배경: 디지털 건강 중재(digital health interventions, DHIs)는 디지털 기기를 통해 일상생활에서 사용자의 건강을 관리하는 데 널리 활용된다. DHIs의 사용은 중재 활용 기록 및 대상 증상의 상태와 같은 다양한 데이터를 생성하며, 이러한 데이터는 배포 이후에도 연구자들이 해당 중재를 개선하기 위한 데이터 기반 통찰을 제공한다. DHI 연구자들은 이들 데이터를 조사해 왔으나, 기존 분석 관행은 분절되어 있어 데이터에 대한 포괄적 이해를 제한해 왔다. 목적: 본 연구는 DHI 연구자들이 관찰 데이터를 총체적 관점에서 분석하도록 돕는 분석 작업(task) 모델을 제안하였다. 이후 이 모델을 사용하여 대화형 시각 분석 도구의 프로토타입을 개발하였다. 본 연구의 목표는 DHI 데이터 분석에서 해당 모델의 적합성을 평가하고, 시각 분석 도구를 통한 작업 지원(task support)을 탐색하는 데 있다. 방법: 우리는 DHI 데이터 분석을 위한 3가지 핵심 구성 요소(즉, 사용자 군집화 기준)를 사용하여 데이터 분석 작업 모델을 구성하였다. 이 구성 요소는 사용자 특성, 사용자의 DHI 이용 참여, 그리고 중재 전후 비교를 바탕으로 한 대상 증상에 대한 DHI의 효과이다. 이러한 모델에 기반하여, 대화형 시각 분석 도구의 중간 충실도(medium-fidelity) 프로토타입인 Maum Health Analytics를 설계하였다. 프로토타입의 각 기능은 모델에 기술된 분석 작업에 일대일로 매핑되었다. 제안된 모델이 실제 환경에서의 DHI 분석 요구를 적절히 반영하는지 확인하기 위해, 5개 그룹의 연구자(N=15)를 대상으로 예비 사용자 연구를 수행하였다. 참여자들은 우울 증상을 대상으로 하는 모바일 DHI 서비스에서 수집된 현장(in-the-wild) 데이터를 활용하여 시나리오 기반 분석 작업을 통해 도구를 탐색하였다. 세션 이후, 정의된 작업의 적절성과 시각 분석 도구의 사용성 및 실제적 유용성을 평가하기 위해 인터뷰를 실시하였다. 결과: DHI 연구자들은 분석 작업 모델과 시각 분석 도구 모두에 대해 긍정적으로 반응하였다. 인터뷰에서 참여자들은 이 도구가 추가적인 돌봄이 필요한 사용자를 식별하는 데 도움을 주고, 콘텐츠 추천을 안내하며, 사용자 특성과 참여 수준과 관련하여 중재 효과를 분석하는 데 기여한다고 언급하였다. 또한 분석 작업을 단순화하고 다학제 팀 간 소통을 지원하는 도구의 역할을 높이 평가하였다. 추가 제안으로는 작업 간 연속성 개선과 보다 상세한 참여 지표가 포함되었다. 결론: 우리는 DHI 연구자들을 지원하기 위한 분석 작업 모델을 제안하고, 대화형 시각 분석 도구를 설계하였다. 사용자 연구 결과, 제안된 모델은 핵심 분석 구성 요소를 통합함으로써 DHI 데이터를 총체적으로 조사할 수 있게 하며, 프로토타입 도구는 분석 작업을 단순화하고 연구자 간 소통을 향상시키는 것으로 나타났다. DHI가 확대됨에 따라, 제안된 모델과 도구는 연구자의 데이터 분석 요구를 효과적으로 충족하고 효율성을 개선할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.