[논문]식중독 발생지수 개발

최국렬; 김병수; 배화수; 정우석; 조영준

doi:10.5351/kjas.2008.21.4.649

초록
AI-Helper

외식산업의 발달과 함께 학교와 기업 등의 단체 급식이 증가하고 있는 오늘날, 관련분야에서는 식중독 예방에 대해 많은 관심을 갖고 연구하고 있다. 우리나라에서는 온도에 따른 세균의 증식속도를 이용하여 식중독지수를 개발하여 식중독 위험에 대한 정보를 제공하고 있는데 그 정보가 식중독 발생상황과는 차이가 있음이 지적되고 있다. 본 연구에서는 최근 3년간($2004{\sim}2006$년)의 일별 식중독 발생과 기상자료를 이용하여 일 최고기온, 습도, 월효과를 설명변수로 하고, 식중독 발생건수를 반응변수로 하는 로그선형모형(Log Linear Model)을 이용하여 식중독 발생의 위험을 예보할 수 있는 사고발생지수를 개발하였다. 개발된 지수와 기존지수를 비교한 결과 개발된 지수가 식중독 발생 상황을 반영함에 있어서 더 나은 설명력이 있음이 나타났다.

Abstract ▼ AI-Helper

As the Eating Out Businesses are making rapid progress and most of the schools and the firms serve the meals, the foodborne disease has occurred increasingly and lots of researches and the policies are studied to prevent it. In Korea, the foodborne disease index for prevention is developed by using ...

As the Eating Out Businesses are making rapid progress and most of the schools and the firms serve the meals, the foodborne disease has occurred increasingly and lots of researches and the policies are studied to prevent it. In Korea, the foodborne disease index for prevention is developed by using bacterial growth rate on the temperature to give the information about the danger level of the foodborne disease, but the gap between real status of the occurrences and the predicted danger level has been pointed out. This study aims at developing the index of the foodborne occurrence based on the log linear model using the data of the foodborne disease occurrence and the meteorological data for the last three years($2004{\sim}2006$). Comparison between the new index and the existing index showed that the new index is better in explaining the foodborne disease occurrence.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 기존지수를 보완하고 식중독 발생상황을 더 잘 설명할 수 있는 지수를 개발하기 위해 식중독 발생건수를 반응변수로 하고 설명변수로는 일 최고기온과 상대습도 그리고 월효과를 사용하여 통계적 모형을 적합시키고 이로부터 식중독 사고발생지수를 개발하게 되었다.

제안 방법

개발된 모형으로부터 식중독이 1건 이상 발생할 확률을 근거로 사고발생지수를 개발하여, 기존지수의 범위와 근접하도록 변환하여 전국의 식중독 일평균발생건수를 예측하였고, 예측 값에 의해 네 단계로 예보단계를 나누었다. 기존지수와 사고발생지수에 대한 발생건수와의 상관분석에서 개발된 지수는 기존지수보다 두 배 이상의 상관관계를 보이며 발생상황을 잘 설명하였으며 지난 3년간의 (2004년~2006년) 자료를 통해서 나타난 월별 발생상황에서도 기존지수가 설명하지 못한 6월과 9월의 발생상황을 잘 설명해주고 있음을 보였다.
또한 얻어진 모형은 서울/경기/인천 지역의 자료를 이용하였으므로 전국 지역에 대한 일 평균 발생 건수에 대한 예측을 하기 위해 인구에 대한 정보를 이용하기로 한다. 표 3.
예측력이 부족하다는 점이 지적되어 왔다. 본 연구에서는 이를 보완하기 위하여 지난 3년간의 서울/경기/인천 지역의 세균성 식중독 발생자료를 기반으로 일 최고기온과 함께 월 효과와 상대습도를 고려하고 식중독 발생건수를 반응변수로 하여 포아송 확률분포를 이용한 로그선형모형을 적합시켰다.
(Agresti, 2007; Lindsey, 1995). 설명변수로는 세균의 증식 조건 중, 온도와 수분활성도와 관계되는 일 최고기온과 상대습도를 선택하고 이 조건에서 예측할 수 있는 상황과 실제 발생상황에 대한 차이를 보완하기위해 월 효과를 추가하기로 한다. 겨울과 봄 동안에는 식중독에 안일하게 대처하다가 6월경에는 장마나 온난화로 인한 기온의 상승 등으로 무방비상태에서 식중독이 발생하게 되고 이로부터는 매우 조심을 하기 때문에 7, 8월에는 균의 증식이 높은 조건에도 불구하고 발생이 낮아진다고 볼 수 있으므로 이를 월효과로 모형에 나타낼 수 있도록 한다.

