R 기반 보건학 시각화

역학 및 임상통계를 위한 실습 가이드

Author

보건학 R 시각화 팀

Published

November 19, 2025

환영합니다!

이 책에 대하여

이 책은 보건학, 역학, 임상 통계 분야의 대학원생과 전문가를 위한 R 시각화 실습 가이드입니다. ggplot2의 “그래픽 문법(Grammar of Graphics)”을 기반으로, 데이터 탐색부터 학술지 출판, 대화형 대시보드 구축까지 전 과정을 다룹니다.

🚀 시작하기 전에 (필독!)

GitHub 저장소: https://github.com/jinhaslab/rvis

온라인 책: https://jinhaslab.github.io/rvis/

0.0.1 📂 1단계: RStudio 프로젝트 생성

먼저 프로젝트를 만드세요!

RStudio 열기
File → New Project → New Directory → New Project
프로젝트 이름: rvis-practice
Create Project 클릭

0.0.2 📥 2단계: 실습 스크립트 다운로드

프로젝트 안에서 스크립트를 다운로드하세요.

방법 1: GitHub에서 직접 다운로드

GitHub 저장소 접속
code 폴더 클릭
setup.R 클릭 → Raw 버튼 → 우클릭 “다른 이름으로 저장”
프로젝트의 code/ 폴더에 저장 (폴더가 없으면 생성)
data-simulation.R도 동일하게 저장

직접 링크: - setup.R 다운로드 - data-simulation.R 다운로드

방법 2: R Console에서 자동 다운로드 (더 쉬움!)

# RStudio Console에서 실행 (프로젝트 내에서)
# 폴더 자동 생성 + 스크립트 다운로드
dir.create("code", showWarnings = FALSE)
dir.create("data", showWarnings = FALSE)
dir.create("data/processed", showWarnings = FALSE)

download.file(
  "https://raw.githubusercontent.com/jinhaslab/rvis/main/code/setup.R",
  "code/setup.R"
)

download.file(
  "https://raw.githubusercontent.com/jinhaslab/rvis/main/code/data-simulation.R",
  "code/data-simulation.R"
)

# 확인
list.files("code")  # "setup.R" "data-simulation.R" 보여야 함

0.0.3 📦 3단계: 패키지 설치 (10-20분)

# RStudio Console에서 실행
source("code/setup.R")

설치되는 패키지: tidyverse, ggplot2, incidence2, survival, plotly, shiny 등 40개 이상

0.0.4 📊 4단계: 실습 데이터 생성 (1-2분)

# RStudio Console에서 실행
source("code/data-simulation.R")

생성되는 데이터: health_survey.csv, disease_incidence.csv 등 6개 파일

✅ 준비 완료! 이제 Chapter 1로 이동하세요.

상세 가이드: Chapter 1 섹션 1.2에서 스크린샷과 함께 더 자세한 설명을 확인할 수 있습니다.

0.1 📚 학습 목표

이 책을 완료하면 다음을 할 수 있습니다:

✅ ggplot2의 7가지 핵심 구성 요소를 이해하고 활용 ✅ 역학 데이터(유행 곡선, 연령 표준화 비율)를 올바르게 시각화 ✅ 공간 역학 데이터를 지도로 표현 (코로플레스 맵) ✅ 생존 분석과 메타 분석 결과를 전문적으로 시각화 ✅ 학술지 출판 품질의 Figure를 제작 ✅ Shiny를 활용한 공중 보건 대시보드 구축

0.2 🎯 대상 독자

보건학, 역학, 임상통계 전공 대학원생
R을 처음 배우거나 시각화를 체계적으로 배우고 싶은 연구자
논문 작성을 위해 고품질 그래프가 필요한 보건의료 전문가
공중 보건 데이터를 대시보드로 만들고 싶은 실무자

사전 요구사항

R 기본 문법 이해 (변수, 함수, 데이터프레임)
RStudio 사용 경험 권장
통계학 기초 (평균, 표준편차, 신뢰구간)

R을 처음 접하신다면 R for Data Science 1-5장을 먼저 읽어보시기를 권장합니다.

