• Journal of Nutrition and Health
• /
• 제52권6호
• /
• pp.540-551
• /
• 2019

본 연구는 2013 ~ 2017년 국민건강영양조사의 검진조사에 참여한 만 20세 이상 성인을 대상으로 고식이섬유 섭취 및 고탄수화물 섭취와 대사질환 간의 연관성을 확인하였다. 한국 성인의 평균 식이섬유 섭취량은 24.1 g/일이었으며, 탄수화물 섭취 수준이 증가할수록 식이섬유 섭취량도 증가하는 경향을 보였다. 고식이섬유 섭취와 대사증후군과의 연관성을 확인하기 위해 식이섬유 섭취량을 5분위수로 분류하였을 때, 충분섭취량 이상의 고식이섬유 섭취는 대사증후군 위험 감소와 연관이 있었다. 또한, 식이섬유 섭취가 탄수화물 섭취와 밀접한 관련이 있다는 점을 반영하여 고탄수화물 섭취와 대사질환과의 연관성을 식이섬유 섭취수준에 따라 확인하고자 하였다. 이에 식이섬유 충분섭취량을 기준으로 하여 성별로 저식이섬유 섭취 그룹과 고식이섬유 섭취 그룹으로 분류한 후, 탄수화물 에너지 섭취비율과 대사질환과의 연관성을 분석한 결과 식이섬유 섭취수준에 따라 고탄수화물 섭취와 대사질환과의 연관성이 다름을 확인하였다. 저식이섬유 섭취 그룹에서는 남자의 경우 탄수화물 섭취가 삼분위군 일 때 일분위군에 비해 대사증후군과 죽상경화성 이상지질혈증의 교차비가 유의적으로 증가하고, 여자의 경우 탄수화물 섭취가 이분위군일 때 일분위군에 비해 고콜레스테롤혈증의 교차비가 유의적으로 증가하였다. 그리고 고식이섬유 섭취 그룹에서는 남자의 경우 탄수화물 섭취비율이 증가할수록 고중성 지방혈증의 위험도가 증가하는 경향을 보였다. 본 연구의 결과는 한국 성인의 고식이섬유 섭취가 대사증후군의 낮은 위험도와 관련이 있다는 근거를 제시하였으며, 특히 남자의 경우 고탄수화물 섭취와 대사지표와의 연관성을 살펴볼 때 식이섬유 섭취 수준을 살펴보는 것이 필요함을 제시했다는데 의의가 있다. 따라서, 향후 우리나라 사람들을 대상으로 전향적인 연구를 실시하여 식이섬유, 탄수화물 섭취와 대사질환과의 인과관계를 검증할 필요가 있으며, 이를 통해 탄수화물의 질적 섭취에 대한 실질적인 섭취 지침을 마련할 필요가 있다.