대상 데이터

식중독 발생은 흔히 일어나는 경우(평균 10% 전후)가 아니므로 발생에 대한 자료가 부족하고 원인물질이 불명(30% 가량)인 자료가 많아서 모형 구축에 어려움이 있었으나 본 연구에서는 주된 원인물질인 세균으로 국한시켰다. 기상자료에 대해서도 전국을 대상으로 하면 자료의 양도 많아지고 모형 구축에 도움이 될 수 있으나 기상자료의 대표값 선정에 대한 방법론에서 기상청에서도 뚜렷하게 제시하지 못해서 서울/경기/인천 지역의 자료로 서울 관측소의 값을 사용하였다. 기상변수에 대한 전국 대푯값을 선정하는 합리적인 방법을 개발하여 전국의 자료를 사용하면 전국의 발생패턴을 보다더 잘 설명할 수 있는 모형과 지수개발이 가능해 질 것이라고 본다.
모형개발을 위해 사용한 자료는 3년간(2004년~2006년)의 일별 식중독 발생건수(출저: 식품의약품안정청 제공)와 기상자료(출처: 기상청 제공)를 결합하여 이루어진 1, 096개의 관측치로 구성된다. 식중독에 관련된 원인물질로 여러 종류가 있으나 주된 원인이 세균에 의한 것이므로 세균에 의한 식중독의 발생에만 관심을 두기로 한다.

이론/모형

1). 본 논문에서는 기존지수의 값을 개발된 지수와 비교함에 있어서 연속된 온도에서의 지수의 값이 필요하므로 정수에서 계산된 기존지수의 값을 이용하여 Xu 등 (2001)이 제안한 커널 추정법 (kernel estimation method)을 사용하여 기존 지수의 값을 추정하였다. 기존지수의 값은 #로 추정되는데 여기서 y은 지수계산을 원하는 온도 x에서의 기존지수의 추정값, g는 주어진 온도 x_i에서 MSE(Mean Squared Error)를 최소화시키는 가중치,x_i는 자료에 주어진 온도 그리고 n = 26은 자료에 주어진 관측치의 수를 나타내고 b는 편의(bias), σ는 평활량(bandwidth)을 나타내는데 이 자료에서는 b는 64.