0.3 📖 책의 구성

이 책은 4개 파트 8개 챕터로 구성되어 있습니다:

0.3.1 Part I: 기초편

Chapter 1: R과 ggplot2 시작하기
Chapter 2: ggplot2 완벽 마스터 - 그래픽 문법의 7가지 구성 요소

0.3.2 Part II: 역학편

Chapter 3: 역학 데이터 시각화 - 발병률, 유행곡선, 표준화
Chapter 4: 공간 역학 - GIS와 지도 제작

0.3.3 Part III: 임상통계편

Chapter 5: 생존 분석과 메타 분석 시각화
Chapter 6: 출판 품질 그래프 제작 전략

0.3.4 Part IV: 고급편

Chapter 7: 대화형 시각화와 Shiny 대시보드
Chapter 8: 효과적인 데이터 커뮤니케이션을 위한 제언

0.4 💻 실습 환경 준비

0.4.1 1. R과 RStudio 설치

# R 다운로드: https://cran.r-project.org/
# RStudio 다운로드: https://posit.co/download/rstudio-desktop/

권장 버전:

R ≥ 4.3.0
RStudio ≥ 2023.06.0

0.4.2 2. 필수 패키지 설치

모든 필요한 패키지는 code/setup.R에서 자동으로 설치됩니다:

# 프로젝트 루트에서 실행
source("code/setup.R")

주요 패키지:

Core: tidyverse, here, ggplot2
Epidemiology: incidence2, surveil
Spatial: sf, tmap
Clinical: survival, ggsurvfit, metafor
Interactive: plotly, shiny
Publication: patchwork, ggrepel, ggpubr

패키지 설치 시간

처음 실행 시 모든 패키지를 설치하는 데 10-20분 정도 소요됩니다. 인터넷 연결을 확인하고 충분한 시간을 두고 실행하세요.

0.4.3 3. 실습 데이터 준비

방법 1: 시뮬레이션 데이터 생성 (권장)

# 실습용 데이터 자동 생성
source("code/data-simulation.R")

다음 파일이 data/processed/에 생성됩니다:

health_survey.csv - 건강검진 데이터 (N=1,000)
disease_incidence.csv - 월별 질병 발생률
regional_disease.csv - 시도별 질병 데이터
clinical_trial.csv - 임상시험 데이터
meta_analysis.csv - 메타분석 데이터
covid_timeseries.csv - COVID-19 유사 시계열

방법 2: 패키지 내장 데이터 사용

별도 파일 없이 R 패키지에 내장된 데이터를 직접 사용합니다:

# 예시
data(mtcars)      # 기본 R
data(iris)        # 기본 R
library(survival)
data(lung)        # 생존 분석

library(outbreaks)
data(ebola_sim)   # 에볼라 유행 데이터

데이터 전략

이 책의 모든 실습은 재현 가능성을 최우선으로 합니다:

✅ 패키지 내장 데이터 우선 사용
✅ 시뮬레이션 데이터 (재현 가능한 set.seed())
❌ 외부 다운로드 최소화 (Shapefile만 예외)

따라서 인터넷이 없는 환경에서도 대부분의 실습이 가능합니다.

0.5 🗺️ 학습 로드맵

0.5.1 초보자 (R 처음 시작)

Ch 1 → Ch 2 (꼼꼼히) → Ch 3 (일부) → Ch 6 (기본)

0.5.2 중급자 (R 사용 경험 있음)

Ch 2 (복습) → Ch 3-4 (본인 분야) → Ch 5-6 → Ch 7

0.5.3 고급자 (논문/프로젝트 목적)

Ch 3-5 (필요 챕터) → Ch 6 (출판 전략) → Ch 7 (대시보드)

0.6 📊 실습 코드 사용법

0.6.1 코드 블록 종류

✍️ 직접 실행할 코드

# 여러분이 직접 RStudio에서 실행하세요
library(ggplot2)
ggplot(mtcars, aes(x = wt, y = mpg)) +
  geom_point()

📺 결과가 함께 표시되는 코드

# 이 책에서 실행 결과까지 보여줍니다
summary(mtcars$mpg)

#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>   10.40   15.43   19.20   20.09   22.80   33.90

💡 연습문제

✏️ Exercise 1

iris 데이터로 꽃잎 길이(Petal.Length)와 너비(Petal.Width)의 산점도를 그려보세요.

