Influence of Lifestyle Pattern on Preference for Prosthetic Hands: Understanding the Development Pathway for 3D Printed Prostheses

Jong Jin Kim, jinseok-kim, 이종수, Jungwoo Shin (2022) · Journal of Cleaner Production 379:134599 · DOI ↗

의수 (prosthetic hand) 선택에서 lifestyle pattern 이 사용자의 attribute 선호 구조를 어떻게 분리하는지 discrete-choice-experiment + latent-class-model 로 식별한다. 한국 일반인 701 명 face-to-face DCE 결과, 3 개 lifestyle class 가 도출 — Class 1 (31.3%, 가정형, price 67.62% 비중) · Class 2 (35.0%, 청년 외향형, dexterity 50.73% 비중) · Class 3 (33.7%, 활동형, weight 54.86% 비중). 3D-printed 의수의 시장 침투는 Class 1 에 가장 강하며 (가격 우위, market share 61.11%), Class 2 는 dexterity 가 123.4% 개선되어야 myoelectric 을 추월한다.

RQ: 의수 선택은 단순히 장애 유형이나 사회인구학적 변수로 설명되는가, 아니면 lifestyle pattern 별 이질적 선호 구조가 존재하는가? 3D-printed 의수의 시장 침투 경로는 어디인가?
방법론: discrete-choice-experiment, latent-class-model, 한계 지불의사, 시나리오 분석
데이터: 한국 8 개 도시 20~~59 세 N=701 (Gallup Korea face-to-face, 2019-04-01~~22), 의수 5 attribute (가격 3 수준 KRW 200만~~800만 / 무게 4 수준 500g~~2kg / dexterity 3 수준 2~~6 movements / AS 3 수준 100~~300 days / education 2 수준) × 216 조합 중 fractional factorial 24 alternatives, 6 choice sets
주요 발견: 3 class LCM (CAIC = 8420.9 가 최저로 최적); Class 1 (31.3%) 가정 시간 多 — price RI 67.62%, 3D-printed market share 61.11%; Class 2 (35.0%) 청년·외향형 — dexterity RI 50.73%, myoelectric 57.64% 선호; Class 3 (33.6%) 활동형 — weight RI 54.86%, advanced myoelectric 33.52% 선호; 3D-printed 가 myoelectric 대체하려면 Class 2 dexterity +123.4%, Class 3 weight -18.48% 필요
시사점: 정부 의수 R&D 예산 (한국 의료기기 R&D KRW 30.2B + 일상 보조기기 KRW 4.8B) 의 우선순위는 class 별 차별화. Class 1 → 가격·정보 접근성; Class 2 → 기능 (dexterity); Class 3 → 무게 경량화

Fig. 1. 3D-printed 의수 attribute 개선에 따른 4 종 의수 (body-powered · myoelectric · advanced myoelectric · 3D-printed) market share 변화. Class 별로 sensitivity 곡선이 뚜렷이 달라, 동일한 R&D 투자가 class 별 다른 효과를 낳음을 시각화.

요약

WHO-UNICEF 2022 보고에 따르면 25 억 인구가 보조기기를 필요로 하며 이는 2050 년 35 억으로 증가할 전망이다. 의수 같은 prosthetic device 는 customization 압력이 특히 큰데, 전통 의수 (body-powered · myoelectric · advanced myoelectric) 는 모두 가격 (KRW 175만~~1500만) · 무게 (0.6~~1.3kg) · 기능 (2~8 movements) 의 trade-off 가 첨예하다. 3D-printed 의수는 저비용 · 빠른 생산 · 높은 맞춤성으로 unmet needs 를 만날 후보지만, 시장 침투 경로 (어느 attribute 를 먼저 개선해야 어느 사용자 segment 에 도달하는가) 가 실증되지 않았다. 본 논문은 이종수 · Jungwoo Shin 연구진의 healthcare consumer-choice 라인 안에서, lifestyle pattern (시간 배분) 을 latent class 의 membership 변수로 도입해 이 trade-off 를 사용자 segment 별로 분해한 첫 작업이다.

discrete-choice-experiment 는 의수 5 attribute (price 3 수준 · weight 4 수준 · dexterity 3 수준 · after-service 3 수준 · education 2 수준) × 216 조합 중 fractional factorial 24 alternatives 를 6 choice sets 로 묶고, 각 set 4 alternatives 의 ranking 을 수집. latent-class-model 의 utility 는 $U_{njt|q} = \sum_k \beta'_{k|q} x_{jkt} + \varepsilon$ 으로 class-specific coefficient. Class 수는 CAIC 최저화로 3 class 결정 (CAIC = 8420.9 < 4 class 의 8433.98). 결과: Class 1 (31.3%) price 계수 -0.869 *** (RI 67.62%) · weight 계수 -0.547 ** · dexterity 계수 +0.250 ***; Class 2 (35.0%) dexterity 계수 +1.974 *** (RI 50.73%) · price 계수 -0.651 *** · weight 계수 -1.939 ***; Class 3 (33.6%) weight 계수 -1.576 *** (RI 54.86%) · dexterity 계수 +0.229 *** · price 계수 -0.0904 ***. Membership 변수: 가정 시간 ↑ → Class 1 (계수 0.168 **), 직장·여가 시간 ↑ → Class 2 (각 0.137 · 0.204 **).

