초록이 없습니다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 방법
• 연구 결과

제안 방법

• 들째, Multiple logistic regression model을 구축하여 정상체중 이상의 범위부터 체질량지수의 구간을 0.5간격으로 세분하여 비만관련 질환에 대한 odds ratio를 비교하는 방법과 BMI cut-off point 전과 후의 질병 위험의 odds ratio 차이를 비교하는 방법을 사용하였다.
• 첫째, Multiple logistic regression model를 구축하여 비만관련 질환에 대하여 유병상태에 있을 확률(유병확률)과 비만지표(BMI)의 관계를 살펴보았다.

성능/효과

• 각 체질량지수의 cut-off point별 질병위험에 대한 odds ratio의 차이를 구해본 결과, 대부분의 질환에서 BMI 23에서 높은 값을 보인 후 감소하다가 다시 증가하고 감소하는 두 번의 증감양상의 변화를 보였다. 첫 번째 높은 값은 정상 체중범위 이전과 이후를 비교하므로 당연히 odds ratio의 차이가 높을 것으로 생각되며 두 번째 높은 값을 보이는 BMI가 비만의 cut-off point가 될 수 있을 것이다.
• 모든 질병에서는 저체중은 odds ratio가 0.75로서 질병 위험이 낮은 것으로 나타났고, 정상체중 이상 범위에서는 26까지는 점진적으로 질병위험에 대한 odds ratio가 증가하고 있으며, BMI 26부터 질병위험에 대한 odds ratio가 2.46이상으로 나타내었고, BMI 26이상에서는 더욱 많이 증가하고 있다(Table 4, Fig. 1). 이러한 경향은 고혈압에서도 거의 같은 추세이지만 정상체중 이상부터 26.
• 첫 번째 높은 값은 정상 체중범위 이전과 이후를 비교하므로 당연히 odds ratio의 차이가 높을 것으로 생각되며 두 번째 높은 값을 보이는 BMI가 비만의 cut-off point가 될 수 있을 것이다. 모든 질환에서는 두 번째로 높은 값으로 나타나는 BMI는 26.5에서 가장 그 차이가 크게 나타났고 고혈압은 27.0 이상지혈 증은 26.0, 당뇨병은 27.5로 나타났다(Table 5. Fig. 5).
• 2). 이상 지혈증은 BMI 구간별 odds ratio가 증가하였다가 감소하는 파동현상을 보이고 있어 증가추세가 변하는 BMI구간을 찾기가 어렵지만 굳이 추정한다면 BMI 26.0~27.0에서 증가율이 높다고 할 수 있다(Table 4, Fig. 3). 당뇨병은 BMI 27.
• 그러나 85th percentile을 사용하는 방법이든, 혹은 정해진 기준을 사용하는 것이든, WHO의 기준이나 백인들의 비만 기준을 우리나라 사람에게 그대로 적용하는 것은 타당하지 않다고 생각되는데 그 이유는 다음과 같다. 첫째, 체질량 지수와 체지방률과의 관계는 인종 간의 차이가 존재하여 과체중과 비만의 기준은 인종마다 달라야 한다는 연구결과가 있다. 싱가포르에서는 자국 내에 거주하는 중국, 말레이시안, 인디안 등의 세 인종이 백인들의 BMI 30에 해당되는 체지방률에 부합되는 체질량 지수에 관하여 연구한 결과 중국인과 말레이시안은 BMI 27이며 인디언은 BMI 26으로 나타났다고 한다(Deurenberg 등 2000).

후속연구

• 본 연구에서는 몇 가지 한계점 때문에 각 실병의 비중과 각 분석방법의 타당성 등을 고려하여 비만 기준을 설정하기 위한 역학적, 통계적 방법을 종합한 수리적 모델을 구축하지 못하였다. 지금까지의 연구결과로서는 단일한 BMI cut-off point를 정하는 것보다는 그 범위를 제시하는 것이 타당할 것으로 생각된다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기