정답 보기

library(ggplot2)
ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) +
  geom_point() +
  theme_minimal()

0.7 🆘 도움이 필요할 때

0.7.1 R 관련 질문

0.7.2 ggplot2 관련

0.7.3 역학/보건학 특화

0.8 📝 이 책을 인용하는 방법

@book{rvis2024,
  title = {R 기반 보건학 시각화: 역학 및 임상통계를 위한 실습 가이드},
  author = {보건학 R 시각화 팀},
  year = {2025},
  url = {https://dspubs.org},
  note = {Accessed: 2025-11-18}
}

0.9 🤝 기여하기

이 책은 오픈 소스 프로젝트입니다. 오탈자, 코드 오류, 개선 제안은 언제든 환영합니다!

0.10 📜 라이선스

텍스트 및 코드: CC BY-NC-SA 4.0
데이터: CC0 (Public Domain)

준비되셨나요?

모든 준비가 끝났다면, Chapter 1: R과 ggplot2 시작하기로 이동하세요! 🚀

--- title: "R 기반 보건학 시각화" subtitle: "역학 및 임상통계를 위한 실습 가이드" author: "보건학 R 시각화 팀" date: today --- # 환영합니다! {.unnumbered} ::: {.callout-note appearance="simple"} ## 이 책에 대하여 이 책은 **보건학, 역학, 임상 통계** 분야의 대학원생과 전문가를 위한 R 시각화 실습 가이드입니다. ggplot2의 "그래픽 문법(Grammar of Graphics)"을 기반으로, 데이터 탐색부터 학술지 출판, 대화형 대시보드 구축까지 전 과정을 다룹니다. ::: ::: {.callout-important} ## 🚀 시작하기 전에 (필독!) **GitHub 저장소**: [https://github.com/jinhaslab/rvis](https://github.com/jinhaslab/rvis) **온라인 책**: [https://jinhaslab.github.io/rvis/](https://jinhaslab.github.io/rvis/) ### 📂 1단계: RStudio 프로젝트 생성 **먼저 프로젝트를 만드세요!** 1. RStudio 열기 2. **File** → **New Project** → **New Directory** → **New Project** 3. 프로젝트 이름: `rvis-practice` 4. **Create Project** 클릭 ### 📥 2단계: 실습 스크립트 다운로드 프로젝트 안에서 스크립트를 다운로드하세요. **방법 1: GitHub에서 직접 다운로드** 1. [GitHub 저장소](https://github.com/jinhaslab/rvis) 접속 2. **code** 폴더 클릭 3. `setup.R` 클릭 → **Raw** 버튼 → 우클릭 "다른 이름으로 저장" 4. 프로젝트의 **code/** 폴더에 저장 (폴더가 없으면 생성) 5. `data-simulation.R`도 동일하게 저장 **직접 링크:** - [setup.R 다운로드](https://raw.githubusercontent.com/jinhaslab/rvis/main/code/setup.R) - [data-simulation.R 다운로드](https://raw.githubusercontent.com/jinhaslab/rvis/main/code/data-simulation.R) **방법 2: R Console에서 자동 다운로드 (더 쉬움!)** ```{r} #| eval: false #| echo: true # RStudio Console에서 실행 (프로젝트 내에서) # 폴더 자동 생성 + 스크립트 다운로드 dir.create("code", showWarnings = FALSE) dir.create("data", showWarnings = FALSE) dir.create("data/processed", showWarnings = FALSE) download.file( "https://raw.githubusercontent.com/jinhaslab/rvis/main/code/setup.R", "code/setup.R" ) download.file( "https://raw.githubusercontent.com/jinhaslab/rvis/main/code/data-simulation.R", "code/data-simulation.R" ) # 확인 list.files("code") # "setup.R" "data-simulation.R" 보여야 함 ``` ### 📦 3단계: 패키지 설치 (10-20분) ```{r} #| eval: false #| echo: true # RStudio Console에서 실행 source("code/setup.R") ``` **설치되는 패키지:** tidyverse, ggplot2, incidence2, survival, plotly, shiny 등 40개 이상 ### 📊 4단계: 실습 데이터 생성 (1-2분) ```{r} #| eval: false #| echo: true # RStudio Console에서 실행 source("code/data-simulation.R") ``` **생성되는 데이터:** health_survey.csv, disease_incidence.csv 등 6개 파일 --- ✅ **준비 완료!