1. 서론
이 분야는 디지털화된 환자 기록에 대한 안전한 접근 제어와 프라이버시 관리라는 초기 문제에서 출발했다. 2000년대 초기에는 스마트 카드를 기반으로 한 환자 데이터 시스템에서 '알아야 할 필요성(need to know)' 원칙에 따라 인가된 사용자에게만 정보 접근을 허용하는 보안 서비스 구축이 주요 쟁점이었다 [1]. 이 시기에는 환자 중심의 커뮤니케이션과 정보 접근을 지원하기 위해 환자 포털 시스템이 도입되기 시작했다 [2]. 그러나 당시 널리 사용되던 역할 기반 접근 제어(RBAC)는 데이터 접근이 요청되는 구체적인 상황을 반영하지 못하는 한계가 있었다. 이를 해결하기 위해 데이터 요청자, 환자, 수행 작업 등의 인스턴스를 모델링하여 접근 권한을 결정하는 상황 기반 접근 제어(SitBAC) 개념이 도입되었고, 이는 프라이버시 관리의 초점을 정적 권한에서 동적 상황 인지로 변화시켰다 [3].
2010년대에 접어들며 센서 기술이 발전함에 따라 다양한 데이터 수집 환경이 등장했고, 이질적인 시스템 간의 통신 부재가 병목 현상으로 작용했다. 이에 따라 학계와 산업계는 HL7 및 SNOMED와 같은 보건의료 상호운용성 표준 원칙을 이 분야의 핵심 기반으로 기여했다 [4]. 이 시기의 방법론적 발전은 서비스 지향 아키텍처(SOA)를 적용한 스마트 센서 시스템 플랫폼 [5] 및 표준화된 스마트 의류 아키텍처 [6]의 설계로 구체화되었다. 연구자들은 ISO 11073 표준과 웹 기반의 차세대 상호운용성 표준인 FHIR(Fast Healthcare Interoperability Resources) 리소스를 CoAP 프로토콜로 통합하는 아키텍처를 활발히 설계하며 기술적 장벽을 해소해 나갔다 [7]. 이러한 통신 및 매핑 방법론의 발전은 실시간 심전도(ECG) 분류 시스템을 FHIR 표준에 접목하는 등 실시간 생체 데이터의 상호운용성을 가능하게 했다 [8].
상호운용성 인프라가 형태를 갖추면서, 분석의 단위는 임상 기관이 생성한 진료 기록에서 환자 생성 건강 데이터(PGHD)로 확장되었다. 환자가 자신의 건강 데이터를 포털을 통해 공유하고 접근하는 과정에서 소비자의 프라이버시 우려와 인구통계학적 특성을 이해하는 것이 중요해졌다 [9]. 특히 환자 포털의 성공적인 채택을 위해서는 대상 사용자의 인터넷 접근 습관과 건강 정보 이해력(health literacy)을 파악하는 것이 필수적인 요건으로 자리 잡았다 [10]. 2019년에는 PGHD가 임상 워크플로우에 본격적으로 통합되는 전환점을 맞이했다. 환자들이 포털과 연동된 시스템을 통해 자가 측정한 혈당 수치 등을 전자건강기록(EHR)에 직접 업로드하는 시스템이 초기 도입자들에 의해 활용되기 시작했으며, 이는 환자가 수동적인 정보 열람자에서 능동적인 데이터 제공자로 변화했음을 보여주었다 [11].
2020년대 초반 발생한 코로나19 팬데믹은 대면 접촉을 최소화하기 위한 원격 환자 모니터링(RPM)과 광학 웨어러블 기기 활용의 폭발적인 성장을 촉발시켰다 [12]. 환자 포털로의 데이터 접근 패턴 또한 크게 변화하여, 데스크톱 기반에서 모바일 기기 중심으로 사용 매체가 급격히 전환되었다 [13]. 사물인터넷(IoT) 기술을 응용한 스마트 대시보드와 환경 센서 데이터가 폭발적으로 증가하면서 [14], 연속적으로 생성되는 RPM 데이터의 무결성과 기밀성을 보호해야 하는 새로운 보안 과제가 대두되었다. 중앙집중식 시스템의 한계를 극복하기 위해 블록체인 기술 특유의 보안성과 FHIR 표준의 상호운용성을 결합한 탈중앙화 건강 데이터 저장소 아키텍처가 제안되며, 원격 모니터링 환경의 신뢰성을 보장하는 방향으로 연구가 확장되었다 [15].
