○ 본 연구의 목표는 노인요양시설 간호사의 업무역량과 직무관련 웰빙 증진을 위한 중재 요구를 분석하여, 노인요양시설 간호사의 역량강화와 직무관련 웰빙증 향상 위한 통합플랫폼을 개발하고 효과를 평가하는 것임.○ 통합플랫폼은 Job Demands-Resources (JDR) 모델을 기반으로 노인요양시설 간호사를 위한 직장 내 자원(Job Resources) 기...

치매환자의 행동심리증상(BPSD)을 중재하기 위해 지난 수십년동안 국내외에서 다양한 비약물적 중재들이 사용되고 있지만 체계적 문헌고찰이나 메타분석 결과 작은 효과크기가 보고되거나 일관된 효과를 나타내지 못하고 있다. 현재는 치매환자를 정밀하게 분류하여 BPSD 유형에 따라 중재를 제공하는 것이 아니라 모든 치매환자에게 같은 중재를 획일적으로 제공하고 있는 ...

1. BPSD 유형별 맞춤형 비약물적 중재를 위한 의사결정지원 앱개발의 문헌고찰, 기초자료조사, 알고리즘 구성 (1차년도 연구) 1차년도는 BPSD 유형별 맞춤형 비약물적 중재를 위한 의사결정지원 앱개발의 사전 준비단계로 BPSD 유형에 따라 가장 효과적인 맞춤형 비약물적 중재에 대한 알고리즘을 구성한다. BPSD 유형별 비약물적 중재 효과에 관한 국내외 연구에 대한 체계적 문헌고찰 및 메타분석을 수행하여 BPSD 유형별 예비 알고리즘을 개발하고, 국내외 전문가 자문, 내용타당도 검증, 실무적합성 평가과정을 통해 최종 알고리즘을 구성한다. 2. BPSD 유형별 맞춤형 비약물적 중재를 위한 의사결정지원 앱 개발 (2차년도 연구) 치매환자의 다양한 정보를 수집하여 머신러닝 기반 예측모델에 따라 각 치매환자의 BPSD 유형을 예측하고, BPSD 유형에 따라 가장 효과적인 맞춤형 비약물적 중재를 제안하는 의사결정지원 앱을 개발한다. BPSD 일지(종류, 발생시간, 종료시간, BPSD 발현 전 상황 및 관련요인 등), 건강정보, 인구사회학적 특성, 심리사회적 특성, 활동기록기를 통한 활동과 수면, 자율신경계 측정기를 이용한 자율신경계 활성도 등 치매환자의 특성이 앱에 입력되면 그러한 데이터에 의해 머신러닝 기반 BPSD 예측모델에 따라 각 치매환자의 BPSD 유형이 앱을 통해 예측된다. 또한, 본 연구의 1차년도에 개발되는 BPSD 유형에 따라 효과적인 맞춤형 비약물적 중재 알고리즘을 기반으로 앱을 통해 BPSD 유형별 맞춤형 비약물적 중재를 제시한다. 앱개발은 전문가 자문, 전문가 휴리스틱 평가, 임상현장 적용 가능성 예비조사, 앱을 이용하는 간호사를 대상으로 사용성 평가 및 인터뷰를 통해 이루어진다. 3. 앱기반 BPSD 유형별 맞춤형 비약물적 중재의 효과성 검증 (3차년도 연구) BPSD 유형별 맞춤형 비약물적 중재를 위한 의사결정지원 앱의 유용성을 RCT 연구로 평가한다. 중재의 확산효과를 막기 위해 6개의 노인장기요양시설을 대상으로 3개는 실험군, 3개는 대조군으로 무작위 할당한다. 각 시설별로 간호사 2명과 치매환자 6명을 모집한다. 연구참여 간호사는 노인요양시설에서 치매 환자를 돌보는 담당 간호사 12명이며, 연구에 참여하는 치매환자는 실험군 18 명과 대조군 18명, 총 36명이다. 유용성 평가는 의사결정지원 앱을 활용하여 BPSD 유형별 맞춤형 비약물적 중재를 제공받은 실험군과 일반적인 방법으로 비약물적 중재를 제공받은 대조군에서 중재 전후 BPSD 증상의 변화량를 비교한다. 또한, 실험군과 대조군의 간호사를 대상으로 중재 전후 BPSD 관리 자기효능감의 변화량을 비교한다.

본 연구는 3년에 걸쳐 진행될 것이며, 본 연구의 내용과 진행과정은 다음과 같다. 1. 재가 치매환자 종단적 연구와 머신러닝을 통한 예측모델 개발 (1~2차년도 연구): 재가에서 주돌봄자와 함께 거주하는 치매환자 280명을 2년간 추적관찰한다. 연구대상자는 매년 4주간 자료수집에 참여하고, 2년동안 같은 계절에 똑같은 자료수집이 반복된다. 연구참여에 동의한 대상자의 의무기록을 통해 치매진단, 동반질환, 복용약물 등을 확인하고, 치매환자의 인지기능을 검사한다. 치매환자의 타액검사를 통한 코티졸, 멜라토닌과 같은 바이오마커 분석, 활동기록기 (Actigraphy)와 같은 웨어러블 디바이스를 사용하여 치매환자의 객관적 수면과 활동양상 파악, 자율신경계 측정기를 이용한 자율신경계 활성도를 측정한다. 인구사회학적 특성, 건강상태, 심리사회적 특성, 행동심리증상 정도, 행동심리증상 일지작성, 행동심리증상 발생 시에는 종류, 발생시간, 종료시간, 행동심리증상 발현 전 상황 및 관련요인(신체적 심리적 요구, 물리적 사회적 환경 체크리스트)에 대한 자료수집을 한다. 자료분석은 다중회귀분석, multilevel (mixed effects) linear regression, multilevel (mixed effects) logistic regression, latent class growth analysis을 이용한다. 또한, 종단적 자료를 통해 랜덤포레스트 머신러닝을 기반으로 행동심리증상 패턴의 예측모델을 개발하여 어떤 행동심리증상을 나타낼지, 어떤 상황이나 시간에 행동심리증상을 보일지, 얼마나 자주, 얼마나 오랫동안 행동심리증상을 보일지를 예측한다. 2. 머신러닝 예측모델의 임상적용 타당성 평가 (3차년도): 머신러닝에 의한 행동심리증상 패턴 예측모델을 임상현장에 적용하여 예측된 행동심리증상 패턴과 실제 발생한 행동심리증상 패턴의 분석을 통해 임상적용 타당성을 평가하고 최종 예측모델을 개발한다. 연구대상자는 1~2차년도 연구대상자를 제외한 100명의 재가 치매환자이며, 4주간 자료수집에 참여한다. 변수와 자료수집 방법은 1~2차년도 연구와 같다. 예측된 행동심리증상 패턴과 실제 발생한 패턴 일치도는 Kappa(범주형 자료)와 ICC(연속형 자료)로 분석한다. 추가적으로 범주형 자료는 정확도를 구해 100%에 가까운지 확인하고, 연속형 자료는 잔차 분석을 통해 관측값과 실제값의 차이가 0에 가까운지를 확인한다.