** 이제 [Chapter 1](chapters/01-introduction.html)로 이동하세요. **상세 가이드**: [Chapter 1 섹션 1.2](chapters/01-introduction.html#개발-환경-설정)에서 스크린샷과 함께 더 자세한 설명을 확인할 수 있습니다. ::: ## 📚 학습 목표 이 책을 완료하면 다음을 할 수 있습니다: ✅ ggplot2의 7가지 핵심 구성 요소를 이해하고 활용 ✅ 역학 데이터(유행 곡선, 연령 표준화 비율)를 올바르게 시각화 ✅ 공간 역학 데이터를 지도로 표현 (코로플레스 맵) ✅ 생존 분석과 메타 분석 결과를 전문적으로 시각화 ✅ 학술지 출판 품질의 Figure를 제작 ✅ Shiny를 활용한 공중 보건 대시보드 구축 ## 🎯 대상 독자 - 보건학, 역학, 임상통계 전공 **대학원생** - R을 처음 배우거나 시각화를 체계적으로 배우고 싶은 **연구자** - 논문 작성을 위해 고품질 그래프가 필요한 **보건의료 전문가** - 공중 보건 데이터를 대시보드로 만들고 싶은 **실무자** ::: {.callout-warning} ## 사전 요구사항 - R 기본 문법 이해 (변수, 함수, 데이터프레임) - RStudio 사용 경험 권장 - 통계학 기초 (평균, 표준편차, 신뢰구간) R을 처음 접하신다면 [R for Data Science](https://r4ds.hadley.nz/) 1-5장을 먼저 읽어보시기를 권장합니다. ::: ## 📖 책의 구성 이 책은 **4개 파트 8개 챕터**로 구성되어 있습니다: ### Part I: 기초편 - **Chapter 1**: R과 ggplot2 시작하기 - **Chapter 2**: ggplot2 완벽 마스터 - 그래픽 문법의 7가지 구성 요소 ### Part II: 역학편 - **Chapter 3**: 역학 데이터 시각화 - 발병률, 유행곡선, 표준화 - **Chapter 4**: 공간 역학 - GIS와 지도 제작 ### Part III: 임상통계편 - **Chapter 5**: 생존 분석과 메타 분석 시각화 - **Chapter 6**: 출판 품질 그래프 제작 전략 ### Part IV: 고급편 - **Chapter 7**: 대화형 시각화와 Shiny 대시보드 - **Chapter 8**: 효과적인 데이터 커뮤니케이션을 위한 제언 ## 💻 실습 환경 준비 ### 1. R과 RStudio 설치 ```bash # R 다운로드: https://cran.r-project.org/ # RStudio 다운로드: https://posit.co/download/rstudio-desktop/ ``` **권장 버전:** - R ≥ 4.3.0 - RStudio ≥ 2023.06.0 ### 2. 필수 패키지 설치 모든 필요한 패키지는 `code/setup.R`에서 자동으로 설치됩니다: ```{r} #| eval: false #| echo: true # 프로젝트 루트에서 실행 source("code/setup.R") ``` 주요 패키지: - **Core**: `tidyverse`, `here`, `ggplot2` - **Epidemiology**: `incidence2`, `surveil` - **Spatial**: `sf`, `tmap` - **Clinical**: `survival`, `ggsurvfit`, `metafor` - **Interactive**: `plotly`, `shiny` - **Publication**: `patchwork`, `ggrepel`, `ggpubr` ::: {.callout-tip} ## 패키지 설치 시간 처음 실행 시 모든 패키지를 설치하는 데 **10-20분** 정도 소요됩니다. 인터넷 연결을 확인하고 충분한 시간을 두고 실행하세요. ::: ### 3. 