KR20170115037A - 집단내의 스트레스 레벨 및 스트레스 내성 레벨의 프로파일을 생성하기 위한 시스템 및 방법 - Google Patents

집단내의 스트레스 레벨 및 스트레스 내성 레벨의 프로파일을 생성하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20170115037A
KR20170115037A KR1020177015303A KR20177015303A KR20170115037A KR 20170115037 A KR20170115037 A KR 20170115037A KR 1020177015303 A KR1020177015303 A KR 1020177015303A KR 20177015303 A KR20177015303 A KR 20177015303A KR 20170115037 A KR20170115037 A KR 20170115037A
Authority
KR
South Korea
Prior art keywords
information
stress
individuals
generating
individual
Prior art date
Application number
KR1020177015303A
Other languages
English (en)
Other versions
KR102319269B1 (ko
Inventor
트라비스 레이 와일드
스티븐 아론 포스터
Original Assignee
글로벌 스트레스 인덱스 피티와이 엘티디
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from AU2014904524A external-priority patent/AU2014904524A0/en
Application filed by 글로벌 스트레스 인덱스 피티와이 엘티디 filed Critical 글로벌 스트레스 인덱스 피티와이 엘티디
Publication of KR20170115037A publication Critical patent/KR20170115037A/ko
Application granted granted Critical
Publication of KR102319269B1 publication Critical patent/KR102319269B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • G06F19/3431—
    • G06F19/3443—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Psychiatry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Databases & Information Systems (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Educational Technology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

복수의 개인의 스트레스 레벨을 나타내는 스트레스 레벨 정보를 생성하는 방법 및 시스템이 개시된다. 본 방법 및 시스템은, 네트워크를 통해 상기 복수의 개인의 각각에 대한 개별 스트레스 정보를 수신하는 단계; 및 처리 시스템에서, 상기 복수의 개인의 각각에 대한 개개의 스트레스 정보를 통계적으로 처리함으로써 상기 복수의 개인의 스트레스 레벨의 통계 값을 생성하는 단계를 포함한다.

