Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020138712 - METHOD FOR PREDICTING SMARTPHONE OVERDEPENDENCE ON BASIS OF COMORBID PSYCHIATRIC SYMPTOMS

Document

명세서

발명의 명칭

기술분야

1  

배경기술

2   3   4  

발명의 상세한 설명

기술적 과제

5  

과제 해결 수단

6   7  

발명의 효과

8   9  

도면의 간단한 설명

10   11   12   13   14   15   16  

발명의 실시를 위한 최선의 형태

17   18   19   20   21   22   23   24   25   26   27   28   29   30   31   32   33   34   35   36   37   38   39   40   41   42   43   44   45   46   47   48   49   50   51   52   53   54   55   56   57   58   59   60   61   62   63  

청구범위

1   2   3   4   5   6   7   8  

도면

1   2   3   4   5   6   7  

명세서

발명의 명칭 : 공존 정신과 증상 기반 스마트폰 과의존 예측 방법

기술분야

[1]
본 발명은 스마트폰 과의존 예측에 관한 것으로서, 특히 공존(comorbid) 정신과 증상(psychiatric symptoms)을 입력으로 하여 의사결정나무(decision tree)로 도출된 규칙을 통해 스마트폰 과의존 위험을 예측할 수 있는, 공존(comorbid) 정신과 증상(psychiatric symptoms) 기반 스마트폰 과의존 예측 방법에 관한 것이다.

배경기술

[2]
스마트 폰은 업무 및 사회적 관계를 위해 유용하게 사용되며 단순히 정보통신기술(IT, Information Technology)이 서포트 하는 또 하나의 장치가 아니다. 10 억 명의 글로벌 사용자가 스마트 폰 또는 태블릿과 같은 모바일 세계에서 시간의 거의 절반을 소비하고 있다. 글로벌 스마트 폰 보급률은 한국의 경우 2017 년에 71.5 % 이상으로 빠르게 증가하고 있으며, 특히 많은 국가에서 스마트 폰 보급률이 데스크 탑(desktop) 컴퓨터 보급률보다 높다는 보고가 있다.
[3]
그러나 스마트 폰 사용이 급속히 증가함에 따라 스마트 폰의 문제 있는 사용(problematic smartphone use)에 따른 부정적인 결과도 증가하고 많은 사회적 문제를 야기하고 있다. 스마트 폰의 문제 있는 사용에 대한 해결책을 찾는 것이 필요하다. 그렇게 하기 위해서는 스마트 폰의 문제 있는 사용 유형들(types)을 밝혀내고, 다양한 요인들 중에서 스마트폰의 문제있는 사용 유형과 정신과 증상(psychiatric symptoms)과의 관계를 이해할 필요가 있다.
[4]
스마트 폰의 문제있는 사용은 인터넷 게임, 소셜 미디어 및 도박과 마찬가지로 행동 중독(behavioral addiction)으로 간주된다. 일부 연구자들은 행동 중독이 불안, 우울증, 피로, 외로움, 부정적인 자긍심 및 충동 유형(implusivity-type)의 주의력 결핍 과잉 행동 장애 (ADHD)와 같은 정신 건강 문제와 공존 할 수 있는 것으로 보고하고 있다. 또한 일부 연구자들은 정신 건강 문제가 스마트 폰의 문제 있는 사용을 유도하는 것으로 보고하고 있다. 따라서 정신과 증상(psychiatric symptoms)과 스마트 폰의 문제 있는 사용의 예측변수(predictor)를 기반으로 스마트 폰의 문제 있는 사용 유형을 찾는 것이 필요하다.

발명의 상세한 설명

기술적 과제

[5]
본 발명이 해결하고자 하는 과제는 상술한 필요성을 해결하기 위해 창출된 것으로서, 공존 정신과 증상(comorbid psychiatric symptoms)을 입력 데이터로 하여 의사결정나무(decision tree)로 도출된 규칙을 통해 스마트폰 과의존 위험을 예측할 수 있는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법을 제공하는 것이다.

과제 해결 수단

[6]
상 기반 스마트폰 과의존 예측 방법은, 자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII)을 예측변수로 입력하는 단계; 및 의사결정나무를 통해 복수의 규칙을 찾는 단계; 및 상기 복수의 규칙을 이용하여 상기 문제되는 스마트폰 사용을 5개의 과의존 예측 유형으로 분류하는 단계를 포함한다.
[7]
상기 복수의 규칙은 BSCS 점수가 제1기준값 이하인 규칙#1; BSCS 점수가 제2기준값 초과인 규칙#2, BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하는 규칙#3, BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당하는 규칙#4, BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하는 규칙 #5, BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값 미만에 해당하는 규칙#6, BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하는 규칙 #7 및 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 임계치를 초과하는 규칙 #8을 포함하고, 상기 5가지의 스마트폰 과의존 예측 유형은 상기 규칙 #1에 해당하며 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 SC 유형, 규칙 4 및 5를 따르는 SC + Anx 유형, 규칙 6 및 7을 따르는 SC + Anx + Dep 유형, 규칙 8을 따르는 SC + Anx + Dep + Imp 유형을 포함한다.

발명의 효과

[8]
본 발명에 따른 공존 정신과 증상 기반 스마트폰 과의존 예측 방법에 의하면, 스마트폰의 과사용 유형을 밝힘으로써 성인들의 스마트폰 과사용을 절제하거나 과사용을 방지하기 위한 적절한 서비스 개발에 이용될 수 있다.
[9]
또한 본 발명에 따르면, 스마트폰 과사용의 유형을 예측함으로써 스마트폰 과사용으로 인한 스마트폰 중독에 대한 효과적인 치료법 개발에도 유용하게 이용될 수 있다.