최근 이 분야는 웨어러블 데이터의 임상적 활용을 대규모 규제 환경과 환자 자율성 중심으로 재편하는 단계에 이르렀다. 상용 스마트워치(예: Garmin)에서 수집된 건강 데이터를 FHIR 서버로 매핑하여 유럽건강데이터공간(EHDS) 및 GDPR 규제 요건을 충족시키는 표준화된 데이터 전송 파이프라인이 실증되었다 [16]. 이와 동시에 데이터 소유권에 대한 개념적 발전이 이루어지며, 환자가 자신의 데이터 공유 결정을 유연하고 투명하게 제어할 수 있는 동적 동의(dynamic consent) 프레임워크가 도입되었다 [17]. 이처럼 상호운용성이 확보되고 환자 주도권이 보장된 데이터 스트림은 오늘날 류마티스 관절염과 같은 만성 질환에서 지속적인 연속 모니터링과 데이터 기반의 질병 관리를 수행하는 실천적 패러다임으로 정착하고 있다 [18].
2. 이론적 배경
본 연구를 둘러싼 주요 개념과 방법론적 동향을 구체적으로 살펴보면 다음과 같다.
| Concept | What it means | Why it matters in this field |
|---|---|---|
| Patient-Generated Health Data (PGHD) | 임상 환경 외부에서 환자가 직접 측정하고 기록하는 건강 상태 데이터 (예: 자가 혈당, 심박수). | 환자가 단순한 진료 대상에서 능동적인 데이터 제공자로 전환됨을 의미하며, 웨어러블 기기와 전자건강기록(EHR) 간 상호운용성의 핵심 대상이기 때문이다 [11]. |
| Fast Healthcare Interoperability Resources (FHIR) | 다양한 의료 정보 시스템 간에 데이터를 교환하기 위해 설계된 웹 기반의 차세대 상호운용성 표준. | 이질적인 웨어러블 기기의 비표준 데이터를 규격화하여 임상 기관 및 탈중앙화 저장소에 원활하게 통합하는 필수적인 수단이기 때문이다 [15]. |
| Remote Patient Monitoring (RPM) | 웨어러블 기기 및 센서를 활용하여 자택 등 원격지에 있는 환자의 생체 데이터를 지속적으로 관찰하는 기술. | 대면 진료의 필요성을 줄이고 지속적인 생체 데이터 흐름을 창출하여 상호운용성 시스템이 처리해야 할 핵심 수요를 형성한다 [12]. |
| Situation-Based Access Control (SitBAC) | 데이터 요청자, 대상 환자, 수행 작업 등 의료 현장의 구체적인 맥락(상황 인스턴스)에 기반하여 데이터 접근을 제어하는 모델. | 전통적인 정적 접근 권한 모델의 한계를 극복하고 민감한 보건 정보에 대한 맥락 인식형 프라이버시 관리를 구현하는 데 필수적인 개념이다 [3]. |
| Dynamic Consent | 환자가 자신의 의료 데이터 공유 및 활용에 대한 동의 수준을 세밀하게 제어하고 시간의 흐름에 따라 유연하게 변경할 수 있는 권한 부여 체계. | 디지털 환경에서 환자의 데이터 소유권 자율성을 강화하고 상호운용성 시스템 내에서 윤리적이고 투명한 데이터 활용을 보장한다 [17]. |
이 분야는 보건 정보학, 원격 통신 및 센서 네트워크 기술, 그리고 임상 의학이 교차하는 다학제적 특성을 지닌다 [5, 9, 18]. 주된 데이터 출처로는 의료 기관의 전자 환자 포털을 통해 축적되는 환자 자가 측정 데이터(PGHD) 기록 [11]과 국가 단위 환자 포털의 기기별 접속 로그 데이터 [13]가 활용된다. 최근에는 상용 스마트워치와 같은 웨어러블 기기에서 수집되는 원시 생체 데이터 환경 센서 데이터 또한 중요한 실증적 기반이 되고 있다 [14, 16].
