연구논문

Split Viewer
ENG

Public Health Weekly Report 2023; 16(33): 1165-1177

Published online August 24, 2023

https://doi.org/10.56786/PHWR.2023.16.33.1

© The Korea Disease Control and Prevention Agency

한국 초고령 노인에서 폭염한파와 오존이 사망에 미치는 단기적 영향

신문경1,2, 김경남1*, 배상혁3, 김미지4, 김종헌5, 권호장6, 황승식7, 김효은8, 안윤진8

1한양대학교 의과대학 예방의학교실, 2한양대학교 건강과 사회 연구소, 3가톨릭대학교 의과대학 예방의학교실, 4경상대학교 의과대학 예방의학교실 및 건강과학연구원, 5성균관대학교 의과대학 사회의학교실, 6단국대학교 의과대학 의예과 예방의학교실, 7서울대학교 보건대학원 보건학과, 8질병관리청 건강위해대응관 미래질병대비과

*Corresponding author: 김경남, Tel: +82-2-2220-0662, E-mail: kkn002@hanyang.ac.kr

Received: May 17, 2023; Revised: July 9, 2023; Accepted: July 10, 2023

This is an open-access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/), which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

최근 해외 연구에서 노령인구(65세 이상)는 비노령인구(65세 미만)에 비해 극한기온으로 인한 건강영향이 큰 것으로 보고되고 있다. 국내 연구에서도 노년층에서 대기오염물질과 오존이 증가함에 따라 외래 및 응급실 이용이 증가하는 것으로 보고되고 있다. 본 연구는 기존 연구보다 연령군을 세분화하여 기후변화로 인한 노령인구의 건강영향을 분석하였다. 연구분석을 위한 일별, 원인별 사망자 수는 집계 자료인 통계청 사망원인자료를 이용하였다. 분석 결과 고온 및 저온에서 총사망, 심뇌혈관질환 사망 증가를 확인하였다. 또한 대기 중 오존에 대한 단기 노출과 노령인구의 사망 관련성을 분석하였다. 연구 결과 오존 노출로 인한 비사고사망 증가는 80세 이상 집단에서만 관찰됨을 확인하였다. 이러한 경향은 전체 심뇌혈관 질환에서도 80세 이상 집단에서만 관련성을 보였다. 본 연구는 노령인구에서 연령대별로 위험이 동일하지 않고 그 중 최고령층에서 위험이 급격히 증가한다는 것을 확인했다는 점에서 의의를 가진다.

Keywords 건강영향, 기온, 기후변화, 노인, 환경

핵심요약

① 이전에 알려진 내용은?

최근 해외 연구에서 노령인구(65세 이상)는 비노령인구(65세 미만)에 비해 극한기온으로 인한 건강영향이 큰 것으로 보고되고 있다.

② 새로이 알게 된 내용은?

본 연구는 기후변화로 인한 노령인구의 건강영향을 분석하기 위해 집계자료인 통계청 사망원인자료를 활용하였고 분석 결과 고온 및 저온에서 총사망, 심뇌혈관질환 사망 증가를 확인하였다. 또한 대기 중 오존에 대한 단기 노출과 노령인구의 사망 관련성을 분석하였고, 오존 노출로 인한 비사고사망 증가는 80세 이상 집단에서만 관찰됨을 확인하였다.

③ 시사점은?

본 연구는 노령인구에서 연령대별로 위험이 동일하지 않고 그 중 최고령층에서 위험이 급격히 증가한다는 것을 확인했다는 점에서 의의를 가진다.

노령인구는 생리적 예비 능력 부족, 환경유해인자를 회피하기 위한 자원‧기능 부족, 동반질환 등을 이유로 환경보건 측면에서 취약한 집단으로 보고되고 있다[1]. 최근 해외 연구에서 노령인구(65세 이상)는 비노령인구(65세 미만)에 비해 극한기온으로 인한 건강영향이 큰 것으로 보고되고 있다. 국내 연구에서도 노년층에서 대기오염물질과 오존이 증가함에 따라 외래 및 응급실 이용이 증가하는 것으로 보고되고 있다 [2]. 그러나 기존 국내‧외 연구는 대부분 전체 연령층 또는 전체 성인 연령층을 대상으로 연구를 수행하고 이후 고령자에 대해서 하위 그룹 분석을 수행하였다. 각 연령대에서 기후변화의 건강영향이 어떻게 차이가 나는지 확인할 수 있는 연구 방법이긴 하나 고령자 특이적인 노출 및 결과가 확인되지 않는 단점이 있다. 또한 고령사회에서 60세 또는 65세 이상을 모두 하나의 고령자로 분류하기 보다 좀 더 세부적인 연령 범주화로 고령 초기(young-old), 중기(old-old), 후기(oldest old)의 건강 영향을 확인하는 것도 필요하다. 노출(exposure) 측면에서도 많은 연구가 고온 및 저온의 영향을 연구하였으며[3-5] 대기오염물질에 대한 영향을 분석한 연구는 드물다. 대기오염물질 중 오존은 기온이 상승할수록 농도가 높아진다. 이런 특성으로 오존은 기후변화로 인해 농도가 상승할 것으로 생각되고 있다[6]. 이에 본 연구는 기존 연구보다 세분화된 연령을 대상으로 집계 자료원인 통계청 사망원인 자료을 이용하여 기후변화로 인한 노령인구의 건강영향을 분석하였다.