Description

집단내의 스트레스 레벨 및 스트레스 내성 레벨의 프로파일을 생성하기 위한 시스템 및 방법{A SYSTEM AND A METHOD FOR GENERATING A PROFILE OF STRESS LEVELS AND STRESS RESILIENCE LEVELS IN A POPULATION}
본원의 개시는 일반적으로 사람들의 집단에서 스트레스 레벨 및 스트레스 내성 레벨의 프로파일을 생성하는 시스템 및 방법에 관한 것이다.
스트레스는 심장병, 비만, 당뇨병 및 암과 같은 다양한 질병에 기여하는 것으로 생각된다. 스트레스는 또한 노동자의 생산성에 악영향을 미친다고 생각된다. 한 가지 견적에 따르면, 노동자의 결근과 출산율에 대한 고용주의 비용이 매년 선진국의 노동자 1인당 2,500 달러이다. 스트레스에 관련한 의료비와 생산성 손실의 합계 비용은 매년 수십억 달러에 달한다.
인간의 스트레스는 급성(단기) 또는 만성(장기)으로 분류할 수 있다.
급성 스트레스의 원인의 예로는 개인이 익숙하지 않은 신체 활동, 관계의 불화, 사별, 일반 이야기를 포함하며, 또한 몇 일, 몇 주 또는 몇 달 동안 평상시보다 높은 업무량을 들 수 있다. 사람들은 일반적으로 급성 스트레스에 적응하고, 스트레스가 해소되면 곧바로 회복한다. 이러한 적응 능력과 회복 능력 때문에 급성 스트레스 자체는 만성 스트레스로서 우리의 건강을 손상하지 않는 것일 수도 있다.
그러나 스트레스 내성(stress resilience)은 사람의 건강에서 발생하는 근본적인 손상을 나타낼 수 있다. 스트레스 내성은 급성 스트레스 상황 또는 급성 스트레스 상태에 대응할 수 있는 능력이다. 예를 들어, 스트레스 레벨 내성의 한 가지 중요한 측면은 개별 급성 스트레스 요소 및 지표 (단수 또는 조합)가 특정의 스트레스 상황에 이어서 "스트레스가 없는" 또는 베이스 레벨로 복귀하는 데 걸리는 시간이다.
일 예로서, 사람이 운동시 또는 직장에서 발표할 때 심하게 스트레스를 받으며, 심박수, 혈압, 땀 (피부 전도도) 등과 같은 스트레스 지표가 상승하게 되면, 이러한 스트레스 측정치를 검출하여 기록할 수 있다.
스트레스가 진정하면, 이들의 지표는 다음 15-30 분에 걸쳐 이전의 베이스라인으로 되돌아 가야한다. 그러나 "스트레스 내성의 저하"인 사람은 스트레스 반응이 더 가속화되고 (더욱 흥분할 수 있음), 높아지거나 또는 강조될 수 있고 (더욱 반응할 수 있음), "정상"으로 돌아오는 데까지 더 오래 걸리고, 이들의 스트레스 "반감기" 또는 '베이스라인까지의 분해능"에 시간이 걸린다(분해능이 느리게 된다). 반응이 더 빠르고 높아지고, 회복시간이 길게 되는 등, 비록 스트레스 측정치가 최종적으로 "정상" 또는 "베이스라인" 레벨로 돌아오더라도, 개인의 스트레스 내성은 낮다.
예를 들어, 집단내의 스트레스 레벨을 평가하면서 많은 집단을 조사해보면, 집단의 특정의 일 개인의 특별한 스트레스 레벨 또는 특징을 분석하기 위한 보다 좋은 상황을 제공하기 위해서, 집단의 기본적인 스트레스 특성 또는 스트레스 프로파일을 결정하는 것이 매우 유용하다. 이것은 개인의 급성 및 만성 스트레스를 평가하는 정확성 및 효능을 크게 증가시킬 수 있다.
수 많은 사람들의 스트레스에 대한 상세한 데이터가 필요하다. 정부는 이러한 데이터를 여러 가지 방법으로 사용할 수 있다. 첫째, 자세한 스트레스 데이터는 정부 및 기타 조직이 스트레스 관리 방법 및 프로그램의 이점을 객관적으로 평가할 수 있게 하는 것이다.
둘째, 정부가 지배하는 사람들이 경험하는 스트레스에 대한 정책의 영향을 신속하게 판단할 수 있게 하는 것이 경제적으로 유익할 것이다. 거의 모든 정부 정책은 정부가 지배하는 사람들이 경험하는 스트레스 레벨에 영향을 미칠 가능성이 있으며, 스트레스는 경제의 생산성에 영향을 미친다. 불행히도, 집단이 경험하는 스트레스에 대한 정책 결정의 영향을 직접적이고 신속하게 측정할 수 있는 방법은 없다.
스트레스에 대한 연구를 방해하는 문제 중의 하나는 도시나 국가의 인구와 같은 많은 사람들의 스트레스를 신속하게 측정할 수 없다는 것이다. 사람의 스트레스를 측정하는 현재의 방법은 일반적으로 심리 테스트, 생리학적 테스트 또는 인지 기능 테스트 중의 하나를 포함한다. 그러나 많은 수의 사람들을 테스트하는 것은 이러한 종류의 테스트를 대규모로 행해야 하는 것을 수반하는데, 이것은 느리고 노동 집약적이며 비용이 많이 소요된다.
스트레스 테스트를 실행하는 비용으로 인하여, 비교적 소수의 사람들이 연구 조사에 포함되도록 되어 있다. 유일한 선택은 사람들의 작은 테스트 그룹에서 트렌드를 추정하는 것이지만, 이 프로세스는 샘플 그룹이 그럴 가능성은 없지만 전체 집단을 대표한다고 추측하며, 정기적으로 테스트하는 시간을 포기할 의사가 있는 샘플 그룹을 찾는 것은 곤란하다.
일 실시형태에서, 복수의 개인의 스트레스 레벨을 나타내는 스트레스 레벨 정보를 생성하는 방법에 있어서, 네트워크를 통해 상기 복수의 개인의 각각에 대한 개별 스트레스 정보를 수신하는 단계; 및 처리 시스템에서, 상기 복수의 개인의 각각에 대한 개개의 스트레스 정보를 통계적으로 처리함으로써 상기 복수의 개인의 스트레스 레벨의 통계 값을 생성하는 단계를 포함하는 방법이 제공된다.
일 실시형태에서, 상기 방법은 복수의 사람으로부터 복수의 개인을 선택하기 위해 복수의 개인의 각각에 대한 개인 정보를 이용하여 처리 시스템에서, 네트워크를 통해, 복수의 개인의 각각에 대한 개별 스트레스 정보를 수신하는 단계를 포함한다.
일 실시형태에서, 개인 정보는 생년월일 정보, 출생지 정보, 성별 정보, 민족성 정보, 직업 정보, 우편 번호 정보, 교육 정보, 건강 보험 적용 범위 정보, 관계 상황 정보, 어린이 정보의 수, 애완 동물 정보, 운동 습관 정보, 식습관 정보, 건강 이력 정보 및 현재 사용되고 있는 스트레스 관리 방법을 나타내는 정보 중의 적어도 하나를 포함한다.
일 실시형태에서, 상기 방법은, 네트워크를 통해, 스트레스 수정 환경 및 스트레스 수정 사건 중 적어도 하나를 나타내는 정보를 수신하는 단계, 통계적 측정에서의 스트레스 특징을 스트레스 수정 환경 및 스트레스 수정 사건의 적어도 하나와 상관시키는 단계를 포함한다.
일 실시형태에서, 스트레스 특징은 복수의 개인의 스트레스 레벨의 통계값의 변화를 포함한다.
일 실시형태에서, 스트레스 수정 환경 및 스트레스 수정 사건은 인터넷 키워드 검색 행동 정보, 컨텐츠 정보, 소셜 미디어 통신 정보의 감정 또는 주제, 날짜 정보, 시간 정보, 공휴일 정보, 온도 정보, 습도 정보, 기상 정보, 교통 정보, 뉴스 정보, 시사 정보, 소비자 구매 정보, 금융 시장 정보, 경제 정보, 발표 정보, 정치적 사건 정보, 스포츠 사건 정보, 주제 사건 정보, 주택 융자 금리 정보, 주택 정보 설문 조사 정보, 조사 정보, 투표 일정 정보, 비즈니스 신뢰 정보, 비즈니스 투자 정보 및 비즈니스 생산성 정보 중의 적어도 하나를 포함한다.
일 실시형태에서, 상기 방법은 상기 처리 시스템에서 상기 통계 값을 사용하여 스트레스 지수를 생성하는 단계를 포함한다.
일 실시형태에서, 본 방법은 처리 시스템이 복수의 컴퓨팅 장치에 스트레스 지수를 전송하는 처리 단계를 포함한다.
일 실시형태에서, 처리 시스템의 단계는 복수의 개인의 스트레스 레벨의 통계적 척도를 복수의 컴퓨팅 장치에 전송한다.
일 실시형태에서, 복수의 개인의 각각에 대한 개별 스트레스 정보는 복수의 개인의 각각에 대한 심리 측정 정보, 복수의 개인의 각각에 대한 생리학적 정보, 복수의 개인의 각각에 대한 행동 정보, 및 상기 복수의 개인의 각각에 대한 인지기능 정보 중의 적어도 하나를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 개별 스트레스 정보는 복수의 개인의 각각에 대한 심리 측정 정보, 복수의 개인의 각각에 대한 생리학적 정보, 복수의 개인의 각각에 대한 행동 정보, 및 상기 복수의 개인의 각각에 대한 인지 기능 정보를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 심리 측정 정보를 포함한다.
일 실시형태에서, 상기 방법은 전자 스트레스 설문지에 응답하는 복수의 개인의 각각에 의한 복수의 개인의 각각에 대한 심리 측정 정보를 생성하는 단계를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 심리 측정 정보는 복수의 개인의 각각에 대한 복수의 만성 스트레스를 나타낸다.
일 실시형태에서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 생리학적 정보를 포함한다.
일 실시형태에서, 상기 방법은 상기 복수의 개인의 각각에 대한 생리학적 정보를 생성하는 단계를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 생리학적 정보를 생성하는 단계는 복수의 개인의 각각에서 복수의 생리학적 기능의 각각에 대한 정보를 생성하는 단계를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 생리학적 정보를 생성하는 단계는 심박수 정보, 심박수 변동 정보, 호흡수 정보, 호흡 수 변동 정보, 혈압 정보, 신체 운동 정보, 피부 온도 정보, 혈중 산소 포화도 정보, 표면 전기 영동 정보, 뇌파 검사정보, 혈액 정보, 수액 정보, 피부 전도도 정보, 피부 상에서 또는 피부 내에서 발견된 화학 물질에 관한 정보, 소변 정보 중의 적어도 하나를 생성하는 단계를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 행동 정보를 포함한다.
일 실시형태에서, 상기 방법은 상기 복수의 개인의 각각에 대한 행동 정보를 생성하는 단계를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 행동 정보를 생성하는 단계는, 복수의 개인의 각각의 안구 운동을 나타내는 안구 운동 정보를 생성하는 단계; 상기 복수의 개인의 각각이 있던 복수의 위치들을 나타내는 위치 정보를 생성하는 단계; 상기 복수의 개인의 각각에 대해 복수의 사람의 복수의 장치가 근접하여 존재하는 것을 나타내는 근접 기기 정보를 생성하는 단계; 상기 복수의 개인의 각각에 대한 인터넷 열람 이력 정보를 생성하는 단계; 상기 개인에 대한 키스트로크 속도, 케이던스, 타이핑 스타일, 압력 또는 "힘" 검출 정보를 생성하는 단계; 상기 개인에 대한 톤, 케이던스, 단어 및 어구 탐지 정보를 포함하는 음성 분석을 생성하는 단계; 상기 개인에 대한 통화 시간, 다이얼링 번호 및 시각 호출 정보를 포함하는 전화 사용 분석을 생성하는 단계; 상기 개인에 대한 스티어링 입력, 가속, 감속, 제동, 운전 속도, 브레이크 및 액셀러레이터 힘 및 도어 압력 센서 정보로부터의 데이터를 포함하는 운전 스타일을 생성하는 단계; 개인에 대한 시청 채널, 시청 시간 및 시청하면서 안구 운동, 시청 분석, 냉장고 분석, 가열냉각 분석 정보를 포함하는 운동, 체온, TV 사용을 생성하는 단계; 개인에 대한 페달 힘, 페달 밟기, 가속도, 속도, 취한 경로, GPS 데이터, 고도계 데이터, 자전거 타는 시간, 만보계 데이터 정보를 포함하는 자전거 데이터를 생성하는 단계; 상기 개인에 대한 만보계 데이터 및 보행 분석 정보를 생성하는 단계; 상기 복수의 개인의 각각에 의한 애플리케이션 이용을 나타내는 애플리케이션 이용 정보를 생성하는 단계; 상기 복수의 개인의 각각에 의한 미디어 소비를 나타내는 미디어 소비 정보를 생성하는 단계; 상기 복수의 개인의 각각의 소비 행동을 나타내는 소비 행동 정보를 생성하는 단계; 상기 복수의 개인의 각각에 의해 행해지는 복수의 음식 선택을 나타내는 음식 선택 정보를 생성하는 단계; 상기 복수의 개인의 각각의 사회적 외출 활동을 나타내는 사회적 외출 정보를 생성하는 단계; 및 상기 복수의 개인의 각각에 의해 취하는 휴가를 나타내는 휴가 정보를 생성하는 단계 중의 적어도 하나를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 인지 기능 정보를 포함한다.