Market share 시뮬레이션 (base scenario: body-powered KRW 175만/0.7kg/2mv, myoelectric KRW 600만/1.3kg/6mv, advanced myoelectric KRW 1500만/0.6kg/8mv, 3D-printed KRW 140만/0.8kg/3mv) 결과: Class 1 → 3D-printed 61.11% > body-powered 37.08% > myoelectric 1.81%; Class 2 → myoelectric 57.64% > advanced myoelectric 33.13% > 3D-printed 8.14%; Class 3 → advanced myoelectric 33.52% > 3D-printed 26.61% > body-powered 24.00% > myoelectric 15.87%. Scenario analysis: 3D-printed 가 Class 2 의 myoelectric 을 추월하려면 dexterity +123.4%, advanced myoelectric 추월에 +161.19% 필요. Class 3 의 advanced myoelectric 추월에 weight -18.48% (dexterity 라면 +133.8% 필요). 정책 함의: 3D-printed 의수 R&D 우선순위는 dexterity > weight 순. Class 1 의 3D-printed 침투 (가격 우위) 는 정보 접근성 정책이 결정적.

핵심 결과

LCM 추정 (3 class, log-L = -4,021.637, CAIC = 8,420.9)

Attribute	Class 1 (31.3%)	Class 2 (35.0%)	Class 3 (33.6%)
Price 계수	−0.869***	−0.651***	−0.0904***
Weight 계수	−0.547**	−1.939***	−1.576***
Dexterity 계수	+0.250***	+1.974***	+0.229***
AS 계수	+0.0279***	−0.0383	+0.0124
Education 계수	−0.116	−0.0888	+0.239**

*** p<0.01, ** p<0.05.

Relative Importance (% 비중)

Attribute	Class 1	Class 2	Class 3
Price	67.62	25.09	12.58
Weight	10.64	18.69	54.86
Dexterity	12.97	50.73	21.26
AS	7.26	4.92	5.76
Education	1.50	0.57	5.55

Market share (base scenario)

의수 type	Class 1	Class 2	Class 3
Body-powered	37.08%	1.09%	24.00%
Myoelectric	1.81%	57.64%	15.87%
Advanced myoelectric	0.00%	33.13%	33.52%
3D-printed	61.11%	8.14%	26.61%

Substitution 임계치 (3D-printed → 기존 추월)

Class 2: dexterity +123.4% → myoelectric 추월; +161.19% → advanced myoelectric 추월
Class 3: weight −18.48% → advanced myoelectric 추월; dexterity +133.8% (대안 경로)

방법론 노트

latent-class-model 은 mixed logit 의 alternative 로, 모집단이 $Q$ 개 잠재 class 로 구분되고 같은 class 내 동일 선호 구조를 가정한다 (Greene and Hensher 2003). 개인 $n$ 의 class $q$ · alternative $j$ · choice set $t$ 효용:

U_{njt|q} = \sum_{k} \beta'_{k|q} x_{jkt} + \varepsilon_{njt|q}

choice probability (type-I extreme value $\varepsilon$ ):

P_{njt|q} = \frac{\exp(X_{jt}' \beta_q)}{\sum_{J} \exp(X_{jt}' \beta_q)}

Class membership 은 multinomial logit:

H_{nq} = \frac{\exp(z_n' \theta_q)}{\sum_Q \exp(z_n' \theta_q)}

여기서 $z_n$ 은 observable membership 변수 (gender, age, education, income, time spent at home/work/leisure, innovation perception). Likelihood 는 두 결합:

\ln L = \sum_N \ln \left[ \sum_Q H_{nq} \prod_{t=1}^T P_{nt|q} \right]

Attribute $k$ 의 marginal WTP 는 $\mathrm{MWTP}_{x_k} = -\hat{\beta}_{nk} / \hat{\beta}_{n,\text{price}}$ 로 추정. 식별은 24 alternatives 의 orthogonal design + class-specific coefficient 의 동시 추정 + membership 변수의 between-class variation 에서 온다. 최적 class 수는 CAIC 최저화 (Pacifico and Yoo 2013) — 1 class CAIC 9034.9 → 2 class 8462.6 → 3 class 8420.9 → 4 class 8433.98, 3 에서 최저.

연구 계보

본 논문의 직접 선행은 How Are High-Tech Assistive Devices Valued in an Aging Society? Exploring the Use and Non-Use Values of Equipment That Aid Limb Disability (같은 저자 그룹의 동일 표본 사용, CVM 으로 보조기기 가치 평가) — 본 paper 는 같은 N=701 face-to-face 설문의 DCE 모듈 을 활용한 자매 작업이다. 방법론 조상은 Greene and Hensher (2003) 의 LCM, McFadden (1973) 의 MNL, Train (2009) 의 MLE. 의수 사용자 lifestyle 문헌의 직접 인용은 Cordella et al. (2016) · Resnik et al. (2019) · Chadwell et al. (2020) — 모두 lifestyle factor 의 중요성을 강조했지만 segmentation 까지 정량화하지 않았다. TEMEP 내 이종수 author page 의 제3기 demand-side econometrics 확장 라인 안에서 healthcare valuation sub-line 의 LCM 적용 작업이며, sibling How Are High-Tech Assistive Devices Valued in an Aging Society? Exploring the Use and Non-Use Values of Equipment That Aid Limb Disability 와 함께 고령 사회 보조기기 가치 평가 2 부작 (CVM × DCE) 을 구성한다.

인접 그래프

1-hop 이웃 9개

인물 3
방법론 1
개념 1
수록처 1
분류 1
논문 2

휠 = 확대/축소 · 드래그 = 이동 · hover = 강조 · 클릭 = 페이지 이동

이 문서를 가리키는 페이지

논문 (2)

인물 (1)

이종수