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 연구에서는 온열질환에 대한 질병분류기호 기반으로 일별 도시별 상세 자료를 구축하였다. 질병분류기호는 주상병이 열 및 빛의 영향(질병분류기호: T670 T679), 과다한 자연열에 노출(X300 X309), 일광에 노출(X320 X329)로 인한 질환인 경우를 선정하였으며, 이는 Kim et al.
- 본 연구에서는 일최고기온의 건강위험 지표로 온열질환자수를 이용하였는데 열스트레스에 따른 건강영향을 보여주는 대표적인 수치가 될 수 있다. 온열질환자수는 건강보험심사평가원의 보건의료빅데이터(HBH, 2018)를 이용하여 산출하였다.
제안 방법
- 두 번째로 시계열자료에 적합한 일반화가법모형(GAM)을 이용하여 폭염에 대한 상대위험도를 예측하였다. 종속변수는 폭염관련 온열질환자와 응급환자수로, 각 지역을 전체 인구집단으로 볼 때 매우 드문 사건(event)이므로 포아송분포(Poisson distribution)를 따른다고 가정하고, 일최고기온을 설명변수로 사용하여 모델을 구현하였다.
- 본 연구는 보건의료빅데이터 온열질환자료를 이용하여 건강영향을 도시별, 계층별로 비교하였으며, 그 위험도를 정량적으로 비교하였다. 이를 통해 고온 노출로 인한 온열질환자의 증가를 도시별로 정량적으로 확인하였으며 도시별 임계온도 및 상대위험도의 지역적 차이를 제시하였다.
- 본 연구에서는 2013~2015년 여름철 대도시 대상, 건강보험심사평가원의 보건의료빅데이터를 이용하여 일최고기온에 대한 온열질환 건강영향평가를 수행하였다.
- 본 연구에서는 보건의료빅데이터(healthcare bigdata)를 이용하여 온열질환자 발생현황을 조사하고, 일최고기온과 온열질환의 상관성분석 및 일반화가법모형 (Generalized Additive Model, GAM)을 이용하여 대도시지역 여름철 폭염이 건강에 미치는 위험도를 추정하였다. 특히 국내 도시들의 폭염 건강영향을 확인하기 위해 도시별로 위험도를 비교 분석하였으며, 65세 이상의 노인연령층에 대하여 계층별 분석을 수행하였다.
- 상대위험도(Relative Risk, RR)란 기온이 임계기온에서 1 상승할 때 온열질환자 위험률을 보여주는 것으로 이를 구하기 위해 GAM을 적용하였고, 충분한 모집단 자료가 수집된 온열질환자(전연령, 65세 이상) 및 응급환자(전연령)를 대상으로 전체적인 상대위험도와 지역적인 상대위험도를 비교하였다. 모델에서 임계기온 초과 시에는 기온차(당일기온-임계기온)를, 이하에서는 0으로 두었다.
- Table 1은 3년간(2013~2015) 6~8월 폭염관련 건강 자료 및 일최고기온의 기초통계 결과이다. 여기서 건강 자료는 온열질환자, 응급환자 그리고 사망자를 대상으로 전연령과 노인연령층으로 구분하여 3년간 월별(6~8월) 합계를 분석하였다. 전체 온열질환자는 3년간 9,900명이었고, 6월에서 8월로 갈수록 기온증가와 함께 온열질 환자가 점차 증가하며 8월 온열질환자는 6월 대비 1.
- 각 도시별로 온열질환자, 응급환자, 사망자를 전연령, 노인연령층을 구분하여 Table 2에 제시하였다. 여기서 도시간 정량적 비교를 위해 폭염(일최고기온 30 이상) 일수와 함께 온열질환자수 및 응급환자수는 각각 인구 천만명당, 백만명당 발생환자수를 함께 산출하였다. 폭염은 대구(139일)과 광주(134일)에서 발생빈도가 상대적으로 높았고 서울, 대전과 함께 내륙도시들의 폭염 발생빈도가 3년간 100일 이상으로 많았다.
- 본 연구는 보건의료빅데이터 온열질환자료를 이용하여 건강영향을 도시별, 계층별로 비교하였으며, 그 위험도를 정량적으로 비교하였다. 이를 통해 고온 노출로 인한 온열질환자의 증가를 도시별로 정량적으로 확인하였으며 도시별 임계온도 및 상대위험도의 지역적 차이를 제시하였다. 향후 도시별 사회적, 환경적, 기상학적 요소를 고려한 폭염에 대한 건강영향 연구가 추가로 이루어져야 할 것으로 사료된다.
- 일별 온열질환자수와 일최고기온의 시계열 자료로 시간지연효과를 고려하여 상관관계를 분석하였다. Table 3은 온열질환자, 응급환자, 사망자 발생일 기준 당일(lag 0), 하루전(lag 1), 이틀전(lag 2)의 기온지표와 환자수와 의 상관도(Pearson correlation coefficient, r)를 보여준다.
- 임계기온 이상에서 일최고기온 상승에 따른 건강위험도를 평가하기 위해 7개 도시 대상 상대위험도(RR)를 임계기온(30℃ , 33℃ , 35℃ )조건별로 산출하여 Table 5와 6에 제시하였다.
- 두 번째로 시계열자료에 적합한 일반화가법모형(GAM)을 이용하여 폭염에 대한 상대위험도를 예측하였다. 종속변수는 폭염관련 온열질환자와 응급환자수로, 각 지역을 전체 인구집단으로 볼 때 매우 드문 사건(event)이므로 포아송분포(Poisson distribution)를 따른다고 가정하고, 일최고기온을 설명변수로 사용하여 모델을 구현하였다. GAM은 Hastie and Tibshirrani(1986) 가 제안한 방법으로서 종속변수 y에 대해 독립변수의 평활(smoothing) 함수들의 가법적 형태로 일반화선형모형을 포함하는 포괄적인 모형으로, 폭염-사망 관련연구(Braga et al.
- 폭염특보관련 일최고기온과 건강자료와의 관련성을 평가하기 위해 아래와 같이 두 가지로 구분하여 분석하였다. 첫 번째는 폭염관련 일최고기온과 온열질환자, 응급환자, 그리고 사망자와의 관계를 피어슨 상관관계 (Pearson correlation)를 이용하여 지역별, 월별 인자들 간에 상관성을 조사하였고, 특히 기온지표과 질환과의 관계에 있어 지연효과(time lag effect)를 고려하기 위해 폭염관련 질환자 발생일 기준 당일 수일(2일)전 기온 효과를 분석하였다.
- 본 연구에서는 보건의료빅데이터(healthcare bigdata)를 이용하여 온열질환자 발생현황을 조사하고, 일최고기온과 온열질환의 상관성분석 및 일반화가법모형 (Generalized Additive Model, GAM)을 이용하여 대도시지역 여름철 폭염이 건강에 미치는 위험도를 추정하였다. 특히 국내 도시들의 폭염 건강영향을 확인하기 위해 도시별로 위험도를 비교 분석하였으며, 65세 이상의 노인연령층에 대하여 계층별 분석을 수행하였다.
- 폭염특보관련 일최고기온과 건강자료와의 관련성을 평가하기 위해 아래와 같이 두 가지로 구분하여 분석하였다.
대상 데이터
- 또한 전체 온열질환 내원환자(이후 온열질환자로 표기), 온열질환 응급실내원환자(이후 응급환자로 표기), 온열질환 사망자(이후 사망자로 표기) 자료들은 전연령과 노인연령층(65세이상)에 대하여 일별 형태로 자료를 처리하여 연구자료로 준비하였다.
- 연구 대상기간은 과거 3년간(2013~2015년) 여름철 (6~8월)이며 대상 대도시는 총 7개(서울, 인천, 대전, 대구, 울산, 광주, 부산)로 하였다. 폭염 발생과 일최고기온 자료 산출은 도시별 종관기상관측시스템(Automated Synoptic Observing System, ASOS)에서 모니터링된 1시간 간격 기온자료를 이용하였다.
- 본 연구에서는 일최고기온의 건강위험 지표로 온열질환자수를 이용하였는데 열스트레스에 따른 건강영향을 보여주는 대표적인 수치가 될 수 있다. 온열질환자수는 건강보험심사평가원의 보건의료빅데이터(HBH, 2018)를 이용하여 산출하였다. 이 데이터는 전국의 요양기관 에서 제출한 건강보험청구자료를 기반으로 한 전국민 표본자료로, 대표성이 큰 자료이다.
- 온열질환자수는 건강보험심사평가원의 보건의료빅데이터(HBH, 2018)를 이용하여 산출하였다. 이 데이터는 전국의 요양기관 에서 제출한 건강보험청구자료를 기반으로 한 전국민 표본자료로, 대표성이 큰 자료이다.
- (2016)에서 선정한 온열질환자 기준과 동일하다. 자료 선택의 대상 의료기 관은 상급종합병원, 종합병원, 병원, 요양병원, 의원, 보건소, 보건지소, 보건진료소, 보건의료원으로 하였고, 기초 자료의 처리는 SAS Ver. 6.1을 이용하였다.
- 본 연구에서는 온열질환에 대한 질병분류기호 기반으로 일별 도시별 상세 자료를 구축하였다. 질병분류기호는 주상병이 열 및 빛의 영향(질병분류기호: T670 T679), 과다한 자연열에 노출(X300 X309), 일광에 노출(X320 X329)로 인한 질환인 경우를 선정하였으며, 이는 Kim et al.(2014), Jeong et al.
- 연구 대상기간은 과거 3년간(2013~2015년) 여름철 (6~8월)이며 대상 대도시는 총 7개(서울, 인천, 대전, 대구, 울산, 광주, 부산)로 하였다. 폭염 발생과 일최고기온 자료 산출은 도시별 종관기상관측시스템(Automated Synoptic Observing System, ASOS)에서 모니터링된 1시간 간격 기온자료를 이용하였다.
성능/효과
- 5%는 응급실을 통해 내원한 것으로 조사되었다. 노인연령층이 온열질환자 및 응급환자의 약 20%를 차지였으며, 사망자 8명 중 5명이 노인으로 높은 비율을 보여 노인들이 폭염에 대해 취약함을 정량적으로 확인할 수 있다.
- 22) 온열질환자 대상 분석결과와 차이를 보였다. 도시들간 온열질환 발생의 상대위험도 비교에서는, 도시의 지리적 위치에 따라 상대위험도가 비교적 큰 차이가 있고 임계기온값 변화에 따른 증감의 변화 경향도 달랐다. 노인연령층의 경우, 기온상승에 따른 위험도가 전연령 인구에 비해 크게 나타났는데 특히 서울지역의 상대위험도는 임계기온 35℃ 에서 가장 높은 수치인 1.
- 84)이 나타났다. 또한, 폭염발생빈도가 높은 내륙도시의 상대위험도가 연안도시들에 비해 상대적으로 높았다. 응급환자 발생의 상대위험도는 대부분이 낮은 임계기온에서 높게 나타났으며 광주에서 위험도가 가장 컸다(RR: 1.
- 먼저 시차를 고려하지 않을 경우(lag 0) 우리나라 남부에 위치한 부산, 울산, 광주가 0.6 전후의 상관도를 보이는 반면, 중부에 위치한 서울, 대구, 대전은 0.3 정도의 상관도가 나타났다.
- Table 3은 온열질환자, 응급환자, 사망자 발생일 기준 당일(lag 0), 하루전(lag 1), 이틀전(lag 2)의 기온지표와 환자수와 의 상관도(Pearson correlation coefficient, r)를 보여준다. 모든 경우에서 일최고기온이 질환지표들과 유의한 상관을 나타내어 GAM 분석 시 입력자료로 유의함을 확인할 수 있다. 기온이 증가할수록 환자수가 증가하나, 상관도가 0.
- 1에 제시하였다. 모든 도시에서 임의기온(약 25℃ )이상에서 기온상승에 따라 온열질환자수가 지수적 증가경향을 보였다. 지역별로 비교해보면, 폭염일수가 많은 도시일수록 높은 기온에서 증가하는 모습이 나타났다.
- 온열질환자 전연령 대상 분석결과, 임계기온 30℃ 의경우 온열질환 위험도가 대구, 울산, 서울, 부산에서 1.04~1.13 범위로 나타났다. 폭염주의보 기준인 33℃ 에서는 대구, 울산, 광주에서 각각 1.
- 우선 전체도시 대상 분석결과(Table 5)에서는 온열질 환은 임계기온 상승에 따라 상대위험도는 높아졌고, 35℃ 임계기온 조건에서 전연령은 1.21, 노인연령층에서는 1.15의 최고값이 나타났다.
- 또한, 폭염발생빈도가 높은 내륙도시의 상대위험도가 연안도시들에 비해 상대적으로 높았다. 응급환자 발생의 상대위험도는 대부분이 낮은 임계기온에서 높게 나타났으며 광주에서 위험도가 가장 컸다(RR: 1.50).
- 응급환자의 상대위험도의 경우 전반적으로 통계적으로 유의하지 않은 수치들이 많았고, 대구를 제외하고는 낮은 임계기온 (30℃ )에서 상대 위험도가 높게 나타났다. 서울과 광주에서 각각 1.
- 7명 사망자가 증가하는 것으로 평가하였다. 이상의 기존연구와 비교해보면, 온열질환자 상대위험도는 기존 사망자 대상 연구보다 더 크게 나타 남을 확인할 수 있다.
- 모든 도시에서 임의기온(약 25℃ )이상에서 기온상승에 따라 온열질환자수가 지수적 증가경향을 보였다. 지역별로 비교해보면, 폭염일수가 많은 도시일수록 높은 기온에서 증가하는 모습이 나타났다. 대구, 대전, 광주는약 30℃ 이상에서 기울기가 커지는 반면, 부산은 약 25℃ 이상에서 가장 큰 기울기를 나타내고 기온증가에 따른 온열질환자가 급격하게 증가하였다.
- , 2016). 지연효과를 고려했을 경우 전반적으로 시차가 증가할수록 상관관계는 낮아져, 폭염 당일의 온열질환 발생(내원)이 가장 유의한 상관을 보였다.
- 폭염발생빈도가 높은 내륙도시의 상대위험도가 연안도시들에 비해 상대적으로 높았다; 연안도시들의 경우는 상대위험도값이 30℃ 임계치에서만 존재하거나 높은 임계기온 조건에서도 위험도가 낮았다.
- 피어슨 상관관계 분석 결과, 일최고기온은 온열질환 자수, 응급환자수와 다소 높은 상관성이 나타났으나 지연효과는 뚜렷하지는 않았으며, 기온지표의 상승이 온열 질환과 유의한 관련성이 있음을 확인할 수 있었다.
- 남부지역은 기준 당일, 하루 전의 기온지 표와 환자수의 상관값이 유사하게 나타났지만 대전은 오히려 지연에 따른 상관이 증가하는 특징을 보였다. 한편 각 도시별 응급환자수와 기온지표와의 상관도는 지연효과에 따라 감소하는 경향을 보여 응급실 내원이 주로 단기에 이루어짐을 알 수 있었다.
후속연구
- 향후 도시별 사회적, 환경적, 기상학적 요소를 고려한 폭염에 대한 건강영향 연구가 추가로 이루어져야 할 것으로 사료된다. 기후변화와 함께 폭염 발생빈도 및 강도가 증가할 것으로 예상되는 만큼, 지역별 폭염 피해 예방/관리 대책 마련에 본 연구의 결과가 기초자료로 활용될 수 있을 것이다.
- , 2018)에서 제시되었으므로, 관련 질환들을 포함한 건강위험도 분석도 필요하다. 또한 도시별 임계기온 산출 및 비교분석을 통한 도시별 폭염기준에 대한 추가연구도 필요하다.
- 본 연구는 통계분석 시 지역간 사회적, 경제적 차이를 혼란인자로 고려하지 못하고, 단일 기온지표인 일최고 기온만의 함수로 도시별 위험도를 비교함으로서 일최고 기온 변화와 연계된 환경인자들의 복합인 효과를 고려하지 못하는 한계점이 존재한다. 아울러 온열질환 뿐 아니라 심혈관질환, 신장질환, 정신질환 등도 온열질환과 연관성이 있음을 여러 선행연구들(Kim et al.
- 이를 통해 고온 노출로 인한 온열질환자의 증가를 도시별로 정량적으로 확인하였으며 도시별 임계온도 및 상대위험도의 지역적 차이를 제시하였다. 향후 도시별 사회적, 환경적, 기상학적 요소를 고려한 폭염에 대한 건강영향 연구가 추가로 이루어져야 할 것으로 사료된다. 기후변화와 함께 폭염 발생빈도 및 강도가 증가할 것으로 예상되는 만큼, 지역별 폭염 피해 예방/관리 대책 마련에 본 연구의 결과가 기초자료로 활용될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.