실습 데이터 준비 #### 방법 1: 시뮬레이션 데이터 생성 (권장) ```{r} #| eval: false #| echo: true # 실습용 데이터 자동 생성 source("code/data-simulation.R") ``` 다음 파일이 `data/processed/`에 생성됩니다: - `health_survey.csv` - 건강검진 데이터 (N=1,000) - `disease_incidence.csv` - 월별 질병 발생률 - `regional_disease.csv` - 시도별 질병 데이터 - `clinical_trial.csv` - 임상시험 데이터 - `meta_analysis.csv` - 메타분석 데이터 - `covid_timeseries.csv` - COVID-19 유사 시계열 #### 방법 2: 패키지 내장 데이터 사용 별도 파일 없이 R 패키지에 내장된 데이터를 직접 사용합니다: ```{r} #| eval: false #| echo: true # 예시 data(mtcars) # 기본 R data(iris) # 기본 R library(survival) data(lung) # 생존 분석 library(outbreaks) data(ebola_sim) # 에볼라 유행 데이터 ``` ::: {.callout-note} ## 데이터 전략 이 책의 모든 실습은 **재현 가능성**을 최우선으로 합니다: 1. ✅ **패키지 내장 데이터** 우선 사용 2. ✅ **시뮬레이션 데이터** (재현 가능한 `set.seed()`) 3. ❌ 외부 다운로드 최소화 (Shapefile만 예외) 따라서 인터넷이 없는 환경에서도 대부분의 실습이 가능합니다. ::: ## 🗺️ 학습 로드맵 ### 초보자 (R 처음 시작) ``` Ch 1 → Ch 2 (꼼꼼히) → Ch 3 (일부) → Ch 6 (기본) ``` ### 중급자 (R 사용 경험 있음) ``` Ch 2 (복습) → Ch 3-4 (본인 분야) → Ch 5-6 → Ch 7 ``` ### 고급자 (논문/프로젝트 목적) ``` Ch 3-5 (필요 챕터) → Ch 6 (출판 전략) → Ch 7 (대시보드) ``` ## 📊 실습 코드 사용법 ### 코드 블록 종류 #### ✍️ 직접 실행할 코드 ```{r} #| eval: false #| echo: true # 여러분이 직접 RStudio에서 실행하세요 library(ggplot2) ggplot(mtcars, aes(x = wt, y = mpg)) + geom_point() ``` #### 📺 결과가 함께 표시되는 코드 ```{r} #| eval: true #| echo: true # 이 책에서 실행 결과까지 보여줍니다 summary(mtcars$mpg) ``` #### 💡 연습문제 ::: {.callout-tip icon="false"} ## ✏️ Exercise 1 `iris` 데이터로 꽃잎 길이(Petal.Length)와 너비(Petal.Width)의 산점도를 그려보세요. ```{r} #| eval: false #| code-fold: true #| code-summary: "정답 보기" library(ggplot2) ggplot(iris, aes(x = Petal.Length, y = Petal.Width, color = Species)) + geom_point() + theme_minimal() ``` ::: ## 🆘 도움이 필요할 때 ### R 관련 질문 - [Stack Overflow (R tag)](https://stackoverflow.com/questions/tagged/r) - [RStudio Community](https://community.rstudio.com/) - [R for Data Science Community](https://www.rfordatasci.com/) ### ggplot2 관련 - [공식 문서](https://ggplot2.tidyverse.org/) - [R Graph Gallery](https://r-graph-gallery.com/) - [ggplot2 Book](https://ggplot2-book.org/) ### 역학/보건학 특화 - [Epi R Handbook](https://epirhandbook.com/) - [Applied Epi Community](https://www.appliedepi.org/) ## 📝 이 책을 인용하는 방법 ```bibtex @book{rvis2024, title = {R 기반 보건학 시각화: 역학 및 임상통계를 위한 실습 가이드}, author = {보건학 R 시각화 팀}, year = {2025}, url = {https://dspubs.org}, note = {Accessed: 2025-11-18} } ``` ## 🤝 기여하기 이 책은 오픈 소스 프로젝트입니다. 오탈자, 코드 오류, 개선 제안은 언제든 환영합니다! ## 📜 라이선스 - **텍스트 및 코드**: [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/) - **데이터**: CC0 (Public Domain) --- ::: {.callout-important} ## 준비되셨나요? 모든 준비가 끝났다면, [Chapter 1: R과 ggplot2 시작하기](chapters/01-introduction.qmd)로 이동하세요! 🚀 :::