일 실시형태에서, 상기 방법은 상기 복수의 개인의 각각에 대한 인지 기능 정보를 생성하는 단계를 포함한다.
일 실시형태에서, 복수의 개인의 각각에 대한 인지 기능 정보를 생성하는 단계는, 상기 복수의 개인의 각각에 대한 메모리 기능을 나타내는 메모리 기능 정보를 생성하는 단계; 상기 복수의 개인의 각각의 반응 시간을 나타내는 반응 시간 정보를 생성하는 단계; 상기 개인의 주의력, 주변 시력 및 이해력을 생성하는 단계; 및 상기 복수의 개인의 각각의 의사 결정 능력을 나타내는 의사 결정 능력 정보를 생성하는 단계 중의 적어도 하나를 포함한다.
일 실시형태에서, 상기 방법은 급성 스트레스에 반응하는 복수의 개인의 각각을 나타내는 스트레스 내성 스코어를 생성하는 단계를 포함한다. 바람직하게는, 스트레스 내성 스코어는, 복수의 개인이 급성 스트레스 사건에 대한 임의의 반응을 나타내는 경우, 상기 복수의 개인이 급성 스트레스 사건에 반응하는데 걸리는 시간의 하나 이상을 나타내며, 그렇다면 급성 스트레스 사건에 대한 복수의 개인에 의해 나타나는 반응의 정도 및 복수의 개인의 스트레스 정보가 급성 스트레스 기간 후에 기저 레벨로 복귀하는데 걸린 시간을 나타낸다.
다른 실시형태에서는, 복수의 개인들의 스트레스 레벨을 나타내는 스트레스 레벨 정보를 생성하는 처리 시스템이며, 상기 시스템이 상기 네트워크를 통해 상기 복수의 개인의 각각에 대한 개별 스트레스 정보를 수신하도록 구성된 수신기; 및 상기 복수의 개인의 각각에 대한 상기 개별 스트레스 정보를 통계적으로 처리함으로써 상기 복수의 개인의 스트레스 레벨에 대한 통계 값을 생성하도록 구성된 통계 값 생성 장치를 포함한다.
이하, 실시형태를 첨부 도면을 참조하여 단지 예로서 설명한다:
도 1은 시스템의 구조의 구성 요소의 블록도 및 집단 내의 스트레스 레벨 및 스트레스 내성 레벨의 프로파일을 생성하는 방법을 도시한다.
도 1은 스트레스 프로파일러의 아키텍처의 구성 요소의 블록 다이어그램이며,
1. 집단 스트레스 프로파일러
2. 서버
3. 데이터베이스
4. 개인 스트레스 프로파일러
5. 통신 네트워크
6. 일반적인 데이터 소스.
집단 스트레스 프로파일러(1)는 데이터베이스(3)와 통신하는 컴퓨터 서버(2)를 포함한다.
컴퓨터 서버(2)는 본 명세서에 기술된 방법의 일 실시형태의 단계들을 실행하도록 구성된다. 이 방법은 컴퓨터 서버의 프로세서에 명령하기 위한 프로그램으로 코드화할 수 있다. 이 실시형태에서, 프로그램은 비휘발성 메모리에 저장되지만, FLASH, EPROM 또는 컴퓨터 서버의 내부 또는 외부에 있는 임의의 다른 형식의 유형 매체에 저장할 수 있다. 프로그램은, 반드시 필수적이지는 않지만, 일반적으로 시스템에 설치할 때 협동하는 복수의 소프트웨어 모듈을 포함하며, 따라서 본 방법의 실시형태의 단계가 수행된다. 소프트웨어 모듈은, 적어도 부분적으로, 본 명세서에 기술된 시스템의 방법 또는 구성 요소의 단계에 해당한다. 기능 또는 구성 요소는 모듈로 구획화하거나 또는 여러 소프트웨어 및/또는 하드웨어 모듈에 걸쳐 단편화될 수 있다. 소프트웨어 모듈은 C ++ 및 어셈블리를 포함하는 임의의 적합한 언어를 사용하여 형성할 수 있다. 프로그램은 애플리케이션 프로그램 인터페이스 형태 또는 임의의 다른 적합한 소프트웨어 구조를 가질 수 있다.
컴퓨터 서버(2)와 결합된 컴퓨터 시스템은 약 1GB의 랜덤 액세스 메모리(18)의 적절한 형태를 포함하는 메모리에 버스(16)를 통해 접속된 INTEL XEON 또는 AMD OPTERON 마이크로 프로세서와 같은 또는 이와 유사한 적절한 마이크로 프로세서를 포함하거나, 또는 약 500 Gb의 용량을 갖는 하드 디스크 드라이브 또는 고체 상태 비휘발성 메모리(예를 들어, NAND 기반 플래시 메모리) 또는 임의의 다른 적절한 용량과 같은 비휘발성 메모리(20)를 포함한다. 마이크로 프로세서 대신에 대체의 논리 장치를 사용할 수 있다. 적절한 대체 논리 소자의 예는 주문형 집적 회로, 필드 프로그래머블 게이트 어레이(FPGA) 및 디지털 신호 처리 유닛을 포함한다. 이들 실시형태의 일부는 완전히 하드웨어 기반일 수 있다.
스트레스 프로파일러(1)는 적어도 하나의 통신 인터페이스를 갖는다. 이 실시형태에서, 적어도 하나의 통신 인터페이스(22)는 이더넷 카드 형태의 네트워크 인터페이스를 포함하지만, 일반적으로 Wi-Fi 모듈과 같은 임의의 적절한 네트워크 인터페이스를 사용할 수 있다. 네트워크 인터페이스(22)는, 필수적인 것은 아니지만, 이 실시형태에서는, 데이터 패킷 형태로 정보를 송수신하도록 구성된다. 데이터 패킷은 인터넷 프로토콜(IP) 패킷 페이로드를 갖는 이더넷 프레임 형태이다. 임의의 적합한 프로토콜을 사용할 수 있지만, IP 패킷은 일반적으로 전송 제어 프로토콜(TCP) 세그먼트 페이로드를 갖는다. 본 실시형태에서, TCP 세그먼트는 예를 들어 HTTP의 웹 페이지 정보 또는 HTTP 요청 또는 HTTP 응답과 같은 하이퍼 텍스트 전송 프로토콜 (HTTP) 데이터를 전달할 수 있다. HTTP 데이터는 원격 시스템으로 전송될 수 있다. 그러나 대안적인 실시형태에서, 전용의 프로토콜 및 애플리케이션, 또는 일반적으로 임의의 적절한 프로토콜 (예를 들어, SONET, 파이버 채널) 또는 애플리케이션을 적절하게 사용할 수 있다.
특히, 스트레스 프로파일러(1)는 인터넷 등의 통신 네트워크(5)를 통해 많은 개인 스트레스 프로파일러(4)에 의해 전송된 스트레스 데이터를 수신한다. 집단 스트레스 프로파일러(1)는 예를 들면 뉴스 아울렛, 통계청, 주식 시장 및 기상 데이터 서비스와 같은 다양한 다른 데이터 소스(6)에서 전송된 일반 데이터도 수신한다.
데이터베이스(3)는 수신된 스트레스 데이터, 개인 데이터 및 일반 데이터를 저장한다. 서버(2)는 스트레스 데이터, 개인 데이터 및 일반 데이터의 경향, 및 스트레스, 개인 데이터 및 일반 데이터 간의 상관 관계를 정기적으로 검색하는 소프트웨어를 포함한다. 특히, 서버(2)는 이전의 스트레스 기간과 관련하는 스트레스 정보의 패턴을 인식하는 학습 기능을 포함할 수 있다. 시간이 지남에 따라, 학습 기능은 사용자의 스트레스 프로파일링의 정확성과 속도를 점진적으로 개선한다.
서버(2)는 또한 스트레스의 초기 징후를 나타내는 스트레스 정보의 패턴을 식별하고 조기에 사용자에게 통지하는 예측 기능을 포함할 수 있다. 예를 들어, 스트레스 프로파일러(1)는 특정 사용자의 스트레스의 생리학적 또는 심리적 지표와 안구 운동의 패턴을 상관시키고, 심각한 증상이 생기기 전에-안구 움직임이 검출될 때 사용자에게 통지한다.
또한, 예측 기능은 장래에 스트레스가 발생할 가능성을 나타내는 스트레스 정보의 패턴을 식별하여 사용자에게 적절하게 통지할 수 있다.
각 퍼스널 스트레스 프로파일러(4)는 스마트 폰, 스마트 시계, 태블릿 컴퓨터, 데스크톱 컴퓨터 또는 노트북과 같은 컴퓨팅 장치 상에서 작동하며, 무선 (도 1 참조) 또는 케이블 접속을 사용할 수 있다. 각 개인 스트레스 프로파일러는 외부 장치(예: 심박수 모니터) 또는 통합 데이터 기록 시스템을 사용하여 측정 및 관측을 수행하고, 이 정보를 사용하여 다음과 같은 스트레스 유형별로 스트레스 스코어를 생성할 수 있다.
1. 신체적/생리적 스트레스,
2. 정신적 스트레스,
3. 감정적 스트레스
4. 현재의 생활 스트레스.
각 스트레스 스코어는 스트레스의 형태의 크기를 나타낸다. 일단 퍼스널 프로파일러가 일련의 스트레스 스코어를 생성하면, 이들의 스코어에 개인 데이터 (연령, 위치, 측정 시간 등)를 더하여 집단 스트레스 프로 파일러에 전송한다. 그러나 사용자의 스트레스 데이터 및 개인 데이터는, 사용자가 이전에 동의한 경우에만, 서버로 전송한다.
상술한 바와 같이, 스트레스 프로파일러(1)는 집단으로부터 스트레스 데이터와 개인 데이터를 수신하고, 이 데이터를 사용하여 그 집단이 경험하는 스트레스를 나타내는 스트레스 프로파일을 생성한다. 집단내의 각 개인의 스트레스 데이터는 다음 중 적어도 두 가지를 포함한다.
Figure pct00001
사람의 스트레스를 나타내는 심리 측정 데이터,
Figure pct00002
사람의 스트레스를 나타내는 생리학적 데이터,
Figure pct00003
사람의 스트레스를 나타내는 행동 데이터, 및
Figure pct00004
사람의 스트레스를 나타내는 인지 기능 데이터.
집단의 각 개인으로부터 적어도 두 가지 유형의 스트레스 데이터를 수신하는 것이 여러 가지 이유로 중요하다.
1. 여러 유형의 스트레스 데이터는 테스트 중의 스트레스 레벨을 낮추는 민감도를 증가시킨다. 스트레스 테스트의 일부 형태는 급성 스트레스에 대해서 더욱 민감한 경향이 있으며, 일부는 만성 스트레스에 대해서 보다 더 민감한 경향이 있다. 예를 들어 생리학적 데이터만 측정하면 만성 스트레스가 전혀 확인되지 않을 수 있다.
2. 여러 유형의 스트레스 데이터는 테스트 중에 스트레스가 검출되는 사람의 비율 (또는 "범위")을 증가시킨다. 이것은 스트레스가 유전적 구성, 피트니스, 구성 및 건강 기록과 같은 여러 요인에 따라 사람마다 다르게 나타내기 때문이다. 여러 유형의 스트레스 테스트는 스트레스의 더 많은 징후를 검출한다.
3. 여러 유형의 스트레스 데이터를 통해 급성 스트레스 또는 만성 스트레스, 또는 신체적/생리적 스트레스, 정신적 스트레스, 감정적 스트레스 또는 현재의 인지된 생활 스트레스 등의 다른 분류와 같이, 사람들이 식별할 수 있는 보다 구체적인 스트레스 유형을 식별할 수 있다. 특정 형태의 스트레스를 식별할 수 있는 능력은 더욱 명확하고 효과적으로 처방하는 것을 가능하게 한다.
본 발명의 집단 스트레스 프로파일러는 예를 들어, 수천, 수백만 또는 수십억의 사람들과 같은 대규모 집단의 스트레스를 측정하는데 사용될 수 있다. 많은 사람들이 스트레스 데이터 및 개인 데이터를 제공함으로써 스트레스 프로파일러는 빈번한 스트레스 측정을 받게 되어 스트레스를 신속하게 모니터링 할 수 있다.
집단의 사람들은 표준화된 자기 관리 스트레스 테스트를 수행하여 스트레스 데이터를 생성한다. 바람직하게는, 집단내의 각 개인은 자기 관리 스트레스 테스트를 통해 이들을 안내하고, 스트레스 데이터 및 개인 데이터를 스트레스 프로파일러에 전송하는 장치를 사용하는 것이 바람직하다. 이러한 장치의 일 예는 2014년 11월 11일 출원된 출원인의 별도의 특허 출원, 즉 호주 특허출원 제2014904524호에 기술된 개인 스트레스 프로파일러이다. 사람들은 스트레스를 관리하는데 도움이 되는 자신의 스트레스에 대한 직접 개인적인 피드백을 제공하기 때문에, 이 장치를 사용하도록 동기가 부여된다.
스트레스 데이터
집단의 사람들로부터 받은 스트레스 데이터의 양은 수집하는 데이터의 양과 공유할 데이터의 양에 따라 사람마다 다르다. 적어도, 스트레스 프로파일러는 집단의 각 사람으로부터 두 가지 유형의 스트레스를 받는다. 일 실시형태에서, 스트레스 프로파일러는 심리 측정 및 생리학적 데이터를 수신한다. 그러나 각 개인으로부터 더 많은 유형의 스트레스 데이터가 수신되면, 일반적으로 각 개인의 스트레스 데이터의 정확도와 민감도가 증가한다. 따라서 스트레스 프로파일러는 집단내의 사람으로부터 4명 중 3명, 또는 4명 모두의 스트레스 데이터를 수취할 수 있다.
스트레스 데이터는 표준 형식이며, 사람들 사이에 공정한 데이터 비교가 이루어지도록, 집단내의 모든 사람들에게 동일한 유형의 테스트를 사용할 필요가 있다. 스트레스 데이터는 각 테스트의 로우 데이터일 수도 있고, 테스트 결과, 예를 들면, 테스트 스코어를 나타내는 파생 데이터일 수도 있다. 로우 데이터 대신에 테스트 스코어를 받는 것은 전송되는 데이터의 양이 줄어들기 때문에 유리하다.
개인 데이터
집단내의 사람으로부터 스트레스 프로파일러가 받을 수 있는 개인 데이터의 예는 다음과 같다.
Figure pct00005
생년월일;
Figure pct00006
출생지;
Figure pct00007
성별;
Figure pct00008
민족성;
Figure pct00009
직업;
Figure pct00010
집 주소의 우편 또는 우편 번호.
Figure pct00011
고용 장소의 우편 또는 우편 번호;
Figure pct00012
교육;
Figure pct00013
이전의 우편 또는 우편 번호;
Figure pct00014
건강 보험의 범위;
Figure pct00015
관계의 상태;
Figure pct00016
어린이의 수;
Figure pct00017
애완 동물;
Figure pct00018
운동과 식습관;
Figure pct00019
건강의 이력;
Figure pct00020
현재 사용중인 스트레스 관리 방법.
스트레스 프로파일러는 개인 데이터를 사용하여, 예를 들면 연령, 지리적 위치, 직종, 관계의 상태 또는 운동 습관과 같은 스트레스 데이터를 분류한다. 개인 데이터는 스트레스의 개입 방법이 모든 사람에게 유용하거나, 또는 집단내의 특정한 세그멘트에게 더욱 유용하다는 것을 이해하는데 도움이 된다.
스트레스 프로파일러는 개인 및 스트레스 데이터를 제공하는 사람을 명시적으로 식별하는 정보의 수집을 피함으로써 사용자의 프라이버시를 보호할 수 있다.
집단내의 사람들로부터 받은 개인 데이터의 양은 수집하려는 데이터의 양과 공유할 데이터의 양에 따라 사람마다 다르다.
스트레스 데이터와 개인 데이터를 보다 일반적인 데이터와 결합
또한, 스트레스 프로파일러는 다수의 사람들에게 영향을 줄 수 있는 상황이나 사건에 대한 많은 다른 유형의 일반 데이터를 수신하여 처리하도록 구성할 수 있다. 스트레스 프로파일러는 일반 데이터, 스트레스 데이터 및 개인 데이터 간의 상관 관계를 검색하도록 구성할 수 있다. 스트레스 프로파일러는 일반 데이터, 스트레스 데이터 및 개인 데이터를 수집하고 처리함으로써, 스트레스의 원인 및 스트레스와 일반 데이터의 측면 사이의 상관 관계를 식별할 기회를 가진다. 거의 실시간으로 스트레스를 모니터링하기에 충분한 스트레스 데이터가 수신되는 경우, 일반 데이터와 스트레스 데이터의 타이밍을 사용하여 두 데이터 간의 상관 관계를 식별할 수 있다. 예를 들어 스트레스 프로파일러는 스트레스 레벨에 대한 발표된 뉴스 및 공표의 영향을 모니터링 할 수 있다.
스트레스 프로파일러에 의해 수신될 수 있는 일반적인 데이터의 예에는 다음을 나타내는 정보가 포함된다.
Figure pct00021
인터넷 키워드 검색 동작;
Figure pct00022
소셜 미디어 커뮤니케이션의 내용, 감상 또는 주제;
Figure pct00023
날짜, 시간 및 공휴일;
Figure pct00024
온도, 습도, 기후;
Figure pct00025
교통;
Figure pct00026
뉴스 및 시사 문제;
Figure pct00027
소비자 구매 데이터 (판매 단위, 구매 주문 등급 또는 지수, 소비자 신뢰도 등);
Figure pct00028
금융 시장 데이터 (환율, 상품, 주식, 금융 지표 등)
Figure pct00029
경제 데이터;
Figure pct00030
공적 및 정치적 발표;
Figure pct00031
정치적 이벤트, 스포츠 사건 및 기타 지역적 행사;
Figure pct00032
주택 융자 금리, 주택 및 고용 데이터;
Figure pct00033
집단의 조사 또는 여론 조사;
Figure pct00034
투표 일정;
Figure pct00035
비즈니스 신뢰도 데이터.
Figure pct00036
사업 투자 데이터;
Figure pct00037
비즈니스 생산성 데이터.
스트레스 프로파일러에 의해, 많은 다른 유형의 일반 데이터를 수신하고 처리할 수 있다. 예를 들어, 집단 스트레스 프로파일러는 인터넷 검색 엔진에서 집단 스트레스 레벨과 특정 키워드 검색 용어 사용 간의 상관 관계를 검색하고 식별할 수 있다.
집단에서 스트레스 변동의 측정
집단 스트레스 프로파일러에 의해 수신된 데이터는 집단 전체 및 집단의 세그멘트에서의 스트레스의 변동, 예를 들면 특정의 지리적 위치, 연령, 고용 유형 등에서 스트레스 변화를 측정하는데 사용할 수 있다. 개인 스트레스 프로파일러를 사용하여 데이터를 제출하는 데 충분한 사람 수 (수천 또는 수백만 명)에서, 집단 스트레스 프로파일러는 스트레스 및 일시적인 변동에 민감하고 거의 실시간으로 스트레스를 모니터링할 수 있다.
일반 데이터를 입력하면, 집단 스트레스 프로파일러는 날씨, 뉴스 또는 교통과 같은 변수가 스트레스 레벨에 미치는 영향을 판단할 수 있다. 스트레스 변동은 연령, 성별, 직업, 소득 및 기타 다수의 분류에 따라 구분할 수 있다.
스트레스 지수
집단 스트레스 프로파일러는 집단에서 스트레스의 크기를 나타내는 집단 스트레스 지수를 생성할 수 있다. 집단 스트레스 지수는 뉴스 및 대중 발표가 스트레스 레벨에 미치는 영향을 나타내기 위해 공표할 수 있다.
집단 스트레스 프로파일러는 반드시 집단 내의 스트레스 변화 원인을 결정하지 않는다. 오히려 스트레스가 평균적으로 증가하거나 감소했다는 것을 나타내는 데이터를 제공하여 그 원인을 조사할 수 있는 기회를 제공한다.
데이터를 사용자에게 반송
집단 스트레스 프로파일러는 또한 데이터를 개인 스트레스 프로파일러에 다시 전송할 수 있다.
a) 알고리즘
집단 스트레스 프로파일러는 스트레스 스코어를 계산하기 위해 개인 스트레스 프로파일러가 사용하는 알고리즘에 업데이트를 전송할 수 있다.
b) 현재 인구 스트레스 레벨
집단 스트레스 프로파일러는 집단 스트레스 프로파일러의 사용자와 관련된 집단 또는 집단의 세그먼트에서 현재 측정되는 스트레스에 대한 정보를 전송할 수 있다. 예를 들어, 집단 스트레스 프로파일러는 사용자의 로컬 영역 내의 스트레스 레벨 또는 사용자와 동일한 국가 및 고용 업계 내의 스트레스 레벨에 대하여 사용자에게 알릴 수 있다. 이 유형의 피드백은 사용자에게 유용할 것이며, 사용자가 스트레스 데이터를 개인적으로 집단 스트레스 프로파일러에 제출하도록 권장할 수 있다.
예를 들어, 샌프란시스코의 스트레스 스코어가 2% 상승한 경우, 사용자는 이 사실을 알 수 있으므로 해당 상황에서 자신의 스트레스 스코어를 이해할 수 있다. 이것은 개인 스트레스 프로파일러에 의해 측정된 스트레스 스코어의 관련성을 개선한다.
집단 스트레스 프로파일러에 의해 수집된 순간 순간 데이터는 각 개인의 만성 스트레스와 비교하여 급성 스트레스를 검출하고 정량화하는 개인 스트레스 프로파일러의 능력을 향상시킨다. 급성 스트레스 요인은 만성 스트레스 요인보다 크게 덜 해롭고 덜 염려되는 것으로 간주되므로, 차이를 식별할 수 있다면 사용자가 더 염려해야하는 스트레스 유형을 감지하는데 도움이 된다.
거의 실시간으로 자신의 스코어를 다른 동등한 사람들과 비교할 수 있는 능력은 사람들이 스트레스 관련 행동과 관련하여 적극적인 변화를 동기 부여하는 데 도움이 될 것으로 기대된다. 자기 자신을 다른 사람들과 비교하는 것은 동기 부여가 될 수 있으며, 집단 스트레스 프로파일러에 의해 생성된 정보의 거의 실시간 성질은 훨씬 더 큰 관련성을 제공한다.
예를 들어, 회계사는 세율에 따라 상대방의 스트레스 스코어가 모두 x % 증가하는 것을 볼 수 있지만, 스트레스 관리의 습관 때문에, 그는 y %의 영향을 받는다. 그는 발표된 연구에 따르면 자신의 스트레스 스코어를 % 향상시킴으로써 그의 출력 용량을 b % 향상시킬 수 있음을 알 수 있다.
c) 위험 지수
시간의 경과에 따라, 집단 스트레스 프로파일러는 일반적으로 스트레스와 관련된 상황을 파악하고 일반적인 상황에 대한 위험 지수를 생성할 수 있다. 스트레스 프로파일러가 사용자의 개인적인 상황에 대한 정보를 가지고 있는 경우, 스트레스 변화를 보고하기 전이라도 더 높은 스트레스를 경험할 위험이 있음을 사용자에게 통지할 수 있다.
또한, 사용자는 스트레스 지수를 사용하여 의사 결정을 지원하고 장래에 스트레스가 많은 상황을 회피할 수 있다. 예를 들어, 두 명의 자녀를 가진 이혼한 40세의 남성 회계사가 런던에서 이사하여 일 년에 ￡70,000을 벌게 되면, 집단 스트레스 프로파일러는 그러한 상황에서 경험할 수 있는 스트레스 레벨을 나타내는 스트레스 지수를 제공할 수 있다. 회계사는 런던으로 이사할지 여부를 결정할 때 이 정보를 고려할 수 있다.
사용자가 스트레스 데이터 및 개인 데이터를 집단 스트레스 프로 파일러에 제출하면, 향후 스트레스 스코어가 어떻게 변화할 가능성이 있는가, 즉 "스트레스 궤도"를 조언할 수 있다. 사용자는 이 정보를 사용하여 스트레스 관리 중재를 실시하고, 스트레스에 미칠 가능성이 있는 영향을 구별할 수 있다. 사용자가 추가 스트레스 데이터 및 개인 데이터를 제출하면, 그들의 스트레스 궤도가 업데이트된다.
훨씬 더 큰 규모에서, 집단 스트레스 프로파일러는 도시 전체 또는 국가와 같은 집단의 전체 세그먼트에 대한 위험 지수 및 스트레스 궤도를 생성할 수 있다.
심리 측정 데이터
심리 측정 데이터는 사람의 주관적인 스트레스 경험에 대한 설문에 대한 응답을 나타낸다.
설문지는 사람의 스트레스 반응과 관련된 광범위한 징후 또는 증상, 특히 만성 스트레스의 축적과 관련된 측면들에 대해 질문하는 것이 바람직하다.
더 많은 사람들에게 스트레스를 감지할 수 있도록 설문지에는 광범위한 질문이 있는 것이 바람직하다.
심리측정 스트레스 측정치를 가장 잘 얻기 위해서, 긴 형태"와 "짧은 형태"의 설문지가 본 발명의 일부로서 개발되었다. 사용시, 심리 분석 스트레스 측정은 "장문식"과 "단문식" 설문지의 양쪽을 포함하는 2단계 접근 방식으로 전개된다. 제1 단계에서, 초기 질문 세트가 개인에게 부여된다. 바람직한 실시형태에서, 이 제1 단계의 일부를 구성하는 질문에는 개인이 완료하는데 약 3분이 소요된다. 개인이 특정 컷오프 레벨 이상으로 또는 미리 설정된 패턴으로 스코어를 매기면, 그 개인은 설문의 제2 단계를 구성하는 다른 질문 블록을 완료하라는 메시지가 표시된다. 바람직한 실시형태에서, 이 제2 질문 세트는 완료하는데 약 4-5 분이 소요될 것이다. 또한 개인이 제1단계의 질문을 완료할 때에 스코어에 상관없이 제2 단계의 질문을 완료하기 위한 옵션 (필요에 따라)을 가질 것으로 예상된다.
설문지에서 만성 스트레스 지표의 수 및 중증도가 높을수록, 동일한 사람에게 동시에 발생하는 것이 아니라, 하나의 근본 원인(만성 스트레스)에 관련하는 가능성이 높아진다. 예를 들어 한 사람은 때때로 어깨 뭉침, 소화기계 문제나 발진이 일어날 수 있다. 이러한 증상들은 개별적으로 또는 심지어 모든 3가지도 함께 여러 가지 이유로 발생할 수 있으며, 만성 스트레스를 발병하는 사람과는 아무런 관계가 없다. 그러나 그들이 두통이 지속되고 밤에 잠을 자는데 어려움이 있거나 빈번한 바이러스 감염이 있으면, 다른 이야기를 하기 시작한다. 그들은 이제 만성 스트레스의 6 가지 지표를 가지고 있다.
