군집분석과 요인분석 이용한 우리나라 성인의 식사패턴 비교 분석 - 2005년도 국민건강영양조사 자료 이용하여 A Comparison of Cluster and Factor Analysis to Derive Dietary Patterns in Korean Adults Using Data from the 2005 Korea National Health and Nutrition Examination Survey원문보기
The purpose of this study was to explore dietary patterns and compare dietary patterns using cluster and factor analysis in Korean adults. This study analyzed data of 4,182 adult populations who aged 30 and more and had all of socio-demographic, anthropometric, and dietary data from 2005 Korean Heal...
The purpose of this study was to explore dietary patterns and compare dietary patterns using cluster and factor analysis in Korean adults. This study analyzed data of 4,182 adult populations who aged 30 and more and had all of socio-demographic, anthropometric, and dietary data from 2005 Korean Health and Nutrition Examination Survey. Socio-demographic data was assessed by questionnaire and dietary data from 24-hour recall method was used. For cluster analysis, the percent of energy intake from each food group was used and 4 patterns were identified: "traditional", "bread, fruit & vegetable, milk", "noodle & egg", and "meat, fish, alcohol". The "traditional" pattern group was more likely to be old, less educated, living in a rural area and had higher percentage of energy intake from carbohydrates than other pattern groups. "Meat, fish, alcohol" group was more likely to be male and higher percentage of energy intake from fat. For factor analysis, mean amount of each food group was used and also 4 patterns were identified; "traditional", "modified", "bread, fruit, milk", and "noodle, egg, mushroom". People who showed higher factor score of "traditional" pattern were more likely to be elderly, less educated, and living in a rural area and higher proportion of energy intake from carbohydrates. In conclusion, three dietary patterns defined by cluster and factor analysis separately were similar and all dietary patterns were affected by socio-demographic factors and nutrient profile.
The purpose of this study was to explore dietary patterns and compare dietary patterns using cluster and factor analysis in Korean adults. This study analyzed data of 4,182 adult populations who aged 30 and more and had all of socio-demographic, anthropometric, and dietary data from 2005 Korean Health and Nutrition Examination Survey. Socio-demographic data was assessed by questionnaire and dietary data from 24-hour recall method was used. For cluster analysis, the percent of energy intake from each food group was used and 4 patterns were identified: "traditional", "bread, fruit & vegetable, milk", "noodle & egg", and "meat, fish, alcohol". The "traditional" pattern group was more likely to be old, less educated, living in a rural area and had higher percentage of energy intake from carbohydrates than other pattern groups. "Meat, fish, alcohol" group was more likely to be male and higher percentage of energy intake from fat. For factor analysis, mean amount of each food group was used and also 4 patterns were identified; "traditional", "modified", "bread, fruit, milk", and "noodle, egg, mushroom". People who showed higher factor score of "traditional" pattern were more likely to be elderly, less educated, and living in a rural area and higher proportion of energy intake from carbohydrates. In conclusion, three dietary patterns defined by cluster and factor analysis separately were similar and all dietary patterns were affected by socio-demographic factors and nutrient profile.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 2005년도 국민건강영양조사 자료를 이용하여 우리나라 대다수의 성인들의 대체적인 식사패턴을 살펴보고자 하였다. 식사패턴 분석방법은 식사섭취조사방법의 종류, 식품군 재분류 과정, 패턴 기본 변수의 추출과정, 패턴 명명 및 해석 등 여러 가지 요인에 영향을 받는다.
이에 본 연구에서는 2005년도 국민건강영양조사 자료를 이용하여 만 30세 이상의 성인을 대상으로 가장 널리 쓰이고 있는 두 가지 통계기법, -군집분석과 요인분석을 사용하여 식사패턴을 추출하여 각 식사패턴 간에 인구·사회학적 요인과 영양소섭취 상태를 비교하고자 한다.
제안 방법
3 이상)을 기준으로 4개의 요인으로 식사패턴을 추출하였다. 1일 섭취량을 이용할 때는 곡류군과 조미료류와 같이 식품군간의 섭취량의 스케일이 달라서 패턴 분석에 영향을 줄 수 있기 때문에 식품섭취량을 표준화하여 사용하였다.
