KR102007922B1

KR102007922B1 - 스트레스 측정 모형 개발 방법 및 시스템

Info

Publication number: KR102007922B1
Application number: KR1020180040006A
Authority: KR
Inventors: 최홍; 백지현; 명우재; 이혜원
Original assignee: 사회복지법인 삼성생명공익재단
Priority date: 2018-04-05
Filing date: 2018-04-05
Publication date: 2019-08-06

Abstract

본 발명의 일 실시예에 따르면 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득하는 데이터 획득부; 복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정하는 예비군 설정부; 상기 스트레스 지수 데이터에 기초하여, 상기 예비군의 검사지표들이 제외된 스트레스 측정 기본 모형을 설정하는 기본 모형 설정부; 상기 기본 모형에 상기 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우, 해당 검사 지표를 상기 스트레스 측정을 위한 변수들의 선택군으로 결정하는 선택군 결정부; 상기 스트레스 지수 데이터에 기초하여 상기 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계하는 최종 모형 설계부; 를 포함하는 스트레스 측정 모형 개발 시스템이 제공된다.

Description

스트레스 측정 모형 개발 방법 및 시스템{METHOD AND SYSTEM FOR DEVELOPING A STRESS MEASUREMENT MODEL}

본 발명은 스트레스 측정 모형 개발 방법 및 시스템에 관한 것으로, 보다 상세하는 바이오마커와 같은 검사 지표를 이용해 스트레스 정도를 측정할 수 있는 모형을 개발하는 시스템 및 방법에 관한 것이다.

스트레스란 스트레스 요인, 예를 들어 외부의 위협이나 도발 등에 대항해 신체를 보호하려는 심신의 변화 과정 등을 이야기하며 생체에 가해지는 여러 상해 및 자극에 대하여 체내에서 일어나는 비특이적인 생물반응이다.

이러한 스트레스는 일상 생활의 자연스러운 부분이지만, 개인의 건강 및 균형 잡힌 전반적인 컨디션에 영향을 미친다. 따라서 이러한 스트레스를 측정하기 위한 방법으로 설문법 혹은 심박수(HR)와 심박 변이도(HRV)의 조합을 바탕으로 스트레스를 추측하는 방법이 개시되어 있다.
[선행기술문헌] 한국특허공개 제2015-0143087호

본 발명의 일 실시예에 따른 스트레스 측정 방법은 바이오마커를 이용해 인간의 스트레스 정도를 측정할 수 있는 모형을 개발하는 것을 일 목적으로 한다.

본 발명의 일 실시예에 따르면, 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득하는 데이터 획득부; 복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정하는 예비군 설정부; 상기 스트레스 지수 데이터에 기초하여, 상기 예비군의 검사지표들이 제외된 스트레스 측정 기본 모형을 설정하는 기본 모형 설정부; 상기 기본 모형에 상기 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우, 해당 검사 지표를 상기 스트레스 측정을 위한 변수들의 선택군으로 결정하는 선택군 결정부; 상기 스트레스 지수 데이터에 기초하여 상기 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계하는 최종 모형 설계부; 를 포함하는 스트레스 측정 모형 개발 시스템이 제공된다.

본 발명에 있어서, 상기 선택군 결정부는, 상기 기본 모형에 상기 예비군의 개별 검사 지표를 투입하여 모형의 적합도를 평가한 후, 적합하다고 평가된 검사 지표를 1차 선택군으로 결정하고, 상기 1차 선택군의 검사 지표를 2 이상 선택하여 상기 기본 모형에 투입한 후 모형의 적합도를 평가하여 적합하다고 평가된 검사 지표를 2차 선택군으로 결정할 수 있다.

본 발명에 있어서, 상기 예비군에 속한 검사 지표는 검사 장치가 측정 가능한 검사 지표일 수 있다.

본 발명에 있어서, 상기 적합도 평가 기준 점수는 Akaike information criterion 값에 기초할 수 있다.

본 발명에 있어서, 상기 선택군에 속하는 검사 지표는 C-reactive protein, ferritin, white blood cell count, lymphocyte to monocyte ratio, neutrophil to lymphycyte ratio 일 수 있다.

본 발명에 있어서, 상기 최종 모형 설계부는 다중공선성 평가 혹은 모형 적합도 평가를 수행하여 상기 최종 모형을 설계할 수 있다.

본 발명에 있어서, 상기 최종 모형 설계부는 상기 선택군의 검사 지표들에 대한 가중치를 결정할 수 있다.

본 발명에 있어서, 상기 기본 모형은 성별, 나이, BMI 및 흡연 여부를 변수로 포함할 수 있다.

본 발명에 있어서, 상기 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터는 Psychological Wellbeing Index 값에 기초하는 데이터일 수 있다.