1. 연구자료

1) 기상자료

기상청에서 제공한 전국 종관기상관측소(http://data.kma.go.kr/cmmn/main.do)가 위치한 지역의 일평균 값을 16개 시도별 일평균으로 계산하여 이용하였다. 16개 시도별 기상변수(일평균 기온, 습도, 체감기온 등)의 평균값을 산출하였다.

2) 일별 오존 농도 자료

한국환경공단 에어코리아 웹사이트(https://www.airkorea.or.kr)에서 제공하는 대기오염측정망에서 2006년 1월 1일부터 2020년 12월 31일까지 측정된 일별 시간별 오존 농도를 구득하였다. 오존의 경우 고온 및 자외선에 의해 발생하는 물질로 일중 변동이 커서 통상 시간별 오존 농도로부터 일별 8시간 최고 농도를 계산하였다. 각 도시에서 운영되고 있는 대기오염 측정망의 측정소 농도를 7개 시도별로 평균하였다. 분석 대상 지역을 7개 대도시(서울, 부산, 대구, 인천, 광주, 대전, 울산)로 한정한 것은 노출을 측정하는 대기오염측정소가 대도시 지역을 벗어난 곳에서는 충분하지 않기 때문이다.

3) 통계청 사망원인 자료

통계청 사망원인 통계로부터 2006년 1월 1일부터 2020년 12월 31일까지 지역별 일별 사망자 수를 이용하였다. 표준질병분류 기준(International Classification of Diseases [ICD]-10)으로 각 원인에 따라 사망자 수를 추출하였다. 노령 인구에서의 관련성을 분석하고 전체 인구집단과 비노령인구집단과 비교하기 위해 연령군을 전체, 65세 미만, 65–79세, 80세 이상으로 구분하여 일별 사망자 수를 추출하였다.

4) 연계자료

본 연구에서는 기상 자료, 일별 오존 농도 자료와 통계청 사망원인 자료를 시도별, 일자별로 연계하여 구축하였다.

2. 통계 분석

1) 극한기온 건강영향

분배시차 비선형모형(distributed lag non-linear model)을 이용하여 7일간의 노출로 인한 총효과를 분석하였다. 각 모형은 상대습도, 요일, 지역, 장기추세를 보정하였으며 분석결과는 건강결과 별로 최소사망온도를 기준(reference)으로 고온과 저온 시 상대위험을 제시하였다. 연중 기온 중 90퍼센타일인 위험도가 가장 낮은 최소사망온도를 25℃로 설정하여 저온(–12℃) 및 고온(33℃)일 때의 상대위험도(relative risk)를 산출하였다. 본 연구 분석은 R software (version 4.2.0; R Foundation for Statistical Computing, Vienna, Austria) 프로그램을 이용하여 분석하였다.

2) 오존 노출에 따른 건강영향

시계열분석을 위해 오존농도를 독립변수로 하고 일별 각 사망자 수를 종속변수로 하는 일반화부가혼합모형(generalized additive mixed model)을 구축하였다. 이 모형은 7개 대도시의 관련성을 통합적으로 분석하기 위해 7개 대도시를 무작위효과로 포함하였다. 모형에는 기상 요인과 요일, 장기 추세가 공변수로 포함되었다. 기상요인은 기상청 자료에서 각 도시의 2006년 1월 1일부터 2020년 12월 31일까지의 기상 기록으로부터 추출하여 당일 평균 기온, 이전 7일 평균 기온, 평균 습도를 포함하였다. 각 사망원인별 개별 모형을 구축하여 회귀계수(β)와 상대위험도를 정리하였다. 이 모형에서 도출되는 회귀계수에 지수함수(exponential)를 적용하여 상대위험도를 구하였다. 또한 연령군에 따른 개별 모형을 구축하였다. 본 연구 분석은 R software (version 4.2.0; R Foundation for Statistical Computing) 프로그램을 이용하여 분석하였다.

1. 극한기온 건강영향

전체 연령에서 상대위험도는 저온일 경우 1.03 (95% confidence interval [CI]: 1.00, 1.06), 고온일 경우 1.11 (95% CI: 1.08, 1.13)이었다. 65세 미만에서 상대위험도는 저온일 경우 1.01 (95% CI: 0.96, 1.07), 고온일 경우 1.06 (95% CI: 1.01, 1.10)이었다. 65–79세에서 상대위험도는 저온일 경우 1.05 (95% CI: 1.00, 1.11), 고온일 경우 1.12 (95% CI: 1.08, 1.17)였다. 80세 이상에서 상대위험도는 저온일 경우 1.04 (95% CI: 0.99, 1.09), 고온일 경우 1.14 (95% CI: 1.10, 1.18)였다(그림 1). 위험도가 가장 낮은 최소사망온도를 26℃로 설정하여 저온(–12℃) 및 고온(33℃)일 때의 상대위험도를 산출하였다. 전체 연령에서 상대위험도는 저온일 경우 1.11 (95% CI: 1.04, 1.18), 고온일 경우 1.10 (95% CI: 1.05, 1.15)이었다. 65세 미만에서 상대위험도는 저온일 경우 1.12 (95% CI: 0.96, 1.30), 고온일 경우 1.02 (95% CI: 0.91, 1.14)였다. 65–79세에서 상대위험도는 저온일 경우 1.09 (95% CI: 0.98, 1.21), 고온일 경우 1.20 (95% CI: 1.10, 1.30)이었다. 80세 이상에서 상대위험도는 저온일 경우 1.12 (95% CI: 1.02, 1.22), 고온일 경우 1.07 (95% CI: 1.00, 1.14)이었다(그림 2).

Figure. 1.연령군별 극한기온과 전체 원인 사망의 관련성

Figure. 2.연령군별 극한기온과 심뇌혈관질환 사망과의 관련성

2. 오존 노출에 따른 건강영향

전체 연령군에서 일별 8시간 최고 오존농도는 전체 비사고사망과 유의한 관련성이 있었으며, 1 ppb 증가당 사망이 0.05% (95% CI: 0.03, 0.07) 증가하는 것으로 나타났다. 그러나 79세 이하 연령군에서는 이러한 유의한 관련성이 관찰되지 않았으며 80세 이상 군에서는 1 ppb 증가당 사망이 0.07% (95% CI: 0.04, 0.10) 증가하였다(표 1). 이러한 경향은 전체 심뇌혈관 질환에서도 동일하게 나타났으며 80세 이상 연령군에서 오존 1 ppb 증가는 전체 심뇌혈관 질환 사망의 0.08% (95% CI: 0.04, 0.13) 증가와 관련성을 보였다. 세부 심뇌혈관 질환 사망과의 관련성은 비슷한 경향을 보였으나 유의하지 않았다. 이는 세부 질환으로 나뉘어질수록 일별 사망자 수가 적어져서 검정력이 부족해진 결과일 수 있다(표 2).

연령군별 일별 8시간 최고 오존농도와 전체 비사고사망의 관련성(1 ppb 증가당)
연령군회귀계수표준오차p-value상대위험도상대위험도의 95% 신뢰구간
하한상한
전체0.00050.0001<0.00011.00051.00031.0007
0–64세0.00000.00010.90941.00000.99971.0003
65–79세–0.00010.00010.58660.99990.99971.0002
80세 이상0.00070.0001<0.00011.00071.00041.0010


연령군별 일별 8시간 최고 오존농도와 심혈관계 사망의 관련성 (1 ppb 증가당)
연령군회귀계수표준오차p-value상대위험도상대위험도의 95% 신뢰구간
하한상한
전체 심뇌혈관질환
전체0.00050.00020.00211.00051.00021.0009
0–64세0.00030.00030.30231.00030.99971.0010
65–79세–0.00030.00030.21730.99970.99921.0002
80세 이상0.00080.00020.00071.00081.00041.0013
허혈성심질환
전체0.00020.00030.43931.00020.99961.0008
0–64세0.00080.00060.16661.00080.99961.0021
65–79세–0.00060.00050.19390.99940.99841.0003
80세 이상0.00070.00050.13591.00070.99981.0016
뇌졸중
전체0.00000.00020.85601.00000.99961.0005
0–64세–0.00060.00050.22980.99940.99841.0004
65–79세–0.00030.00040.37920.99970.99901.0004
80세 이상0.00050.00030.17901.00050.99981.0011

본 연구는 기후변화로 인한 노령인구의 건강영향을 분석하기 위해 집계자료인 통계청 사망원인자료를 활용하였고 분석 결과 고온 및 저온에서 총사망, 심뇌혈관질환 사망 증가를 확인하였다. 또한 대기 중 오존에 대한 단기 노출과 노령 인구의 사망 관련성을 분석하였고, 오존 노출로 인한 비사고사망 증가는 80세 이상 집단에서만 관찰됨을 확인하였다. 노화로 인한 생리적 변화로 근육 및 면역 감소하고, 환경 변화에 대처하는 인지적 영향 등 감소하므로 환경보건정책 및 사업에서는 65세 기준보다는 70세, 80세 이상을 더 취약한 집단으로 중재되어야 한다. 이에 80세 이상의 초고령층 대상으로 오존의 건강영향과 오존주의보, 오존경보 등 알람을 효과적으로 전파할 수 있는 방안을 마련할 필요가 있다. 본 연구는 기존 선행 연구에서 사망률이 최저가 되는 기온(minimum mortality temperature) 등을 고온 및 저온으로 인한 부정적인 건강 영향이 시작되는 역치 기온으로 정의됨을 동일하게 반영하였고 전형적인 환경역학 분석 방법론으로 일별 자료를 지역별로 응집하여 생태학적 연구를 하는 시계열 연구를 수행하였다[1,7]. 그러나 생태학적 연구는 인과성을 설명하기에는 한계가 있으므로 코호트 등 개인 수준 자료 활용 연구를 수행하는 것도 향후 과제가 될 수 있다. 또한 고령자는 기저질환을 동반한 경우가 많으므로 추후 특정 환자에서 기후변화가 미치는 영향을 연구할 필요가 있다. 향후 본 연구에서 사용한 방법론과 코호트 등 개인 수준 자료의 기저질환 정보를 활용한다면 특정 질환자 대상의 심층 분석이 가능할 것으로 판단된다. 본 연구는 기존 연구 보다 세분화된 연령을 대상으로 분석하여 노령인구에서 연령대별로 위험이 동일하지 않고 그중 최고령층에서 위험이 급격히 증가한다는 것을 확인했다는 점에서 시사점을 지닌다. 향후 연구에서도 60세 또는 65세 이상을 모두 하나의 고령자로 분류하기보다 좀 더 세부적인 연령 범주화로 고령 초기, 중기, 후기의 건강 영향을 추가적으로 확인하는 것이 필요하다. 이에 노령 인구 대상 기후변화에 따른 건강영향을 중재할 수 있는 건강수칙이나 행동수칙을 마련할 때 구체적이고 도움이 되는 근거가 될 수 있다.

Acknowledgments: None.

Ethics Statement: The study design was reviewed and approved by the Institutional Review Board of Ajou University Hospital (AJIRB-MED-EXP-22-223).

Funding Source: This research was supported by research program funded by the Korea Disease Control and Prevention Agency (fund code 2022-12-304).

Conflict of Interest: The authors have no conflicts of interest to declare.

Author Contributions: Conceptualization: KNK. Data curation: KNK, MKS, MJK, JHK, SHB. Formal analysis: KNK, MKS, MJK, JHK, SHB. Funding acquisition: HEK, YJA. Investigation: KNK, MKS. Methodology: KNK, MKS, MJK, JHK, SHB, HJK, SSH. Project administration: MKS. Resources: KNK, MKS, MJK, JHK, SHB. Software: KNK, MKS, MJK, JHK, SHB. Supervision: KNK. Validation: HJK, SSH. Visualization: KNK, MKS, MJK, JHK, SHB. Writing – original draft: KNK, MKS, MJK, JHK, SHB. Writing – review & editing: KNK, MKS.

  1. de Schrijver E, Bundo M, Ragettli MS, et al. Nationwide analysis of the heat- and cold-related mortality trends in Switzerland between 1969 and 2017: the role of population aging. Environ Health Perspect 2022;130:37001.
    Pubmed KoreaMed CrossRef
  2. Jung EJ, Na W, Lee KE, Jang JY. A study on the influence on medical care for the elderly by exposure to fine particulate matter and ozone. J Environ Health Sci 2019;45:30-41.
    Pubmed KoreaMed CrossRef
  3. Hong YC. Aging society and environmental health challenges. Environ Health Perspect 2013;121:A68-9.
    Pubmed KoreaMed CrossRef
  4. Gasparrini A. Distributed lag linear and non-linear models in R: the package dlnm. J Stat Softw 2011;43:1-20.
    Pubmed KoreaMed CrossRef
  5. Gasparrini A, Armstrong B. Reducing and meta-analysing estimates from distributed lag non-linear models. BMC Med Res Methodol 2013;13:1.
    Pubmed KoreaMed CrossRef
  6. Bae S, Kwon HJ. Current state of research on the risk of morbidity and mortality associated with air pollution in Korea. Yonsei Med J 2019;60:243-56.
    Pubmed KoreaMed CrossRef
  7. Demoury C, Aerts R, Vandeninden B, Van Schaeybroeck B, De Clercq EM. Impact of short-term exposure to extreme temperatures on mortality: a multi-city study in Belgium. Int J Environ Res Public Health 2022;19:3763.
    Pubmed KoreaMed CrossRef

Article

연구논문

Public Health Weekly Report 2023; 16(33): 1165-1177

Published online August 24, 2023 https://doi.org/10.56786/PHWR.2023.16.33.1

Copyright © The Korea Disease Control and Prevention Agency.

한국 초고령 노인에서 폭염한파와 오존이 사망에 미치는 단기적 영향

신문경1,2, 김경남1*, 배상혁3, 김미지4, 김종헌5, 권호장6, 황승식7, 김효은8, 안윤진8

1한양대학교 의과대학 예방의학교실, 2한양대학교 건강과 사회 연구소, 3가톨릭대학교 의과대학 예방의학교실, 4경상대학교 의과대학 예방의학교실 및 건강과학연구원, 5성균관대학교 의과대학 사회의학교실, 6단국대학교 의과대학 의예과 예방의학교실, 7서울대학교 보건대학원 보건학과, 8질병관리청 건강위해대응관 미래질병대비과

Received: May 17, 2023; Revised: July 9, 2023; Accepted: July 10, 2023

This is an open-access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0/), which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

최근 해외 연구에서 노령인구(65세 이상)는 비노령인구(65세 미만)에 비해 극한기온으로 인한 건강영향이 큰 것으로 보고되고 있다. 국내 연구에서도 노년층에서 대기오염물질과 오존이 증가함에 따라 외래 및 응급실 이용이 증가하는 것으로 보고되고 있다. 본 연구는 기존 연구보다 연령군을 세분화하여 기후변화로 인한 노령인구의 건강영향을 분석하였다. 연구분석을 위한 일별, 원인별 사망자 수는 집계 자료인 통계청 사망원인자료를 이용하였다. 분석 결과 고온 및 저온에서 총사망, 심뇌혈관질환 사망 증가를 확인하였다. 또한 대기 중 오존에 대한 단기 노출과 노령인구의 사망 관련성을 분석하였다. 연구 결과 오존 노출로 인한 비사고사망 증가는 80세 이상 집단에서만 관찰됨을 확인하였다. 이러한 경향은 전체 심뇌혈관 질환에서도 80세 이상 집단에서만 관련성을 보였다. 본 연구는 노령인구에서 연령대별로 위험이 동일하지 않고 그 중 최고령층에서 위험이 급격히 증가한다는 것을 확인했다는 점에서 의의를 가진다.

Keywords: 건강영향, 기온, 기후변화, 노인, 환경

서 론

핵심요약

① 이전에 알려진 내용은?

최근 해외 연구에서 노령인구(65세 이상)는 비노령인구(65세 미만)에 비해 극한기온으로 인한 건강영향이 큰 것으로 보고되고 있다.

② 새로이 알게 된 내용은?

본 연구는 기후변화로 인한 노령인구의 건강영향을 분석하기 위해 집계자료인 통계청 사망원인자료를 활용하였고 분석 결과 고온 및 저온에서 총사망, 심뇌혈관질환 사망 증가를 확인하였다. 또한 대기 중 오존에 대한 단기 노출과 노령인구의 사망 관련성을 분석하였고, 오존 노출로 인한 비사고사망 증가는 80세 이상 집단에서만 관찰됨을 확인하였다.

③ 시사점은?

본 연구는 노령인구에서 연령대별로 위험이 동일하지 않고 그 중 최고령층에서 위험이 급격히 증가한다는 것을 확인했다는 점에서 의의를 가진다.

노령인구는 생리적 예비 능력 부족, 환경유해인자를 회피하기 위한 자원‧기능 부족, 동반질환 등을 이유로 환경보건 측면에서 취약한 집단으로 보고되고 있다[1]. 최근 해외 연구에서 노령인구(65세 이상)는 비노령인구(65세 미만)에 비해 극한기온으로 인한 건강영향이 큰 것으로 보고되고 있다. 국내 연구에서도 노년층에서 대기오염물질과 오존이 증가함에 따라 외래 및 응급실 이용이 증가하는 것으로 보고되고 있다 [2]. 그러나 기존 국내‧외 연구는 대부분 전체 연령층 또는 전체 성인 연령층을 대상으로 연구를 수행하고 이후 고령자에 대해서 하위 그룹 분석을 수행하였다. 각 연령대에서 기후변화의 건강영향이 어떻게 차이가 나는지 확인할 수 있는 연구 방법이긴 하나 고령자 특이적인 노출 및 결과가 확인되지 않는 단점이 있다. 또한 고령사회에서 60세 또는 65세 이상을 모두 하나의 고령자로 분류하기 보다 좀 더 세부적인 연령 범주화로 고령 초기(young-old), 중기(old-old), 후기(oldest old)의 건강 영향을 확인하는 것도 필요하다. 노출(exposure) 측면에서도 많은 연구가 고온 및 저온의 영향을 연구하였으며[3-5] 대기오염물질에 대한 영향을 분석한 연구는 드물다. 대기오염물질 중 오존은 기온이 상승할수록 농도가 높아진다. 이런 특성으로 오존은 기후변화로 인해 농도가 상승할 것으로 생각되고 있다[6]. 이에 본 연구는 기존 연구보다 세분화된 연령을 대상으로 집계 자료원인 통계청 사망원인 자료을 이용하여 기후변화로 인한 노령인구의 건강영향을 분석하였다.

방 법

1. 연구자료

1) 기상자료

기상청에서 제공한 전국 종관기상관측소(http://data.kma.go.kr/cmmn/main.do)가 위치한 지역의 일평균 값을 16개 시도별 일평균으로 계산하여 이용하였다. 16개 시도별 기상변수(일평균 기온, 습도, 체감기온 등)의 평균값을 산출하였다.

2) 일별 오존 농도 자료

한국환경공단 에어코리아 웹사이트(https://www.airkorea.or.kr)에서 제공하는 대기오염측정망에서 2006년 1월 1일부터 2020년 12월 31일까지 측정된 일별 시간별 오존 농도를 구득하였다. 오존의 경우 고온 및 자외선에 의해 발생하는 물질로 일중 변동이 커서 통상 시간별 오존 농도로부터 일별 8시간 최고 농도를 계산하였다. 각 도시에서 운영되고 있는 대기오염 측정망의 측정소 농도를 7개 시도별로 평균하였다. 분석 대상 지역을 7개 대도시(서울, 부산, 대구, 인천, 광주, 대전, 울산)로 한정한 것은 노출을 측정하는 대기오염측정소가 대도시 지역을 벗어난 곳에서는 충분하지 않기 때문이다.

3) 통계청 사망원인 자료

통계청 사망원인 통계로부터 2006년 1월 1일부터 2020년 12월 31일까지 지역별 일별 사망자 수를 이용하였다. 표준질병분류 기준(International Classification of Diseases [ICD]-10)으로 각 원인에 따라 사망자 수를 추출하였다. 노령 인구에서의 관련성을 분석하고 전체 인구집단과 비노령인구집단과 비교하기 위해 연령군을 전체, 65세 미만, 65–79세, 80세 이상으로 구분하여 일별 사망자 수를 추출하였다.

4) 연계자료

본 연구에서는 기상 자료, 일별 오존 농도 자료와 통계청 사망원인 자료를 시도별, 일자별로 연계하여 구축하였다.

2. 통계 분석

1) 극한기온 건강영향

분배시차 비선형모형(distributed lag non-linear model)을 이용하여 7일간의 노출로 인한 총효과를 분석하였다. 각 모형은 상대습도, 요일, 지역, 장기추세를 보정하였으며 분석결과는 건강결과 별로 최소사망온도를 기준(reference)으로 고온과 저온 시 상대위험을 제시하였다. 연중 기온 중 90퍼센타일인 위험도가 가장 낮은 최소사망온도를 25℃로 설정하여 저온(–12℃) 및 고온(33℃)일 때의 상대위험도(relative risk)를 산출하였다. 본 연구 분석은 R software (version 4.2.0; R Foundation for Statistical Computing, Vienna, Austria) 프로그램을 이용하여 분석하였다.

2) 오존 노출에 따른 건강영향

시계열분석을 위해 오존농도를 독립변수로 하고 일별 각 사망자 수를 종속변수로 하는 일반화부가혼합모형(generalized additive mixed model)을 구축하였다. 이 모형은 7개 대도시의 관련성을 통합적으로 분석하기 위해 7개 대도시를 무작위효과로 포함하였다. 모형에는 기상 요인과 요일, 장기 추세가 공변수로 포함되었다. 기상요인은 기상청 자료에서 각 도시의 2006년 1월 1일부터 2020년 12월 31일까지의 기상 기록으로부터 추출하여 당일 평균 기온, 이전 7일 평균 기온, 평균 습도를 포함하였다. 각 사망원인별 개별 모형을 구축하여 회귀계수(β)와 상대위험도를 정리하였다. 이 모형에서 도출되는 회귀계수에 지수함수(exponential)를 적용하여 상대위험도를 구하였다. 또한 연령군에 따른 개별 모형을 구축하였다. 본 연구 분석은 R software (version 4.2.0; R Foundation for Statistical Computing) 프로그램을 이용하여 분석하였다.

결 과

1. 극한기온 건강영향

전체 연령에서 상대위험도는 저온일 경우 1.03 (95% confidence interval [CI]: 1.00, 1.06), 고온일 경우 1.11 (95% CI: 1.08, 1.13)이었다. 65세 미만에서 상대위험도는 저온일 경우 1.01 (95% CI: 0.96, 1.07), 고온일 경우 1.06 (95% CI: 1.01, 1.10)이었다. 65–79세에서 상대위험도는 저온일 경우 1.05 (95% CI: 1.00, 1.11), 고온일 경우 1.12 (95% CI: 1.08, 1.17)였다. 80세 이상에서 상대위험도는 저온일 경우 1.04 (95% CI: 0.99, 1.09), 고온일 경우 1.14 (95% CI: 1.10, 1.18)였다(그림 1). 위험도가 가장 낮은 최소사망온도를 26℃로 설정하여 저온(–12℃) 및 고온(33℃)일 때의 상대위험도를 산출하였다. 전체 연령에서 상대위험도는 저온일 경우 1.11 (95% CI: 1.04, 1.18), 고온일 경우 1.10 (95% CI: 1.05, 1.15)이었다. 65세 미만에서 상대위험도는 저온일 경우 1.12 (95% CI: 0.96, 1.30), 고온일 경우 1.02 (95% CI: 0.91, 1.14)였다. 65–79세에서 상대위험도는 저온일 경우 1.09 (95% CI: 0.98, 1.21), 고온일 경우 1.20 (95% CI: 1.10, 1.30)이었다. 80세 이상에서 상대위험도는 저온일 경우 1.12 (95% CI: 1.02, 1.22), 고온일 경우 1.07 (95% CI: 1.00, 1.14)이었다(그림 2).

Figure 1. 연령군별 극한기온과 전체 원인 사망의 관련성

Figure 2. 연령군별 극한기온과 심뇌혈관질환 사망과의 관련성

2. 오존 노출에 따른 건강영향

전체 연령군에서 일별 8시간 최고 오존농도는 전체 비사고사망과 유의한 관련성이 있었으며, 1 ppb 증가당 사망이 0.05% (95% CI: 0.03, 0.07) 증가하는 것으로 나타났다. 그러나 79세 이하 연령군에서는 이러한 유의한 관련성이 관찰되지 않았으며 80세 이상 군에서는 1 ppb 증가당 사망이 0.07% (95% CI: 0.04, 0.10) 증가하였다(표 1). 이러한 경향은 전체 심뇌혈관 질환에서도 동일하게 나타났으며 80세 이상 연령군에서 오존 1 ppb 증가는 전체 심뇌혈관 질환 사망의 0.08% (95% CI: 0.04, 0.13) 증가와 관련성을 보였다. 세부 심뇌혈관 질환 사망과의 관련성은 비슷한 경향을 보였으나 유의하지 않았다. 이는 세부 질환으로 나뉘어질수록 일별 사망자 수가 적어져서 검정력이 부족해진 결과일 수 있다(표 2).

연령군별 일별 8시간 최고 오존농도와 전체 비사고사망의 관련성(1 ppb 증가당)
연령군회귀계수표준오차p-value상대위험도상대위험도의 95% 신뢰구간
하한상한
전체0.00050.0001<0.00011.00051.00031.0007
0–64세0.00000.00010.90941.00000.99971.0003
65–79세–0.00010.00010.58660.99990.99971.0002
80세 이상0.00070.0001<0.00011.00071.00041.0010


연령군별 일별 8시간 최고 오존농도와 심혈관계 사망의 관련성 (1 ppb 증가당)
연령군회귀계수표준오차p-value상대위험도상대위험도의 95% 신뢰구간
하한상한
전체 심뇌혈관질환
전체0.00050.00020.00211.00051.00021.0009
0–64세0.00030.00030.30231.00030.99971.0010
65–79세–0.00030.00030.21730.99970.99921.0002
80세 이상0.00080.00020.00071.00081.00041.0013
허혈성심질환
전체0.00020.00030.43931.00020.99961.0008
0–64세0.00080.00060.16661.00080.99961.0021
65–79세–0.00060.00050.19390.99940.99841.0003
80세 이상0.00070.00050.13591.00070.99981.0016
뇌졸중
전체0.00000.00020.85601.00000.99961.0005
0–64세–0.00060.00050.22980.99940.99841.0004
65–79세–0.00030.00040.37920.99970.99901.0004
80세 이상0.00050.00030.17901.00050.99981.0011

논 의

본 연구는 기후변화로 인한 노령인구의 건강영향을 분석하기 위해 집계자료인 통계청 사망원인자료를 활용하였고 분석 결과 고온 및 저온에서 총사망, 심뇌혈관질환 사망 증가를 확인하였다. 또한 대기 중 오존에 대한 단기 노출과 노령 인구의 사망 관련성을 분석하였고, 오존 노출로 인한 비사고사망 증가는 80세 이상 집단에서만 관찰됨을 확인하였다. 노화로 인한 생리적 변화로 근육 및 면역 감소하고, 환경 변화에 대처하는 인지적 영향 등 감소하므로 환경보건정책 및 사업에서는 65세 기준보다는 70세, 80세 이상을 더 취약한 집단으로 중재되어야 한다. 이에 80세 이상의 초고령층 대상으로 오존의 건강영향과 오존주의보, 오존경보 등 알람을 효과적으로 전파할 수 있는 방안을 마련할 필요가 있다. 본 연구는 기존 선행 연구에서 사망률이 최저가 되는 기온(minimum mortality temperature) 등을 고온 및 저온으로 인한 부정적인 건강 영향이 시작되는 역치 기온으로 정의됨을 동일하게 반영하였고 전형적인 환경역학 분석 방법론으로 일별 자료를 지역별로 응집하여 생태학적 연구를 하는 시계열 연구를 수행하였다[1,7]. 그러나 생태학적 연구는 인과성을 설명하기에는 한계가 있으므로 코호트 등 개인 수준 자료 활용 연구를 수행하는 것도 향후 과제가 될 수 있다. 또한 고령자는 기저질환을 동반한 경우가 많으므로 추후 특정 환자에서 기후변화가 미치는 영향을 연구할 필요가 있다. 향후 본 연구에서 사용한 방법론과 코호트 등 개인 수준 자료의 기저질환 정보를 활용한다면 특정 질환자 대상의 심층 분석이 가능할 것으로 판단된다. 본 연구는 기존 연구 보다 세분화된 연령을 대상으로 분석하여 노령인구에서 연령대별로 위험이 동일하지 않고 그중 최고령층에서 위험이 급격히 증가한다는 것을 확인했다는 점에서 시사점을 지닌다. 향후 연구에서도 60세 또는 65세 이상을 모두 하나의 고령자로 분류하기보다 좀 더 세부적인 연령 범주화로 고령 초기, 중기, 후기의 건강 영향을 추가적으로 확인하는 것이 필요하다. 이에 노령 인구 대상 기후변화에 따른 건강영향을 중재할 수 있는 건강수칙이나 행동수칙을 마련할 때 구체적이고 도움이 되는 근거가 될 수 있다.

Declarations

Acknowledgments: None.

Ethics Statement: The study design was reviewed and approved by the Institutional Review Board of Ajou University Hospital (AJIRB-MED-EXP-22-223).

Funding Source: This research was supported by research program funded by the Korea Disease Control and Prevention Agency (fund code 2022-12-304).

Conflict of Interest: The authors have no conflicts of interest to declare.

Author Contributions: Conceptualization: KNK. Data curation: KNK, MKS, MJK, JHK, SHB. Formal analysis: KNK, MKS, MJK, JHK, SHB. Funding acquisition: HEK, YJA. Investigation: KNK, MKS. Methodology: KNK, MKS, MJK, JHK, SHB, HJK, SSH. Project administration: MKS. Resources: KNK, MKS, MJK, JHK, SHB. Software: KNK, MKS, MJK, JHK, SHB. Supervision: KNK. Validation: HJK, SSH. Visualization: KNK, MKS, MJK, JHK, SHB. Writing – original draft: KNK, MKS, MJK, JHK, SHB. Writing – review & editing: KNK, MKS.

Fig 1.

Figure 1.연령군별 극한기온과 전체 원인 사망의 관련성
Public Health Weekly Report 2023; 16: 1165-1177https://doi.org/10.56786/PHWR.2023.16.33.1

Fig 2.

Figure 2.연령군별 극한기온과 심뇌혈관질환 사망과의 관련성
Public Health Weekly Report 2023; 16: 1165-1177https://doi.org/10.56786/PHWR.2023.16.33.1
연령군별 일별 8시간 최고 오존농도와 전체 비사고사망의 관련성(1 ppb 증가당)
연령군회귀계수표준오차p-value상대위험도상대위험도의 95% 신뢰구간
하한상한
전체0.00050.0001<0.00011.00051.00031.0007
0–64세0.00000.00010.90941.00000.99971.0003
65–79세–0.00010.00010.58660.99990.99971.0002
80세 이상0.00070.0001<0.00011.00071.00041.0010

연령군별 일별 8시간 최고 오존농도와 심혈관계 사망의 관련성 (1 ppb 증가당)
연령군회귀계수표준오차p-value상대위험도상대위험도의 95% 신뢰구간
하한상한
전체 심뇌혈관질환
전체0.00050.00020.00211.00051.00021.0009
0–64세0.00030.00030.30231.00030.99971.0010
65–79세–0.00030.00030.21730.99970.99921.0002
80세 이상0.00080.00020.00071.00081.00041.0013
허혈성심질환
전체0.00020.00030.43931.00020.99961.0008
0–64세0.00080.00060.16661.00080.99961.0021
65–79세–0.00060.00050.19390.99940.99841.0003
80세 이상0.00070.00050.13591.00070.99981.0016
뇌졸중
전체0.00000.00020.85601.00000.99961.0005
0–64세–0.00060.00050.22980.99940.99841.0004
65–79세–0.00030.00040.37920.99970.99901.0004
80세 이상0.00050.00030.17901.00050.99981.0011

References

  1. de Schrijver E, Bundo M, Ragettli MS, et al. Nationwide analysis of the heat- and cold-related mortality trends in Switzerland between 1969 and 2017: the role of population aging. Environ Health Perspect 2022;130:37001.
    Pubmed KoreaMed CrossRef
  2. Jung EJ, Na W, Lee KE, Jang JY. A study on the influence on medical care for the elderly by exposure to fine particulate matter and ozone. J Environ Health Sci 2019;45:30-41.
    Pubmed KoreaMed CrossRef
  3. Hong YC. Aging society and environmental health challenges. Environ Health Perspect 2013;121:A68-9.
    Pubmed KoreaMed CrossRef
  4. Gasparrini A. Distributed lag linear and non-linear models in R: the package dlnm. J Stat Softw 2011;43:1-20.
    Pubmed KoreaMed CrossRef
  5. Gasparrini A, Armstrong B. Reducing and meta-analysing estimates from distributed lag non-linear models. BMC Med Res Methodol 2013;13:1.
    Pubmed KoreaMed CrossRef
  6. Bae S, Kwon HJ. Current state of research on the risk of morbidity and mortality associated with air pollution in Korea. Yonsei Med J 2019;60:243-56.
    Pubmed KoreaMed CrossRef
  7. Demoury C, Aerts R, Vandeninden B, Van Schaeybroeck B, De Clercq EM. Impact of short-term exposure to extreme temperatures on mortality: a multi-city study in Belgium. Int J Environ Res Public Health 2022;19:3763.
    Pubmed KoreaMed CrossRef
PHWR
Jul 18, 2024 Vol.17 No.28
pp. 1215~1241

Stats or Metrics

Share this article on

  • line

PHWR 주간 건강과 질병
PUBLIC HEALTH WEEKLY REPORT
질병관리청 (Korea Disease Control and Prevention Agency)

eISSN 2586-0860
pISSN 2005-811X