All categorical variables were tested using chi-square test and all nutrient values were adjusted for age, gender, education, region, BMI group, and energy in general linear regression models by cluster groups. F & V, Fruit & Vegetable; CHO, carbohydrate
All nutrient intakes were significantly different among quartile groups of each factor group after being adjusted for age, sex, education, region, body mass index, and energy intake except for vitamin C in ‘Noodle, Cereal, Egg’ pattern in general linear regression models (all p < 0.05).
식사패턴 분석을 실시하기 위하여 24시간 회상법으로 조사된 식품들을 국민건강영양자료에서 제시하고 있는 식품코드 체계에 따라 비슷한 식품들을 묶어서 18개 식품군으로 1차 분류하였다. 그 후 곡류 및 그 제품의 경우 하루 섭취 열량에 기여하는 정도가 높고 주식류의 섭취 변화를 살펴 볼 필요가 있어서 백미, 기타 잡곡류, 면류, 빵류, 피자 및 햄버거류, 시리얼 및 스낵류의 6개 군으로 2차 분류를 하였다. 또한 채소류의 경우, 김치는 우리나라 전통적인 밑반찬인 점을 감안하여 독립적인 군으로 분류하였으며, 음료의 경우도 주류의 경우는 독립적인 군으로 재분류할 필요가 있어 총 24개 군으로 분류하였다.
그러므로 식사패턴과 다른 인구, 사회학적 요인을 비교할 때 군집분석의 경우는 식사패턴 그룹간 비교를 하면 되고, 요인 분석의 경우는 연속변수이므로 4분위 또는 5분위를 나누어서 가장 점수가 낮은 그룹과 높은 그룹의 특성을 비교하게 되는 것이다. 그래서 본 연구에서도 요인 분석에 의해 분리된 패턴요인은 4 분위로 나누어 1사분위와 4사분위의 인구, 사회학적 요인들의 특성을 살펴보았다.
그러나 이것은 연령과 성별이 보정 되지 않은 것이고 다른 영양소 섭취 상태는 에너지 섭취에 영향을 받으므로, 인구·사회학적 변인에서 유의적 차이를 보인 성별, 연령, 교육수준, 거주지역, 신체질량지수 그룹, 및 섭취 에너지를 보정하여 식사패턴간의 영양소 섭취 수준을 평가하였다.
또한 본 연구에서는 해석력이 높은 식사패턴의 추출을 위해서 군집분석의 경우 1일 섭취에너지에 대한 각 식품군의 기여율(%)을, 요인분석의 경우 1일 평균 섭취량(g/day)을 패턴 기본 변수로 사용하였다. 두 분석 방법 모두 에너지 기여율과 평균 섭취량을 사용하여 패턴을 추출했으나 군집분석의 경우는 기여율이 요인분석의 경우는 평균 섭취량이 해석력이 높은 패턴을 분리했기 때문에 각 분석방법의 기본 변수를 다르게 선정하였다.
본 연구에서는 계층적 기법을 통해 군집들이 묶어 나가는 양상을 나무구조를 이용하여 보면서 군집이 보다 확연히 묶여지는 지점을 군집수로 정하여 최종으로는 비계층적 기법을 사용하는 방법을 사용했다. 또한 식품군에 대한 개인별 1일 평균 섭취량과 총 에너지 섭취 기여율 모두를 이용하여 패턴 분석을 실시한 후 보다 타당하고 해석력이 높은 총에너지 섭취 기여율에 의해 추출된 패턴을 사용하기로 하였다.
그 후 곡류 및 그 제품의 경우 하루 섭취 열량에 기여하는 정도가 높고 주식류의 섭취 변화를 살펴 볼 필요가 있어서 백미, 기타 잡곡류, 면류, 빵류, 피자 및 햄버거류, 시리얼 및 스낵류의 6개 군으로 2차 분류를 하였다. 또한 채소류의 경우, 김치는 우리나라 전통적인 밑반찬인 점을 감안하여 독립적인 군으로 분류하였으며, 음료의 경우도 주류의 경우는 독립적인 군으로 재분류할 필요가 있어 총 24개 군으로 분류하였다.