본 발명의 일 실시예에 따르면, 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득하는 데이터 획득 단계; 복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정하는 예비군 설정 단계; 상기 스트레스 지수 데이터에 기초하여, 상기 예비군의 검사지표들이 제외된 스트레스 측정 기본 모형을 설정하는 기본 모형 설정 단계; 상기 기본 모형에 상기 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우, 해당 검사 지표를 상기 스트레스 측정을 위한 변수들의 선택군으로 결정하는 선택군 결정 단계; 상기 스트레스 지수 데이터에 기초하여 상기 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계하는 최종 모형 설계 단계; 를 포함하는 스트레스 측정 모형 개발 방법이 제공된다.

본 발명에 있어서, 상기 선택군 결정 단계는, 상기 기본 모형에 상기 예비군의 개별 검사 지표를 투입하여 모형의 적합도를 평가한 후, 적합하다고 평가된 검사 지표를 1차 선택군으로 결정하고, 상기 1차 선택군의 검사 지표를 2 이상 선택하여 상기 기본 모형에 투입한 후 모형의 적합도를 평가하여 적합하다고 평가된 검사 지표를 2차 선택군으로 결정할 수 있다.

본 발명에 있어서, 상기 최종 모형 설계 단계는 다중공선성 평가 혹은 모형 적합도 평가를 수행하여 상기 최종 모형을 설계할 수 있다.

본 발명에 있어서, 상기 최종 모형 설계 단계는 상기 선택군의 검사 지표들에 대한 가중치를 결정할 수 있다.

또한, 본 발명에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 제공된다.

본 발명에 의하면, 바이오마커를 이용해 인간의 스트레스 정도를 측정하는 모형을 개발할 수 있으므로, 객관적인 스트레스 측정 모형을 제공할 수 있다.

도 1 은 본 발명의 일 실시에에 따른 스트레스 측정 모형 개발 시스템의 개략적인 구성을 나타낸 도면이다.
도 2 는 본 발명의 일 실시예에 따른 설계 서버의 내부 구성을 설명하기 위한 블록도이다.
도 3 은 본 발명의 일 실시예에 따른 프로세서의 일 예이다.
도 4 는 본 발명의 일 실시예에 따른 스트레스 측정 모형 개발 방법을 시계열적으로 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따라 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가한 표이다.
도 6 은 본 발명의 일 실시예에 따라 선택군을 결정하기 위한 적합도 평가의 일 예를 나타낸 도면이다.
도 7 은 본 발명의 일 실시예에 따라 최종 모형을 설계하기 위해 각 변수들의 계수를 도출한 표이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.

이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

도 1 은 본 발명의 일 실시에에 따른 스트레스 측정 모형 개발 시스템의 개략적인 구성을 나타낸 도면이다.

도 1 을 참조하면, 본 발명의 일 실시예에 따른 스트레스 측정 모형 개발 시스템은 설계 서버(100), 관리자 단말(200) 및 사용자 단말(400)을 포함한다. 또한, 설계 서버(100), 관리자 단말(200) 및 사용자 단말(400)의 통신을 가능하게 하는 유무선 통신망(500)을 포함한다.

먼저, 설계 서버(100)는 본 발명의 일 실시예에 따른 스트레스 측정 모형을 개발할 수 있다. 보다 상세히, 본 발명의 일 실시예에 따른 설계 서버(100)는 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득하고, 복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정하며, 스트레스 지수 데이터에 기초하여 예비군의 검사지표들이 제외된 스트레스 측정 기본 모형을 설정하고, 기본 모형에 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우 해당 검사 지표를 스트레스 측정을 위한 변수들의 선택군으로 결정하며, 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계할 수 있다. 설계 서버(100)의 구체적인 역할에 대해서는 후술하기로 한다.

또한, 관리자 단말(200)은 설계 서버(100)가 스트레스 측정 모형을 설계할 수 있도록 관리, 감독하는 관리자의 단말일 수 있다. 관리자 단말(200)은 스트레스 지수 데이터를 수집하여 설계 서버(100)에 제공하거나, 검사 지표들을 설계 서버(100)에 제공할 수 있다.

또한, 검사 장치(300)는 본 발명의 일 실시예에 따른 검사 지표들을 검사할 수 있는 장치로서, 도 1 에는 비록 하나의 검사 장치(300)만이 도시되었지만, 다양한 검사 지표 각각에 대해 검사 장치(300)들이 구비될 수 있다.

또한, 사용자 단말(400)은 본 발명의 일 실시예에 따라 설계된 스트레스 측정 모형을 이용하고자 하는 사용자의 단말일 수 있다.

한편, 관리자 단말(200) 및 사용자 단말(400)은 PC(personal computer), 노트북 컴퓨터(laptop computer), 스마트폰(smart phone), 태블릿(tablet), 웨어러블 컴퓨터(wearable computer) 등을 포함하여, 설계 서버(100)와 관련된 웹/모바일 사이트의 접속 또는 서비스 전용 어플리케이션의 설치 및 실행이 가능한 모든 단말 장치를 의미할 수 있다. 이때, 단말은 화면 구성, 데이터 입력, 데이터 송수신, 데이터 저장 등 서비스 전반의 동작을 수행할 수 있다.

도 2 는 본 발명의 일 실시예에 따른 설계 서버의 내부 구성을 설명하기 위한 블록도이다.

본 실시예에 따른 설계 서버(100)는 프로세서(210), 버스(220), 네트워크 인터페이스(230) 및 메모리(240)를 포함할 수 있다. 메모리(240)는 운영체제(241) 및 서비스 제공 루틴(242)을 포함할 수 있다. 프로세서(210)는 다른 실시예들에서 설계 서버(100)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수도 있다.

메모리(240)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 또한, 메모리(240)에는 운영체제(241)와 서비스 제공 루틴(242)을 위한 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism, 미도시)을 이용하여 메모리(240)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체(미도시)를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 네트워크 인터페이스(230)를 통해 메모리(240)에 로딩될 수도 있다.

버스(220)는 설계 서버(100)의 구성요소들간의 통신 및 데이터 전송을 가능하게 할 수 있다. 버스(220)는 고속 시리얼 버스(high-speed serial bus), 병렬 버스(parallel bus), SAN(Storage Area Network) 및/또는 다른 적절한 통신 기술을 이용하여 구성될 수 있다.

네트워크 인터페이스(230)는 설계 서버(100)를 컴퓨터 네트워크에 연결하기 위한 컴퓨터 하드웨어 구성요소일 수 있다. 네트워크 인터페이스(230)는 설계 서버(100)를 무선 또는 유선 커넥션을 통해 컴퓨터 네트워크에 연결시킬 수 있다.

프로세서(210)는 기본적인 산술, 로직 및 설계 서버(100)의 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(240) 또는 네트워크 인터페이스(230)에 의해, 그리고 버스(220)를 통해 프로세서(210)로 제공될 수 있다. 프로세서(210)는 프로그램 코드를 실행하도록 구성될 수 있다. 이러한 프로그램 코드는 메모리(240)와 같은 기록 장치에 저장될 수 있다.

도 3 은 본 발명의 일 실시예에 따른 프로세서의 일 예이다.

도 3을 참조하면, 본 발명의 일 실시예에 따른 프로세서는, 데이터 획득부(310), 예비군 설정부(320), 기본 모형 설정부(330), 선택군 결정부(340), 최종 모형 설계부(350)를 포함할 수 있다.

도 4 는 본 발명의 일 실시예에 따른 스트레스 측정 모형 개발 방법을 시계열적으로 나타낸 도면이다.

도 4 를 참조하면, 먼저 본 발명의 일 실시예에 따른 스트레스 모형 개발 시스템은 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득한다(S1).

다음으로, 복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정한다(S2).

다음으로, 스트레스 지수 데이터에 기초하여, 예비군의 검사지표들이 제외된 스트레스 측정 기본 모형을 설정한다(S3).

다음으로, 기본 모형에 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우, 해당 검사 지표를 스트레스 측정을 위한 변수들의 선택군으로 결정한다(S4).

마지막으로, 스트레스 측정 지수 데이터에 기초하여 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계한다(S5).

이하에서는, 도 3 및 도 4 를 참조하여 본 발명의 일 실시예에 따른 스트레스 측정 모형 개발 시스템 및 방법에 대해 보다 상세히 알아보기로 한다.

먼저, 데이터 획득부(310)는 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득할 수 있다.

스트레스(stress)는 인간이 심리적 혹은 신체적으로 감당하기 어려운 상황에 처했을 때 느끼는 불안과 위협의 감정을 일컫는 것이다. 스트레스를 측정하는 방법으로는, 후술하는 스트레스 측정 도구(Psychological Wellbeing Index, PWI)와 같은 설문형 검사법이 존재한다. 스트레스 측정 도구는 스트레스 측정을 위해 심리적인 문제뿐만 아니라 스트레스로 인해 느끼는 육체적 증상들을 설문에 포함하여 설문을 진행하여, 설문 결과 점수의 레벨에 따라 스트레스 정도를 측정하는 것이다. 그러나, 스트레스 측정 도구와 같은 설문 검사법은 설문 응답자의 대답 편향에 따라 검사 결과가 달라질 수 있고, 설문 응답자의 성별, 나이, 직업 등 환경 요소를 고려하지 못한다는 문제점이 존재하였다.

이에, 본 발명의 일 실시예에 따른 스트레스 측정 모형 개발 시스템은 스트레스 지수 데이터를 바탕으로 검사 지표, 특히 바이오마커들을 변수로 갖는 가장 적합한 모형을 개발하여 바이오마커 측정만으로 스트레스 진단이 가능하게끔 하는 것을 일 목적으로 한다. 이를 위해, 데이터 획득부(310)는 모형 개발을 위한 실제 스트레스 지수 데이터를 획득할 수 있다.

본 발명의 일 실시예에 따르면 스트레스 지수 데이터로서, Goldberg가 개발한 General Health Questionnaire (Goldberg, 1978)를 기초로 하여 우리나라 실정에 맞게 개발된 스트레스 측정 도구(Psychosocial Well-being Index；PWI)의 단축형 (PWI-Short Form, PWI-SF) (장세진, 2000)을 사용할 수 있다. 이 도구는 우리나라 직장인 및지역사회 인구집단의 사회 심리적 스트레스 수준을 평가하기 위해 만들어진 도구로서 주로 직업집단, 인구학적 특성에 따른 스트레스 및 정신건강 수준의 비교연구, 그리고 스트레스 위험요인 및 질병 위험요인 간의 관련성을 파악하기 위한 도구로서의 사용된다. 또한 이 도구는 총 18문항에 각 문항 당 0~3점으로 총 점수 54점으로 구성되어 있으며, 8점 이하를 건강군 (positive wellbeing), 9~26점을 잠재적 스트레스군 (moderate distress), 27점 이상을 중증 스트레스군(severe distress)으로 분류할 수 있다.

데이터 획득부(310)는 실제 임상 환자에 대해 실시한 복수개의 PWI-SF 결과를 스트레스 지수 데이터로 획득할 수 있다.

다음으로, 예비군 설정부(320)는 복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정한다. 본 발명의 스트레스 측정 모형 개발 시스템은 바이오마커들을 검사 지표로 사용할 수 있다.

바이오마커(biomarker)란, 단백질이나 DNA, RNA(리복핵산), 대사 물질 등을 이용해 몸 안의 변화를 알아낼 수 있는 지표이다. 본 발명의 일 실시예에 따른 스트레스 측정 방법은 바이오마커를 이용해 인간의 스트레스 정도를 측정할 수 있는 모형을 개발하는 것을 일 목적으로 하므로, 스트레스 정도를 측정하기 위한 바이오마커 후보를 선정한다. 본 발명의 스트레스 측정 모형은 설문과 같은 주관적인 측정 방법을 배제하고 바이오마커와 같은 혈액 지표를 이용하여 객관적으로 스트레스 정도를 측정할 수 있는 방법을 제공할 수 있다.

보다 상세히, 예비군 설정부(320)는 진단 장치(300)가 측정 가능한 복수개의 검사 지표들을 스트레스 측정을 위한 변수들의 예비군으로 설정할 수 있다. 이때, 예비군으로 설정될 수 있는 검사 지표는 심박 변이도나 혈액 지표와 같은 바이오마커가 될 수 있다. 보다 상세히, 검사 지표는 심박 변이도나, C 반응성 단백질(C-reactive protein, CRP), 백혈구 수치(white blood cell, WBC), Neutrophil, Monocyte, Fibrinogen, Ferritin, Apo protein 등과 같은 혈액 지표일 수 있다.

본 발명의 일 실시예에 따른 스트레스 측정 모형은 심박 변이도와 같은 비침습적 검사 지표 뿐만 아니라, 혈액 지표를 종합적으로 고려하는 것을 특징으로 한다. 즉, 한가지 검사 지표와 스트레스와의 상관관계를 밝히는 것이 아니라, 복수개의 검사 지표를 종합적으로 고려하여 스트레스와의 상관관계를 밝히는 것을 일 목적으로 한다. 따라서, 예비군 설정부(320)는 스트레스 지수에 유의한 영향력을 갖는 검사 지표를 선정하기 위해, 예비적으로 측정 가능한 모든 검사 지표를 예비군으로 설정할 수 있다.

본 발명의 일 실시예에 따른 예비군 설정부(320)는 검사 장치(300)에서 검사 가능한 검사 지표를 예비군으로 설정할 수 있다. 예를 들어, 검사 장치(300)는 일반적인 수준의 건강 검진에서 사용하는 장치 중 하나일 수 있고, 따라서 예비군에 속한 검사 지표들은 건강 검진에서 측정된 검사 지표일 수 있다. 예를 들어, 본 발명의 일 실시예에 따른 예비군 설정부(320)는 CRP, WBC total count, neutrophil number & %, monocyte number & %, lymphocyte to monocyte ratio, neutrophil to lymphocyte ratio 등의 각종 ratio, ferritin, fibrinogen, Apo protein 과 같은 일반적인 건강검진에서 진행하는 검사 지표를 예비군으로 선정할 수 있다. 한편, cortisol, interleukin, interferone, TNF, TGF 등의 검사 지표가 예비군으로 추가될 수 있으나, 이와 같은 검사 지표들은 측정 비용이 고가이고 보편적으로 행해지는 검사들의 지표가 아니므로 예비군에 선정되지 않을 수 있다.

다음으로, 기본 모형 설정부(330)는 스트레스 지수 데이터에 기초하여 예비군의 검사 지표들이 제외된 스트레스 측정 기본 모형을 설정한다. 이때, 스트레스 기본 모형은 예비군에 포함된 심박 변이도나 혈액 지표와 같은 검사 지표를 제외하는 것을 특징으로 한다. 즉, 스트레스 기본 모형은 성별(Sex), 나이(Age), BMI, 연도(Year) 와 같은 신체 지표와, 흡연(Smoking), 고혈압(Hypertension), 당뇨병(Diabetes), 이상 지질 혈증(Dyslipidemia), 뇌경색(Cerebral infarction), 심장 경색(Cardiac infarction), 갑상선 장애(Thyroid disorder), 암(Cancer) 등의 질병 지표를 포함할 수 있다.

본 발명의 일 실시예에 따른 기본 모형 설정부(320)는 상술한 스트레스 지수 데이터에 부합하는 스트레스 측정 기본 모형을 설정할 수 있다. 즉, 수집된 스트레스 지수 데이터를 설명할 수 있으며 예비군에 포함된 검사 지표가 제외된 신체 지수 또는 질병 지수를 변수로 하는 기본 모형을 설정할 수 있다.

본 발명의 일 실시예에 따른 기본 모형 설정부(330)는 기본 모형의 적합성을 검증하기 위해 통계적 기준 지표 및 잔차분석(residual analysis)으로 모형의 적합도를 평가할 수 있다. 보다 상세히, 기본 모형 설정부(330)는 적합도 테스트(Goodness of fit)를 사용할 수 있다. 적합도 테스트는 모형과 실제 데이터의 통계적 유의성을 나타내는 지표이다. 적합도 테스트의 항목들은, 이탈도(deviance), 조정된 이탈도(scaled deviance), 피어슨 카이제곱검정(Pearson Chi-Square), 조정된 피어슨 카이스퀘어(Pearson Chi-Square), 로그 우도(log likelihood), 풀 로그 우도(full log likelihood), AIC(Akaike information criterion, AIC), AICC(AIC with a correction for small sample sizes), BIC(Bayesian information criterion )에 기초할 수 있다. 이때, AIC, AICC, BIC 값은 작을수록 적합한 값이다.

한편, 함수의 Y 값이 정규 분포(normal distribution)을 따를 때 사용하는 기본 회귀 모형을 평가할 때는 최소제곱법(Ordinary Least Square, OLS)를 사용하기 때문에, 수정된 결정계수(adjusted R-squared)를 모형을 평가하는 지표로 사용할 수 있이다. 그러나, 본 발명의 일 실시예에 따른 스트레스 지수 PWI-SF 의 각 항목의 값은 1 또는 0 이므로 적합도 평가의 Y 값은 이산 분포(binomial distribution)를 따르거나, 스트레스 지수 PWI-SF 의 각 문항의 합계값은 0 이상의 정수를 가지므로 포아송 분포(poisson distribution)을 따른다. 따라서, Y 값 분포가 이산 분포 혹은 포아송 분포를 따르는 경우에는 일반화된 선형 모형(generalized linear model)을 사용할 수 있으며, 일반화된 선형 모형은 OLS가 아니라 최대공산(maximum likelihood) 방법을 사용하여 모형을 예측하기 때문에 수정된 결정 계수가 산출되지 않는다.

따라서, 본 발명의 일 실시예에 따른 기본 모형 설정부(330)는 하기의 [표 1] 에 나타난 항목들로 모형 적합성을 평가한다. 표 1에서, DF 는 자유도(Degree of Freedom)이다. 만약 모형이 데이터를 잘 설명하면 deviation/DF가 1이 되는 것이 이상적이다. 만약 Deviance/DF 가 1보다 작으면 underestimation, under dispersed, model misspecification 을 의미하고 1보다 크면 overestimation, over dispersed, model misspecification을 의미할 수 있다.

하기 [표 1] 의 결과는 예비군으로 선정된 검사 지표를 제외한 기본 요소들만을 포함한 기본 모형의 결과값을 산출한 일 예시이다. 하기 표는 임시적으로 수집된 스트레스 지수 데이터에 기반한 것으로서, 본 발명의 구체적인 일 예시일 뿐 구체적인 평가 항목이나 결과값은 당연히 상이할 수 있다. [표 1] 을 참조하면, Deviation/DF의 값이 약 3.8 인 것을 알 수 있으나, Scaled Deviance 로 산출하면 1 인 것을 알 수 있다. 이는 모형에 옵션을 부가하여 모형이 최적화되도록 하였기 때문이다. 따라서, [표 1] 과 같은 예시에서, 기본 모형은 스트레스 지수를 예측하는 데 적합하다고 판단될 수 있다.

Criterion	DF	Value	Value/DF
Deviance	79E3	303019.5622	3.8238
Scaled Deviance	79E3	79246.0000	1.0000
Pearson Chi-square	79E3	288892.9328	3.6455
Scaled X2	79E3	7551.5888	0.9534
Log Likelihood		661580.5753
Full Log Likelihood		-33181.2025
AIC		662790.4049
AICC		662790.4012
BIC		662920.3317

이와 같은 기본 모형이 스트레스 지수를 예측하는데 적합하므로, 후술하는 바와 같이 각 검사 지표를 투입한 후의 AIC 를 보고 변형된 모형의 적합성을 평가할 수 있다. AIC 는 주어진 데이터에 대한 통계적 모형을 상대적으로 평가하는 지표로서, 숫자가 작을수록 더 좋은 모형을 의미할 수 있다.

다음으로, 선택군 결정부(340)는 기본 모형에 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우, 해당 검사 지표를 스트레스 측정을 위한 변수들의 선택군으로 결정할 수 있다. 즉, 선택군 결정부(340)는 설정된 기본 모형에 예비군에 속하는 검사 지표를 각각 대입하여 각 검사 지표가 대입된 모형 적합도를 평가한다. 선택군 결정부(340) 통계적 기준 지표 및 잔차분석(residual analysis)으로 모형의 적합도를 평가할 수 있다. 본 발명의 일 실시예에 따르면 선택군 결정부(340)는 상술한 기본 모형 설정부(330)가 기본 모형의 적합도를 평가한 것과 동일한 방법으로 각 검사 지표가 투입된 모형의 적합도를 평가할 수 있다.

보다 상세히, 선택군 결정부(340)는 기본 모형에 각각의 검사 지표를 투입한 모형의 잔차 분석이 편향된 패턴을 보이지 않으면서 AIC 등의 모형 적합도 평가 기준 점수가 향상(값이 감소)되었을 때 해당 검사 지표를 선택군으로 선정할 수 있다. 이와 같은 과정으로 선정된 선택군의 검사 지표들 중 스트레스 지수 예측 인자로서 회귀 모형에 적합되었을 때 통계적으로 유의하게 스트레스 지수를 예측하는 최종 검사 지표들의 선택군을 결정할 수 있다.

보다 상세히, 선택군 결정부(340)는 스트레스 지수를 예측하는 인자로서 회귀 모형에 적합되었을 때 통계적으로 유의하게 스트레스 지수를 예측하는 검사 지표들을 선별할 수 있다. 하기의 [표 2] 는 fibrinogen 검사 지표에 대하여 모형 적합 결과를 산출한 것이다. 또한, [표 3] 은 WBC Count 검사 지표에 대하여 모형 적합 결과를 산출한 것이다. 하기 표에서, intercept는 다른 변수의 값이 0 일때 PWI-SF 의 기대값이다. [표 2] 및 [표 3] 을 참조하면, fibrinogen 은 스트레스 지수인 PWI-SF 의 총 합을 예측하는 것이 통계적으로 유의하지 않으나, WBC Count 는 통계적으로 유의하게 스트레스 지수 PWI-SF 의 총 합을 예측하는 것을 알 수 있다. 따라서, WBC Count 는 선택군에 포함되지만, fibrinogen 는 선택군에 포함될 수 없다.

Analysis of Maximum Likelihood Parameter Estimates
Parameter	DF	Estimate	Standard Error	Wald 95% Confidence Limits		Wald Chi-Square	Pr>ChiSq
Intercept	1	27.2239	1.6469	23.9961	30.4517	273.26	<0.0001
Log_fibrinogen	1	0.0081	0.0096	-0.0106	0.0269	0.72	0.3955

Analysis of Maximum Likelihood Parameter Estimates
Parameter	DF	Estimate	Standard Error	Wald 95% Confidence Limits		Wald Chi-Square	Pr>ChiSq
Intercept	1	26.8872	1.6333	23.6861	30.0884	271.00	<0.0001
Log_WBC	1	0.0685	0.0067	0.0554	0.0816	105.59	<0.0001

도 5는 본 발명의 일 실시예에 따라 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가한 표이다.

도 5 를 참조하면, 기본 모델(Base Model)에 예비군의 검사 지표로서 fibrinogen, crp, rf, ca_19_9, ferritin, wbc, Segneutrophil2, Eosinophil2, Basophil2, Lymphocyte2, Monocyte2, Segneutrophil, Lymphocyte, Monocyte, lmratio, nlratio 가 각각 투입된 모형의 예측값(Estimate), 표준 편차(Standard Error), Wald Chi-Square, Pr > ChiSq, 적합도 평가 점수(AIC Criterion)가 나타나 있다. 도 5 에 따른 실시예에서는, C-reactive protein, Ferritin, white blood cell count, Segneutrophil percent, monocyte percent, lymphocyte to monocyte ratio, neutrophil to lymphocyte ratio 가 선택군으로 결정될 수 있다.

한편, 도 5 에 도시된 실시예는 본 발명의 일 실시예에 따른 선택군을 선정하는 일 예시를 나타낸 것일 뿐, 본 발명의 다른 실시예들과 그 결과를 공유하지 않을 수도 있고 서로 다른 모형 도출의 과정을 나타낸 것일 수 있다.

더불어, 본 발명의 일 실시예에 따른 선택군 결정부(340)는 2 이상의 검사 지표들을 선택하여 선택된 검사 지표들을 기본 모형에 투입한 후 모형의 적합도를 평가하여 최종 선택군을 결정할 수 있다. 보다 상세히, 선택군 결정부(340)는 기본 모형에 예비군의 개별 검사 지표를 투입하여 모형의 적합도를 평가한 후 적합하다고 평가된 검사 지표를 1차 선택군으로 결정하고, 1차 선택군의 검사 지표를 2 이상 선택하여 기본 모형에 투입한 후 모형의 적합도를 평가하여 적합하다고 평가된 검사 지표를 2차 선택군으로 결정할 수 있다.

도 6 은 본 발명의 일 실시예에 따라 선택군을 결정하기 위한 적합도 평가의 일 예를 나타낸 도면이다.

도 6 의 도 5 의 실시예에서 계속하여, 1차 선택군으로서 C-reactive protein, Ferritin, white blood cell count, Segneutrophil percent, monocyte percent, lymphocyte to monocyte ratio, neutrophil to lymphocyte ratio 가 결정된 예시를 나타내고 있다.

도 6 을 참조하면, 1차 선택군으로 결정된 검사 지표들을 2 이상 조합하여 기본 모형에 투입한 후 적합도 평가를 실시한다. 즉, Model 1 은 기본 모형에 CRP, ferritin, wbc 가 투입된 모형이고, Model 2 는 Model 1 에 Segneutrophil percent 이 투입된 모형이며, Model 3 는 Model 2 에 monocyte percent 이 투입된 모형이고, Model 4 는 lymphocyte to monocyte ratio 및 neutrophil to lymphycyte ratio이 투입된 모형이다. 최종 모델은 Model 4 에 Alcohol 이 제고된 모형으로서, 적합도가 가장 높은 것을 알 수 있다. 따라서, 최종 선택군은 Sex, Age, BMI, Smoking, Hypertension, Diabetes, Dyslipidemia, Cerebral infarction, Cardiac infarction, Thyroid disorder, Cancer, Year, CRP, ferritin, wbc, lymphocyte to monocyte ratio, neutrophil to lymphycyte ratio 을 변수로 하는 모형임을 알 수 있다.

다음으로, 최종 모형 설계부(350)는 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계한다. 즉, 최종 모형 설계부(350)는 선택군에 속한 검사 지표들 및 다른 변수들의 계수가 확정된 최종 모형을 설계한다. 최종 모형 설계부(350)는 선택군에 속한 검사 지표들을 예측 모형에 모두 투입한 뒤, 다중공선성(multicollinearity) 평가와 모형 적합도 평가 기준 지표들을 고려하여 최종 모형을 설계할 수 있다. 보다 상세히, 최종 모형 설계부(350)는 선택군에 속한 검사 지표들을 포함하는 예측 모형을 설계하고, 선택군에 속하는 검사 지표들을 모두 포함하는 예측 모형에 대해 다중공선성 평가 혹은 모형 적합도 평가를 수행하여 상기 최종 모형을 설계할 수 있다. 다중공선성 평가는 투입된 설명변수들 간 상관관계가 높을 경우 회귀 계수의 분산을 증가시키거나 편향된 결과를 초래하는 것에 기인하는 평가이다.

달리 말해, 최종 모형 설계부(350)는 선택군의 검사 지표들이 최종 모형에서 갖는 가중치를 산출할 수 있다. 보다 상세히, 최종 모형 설계부(350)는 스트레스 지수 PWS-SF 예측 모형에 투입된 각 검사 지표들에 대하여, 모형 적합 결과 회귀 계수(beta, 각 X의 단위 변화가 설명 또는 예측하는 Y의 단위 변화)를 도출할 수 있다. 어떠한 검사 지표에서의 회귀 계수가 크다면 그 검사 지표는 스트레스 지수를 설명 또는 예측하는 능력이 큰 것을 의미한다. 따라서, 최종 모형 설계부(350)는 회귀 모형 적합 결과 산출되는 각 바이오마커들의 회귀계수 대로 가중치를 산정할 수 있다.

하기의 [수학식 1] 은 상술한 바와 같이 선택군의 검사 지표를 이용한 최종 모형을 예시하고 있다. [수학식 1] 에서, E(Y) 는 PWI-SF 의 기대값(expected PWI-SF total score)이고, α는 상수(intercept)로서 PWI-SF 의 평균값(Expected mean value of PWI score when all explanatory variables are 0)이며,

1 부터

17 은 각 검사 지표에 대한 가중치값, 즉 계수(coefficient of each explanatory variables)이다. 하기의 [수학식 1] 는 본 발명이 구체적인 실시예에 따른 수치에 기초한 것으로서, 검사 지표의 종류 및 수식의 형태가 변화될 수 있음은 물론이다.

[수학식 1]

도 7 은 본 발명의 일 실시예에 따라 최종 모형을 설계하기 위해 각 변수들의 계수를 도출한 표이다.

도 7 을 참조하면, 각 변수들, 즉 검사지표(Inflammatory biomarker) 및 검사지표를 제외한 지표(Demographic and prevalent disease)의 Estimate, Standard Error, Wald Chi-Square, Pr > ChiSq 값이 나타나있다. 이 중 Estimate 값이 각 변수들의 계수가 될 수 있다.

하기의 [수학식 2] 는 상기 [수학식 1]의 구체적인 값이 완성된 수식으로서, 본 발명의 일 실시예에 따른 스트레스 측정을 위한 최종 모형이다. 이는, 도 7 에서 Estimate 값에 해당하는 값이다. 하기의 [수학식 2] 는 본 발명이 구체적인 실시예에 따른 수치에 기초한 것으로서, 스트레스 측정 지수의 값과 검사 지표에 따라 구체적인 값이 변화될 수 있음은 물론이다.

[수학식 2]

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

본 발명의 명세서(특히 특허청구범위에서)에서 “상기”의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims

스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득하는 데이터 획득부;
복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정하는 예비군 설정부;
상기 스트레스 지수 데이터에 기초하여, 상기 예비군의 검사지표들이 제외된 스트레스 측정 기본 모형을 설정하는 기본 모형 설정부;
상기 기본 모형에 상기 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우, 해당 검사 지표를 상기 스트레스 측정을 위한 변수들의 선택군으로 결정하는 선택군 결정부;
상기 스트레스 지수 데이터에 기초하여 상기 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계하는 최종 모형 설계부;
를 포함하는 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 선택군 결정부는,
상기 기본 모형에 상기 예비군의 개별 검사 지표를 투입하여 모형의 적합도를 평가한 후, 적합하다고 평가된 검사 지표를 1차 선택군으로 결정하고, 상기 1차 선택군의 검사 지표를 2 이상 선택하여 상기 기본 모형에 투입한 후 모형의 적합도를 평가하여 적합하다고 평가된 검사 지표를 2차 선택군으로 결정하는, 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 예비군에 속한 검사 지표는 검사 장치가 측정 가능한 검사 지표인, 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 적합도 평가 기준 점수는 Akaike information criterion 값에 기초하는, 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 선택군에 속하는 검사 지표는 C-reactive protein, ferritin, white blood cell count, lymphocyte to monocyte ratio 및 neutrophil to lymphycyte ratio 중 하나 이상인, 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 최종 모형 설계부는 다중공선성 평가 혹은 모형 적합도 평가를 수행하여 상기 최종 모형을 설계하는, 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 최종 모형 설계부는 상기 선택군의 검사 지표들에 대한 가중치를 결정하는, 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 기본 모형은 성별, 나이, BMI 및 흡연 여부를 변수로 포함하는, 스트레스 측정 모형 개발 시스템.
제 1 항에 있어서,
상기 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터는 Psychological Wellbeing Index 값에 기초하는 데이터인, 스트레스 측정 모형 개발 시스템.
스트레스 측정 모형 개발 시스템에 의해 수행되는 방법으로서, 상기 방법은,
스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터를 획득하는 데이터 획득 단계;
복수개의 검사 지표를 스트레스 측정을 위한 변수들의 예비군으로 설정하는 예비군 설정 단계;
상기 스트레스 지수 데이터에 기초하여, 상기 예비군의 검사지표들이 제외된 스트레스 측정 기본 모형을 설정하는 기본 모형 설정 단계;
상기 기본 모형에 상기 예비군의 각 검사 지표가 투입된 모형의 적합도를 평가하고, 적합도 평가 기준 점수가 기준을 충족하는 경우, 해당 검사 지표를 상기 스트레스 측정을 위한 변수들의 선택군으로 결정하는 선택군 결정 단계;
상기 스트레스 지수 데이터에 기초하여 상기 선택군에 속한 검사 지표들을 포함하는 최종 모형을 설계하는 최종 모형 설계 단계;
를 포함하는 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 선택군 결정 단계는,
상기 기본 모형에 상기 예비군의 개별 검사 지표를 투입하여 모형의 적합도를 평가한 후, 적합하다고 평가된 검사 지표를 1차 선택군으로 결정하고, 상기 1차 선택군의 검사 지표를 2 이상 선택하여 상기 기본 모형에 투입한 후 모형의 적합도를 평가하여 적합하다고 평가된 검사 지표를 2차 선택군으로 결정하는, 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 예비군에 속한 검사 지표는 검사 장치가 측정 가능한 검사 지표인, 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 적합도 평가 기준 점수는 Akaike information criterion 값에 기초하는, 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 선택군에 속하는 검사 지표는 C-reactive protein, ferritin, white blood cell count, lymphocyte to monocyte ratio 및 neutrophil to lymphycyte ratio 중 하나 이상인, 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 최종 모형 설계 단계는 다중공선성 평가 혹은 모형 적합도 평가를 수행하여 상기 최종 모형을 설계하는, 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 최종 모형 설계 단계는 상기 선택군의 검사 지표들에 대한 가중치를 결정하는, 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 기본 모형은 성별, 나이, BMI 및 흡연 여부를 변수로 포함하는, 스트레스 측정 모형 개발 방법.
제 10 항에 있어서,
상기 스트레스 설문지에 대한 응답을 계량화한 값인 스트레스 지수 데이터는 Psychological Wellbeing Index 값에 기초하는 데이터인, 스트레스 측정 모형 개발 방법.
제10항 내지 제18항 중 어느 한 항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체.