[논문]건설업 유해화학물질 노출 모델의 개발 및 검증: Tier-2 노출 모델

김승원; 장지영; 김갑배

doi:10.15269/jksoeh.2014.24.2.219

건설업 유해화학물질 노출 모델의 개발 및 검증: Tier-2 노출 모델
Development and Validation of Exposure Models for Construction Industry: Tier 2 Model 원문보기

한국산업위생학회지 = Journal of Korean Society of Occupational and environmental hygiene, v.24 no.2, 2014년, pp.219 - 228

김승원 (계명대학교) , 장지영 (계명대학교) , 김갑배 (한국산업안전보건공단)

Abstract ▼ AI-Helper

Objectives: The major objective of this study was to develop a tier 2 exposure model combining tier 1 exposure model estimates and worker monitoring data and suggesting narrower exposure ranges than tier 1 results. Methods: Bayesian statistics were used to develop a tier 2 exposure model as was done for the European Union (EU) tier 2 exposure models, for example Advanced REACH Tools (ART) and Stoffenmanager. Bayesian statistics required a prior and data to calculate the posterior results. In this model, tier 1 estimated serving as a prior and worker exposure monitoring data at the worksite of interest were entered as data. The calculation of Bayesian statistics requires integration over a range, which were performed using a Riemann sum algorithm. From the calculated exposure estimates, 95% range was extracted. These algorithm have been realized on Excel spreadsheet for convenience and easy access. Some fail-proof features such as locking the spreadsheet were added in order to prevent errors or miscalculations derived from careless usage of the file. Results: The tier 2 exposure model was successfully built on a separate Excel spreadsheet in the same file containing tier 1 exposure model. To utilize the model, exposure range needs to be estimated from tier 1 model and worker monitoring data, at least one input are required. Conclusions: The developed tier 2 exposure model can help industrial hygienists obtain a narrow range of worker exposure level to a chemical by reflecting a certain set of job characteristics.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구의 주요 목적은 개발된 노출 모델 tier 1 추정치와 실측치를 결합하여 tier 1의 노출예상범위보다 더 좁은 범위를 제시하는 tier 2 노출 모델을 개발하는 것이다. 또한, 엑셀의 매크로와 비쥬얼 베이직 요소를 결합하여 개발된 도구를 스프레드시트 상에 구현하는 것이다.
본 연구에서는 이들 노출 모델 중 작업환경에 대한 시나리오에 초점을 맞추어 개발된 노출 모델에 대해서 간략하게 기술하였다.
본 연구의 주요 목적은 개발된 노출 모델 tier 1 추정치와 실측치를 결합하여 tier 1의 노출예상범위보다 더 좁은 범위를 제시하는 tier 2 노출 모델을 개발하는 것이다. 또한, 엑셀의 매크로와 비쥬얼 베이직 요소를 결합하여 개발된 도구를 스프레드시트 상에 구현하는 것이다.
미국 NIOSH에서 1977년 발행하고 Occupational Safety and Health Administration (OSHA) 이를 채택하여 우리나라를 포함한 여러 나라들의 노출평가의 프레임으로 사용되었던 Occupational Exposure Sampling Strategy Manual이 개정 중에 있다. 이 개정작업에서 베이지안 통계가 어떻게 활용되고 있는지도 조사하였다.
베이지안 통계가 주목받게 된 또 다른 이유는 확률의 형태로 결과를 제시하여 의사결정을 돕는다는 것이다. 이 방법은 허용기준과의 비교 시 초과/미초과 등의 이분법적인 판단이 아닌 허용기준을 초과할 가능성을 확률로서 제시한다. 이러한 확률분포형태의 결과 제시는 기업경영 등에서 사용하던 의사결정방법론을 허용기준 초과 판단여부에 사용한 경우라 할 수 있다.
실측자료가 부족한 경우 과거의 측정자료, 전문가의 의견, 모델의 예측치 등을 과학적이고 투명한 방법으로 현재의 측정자료와 연결시킬 방법이 필요했고 베이지안 통계는 이런 요구들의 많은 부분을 충족시킬 수 있는 도구였다. 자료가 희소한 경우에 사용될 수 있는 다른 방법과 함께 베이지안 통계 분석이 가지는 장단점에 대해서 조사하였다.

가설 설정

ART와 Stoffenmanager 에서도 오염원으로부터 1미터 떨어진 공간 정도로 조악하게 정의되어 있다. 이 두 공간을 각각 NF와 FF로 표기하고 각 공간 안에서는 화학물질이 완벽하게 공기와 혼합되어 어디서든 농도가 같다고 가정한다. 작업자는 두 개의 가상공간 사이를 오가며 작업할 수 있으므로 T시간동안 어느 작업자가 노출될 수 있는 농도는 다음과 같이 정의할 수 있다.

제안 방법

개발된 노출 모델과 베이지안 통계를 결합하여 tier 2 모델을 개발하였다. tier 2 모델은 실측치와 모델의 예측치를 결합하여 더 좁은 구간의 신뢰구간을 제시하는 것이 가능하다.
모든 프로그램에서 사용되는 알고리즘은 기본적으로 같다고 할 수 있으므로 한 가지 플랫폼으로 개발하는 경우 다른 플랫폼으로의 포팅이 용이하다. 개발상의 편의성을 생각하고 유지 및 배포비용을 고려하여 엑셀에서 매크로(macro)를 이용한 개발을 선택하였다.
국내외 산업보건분야 및 국외 환경보건분야에서 출판된 문헌 중 베이지안 통계 분석 방법을 사용한 논문들을 분석하였다.
전문가의 의견(expert judgement)을 사전확률로 사용하는 것은 이론적으로 가능하지만 표준화하는 것이 어렵다. 그렇기에 좀 더 재현성이 있는 수학적 노출모델을 사용하여 사전확률분포를 계산하였다. Vadali et al.
기존에 개발된 노출 모델 tier 1과 베이지안 통계를 결합하여 tier 2 모델을 개발하였다. tier 2 모델은 실측치와 모델의 예측치를 결합하여 더 좁은 범위의 노출예상범위를 제시하는 것이 가능하다.
노출모델에서 자료의 입력은 이산변수의 경우 드롭다운박스(drop-down box)를 이용하여 입력 시 오류로 인한 에러를 최대로 줄이도록 디자인 하였으며 컬러 코딩(color coding)을 통하여 설명문의 배경에 사용된 색을 해당 메뉴에도 사용해 사용법을 쉽게 인지하도록 하였다. 노란색은 연속변수에 파란색은 이산변수에 사용하였다.
엑셀의 매크로와 비쥬얼 베이직 요소를 결합하여 앞에서 개발된 도구들을 스프레드시트 상에 구현하였다. Tier 2 모델은 tier 1 계산결과를 필요로 하지만 건설업에 한정되지 않고 측정데이터를 이용하여 예측범위를 좁혀주는 역할을 한다.
전통적 통계 방법에서 성향 점수를 반영한 치료 효과의 분석은 우선 성향 점수를 추정한 다음, 몇 개 (일반적으로 5개)의 계층(stratification)으로 나누어 모형에 포함시킨 후 치료의 효과를 보았다(Cochran, 1968; Rosenbaum & Rubin, 1983).

데이터처리

노출모델을 어떤 플랫폼(platform)으로 만들 것인가에 대한 논의를 위하여 유럽모델 3종과 미국의 베이지안 통계프로그램을 분석하였다.

이론/모형

Hewett et al.(2006)이 개발한 프로그램으로 베이지안 통계에 기반을 둔 데이터분석을 제공한다. 노출모델은 제공하고 있지 않으며 AIHA Exposure Category 에 따라 입력한 데이터가 각 카테고리에 속할 확률을 계산하여 보여준다.
200개로 나눈 이유는 엑셀이 필요한 계산을 수행하는데 걸리는 시간이 3초 이내로 걸리도록 경험적으로 결정한 임의의 값이다. pdf 함수는 엑셀에서 제공하는 NORMDIST (x, mu, sigma, cumulative) 함수를 이용하였다.
(2006)은 베이지안 의사결정분석(Bayesian decision analysis)을 이용하여 허용기준 초과여부를 확률 형태로 보여주는 방법을 제시하였다. 이들이 사용한 노출 카테고리(exposure category) 분류는 American Industrial Hygiene Association(AIHA)의 노출카테고리 분류방식(exposure category scheme)을 따랐다. AIHA 노출카테고리는 각각 허용기준(occupational exposure limit, OEL)의 0.

성능/효과

이들에 대한 좀 더 자세한 설명은 별도의 논문인 tier 1 노출모델 부분에서 설명하였다. SSA 모델을 실측치와 비교하여 본 결과 오염물질의 성질에 따라 예측력에 차이를 보였다. Cherrie & Schneider(1999) 는 석면, 톨루엔, MMMF 호흡성분진, 스티렌 측정자료를 가지고 분석하였으며 각 오염물질별로 양 또는 음의 오차를 보였고 다른 정도의 상관성을 보였다.

후속연구

모든 모델은 제한점을 내재하고 있지만 그 한계범위 내에서 활용하는 경우 유용한 도구가 될 수 있다. Tier 2 모델은 tier 1 모델과 함께 측정대상사업장 우선순위 결정, 보호구 선정, 새로운 관리방법 적용시 효과 예측 등에 활용할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사전확률분포로 사용될 수 있는 것은?	전통적인 빈도주의적 접근법(frequentist approach) 과 구별되는 베이지안 접근법(Bayesian approach)의 가장 큰 특징은 사전확률분포(prior probability distribution) 를 확률의 계산에 결합시킨다는 점이다. 이전의 측정자료, 모델 예측치, 전문가의 판단(professional judgement) 등이 사전확률분포로 활용될 수 있다. 그 이외에도 베이지안 통계에서는 모집단의 모수들에 대하여 일정한 분포를 가정하고 확률에 기초한 방법들(probabilistic techniques)을 사용하여 노출수준을 예측할 수 있다.
	유럽에서 REACH와 같은 제도를 도입했던 배경은 무엇인가?	작업환경관리를 위해서 측정하는 표본의 수는 사용되는 화학물질의 수에 비해서 적은 편이며, 법적으로 관리가 요구되는 화학물질들에 대한 측정을 하는 경우에도 모집단의 모수들을 추정할 수 있을 만큼 많은 수의 시료를 채취하는 경우는 드물다. 이 점에 착안하여 유럽연합에서는 Registration, Evaluation, Authorization and Restriction of Chemicals(REACH) 제도를 도입하면서 실질적인 측정 없이 과거노출자료를 바탕으로 화학물질의 독성 및 사용방법에 따라 노출정도를 추정하여 위험성 평가(risk assessment)를 수행하거나, 적은 수의 측정자료를 가지고 베이지안 통계를 이용하여 예상되는 노출농도의 범위를 추정할 수 있도록 독려하고 있다.
	베이지안 접근법의 가장 큰 특징은?	전통적인 빈도주의적 접근법(frequentist approach) 과 구별되는 베이지안 접근법(Bayesian approach)의 가장 큰 특징은 사전확률분포(prior probability distribution) 를 확률의 계산에 결합시킨다는 점이다. 이전의 측정자료, 모델 예측치, 전문가의 판단(professional judgement) 등이 사전확률분포로 활용될 수 있다.

참고문헌 (16)

Cherrie JW, Schneider T, Spankie S, Quinn M. A new method for structured, subjective assessments of past concentrations. Occup Hyg 1996;3:75-83
Cherrie JW, Schneider T. Validation of a new method for structured subjective assessment of past concentrations. Ann Occup Hyg 1999;43(4):235-245

상세보기
Cochran WG. The effectiveness of adjustment by subclassification in removing bias in observational studies. Biometrics 1968;24:295-313

상세보기
Gilks WR, Richardson S. Analysis of disease risks using ancillary risk factors, with application to job-exposure matrices. Statist Med 1992;11(11):1443-1463

상세보기
Gronewold AD, Borsuk ME. Improving Water Quality Assessments through a Hierarchical Bayesian Analysis of Variability. Environ Sci & Tech 2010;44(20):7858-7864

상세보기
Hewett P, Logan P, Mulhausen J, Ramachandran G, Banerjee S. Rating exposure control using bayesian decision analysis. J Occup Environ Hyg 2006;3(10):568-581

상세보기
Kaplan D, Chen J. A Two-step Bayesian approach for propensity score analysis: simulations and case study. Psychometrika 2012;77:581-609

상세보기
Lee EG, Kim SW, Feigley CE, Harper M. Exposure models for the prior distribution in Bayesian decision analysis for occupational hygiene decision-making. J Occup Environ Hyg 2013;10(2):97-108

상세보기
Lee JH, Lee KS, Hong MK. Evaluation of the Application of a European Chemical Risk Assessment Tool in Korea. J Korean Soc Occup Environ Hyg 2012;22(3):191-199
McCandless LC, Gustafson P, Austin PC. Bayesian propensity score analysis for observational data. Statisticsin Medicine 2009;28:94-112

상세보기
Nicas M, Jayjock M. Uncertainty in exposure estimates made by modeling versus monitoring. AIHA J 2002;63(3):275-283

상세보기
Ramachandran G, Kandlikar M. Bayesian analysis for inversion of aerosol size distribution data. J Aerosol Sci 1996; 27(7):1099-1112

상세보기
Ramachandran G. Restrospective expoosure assessment using Bayesian methods. Ann Occup Hyg 2001;45(8):651-667
Rosenbaum PR, Rubin DB. The central role of the propensity score in observational studies for causal effects. Biometrika, 1983;70:41-55

상세보기
Su ZM, Adkison MD, Van Alen BW. A hierarchical Bayesian model for estimating historical salmon escapement and escapement timing. Can J Fisher and Aquat Sci 2001;58(8):1648-1662

상세보기
Vadali M, Ramachandran G, Mulhausen J. Exposure modeling in occupational hygiene decision making. J Occup Eviron Hyg 2009;6(6):353-362

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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