방법론적 측면에서는 이질적인 상용 웨어러블의 독자적 데이터 포맷을 FHIR 규격으로 변환하기 위해 API를 활용한 매핑 및 전송 파이프라인을 구축하는 아키텍처 설계가 주도적으로 사용된다 [16]. 또한, 민감한 개인 정보의 보안과 접근 제어를 시뮬레이션하기 위해 객체-프로세스 방법론(Object-Process Methodology)을 이용한 상황 모델링 [3]이나, 원격 환자 모니터링 과정에서의 데이터 무결성을 입증하기 위해 블록체인 노드와 FHIR 서버를 결합하는 탈중앙화 실험 [15]이 수행된다. 사용자의 행동 맥락을 파악하기 위해 종이 설문이나 후향적 관찰 연구 기법을 동원하여 채택률과 리터러시를 평가하기도 한다 [10, 11].
3. 문제 제기
이러한 배경 속에서 상호운용성 표준화가 시장에 미치는 실질적 영향에 대한 중요한 논쟁이 대두되고 있다.
개방형 상호운용성 표준의 의무화가 웨어러블 시장의 데이터 독점을 해소하는가, 아니면 빅테크 기업의 시장 지배력을 강화하는가? 공통 표준이 데이터 독점 기업의 락인(Lock-in)을 깨뜨린다는 주장과, 표준 개발을 주도하는 대형 IT 기업들이 데이터 주도권을 더욱 공고히 한다는 비판이 대립한다.
간접적 증거(indirect evidence)에 해당한다. 제시된 문헌들은 웨어러블 헬스케어 시장이나 환자 데이터 상호운용성 표준에 대한 직접적인 실증 분석을 포함하지 않고, 소매 금융(Open Banking), 클라우드 컴퓨팅, 온라인 비디오 플랫폼 등 타 산업 분야의 데이터 이동성 및 빅테크 규제 사례에 의존하고 있다. 따라서 금융이나 클라우드 분야의 개방형 API 및 데이터 표준화 경험이 웨어러블 생태계의 데이터 독점 해소나 빅테크의 지배력 강화로 그대로 전이되는지에 대한 인과적 규명에는 한계가 있다.
시장 경쟁 및 데이터 민주화론은 개방형 데이터 표준과 상호운용성 의무화가 거대 플랫폼의 데이터 독점을 막고 제3자 서비스 선택권을 확대한다고 주장한다. 문헌 검색 결과, 소매 금융 분야의 공통 API 표준화 사례(2022년 연구)와 디지털 시장 내 데이터 이동성을 다룬 경쟁법 연구(2023년 연구)는 상호운용성 정책이 플랫폼의 시장 지배력 남용을 완화하고 경쟁 및 혁신을 유도할 수 있음을 뒷받침한다.
빅테크 시장 독점 강화론은 대형 플랫폼 기업이 기술 표준과 규제 이행 과정을 선점함으로써 시장 통제력을 오히려 공고히 할 수 있다고 우려한다. 제시된 문헌(2022년 빅테크 규제 연구, 2026년 클라우드 인프라 연구, 2021년 비디오 플랫폼 연구)은 거대 플랫폼이 인프라와 데이터 통제력을 통해 시장을 봉쇄할 가능성을 다루고 있으나, 개방형 표준 제정이 빅테크에 의해 악용되어 웨어러블 데이터 접근을 통제한다는 구체적인 메커니즘에 대한 직접적 증거는 제한적이다.
4. 선행 연구 검토
상호운용성 정책의 영향을 파악하기 위해 기존 문헌들이 제시하는 근거와 그 한계를 다각도로 분석할 필요가 있다.