본 연구는 2005년도 국민건강영양조사 자료를 이용하여 30세 성인 4,182명을 대상으로 우리나라 성인의 식사패턴을 추출하였으며, 이 때 요즘 널리 사용되고 있는 패턴 기법인 군집분석과 요인분석을 이용하였으며 두 방법에 의해 추출된 식사패턴과 인구·사회학적 요인 및 영양소 섭취 상태를 비교하였다.
본 연구에서는 계층적 기법을 통해 군집들이 묶어 나가는 양상을 나무구조를 이용하여 보면서 군집이 보다 확연히 묶여지는 지점을 군집수로 정하여 최종으로는 비계층적 기법을 사용하는 방법을 사용했다. 또한 식품군에 대한 개인별 1일 평균 섭취량과 총 에너지 섭취 기여율 모두를 이용하여 패턴 분석을 실시한 후 보다 타당하고 해석력이 높은 총에너지 섭취 기여율에 의해 추출된 패턴을 사용하기로 하였다.
본 연구에서는 식품군의 1일 평균 섭취량과 총 에너지 섭취의 기여비율 중 1일 평균 섭취량을 이용하여 요인분석을 실시하였을 경우 보다 타당하고 의미 있는 결과를 얻을 수 있어서 식품군의 1일 섭취량을 기본 변수로 이용하였고, scree test 결과와 고유치(1.3 이상)을 기준으로 4개의 요인으로 식사패턴을 추출하였다. 1일 섭취량을 이용할 때는 곡류군과 조미료류와 같이 식품군간의 섭취량의 스케일이 달라서 패턴 분석에 영향을 줄 수 있기 때문에 식품섭취량을 표준화하여 사용하였다.
그러나 연구 목적에 맞게 Yoo 등(2004)과 Song 등(2005) 은 섭취 빈도 및 비율이 높은 군들을 조금 더 세분화를 하여 사용하기도 하였다. 본 연구에서도 전통적으로 우리나라의 경우 곡류 군에서 식품 섭취량 및 에너지 기여율이 높은 점을 감안하고, 주식의 변화가 주요한 식사패턴의 요소가 될 것임을 감안해서 곡류군을 백미, 기타 잡곡류, 면류, 빵류, 피자 및 햄버거류, 시리얼 및 스낵류의 6개 군으로 나누었다. 그러므로 연구자의 연구목적에 따라 식품군 분류 조정이 가능하고 이에 따라 연구 결과에도 영향을 미칠 수 있다.
식사패턴 분석을 실시하기 위하여 24시간 회상법으로 조사된 식품들을 국민건강영양자료에서 제시하고 있는 식품코드 체계에 따라 비슷한 식품들을 묶어서 18개 식품군으로 1차 분류하였다. 그 후 곡류 및 그 제품의 경우 하루 섭취 열량에 기여하는 정도가 높고 주식류의 섭취 변화를 살펴 볼 필요가 있어서 백미, 기타 잡곡류, 면류, 빵류, 피자 및 햄버거류, 시리얼 및 스낵류의 6개 군으로 2차 분류를 하였다.
식품군 분류 후 각 식품군에 대한 개인별 1일 평균섭취량(g/day)과 각 식품군으로부터 나오는 총 에너지 섭취 기여율(%)을 계산하여 식사패턴 분석의 기본 변수로 사용하였다.
요인분석으로 4가지 요인을 추출하였는데(Table 3), Factor 1은 밥을 중심으로 하면서도 채소, 유지류, 당류, 생선, 계란, 육류, 음료수 및 주류 섭취 등 다양한 부식 섭취 및 음료수 섭취를 하고 있는 것으로 여겨지는 패턴으로 기존의 밥과 김치가 주를 이룬 전통식에 비해 다양한 부식으로 채운 것으로 보아 ‘혼합식(Modified pattern)’ 패턴이라 명명하였다.
국민건강영양조사에서 사용한 영양조사 중 본 연구에 사용한 자료는 개인별 24시간 회상 조사자료이다. 조사내용은 조사 직전 1일 동안 섭취한 식사 끼니별 음식명, 음식별 식품 재료명 및 식품 섭취량이 포함되어있다. 조사 대상자가 섭취한 식품의 분량을 정확하게 추정하기 위해 실제 식품 모형과 여러 분량이 담긴 그림 및 사진 등을 사용하였다(Ministry of Health and Welfare 2006).
