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
- 본 연구는 상기 언급된 CHEER 연구의 후속 연구로서, 기존 연구에 사용된 2005년 동집단 자료와 2006년 동집단 자료를 병합한 자료에 기존 연구에서 언급된 결과가 재현되는지 확인하고자 한다. 2장에서는 CHEER 자료에 대하여 자세히 서술하고, 본 논문에서 사용하는 주요 용어에 대하여 설명한다.
- 본 연구에서는 Kim 등 (2014)와 Lee 등 (2016)에서 다룬 두 개의 동집단 자료를 병합하여, ADHD를 종점으로 하는 혈중 납 농도의 95% 신뢰 하한을 도출하고자 하였다. 특히 두 개의 동집단 병합으로 인하여 축소된 벤치마크 용량의 분산 값을 반영하여, 선행 결과보다 증가한 혈중 납 농도의 신뢰 하한을 도출하였다.
- 본 절에서는 Lee 등 (2016)에서와 같이 용량-반응 곡선을 이용하여 임의 기울기 모형과 AR(1) 모형이 ADHD* 와 혈중 납 농도의 선형적 관계를 바탕으로 구축되었는지 확인해 보도록 한다.
제안 방법
- 먼저 ADHD* 값에서 추정된 혈중 납 농도의 고정효과를 제외한 나머지 고정효과와 임의효과를 제거하여 보정된 ADHD* 를 생성한다. 그리고 보정된 ADHD* 와 혈중 납 농도에 모수적 함수와 비모수적 함수를 적합하여 그 차이를 확인한다. 두 함수 간에 유의한 차이가 나지 않으면 해당하는 모형은 선형적 관계를 가정 한 것이라 할 수 있다.
- 나이에 대한 평균으로의 회귀의 존재는 Kim 등 (2014)과 Lee 등 (2016)에서도 확인한 사실로, 병합된 동집단에서도 평균으로의 회귀는 유지된다는 것을 확인하였다. 그리고 평균으로의 회귀 현상을 반영한 임의 기울기 모형과 연속된 조사년도 간 의 관련성을 고려한 AR(1) 모형을 구축하였고, 정규확률그림을 통하여 구축된 모형을 진단하였다. 두 모형으로 혈중 납 농도와 ADHD* 간의 선형 관계도 진단하였으며, 마지막으로 두 모형을 바탕으로 하여 BMDL을 식 (2.
- 1)에서 yi 는 ADHD 점수를 제곱근 변환한 후에 표준화 한 것이다. 두 동집단의 ADHD 점수와 기준을 일치시키기 위하여 2006년 동집단의 ADHD 점수도 제곱근 변환한 후 표준화하여 ADHD* 라 명명하였다.
- 그리고 평균으로의 회귀 현상을 반영한 임의 기울기 모형과 연속된 조사년도 간 의 관련성을 고려한 AR(1) 모형을 구축하였고, 정규확률그림을 통하여 구축된 모형을 진단하였다. 두 모형으로 혈중 납 농도와 ADHD* 간의 선형 관계도 진단하였으며, 마지막으로 두 모형을 바탕으로 하여 BMDL을 식 (2.2)와 시뮬레이션으로 도출하였다. 병합된 동집단의 BMD의 분산이 2005년 동집단 의 BMD의 분산과 거의 일치하지만 병합된 동집단의 BLL 고정 효과가 더 낮게 추정되어 2005년 동집단보다 더 큰 BMDL을 결과하였다.
- 이 경우에는 모수적 붓스트랩(parametric bootstrap)을 이용하여 BMDL을 도출할 수 있다. 먼저 자료에 대하여 구축한 모형에 임의로 추출한 오차항을 가산하여 반응 변수를 생성하고, 생성된 반응 변수를 해당 모형에 다시 적합한 추정치를 이용하여 BMD를 구한다. 이런 과정을 정해진 수만큼 반복하여 BMD의 분 포를 도출하고, 분포의 하위 5%에 해당하는 값으로 BMDL을 구한다.
- 1은 혈중 납 농도에 따른 ADHD* 의 변화를 대략적으로 나타낸 표이다. 아동 별로혈중 납 농도의 평균을 구한 값을 BLL라 하고, BLL을 4분위수 단위로 나누어 각 4분위수에 대응하는 ADHD* 값을 찾아 BLL과 ADHD 점수 간의 추세를 살펴보고자 한다. 표에 따르면 BLL 값이 1.
- 앞 장에서 언급하였듯이, 우리나라 환경부에서는 환경이 아동에 미치는 영향을 파악하기 위해 지난 2005년과 2006년, 매 2년마다 세 번에 걸친 추적 조사를 하여 두 개의 독립적인 경시적 동집단 자료를 구축하였고, 2010년에 두 자료를 병합하여 이를 CHEER 자료라 명명하였다. CHEER 자료는 사전에 정해진 10개의 도시에서 특정 몇 개의 초등학교에 재학 중인 아동에 대한 조사로 이루어졌는데, 2005년 동집단에는 총 1,820명의 아동이 조사되었고 2006년 동집단에는 총 2,515명의 아동이 조사되었 다.
- 여기에서는 히스토그램과 정규확률그림을 이용하여 두 모형을 진단하였다. AR(1) 모형은 대칭성과 정 규성 모두 만족하나, 임의 기울기 모형의 경우에는 임의 절편항과 2006년 동집단에 해당하는 임의 기울기 항이 직선에서 벗어난 정규확률그림을 가진다.
- 또 다른 연구로는 ADHD 판정 여부를 이진형(binary) 반응 변수로 하여 로지스틱 모형을 구축하고, 이를 통하여 BMDL을 산출하는 연구를 고 려할 수 있다. 이 연구로는 ADHD 판정에 대하여 구체적인 확률 모형이 구축되고, 사전에 정해진 확률을 BMR로하여 해당 확률의 BMDL 도출을 기대할 수 있게 된다.
- 먼저 자료에 대하여 구축한 모형에 임의로 추출한 오차항을 가산하여 반응 변수를 생성하고, 생성된 반응 변수를 해당 모형에 다시 적합한 추정치를 이용하여 BMD를 구한다. 이런 과정을 정해진 수만큼 반복하여 BMD의 분 포를 도출하고, 분포의 하위 5%에 해당하는 값으로 BMDL을 구한다. 4.
대상 데이터
- 또한 2007년에 동 동집단에 새로 108명의 아동이 등록되었다. 4년 후인 2009년에 1차 및 2차 추적 조사를 모두 완료한 아동은 758명이고, 2007년에 새로 등록된 108명 중 57명에 대하여 1차 추적 조사가 이루어졌다. 2009년에 새로 20명 아동이 추가로 등록되었다.
- 1에 나타난다. 한편 본 분석에서 사용할 자료는 2005년 동집단과 2006년 동집단을 병합한 자료로, 총 4,335명의 아동에 대하여 분석을 진행한다.
데이터처리
- 3)은 1계 자기회귀(auto-regressive; AR) 즉, AR(1) 모형으로 임의 기울기 모형과 같이 아동에 대 한 임의 절편항을 모형에 삽입하였다. 동일한 아동에 대하여 연속적으로 측정된 자료의 오차항이 서로 상관이 있을 가능성을 고려하여 오차항에 대하여 1계 자기회귀를 선택하였다. 각 모형을 적합시키고 추정된 고정효과는 Table 3.
이론/모형
- 분석을 위하여 Lee 등 (2016)에서 제안한 변환 공식을 사용하여 두 척도를 통일하였는데, 이에 대하여 3장에서 다시 언급하겠다. Table 2.1에서 사용된 변수는 선행 연구 (Lanphear 등, 2005;Froelich 등, 2009)에서 유의적인 설명변수로 보고된 것들 중 본 CHEER자료에서도 유의성이 입증된 변수들이며, 이중 아버지 교육기간은 소득의 代變數로 활용하였다.
- 1303이고 95% 신뢰구간이 양의 범위에 속하므로 연속된 두 개 조사연도의 오차항 간에 양의 자기상관이 존재한다 할 수 있다. 두 모형의 적합도를 판단하는 기준으로는 아카이케 정보 기준(Akaike information criteria; AIC)을 이용한다. 임의 기울기 모형의 AIC는 23652.
- 특히 두 개의 동집단 병합으로 인하여 축소된 벤치마크 용량의 분산 값을 반영하여, 선행 결과보다 증가한 혈중 납 농도의 신뢰 하한을 도출하였다. 먼저 Lee 등 (2016)에서 제시한 벌점화 스플라인 모형을 사용하여 모든 년도에 대하여 척도를 ADHD* 로 통일하였고, 자료의 탐색을 통하여 혈중 납 농도, 나이, 성별, 아버지의 교육기관과 ADHD* 간의 관련성을 파악하였다. 또한 아동에 대한 임의 절편항으로 경시적 자료의 특성을 확인하였 고, 아동의 나이에 대하여 평균으로의 회귀 현상을 발견하였다.
- CHEER 자료의 두 동집단에서 ADHD 점수는 서로 다른 척도로 측정되었다. 앞 장에서 언급하였듯이 2005년과 2007년은 Conners 척도로 측정되었고, 2006년부터 2010년까지는 K-ARS 척도로 측정되었다. 한편, Lee 등 (2016)에서는 2007년에 두 가지 척도로 ADHD 점수가 측정되었다는 점에 착안하여 Conners 척도를 K-ARS 척도로 변환하는 벌점화 선형 스플라인(penalized linear spline)모형을 구축 하였다.
- , ck 는 d 외에 Y 에 영향을 미치는 공변수이고, ∊ ∼ N (0, σ2∊ )이며 g는 알려진 함수로 로그함수, 선형함수 등의 단조함수를 취한다. 종전의 연구에서는 CHEER 자료가 관찰연구 자료이므로 Butdz-Jorgensen 등 (2001)에 제시된 방법론을 이용하였다. 본 연구에서도 이 방법론을 이용하여 분석을 진행하겠다.
- 1과 같다. 한편, 표의 ADHD 점수는 Conners 척도와 K-ARS 두 가지 척도로 측정되었다. 분석을 위하여 Lee 등 (2016)에서 제안한 변환 공식을 사용하여 두 척도를 통일하였는데, 이에 대하여 3장에서 다시 언급하겠다.
성능/효과
- 본 연구의 후속연구로는 본 모형이 가지는 한계를 극복하는 모형을 고려할 수 있다. 3.2절에서 언급한 임의 기울기 모형에서 정규성 가정에 더 부합하는 모형을 구축함으로써 기존 모형의 발전을 추구할 수있다. 그리고 3.
- 8464로 거의 같게 계산되었으므로 표본크기 증가로 인한 감소효과와 이질적 동집단의 병합으로 인한 증가 효과가 서로 균형을 이루었음을 알 수 있다. 따라 서, BMD의 분산은 두 경우 거의 비슷한데 병합된 동집단의 BLL 고정효과가 2005년 동집단의 BLL 고 정효과보다 더 작으므로 병합된 동집단에서 더 큰 BMDL을 결과한 것으로 파악된다.
- 먼저 Lee 등 (2016)에서 제시한 벌점화 스플라인 모형을 사용하여 모든 년도에 대하여 척도를 ADHD* 로 통일하였고, 자료의 탐색을 통하여 혈중 납 농도, 나이, 성별, 아버지의 교육기관과 ADHD* 간의 관련성을 파악하였다. 또한 아동에 대한 임의 절편항으로 경시적 자료의 특성을 확인하였 고, 아동의 나이에 대하여 평균으로의 회귀 현상을 발견하였다. 나이에 대한 평균으로의 회귀의 존재는 Kim 등 (2014)과 Lee 등 (2016)에서도 확인한 사실로, 병합된 동집단에서도 평균으로의 회귀는 유지된다는 것을 확인하였다.
- 2)와 시뮬레이션으로 도출하였다. 병합된 동집단의 BMD의 분산이 2005년 동집단 의 BMD의 분산과 거의 일치하지만 병합된 동집단의 BLL 고정 효과가 더 낮게 추정되어 2005년 동집단보다 더 큰 BMDL을 결과하였다. 이와 같은 결과는 CHEER자료 전체를 대상으로 한 BMDL의 도출이라는 점에 의미가 있다.
- 본 연구에서는 Kim 등 (2014)와 Lee 등 (2016)에서 다룬 두 개의 동집단 자료를 병합하여, ADHD를 종점으로 하는 혈중 납 농도의 95% 신뢰 하한을 도출하고자 하였다. 특히 두 개의 동집단 병합으로 인하여 축소된 벤치마크 용량의 분산 값을 반영하여, 선행 결과보다 증가한 혈중 납 농도의 신뢰 하한을 도출하였다. 먼저 Lee 등 (2016)에서 제시한 벌점화 스플라인 모형을 사용하여 모든 년도에 대하여 척도를 ADHD* 로 통일하였고, 자료의 탐색을 통하여 혈중 납 농도, 나이, 성별, 아버지의 교육기관과 ADHD* 간의 관련성을 파악하였다.
- 2는 아동의 나이, 성별, 아버지의 교육 기간에 따른 혈중 납 농도와 ADHD 점수의 변화를 나타낸 것이다. 표에 따르면, 아동의 나이가 적을수록, 남아보다는 여야일수록, 그리고 아버지 교육기간이 길수록 혈중 납 농도는 감소하는 경향을 보이고 ADHD 점수 또한 감소하는 경향을 보인다. 따라서 아동의 성별과 아버지의 교육기간은 앞으로의 모형에 공변수로 포함시키도록 하겠다.
후속연구
- 본 연구의 후속연구로는 본 모형이 가지는 한계를 극복하는 모형을 고려할 수 있다. 3.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.