현재 환자의 웨어러블 데이터 접근성 및 헬스케어 상호운용성 표준과 관련하여 직접적으로 확립된 실증적 문헌은 제공된 근거 내에 존재하지 않는다. 그러나 네트워크 시장과 기술 표준 경쟁(standards battles)이라는 인접 분야의 연구를 통해, 새로운 혁신 기술이 시스템 시장에 도입될 때 거대 기업의 참여와 네트워크 제휴가 시장의 향방을 결정짓는 핵심 요소로 작용한다는 점은 폭넓게 보고되어 있다 [19]. 인접 산업에서 이미 성공을 입증한 규모 있는 파트너가 혁신 기술의 후원자로 나설 경우, 해당 기술의 확산이 가속화되며 포맷의 성공에 대한 시장의 신뢰가 형성된다는 동역학이 확인된다 [19].
시장 경쟁 및 데이터 민주화론의 입장은 개방형 상호운용성 표준과 데이터 이동성 의무화가 거대 플랫폼이 웨어러블 데이터를 독점적으로 가두어 두는 락인(Lock-in) 효과를 해체할 것이라고 주장한다. 공통 API 표준 등을 통해 제3자 서비스 제공자들의 데이터 접근성이 확보되면, 플랫폼의 지배력 남용이 완화되고 시장 내 경쟁과 혁신이 촉진되어 궁극적으로 환자 및 소비자의 서비스 선택권이 확대된다는 논리이다. 그러나 현재 제공된 문헌 풀 내에서는 이러한 개방형 표준이 헬스케어 웨어러블 생태계 내에서 실제로 데이터 민주화 메커니즘으로 작동함을 직접적으로 뒷받침하는 실증 연구가 존재하지 않는다.
반대 입장은 대형 IT 기업들이 개방형 상호운용성 표준의 개발과 규제 이행 과정을 오히려 선점함으로써 시장 통제력을 한층 공고히 할 것이라고 우려한다. 웨어러블 기기에 국한된 직접적 증거는 부재하나, 네트워크 시장의 플랫폼 채택에 관한 연구는 이 입장의 기저에 깔린 지배력 강화 메커니즘을 강력하게 설명한다. 인접 산업에서 성공을 거둔 대규모 기업(big players)이 혁신 기술 시스템의 후원자로 참여할 경우, 해당 시스템의 미래 가치와 생존 가능성에 대한 시장의 기대치는 급격히 상승한다 [19]. 다수의 소규모 기업이 참여하는 것보다 단일 거대 기업의 참여를 유도하는 것이 기술 확산에 훨씬 유리하다는 발견은 [19], 상호운용성 표준 제정 및 확산 과정에서도 거대 플랫폼 기업들이 시장 신호(market signal)를 통제하고 생태계의 주도권을 장악할 수 있는 구조적 우위를 지니고 있음을 뒷받침한다.
이 논쟁이 현재의 대립 구도를 갖추게 된 배경에는 시스템 시장(systems markets) 내 혁신 채택과 네트워크 제휴의 성격에 관한 초기 개념적 토대가 자리 잡고 있다. 특정 기술이나 포맷이 시장의 지배적 표준으로 자리 잡기 위한 치열한 경쟁 과정에서, 기업 간의 전략적 제휴는 단순한 기술적 협력을 넘어 시장 참여자들에게 기술의 성공을 확신시키는 강력한 신호(market signal)로 기능한다 [19]. 특히 기업의 고유한 특성(company characteristics)이 해당 표준 시스템의 미래 가치에 대한 시장의 기대를 어떻게 형성하는지를 분석한 문헌은 [19], 오늘날 웨어러블 헬스케어 생태계에서 왜 대형 IT 기업들의 개방형 표준 참여가 단순한 기술 발전의 지표로 해석되지 않고 데이터 독점 심화라는 비판적 쟁점으로 직결되는지를 이해하는 필수적인 이론적 기반을 제공한다.
다른 산업 환경에서의 인접 연구는 상호운용성 의무화가 웨어러블 시장 내 빅테크의 위상에 미칠 영향을 유추하는 데 중요한 통찰을 제공한다. 플랫폼 채택 및 네트워크 시장에 관한 연구에 따르면, 새로운 기술 시스템을 후원할 파트너를 선정할 때 "양보다 질(Quality clearly beats quantity)"이 명확히 우위를 점한다 [19]. 다수의 영세한 혁신 기업을 끌어들이는 것보다 인접 산업에서 이미 검증된 소수의 거대 기업을 유치하는 것이 혁신 기술의 확산을 주도하는 데 훨씬 효과적이라는 것이다 [19]. 유추를 통해 이를 웨어러블 생태계에 적용해 보면, 스마트폰 운영체제나 클라우드 인프라 등 인접 분야에서 이미 압도적인 지위를 구축한 빅테크 기업들이 환자 데이터 상호운용성 표준에 참여할 경우 발생하는 파급력을 예상할 수 있다. 이들의 참여 자체가 강력한 네트워크 편승 효과를 유발하여 표준의 성패를 좌우하게 되며, 결과적으로는 개방형 표준의 본래 취지와 무관하게 웨어러블 데이터에 대한 통제권과 영향력이 소수 플랫폼에 더욱 집중되는 결과를 낳을 가능성이 크다는 점을 시사한다.
제공된 문헌 풀 내에서 상충되거나 일관성 없는 실증적 발견은 확인되지 않는다. 이는 가용한 증거의 극단적인 제한성에서 기인한 것으로, 환자의 웨어러블 데이터 접근성이나 헬스케어 특정 상호운용성 정책의 효과를 다양한 조건(예: 상이한 규제 강도, 상이한 시장 구조)에서 직접적으로 비교 분석한 연구가 부재하기 때문이다. 결과적으로, 시장 경쟁 촉진과 혁신을 지지하는 실증적 결과와 독점 강화를 입증하는 구체적 결과 간의 문헌적 충돌은 현재의 제한된 범위 내에서는 관찰되지 않는다.
이 근거 자료의 가장 결정적인 한계는 환자의 웨어러블 데이터 생태계나 헬스케어에 특화된 상호운용성 표준을 직접적으로 다룬 실증 분석이 전혀 포함되어 있지 않다는 점이다. 유일하게 제공된 문헌 [19]은 일반적인 네트워크 시장과 시스템 시장 내에서의 플랫폼 채택 및 기술 표준 경쟁을 다루는 인접 증거(indirect evidence)에 불과하다. 따라서 범용적인 IT 산업이나 일반 플랫폼 비즈니스 환경에서 관찰되는 기업 간 전략적 제휴의 효과와 대기업의 시장 신호 장악력이, 민감한 개인정보 보호 규제(GDPR 등)와 임상적 활용이라는 특수성이 강하게 얽혀 있는 헬스케어 웨어러블 환경에도 동일한 메커니즘과 강도로 전이되는지를 인과적으로 규명할 수 없다는 구체적인 한계가 있다.
개방형 상호운용성 표준의 의무화가 웨어러블 헬스케어 시장에서 실제로 제3자 중소 혁신가들의 시장 진입 장벽을 낮추고 기존의 데이터 락인(Lock-in)을 해소하는 촉매로 작용하는지, 아니면 거대 빅테크 기업들이 인프라 통제력을 바탕으로 새로운 형태의 데이터 독점 체제를 구축하는 수단으로 악용되는지에 대한 핵심 질문은 전혀 해결되지 않았다. 거대 기업의 참여가 표준 확산에 유리하게 작용한다는 인접 시장의 동역학이 실질적인 환자 데이터 민주화라는 정책적 목표와 필연적으로 충돌하는지, 혹은 규제 설계를 통해 양립 가능한지에 대한 구체적인 메커니즘과 실증적 결론은 현재 문헌을 통해 입증되지 않았다.
이 미해결 과제는 환자의 자율성 보장 및 헬스케어 산업의 구조적 건전성과 직결된다는 점에서 향후 연구의 핵심 가치가 있다. 웨어러블 기기를 통한 지속적인 원격 환자 모니터링 생태계가 안착하기 위해서는 이질적인 기기 간 데이터의 자유롭고 안전한 흐름이 필수적이다. 만약 상호운용성 표준의 도입이 오히려 대규모 플랫폼의 지배력을 정당화하고 강화하는 방향으로 작동한다면, 환자의 민감한 건강 정보는 특정 기업의 독점 자산으로 종속될 위험이 있다. 따라서 일반적인 네트워크 시장에서 관찰되는 거대 기업 중심의 표준화 동역학이 의료 데이터의 개방성 정책 하에서 어떻게 변형되어 발현되는지를 구체적인 API 채택 데이터와 웨어러블 시장 점유율 지표를 통해 직접적으로 검증하는 후속 연구가 절실히 요구된다.