몇 가지 질문에 대한 대답은 통계적으로 일관성이 있는 인자 (탐색 인자 분석이라 불리는 심리측정 통계적 방법을 통해 결정됨)를 형성하는 다른 질문과 강하게 상관관계를 가질 수 있다. 각각의 통계적으로 일관성 있는 인자는 개인이 경험하는 특정 유형의 스트레스를 나타낼 수 있다.
일 실시형태에서, 심리측정 데이터는 네 가지 형태의 스트레스에 걸쳐 스트레스 관련 징후, 증상 또는 지표의 주관적 경험에 대해 개인에게 질문하는 설문지에 대한 응답을 포함한다:
Figure pct00038
신체적/생리적 스트레스,
Figure pct00039
정신적 스트레스,
Figure pct00040
감정적인 스트레스, 및
Figure pct00041
현재 인지되는 생활 스트레스.
설문지는 스트레스와 관련하는 알려진 주관적 상태의 범위, 특히 인간의 만성 스트레스를 나타내는 것으로 밝혀진 주관적 상태의 범위를 다루기 위해 여러 줄의 질문을 사용할 수 있다. 설문지는 어떠한 형태의 스트레스가 개인의 스코어가 높은가를 나타낸다. 다음에 그 사람은 어떤 유형의 개입 (들)이 그 사람에게 가장 큰 이익을 가져다줄 것이며 시간이 지남에 따라 결과를 추적할 가능성이 가장 높은 피드백을 받을 수 있다.
심리 측정 데이터를 생리학적, 행동적 또는 인지 기능 데이터와 같은 다른 유형의 스트레스 데이터와 조합시킴으로써, 스트레스 프로파일러의 민감도 및 범위가 증가합니다. 또한, 다른 유형의 스트레스 데이터는 설문지에 잘 응답하지 않는 사람들을 검출하는 데 도움이 된다.
생리학적 데이터
인간의 스트레스의 생리적 지표로서는 많은 알려진 것이 있다. 많은 거짓말 탐지기는 스트레스의 여러 생리적 지표를 측정하는 것을 기반으로 한다.
생리학적 정보가 스트레스 프로파일러(1)에 의해 사용되는 경우, 스트레스 프로파일러(1)의 정확도 및 민감도는 생리학적 정보가 둘 이상의 생리적 파라미터의 측정치를 포함하는 경우에 일반적으로 증가한다.
생리학적 정보를 제공하기 위해 사용될 수 있는 상이한 측정의 예에는, 심박수 측정, 심박수 변동 측정, 호흡수 측정, 호흡수 변동 측정, 혈압 측정, 신체적 동작의 관찰, 코르티솔 레벨 측정 (혈액 또는 수액으로 측정), 피부 전도도 측정, 피부 온도 측정, 피부 또는 모발 분석, DNA 분석, 혈중 산소 포화도 측정, 표면 근전도 (표면 EMG) 측정, 뇌파 기록(EEG) 측정, 및 사람의 혈액, 수액 또는 소변의 분석에 의해 결정될 수 있는 다른 생리학적 지표 측정을 포함한다. 수액, 혈액, 소변, 피부, 모발 및 DNA의 측정은 종래의 실험실 테스트 또는 나노 기술을 통해 수행할 수 있으며, 예를 들어, 나노 기술 센서는 단일 혈액 방울 측정에 사용될 수 있고, 경피 패치에 조합할 수 있으며, 개인의 체내에 피하주사 또는 순환시킬 수 있으며, 또는 피하에 내장된 마이크로 칩 또는 와이어 가능 센서의 사용을 도입할 수 있다.
또한 "스마트 의류"도 활용할 수 있는데, 이것은 팬츠/바지, 속옷, 양말, 신발, 셔츠/티셔츠, 장갑, 모자/캡/ 헬멧, 안경, 시계, 스마트 시계, 손목 및 발목 밴드뿐만 아니라 접착 패치를 포함할 수 있다. "스마트 의류"에는 전기 신호, 전도율 (전기 전도도 및 저항), 가속도계, 힘, 온도, 화학 센서 및 나노 기술 센서를 비롯한 다양한 센서가 내장되어 생리학적 정보를 제공하는 데 사용할 수 있다. 생리학적 측정은 이들의 민감도 및 관련성뿐만 아니라 스크리닝 장치로서의 이들의 적용의 용이성에 따라 선택할 수 있다.
생리 데이터 수집 툴
스트레스 프로파일러(1)는 다수의 생리학적 정보 수집 툴로부터의 입력을 허용하는 능력을 포함한다. 각각의 생리학적 정보 수집 툴은 사용자의 스트레스를 나타내는 사용자 생리학의 양상을 측정한다. 스트레스 프로파일러(1)에서 사용될 수 있는 적절한 생리학적 정보 수집 툴의 예는 다음을 포함하나, 이에 한정되는 것은 아니다:
Figure pct00042
스포츠에 사용되는 흉부 장착형 또는 팔 장착형 장치와 같은 심장 박동 모니터. Catapult SportsTM 성능 모니터링 장치, PolarTM 심박수 모니터, FitbitTM 또는 심박수를 검출할 수 있는 스마트 시계;
Figure pct00043
스포츠에 사용되는 흉부 장착형 또는 팔 장착형 장치와 같은 호흡 수 모니터. Catapult SportsTM 성능 모니터링 장치;
Figure pct00044
주기적으로 팽창하고 수축하는 상완 주위의 커프스와 같은 혈압계.
Figure pct00045
스포츠 인, 예를 들면 Catapult SportsTM에 의해 사용되는 자이로스코프 가능 운동 센서와 같은 신체적 운동 센서.
Figure pct00046
GPS 대응형 스마트 폰 또는 스마트 시계와 같은 위치 추적 장치.
Figure pct00047
수액 중 코르티솔 분석 장치;
Figure pct00048
피부 전도도 측정 장치;
Figure pct00049
피부 온도 측정 장치;
Figure pct00050
혈중 산소 포화도 측정 장치. 예를 들면 손가락 기반 펄스 산소농도계;
Figure pct00051
표면 근전도 (표면 EMG) 장치;
Figure pct00052
뇌파 검사 (EEG) 장치;
Figure pct00053
팬츠/바지, 속옷, 양말, 신발, 셔츠/티셔츠, 장갑, 모자/캡/ 헬멧, 안경, 시계, 스마트 시계, 손목 및 발목 밴드뿐만 아니라 접착 패치를 포함한 "스마트 의류", 이들은 전기 신호, 전도율 (전기 전도도 및 저항), 가속도계, 힘, 온도, 화학 센서 및 나노 기술 센서를 비롯한 다양한 센서가 내장되어 생리학적 정보를 제공하는데 사용할 수 있다.
Figure pct00054
단일 혈액 방울 측정장치, 경피 패치, 피하 주사기 또는 순환 주입 가능한 장치를 포함할 수 있는 나노 기술 센서.
Figure pct00055
혈액 검사 장치 (예를 들면, 카테콜아민, 에피네프린 (아드레날린), 노르에피네프린 (노르아드레날린), 세로토닌 또는 도파민 등의 시상하부-뇌하수체-부신축 (HPA 축)의 스트레스 또는 자극을 나타내는 화학 물질, 분자, 단백질 및 호르몬을 검출하는데 적합함); 및
Figure pct00056
인간 이식 칩 또는 와이어 (예를 들면, 카테콜아민, 에피네프린 (아드레날린), 노르에피네프린 (노르아드레날린), 세로토닌 또는 도파민 등의 시상하부-뇌하수체-부신축 (HPA 축)의 스트레스 또는 자극을 나타내는 화학 물질, 분자, 단백질 및 호르몬을 검출하는데 적합함).
이들 툴은 컴퓨팅 장치, 온라인 또는 독립형 외부 장치에 통합될 수 있다. 툴이 외부에 있는 경우, 케이블 또는 무선 블루투스 접속과 같은 임의의 적절한 방법으로 컴퓨팅 장치에 접속할 수 있다
행동 데이터
행동 정보가 스트레스 프로파일러(1)에 의해 사용되는 경우, 스트레스 프로파일러(1)의 정확도와 민감도는 행동 정보가 하나 이상의 행동 파라미터의 측정치를 포함하는 경우에 일반적으로 증가한다. 이러한 행동은 일반적으로 사람의 스트레스를 나타내는 것으로 알려져 있거나 또는 사용자의 개개의 형질일 수 있다. 예를 들어, 사용자는 눈 움직임의 특정 패턴을 나타낼 수 있거나, 또는 페이스 업 다운을 나타내거나 또는 스트레스를 받았을 때에 특정의 장소를 방문할 수 있다.
스트레스 프로파일러(1)는 인지 기능 정보, 심리 측정 정보 또는 생리학적 정보와 같은 다른 형태의 스트레스 정보와 행동을 점진적으로 상관시킴으로써 행동 정보를 점진적으로 취득할 수 있다.
행동 정보를 제공하는 데 사용될 수 있는 다양한 측정이나 행동 관찰의 예로는 안구 운동 패턴, 사회적 상호작용, 방문한 웹 사이트 유형, 사용된 앱 유형, 읽은 뉴스 주제, 소비 행동, 식생활, 사교모임, 휴일 등을 포함한다.
데이터는 가속도계, 자이로스코프, 고도계, GPS, NFC (다른 기기와의 근접성, 향상된 위치 특이성), 블루투스(다른 기기와의 근접성)로 측정할 수 있는 스마트 폰, 스마트 시계 또는 기타 웨어러블 기기, 태블릿 및 컴퓨터로부터 취득할 수 있다.
다른 입력은 키스트로크 레이트, 케이던스, 타이핑 스타일, 압력 또는 "힘" 감지 (키패드, 트랙 패드, 스크린 압력 센서), 음성 분석 (톤, 케이던스, 단어 및 어구 검색), 통화 사용법을 측정하고, 통화 시간, 다이얼링 번호, 호출 일시, 애플리케이션 ("앱")의 사용 상황을 측정하고, 또한 사용된 특정의 애플리케이션, 사용기간, 앱의 사용시간, 인앱 애널리틱스 (임의의 앱 내에서 사용 특성), 키워드 검색, 단어 및 어구 사용 (통상, 워드 프로세싱, 이메일, 메시지 및 소셜 미디어에 적용되지만, 이들로 한정되지 않는다), 안구 운동 패턴, 보행 및 자세 분석 및 구매 내역을 측정할 수 있다.
스티어링 입력, 가속, 감속, 제동, 주행 속도, 브레이크 및 가속기 힘, 도어 압력 센서 및 기타 차량 센서를 포함하는 자동차/운행/승차 스타일로부터 다른 행동 관찰을 얻을 수 있다.
운동, 체온, TV 사용 (시청 채널, 시간 시청, 안구 운동), 냉장고 분석, 가열냉각 분석 및 기타 "스마트 홈" 분석을 측정할 수 있는 가정 또는 사무실 센서로부터 추가의 행동 관찰을 얻을 수 있다.
또한, 자전거 미터 (페달 힘, 페달 밟기, 가속도, 속도, 취한 경로, GPS, 고도계, 자전거 타는 시간 등), 만보계, 보행 분석 측정 등의 다른 측정 장치로부터 행동 관찰을 얻을 수도 있다. 다른 측정은 팬츠/바지, 속옷, 양말, 신발, 셔츠/티셔츠, 장갑, 모자/캡/ 헬멧, 안경, 시계, 스마트 시계, 손목 및 발목 밴드뿐만 아니라 접착 패치를 포함하는 "스마트 의류"로부터 얻어질 수 있다.
행동 데이터 수집 툴
스트레스 프로파일러(1)는 다수의 행동 정보 수집 툴로부터의 입력을 수용하는 능력을 포함한다. 각 행동 정보 수집 툴은 사용자의 스트레스를 나타내는 사용자 행동 양태를 측정합니다. 스트레스 프로파일러(1)에서 사용될 수 있는 적절한 행동 정보 수집 툴의 예는 다음을 포함하지만, 이에 한정되지 않는다.
Figure pct00057
안구 추적 소프트웨어;
Figure pct00058
GPS 대응형 스마트 폰 또는 스마트 시계와 같은 위치 추적 장치;
Figure pct00059
다른 개인이 소유한 장치의 근처에 존재를 추적하는 블루투스 추적 소프트웨어;
Figure pct00060
인터넷 검색 기록 분석 소프트웨어;
Figure pct00061
스마트 폰, 스마트 시계 또는 기타 웨어러블 장치, 태블릿 또는 컴퓨터 가속도계, 자이로스코프 또는 고도계,
Figure pct00062
특히 NFC, Wi-Fi 또는 블루투스와 같은 근접 감지 장치, 특히 강화된 위치 특이성 (다른 장치와의 근접성, 강화된 위치 특이성),
Figure pct00063
키스트로크 속도, 케이던스, 타이핑 스타일, 압력 또는 "힘" 감지 (키패드, 트랙 패드, 스크린 압력 센서).
Figure pct00064
음성 분석 (톤, 케이던스, 단어 및 어구 검색), 통화 시간, 다이얼링 번호, 발신 시각,
Figure pct00065
사용된 특정의 애플리케이션, 사용 기간, 사용된 애플 분석, 인앱 분석 (모든 애플리케이션 내에서 사용 특성), 키워드 검색, 단어 및 어구 사용 (일반적으로 워드프로세싱, 이메일, 메시징 및 소셜 미디어 애플리케이션 등에 적용되지만, 이로 한정되지 않는다), 보행 및 자세 분석 및 구매 내역;
Figure pct00066
스티어링 입력, 가속, 감속, 제동, 주행 속도, 브레이크 및 가속기 힘, 도어 압력 센서 및 기타 차량 센서를 포함한 자동차 주행/승차 스타일;
Figure pct00067
운동, 체온, TV 사용 (시청 채널, 시간 시청, 안구 운동), 냉장고 분석, 가열과 냉각 분석 및 기타 "스마트 홈" 분석을 측정할 수 있는 가정용 또는 사무용 센서;
Figure pct00068
자전거 미터 (페달 힘, 페달 밟기, 가속, 속도, 취한 경로, GPS, 고도계, 자전거 타는 시간 등), 만보계, 보행 분석 수단; 및
Figure pct00069
팬츠/바지, 속옷, 양말, 신발, 셔츠/티셔츠, 장갑, 모자/캡/ 헬멧, 안경, 시계, 스마트 시계, 손목 및 발목 밴드뿐만 아니라 접착 패치를 포함하는 "스마트 의류".
스트레스 프로파일러(1)는 먼저 행동 정보를 수집하기 위해 사용자로부터 허가를 요청한 다음, 사용자를 방해하지 않고 백그라운드에서 정보를 정기적으로 수집한다.
이들 툴은 컴퓨팅 장치, 온라인 또는 독립형 외부 장치에 통합할 수 있다. 툴이 외부에 있는 경우, 케이블 또는 무선 블루투스 접속과 같은 적절한 방법으로 컴퓨팅 장치에 접속할 수 있다.
인지 기능 데이터
인지 기능 데이터는 집단내의 사람들에 대하여 행해진 스트레스 관련인지 기능 측정을 나타낸다.
인지 기능 측정의 예에는, 메모리 검사의 결과, 반응 시간 측정 및 의사 결정 시험의 결과가 포함된다. 인지 기능 측정의 정확성 및 민감도는, 일반적으로 둘 이상의 인지 기능 파라미터가 측정 될 때, 증가한다.
인지 기능 또는 성능 테스트는 온라인 작업 또는 스마트 시계, 스마트 폰 또는 기타 컴퓨팅 장치와의 상호 작용의 형태로 할 수 있다. 인간의 인지 기능과 스트레스 사이의 상관 관계에 대한 문헌이 있다. 예를 들면:"Stress Effects on Working Memory, Explicit Memory, and Implicit Memory for Neutral and Emotional Stimuli in Healthy Men", Mathias Luethi, Beat Meier, Carmen Sandi, Frontiers of Behavioural Neuroscience, 2008; 2: 5.
인지 기능 데이터 수집 툴
스트레스 프로파일러(1)는 다수의 인지 기능 정보 수집 툴로부터의 입력을 수용하는 능력을 포함한다. 각 인지 기능 정보 수집 툴은 사용자의 스트레스를 나타내는 사용자의 인지 기능의 양상을 측정한다. 스트레스 프로파일러(1)에서 사용될 수 있는 적절한 인지 기능 정보 수집 툴의 예는 다음을 포함하지만, 이에 한정되지 않는다:
Figure pct00070
사용자의 메모리를 테스트하는 소프트웨어;
Figure pct00071
사용자의 반응 시간을 테스트하는 소프트웨어;
Figure pct00072
사용자의 관심, 주변 시야 및 이해력을 테스트하는 소프트웨어;
Figure pct00073
사용자의 의사 결정 능력을 테스트하는 소프트웨어.
프로세서는 사용자에게 하나 이상의 인지 기능 테스트를 완료하라는 메시지를 표시한다. 사용자가 테스트를 하는 것에 동의하면, 프로세서는 사용자에게 간단한 인지 기능 테스트를 제시한다. 테스트는 일반적으로 빠르게 수행해야 하며, 완료하는데 5초에서 2분 정도 걸릴 수 있다. 메모리 테스트를 통해 나중에 사용자가 정보의 일부를 메모리 할 수 있다.
이들 툴은 컴퓨팅 장치, 온라인 또는 독립형 외부 장치에 통합할 수 있다. 툴이 외부에 있는 경우, 케이블 또는 무선 블루투스 접속과 같은 적절한 방법으로 컴퓨팅 장치에 접속할 수 있다.
실시예
실시형태 1
이 실시형태는, 이 실시예에서는 비교적 작은 지리적 영역 내에서, 집단의 개인의 각각이 관련 개별 스트레스 정보를 제공하기 위해 스마트 폰, 스마트 시계 또는 태블릿 컴퓨팅 장치를 작동시키는 스트레스 프로파일러(1)의 모바일 버전이다.
특히, 집단내의 복수의 사람들 각각에 의해 이용되는 장치는 모바일 앱을 포함한다. 관련 스트레스 정보의 일부는 사용자가 수동으로 입력하지 않고 백그라운드에서 앱으로 수집되며, 나머지 정보는 사용자의 적극적인 참여를 필요로 한다.
상기에서 개시한 바와 같이, 집단 내의 각 사람은 자기 관리 스트레스 테스트를 통해 이들을 안내하기 위해 이 장치를 사용하고, 스트레스 데이터 및 개인 데이터 모두를 스트레스 프로파일러에 전송하는 것이 바람직하다.
이러한 장치의 일 예는 2014년 11월 11일 출원된 출원인의 별도의 특허 출원, 즉 호주특허출원 제2014904524호에 기술된 개인 스트레스 프로파일러이다. 이와 같이 하여, 개인의 스트레스 등급은 스마트 폰, 데스크톱 컴퓨터, 태블릿, 또는 스마트 시계, 스마트 의류, 나노 기술 센서 등과 같은 다른 적합한 접속 장치를 사용하여 계산된다.
일단 계산되면, 이 스코어는 Wi-Fi, 모바일 또는 위성 접속 및/또는 인터넷을 통한 종래의 통신 채널 (이용 가능할 때)을 통해 중앙 서버 뱅크로 전송되고, 스코어는 사용자에 의해 공유된 이전에 기록된 데이터 (인구 통계, 성별, 직업, 라이프 스타일 등)과 대조한다. 다른 사용자의 신체적 스트레스 등급은 마찬가지로 중앙 서버에 의해 대조되며, 여러 사용자로부터의 집합된 스트레스 데이터를 사용하여 집단 또는 집단 전체의 신체적 스트레스 스코어 평균을 계산한다.
특정의 기간 (분, 시간, 일, 주, 월 또는 년)에 걸친 집단 x 스트레스 스코어 (지리적 위치, 성별, 직업, 나이 등 또는 세련된 서브카테고리로 분류되거나 정의될 수 있음) =
a) 사용자 a) 지정된 기간 동안의 신체 스트레스 스코어 +
b) 사용자 b) 지정된 기간 동안의 신체 스트레스 스코어 +
c) 사용자 c) 지정된 기간 동안의 신체 스트레스 스코어 + ....
... 관련 인구 내의 수많은 사람들을 위함.
지정기간 내의 집단내의 포함된 사용자(즉, 개인)의 총수 (a + b + c ... /전체 중에 포함된 사용자의 수)= 지정된 기간 동안의 집단 X 실체적 스트레스 스코어로 나눈다.
상기 예로서, 본 발명의 스트레스 레벨 및 스트레스 내성의 프로파일을 생성하기 위한 시스템 및 방법이 이용될 수 있는 집단의 하나는 미국의 매사추세츠 주 캠브리지의 별개의 지리적 위치이다. 특히 이 특정의 사례에 대한 관련성이 있는 집단은 하버드 대학교 캠퍼스를 구성하는 교외 지역의 집단이다.
매사추세츠 케임브리지에 대한 집단 신체적 스트레스 측정치 또는 스코어는 이 교외의 모든 활동적인 사용자 (즉, 집단 내의 복수의 개인의 각각 하나)의 신체적 스트레스 스코어를 포함한다. 집단의 신체적 스트레스 측정치 또는 스코어는 같은 위에 나열된 접속된 장치, 즉 스마트폰, 태블릿, 데스크톱 컴퓨터, 스마트 시계 등을 사용하여 매일 지속적으로 측정된다. 관련 데이터는 Wi-Fi, 이동 통신 네트워크 또는 인터넷을 통한 다른 수단과 같은 종래의 통신 채널을 통해 중앙 서버로 전송된다. 이러한 신체적 스트레스 스코어는 특히 급성 또는 단기간 스트레스의 매우 정확한 척도가 될 수 있다.
통상적으로, 메사추세츠 주 캠브리지에 있는 이러한 집단 전체의 평균 신체적 스트레스 스코어는 학년 초에 증가하고, 그리고 다시 시험 기간 및/또는 학기말 직전에 증가할 것으로 예상된다. 일반적으로, 이 평균 신체적 스트레스 스코어는 여름 방학 휴식이 시작될 때 크게 떨어질 것으로 예상된다.
본 발명의 범위 내에서, 메사추세츠 주 케임브리지의 집단을 17세에서 28세까지의 사람들만을 더욱 세분화할 수 있다. 젊은 층의 이러한 "하위 집단"(학생일 가능성이 있음)을 사용하면 데이터가 이 기간 동안 평균보다 더 큰 신체적 스트레스 스코어를 제공할 것으로 예상된다.
마찬가지로, 교수 및 지원 교직원과 같은 학문적 전문가의 '하위 집단'이 선정되면, 스트레스의 다른 '집단 패턴'이 표시될 것이며, 학문의 시작 부분에 고도가 나타날 가능성이 매우 높지만, 대부분의 학문적 전문가의 업무량이 줄어들어 시험 기간을 중심으로 평소보다 낮게 된다. 다음에, 시험 결과에 따라 학문적 전문가에게 상당한 압력이 가해지는 시험 시간 직후에 다시 상승한다.
이러한 다양한 인구 스트레스 레벨은 대학의 정책상 가장 필요한 때에 특정의 하위 집단을 향해 스트레스 관리 이니셔티브를 제정하여 학생과 교직원의 더 나은 지원은 물론 자원의 보다 정교한 사용을 가능하게 한다.
발표된 "특정의 기간 동안 집단 x 신체적 스트레스 스코어"는 또한 개인 또는 "특정 기간 동안의 집단 x 신체적 스트레스 스코어"를 가중 계수로 곱하여 평량하여, 비교를 더 정확하고 유용하게 하기 위해서 집단 내의 특이성 또는 변동에 적합하게 하거나 또는 계절 변화 등의 특정 변수 의 변화의 영향을 설명한다.
매사추세츠 주 캠브리지의 상기 예를 계속하기 위해서, 이것은 겨울철에 극심한 추위를 경험하는 특정의 지리적 위치이다. 이것은, 추운 겨울 개월 동안 직장에 관련된 스트레스와 상관없이, 특히 유난히 추운 겨울, 과도하게 장기간 겨울, 일생에 한 번의 눈보라/폭풍 등에 신체적 스트레스 스코어를 상승시킬 수 있다. 직장의 스트레스와 간섭의 바람직함 또는 필요성에 기인하는 정확한 스트레스 레벨을 구별하기 위해, 날씨의 영향은 가중 계수에 의해 수용될 필요가 있다; 특히 악천후의 기간을 통하여 집단의 신체적 스트레스 스코어를 높이는 것은 반드시 고용자의 우려 또는 개입을 정당화하는 것은 아니다.
이 '가중'(weighting)의 또 다른 예로서, '과실 채취'로 인한 집단 변동이 심한 지리적 위치를 고려한다. 자기 자신의 개개의 신체적 스트레스 특성을 갖는 계절 근로자의 유입은 해당 장소의 평균 신체 스트레스 스코어에 영향을 줄 수 있다. "계절적으로 조정된 신체적 스트레스 스코어"는 해당 장소에 영구적으로 이사하거나 또는 의료 서비스의 제공의 계산이나 전반적인 스트레스 레벨에 대한 정치적 발표의 영향을 계산할 때 개인에게 더욱 유용한 데이터를 제공할 수 있다.
이러한 "특정 기간 동안의 집단 x 신체적 스트레스 스코어"는 전체 집단의 스트레스 레벨에 대한 외부 및 환경적 사건의 영향을 결정하기 위해 교통, 날씨, 정치 발표, 뉴스 등과 관련된 다른 데이터와 상호 연관시킬 수 있다.
다시 매사추세츠 주 캠브리지 상기 예를 계속한다. 심각한 오염 산업이 매년 수백만 톤의 독성 물질을 보스톤의 찰스 리버에 버릴 수 있다는 정치적 발표가 있었다면, 보스턴 지역의 주민들이 당황하거나 스트레스를 받을 수도 있다.
아마도 100만 명 이상이 스트레스 레벨이 증가하는 것을 목격하고 정치 발표에 대한 링크는 여러 면에서 매우 유용할 수 있다. 하버드 대학, MIT 및 보스턴 대학의 경영진은 직원 및 학생의 스트레스 레벨을 이해하고, 이것을 대학 업무 부담으로 기인하지 않는 영향을 주는 스트레스 요인으로 수용할 수 있다. 정부는 또한 보스턴 지역에 대한 스트레스로 인해 생산성 감소 가능성을 나타내고, 의료비 증가 가능성을 보여 줄 수 있는 데이터를 보유할 것이며, 그 결과 이 정보는 정부가 의사 결정권에 통합할 수 있는 가시적인 데이터를 제공할 수 있다. 이전에는 이용할 수 없었던 프로세스를 만들었다. 생산성 손실 및 지역 전체의 의료비 증가는 새로운 산업의 경제적 이익을 초월할 가능성이 있다.
본 발명의 정신 또는 범위를 벗어나지 않고, 설명된 실시형태에 대한 변형 및/또는 수정을 행할 수 있다. 따라서, 본 실시형태는 모든 면에서 예시적이고, 한정적이지 않은 것으로 간주되어야 한다.
본 명세서에 기술된 선행기술은, 필요시, 선행기술이 어느 관할에 있더라도 공통의 일반지식의 일부를 구성한다는 것을 인정하는 것으로 이해해서는 안된다.
이하의 청구 범위 및 본 발명의 전술한 설명에서, 문맥이 명시적인 언어 또는 필요한 의미를 위해 필요한 경우를 제외하고, 단어 "포함한다" 또는 "포함하는" 등의 변형은 포괄적인 의미로 사용되며, 이것은 명시된 특징의 존재를 특정하는 것이지만 본 발명의 다양한 실시형태에서 추가의 특징의 존재 또는 추가를 배제하는 것은 아니다.