도면의 간단한 설명

[10]
도 1은 본 발명의 기술적 사상을 블록도로 나타낸 것이다.
[11]
도 2는 본 발명에 따른 공존 정신과 증상 기반 스마트폰 과의존 예측 방법에 대한 일실시예를 흐름도로 나타낸 것이다.
[12]
도 3은 연구 프로세스(research process)를 흐름도로 나타낸 것이다.
[13]
도 4는 본 발명의 실시예에서 정의된 스마트폰 의존의 예측변수를 나타내고 있다.
[14]
도 5는 의사결정나무 분석에 따른 예측율을 나타낸 것이다.
[15]
도 6은 본 발명의 실시예에 따른 의사결정 나무(decision tree)의 결과를 나타낸 것이다.
[16]
도 7은 문제되는 스마트폰 사용(problematic smartphone use)의 분류기를 나타낸 것이다.

발명의 실시를 위한 최선의 형태

[17]
이하, 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원 시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
[18]
도 1은 본 발명의 기술적 사상을 블록도로 나타낸 것으로서, 자기조절력, 불안, 우울 및 충동성을 입력변수로 하는 입력부(110)의 입력데이터를 받아, 의사결정나무를 기반으로 하는 분류부(120)를 통해 5개의 스마트폰 의존 유형으로 분류하여 사용자의 정신과 증상과 관련된 스마트폰 의존의 유형과 스마트폰 과의존 위험율을 출력부(130)를 통해 제공한다.
[19]
도 2는 본 발명에 따른 공존(comorbid) 정신과 증상(psychiatric symptoms) 기반 스마트폰 과의존 예측 방법에 대한 일실시예를 흐름도로 나타낸 것이다. 도 2를 참조하면, 스마트폰 의존 그룹과 정상적인 그룹에 대해 인구학적 요인과 심리적 요인을 포함하는 다수의 입력변수를 데이터 처리하여 의사결정나무(decision tree)를 통해 성인에 대한 스마트폰 의존 예측변수들을 선택한다.(S210단계) 상기 선택된 예측변수는 자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII) 를 포함한다. 그리고 상기 5개의 과의존 예측 유형은 정신과 증상과 무관한 non-comorbid 유형, 자기통제력(Self-Control) 유형, 자기통제력과 불안(Anxiety)이 혼합된 SC+Anx 유형, 자기통제력과 불안 및 우울(Depress)의 혼합된 SC+Anx+Dep 유형, 자기통제력과 불안과 우울과 충동성이 혼합된 SC + Anx + Dep + Imp 유형으로 이루어질 수 있다.
[20]
상기 선택된 예측변수를 입력변수로 하여 의사결정나무를 통해 스마트폰 과의존 여부를 판단한다. (S220단계) 상기 의사결정나무를 통해 문제되는 스마트폰 사용을 5가지 스마트폰 과의존 예측 유형으로 분류하고, 스마트폰 과의존 위험률을 계산한다.(S230단계) 상기 문제되는 스마트폰 사용 여부는 성인용 한국 스마트 폰 중독성 척도인 S-scale를 사용하여 분류될 수 있다.
[21]
그리고 상기 S230 단계는 의사결정나무를 통해 복수의 규칙을 찾는 단계 및 상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형을 정의하는 단계를 포함하고, 상기 복수의 규칙은 규칙 #1 내지 규칙 #8을 포함한다. 규칙 #1은 BSCS 점수가 제1기준값(예: 38점) 이하이고, 규칙#2는 BSCS 점수가 제2기준값(예:51점) 초과이고, 규칙#3은 BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하고, 규칙#4는 BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당한다.
[22]
규칙#5는 BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하고, 규칙 #6는 BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값(예: 4) 미만에 해당하고, 규칙#7은 BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하며, 규칙 #8은 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 상기 임계값을 초과한다.
[23]
상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형은 상기 규칙 #1에 해당하는 사용자는 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 사용자는 SC 유형, 규칙 4 및 5를 따르는 사용자는 SC + Anx 유형, 규칙 6 및 7을 따르는 사용자는 SC + Anx + Dep 유형, 규칙 8을 따르는 사용자는 SC + Anx + Dep + Imp 유형으로 정의할 수 있다.
[24]
상술한 본 발명에 따른 공존 정신과 증상 기반 스마트폰 과의존 예측 방법에 대한 실시예를 보다 상세히 설명하기로 한다. 본 발명의 실시예는 온라인 설문 조사에서 5,372 명의 스마트폰 사용자를 모집했다. 성인을 대상으로 한 한국 스마트 폰 중독성 척도(Smartphone Addiction Proneness Scale for Adults)인 S-Scale을 기반으로 스마트폰 의존(smartphone dependent) 그룹에 974 명의 스마트 폰 사용자를 배정하고, 4,398 명의 사용자는 일반 그룹에 배정하였다. 데이터 마이닝 기술 중에서 C5.0 의사결정트리(decision tree)가 적용되고, 인구학적 요인과 심리적 요인을 포함한 15 가지 변수를 입력 변수로 사용했다.
[25]
4 개의 정신과적(psychiatric) 변수, 즉 자기 통제(66%), 불안(anxiety, 25%), 우울증(depression, 7 %), 역기능적 충동성(dysfunctional impulsivities, 3%)이 가장 중요한 예측변수(predictors)로 선택되었다. 본 발명의 실시예는 5 가지의 문제 있는 스마트폰 사용(problematic smartphone use) 유형 즉, non-comorbid 유형, 자기통제(self-control) 유형, Sc + Anx 유형, Sc + Anx + Dep 유형 및 Sc + Anx + Dep + Imp을 정의하였다. 본 발명에 따르면 스마트폰에 지나치게 의존하는(smartphone dependent) 사용자의 74 %가 정신과 증상(psychiatric symptoms)을 가지고 있다. non-comorbid 유형과 self-control 유형의 비율은 64 % 이다. 본 발명의 실시예는 문제되는 스마트 폰 사용(problematic smartphone use)의 유형을 정의함으로써 성인들이 문제 있는 스마트 폰 사용을 절제하거나 방지하기 위한 적절한 서비스 개발에 사용될 수 있다. 또한, 본 발명은 문제있는 스마트 폰 사용을 위한 효과적인 치료법 개발에도 도움이 될 것이다.
[26]
본 발명에서 사용되는 의사 결정 트리(decision tree) 분석은 다양한 데이터에서 패턴과 규칙성을 발견하는 데 유용한 방법이다. 결정 트리는 복잡한 결정을 몇 가지의 결정으로 나눈다. 따라서, 의사 결정 트리 분석은 결과를 쉽게 표현한다. 데이터를 트리 형태로 표현함으로써 이해하고, 설명하고 적용하는 것을 간단하게 한다. 결정 트리는 문제되는 스마트폰 사용의 예측과 정신과 증상의 분류를 위한 적절한 방법이 될 수 있다.
[27]
본 발명의 실시예에서는 온라인 설문 조사를 통해 5,372 명의 스마트 폰 사용자를 모집했다. 스마트 폰 사용자는 여론조사 전문회사의 온라인 패널에서 모집 될 수 있었다. 총 974 명의 참가자가 성인용 한국 스마트 폰 중독성 척도인 S-scale를 사용하여 문제되는 스마트 폰 사용 그룹에 대한 기준을 충족했다. 마지막으로 4,398 명의 참가자가 정상적인(normal) 그룹으로 구성되었다.
[28]
본 발명의 실시예에서는 총 16 개의 변수를 사용한다. 첫째, 타겟 변수(target variable)는 성인용 한국 스마트 폰 중독성 척도인 S-Scale에 기반한 문제되는 스마트 폰 사용(problematic smartphone use)이다. S-Scale은 1 점에서 (not at all, 전혀) 4 점 (always, 항상) 까지 4 점 리커트 척도(Likert scale)의 15 개 항목으로 구성된다. 그것은 네 가지 카테고리 즉, 일상생활 교란(daily life disturbance, 5 개 항목), 가상세계 지향(virtual world orientation, 2 개 항목), 철회(withdrawal, 4 개 항목) 및 포용력(tolerance, 4 개 항목)으로 이루어진다. 전체 점수는 3 개의 서브그룹(0-39 : none, 40-43 : 잠재 위험 그룹 및 44 이상 : 위험 그룹)으로 분류된다. 본 발명의 실시예에서는 40 이상의 S-score를 가진 스마트 폰 사용자는 스마트 폰 종속(smartphone-dependent) 그룹으로 평가된다. 스마트 폰 종속 그룹에는 위험 그룹과 잠재적인 위험 그룹이 모두 포함되어 있다.
[29]
둘째, 표 1과 같이 인구 통계, 스마트 폰 사용 및 심리적 요인을 포함한 15 가지 입력 변수를 사용한다. 4 가지 요소인 BSCS (Brief Self-Control Scale), GAD (Generalized Anxiety Disorder) -7, PHQ-9 (Patient Health Questionnaire), DII (Dickman Impulsivity Inventory-Short Version) 가 정신과 증상(psychiatric symptoms)이다
[30]
[표1]
[31]
BSCS는 성향적(기질적) 자기 통제(dispositional self-control)를 평가한다.
[32]
본 발명의 실시예에서는 BSCS는 13 개의 항목으로 구성되며 각 BSCS 항목은 1 점 (매우 동의하지 않음)에서 5 점 (매우 동의 함)까지의 5 점 척도로 평가된다. BSCS에 대한 공식적인 cut off 기준은 아직 없다.GAD-7 scale은 GAD 증상의 심각성(severity)을 평가하는 데 사용되는 도구이다. GAD는 특정 상황에 국한되지 않고 지속되는, 지나치고 부적절한 걱정이다. GAD-7 척도는 7 개 항목으로 구성되어 있으며 각 질문은 0-3 Likert scale로 응답된다. 점수가 높을수록 심각도(severity)가 높아진다. 총 점수는 4 개의 서브 그룹 (0-4 : 없음, 5-9 : 약함(mild), 10-14 : 보통(moderate), 15-21 : 심각(severe))으로 분류된다.