5. 연구 공백 및 연구 목적
이와 같은 선행 연구의 한계를 바탕으로, 본 연구는 구체적인 실증 데이터를 통해 기존의 연구 공백을 메우고자 한다.
개방형 상호운용성 표준의 의무화가 제3자 서비스의 웨어러블 데이터 접근성을 높이는지, 아니면 대규모 플랫폼으로의 데이터 집중을 강화하는지 대립한다. 이종 산업 중심의 일반 네트워크 시장 이론을 넘어, 실제 헬스케어 상호운용성 표준(HL7 FHIR) 규제 도입 후 제3자 개발자의 데이터 API 이용 실태와 빅테크 자회사로의 데이터 수집 편중 현상을 직접 실증한 연구가 부재하다.
현재 상호운용성 논쟁은 타 산업의 네트워크 시장 동역학 문헌 [19]에만 의존하고 있어, 실제 헬스케어 데이터 표준화 정책이 웨어러블 생태계 내 데이터 점유율 변화에 미치는 인과적 영향이 검증되지 않았다. 이에 본 연구는 FHIR 기반 표준 인터페이스 도입 전후의 제3자 헬스케어 앱 개발자들의 API 호출 트래픽 데이터와 빅테크 헬스케어 플랫폼의 데이터 수집 규모 변화를 추적하는 패널 데이터 분석을 수행할 수 있다.
만약 개방형 상호운용성 표준 의무화가 중소 제3자 서비스의 데이터 접근성을 높일 것이라는 지배적 전제가 틀렸다면, 보건의료 정책 담당자들은 기술 표준 규제만으로 데이터 독점을 해소할 수 없음을 인지하고 시장 개입 전략을 수정해야 한다. 디지털 헬스케어 서비스 개발자와 플랫폼 참여자들은 표준 인터페이스 채택 후에도 대규모 플랫폼으로 데이터 쏠림이 심화되는 현상에 대응하여 독자적인 서비스 생태계 생존 전략을 재검토하게 된다. 결과적으로 규제 당국은 단순한 기술적 상호운용성 강제를 넘어 대형 플랫폼의 데이터 독점을 직접 완화하는 경쟁 정책적 개입을 병행하는 의사결정을 내리게 된다.
6. 연구 질문 및 가설
상기한 연구 목적을 달성하기 위해 다음과 같은 구체적인 연구 질문과 가설을 설정하였다.
1. 정책 시행 전후를 기점으로 제3자 비(非)빅테크 앱과 빅테크 종속 앱 간의 트래픽 점유율 궤적은 어떠한 비대칭적 차이를 보이는가?
2. 이러한 점유율 변화 추이는 앱의 서비스 카테고리(예: 만성질환 관리 vs. 단순 피트니스)에 따라 다르게 나타나는가?
이 연구는 네트워크 시장(network markets) 및 시스템 시장에서의 기술 채택과 표준 경쟁 이론에 기반을 둡니다. 인접 산업 연구는 새로운 기술 시스템이 도입될 때 거대 기업의 참여가 시장의 기대치를 결정짓는 강력한 네트워크 신호로 작용하여 궁극적으로 시장 지배력 확보를 시사하는 유추적 근거를 제공합니다 [19]. 이러한 동역학은 헬스케어 데이터 표준화 영역에서도 상호운용성이 락인(Lock-in) 해소 및 시장 개방을 이끈다는 입장 [20, 21]과, 오히려 거대 플랫폼이 인프라 주도권을 장악하여 데이터 독점을 심화시킬 것이라는 우려 [22, 23, 24] 간의 대립을 설명하는 핵심 이론 틀로 작용합니다. H1은 공통 표준에 의한 진입 장벽 완화 기제를 지지하며, H2는 빅테크의 시장 신호 장악과 네트워크 편승 효과가 표준의 개방성을 압도한다는 이론적 기제를 반영합니다.
7. 연구 방법
설정된 연구 질문과 가설을 검증하기 위해 본 연구는 다음과 같은 접근법을 채택하였다.
