과적으로 해석하고 제시하기 위해 어떻게 협력할 수 있는가?

주요 결과

• 작은 표본 크기나 다중 검정 등의 요인이 복합적으로 작용할 경우, 환자 사망의 상당히 이례적인 집합이 우연에 의해 발생할 수 있다.
• 효과 크기나 사전 타당성에 대한 고려 없이 p-값을 사용할 경우, 범죄 책임에 대한 오해의 결론을 이끌 수 있다.
• 특히 피의자가 데이터 수집에 관여하는 경우, 조사 편향이 통계적 발견을 심각하게 왜곡하고 신뢰성을 떨어뜨릴 수 있다.
• 관련 사례 세부 정보에서 전문가를 망각함으로써 무의식적 편향의 위험을 줄이고 통계적·법의학적 평가의 객관성을 향상시킬 수 있다.
• 다양한 전문 분야의 전문가들로 구성된 독립적 전문가 패널은 서로 대립하는 이론을 균형 있게 평가하기 위해 필수적이다.
• 잘못된 조사에서 유출된 증거의 적정성과 공정성을 확보하기 위해 법원은 독립적인 통계학자와 인지 편향 전문가의 평가를 기반으로 해야 한다.