9  결론 및 제언

10 효과적인 보건 데이터 커뮤니케이션을 위한 제언

이 챕터의 목표

• R 시각화 학습 여정 회고
• 효과적인 데이터 커뮤니케이션 원칙
• 추가 학습 자료 및 커뮤니티

10.1 8.1 학습 여정 회고

(내용 추가 예정 - PDF 페이지 24-25)

우리는 다음 여정을 거쳤습니다:

1. ggplot2 기본 문법 (Ch 1-2)
   • 그래픽 문법의 7가지 구성 요소
   • aes(), geom, facet
2. 역학 특화 시각화 (Ch 3-4)
   • 유행 곡선 (incidence2)
   • 연령 표준화 비율 (surveil)
   • 공간 역학 (sf, tmap)
3. 임상통계 시각화 (Ch 5)
   • 생존 분석 (ggsurvfit)
   • 메타 분석 (metafor)
4. 출판 및 공유 (Ch 6-7)
   • 출판 품질 (patchwork, ggpubr)
   • 대화형 대시보드 (Shiny)

10.2 8.2 효과적인 데이터 커뮤니케이션 원칙

(내용 추가 예정 - PDF 페이지 25)

10.2.1 8.2.1 목적에 맞는 도구 선택

🎯 시각화 목적에 따른 선택

목적	도구	예시
탐색 (Exploration)	빠른 ggplot	EDA, 데이터 이해
설명 (Explanation)	출판 품질 ggplot	논문 Figure
상호작용 (Interaction)	Plotly, Shiny	대시보드, 웹앱

10.2.2 8.2.2 통계적 정확성

⚠️ 반드시 피해야 할 함정

1. 연령 구조 미보정: 조(Crude) 비율의 함정
   • ✅ 해결: 연령 표준화 비율 (Ch 3.3)
2. SE vs CI 혼동: geom_errorbar의 책임
   • ✅ 해결: 올바른 통계량 선택 (Ch 5.3)
3. 축 조작: 0부터 시작하지 않는 y축
   • ✅ 해결: scale_y_continuous(limits = c(0, ...))

10.2.3 8.2.3 재현 가능한 연구

# ✅ Good: 재현 가능
source("code/setup.R")
source("code/data-simulation.R")

# 모든 분석이 스크립트로 기록됨
# → 다른 연구자가 재현 가능

# ❌ Bad: 클릭 기반 소프트웨어
# → 재현 불가

10.3 8.3 추가 학습 자료

10.3.1 8.3.1 필수 도서

1. Wickham, H. & Grolemund, G. (2017). R for Data Science
   • https://r4ds.hadley.nz/
   • 📌 데이터 과학 전반
2. Wickham, H. (2016). ggplot2 Book
   • https://ggplot2-book.org/
   • 📌 ggplot2 완전 정복
3. Batra, N. et al. (2021). The Epidemiologist R Handbook
   • https://epirhandbook.com/
   • 📌 역학 실무 R

10.3.2 8.3.2 온라인 리소스

시각화 갤러리: - R Graph Gallery - From Data to Viz

커뮤니티: - RStudio Community - Stack Overflow - R tag

블로그: - R-Bloggers - Cedric Scherer’s ggplot2 Tutorials

10.3.3 8.3.3 특화 패키지

계속 발전하는 R 생태계:

# 최신 패키지 탐색
browseURL("https://cran.r-project.org/web/packages/")
browseURL("https://www.tidyverse.org/packages/")

10.4 8.4 커뮤니티 참여

10.4.1 8.4.1 질문하기

• Stack Overflow에 재현 가능한 예제(reprex) 제공
• RStudio Community에서 토론
• GitHub Issues에 버그 리포트

10.4.2 8.4.2 기여하기

• 오픈소스 패키지 개발 참여
• 블로그 글 작성
• 튜토리얼 번역

10.5 8.5 최종 체크리스트

✅ R 시각화 마스터 체크리스트

기초:

• ggplot2의 7가지 구성 요소 이해
• aes() 매핑 자유자재로 활용
• geom 선택 및 조합

역학:

• 유행 곡선 (incidence2)
• 연령 표준화 비율 (surveil)
• 공간 지도 (sf, tmap)

임상:

• 생존 곡선 (ggsurvfit)
• 포레스트 플롯 (metafor)
• SE vs CI 구분

출판:

• 다중 패널 (patchwork)
• 학술지 스타일 (ggthemes, ggpubr)
• 고해상도 저장 (ggsave)

고급:

• 인터랙티브 (plotly)
• 대시보드 (Shiny)

10.6 8.6 마치며

데이터 시각화는 기술이자 예술이며, 무엇보다 소통입니다.

이 책에서 배운 R 시각화 기법들이 여러분의 연구 결과를:

• 🔍 더 명확하게 이해하고
• 📊 더 설득력 있게 전달하며
• 🌍 더 많은 사람들에게 공유하는 데

도움이 되기를 바랍니다.

---

📬 연락하기

• 이메일: your-email@example.com
• GitHub: github.com/your-repo
• 웹사이트: your-website.com

질문, 피드백, 개선 제안을 언제든 환영합니다!

🎉 축하합니다!

R 기반 보건학 시각화 과정을 완료하셨습니다!

이제 여러분은 ggplot2부터 Shiny까지, 보건학 데이터를 전문적으로 시각화할 수 있는 역량을 갖추셨습니다.

계속해서 배우고, 실습하고, 공유하세요! 🚀