대상 데이터
1) 연구대상자는 2005년도 국민건강영양조사에 참여한 사람 중 30세 이상이며 식이섭취자료와 건강자료를 가지고 있으며, 1일 섭취 에너지가 500 kcal에서 5000 kcal 인 4,172명을 대상으로 하였다.
국민건강영양조사에서 사용한 영양조사 중 본 연구에 사용한 자료는 개인별 24시간 회상 조사자료이다. 조사내용은 조사 직전 1일 동안 섭취한 식사 끼니별 음식명, 음식별 식품 재료명 및 식품 섭취량이 포함되어있다.
본 연구에서 식사패턴을 위해 활용한 자료는 개인별 24시간 회상자료였다. 식사패턴을 추출하기 위해서는 국민건강영양조사에서 조사된 식품섭취빈도법의 식품 섭취 횟수도 사용할 수 있으나 패턴연구의 방법론적 비교를 위해서는 다양한 방법으로 분석이 가능한 24시간 회상법 자료를 이용하는 것이 더 타당하리라 사료되었다.
본 연구의 대상자는 2005년도 국민건강영양조사에서 식이섭취조사에 참여한 대상자 중 30세 이상 성인인 5,481명 가운데 건강자료를 가지고 있고, 하루 섭취 총 열량이 500 kcal에서 5000 kcal의 범위에 해당하는 4,182명을 대상으로 분석하였다.
데이터처리
패턴 추출 후 다른 매개 변수가 연속 변수의 경우는 패턴간의 차이를 연령, 성별, 신체질량 지수(Body Mass Index, BMI)와 같은 기본 변수를 보정하기 위해 일반선형모델(Proc GLM)을 사용하였고, 범주형 변수의 경우는 패턴간의 차이를 χ2 -test를 이용하여 검정하였다.
이론/모형
패턴 추출 후 다른 매개 변수가 연속 변수의 경우는 패턴간의 차이를 연령, 성별, 신체질량 지수(Body Mass Index, BMI)와 같은 기본 변수를 보정하기 위해 일반선형모델(Proc GLM)을 사용하였고, 범주형 변수의 경우는 패턴간의 차이를 χ2 -test를 이용하여 검정하였다. 또한 식품군별 1일 평균 섭취량을 표준화 할 때는 Proc Standard를 사용하였다.
조사내용은 조사 직전 1일 동안 섭취한 식사 끼니별 음식명, 음식별 식품 재료명 및 식품 섭취량이 포함되어있다. 조사 대상자가 섭취한 식품의 분량을 정확하게 추정하기 위해 실제 식품 모형과 여러 분량이 담긴 그림 및 사진 등을 사용하였다(Ministry of Health and Welfare 2006).
01, SAS Institute, Cary, NC) 프로그램을 이용하였다. 패턴분석에 사용한 군 집분석은 계층적 분석의 경우는 Ward 방법을 이용한 PROC CLUSTER 를, 비계층적 분석의 경우는 K-mean을 사용한 PROC FASTCLUS를 사용하였으며, 요인분석의 경우는 varimax rotation을 이용한 PROC FACTOR를 사용하였다. 패턴 추출 후 다른 매개 변수가 연속 변수의 경우는 패턴간의 차이를 연령, 성별, 신체질량 지수(Body Mass Index, BMI)와 같은 기본 변수를 보정하기 위해 일반선형모델(Proc GLM)을 사용하였고, 범주형 변수의 경우는 패턴간의 차이를 χ2 -test를 이용하여 검정하였다.
성능/효과
2) 군집분석은 식품군별 에너지 기여율을 이용하였고, 그 결과 4개의 패턴이 추출되었는데, 밥과 김치를 기본으로 하는 ‘전통식’과 ‘빵, 과일 및 채소, 우유’ 패턴 그룹이 각각 전체 42.3%와 37.7% 차지했으며, 그 이외 ‘면류와 계란’ 과 ‘고기, 생선, 알코올’ 패턴 그룹은 각각 13.6%와 6.5%를 차지하였다.
3) 군집분석으로 추출한 식사패턴 그룹의 인구·사회학적 요인을 살펴보면, 65세 이상 연령이 가장 높은 패턴은 ‘전통식’ 패턴 그룹이었고, 남자 비율이 가장 높은 패턴은 ‘고기, 생선, 알코올’ 패턴 그룹이었으며, 교육수준과 거주지 또한 식사패턴간 유의적 차이를 나타냈다.
4) 군집분석으로 추출한 식사패턴 그룹의 영양소 섭취 수준을 살펴보면, 3대 영양소 비율이 ‘전통식’ 패턴 그룹이 탄수화물 기여율이 가장 높았고, ‘고기, 생선, 알코올’ 패턴 그룹이 지질 기여율이 가장 높았다.
5) 요인분석은 식품군별 평균 섭취량을 이용하였고, 그 결과 4가지 요인이 추출되었는데, 밥을 중심으로 다양한 부식을 섭취하는 ‘혼합식’ 요인과 빵의 섭취가 두드러진 ‘빵, 과일, 우유’ 요인, 밥과 김치가 기본인 ‘전통식’ 요인, 그리고 면류를 위주로 한 ‘면, 계란, 버섯’ 요인이 분리되었다.
6) 요인분석으로 추출한 식사패턴 요인의 인구·사회학적 요인을 살펴 보기 위해 패턴 요인별로 4분위로 나누어 살펴보았는데, 65세 이상 연령층은 ‘전통식’ 패턴 요인에서 높았고(23.9%), 30~49세 연령층은 ‘면, 계란, 버섯’ 패턴요인에서 높았다(71.7%).
7) 요인분석으로 추출한 식사패턴 요인의 영양소 섭취 수준을 살펴 보기 위해 패턴 요인별로 4분위로 나누어 살펴보았는데, ‘전통식’ 패턴의 4사분위 경우 3대 영양소의 에너지 기여율 중 탄수화물 비율이 70.4%로 가장 높았고, ‘면, 계란, 버섯’ 패턴의 경우 지질 비율이 22%로 가장 높았다.
8) 군집분석과 요인분석으로 추출한 식사패턴을 비교해보면 ‘전통식’, 빵을 위주로 한 ‘빵, 과일, 우유’, 그리고 면을 위주로 한 ‘면, 계란’ 패턴이 서로에서 유사하게 발견되었고, 군집분석의 ‘고기, 생선, 알코올’ 패턴과 요인분석의 ‘혼합식’ 패턴은 독립적인 패턴인 것으로 나타났다.
The mean values of food groups were all significantly different by cluster groups adjusted for age, gender, education, region, and BMI group in generalized linear regression model (p < 0.05).
거주 분포를 살펴보면 대도시에 사는 비율은 ‘고기, 생선, 알코올’ 패턴이 가장 높았고, 농촌에 사는 비율은 ‘전통식’ 패턴이 가장 높았다.
군집 분석 결과 4개의 식사패턴이 추출되었는데(Table 1), 가장 큰 군집은 1,767명으로 전체의 42.3%에 해당하며 흰밥과 김치 그리고 해조류 섭취가 특징적인 ‘전통식(Traditional)’ 식사패턴을 가진 집단으로 조사되었고, 그 다음은 1,577명으로 전체의 37.7%에 해당하며 ‘빵, 과일 및 채소, 우유군 [Bread, F & V(fruit & vegetable), Milk]’ 섭취가 특징적인 패턴으로 조사되었다.
그 다음으로 군집분석의 ‘빵, 과일&채소, 우유’ 군과 요인분석의 ‘빵, 과일, 우유’ 패턴이 유사한데, 이 두 패턴은 모두 주식에서 밥의 의존도가 줄어들면서 빵류가 주식의 대용이 된 패턴임을 알 수 있고, 빵과 함께 우유 섭취가 높았고, 이 두 패턴 모두 여자의 비율이 다른 패턴에 비해서 높음을 알 수 있어서, 이 패턴은 전반적으로 밥을 주식으로 하되 빵과 우유, 과일 그리고 채소 등의 부식을 잘 섭취하는 패턴임을 알 수 있었다.
그리고 군집분석에서 특이하게 고기와 알코올 섭취가 두드러진 ‘고기, 생선, 알코올’ 군집이 추출되었는데, 이는 전체집단의 6.5%에 지나지 않는 소수의 패턴이지만, 78%가 남자이면서 67%가 30~49세로 이루어진 전형적인 중년 남자의 패턴임을 알 수 있다.
마지막으로 군집분석의 ‘ 고기, 생선, 알코올’ 패턴과 요인분석의 ‘혼합식’ 패턴은 독립적인 패턴으로 나타났다.
본 연구는 2005년도 국민건강영양조사를 이용하여 30세 이상 성인, 4,182명을 대상으로 최근 많이 활용되고 있는 군집분석과 요인 분석을 이용하여 우리나라 성인에서의 주요한 식사패턴을 파악하였으며 그 결과, 두 분석 방법에서 4개의 식사패턴이 추출되었다.
본 연구는 우리나라 성인을 대상으로 군집분석과 요인분석 두 가지 방법을 이용하여 4가지 식사패턴을 추출하였고, 두 방법에 의해 추출된 식사패턴들은 많은 유사성을 가지고 있었으며, 이는 식사패턴이 주요하게 주식인 곡류군의 섭취 양상에 따라 변화하기 때문인 것으로 사료된다. 또한 추출된 패턴에 따라 인구 사회학적 요인과 영양소 섭취 수준이 달랐으므로 식사패턴을 이용하여 이 요인 이외에 다른 질병 관련 요인과의 관련성을 보는 영양역학 연구 등에도 유용하게 이용될 수 있으리라 사료된다.
본 연구에 의해 추출된 식사패턴을 비교 해보면 군집 분석과 요인 분석 모두 4가지 패턴을 추출하였고 분석 방법과 사용한 자료 형태가 다름에도 불구하고 대체적인 식사패턴의 경향을 유사함을 알 수 있다. 군집분석과 요인분석 모두에서 ‘전통식’ 패턴이 추출되었는데, 이는 밥과 김치가 주요한 식사패턴이다.
본 연구에서는 요인분석의 경우 식품군의 비교적 낮은 설명력을 나타냈는데, 다른 연구와 비교해보면 1,379명의 아일랜드 성인을 대상으로 7일간의 식사기록을 이용하여 33개 식품군으로 나누어 1일 식품군 섭취량을 기본변수로 한 연구에서는 4개의 요인이 분석되었는데 설명력은 4.5~9.1%였으며(Hearty & Gibney 2009), EPIC 연구의 일환으로 27,548명을 대상으로 148개의 식품항목으로 이루어진 식품섭취빈도법을 실시한 후 49개로 재분류하여 패턴분석을 실시한 연구에서는 설명력이 1.9~7.3%로 나와서(Hoffman 등 2004), 본 연구와 아주 큰 차이는 없는 것으로 나타났다.
본 연구에서 식사패턴을 위해 활용한 자료는 개인별 24시간 회상자료였다. 식사패턴을 추출하기 위해서는 국민건강영양조사에서 조사된 식품섭취빈도법의 식품 섭취 횟수도 사용할 수 있으나 패턴연구의 방법론적 비교를 위해서는 다양한 방법으로 분석이 가능한 24시간 회상법 자료를 이용하는 것이 더 타당하리라 사료되었다. 또한 24시간 회상법의 자료를 이용할 경우는 1차적 식품군 분류가 필요한데, 대부분의 연구자들이 식품영양가표(Korean Nutrition Society 2005)에 나온 18개 기본 분류를 따르고 있었다(Lee 등 2007; Yoo 등 2004; Song 등 2005).
거주 분포는 농촌에 사는 비율이 ‘전통식’의 4사분위에서 34%였으나 나머지 세 패턴에서는 18~23%에 그쳤다. 신체질량지수인 BMI는 분포를 통해 살펴보았는데 25의 이상의 비율이 각 패턴요인의 4사분위에서 31~35%로 비교적 비슷한 분포를 나타내고 있었다.
여기에 군집분석에서는 해조류 섭취가 이 그룹에서 높은 것으로 요인분석에서는 두류 섭취가 높은 것으로 나타나, 우리나라 성인의 일반적인 식사패턴 중 하나는 밥과 김치를 기본으로 하고 반찬으로 식물성 식품인 콩이나 해조류를 섭취하는 아주 기본적인 식사 형태를 가진 ‘전통식’ 패턴임을 알 수 있었다.
열량 영양소 비율로 보면 ‘전통식’ 패턴의 경우는 탄수화물: 단백질: 지질: 알코올 비율이 73.4: 11.9: 13.9: 0.9이었고, ‘면류 & 계란’ 패턴은 64.1: 14.4: 20.1: 1.4이었고, ‘빵, 과일&채소, 우유’ 패턴은 62.0: 16.8: 20.3: 0.9이었으며, ‘고기, 생선, 알코올’ 패턴은 39.2: 14.7: 19.8: 26.3로, 탄수화물 비율이 가장 높은 것은 ‘전통식’ 패턴이었고, ‘고기, 생선, 알코올’ 패턴은 알코올로부터 오는 열량이 단백질이나 지질보다 많았다.
1로, 가장 높은 탄수화물 비율을 가진 요인은 역시 ‘전통식’ 요인이었고, 가장 높은 지질의 비율을 가진 요인은 ‘면, 계란, 버섯’ 패턴요인이었다. 이에 따라 패턴별로 가장 높은 점수를 가진 4사분위와 가장 낮은 점수를 가진 1사분위의 영양소 섭취 수준를 비교하면 4사분위를 가진 그룹이 대체적으로 모든 영양소 섭취 수준이 높았다.
전반적인 영양소들의 섭취량을 패턴간에 비교해보면 ‘고기, 생선, 알코올’ 패턴이 열량을 포함하여 탄수화물, 단백질, 지질의 절대섭취량이 가장 높았고 그와 함께 인과 비타민 A 섭취량도 가장 높았다.
후속연구
또한 추출된 패턴에 따라 인구 사회학적 요인과 영양소 섭취 수준이 달랐으므로 식사패턴을 이용하여 이 요인 이외에 다른 질병 관련 요인과의 관련성을 보는 영양역학 연구 등에도 유용하게 이용될 수 있으리라 사료된다. 그러므로 식사패턴 연구의 제한점을 잘 파악하고 연구자가 연구의 목적에 맞게 잘 사용한다면 앞으로도 많은 연구에서 활용될 수 있으리라 기대한다.
본 연구는 우리나라 성인을 대상으로 군집분석과 요인분석 두 가지 방법을 이용하여 4가지 식사패턴을 추출하였고, 두 방법에 의해 추출된 식사패턴들은 많은 유사성을 가지고 있었으며, 이는 식사패턴이 주요하게 주식인 곡류군의 섭취 양상에 따라 변화하기 때문인 것으로 사료된다. 또한 추출된 패턴에 따라 인구 사회학적 요인과 영양소 섭취 수준이 달랐으므로 식사패턴을 이용하여 이 요인 이외에 다른 질병 관련 요인과의 관련성을 보는 영양역학 연구 등에도 유용하게 이용될 수 있으리라 사료된다. 그러므로 식사패턴 연구의 제한점을 잘 파악하고 연구자가 연구의 목적에 맞게 잘 사용한다면 앞으로도 많은 연구에서 활용될 수 있으리라 기대한다.
본 연구는 2005년의 30세 성인 4,182명의 전반적인 식사 패턴을 파악한 것이고 이것은 앞으로 우리나라 성인들의 식사패턴 규명에 기초자료로서 의의가 있으며, 앞으로 더 많은 식사패턴 연구가 합해져서 우리나라 성인에 대한 보다 의미 있고 포괄적인 식사패턴이 규명될 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
식사패턴 분석방법은 어떤 제한점에서 시작되었는가?
식사패턴 분석방법은 실제로 일상 사람들은 단일 영양소로 섭취하는 것이 아니라 여러 가지 식품들 또는 음식의 형태로 섭취한다는 점과, 영양소 사이에는 높은 상관성이 존재하기 때문에 단일 영양소 또는 식품으로 조사한 식사 자료를 평가했을 때 통계적 파워가 약해져서 질병과의 관련성이 잘 검출되지 않는다는 제한 점에서 시작되었다(Newby & Tucker 2004).
식사패턴 분석방법에는 무엇이 있으며 이들의 장점은 무엇인가?
이러한 식사패턴 분석방법으로는 다변량 통계적 기법인 요인분석(factor analysis)과 군집분석(cluster analysis)이 주로 사용되는데 이 두 방법 모두 연구자가 식이 자료를 평가하는 사전적 지표 없이 수집된 대상자들의 식이 자료로부터 통계적 기법을 이용하여 식사자료를 평가한다는 장점이 있다.
기존의 질병 또는 건강 위험요인에 영향을 미치는 여러 인자 중 특히 식이와의 관련성을 보는 연구에서 많이 사용한 방법은 무엇인가?
최근 우리 사회는 만성질환이 주요한 질병 형태가 되면서 질병 또는 건강 위험요인에 영향을 미치는 여러 인자 중 특히 식이와의 관련성을 보는 연구가 활발히 진행되고 있다. 이러한 영양역학 연구에서는 식이를 어떻게 평가하느냐가 중요한 문제가 되는데 기존의 연구들에서는 단일 영양소 또는 단일 식품 및 식품군 섭취 상태를 평가하는 방법을 많이 사용해왔다. 그러나 보다 전반적이고 통합적인 식이의 영향을 평가하고자 새로운 시도로 다변량 통계기법을 이용한 식사패턴 분석방법이 활용되기 시작하였으며 지난 몇 년간 식사패턴에 대한 다수의 연구들이 보고되었다(Hu 2002; Kant 2004; Newby & Tucker 2004; Moeller 등 2007).
참고문헌 (17)
Ahn Y, Park Y, Park S, Min H, Kwak H, Oh K, Park C (2007): Dietary patterns and prevalence odds ratio in middle-aged adults of rural and mid-size city in Korean genome epidemiology study. Korean J Nutr 40(3): 259-269
Hearty AP, Gibney MJ (2009): Comparison of cluster and principal component analysis techniques to derive dietary patterns in Irish adults. Br J Nutr 101(4): 598-608
Hoffmann K, Schulze MB, Schienkiewitz A, Nothlings U, Boeing H (2004): Application of a new statistical method to derive dietary patterns in nutritional epidemiology. Am J Epidemiol 159: 935-944
Korean Nutrition Society (2005). Dietray Reference Intake for Korean. Korean Nutrition Society
Lee J, Hwang J, Cho H (2007): Dietary patterns of children and adolescents analyzed from 2001 Korea National Health and Nutrition Survey. N R P 2: 84-88
Lee SM, Oh AR, Ahn HS (2008): Major dietary patterns and their associations with socio-demographic, psychological and physical factors among generally healthy Korean middle-aged women. Korea J Community Nutr 13(3): 439-452
Ministry of Health and Welfare (2006). Report on 2005 Nutritional Health and Nutrition Survey - Nutrition Survey. Ministry of Health and Welfare
Nicklas TA, Webber LS, Thompson B, Berenson GS (1989): A multivariate model for assessing eating patterns and their relationship to cardiovascular risk factors: the Bogalusa Heart Study. Am J Clin Nutr 49: 1320-1327
Schwerin HS, Stanton JL, Smith JL, Riley Am Jr, Brett BE (1982): Food, eating habits, and health: a further examination of the relationship between food eating patterns and nutritional health. Am J Clin Nutr 35: 1319-1325
Song YJ, Joung HJ, Paik HY (2005): Socioeconomic, nutrient, and health risk factors associated with dietary patterns in adult populations from 2001 Korean National Health and Nutrition Survey. Korean J Nutr 38(3): 219-225
Song YJ, Paik HY, Yu CH (2006): Factors affecting bone mineral density by dietary pattern group for some Korean college women. Korean J Nutr 39(5): 460-466
Yoo SY, Song YJ, Joung HJ, Paik HY (2004): Dietary assessment using dietary patterns analysis of middle school students in Seoul. Konean J Nutr 37(5): 373-384
※ AI-Helper는 부적절한 답변을 할 수 있습니다.