사용자가 미리 입력한 구강건강 알림 시각은 실제 칫솔질보다 늦는 경우가 잦았다. 알림과 칫솔질이 모두 있었던 1,808개 12시간 window 가운데 칫솔질이 먼저 일어난 비율은 전체 47.6%, 참가자별 평균 47.2±21.8%였다. 이 불일치를 줄이는 온라인 개입 시점 선택법이 arXiv:2607.09518v1에 제안됐다.
분석 자료는 2023년 9월부터 2024년 7월까지 진행된 구강건강 마이크로-무작위화 시험이다. 등록 79명 중 동기화 문제가 있는 10명을 빼고 69명을 분석했다. 참가자마다 하루 두 번, 최대 70일 동안 최대 140개 결정 시점이 있었으며 총 9,660개 window 중 56.4%에서 칫솔질, 34.3%에서 프롬프트 전송이 관측됐다. 프레임워크는 매 결정 시점에 후보 시간을 먼저 정하고 그때 프롬프트를 보낼지도 선택한다. leave-one-subject-out 평가에서 사용자 입력, 고정 오프셋, 모델 평균+오프셋, 모델 평균+불확실성을 비교했다. 개입이 관측된 칫솔질 직전에 허용오차 안으로 들어오는 비율인 coverage가 평가 지표다.
허용오차 5시간에서 고정 사용자 입력은 52.64±20.97%, 사용자 입력+오프셋은 63.39±21.13%였다. 온라인 Bayesian linear regression의 평균+오프셋은 71.20±17.06%, 평균+불확실성은 70.42±15.43%였다. 개입이 이후 행동 분포를 바꾸는 data-driven·moderate-effect·strong-effect 환경을 각각 100회 반복한 시뮬레이션에서도 적응형 전략의 coverage가 높았다.
| 허용오차 5시간 전략 | Coverage (평균±표준편차) |
|---|---|
| Baseline (User Input) | 52.64 ± 20.97% |
| User + Offset | 63.39 ± 21.13% |
| Online BLR Mean + Offset | 71.20 ± 17.06% |
| Online BLR Mean + Uncertainty | 70.42 ± 15.43% |
자료: STORIUM 정리
이 연구는 알림 내용의 치료 효과가 아니라 시점 정렬을 평가했다. 참가자별 관측이 제한적이고 칫솔질이 기록되지 않은 window는 right-censored다. 관측 자료의 비교와 시뮬레이션만으로 실제 구강건강 결과 개선을 확정할 수 없으며, 논문은 진행 중인 무작위대조시험에 프레임워크를 배포했다고만 밝혔다.
저작권자 © STORIUM 무단전재 및 재배포 금지