연구 설계
데이터 및 표본
2. 기업 DB를 활용하여 식별된 각 앱 퍼블리셔의 모회사를 추적, 빅테크/제3자 여부 라벨링 부여.
3. 타임스탬프를 기준으로 월별/분기별 각 앱의 트래픽을 집계하여 생태계 내 점유율(%) 산출.
4. 헬스케어 상호운용성 규제 시행일(Intervention Date) 정보를 병합하여 관찰 시점에 Pre/Post 마킹.
5. 이상치 및 비활성 앱(도중 서비스 중단 등)을 정제한 최종 분석용 패널 데이터 구축.
변수 및 조작적 정의
| Variable | Role | Operationalisation | Measure/instrument | Provenance |
|---|---|---|---|---|
| Policy Intervention | IV | 규제 발효 전후를 나타내는 이분형 더미 변수 | 관보 및 정책 시행일 기록 | NiNi Proposed |
| Third-Party Share | DV | 월별/분기별 API 트래픽 로그 상 제3자 앱이 차지하는 비중 | 앱 분석 플랫폼 또는 API 게이트웨이 로그 기반 백분율(%) | NiNi Proposed |
| Big Tech Share | DV | 월별/분기별 활성 사용자/데이터 트래픽 중 빅테크 자회사 앱의 비중 | 앱 분석 플랫폼 활성 사용자(MAU) 및 트래픽 로그 기반 백분율(%) | Inferred |
| Company Type | Moderator | 모회사 기준 빅테크 여부 (0: 제3자, 1: 빅테크) | 기업 소유 구조 데이터베이스(Crunchbase 등) | NiNi Proposed |
| App Category | Control | 카테고리별 시장 규모 변화 | 앱 마켓 카테고리별 시장 규모 추이 데이터 | Verification Required |
| Construct | Conceptual definition | Operational definition | Items/indicators & scale | Scoring & aggregation rule | Reliability/validity evidence to check | Provenance |
|---|---|---|---|---|---|---|
| 정책 개입 (Policy Intervention) | 개방형 상호운용성 표준(HL7 FHIR 등) 기반 데이터 공유 의무화 정책이 발효된 상태 | 정부 관보 또는 공식 정책 문서에 명시된 법적/제도적 시행일을 기준으로 한 시점 분리 | Pre/Post 이분형 더미 (0=시행 이전, 1=시행 이후) | 관찰 월/분기가 시행일 이후일 경우 1 부여 | 다른 시장 규제 발효 시점과의 중복 여부 확인 | NiNi Proposed |
| 데이터 독점 (Data Monopoly) | 거대 플랫폼이 시장의 웨어러블 데이터를 집중적으로 점유하고 통제하는 정도 | 시가총액 상위 글로벌 IT 기업(모회사 기준)이 소유한 자회사 앱들이 전체 헬스케어 트래픽 및 MAU에서 차지하는 점유율 산출 | 연속형 비율(%) 변수 | 월별 (빅테크 자회사 총 트래픽 / 전체 트래픽) * 100 | 모회사/자회사 매핑의 누락 여부 검토 | Inferred |
(모회사 분류 기준과 트래픽 산출의 경우 공식적으로 검증된 단일 도구가 없으므로, 소규모 파일럿 코딩을 통해 Crunchbase 기업 구조 데이터와 Sensor Tower 앱 식별자의 일치도를 평가하여 파일럿 룰셋을 구축해야 합니다.)
분석 계획
| Symbol | Meaning | Value/Range |
|---|---|---|
| 월별 앱 트래픽 점유율 | 연속형 연속 비율 (0~100) | |
| 정책 및 집단 상호작용항을 포함한 예측 변수 행렬 | 설계 행렬 | |
| 효과 크기를 나타내는 추정 계수 벡터 | 추정 계수 | |
| 앱 개별 고유 특성 통제 | 고정 효과 (app-specific) | |
| 특정 시점의 거시적 공통 충격 통제 | 고정 효과 (time-specific) | |
| 모형에 설명되지 않는 잔차 | 오차항 |
8. 기대 효과 및 연구의 한계
본 연구가 성공적으로 수행될 경우 예상되는 기대 효과와 방법론적 제약은 다음과 같다.
