숫자와 근거 수준
구조 신뢰도·비교 오차·후보 점수·실험값을 혼동하지 않고 연구 결과의 근거 수준을 설명한다.
스킬 버전: 1.1.0. 자료: skill://nadoobio-metric-interpretation/references/evidence.md.
계산 예측, 모델 신뢰도, 기준 자료와의 일치, 실제 결합, 생물학적 기능, 임상 효과를 나눠 설명한다. 앞 단계의 높은 점수만으로 뒤 단계의 성공을 주장하지 않는다.
백분율은 분모가 중요하다. 표적별 성공 비율과 생성 후보별 성공 비율은 다르다. 오류로 제외한 후보도 원래 표본 수와 함께 밝힌다. 정답을 본 뒤 고른 최고 후보와 실제 선택 규칙으로 고른 후보의 성능을 섞지 않는다.
같은 이름의 지표라도 계산 범위·정렬·정규화·단위가 다르면 직접 비교하지 않는다. 단위나 정의가 없으면 미확인으로 남기고 현재 공개 문서와 결과 schema를 읽는다. 신뢰도 수치를 임의로 성공 확률로 변환하지 않는다.
보고 순서: 어떤 입력과 조건인지 → 실제 반환된 값과 단위 → 비교할 수 있는 범위 → 추가 실험이 필요한 결론.
계산 전에 적을 항목
입력 표에서 대상 식별자·후보 식별자·측정값·단위·성공 기준·누락/실패 상태·선택 규칙을 확인한다. 출력 요약에는 분자·분모와 제외 개수, 기준을 적용한 범위, 가상/계산/실험 중 어떤 자료인지 남긴다. 제공되지 않은 실패값을0으로 대체하지 않는다.
교육용 가상 예: 표적10개에서 후보20개씩 만들고 표적마다1개가 성공했다면, 표적별 성공은10/10=100%, 후보별 성공은10/200=5%다. 200개 중20개가 처리 실패했고 나머지에서10개가 성공했다면 전체 요청 기준10/200=5%와 평가 가능한180개 기준10/180≈5.56%를 분리해 적는다. 처리 실패20개를 숨기거나 생물학적 실패가 확인된 것으로 바꾸지 않는다.
정답 구조를 본 뒤 고른 최고 후보와, 정답을 보지 않고 사전에 정한 규칙으로 선택한 후보를 별도로 집계한다. 후보 수를 늘린 뒤 최고값만 좋아졌다는 사실은 개별 후보 성공률이 좋아졌다는 뜻이 아니다. 후보별 원자료가 없으면 분모와 선택 편향을 검증할 수 없다고 보고한다.
위 계산은 명시한 정의에 따른 산술이며 실제 연구 성능 수치가 아니다. 기준 구조와 접촉·배치를 대조하는 평가 정의는 계산 지표의 근거 예시이며, 표적별/후보별 성공이나 임상 효과를 대신 정의하지 않는다.