성능/효과

1은 2004년부터 2006년까지 3년간의 서울/경기/인천지역의 세균성 식중독에 대한 월별 평균 상황을 나타내고 있다. 2004년부터 2006년까지 3년간의 서울/경기/인천지역의 세균성 식중독에 대한 자료 분석 결과, 기온이 낮은 달의 발생률은 낮고 기온이 높은 달에는 높게 나타나고 있음을 알 수 있다. 일최고기온이 가장 높은 8월의 경우엔 기존지수가 최고로 나타나고 있으나, 발생률은 6월에 제일 높게 나타났고, 7월에도 높은 기존지수로 보아 발생률이 높을 것으로 예상되나 5월의 발생률과 비슷하게 나타났다.
개발된 지수를 검토하기 위해서 발생건수와의 상관관계를 비교해보면 (표 4.1), 개발된 지수와는 상관계수가 0.26으로 나타났고, 기존지수와는 0.19로 개발된 지수보다 낮게 나타났다. 특히 식중독 발생이 많은 5월에서 9월 사이의 기간에서 발생건수와의 상관관계를 보면 개발된 지수와는 0.
나누었다. 기존지수와 사고발생지수에 대한 발생건수와의 상관분석에서 개발된 지수는 기존지수보다 두 배 이상의 상관관계를 보이며 발생상황을 잘 설명하였으며 지난 3년간의 (2004년~2006년) 자료를 통해서 나타난 월별 발생상황에서도 기존지수가 설명하지 못한 6월과 9월의 발생상황을 잘 설명해주고 있음을 보였다. 식중독 발생은 흔히 일어나는 경우(평균 10% 전후)가 아니므로 발생에 대한 자료가 부족하고 원인물질이 불명(30% 가량)인 자료가 많아서 모형 구축에 어려움이 있었으나 본 연구에서는 주된 원인물질인 세균으로 국한시켰다.
19로 개발된 지수보다 낮게 나타났다. 특히 식중독 발생이 많은 5월에서 9월 사이의 기간에서 발생건수와의 상관관계를 보면 개발된 지수와는 0.18이고, 기존지수가 0.04로 기존지수는 거의 발생에 대한 예측을 하지 못하는 반면, 개발된 지수는 발생상황과 연계성이더 높음을 알 수 있다

후속연구

기상자료에 대해서도 전국을 대상으로 하면 자료의 양도 많아지고 모형 구축에 도움이 될 수 있으나 기상자료의 대표값 선정에 대한 방법론에서 기상청에서도 뚜렷하게 제시하지 못해서 서울/경기/인천 지역의 자료로 서울 관측소의 값을 사용하였다. 기상변수에 대한 전국 대푯값을 선정하는 합리적인 방법을 개발하여 전국의 자료를 사용하면 전국의 발생패턴을 보다더 잘 설명할 수 있는 모형과 지수개발이 가능해 질 것이라고 본다.
식중독에 관련된 원인물질로 여러 종류가 있으나 주된 원인이 세균에 의한 것이므로 세균에 의한 식중독의 발생에만 관심을 두기로 한다. 또한 우리나라의 절반가량의 식중독이 서울/경기/인천 지역에서 발생함이 최근 3년의 자료에 나타났으므로, 서울/경기/인천지역의 세균에 의한 일별 식중독 발생건수를 반응변수로 채택하고, 설명변수로 사용되는 기상자료는 서울관측소의 기상관측 자료를 서울/경기/인천 지역의 대표 값으로 하여 모형개발에 사용하기로 한다.

참고문헌 (9)

권기성 (2006). 식중독의 발생동향 및 관리체계, , 118, 17-25
김진수 (2006). 단체급식과 식품안전정책방향, , 11, 35-37

원문보기 상세보기
신광순, 곽동경, 문혜경, 이지현, 안정화, 김윤주 (2004). 선진국의 식중독 관리 시스템 조사, , 8, 2091-2092
최순곤 (2007). 식중독 예방관리 대책 추진 방향,
Agresti, A. (2007). An Introduction to Categorical Data Analysis, John Wiley & Sons. Inc. Hoboken. New Jersey
Ingraham, J. L. (1958). Growth of psychrophilic bacteria, Journal of Bacteriology, 76, 75-80
Krupnick, A., Batz, M. and Hoffmann, S. (2005). Prioritizing opportunities to reduce the risk of foodborne illness: A conceptual framework, Discussion Paper Series of Food Safety Research Consortium
Lindsey, J. K. (1995). Modelling Frequency and Count Data, Clarendon Press, Oxford
Xu, J., Zhang, X. and Li, Y. (2001). Kernel MSE algorithm : A unified framework for KFD, LS-SVM and KRR, In Proceedings of the International Joint Conference on Neural Networks (IJCNN-2001), 2, 1486-1491

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

식중독 발생지수 개발
Developing the Index of Foodborne Disease Occurrence 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

식중독 발생지수 개발 Developing the Index of Foodborne Disease Occurrence 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

최국렬 (14) 김병수 (19) 배화수 (10) 조영준 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

식중독 발생지수 개발
Developing the Index of Foodborne Disease Occurrence 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper