선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 주요 산업도시인 광양만권에서 특정 요인에 노출된 집단과 노출되지 않은 집단을 추적하여 질병 발생 관계를 추적하는 코호트 연구 참여자를 대상으로 하였다. 2009년 광양만권 코호트 참여자의 개인 단위 거주지 위치정보를 이용하여 대기오염물질의 4가지 개인노출추정 방법을 적용해보고 그 결과를 비교해보고자 한다.
- 본 논문에서는 Nearest monitor, IDW, Kriging으로 추정한 값의 정확성을 평가하기 위하여 교차검증을 수행하였다. 노출추정에 이용된 10개 측정망 중에서 각각 1개씩 제외한 나머지 9개의 측정망 자료를 이용하여 제외된 측정망의 농도를 추정하였다.
- 본 연구에서는 각 오염물질의 공간적 이질성을 조사하기 위하여 측정망간(pairs) 거리 및 측정값의 상관계수와의 관련성을 조사하였다. 측정망간 거리는 약 2.
- 노출평가는 유해인자의 발생원에서 수용체(인간)의 실제 또는 잠재적 노출정도를 평가하는 중요한 분석적 도구로 건강 위해성평가와 역학연구에서 필수적인 부분이라고 할 수 있다. 본 연구에서는 대기오염으로 인한 역학연구의 노출평가에 있어 공간분석 기법을 이용하여 보다 정확한 노출수준을 추정하고자 하였다. 이러한 공간분석 기법을 이용한 대기오염의 노출수준을 추정함에 있어서 몇 가지 제한점을 고려해야 할 필요가 있다.
- 본 연구는 2009년 광양만권 코호트 참여자 2,283명을 대상으로 개인의 거주지 정보를 이용하여 Average across all monitors, Nearest monitor, Inverse distance weighting, Kriging 노출추정 방법을 적용해보고, 각 노출추정 기법의 추정값을 비교하기 위해 수행되었다. 각 개인노출 추정방법을 적용하여 예측치를 비교한 결과, 추정방법별 PM10, NO2, SO2, CO, O3의 평균 농도는 약간씩 차이가 나타났으나 통계적으로 유의한 차이는 나타나지 않았다.
제안 방법
- 대기오염측정망 자료는 2009년 광양시 중동, 태인동, 진상면, 광양읍의 4개 지점과 여수시 광무동, 중흥동, 월내동, 문수동 4개 지점, 그리고 순천시 장천동과 연향동 2개 지점의 측정망에서 측정되는 미세먼지(PM10), 이산화질소(NO2), 이산화황(SO2), 오존(O3), 일산화탄소(CO)의 자료를 이용하여 일일 평균값을 산출하였다. PM10, SO2, NO2는 24개의 시간별 평균값을 이용하였으며, O3, CO는 8시간 이동평균값(이하, O3_mean, CO_mean) 및 최대이동평균값을(이하, O3_max, CO_max) 이용하였다.
- ), 일산화탄소(CO)의 자료를 이용하여 일일 평균값을 산출하였다. PM10, SO2, NO2는 24개의 시간별 평균값을 이용하였으며, O3, CO는 8시간 이동평균값(이하, O3_mean, CO_mean) 및 최대이동평균값을(이하, O3_max, CO_max) 이용하였다.
- 광양만권에 설치되어 있는 국가 대기오염 측정망 자료를 이용하여 모니터링된 측정값들의 평균치를 개인의 노출로 할당하였다.
- 개인의 거주지 위치정보를 이용하여 가장 가까운 거리에 있는 측정망의 값을 개인의 노출추정치로 할당하는 방법으로 각 위치정보는 TM 좌표로 변환하여 사용하였다.
- 본 논문에서는 Nearest monitor, IDW, Kriging으로 추정한 값의 정확성을 평가하기 위하여 교차검증을 수행하였다. 노출추정에 이용된 10개 측정망 중에서 각각 1개씩 제외한 나머지 9개의 측정망 자료를 이용하여 제외된 측정망의 농도를 추정하였다. 또한, 교차 검증을 통하여 예측결과의 정확성을 정량적으로 평가하기 위해 비교 통계량을 사용하였다.
- 코호트 참여자 중 150명을 대상으로 NO2 passive sampler를 이용하여 월요일부터 금요일까지(9/14-27) 4-5일 동안 참여자의 주택 실외에서 측정하였다. 이중 측정이 잘 이루어지지 않은 sample을 제외한 132개의 실외 측정치와 본 연구에서 이용된 4가지 노출추정 방법으로 추정된 예측치와 비교하였다.
- passive sampler를 이용하여 월요일부터 금요일까지(9/14-27) 4-5일 동안 참여자의 주택 실외에서 측정하였다. 이중 측정이 잘 이루어지지 않은 sample을 제외한 132개의 실외 측정치와 본 연구에서 이용된 4가지 노출추정 방법으로 추정된 예측치와 비교하였다.
- 본 논문에서는 Nearest monitor, IDW, Kriging으로 추정한 값의 정확성을 평가하기 위하여 교차검증을 수행하였다. 노출추정에 이용된 10개의 측정망 중에서 각각 1개씩 제외한 측정망의 측정값을 나머지 9개의 측정망 자료를 이용하여 추정한 값과 비교하였다. 평균제곱오차(mean square error, MSE)와 표준화된 평균제곱오차(normalized mean square error, NMSE)는 모든 물질에 있어서 Kriging이 오차가 가장 낮게 나타났으며, Nearest monitor가 가장 오차가 큰 것으로 나타났다(Table 2).
- 광양만권 코호트 참여자 중 132명을 대상으로 거주지 실외에서 passive sampler로 측정한 NO2 실측치와 본 연구에 이용된 각 노출추정 방법의 예측치를 비교하였다(Fig. 5). 실측치와 예측치의 관련성을 분석하기 위하여 상관분석을 실시하였다(Table 3).
- 본 연구에서는 다양한 공간분석 방법 중 선행 연구들에서 많이 이용된 개인노출 추정방법인 average across all monitors, nearest monitor, idw, kriging 방법을 적용하여 직접적인 개인노출 평가방법을 대체할 수 있는 개인노출수준을 추정하였다. 이용된 각 노출 추정 방법의 예측치를 비교한 결과, 추정방법별 PM10, NO2, SO2, CO, O3의 평균 농도는 약간씩 차이가 있었으나, 통계적으로 유의한 차이는 나타나지 않았으며, 각 노출추정 방법별 상관분석을 한 결과 Kriging, IDW, Nearest monitor 노출추정 방법 간에는 모든 물질에서 상관관계가 높은 것으로 나타났다(0.
대상 데이터
- 그러나 국내에서는 대기오염으로 인한 건강영향 평가 시 LUR(land use regression) 모델, Kriging과 같은 내삽법(interpolation method) 등 좀 더 정확하고 세밀한 노출수준을 추정하기 위한 연구들이 많지 않은 실정이다(Eum, 2008; Son 등, 2010). 따라서 본 연구에서는 주요 산업도시인 광양만권에서 특정 요인에 노출된 집단과 노출되지 않은 집단을 추적하여 질병 발생 관계를 추적하는 코호트 연구 참여자를 대상으로 하였다. 2009년 광양만권 코호트 참여자의 개인 단위 거주지 위치정보를 이용하여 대기오염물질의 4가지 개인노출추정 방법을 적용해보고 그 결과를 비교해보고자 한다.
-
1. 연구대상
연구지역은 광양시, 여수시, 하동군이 포함된 광양만권으로 광양제철소, 국가산업단지, 화력발전소 등 철강 산업과 석유화학산업이 집중 배치되어 있는 산업 단지이다
. 본 연구에서는 2009년 광양만권 코호트 참여자 총 2,504명 중 주소지 정보가 정확하지 않은 사람을 제외한 총 2,283명을 대상으로 하였다. - 연구지역은 광양시, 여수시, 하동군이 포함된 광양만권으로 광양제철소, 국가산업단지, 화력발전소 등 철강 산업과 석유화학산업이 집중 배치되어 있는 산업 단지이다. 본 연구에서는 2009년 광양만권 코호트 참여자 총 2,504명 중 주소지 정보가 정확하지 않은 사람을 제외한 총 2,283명을 대상으로 하였다. 대상자의 성별 분포를 살펴보면 여자가 1299명(56.
데이터처리
- 노출추정에 이용된 10개 측정망 중에서 각각 1개씩 제외한 나머지 9개의 측정망 자료를 이용하여 제외된 측정망의 농도를 추정하였다. 또한, 교차 검증을 통하여 예측결과의 정확성을 정량적으로 평가하기 위해 비교 통계량을 사용하였다. 비교통계량으로는 예측값의 정확성을 평가하는 평균제곱오차(mean square error, 이하 MSE)와 표준화된 평균제곱오차(normalized mean square error, 이하 NMSE)를 계산하여 비교하였고, 측정값과 예측값의 일관성은 변화 계수(coefficient of divergence, 이하 COD)를 계산하여 비교하였다.
- 1을 이용하였다. 범주화된 변수의 관련성은 chi-square 검정을 사용하였으며, 평균의 비교는 t 검정 또는 분산분석을 사용하였다.
- 대기오염물질 농도간의 관련성을 분석하기 위하여 4가지 노출추정 방법별로 Pearson 상관분석을 실시하였다. PM10은 다른 대기오염물질들과 모두 상관성이 있는 것으로 나타났으나(p<0.
- 5). 실측치와 예측치의 관련성을 분석하기 위하여 상관분석을 실시하였다(Table 3). 상관분석 결과, 4가지 노출추정 방법 모두 예측치와 유의한 상관관계가 있는 것으로 나타났으며(p<0.
- 또한, 교차 검증을 통하여 예측결과의 정확성을 정량적으로 평가하기 위해 비교 통계량을 사용하였다. 비교통계량으로는 예측값의 정확성을 평가하는 평균제곱오차(mean square error, 이하 MSE)와 표준화된 평균제곱오차(normalized mean square error, 이하 NMSE)를 계산하여 비교하였고, 측정값과 예측값의 일관성은 변화 계수(coefficient of divergence, 이하 COD)를 계산하여 비교하였다. COD는 0에 가까울수록 두 지점의 농도 차이가 없는 것을 의미하고, 1에 가까울수록 공간적 이질성(heterogeneity)이 확실한 것을 의미한다(Wilson 등, 2006).
이론/모형
- 내삽 하고자 하는 위치에서부터 각 측정지점까지의 거리에 역수를 가중치로 이용하는 방법으로, 예측하고자 하는 위치와 가까운 거리에 있는 측정 지점일수록 멀리 떨어져 있는 측정소에 비해 더 많은 가중치를 주는 방법이다. 본 연구에서는 IDW 기법을 이용한 추정치를 구함에 있어서 광양시 및 광양만권 전체 측정소 자료를 모두 포함하도록 하며, 다음과 같은 가중치를 사용하였다(Kinney 등, 1998; Kunzli 등, 1997).
- 다음 단계는 주어진 자료로부터 계산된 경험적 베리오그램을 가장 잘 대표하는 이론적 베리오그램을 결정하는 것이다. 이론적 베리오그램 모델로는 구모형(spherical model), 지수모형(exponential model), 가우시안모형(gaussian model) 등이 가장 많이 사용되며 본 연구에서는 구모형을 이용하였다.
성능/효과
- 본 연구지역의 시간에 따른 대기오염물질의 일평균 농도를 보여주고 있다. 오존은 계절에 따른 변화를 가장 잘 보여주고 있으며, 2월부터 농도가 점차 높아지다 4~5월에 농도가 가장 높은 경향을 나타냈으며 겨울철에 낮은 농도를 보이는 것으로 나타났다. 이산화황과 이산화질소 및 일산화탄소도 겨울철에 농도가 약간 높은 경향을 보였으나, PM10은 계절적인 변화 경향은 없는 것으로 나타났다.
- 오존은 계절에 따른 변화를 가장 잘 보여주고 있으며, 2월부터 농도가 점차 높아지다 4~5월에 농도가 가장 높은 경향을 나타냈으며 겨울철에 낮은 농도를 보이는 것으로 나타났다. 이산화황과 이산화질소 및 일산화탄소도 겨울철에 농도가 약간 높은 경향을 보였으나, PM10은 계절적인 변화 경향은 없는 것으로 나타났다.
- 3은 각 오염물질의 공간적 이질성을 조사하기 위하여 각 오염물질별 측정망 쌍의 상관계수를 계산하여 거리에 따른 상관성을 보여주고 있다. SO2는 측정망간 거리가 증가함에 따라 다른 물질들에 비해 상관계수가 가장 크게 감소하는 것으로 나타나 공간적 이질성이 가장 큰 것으로 나타났다. NO2와 CO도 거리가 증가함에 따라 측정망간 상관계수가 감소하는 경향을 보였고, PM10과 O3은 측정망간 상관계수가 높게 나타났으며, 거리가 증가함에 따른 감소 경향이 다른 물질들에 비해 낮게 나타났다.
- SO2는 측정망간 거리가 증가함에 따라 다른 물질들에 비해 상관계수가 가장 크게 감소하는 것으로 나타나 공간적 이질성이 가장 큰 것으로 나타났다. NO2와 CO도 거리가 증가함에 따라 측정망간 상관계수가 감소하는 경향을 보였고, PM10과 O3은 측정망간 상관계수가 높게 나타났으며, 거리가 증가함에 따른 감소 경향이 다른 물질들에 비해 낮게 나타났다.
- 4가지 개인노출 추정방법을 적용하여 연구대상자들의 대기오염노출 예측치의 기술통계량을 Table 1에 나타내었다. PM10 농도는 Nearest monitor가 평균 45.38 ㎍/㎥로 가장 높은 것으로 나타났으며, IDW 45.02 ㎍/㎥, Kriging 44.77 ㎍/㎥, All monitors 43.92 ㎍/㎥ 순으로 나타났으나 통계적으로 유의한 차이를 보이지는 않았다. NO2와 SO2 및 O3, CO의 경우도 노출추정방법별 평균농도는 약간씩 차이가 나타났으며, NO2는 All monitors가 18.
- 92 ㎍/㎥ 순으로 나타났으나 통계적으로 유의한 차이를 보이지는 않았다. NO2와 SO2 및 O3, CO의 경우도 노출추정방법별 평균농도는 약간씩 차이가 나타났으며, NO2는 All monitors가 18.47 ppb, SO2는 IDW가 7.56 ppb, O3은 All monitors가 8시간 이동평균 및 최대이동평균이 각각 31.92 ppb, 42.22 ppb, CO는 Nearest monitor가 8시간 이동평균 및 최대이동평균이 각각 0.542 ppm, 0.683 ppm으로 다른 추정방법보다 높았으나 통계적으로 유의한 차이는 나타나지 않았다. 각 노출추정 방법별 오염물질의 예측치는 어느 특정 방법에 치우친 결과가 아닌 오염물질에 따라 양상이 다른 것으로 나타났다.
- 683 ppm으로 다른 추정방법보다 높았으나 통계적으로 유의한 차이는 나타나지 않았다. 각 노출추정 방법별 오염물질의 예측치는 어느 특정 방법에 치우친 결과가 아닌 오염물질에 따라 양상이 다른 것으로 나타났다. 한편, 각 노출추정 방법별 표준편차는 모든 물질에서 All monitors 방법이 가장 작은 것으로 나타났으며, Nearest monitor 방법은 다른 방법들에 비해 표준편차가 큰 것으로 나타났다.
- 한편, O3은 CO에서만 4가지 방법 모두 음의 상관성이 있는 것으로 나타났으며(p<0.001), 다른 오염물질들과는 상관성이 없는 것으로 나타났다.
- 4는 각 노출추정 방법별 추정한 값을 비교하기 위하여 산점도 및 상관계수를 계산하여 나타내었다. 상관분석 결과, Kriging, IDW, Nearest monitor 추정방법 간에는 모든 물질에서 상관관계가 높은 것으로 나타났고(0.81~0.99), All monitors 방법은 SO2를 제외한 모든 물질에서 Kriging과 가장 높은 상관관계가 보였으며(0.86~0.99), Nearest monitor와 가장 낮은 상관관계를 보였다(0.68~0.94). 한편, PM10의 경우 4가지 노출추정 방법 모두 상관성이 높은 것으로 나타났으며(0.
- 94). 한편, PM10의 경우 4가지 노출추정 방법 모두 상관성이 높은 것으로 나타났으며(0.94~0.99), NO2는 Kriging과 IDW의 상관계수가 0.96으로 상관성이 가장 높았으며, All monitors와 Nearest monitor는 0.68로 가장 낮은 것으로 나타났다. SO2의 경우는 All monitors 방법과 다른 방법들과의 상관성은 Nearest monitor가 0.
- 68로 가장 낮은 것으로 나타났다. SO2의 경우는 All monitors 방법과 다른 방법들과의 상관성은 Nearest monitor가 0.33, Kriging이 0.58, IDW가 0.61로 상관관계가 낮은 것으로 나타났다. O3과 CO는 8시간 이동평균 및 최대이동평균 모두 Kriging과 IDW가 상관관계가 높은 것으로 나타났다.
- 61로 상관관계가 낮은 것으로 나타났다. O3과 CO는 8시간 이동평균 및 최대이동평균 모두 Kriging과 IDW가 상관관계가 높은 것으로 나타났다.
- 상관분석 결과, 4가지 노출추정 방법 모두 예측치와 유의한 상관관계가 있는 것으로 나타났으며(p<0.001), 상관계수는 Kriging이 0.488로 상관계수가 가장 높았으며, Nearest monitor 0.478, IDW 0.369, All monitors 0.367 순으로 나타났으나 상관관계가 높지는 않았다.
- 노출추정에 이용된 10개의 측정망 중에서 각각 1개씩 제외한 측정망의 측정값을 나머지 9개의 측정망 자료를 이용하여 추정한 값과 비교하였다. 평균제곱오차(mean square error, MSE)와 표준화된 평균제곱오차(normalized mean square error, NMSE)는 모든 물질에 있어서 Kriging이 오차가 가장 낮게 나타났으며, Nearest monitor가 가장 오차가 큰 것으로 나타났다(Table 2). 변화계수(coefficient of divergence, COD)는 PM10의 경우 Kriging이 0.
- 평균제곱오차(mean square error, MSE)와 표준화된 평균제곱오차(normalized mean square error, NMSE)는 모든 물질에 있어서 Kriging이 오차가 가장 낮게 나타났으며, Nearest monitor가 가장 오차가 큰 것으로 나타났다(Table 2). 변화계수(coefficient of divergence, COD)는 PM10의 경우 Kriging이 0.115로 IDW 0.134, Nearest monitor 0.171보다 낮은 것으로 나타나 본 연구에서는 Kriging 방법이 다른 방법들보다 공간적 이질성이 가장 낮은 것으로 나타났다.
- 본 연구에 이용된 노출방법의 정확성을 평가하기 위하여 교차검증을 수행한 결과, Kriging이 모든 물질에서 다른 공간 내삽방법(interpolation methods)보다 MSE(mean square error), NMSE(normalized mean square error), COD(coefficient of divergence)가 가장 낮게 나타나 다른 추정방법보다 공간적 이질성이 작고 오차가 적은 것으로 나타났다.
- 본 연구에서는 다양한 공간분석 방법 중 선행 연구들에서 많이 이용된 개인노출 추정방법인 average across all monitors, nearest monitor, idw, kriging 방법을 적용하여 직접적인 개인노출 평가방법을 대체할 수 있는 개인노출수준을 추정하였다. 이용된 각 노출 추정 방법의 예측치를 비교한 결과, 추정방법별 PM10, NO2, SO2, CO, O3의 평균 농도는 약간씩 차이가 있었으나, 통계적으로 유의한 차이는 나타나지 않았으며, 각 노출추정 방법별 상관분석을 한 결과 Kriging, IDW, Nearest monitor 노출추정 방법 간에는 모든 물질에서 상관관계가 높은 것으로 나타났다(0.81~0.99). 한편, All monitors 방법은 SO2를 제외한 모든 물질에서 Kriging과 가장 높은 상관관계를 보였으며(0.
- 99). 한편, All monitors 방법은 SO2를 제외한 모든 물질에서 Kriging과 가장 높은 상관관계를 보였으며(0.86~ 0.99), Nearest monitor와 가장 낮은 상관관계를 보였다(0.68~0.94). Son 등(2009)의 연구에서는 PM10, NO2, O3의 노출추정 방법 간(kriging, idw, nearest monitor) 상관계수가 0.
- 본 연구에서는 각 오염물질의 공간적 이질성을 조사하기 위하여 측정망간(pairs) 거리 및 측정값의 상관계수와의 관련성을 조사하였다. 측정망간 거리는 약 2.4 km~31.5 km이었으며, SO2 및 NO2는 다른 물질들에 비해 거리가 증가할수록 상관계수가 감소하는 경향이 큰 것으로 나타났으며, 측정망간 거리가 증가함에 따라 상관계수가 가장 큰 감소를 보인 물질은 SO2로 나타났다. Son 등(2010)은 측정망간 거리가 약 20 km 떨어져 있는 모니터 측정값의 상관계수 사이의 관련성을 조사한 결과, 거리가 증가함에 따라 SO2의 공간적 패턴이 가장 큰 것으로 보고하였다.
- 본 연구에 이용된 노출방법의 정확성을 평가하기 위하여 교차검증을 수행한 결과, Kriging이 모든 물질에서 다른 공간 내삽방법(interpolation methods)보다 MSE(mean square error), NMSE(normalized mean square error), COD(coefficient of divergence)가 가장 낮게 나타나 다른 추정방법보다 공간적 이질성이 작고 오차가 적은 것으로 나타났다. 또한, passive sampler를 이용한 NO2 실측치와 예측치를 비교한 결과, 상관계수는 Kriging이 0.488, Nearest monitor 0.478, IDW 0.369, All monitors 0.367로 실측치와 유의한 상관관계가 나타났으나 상관관계가 높지는 않았다. 이는 예측치와 비교하기 위한 실측치의 샘플수가 132개로 샘플수가 많지 않았고, passive sampler의 측정 위치, 능동식 채취기가 아닌 passive sampler로 인한 측정오차가 ±20%인 점 등이 상관계수에 영향을 준 것으로 생각된다.
- 각 노출추정 방법의 정확성을 평가하기 위하여 교차검증을 수행한 결과, Kriging이 모든 물질에서 오차가 가장 낮게 나타나 다른 추정방법보다 정확한 것으로 나타났으며, passive sampler를 이용한 NO2 실측치와 예측치를 비교한 결과에서도 Kriging이 실측치와 가장 상관성이 높은 것으로 나타났다(p<0.001).
- 본 연구는 2009년 광양만권 코호트 참여자 2,283명을 대상으로 개인의 거주지 정보를 이용하여 Average across all monitors, Nearest monitor, Inverse distance weighting, Kriging 노출추정 방법을 적용해보고, 각 노출추정 기법의 추정값을 비교하기 위해 수행되었다. 각 개인노출 추정방법을 적용하여 예측치를 비교한 결과, 추정방법별 PM10, NO2, SO2, CO, O3의 평균 농도는 약간씩 차이가 나타났으나 통계적으로 유의한 차이는 나타나지 않았다. 대기오염 물질의 공간적 이질성을 조사하기 위하여 측정망간(pairs) 거리 및 모니터 측정값의 상관계수 사이의 관련성을 조사한 결과, 거리가 증가함에 따라 SO2 및 NO2는 다른 물질들에 비해 공간적 이질성이 큰 것으로 나타났다.
- 각 개인노출 추정방법을 적용하여 예측치를 비교한 결과, 추정방법별 PM10, NO2, SO2, CO, O3의 평균 농도는 약간씩 차이가 나타났으나 통계적으로 유의한 차이는 나타나지 않았다. 대기오염 물질의 공간적 이질성을 조사하기 위하여 측정망간(pairs) 거리 및 모니터 측정값의 상관계수 사이의 관련성을 조사한 결과, 거리가 증가함에 따라 SO2 및 NO2는 다른 물질들에 비해 공간적 이질성이 큰 것으로 나타났다. 각 노출추정 방법의 정확성을 평가하기 위하여 교차검증을 수행한 결과, Kriging이 모든 물질에서 오차가 가장 낮게 나타나 다른 추정방법보다 정확한 것으로 나타났으며, passive sampler를 이용한 NO2 실측치와 예측치를 비교한 결과에서도 Kriging이 실측치와 가장 상관성이 높은 것으로 나타났다(p<0.
- 001). 본 연구에서는 Kriging 방법이 다른 노출추정 방법들보다 개인수준에서의 공간적 변이를 반영함으로써 더 좋은 추정치를 제공할 수 있었다. 이러한 접근방법은 환경역학과 노출평가 분야에 새로운 방법과 도구를 적용함으로써 대기오염과 건강영향의 복잡한 관계를 설명하는 데 기초자료로 이용될 수 있을 것으로 생각된다.
- 각 노출추정 방법별 오염물질의 예측치는 어느 특정 방법에 치우친 결과가 아닌 오염물질에 따라 양상이 다른 것으로 나타났다. 한편, 각 노출추정 방법별 표준편차는 모든 물질에서 All monitors 방법이 가장 작은 것으로 나타났으며, Nearest monitor 방법은 다른 방법들에 비해 표준편차가 큰 것으로 나타났다.
후속연구
- 본 연구대상인 광양만권은 주요 산업도시로 광양시에 4개 여수시에 4개의 측정망만이 운용되고 있어 공간분석을 이용한 노출추정 방법에 이용할 수 있는 측정망이 상대적으로 적기 때문에 공간 내삽을 할 때 인근 지역으로부터의 측정망을 사용할 경우 연구대상이 측정망으로부터 멀리 떨어져 있거나 측정망 바깥쪽에 위치하는 경우 노출수준을 과대평가할 수 있는 가능성이 있다. 그러므로 측정망의 위치가 균등히 분산되고, 측정망의 수가 많아진다면 인구집단을 대상으로 하는 역학연구 등에서 노출추정에 있어 더 정확한 예측치를 얻을 수 있을 것으로 생각된다.
- IDW는 단순히 거리에 따른 가중치를 적용하여 예측하고자 하는 지점의 값을 추정하는 방법이지만 Kriging은 관측된 지점들 간의 거리와 관측값의 분산정도를 이용하여 알려져 있지 않은 지점의 공간적 분포를 예측하는 방법으로 더 좋은 추정치를 제공할 수 있다. 그러나 본 연구결과는 광양만권이라는 특정 지역에 적용된 결과로서 Kriging 방법이 다른 노출추정방법보다 나은지 판단하기는 어려우며 공간적 특성 및 오염물질에 따라 각기 다른 방법이 적용되어야 할 것으로 생각 된다. 마지막으로 연구대상자의 건강영향을 평가하기 위한 오염도는 연구대상자들이 지역의 대표적인 오염도에 유사한 수준으로 노출되는 것으로 가정하고 있지만, 실제로는 한 장소에 머물지 않고 계속적 또는 주기적으로 이동하고 있고, 실외보다 실내에서 보내는 시간이 더 길기 때문에 개인의 시간활동양상(time activity pattern) 등을 반영한 개인노출수준 모니터링 방안들에 대한 연구가 필요하다.
- 그러나 본 연구결과는 광양만권이라는 특정 지역에 적용된 결과로서 Kriging 방법이 다른 노출추정방법보다 나은지 판단하기는 어려우며 공간적 특성 및 오염물질에 따라 각기 다른 방법이 적용되어야 할 것으로 생각 된다. 마지막으로 연구대상자의 건강영향을 평가하기 위한 오염도는 연구대상자들이 지역의 대표적인 오염도에 유사한 수준으로 노출되는 것으로 가정하고 있지만, 실제로는 한 장소에 머물지 않고 계속적 또는 주기적으로 이동하고 있고, 실외보다 실내에서 보내는 시간이 더 길기 때문에 개인의 시간활동양상(time activity pattern) 등을 반영한 개인노출수준 모니터링 방안들에 대한 연구가 필요하다.
- 본 연구에서는 Kriging 방법이 다른 노출추정 방법들보다 개인수준에서의 공간적 변이를 반영함으로써 더 좋은 추정치를 제공할 수 있었다. 이러한 접근방법은 환경역학과 노출평가 분야에 새로운 방법과 도구를 적용함으로써 대기오염과 건강영향의 복잡한 관계를 설명하는 데 기초자료로 이용될 수 있을 것으로 생각된다. 그러나 앞서 언급한 오염물질별 공간적 이질성, 개인의 시간 활동양상 등을 반영하지 못한다면 개인노출 추정의 분류오류 및 불확실성은 여전히 남아있기 때문에 이러한 문제를 해결하기 위한 노력이 필요할 것으로 사료된다.
- 이러한 접근방법은 환경역학과 노출평가 분야에 새로운 방법과 도구를 적용함으로써 대기오염과 건강영향의 복잡한 관계를 설명하는 데 기초자료로 이용될 수 있을 것으로 생각된다. 그러나 앞서 언급한 오염물질별 공간적 이질성, 개인의 시간 활동양상 등을 반영하지 못한다면 개인노출 추정의 분류오류 및 불확실성은 여전히 남아있기 때문에 이러한 문제를 해결하기 위한 노력이 필요할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.