Claims (28)

  1. 복수의 개인의 스트레스 레벨을 나타내는 스트레스 레벨 정보를 생성하는 방법에 있어서,
    네트워크를 통해 상기 복수의 개인의 각각에 대한 개별 스트레스 정보를 수신하는 단계; 및
    처리 시스템에서, 상기 복수의 개인의 각각에 대한 개개의 스트레스 정보를 통계적으로 처리함으로써 상기 복수의 개인의 스트레스 레벨의 통계 값을 생성하는 단계를 포함하는 방법.
  2. 제1항에 있어서, 복수의 사람으로부터 복수의 개인을 선택하기 위해 복수의 개인의 각각에 대한 개인 정보를 이용하여 처리 시스템 내에서, 네트워크를 통해, 복수의 개인의 각각에 대한 개별 스트레스 정보를 수신하는 단계를 포함하는 방법.
  3. 제2항에 있어서, 상기 개인 정보는 생년월일 정보, 출생지 정보, 성별 정보, 민족성 정보, 직업 정보, 우편 번호 정보, 교육 정보, 건강 보험 적용 범위 정보, 관계 상황 정보, 어린이 정보의 수, 애완 동물 정보, 운동 습관 정보, 식습관 정보, 건강 이력 정보 및 현재 사용되고 있는 스트레스 관리 방법을 나타내는 정보 중의 적어도 하나를 포함하는 방법.
  4. 제1항에 있어서, 네트워크를 통해, 스트레스 수정 환경 및 스트레스 수정 사건 중 적어도 하나를 나타내는 정보를 수신하는 단계, 통계적 측정에서의 스트레스 특징을 스트레스 수정 환경 및 스트레스 수정 사건의 적어도 하나와 상관시키는 단계를 포함하는 방법.
  5. 제4항에 있어서, 상기 스트레스 특징이 복수의 개인의 스트레스 레벨의 통계값의 변화를 포함하는 방법.
  6. 제4항에 있어서, 상기 스트레스 수정 환경 및 스트레스 수정 사건의 적어도 하나는 인터넷 키워드 검색 행동 정보, 컨텐츠 정보, 소셜 미디어 통신 정보의 감정 또는 주제, 날짜 정보, 시간 정보, 공휴일 정보, 온도 정보, 습도 정보, 기상 정보, 교통 정보, 뉴스 정보, 시사 정보, 소비자 구매 정보, 금융 시장 정보, 경제 정보, 발표 정보, 정치적 사건 정보, 스포츠 사건 정보, 주제 사건 정보, 주택 융자 금리 정보, 주택 정보 설문 조사 정보, 조사 정보, 투표 일정 정보, 비즈니스 신뢰 정보, 비즈니스 투자 정보 및 비즈니스 생산성 정보 중의 적어도 하나를 포함하는 방법.
  7. 제1항에 있어서, 상기 처리 시스템에서 상기 통계 값을 이용하여 스트레스 지수를 생성하는 단계를 포함하는 방법.
  8. 제7항에 있어서, 복수의 컴퓨팅 장치에 스트레스 지수를 전송하는 처리 단계를 포함하는 방법.
  9. 제8항에 있어서, 상기 복수의 개인의 스트레스 레벨의 통계적 측정치를 상기 복수의 컴퓨팅 장치에 전송하는 처리 시스템의 단계를 포함하는 방법.
  10. 제1항에 있어서, 복수의 개인의 각각에 대한 개별 스트레스 정보는 복수의 개인의 각각에 대한 심리 측정 정보, 복수의 개인의 각각에 대한 생리학적 정보, 복수의 개인의 각각에 대한 행동 정보, 및 상기 복수의 개인의 각각에 대한 인지기능 정보 중의 적어도 하나를 포함하는 방법.
  11. 제10항에 있어서, 복수의 개인의 각각에 대한 개별 스트레스 정보는 복수의 개인의 각각에 대한 심리 측정 정보, 복수의 개인의 각각에 대한 생리학적 정보, 복수의 개인의 각각에 대한 행동 정보, 및 상기 복수의 개인의 각각에 대한 인지 기능 정보를 포함하는 방법.
  12. 제10항에 있어서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 심리 측정 정보를 포함하는 방법.
  13. 제12항에 있어서, 전자 스트레스 설문지에 응답하는 복수의 개인의 각각에 의한 복수의 개인의 각각에 대한 심리 측정 정보를 생성하는 단계를 포함하는 방법.
  14. 제13항에 있어서, 상기 설문지는 2개의 부분으로 나누어 있고, 각각이 다른 세트의 소정의 질문을 포함하며, 상기 개인은 제1 세트의 질문에 제공된 응답과 상관하는 소정의 기준에 기초하여 제2 세트의 질문이 제시되는 방법.
  15. 제13항에 있어서, 복수의 개인의 각각에 대한 심리 측정 정보는 복수의 개인의 각각에 대한 복수의 만성 스트레스 지표들을 나타내는 방법.
  16. 제10항에 있어서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 생리학적 정보를 포함하는 방법.
  17. 제16항에 있어서, 복수의 개인의 각각에 대한 생리학적 정보를 생성하는 단계를 포함하는 방법.
  18. 제17항에 있어서, 복수의 개인의 각각에 대한 생리학적 정보를 생성하는 단계는 복수의 개인의 각각에서 복수의 생리학적 기능의 각각에 대한 정보를 생성하는 단계를 포함하는 방법.
  19. 제18항에 있어서, 복수의 개인의 각각에 대한 생리학적 정보를 생성하는 단계는 심박수 정보, 심박수 변동 정보, 호흡수 정보, 호흡 수 변동 정보, 혈압 정보, 신체 운동 정보, 피부 온도 정보, 피부 또는 헤어 분석, DNA분석, 혈중 산소 포화도 정보, 표면 전기 영동 정보, 뇌파 검사정보, 혈액 정보, 수액 정보, 피부 전도도 정보, 피부 상에서 또는 피부 내에서 발견된 화학 물질에 관한 정보, 소변 정보 중의 적어도 하나를 생성하는 단계를 포함하는 방법.
  20. 제10항에 있어서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 행동 정보를 포함하는 방법.
  21. 제20항에 있어서, 복수의 개인의 각각에 대한 행동 정보를 생성하는 단계를 포함하는 방법.
  22. 제21항에 있어서, 복수의 개인의 각각에 대한 행동 정보를 생성하는 단계는,
    상기 개인의 안구 운동을 나타내는 안구 운동 정보를 생성하는 단계;
    상기 개인이 있있던 복수의 위치들을 나타내는 위치 정보를 생성하는 단계;
    상기 개인에게 복수의 사람의 복수의 장치가 근접하여 존재하는 것을 나타내는 근접 기기 정보를 생성하는 단계;
    상기 개인에 대한 인터넷 열람 이력 정보를 생성하는 단계;
    상기 개인에 대한 키스트로크 속도, 케이던스, 타이핑 스타일, 압력 또는 "힘" 검출 정보를 생성하는 단계;
    상기 개인에 대한 톤, 케이던스, 단어 및 어구 탐지 정보를 포함하는 음성 분석을 생성하는 단계;
    상기 개인에 대한 통화 시간, 다이얼링 번호 및 시각 호출 정보를 포함하는 전화 사용 분석을 생성하는 단계;
    상기 개인에 대한 스티어링 입력, 가속, 감속, 제동, 운전 속도, 브레이크 및 액셀러레이터 힘 및 도어 압력 센서 정보로부터의 데이터를 포함하는 운전 스타일을 생성하는 단계;
    상기 개인에 대한 시청 채널, 시청 시간 및 시청하면서 안구 운동, 시청 분석, 냉장고 분석, 가열냉각 분석 정보를 포함하는 운동, 체온, TV 사용을 생성하는 단계;
    상기 개인에 대한 페달 힘, 페달 밟기, 가속도, 속도, 취한 경로, GPS 데이터, 고도계 데이터, 자전거 타는 시간, 만보계 데이터 정보를 포함하는 자전거 데이터를 생성하는 단계;
    상기 개인에 대한 만보계 데이터 및 보행 분석 정보를 생성하는 단계;
    상기 개인에 의한 애플리케이션 이용을 나타내는 애플리케이션 이용 정보를 생성하는 단계;
    상기 개인에 의한 미디어 소비를 나타내는 미디어 소비 정보를 생성하는 단계;
    상기 개인의 소비 행동을 나타내는 소비 행동 정보를 생성하는 단계;
    상기 개인에 의해 행해지는 복수의 음식 선택을 나타내는 음식 선택 정보를 생성하는 단계;
    상기 개인의 사회적 외출 활동을 나타내는 사회적 외출 정보를 생성하는 단계; 및
    상기 개인에 의해 취하는 휴가를 나타내는 휴가 정보를 생성하는 단계 중의 적어도 하나를 포함하는 방법.
  23. 제10항에 있어서, 복수의 개인의 각각에 대한 스트레스 정보는 복수의 개인의 각각에 대한 인지 기능 정보를 포함하는 방법.
  24. 제23항에 있어서, 복수의 개인의 각각에 대한 인지 기능 정보를 생성하는 단계를 포함하는 방법.
  25. 제24항에 있어서, 복수의 개인의 각각에 대한 인지 기능 정보를 생성하는 단계는,
    상기 복수의 개인의 각각에 대한 메모리 기능을 나타내는 메모리 기능 정보를 생성하는 단계;
    상기 복수의 개인의 각각의 반응 시간을 나타내는 반응 시간 정보를 생성하는 단계;
    상기 개인의 주의력, 주변 시력 및 이해력을 생성하는 단계; 및
    상기 복수의 개인의 각각의 의사 결정 능력을 나타내는 의사 결정 능력 정보를 생성하는 단계 중의 적어도 하나를 포함하는 방법.
  26. 제1항에 있어서, 급성 스트레스에 반응하는 복수의 개인의 각각을 나타내는 스트레스 내성 스코어를 생성하는 단계를 포함하는 방법.
  27. 제26항에 있어서, 스트레스 내성 스코어는, 복수의 개인이 급성 스트레스 사건에 대한 임의의 반응을 나타내는 경우, 상기 복수의 개인이 급성 스트레스 사건에 반응하는데 걸리는 시간의 하나 이상을 나타내며, 그렇다면 급성 스트레스 사건에 대한 복수의 개인에 의해 나타나는 반응의 정도 및 복수의 개인의 스트레스 정보가 급성 스트레스 기간 후에 기저 레벨로 복귀하는데 걸린 시간을 나타내는 방법.
  28. 복수의 개인들의 스트레스 레벨을 나타내는 스트레스 레벨 정보를 생성하는 처리 시스템에 있어서, 상기 시스템이
    상기 네트워크를 통해 상기 복수의 개인의 각각에 대한 개별 스트레스 정보를 수신하도록 구성된 수신기; 및
    상기 복수의 개인의 각각에 대한 상기 개별 스트레스 정보를 통계적으로 처리함으로써 상기 복수의 개인의 스트레스 레벨에 대한 통계 값을 생성하도록 구성된 통계 값 생성 장치를 포함하는 처리 시스템.
KR1020177015303A 2014-11-11 2015-11-11 집단내의 스트레스 레벨 및 스트레스 내성 레벨의 프로파일을 생성하기 위한 시스템 및 방법 KR102319269B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
AU2014904524A AU2014904524A0 (en) 2014-11-11 Population Stress Profiler
AU2014904524 2014-11-11
PCT/AU2015/050704 WO2016074037A1 (en) 2014-11-11 2015-11-11 A system and a method for generating a profile of stress levels and stress resilience levels in a population

Publications (2)

Publication Number Publication Date
KR20170115037A true KR20170115037A (ko) 2017-10-16
KR102319269B1 KR102319269B1 (ko) 2021-11-02

Family

ID=55953466

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177015303A KR102319269B1 (ko) 2014-11-11 2015-11-11 집단내의 스트레스 레벨 및 스트레스 내성 레벨의 프로파일을 생성하기 위한 시스템 및 방법

Country Status (9)

Country Link
US (1) US20180303396A1 (ko)
EP (1) EP3218835A4 (ko)
JP (1) JP6701215B2 (ko)
KR (1) KR102319269B1 (ko)
CN (1) CN107430640A (ko)
AU (2) AU2015346000A1 (ko)
BR (1) BR112017009795A2 (ko)
CA (1) CA2967067C (ko)
WO (1) WO2016074037A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190102529A (ko) 2018-02-26 2019-09-04 광운대학교 산학협력단 토픽을 이용한 타겟 분석 장치 및 방법
KR102247058B1 (ko) * 2020-11-27 2021-04-30 주식회사 모비젠 다중데이터 처리방식으로 사용자의 정신건강상태를 진단하는 방법 및 그 시스템

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10902354B2 (en) * 2015-01-14 2021-01-26 Sony Corporation Information processing system and control method
US10855441B2 (en) * 2015-12-18 2020-12-01 Telefonaktiebolaget Lm Ericsson (Publ) Method of generating a pseudonym associated with a communication device, a network node, computer program and computer program product
US9989369B2 (en) 2015-12-29 2018-06-05 Ebay Inc. Proactive re-routing of vehicles to control traffic flow
US9792814B2 (en) 2015-12-29 2017-10-17 Ebay Inc. Traffic disruption detection using passive monitoring of vehicle occupant frustration level
US9709417B1 (en) 2015-12-29 2017-07-18 Ebay Inc. Proactive re-routing of vehicles using passive monitoring of occupant frustration level
CN106377270B (zh) * 2016-09-18 2019-07-16 南京航空航天大学 一种基于计步传感器的飞行员异常检测方法
WO2018090304A1 (zh) * 2016-11-17 2018-05-24 华为技术有限公司 一种精神压力评测方法和装置
JP6550440B2 (ja) * 2017-03-13 2019-07-24 株式会社疲労科学研究所 自律神経評価装置、自律神経評価方法、プログラム及び記録媒体
WO2019049356A1 (ja) * 2017-09-11 2019-03-14 株式会社日立製作所 情報処理システム
WO2019082274A1 (ja) * 2017-10-24 2019-05-02 加藤寛之 業績予測管理システム及び方法
JP7003654B2 (ja) * 2017-12-27 2022-02-10 オムロンヘルスケア株式会社 生体情報処理装置、処理方法、及び処理プログラム
JP2019144718A (ja) * 2018-02-19 2019-08-29 コニカミノルタ株式会社 ストレス報知システム及びプログラム
CN108389000A (zh) * 2018-03-09 2018-08-10 新华网股份有限公司 儿童注意力集中度信息的处理方法、装置和计算设备
JP2019195427A (ja) * 2018-05-09 2019-11-14 富士ゼロックス株式会社 ストレス状態評価装置、ストレス状態評価システム及びプログラム
CN110192872B (zh) * 2019-04-16 2020-09-11 华为技术有限公司 压力评估校准方法、装置及存储介质
WO2021080551A1 (en) * 2019-10-21 2021-04-29 Devarasetty Pratyush Pavan Systems, devices, and methods for detecting physical distress in infant tracheostomy patients
EP3819719A1 (fr) * 2019-11-08 2021-05-12 Tissot S.A. Montre connectée comprenant un écran d'animation visuelle
JP7394510B2 (ja) * 2021-06-15 2023-12-08 Ｌｉｎｅヤフー株式会社 提供装置、提供方法及び提供プログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080146892A1 (en) * 2006-12-19 2008-06-19 Valencell, Inc. Physiological and environmental monitoring systems and methods
US20090069641A1 (en) * 2007-09-11 2009-03-12 Cho Chul-Ho Method for analyzing stress based on multi-measured bio-signals
US20120290215A1 (en) * 2011-05-13 2012-11-15 Fujitsu Limited Calculating and Monitoring a Composite Stress Index
US20130041715A1 (en) * 2010-04-30 2013-02-14 Imaec Inc. Risk evaluation system using people as sensors
US20130281798A1 (en) * 2012-04-23 2013-10-24 Sackett Solutions & Innovations, LLC Cognitive biometric systems to monitor emotions and stress
KR20150047158A (ko) * 2013-10-24 2015-05-04 삼성전자주식회사 스트레스 관리 시스템 및 그 방법

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5304112A (en) * 1991-10-16 1994-04-19 Theresia A. Mrklas Stress reduction system and method
AU2001270092A1 (en) * 2000-06-23 2002-01-08 Bodymedia, Inc. System for monitoring health, wellness and fitness
EP1243917A1 (en) * 2001-03-23 2002-09-25 Instrumentarium Corporation Nitric oxide analyzer
US7213600B2 (en) * 2002-04-03 2007-05-08 The Procter & Gamble Company Method and apparatus for measuring acute stress
US20040210159A1 (en) * 2003-04-15 2004-10-21 Osman Kibar Determining a psychological state of a subject
US20050154264A1 (en) * 2004-01-08 2005-07-14 International Business Machines Corporation Personal stress level monitor and systems and methods for using same
US20060052675A1 (en) * 2004-09-07 2006-03-09 David Grand Method and system for the detection, amelioration and treatment of psychological trauma and other mental disorders, and for performance and creative enhancement
WO2006090371A2 (en) * 2005-02-22 2006-08-31 Health-Smart Limited Methods and systems for physiological and psycho-physiological monitoring and uses thereof
US20100092934A1 (en) * 2006-12-22 2010-04-15 Richard Bernard Silberstein method to determine the psychological impact of entertainment or individual presenters
US20080320029A1 (en) * 2007-02-16 2008-12-25 Stivoric John M Lifeotype interfaces
US8679008B2 (en) * 2007-02-16 2014-03-25 Galvanic Limited Biosensor device and method
WO2010020691A1 (en) * 2008-08-21 2010-02-25 Ull Meter A/S Measuring and monitoring mental capacity
US20100217100A1 (en) * 2009-02-25 2010-08-26 Leboeuf Steven Francis Methods and Apparatus for Measuring Physiological Conditions
US8527213B2 (en) * 2009-07-21 2013-09-03 Ntt Docomo, Inc. Monitoring wellness using a wireless handheld device
US20130238394A1 (en) * 2010-06-07 2013-09-12 Affectiva, Inc. Sales projections based on mental states
EP2580732A4 (en) * 2010-06-07 2013-12-25 Affectiva Inc ANALYSIS OF A PSYCHIC CONDITION WITH THE HELP OF WEB SERVICES
US20140081090A1 (en) * 2010-06-07 2014-03-20 Affectiva, Inc. Provision of atypical brain activity alerts
US8622899B2 (en) * 2011-05-13 2014-01-07 Fujitsu Limited Continuous monitoring of stress using self-reported psychological or behavioral data
US9380978B2 (en) * 2011-06-29 2016-07-05 Bruce Reiner Method and apparatus for real-time measurement and analysis of occupational stress and fatigue and performance outcome predictions
US9526455B2 (en) * 2011-07-05 2016-12-27 Saudi Arabian Oil Company Systems, computer medium and computer-implemented methods for monitoring and improving health and productivity of employees
US8392585B1 (en) * 2011-09-26 2013-03-05 Theranos, Inc. Methods and systems for facilitating network connectivity
US20140309291A1 (en) * 2011-11-11 2014-10-16 The Children's Hospital Of Philadelphia Compositions and Methods for Increasing Stress Resilience
JP6460996B2 (ja) * 2012-10-23 2019-01-30 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． ストレス測定システム
US9724396B2 (en) * 2013-03-15 2017-08-08 Massachusetts Institute Of Technology Use of antagonists of growth hormone or growth hormone receptor to prevent or treat stress-sensitive psychiatric illness
JP5722376B2 (ja) * 2013-03-29 2015-05-20 シャープ株式会社 ユーザ状況確認システム、ユーザ状況確認方法、通信端末装置、ユーザ状況通知方法、及びコンピュータプログラム
US10321829B2 (en) * 2013-12-30 2019-06-18 JouZen Oy Measuring chronic stress
CN103810389A (zh) * 2014-02-15 2014-05-21 田宏迩 一种基于物联网的职业紧张评估系统
US20150289813A1 (en) * 2014-04-15 2015-10-15 Eugene Lipov System and Method for the Biological Diagnosis of Post-Traumatic Stress Disorder: PTSD Electronic Device Application
US9138558B1 (en) * 2014-06-19 2015-09-22 Biofeedback Systems Design, LLC Apparatus and method for improving psychophysiological function for performance under stress
US10874340B2 (en) * 2014-07-24 2020-12-29 Sackett Solutions & Innovations, LLC Real time biometric recording, information analytics and monitoring systems for behavioral health management

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080146892A1 (en) * 2006-12-19 2008-06-19 Valencell, Inc. Physiological and environmental monitoring systems and methods
US20090069641A1 (en) * 2007-09-11 2009-03-12 Cho Chul-Ho Method for analyzing stress based on multi-measured bio-signals
KR20090027024A (ko) * 2007-09-11 2009-03-16 삼성전자주식회사 다중 측정된 생체신호를 기반으로한 스트레스 분석방법
US20130041715A1 (en) * 2010-04-30 2013-02-14 Imaec Inc. Risk evaluation system using people as sensors
US20120290215A1 (en) * 2011-05-13 2012-11-15 Fujitsu Limited Calculating and Monitoring a Composite Stress Index
US20130281798A1 (en) * 2012-04-23 2013-10-24 Sackett Solutions & Innovations, LLC Cognitive biometric systems to monitor emotions and stress
KR20150047158A (ko) * 2013-10-24 2015-05-04 삼성전자주식회사 스트레스 관리 시스템 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190102529A (ko) 2018-02-26 2019-09-04 광운대학교 산학협력단 토픽을 이용한 타겟 분석 장치 및 방법
KR102247058B1 (ko) * 2020-11-27 2021-04-30 주식회사 모비젠 다중데이터 처리방식으로 사용자의 정신건강상태를 진단하는 방법 및 그 시스템

Also Published As

Publication number Publication date
US20180303396A1 (en) 2018-10-25
EP3218835A1 (en) 2017-09-20
EP3218835A4 (en) 2018-11-14
AU2015346000A1 (en) 2017-06-08
JP2017533805A (ja) 2017-11-16
KR102319269B1 (ko) 2021-11-02
CA2967067A1 (en) 2016-05-19
CA2967067C (en) 2023-06-27
CN107430640A (zh) 2017-12-01
BR112017009795A2 (pt) 2017-12-19
WO2016074037A1 (en) 2016-05-19
AU2021200812B2 (en) 2021-09-23
JP6701215B2 (ja) 2020-05-27
AU2021200812A1 (en) 2021-03-04

Similar Documents

Publication Publication Date Title
AU2021200812B2 (en) A system and method for generating a profile of stress levels and stress resilience levels in a population
KR102471442B1 (ko) 개인의 스트레스 레벨 및 스트레스 내성 레벨 정보를 생성하기 위한 시스템 및 방법
Kang et al. Issues and challenges in sedentary behavior measurement
AU2021217995A1 (en) A method and a processor for determining health of an individual
WO2014074426A1 (en) Determining social sentiment using physiological data
US20200090812A1 (en) Machine learning for measuring and analyzing therapeutics
Hendrickx et al. Identifying factors associated with sedentary time after stroke. Secondary analysis of pooled data from nine primary studies.
Völker et al. On the relationship between subjective and objective measures of fatigue
Booth et al. Toward robust stress prediction in the age of wearables: Modeling perceived stress in a longitudinal study with information workers
Soltani et al. Real-world gait speed estimation, frailty and handgrip strength: a cohort-based study
Novais et al. The role of non-intrusive approaches in the development of people-aware systems
Sun et al. Novel technology for mobility and balance tracking in patients with multiple sclerosis: a systematic review
WO2021146368A1 (en) Artificial intelligence-based platform to optimize skill training and performance
Shimizu et al. Reliability of intensity-based physical activity measurement using an activity monitor in people with subacute stroke in the hospital setting: a cross-sectional study
Carretero et al. Ecological momentary assessment for monitoring risk of suicide behavior
Friedberg et al. Efficacy of two delivery modes of behavioral self-management in severe chronic fatigue syndrome
Yannam et al. Research study and system design for evaluating student stress in Indian Academic Setting
Lee et al. Understanding long-term adoption and usability of wearable activity trackers among active older adults
Utesch et al. Self-tracking of daily physical activity using a fitness tracker and the effect of the 10,000 steps goal: A 6-week randomized controlled parallel group trial
US20210121082A1 (en) Method and a processor for determining health of an individual
Marker et al. Upper trapezius muscle activity in healthy office workers: reliability and sensitivity of occupational exposure measures to differences in sex and hand dominance
Xue et al. Quantifying the effects of temperature and noise on attention-level using EDA and EEG sensors
Tsiourti et al. Towards smartphone-based assessment of burnout
Möller Outside the office hours: a scoping review of ecological momentary techniques to assess and treat personality disorders
Berkemeier et al. Towards continuous mental state detection in everyday settings: investigating between-subjects variations in a longitudinal study

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant