[논문 리뷰] Characterizing physiological and symptomatic variation in menstrual cycles using self-tracked mobile health data

Kathy Li, Iñigo Urteaga외 5명|arXiv (Cornell University)|2019. 09. 24.

Evolutionary Psychology and Human Behavior참고 문헌 61인용 수 10

한 줄 요약

이 연구는 378,000명 이상의 Clue 앱 사용자로부터의 익명화된 자기 기록 모바일 헬스 데이터를 활용하여 생리주 동안의 생리적 변동성과 증상 패턴을 규명한다. 저활동도의 주기를 걸러내어 일관되게 규칙적인 주기와 고도로 변동성이 큰 주기 사이의 증상 기록 패턴에 통계적으로 유의미한 차이를 발견하였으며, 증상 보고가 주기 길이의 변동성과 관련이 있으며, 난소발달증과 같은 질환의 임상 지표로 활용될 수 있음을 시사한다.

ABSTRACT

The menstrual cycle is a key indicator of overall health for women of reproductive age. Previously, menstruation was primarily studied through survey results; however, as menstrual tracking mobile apps become more widely adopted, they provide an increasingly large, content-rich source of menstrual health experiences and behaviors over time. By exploring a database of user-tracked observations from the Clue app by BioWink of over 378,000 users and 4.9 million natural cycles, we show that self-reported menstrual tracker data can reveal statistically significant relationships between per-person cycle length variability and self-reported qualitative symptoms. A concern for self-tracked data is that they reflect not only physiological behaviors, but also the engagement dynamics of app users. To mitigate such potential artifacts, we develop a procedure to exclude cycles lacking user engagement, thereby allowing us to better distinguish true menstrual patterns from tracking anomalies. We uncover that women located at different ends of the menstrual variability spectrum, based on the consistency of their cycle length statistics, exhibit statistically significant differences in their cycle characteristics and symptom tracking patterns. We also find that cycle and period length statistics are stationary over the app usage timeline across the variability spectrum. The symptoms that we identify as showing statistically significant association with timing data can be useful to clinicians and users for predicting cycle variability from symptoms or as potential health indicators for conditions like endometriosis. Our findings showcase the potential of longitudinal, high-resolution self-tracked data to improve understanding of menstruation and women's health as a whole.

연구 동기 및 목표

• 생리주 길이의 변동성이 자가 보고한 증상과 어떻게 관련되어 있는지 이해하는 것.
• 저활동도 주기를 걸러내어 자기 기록 모바일 헬스 데이터의 잠재적 편향을 완화하고 진정한 생리적 패턴을 분리하는 것.
• 다양한 수준의 주기 길이 변동성과 관련된 통계적으로 유의미한 증상 기록 패턴을 식별하는 것.
• 변동성 스펙트럼 전반에서 주기 길이 및 기간 길이 통계치가 시간이 지남에 따라 안정적인지 평가하는 것.
• 증상 기록이 난소발달증과 같은 기저의 생식 건강 장애를 대체 지표로 활용할 수 있는지 평가하는 것.

제안 방법

• Clue 앱에서 확보한 익명화된 종단적 자기 기록 데이터를 사용하여, 378,000명의 사용자로부터 총 490만 개의 자연주를 분석하였다.
• 각 사용자별 주기 길이의 변동성을 변동계수(CV)로 정의하여, 일관되게 변동성이 낮은 집단과 높은 집단으로 사용자 분류를 수행하였다.
• 저활동도 주기를 제거하기 위한 사용자 참여도 필터를 적용하여 데이터 품질을 향상시키고 잡음 요소를 줄였다.
• 두 표본 K-S 검정을 사용하여 변동성 집단 간 증상 보고 비율의 경험적 누적분포함수를 비교하였다.
• 극단적인 증상 보고 비율(p(λs > 0.95) 및 p(λs < 0.05))에 대한 오즈비를 계산하여 일관되게 또는 희귀하게 증상을 기록하는 데의 차이를 평가하였다.
• KS 검정 통계량의 95% 신뢰구간을 추정하기 위해 부트스트랩 리샘플링(100,000회 반복)을 적용하였다.

실험 결과

연구 질문

• RQ1 주기 길이의 변동성은 생리주 동안 자가 보고한 증상 기록 패턴과 어떻게 관련되어 있는가?
• RQ2 증상 보고 패턴을 통해 일관되게 규칙적인 주기와 고도로 변동성이 큰 주기를 가진 여성들을 구분할 수 있는가?
• RQ3 다양한 수준의 주기 변동성에서 주기 길이 및 기간 길이 통계치가 시간이 지나도 안정적인가?
• RQ4 자기 기록 증상 패턴이 실제로 생리적 변동성을 반영하는지, 아니면 기록 오류에 기인한 무작위 패턴인가?
• RQ5 어떤 증상이 주기 길이의 변동성과 통계적으로 유의미하게 관련되어 있으며 잠재적인 건강 지표로 활용될 수 있는가?

주요 결과

• 일관되게 고도로 변동성이 큰 주기를 가진 여성들은 일관되게 규칙적인 주기를 가진 여성들과 비교해 유의미하게 다른 증상 기록 패턴을 보이며, 콜모고로프-스미르노프 검정을 통해 다수의 증상에서 유의미한 유의수준(p < 0.05)을 확보하였다.
• 경련, 두통, 기분 변화 등의 증상은 주기 길이의 변동성과 통계적으로 유의미하게 관련되어 있으며, 오즈비는 변동성이 높은 사용자에서 일관된 보고가 더 높은 가능성을 나타낸다.
• 증상 기록 비율(λs)은 변동성 집단 간에 의미 있는 차이를 보이며, 일부 증상은 변동성이 높은 사용자에서 거의 모든 주기에 기록되는 경향이 있다.
• 주기 길이 및 기간 길이 통계치는 전체 변동성 스펙트럼에서 시간이 지나도 안정되어 있으며, 장기적인 패턴이 안정적임을 시사한다.
• 증상 보고 패턴은 무작위적인 기록 오류가 아니라 주기 길이 변동성과 관련된 실제 생리적 및 행동적 차이를 반영한다.
• 본 연구는 사용자 참여도를 적절히 걸러낸 고해상도 자기 기록 모바일 헬스 데이터가 적절히 처리될 경우 여성 건강 분야에서 임상적으로 유의미한 패턴을 신뢰성 있게 드러낼 수 있음을 입증한다.