메타분석을 통한 디지털 정신건강 개입의 효과성 연구

Abstract

본 연구는 메타분석을 통해 근거 기반의 디지털 정신건강 개입(digital mental health intervention)의 최근 3년 동안의 연구를 포괄적으로 개관하여 그 한계와 가능성을 탐색하였다. 뿐만 아니라 디지털 정신건강 개입의 특성과 내담자의 인구 통계학적 특성에 따른 효과 크기를 조사하여 내담자 중심적 관점과 디지털 기술 의 활용 방향성을 제시하였다. 메타분석 과정은 다음과 같다. 개입 및 내담자 특징과 치료적 효과 간의 관계를 확인하기 위해 통제집단이 존재하는 무작위 통제 임상시험(RCT)에서 사전-사후 (pre-post) 통계치를 모두 표준화된 평균 차이(standardized mean difference) 효과 크기로 변환한 뒤, Hedges와 Olkin(2014)이 제시한 기준에 따라 효과 크기를 해석 하였다. 그리고 연구 결과의 진실성을 위해 전체 연구 결과의 오류를 검증하였다. 깔때기 도표(Funnel plot)로 연구의 비뚤림(bias) 정도를 시각적으로 확인한 후, 민 감도 분석을 하여 통계적으로 재확인하였다. 전체 효과 크기를 종합하기에 앞서 동질성 검정을 하기 위해 Q 검정 통계량과 Higgin의 g 통계량을 계산하였다. 그 결과 연구 간 이질성이 존재하여 연구 간 분산(heterogeneity)을 인정한 변량효과 모형을 선택하여 전체 효과 크기를 산출하였다. 마지막으로 이질성의 원인을 탐색 하고자 메타 ANOVA를 통해 연구자의 가설에 따라 설정한 조절 변수의 효과를 확인하였다. 디지털 정신건강 개입에 대한 메타분석 결과, 전체적으로 중간 수준의 효과 크기 (g=-.418)가 나타났다. 다양한 특성에 따른 하위집단 분석에서는 성별, 문화권, 임 상 중등도 등에 따라 효과 크기가 상이하게 나타났으며, 특히 동양 문화권에서의 효과가 강조되었다(g=-.550). 종결 후 3개월까지 효과가 유지되나, 이후에는 감소 하는 경향을 보였고(1개월 뒤 사후 평가 g=-.493; 3개월 뒤 사후 평가 g=-.208), 디 지털 기술의 상호작용 수준이 효과에 영향을 미치는 것으로 확인되었다(높음 g=-.238; 낮음 g=-.267). 또한, 불안, 스트레스 등에서 높은 효과 크기(불안 g=-.669; 스트레스 g=-.600; 삶의 만족도 g=.405)를 확인했으며, 내담자의 치료에 대한 만족 도가 높을수록 효과가 크게 나타났다(g=-.475). 이 결과들은 디지털 정신건강 개입 의 특성과 효과에 대한 다면적 이해를 제공하였다. 본 연구의 결과가 시사하는 바는 다음과 같다. 첫째, 문화적 차이를 고려한 디지 털 정신건강 개입의 중요성을 강조하였다. 특히 본 연구는 서양과 동양 문화권에 서의 효과 크기 차이를 확인하며, 디지털 정신건강 개입에서 문화적 적응이 핵심 이라는 새로운 시각을 제시한다. 문화적 차이를 고려하지 않은 개입은 일부 문화 에서만 효과적일 뿐 다른 문화에서는 부적절할 수 있다. 따라서 본 연구 결과가 시사하는 문화 적응적 (culturally adaptive) 디지털 정신건강 개입은 내담자에게 더 효과적이고 특화된 서비스를 제공하며, 불균형한 정신건강 서비스 문제를 해결할 가능성을 제공한다. 두 번째, 본 연구는 상호작용의 중요성을 강조하는 동시에 내담자의 특성에 따라 내담자와의 강화된 상호작용 방식이 달라져야 함을 시사한다. 연구 결과는 임상적 으로 중증의 고통을 호소한다면 자동화된 메시지보다 임상가와 직접적 상호작용 이 효과적이며, 오히려 증상이 심각하지 않다면 자조적(self-help) 개입이 더 높은 치료 효과를 이끌 수 있음을 확인하였다. 이러한 결과는 치료자와 의미 있는 접촉 이 효과적인 치료로 이어진다는 선행연구 결과를 지지하는 내용이다(Linardon et al., 2019). 또한 내담자에게 제공되어야 하는 치료의 범위를 제안하여 내담자와 디지털 개입의 특성을 개인화(personalization)함으로써 치료의 효과를 극대화할 필 요가 있음을 시사한다. 미래의 디지털 정신건강 서비스에서는 내담자의 특성을 고 려하여 디지털 기술을 적극적으로 활용하고, 내담자와의 강력한 상호작용을 강조 하기 위한 지속적인 지원을 제공해야 할 것이다. 본 연구의 한계와 후속 연구를 위한 제언으로, 첫째로, 본 연구는 발달 시기별 하위집단 분석을 고려하지 못하였으며, 둘째로 성별 범주에 대한 분석에서 남성 범주에 해당하는 실제 효과 크기 수가 존재하지 않았다. 마지막으로, 회색 문헌을 포함하지 않아 효과 크기 왜곡의 가능성이 시사된다. 이에 따라 후속 연구에서는 발달 시기 및 성별에 대한 더 구체적인 분석과 광범위한 자료 수집이 필요하다.;This study conducted a comprehensive meta-analysis of evidence-based digital mental health interventions over the past three years, aiming to explore their limitations, possibilities, and effects based on participant demographics and intervention characteristics. The meta-analysis involved converting pre-post statistical values from controlled randomized controlled trials (RCTs) into standardized mean differences, interpreting effect sizes according to Hedges and Olkin's criteria. Verification included visual confirmation of bias through funnel plots and statistical confirmation through sensitivity analysis. The results showed a moderate overall effect size (g=-.418), with subgroup analyses revealing variations by gender, cultural regions, and clinical severity, emphasizing stronger effects in East Asian contexts (g=-.550). Effects were sustained up to three months post-intervention, but declined thereafter (1-month follow-up g = -0.493; 3-month follow-up g=-.208), influenced by digital technology interaction levels (high g=-.238; low g=-.267). High effect sizes were observed for anxiety, stress (anxiety g=-.669; stress g=-.600), and satisfaction with treatment (satisfaction g=-.475), providing a multifaceted understanding of intervention characteristics and outcomes. The study highlights the importance of considering cultural differences in digital mental health interventions, emphasizing the need for culturally adaptive approaches. It also underscores the significance of personalization in digital interventions based on client characteristics for maximizing therapeutic effects. However, the study acknowledges limitations, including the absence of age-specific subgroup analysis for males and the exclusion of grey literature. Future research should address these limitations through more specific analyses and extensive data collection, including grey literature.