[33]
PHQ-9는 우울증의 심각성(severity)를 평가한다. PHQ-9는 9 개의 항목으로 구성되어 있으며 각 질문은 점수가 0(not at all)에서 3으로 (거의 매일) 심각도가 높아지는 0-3 리커트 척도로 응답된다. 5 개의 서브그룹 : (0-4 : 없음, 5-9 : mild, 10-14 : moderate, 15-19 : moderately severe 20-27 : severe)로 구성된다.
[34]
DII는 충동 성향을 측정하는 데 유용한 도구이다. 각 항목에 대한 응답 옵션은 true (1) 또는 false (0) 이다. DII-short는 기능적 (11 개 항목) 충동과 기능장애 (12 개 항목) 충동을 평가하는 23 개 항목의 자기보고 설문지로 구성된다. 본 발명은 기능적 및 역기능적 충동성의 23개 항목 모두를 사용했다. 역기능 충동성은 미리 생각하지 않고 행동하는 경향으로 부적응적인 성과(performance)와 부정적 결과(negative consequences)를 초래한다. DII 에는 아직 공식적으로 사용되는 cutoff 기준(criterion)이 없다.
[35]
의사 결정 트리 분석 모델은 스마트폰의 문제 있는 사용 유형을 분류하는 데 효과적이다. 의사 결정 트리 방법 중에서 C5.0 알고리즘을 사용한다. C5.0 알고리즘은 J. Ross Quinlanin 1993에 의해 개발된 C4.5 알고리즘의 변형이다. C5.0은 반복적인 Divide-and-Conquer 알고리즘으로 구성된 트리 구조이다. C5.0 의사 결정 트리는 출력을 위한 이진 변수에 유용하다. C5.0은 수치 데이터와 명목 데이터를 입력 데이터로 사용하여 규칙을 생성 할 수 있다. C5.0은 오류률이 눈에 띄게 낮으며 C4.5보다 속도가 빠르며 메모리 효율이 높다.
[36]
도 3은 연구 프로세스(research process)를 흐름도로 나타낸 것이다. 도 3을 참조하면, 5,372명의 스마트 폰 사용자(과의존군 : 974, 정상군 : 4,398)을 대상으로 하였으며, 스마트폰 과의존군 분류기준은 S-scale를 따랐으며, 파티션 노드를 사용하여 데이터를 학습 및 테스트 데이터의 두 세트로 나누었다. 6 개의 학습(traning) 데이터 세트를 4 개의 테스트 데이터 세트와 비교했다. 그리고 decision tree를 통해 성인을 대상으로 스마트폰 의존의 예측변수를 정의하였다.
[37]
도 4는 본 발명의 실시예에서 정의된 스마트폰 의존의 예측변수를 나타내고 있다. 도 4를 참조하면, 자기조절력(BSCS)는 항목수가 13개이고, 점수가 높을수록 자기통제력이 약함을 의미한다. 불안(GAD)은 7개 항목으로 구성되며, 점수가 높을수록 불안수준이 높다. 우울(PHQ)는 항목수가 9개이고 점수가 높을수록 우울 수준이 높다. 역기능성 충동성은 12개의 항목으로 구성되며, 점수가 높을수록 역기능성 충동성이 높다.
[38]
본 발명의 실시예는 의사결정 트리 분석을 위해 IBM SPSS Modeler 16.0을 사용하여 5,372 명의 스마트 폰 사용자를 분석했다. 본 발명의 실시예는 C5.0 알고리즘을 적용하고 IBM SPSS Statistics 버전 18.0을 사용하여 설명 분석 및 2 건의 독립 샘플 t- 테스트를 수행했다.
[39]
한편, 본 발명의 실시예의 대상인 참가자의 특성 표 2에서 볼 수 있듯이 응답자의 연령대는 19 세에서 39 세까지 이며, 대부분의 참가자는 20-29 세 연령층 (62.6 %)이다. 전체 응답자의 54.5 %가 여성이고 응답자의 48.2 %가 수도권에 거주하고 있다. 또한 응답자의 82.3 %는 독신이고 응답자의 47.0 %는 사무직, 행정직, 서비스 업계 직책, 전문 기술자 및 생산직 종사자 그룹에 속해 있다. 응답자의 39.5 %가 학생이고 응답자의 47.8 %가 대학원 이하의 교육을 받았다. 설문 조사에 따르면 응답자의 45.9 %가 fair 소득 수준을 보고 했으며 응답자의 69.8 %는 대개 게임을 하고 있다. 마지막으로, 참가자의 18.1 %는 문제가 되는 스마트 폰 사용 그룹에 속해 있다.
[40]
[표2]
[41]
그리고, 표 3은 본 발명의 실시예에서 스마트폰 사용 및 심리적 특성을 나타낸 것이다.
[42]
[표3]
[43]
표 3을 참조하여 스마트폰 사용 및 심리적 특성을 살펴보면, 결과는 정상(normal) 그룹과 스마트폰 의존 그룹 간에는 역기능(dysfunctional) 충동 (t = -17.798, p <0.001), 자기 통제 (t = -26.634, p <0.001), 우울증 (t = -29.361, p <0.001) 및 불안 (t = -28.236, p <0.001)에 있어서 중요한 차이가 있다. 스마트폰 의존 그룹은 스마트 폰을 평균 주중 5.88 시간, 주말 및 공휴일 5.80 시간 사용하며 시간을 보내고 있다. 그러나 스마트 폰 이용 시간에 있어서는 정상 그룹과 스마트폰 의존 그룹간에 의미있는 차이는 없다.
[44]
본 발명의 실시예는 의사 결정 트리(decision tree)를 규칙을 유도한다. 의사결정 알고리즘을 이용하여 중요한 스마트폰의 문제있는 사용(problematic smartphone use) 유형이 추출된다. 도 5에 제시된 바와 같이 합리적으로 정확하다고 간주되는 총 예측율은 83 % 이다. 특이도(specificity)는 85 % 이고 민감도(sensitivity)는 60 % 이다. 따라서 본 발명은 결과를 수용했다. 부모 노드 값을 50으로 설정하고 자식 노드를 20 샘플로 설정한다.
[45]
자기통제(66 %), 불안(25 %), 우울증(7 %), 역기능 충동(3 %)의 4 가지 변수가 중요한 예측변수이다. 백분율은 변수 간의 상대적 중요성을 나타낸다. 따라서 자기 통제와 불안은 그룹 구성원의 81 %를 예측했다.
[46]
도 6는 본 발명의 실시예에 따른 의사결정 나무(decision tree)의 결과를 나타낸 것이다. 본 발명의 실시예에서 의사결정 알고리즘을 통해 문제되는 스마트폰 사용 유형(problematic smartphone use types)을 정의할 수 있다. 도 6를 참조하면, 문제되는 스마트폰 사용의 초기 위험율은 18.43 % (노드 0)이다.
[47]
의사결정 알고리즘을 이용하여 8 가지 규칙을 정할 수 있다. 도 6를 참조하면, 규칙 # 1은 BSCS 점수가 38 점 이하 임을 나타낸다 (위험율 : 8.07 %, 노드 1). Rule # 2는 BSCS 점수가 51 점 초과(위험율 69.23 %, 노드 12)임을 나타내고 있다. 규칙 # 3은 BSCS 점수가 39 에서 51 사이이고, 불안이 없거나(no anxiety) 경미한 불안(mild anxiety, 위험율 24.41 %, 노드 4)이 없음을 나타낸다. 규칙 # 4는 BSCS 점수가 39와 51 사이이며, 보통 불안(moderate anxiety)과 우울증이 없거나(no depression), 가벼운(mild) 우울증 또는 보통의(moderate) 우울증 (위험율 39.25 %, 노드 6)이 있음을 명시합니다. Rule # 5는 BSCS 점수가 39와 51 사이이며 심각한 불안(severe anxiety, 56.04 %, 노드 11)을 나타냅니다. 규칙 # 6은 BSCS 점수가 39에서 51 사이이며 보통의(moderate) 불안과 보통의 우울증(moderately severe depression)을 겪고 기능장애(dysfunctional) DII 점수가 4 미만 (32.26 %, 노드 8)임을 나타냅니다. 규칙 # 7은 BSCS 점수가 39에서 51 사이이고 중간 정도의(moderate) 불안과 심한(severe) 우울 (58.33 %, 노드 10)이 있다. 규칙 # 8은 BSCS 점수가 39와 51 사이이고, 보통 불안(moderate anxiety)과 약간 심각한(moderately severe) 우울증 뿐 아니라 기능장애(dysfunctional) DII 점수가 4 점 초과 (68.24 %, 노드 9)이다.
[48]
도 6에서 볼 수 있듯이, 본 발명은 심각한 정신 건강 문제를 기반으로 5 가지의 문제되는 스마트폰 사용 유형을 결정한다. 본 발명에서는 문제되는 스마트 폰 사용 유형을 5 가지 유형으로 정의하고 있다. 규칙 1을 따르는 사용자는 comorbid 유형(노드 1), 규칙 2 및 3을 따르는 사용자는 self-control 유형(노드 4 및 12), 규칙 4 및 5를 따르는 사용자는 Sc + Anx 유형(노드 6 및 11), 규칙 6 및 7을 따르는 사용자는 Sc + Anx + Dep 유형(노드 8 및 10), 규칙 8을 따르는 사용자는 Sc + Anx + Dep + Imp 유형(노드 9)으로 정의한다.
[49]
도 7은 문제되는 스마트폰 사용의 분류기를 나타낸 것으로서, 의사결정나무를 이용하여 8개의 규칙을 도출하고 8개의 규칙을 이용하여 문제되는 스마트폰 사용을 5개의 유형으로 분류하고 있다.
[50]
도 7에서 보듯이 지배적인 표현형(phenotype)은 낮은 Self-Control (n = 222, 38 %)이다. 스마트폰 의존 사용자의 26 %는 non-comorbid 유형으로 보고되고 있고, 스마트폰 의존 사용자의 23 %는 SC + Anx 유형에 속해 있다. SC + Anx + Dep + Imp 유형은 스마트폰 종속 사용자의 10 % 를 이루고 있다. 마지막으로, SC + Anx + Dep 유형은 스마트 폰 종속 사용자의 3 % 를 구성하고 있다.
[51]
본 발명은 의사 결정 트리 방법을 사용하여 정신과 증상을 기반으로 문제가 되는 스마트 폰 사용 유형을 파악한다. 본 발명의 결과를 바탕으로 다음과 같은 결론을 도출할 수 있다. 4가지의 정신 건강 문제 즉, 1) 자기 통제 (66 %), 2) 불안 (25 %), 3) 우울증 (7 %), 4) 역기능 충동 (3 % )는 문제되는 스마트폰 사용에 연관되어 있다는 것을 알 수 있다. 또한, 4 가지 변수에 대해 정상적인 그룹과 스마트폰 종속 그룹간에 중요한 차이가 있다. 예측변수들 중에서 자기 통제(Self-Control)와 불안(Anxiety)은 그룹 구성원의 81 %를 차지한다고 예측될 수 있다.  본 발명은 poor Self-Control 유형을 문제되는 스마트 폰 사용의 기질적(성향적)인 요소로서 확인하고, 이전의 연구 결과에 따르면 poor Self-Control은 문제되는 스마트 폰 사용의 중요한 특징이었다. 또한, 불안, 우울증 및 충동은 중독의 핵심 특징이다. 우울증이 스마트 폰의 문제있는 사용과 관련이 있음을 밝혀져 있다. 그리고 불안은 일관되게 문제되는 스마트 폰 사용과 관련이 있지만 효과는 크지 않다고 알려져 있다. 그러나 본 발명은 불안(25 %)이 우울증(7 %)보다 문제되는 스마트 폰 사용에 더 중요한 예측변수임을 나타내고 있다.
[52]
또한 종래의 연구에 따르면 문제되는 휴대폰 사용에는 세 가지 경로 모델 (1) 과도한 안심 경로, (2) 충동적 - 반사회적 경로, (3) 외향(extraversion) 경로가 있다고 알려져 있다. 종래에는 경로에 따라 위험 요소들을 설명하고, 과도한 안심 경로의 경우 사용자는 사용에 있어서 중독성 패턴을 가지고 있다. 그들은 다른 사람들로부터 안심(reassurance)되는 말이나 행동을 위해 그리고 관계성을 유지하기 위해 스마트 폰을 사용한다. 충동적 경로의 경우, 사용자는 사용에 있어서 반사회적인 패턴을 가지고 있다. 그들의 연구에서, 불안은 과도한 안심 경로의 위험 요소들 : 낮은 자부심, 신경증, 애착, 정서적 불안정, 사회적 불안 및 일반적인 불안 중 하나이다. 낮은 자제력과 충동성은 충동적 경로의 위험 요인들 : 충동성, 낮은 자제력, 공격적인 성향, 반사회적 성격, ADHD 이다. 따라서 4 가지 comorbid 증상은 문제되는 스마트 폰 사용에 대한 위험 모델을 구현하는 의미 있는 요소가 된다.
[53]
본 발명은 1) non-comorbid 유형, 2) 자기 통제(SC) 유형, 3) SC + Anx 유형, 4) SC + Anx + Dep 유형, 5) SC + Anx + Dep + Imp 유형의 5 가지 문제 있는 스마트 폰 사용 유형을 정의한다.
[54]
첫 번째 흥미로운 결과는 non-comorbid 유형이다. 스마트 폰에 의존하는 사용자 중 26 %는 정신 건강 문제가 없고 자기 통제에 문제가 없지만 여전히 스마트 폰 사용에 문제가 있다. non-comorbid 유형은 흥미로운 그룹이다. 문제되는 스마트 폰 사용을 극복하기 위해서는 스마트 폰 사용 시간을 조절할 필요가 있다. 스마트 폰 사용 시간을 관리하기 위해서는 모바일 응용 프로그램을 사용하는 것이 유용하다.
[55]
둘째, 스마트 폰 의존 사용자의 74 %는 자기 통제, SC + Anx, SC + Anx + Dep, SC + Anx + Dep + Imp 등의 정신과 증상이 있다. 다른 말로 하면 규칙 #2(node 12)를 제외한 나머지 형태들은, 문제되는 스마트폰 사용에는 정신과 증상이 혼합되어 있다.
[56]
이전의 연구에서는 문제되는 스마트폰 사용과 정신 건강 문제 간의 공존성(comorbidity)의 방향성을 명확히 밝히지 못했다. 따라서, 문제되는 스마트 폰 사용은 정신 건강 문제와 공존할 수 있다. 또한 정신 건강 문제로 인해 스마트 폰 사용에 문제가 발생할 수도 있다. 정신과 증상이 혼합되어 있는 사용자들은 문제되는 스마트 폰 사용에 대해 여러 가지 치료 방법을 사용해야 한다. 따라서 스마트 폰 사용에 대한 관리 뿐만 아니라 약물을 포함한 정신과 치료를 필요로 한다.
[57]
혼합 유형들(mixed types)에 대해 설명하기로 한다. 지배적인 유형은 Self-Control 유형에 초점이 맞추어져 있다. (n = 222, 38 %). 스마트폰 의존적 사용자가 BSCS 점수가 더 높은 경우, 이 유형의 위험 비율은 문제되는 스마트 폰 사용 유형 (69.23 %) 중에서 가장 높다. 이는 poor Self-Control 이 문제되는 스마트 폰 사용에 있어서 가장 큰 위험 요소임을 의미한다. 따라서 Self-Control 유형의 사용자는 self-control을 위한 임상적 치료가 필요하다.
[58]
스마트 폰 종속 사용자 중 총 23 %가 Sc + Anx 유형에 속한다. 이 경우 스마트 폰 종속 사용자는 낮은(low) self-control 점수를 갖는다. 그들은 또한 약간의 불안 문제가 있다. 즉, 종래의 연구에 의하면 Sc + Anx 유형의 사용자들은 문제되는 스마트폰 사용에 있어서 과도한 안심 경로와 충동적-반사회적 경로의 특성 둘다 가지고 있다. 따라서 문제되는 스마트 폰 사용을 해결하기 위해서는 다방면의 치료가 필요하다. 그러나 무엇보다 불안 문제가 더 심각하기 때문에 불안 치료가 필요하다.
[59]
SC + Anx + Dep 유형과 SC + Anx + Dep + Imp 유형의 백분율은 다른 유형보다 낮다. 그러나 상기 두 가지 유형은 문제되는 스마트 폰 사용에 정신과 증상이 3 가지 이상 있다. 이 유형은 혼합 증상 유형으로 볼 수 있다.  따라서 문제되는 스마트 폰 사용을 위해 다방면의 치료가 필요하다. SC + Anx + Dep 유형의 경우, 심한 우울증이 있으며 일차적으로 우울증에 대한 개입이 필요하다. 또한, SC + Anx + Dep + Imp 유형의 위험 비는 68.24 % 이고, 이 유형도 심각하다. Ac + Anx + Dep + Imp 유형은 과도한 안심 경로와 충동적 - 반사회적 경로의 특성을 가지고 있다. 이 유형의 사용자는 낮은 자기 통제, 중등도(moderate) 불안, 중등도(moderate) 우울증 및 역기능 충동과 같은 여러 정신과 증상이 있다. 따라서 그들은 문제되는 스마트 폰 사용에 대한 종합적인 치료가 필요하다. 또한 역기능 충격은 본 발명의 결과에서 변수 간의 상대적 중요성에서 3 %를 나타낸다. 그러나 본 발명은 충동성 그룹에서 역기능 충동을 위험 인자(factor)로 보고 있다. 따라서 두 가지 유형의 사용자는 스마트 폰 사용 관리뿐만 아니라 약물을 포함한 정신 치료를 위해 여러 가지 치료가 필요하다.
[60]
본 발명은 중요한 심리 예측 변수인 4 가지 변수, 즉 자기 통제, 2) 불안, 3) 우울증, 4) 역기능 충동을 정의하고 있다. 그러나 문제되는 스마트 폰 사용의 심리적(psychological) 증상으로 자부심, 공격성(aggression) 및 ADHD이 유용하게 사용될 수 있다. 본 발명은 정신과 의사와 심리 컨설턴트로부터 정신 건강 문제를 고려한다. 본 발명은 정신과 의사와 심리 컨설턴트로부터 문제되는 스마트 폰 사용의 심리적(psychological) 증상으로 자부심과 ADHD를 고려하지 않았지만, 문제되는 스마트 폰 사용의 심리적 증상으로서 자기 존중감, 공격성(aggression) 및 ADHD를 탐구할 필요가 있다. 또한, 데이터 마이닝 방식을 사용하는 의사 결정 트리를 사용하여 5 가지의 문제 되는 스마트 폰 사용 유형을 확인하고 정의하고 있지만 스마트 폰 앱과 같이 문제되는 스마트 폰 관리 서비스를 개발할 수 있다. 또한, 임상 상황에서 문제되는 스마트 폰 사용 유형을 검증하면 바람직하다. 또한, 정상적인 그룹과 문제되는 스마트 폰 사용 그룹 간에 스마트폰 사용 시간에 중요한 차이가 없다는 것을 본 발명을 통해 알게 되었다. 본 발명은 자체보고(self-reported) 질문에서 스마트폰 사용 시간을 수집하고, 실제 사용 시간과 자체보고된 사용 시간간에 차이가 있을 수 있다. 따라서 문제되는 스마트 폰 사용에서 사용 시간의 역할을 결정하기 위해 실제 사용 시간을 수집하면 유용하게 사용될 수 있다.
[61]
본 발명은 몇 가지 중요한 의미를 가지고 있다. 첫째, 본 발명은 문제가 되는 스마트 폰 사용의 non-comorbid 유형과 comorbid 유형의 비율을 확인할 수 있다 (26 % 대 74 %). 본 발명에서 도출된 결과는 문제가 되는 스마트폰 사용을 관리하기 위한 서비스를 개발하는 데 요긴하게 사용될 수 있다. 둘째, 본 발명에서는 스마트폰에 의존하는 사용자(중독자)를 분류하는 데 유용한 5 가지 문제되는 스마트폰 사용 유형을 제안하고 있다. 본 발명은 상기 분류된 5가지 유형에 따라 스마트폰 사용에 개입하고 맞춤 치료를 위한 서비스를 제공하는 모바일 애플리케이션을 개발할 수 있다. 셋째, 문제가 되는 스마트 폰 사용을 하는 성인에게 초점을 맞추었다. 문제가 되는 스마트 폰 사용은 어린이 및 청소년에게만 국한되지 않는다. 따라서 본 발명은 성인에게 효과적인 치료법을 개발하는 데 도움이 된다. 넷째, 내면화(internalizing)와 외면화(externalizing) 개념이 행동적 또는 정서적(emotional) 문제를 그루핑하는데 사용되고 있다. 상술한 것처럼 문제가 되는 스마트 폰 사용에 대한 세 가지 경로 모델을 기반으로 문제가 되는 스마트 폰 사용을 설명할 수 있다. 그러나 일부 스마트 폰 종속 사용자는 문제가 되는 스마트 폰 사용과 함께 여러 정신과 증상을 겪고 있다. 본 발명은 문제가 되는 스마트 폰 사용의 정신과 증상이 분리되어 나타나지 않고, 문제 패턴이 혼합되어 있다는 것을 밝히고 있다. 일부 연구는 내면화와 외면화 문제를 함께 분석하여 외면화 행동이 내면화 행동과 관련이 있다는 가설을 세웠는데, 본 발명의 결과에 의해 입증된 셈이다. 다섯째, 자기통제 유형 대비 non-comorbid 유형의 비율은 64 % 이다. 이 두 가지 유형의 경우, 사용자는 스마트폰 사용 시간을 관리해야 한다. 또한 혼합형(SC + Anx, SC + Anx + Dep, SC + Anx + Dep + Imp)은 36 %였다. 이 사용자들은 문제가 되는 스마트 폰 사용에 대해 여러 가지 치료법을 필요로 한다. 그들은 스마트 폰 사용 관리뿐만 아니라 약물 치료를 포함한 정신과 치료에도 여러 치료법이 필요하다. 따라서 문제가 되는 스마트 폰 사용 유형은 성인의 문제가 되는 스마트 폰 사용에 대한 임상 결정에 도움이 될 수 있다. 여섯째, 본 발명의 결과는 의사 결정 트리 분석 모델에서 도출된다. 패턴을 분류하는 많은 분석 모델이 있다. 문제가 되는 스마트 폰 사용과 정신 건강 문제 사이의 comorbidity(질병의 공존성)의 방향성을 명확하게 하는 것이 필요하다.
[62]
본 발명은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터(정보 처리 기능을 갖는 장치를 모두 포함한다)가 읽을 수 있는 코드로서 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 본 명세서에서, “부”는 프로세서 또는 회로와 같은 하드웨어 구성(hardware component), 및/또는 프로세서와 같은 하드웨어 구성에 의해 실행되는 소프트웨어 구성(software component)일 수 있다.
[63]
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

청구범위

[청구항 1]
(a) 스마트폰 의존 그룹과 정상적인 그룹에 대해 인구학적 요인과 심리적 요인을 포함하는 다수의 입력변수를 데이터 처리하여 의사결정나무(decision tree)를 통해 성인에 대한 스마트폰 의존 예측변수들을 선택하는 단계; (b) 상기 선택된 예측변수를 입력변수로 하여 의사결정나무를 통해 스마트폰 과의존 여부를 판단하는 단계; 및 (c) 상기 의사결정나무를 통해 문제되는 스마트폰 사용을 5가지 스마트폰 과의존 예측 유형으로 분류하고, 스마트폰 과의존 위험률을 계산하는 단계를 포함하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
[청구항 2]
제1항에 있어서, 상기 탐색된 예측변수는 자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII) 인 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
[청구항 3]
제1항에 있어서, 상기 5개의 과의존 예측 유형은 정신과 증상과 무관(non-comorbid), 자기통제력(Self-Control), 자기통제력과 불안(Anxiety)의 혼합(SC+Anx), 자기통제력과 불안 및 우울(Depress)의 혼합(SC+Anx+Dep), 자기통제력과 불안과 우울과 충동성의 혼합(SC + Anx + Dep + Imp)으로 이루어지는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
[청구항 4]
제3항에 있어서, 상기 (c) 단계는 의사결정나무를 통해 복수의 규칙을 찾는 단계; 및 상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형을 정의하는 단계를 포함하고, 상기 복수의 규칙은 BSCS 점수가 제1기준값 이하인 규칙#1; BSCS 점수가 제2기준값 초과인 규칙#2, BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하는 규칙#3, BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당하는 규칙#4, BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하는 규칙 #5, BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값 미만에 해당하는 규칙#6, BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하는 규칙 #7 및 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 임계치를 초과하는 규칙 #8을 포함하는 것을 특징으로 하는 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
[청구항 5]
제4항에 있어서, 상기 복수의 규칙을 통해 5가지의 스마트폰 과의존 예측 유형을 정의하는 단계는, 상기 규칙 #1에 해당하는 사용자는 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 사용자는 SC 유형, 규칙 4 및 5를 따르는 사용자는 SC + Anx 유형, 규칙 6 및 7을 따르는 사용자는 SC + Anx + Dep 유형, 규칙 8을 따르는 사용자는 SC + Anx + Dep + Imp 유형으로 정의하는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
[청구항 6]
제1항에 있어서, 상기 문제되는 스마트폰 사용 여부는 성인용 한국 스마트 폰 중독성 척도인 S-scale를 사용하여 분류되는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
[청구항 7]
자기조절력(Brief Self-Control Scale, BSCS), 불안(Generalized Anxiety Disorder, GAD), 우울(Patient Health Questionnaire, PHQ), 역기능성 충동성(Dysfunctional Impulsivities, DII)을 예측변수로 입력하는 단계; 및 의사결정나무를 통해 복수의 규칙을 찾는 단계; 및 상기 복수의 규칙을 이용하여 상기 문제되는 스마트폰 사용을 5개의 과의존 예측 유형으로 분류하는 단계를 포함하는 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.
[청구항 8]
제7항에 있어서, 상기 복수의 규칙은 BSCS 점수가 제1기준값 이하인 규칙#1; BSCS 점수가 제2기준값 초과인 규칙#2, BSCS 점수가 제1기준값과 제2기준값 사이이고, 불안이 없거나 경미한 불안에 해당하는 규칙#3, BSCS 점수가 제1기준값과 제2기준값 사이이며, 보통 불안과 우울증이 없거나, 가벼운 우울증 또는 보통의 우울증에 해당하는 규칙#4, BSCS 점수가 제1기준값과 제2기준값 사이이며 심각한 불안에 해당하는 규칙 #5, BSCS 점수가 제1기준값과 제2기준값 사이이며 보통의 불안과 보통의 우울증을 겪고 DII 점수가 임계값 미만에 해당하는 규칙#6, BSCS 점수가 제1기준값에서 제2기준값 사이이고 중간 정도의 불안과 심한 우울에 해당하는 규칙 #7 및 BSCS 점수가 제1기준값과 제2기준값 사이이고, 보통 불안과 약간 심각 우울증 뿐 아니라 기능장애 DII 점수가 임계치를 초과하는 규칙 #8을 포함하고, 상기 5가지의 스마트폰 과의존 예측 유형은 상기 규칙 #1에 해당하며 정신과 증상과 무관한 non-comorbid 유형, 상기 규칙 #2 및 규칙 #3 을 따르는 SC 유형, 규칙 4 및 5를 따르는 SC + Anx 유형, 규칙 6 및 7을 따르는 SC + Anx + Dep 유형, 규칙 8을 따르는 SC + Anx + Dep + Imp 유형을 포함하는 것을 특징으로 하는, 공존 정신과 증상 기반 스마트폰 과의존 예측 방법.

도면

[도1]

[도2]

[도3]

[도4]

[도5]

[도6]

[도7]