기대 효과
연구의 한계
9. 연구 타당성 및 실현 가능성
본 연구의 원활한 수행을 보장하기 위해 다음과 같은 전제 조건 및 타당성 요건들을 점검하였다.
주요 가정 (Critical Assumptions)
실현 가능성 점검 요건
| Requirement | What is needed | Availability status | Fallback if unavailable |
|---|---|---|---|
| Data Access | 앱 단위 월별/분기별 장기 API 호출 로그 및 MAU 패널 데이터 | Requires verification | 없음 (비중 지표만을 유일한 평가 기준으로 명시하며, 데이터 접근 비중 지표 확보 불가 시 대체 불가) |
| Measurement | 모회사 지분 구조에 따른 명확한 빅테크 종속/독립 기업 식별 DB | Requires verification | 연구진이 분석에 요구되는 적정 통계적 검정력을 만족하는 상위 앱 N개의 명칭을 기반으로 수동 라벨링 코딩 |
| Temporal Resolution | 정책 시행일을 세밀하게 분할할 수 있는 월별/분기별 로그 타임스탬프 | Requires verification | 없음 (시계열 데이터 확보 불가 시 해당 연구 포기) |
| Analysis Software | 대규모 패널 데이터 병합 및 계량경제학 분석(DiD)을 처리할 통계 패키지/환경 | Confirmed | N/A (표준 R/Stata 사용 가능) |
Overall feasibility: 계량 분석 역량은 충분하나, 요구되는 핵심 시계열 트래픽 데이터의 상용 확보 가능 여부 및 기업 지배구조 매핑의 정확성에 따라 전체 연구의 실행 여부가 좌우됩니다.
검증 필요 수치
| Number | Where it appears | Why it is an estimate | How to verify it |
|---|---|---|---|
| 최소 분기별 패널 분석을 위한 충분한 시계열 해상도 | Critical Assumptions / Feasibility | 관찰적 패널 분석에서 유의미한 변화 추세를 식별하기 위해 통상적으로 요구되는 사전/사후 시계열 요건임 | 구독 예정인 앱 분석 플랫폼 데이터베이스 내 헬스케어 관련 로그의 과거 보존 연한을 직접 조회하여 확인 |
| 분석에 요구되는 적정 통계적 검정력을 만족하는 상위 앱 N개 | Feasibility (Fallback) | 기업 DB 연동 실패 시 수동 라벨링을 수행할 수 있는 합리적인 주요 앱 퍼블리셔의 수임 | 실제 추출된 상위 헬스케어 앱 리스트의 트래픽 누적 분포(Pareto rule 적용 여부)를 파악하여 설정 |
(본 수치들은 연구 계획 수립을 위해 AI가 생성한 기획용 추정치이므로, 연구 실행 전 현장 데이터 및 자원 상황에 맞춰 반드시 검증 및 조정되어야 합니다.)
10. 윤리적 고려사항
데이터 수집 및 분석 과정에서 요구되는 윤리적 기준을 준수하기 위해 다음 사항들을 고려하였다.
이 연구는 2차 집계된 상용 모바일 생태계 데이터 및 기업 단위의 API 트래픽 통계만을 활용하며 개인의 민감한 환자 정보나 개인 식별 정보(PII)를 다루지 않으므로 인간 대상 연구 최소 위험(Minimal risk) 수준에 해당합니다. 따라서 소속 기관의 생명윤리위원회(IRB) 심의를 통해 인간 대상 연구 최소 위험 요건 충족 여부를 확인받을 예정입니다. 비록 개인정보 문제는 없으나, 제3자 상용 데이터를 연구 목적으로 활용하는 과정에서 서비스 제공자의 데이터 이용 약관 및 지식재산권을 준수해야 하며, 특정 기업의 영업 기밀이 침해되지 않도록 원시 트래픽의 구체적 절대수치 대신 범주화 혹은 백분율화된 형태로 익명화 처리하여 결과를 보고할 계획입니다. 승인 가능 여부는 데이터 확보 계약이 선행된 이후 최종 검증됩니다.