• Journal of Nutrition and Health
• /
• 제55권1호
• /
• pp.120-140
• /
• 2022

본 연구는 제7기 (2016-2018) 국민건강영양조사자료를 이용하여, KHEI 점수와 대사증후군 위험요소 및 대사증후군의 발생 관련성을 연구하고자 하였다. 연구대상자는 제7기 국민건강영양조사 참여자 중 20-59세의 성인으로 연구에 이용한 변수의 결측치가 없는 8,345명을 최종대상으로 분석하였다. KHEI의 총 평균은 100점 만점에 61.06점, 남성의 총 평균은 59.63점, 여성의 총 평균은 62.50점으로 여성이 남성보다 유의적으로 KHEI 총 평균이 높았다. KHEI의 3개 영역 중 '권고하는 식품 및 적정성 평가영역'과 '절제영역'에서 여성이 남성보다 유의적으로 점수가 높았다. KHEI 점수에 따른 일반적 특성을 파악하기 위하여 KHEI 점수를 4분위수로 나누었으며 남녀 모두 연령대와 가구소득이 Q1그룹에서 Q4그룹으로 갈수록 유의적으로 높았으며, 현재 흡연 비율은 유의적으로 낮았다. 남성은 교육수준과 경제활동상태에서 Q1그룹에 비해 Q4그룹이 대학교 졸업이상 비율과 경제활동 참여율이 유의적으로 높았다. 여성은 음주여부, 우울증여부, 외식횟수에서 Q4그룹이 Q1그룹보다 현재 음주, 우울증 유병자비율과 1일 1회이상 외식 비율이 유의적으로 낮았다. 식품안정성에서는 남녀 모두 Q1그룹이 Q3그룹보다 '식품안정군'이 유의적으로 낮았다. 대사증후군과 관련된 영양소 섭취 실태에서 남녀 모두 Q1 그룹의 에너지 필요 추정량 미만 섭취자 비율이 유의적으로 높았으며, 탄수화물, 단백질, 비타민 C, 칼슘, 비타민 B1, 비타민 B2, 니아신은 평균필요량 미만 섭취자 비율이 유의적으로 높았고, 식이섬유소는 충분 섭취량 미만 섭취자 비율이 유의적으로 높았다. 남성의 공복혈당은 Q3그룹이 Q1그룹보다 유의적으로 높았다. 여성의 BMI는 Q4그룹이 Q2그룹보다 유의적으로 낮았으며, 수축기 혈압은 Q3그룹이 Q1그룹보다 유의적으로 높았다. 여성의 총콜레스테롤은 Q4그룹이 Q1그룹보다 유의적으로 높았다. 대사증후군 위험요인에서 남성의 고중성지방혈증 유병률은 Q1그룹이 Q4그룹보다 유의적으로 높았으며, 고혈당 유병률은 Q3그룹이 Q1그룹보다 유의적으로 높았다. 여성의 고혈압 유병률은 Q3그룹이 Q1그룹보다 유의적으로 높았으며 대사증후군은 Q2그룹이 Q1그룹보다 유의적으로 높았다. KHEI 점수에 따른 대사증후군 위험요인과 대사증후군 연관성 연구결과, 남녀 모두 KHEI 총점수가 높을수록, 20-29세가 50-59세에 비해 대사증후군 위험요소 및 대사증후군의 발생위험이 유의적으로 낮았다. 교육수준, 소득수준, 흡연, 음주, 우울증 여부는 성별에 따라 다른 양상을 보였다. 교육수준에서 남성은 저HDL콜레스테롤혈증, 고혈당의 발생위험이 유의적인 차이를 보였으며, 여성은 우울증이 있는 경우가 없는 경우보다 고중성지방혈증은 1.81배, 고혈당은 1.90배, 대사증후군은 2.50배로 발생위험이 유의적으로 높았다. 남녀 모두 소득수준이 '하'일 때 '상'에 비해 고중성지방혈증, 대사증후군의 발생위험이 유의적으로 높았으며 특히, 여성은 복부비만, 고혈당, 고혈압을 남성은 저HDL콜레스테롤혈증 발생위험이 유의적으로 높았다.

• 한국수자원학회논문집
• /
• 제56권4호
• /
• pp.261-272
• /
• 2023

최근 급격한 도시화와 기후변화에 따라 재난에 의한 피해가 증가하고 있다. 국내 기상청에서는 표준 경보(주의보, 경보)를 전국적으로 통일된 표준 경보 기준(3시간 및 12시간 최대 누적강우량)에 따라 발령하여 재해에 따른 지역별, 재난 사상별 특성이 고려되지 않은 문제점이 있다. 따라서 본 연구에서는 서울특별시, 인천광역시, 경기도의 호우·태풍에 대한 재해 피해액 및 누적강우량을 활용하여 대상지역별 재해강도에 따른 단계별 기준을 설정하고, 강우에 따라 발생할 수 있는 재해의 강도를 분류하는 모형을 개발하고자 하였다. 즉, 본 연구에서는 호우·태풍에 의한 재해 피해액 누적 분포 함수의 분위별로 재해강도의 범주(관심, 주의, 경계, 심각 단계)를 분류하였고, 재해강도의 범주에 따른 누적강우량 기준을 대상 지자체별로 제시하였다. 그리고 지자체별 재해강도 분류모형 개발을 위해 4가지(의사결정나무, 서포트 벡터 머신, 랜덤 포레스트, XGBoost)의 머신러닝 모형을 활용하였는데 강우량, 누적강우량, 지속시간 최대 강우량(3시간, 12시간), 선행강우량을 독립변수로 이용하여 종속변수인 지자체별 재해강도를 분류하였다. 각 모형별 F1 점수를 이용한 정확도 평가 결과, 의사결정나무의 F1 점수가 0.56으로 가장 우수한 정확도를 보였다. 본 연구에서 제시한 머신러닝 기반 재해강도 분류모형을 활용하면 호우·태풍에 의한 재해에 대한 지자체별 위험 상태를 단계별로 파악할 수 있어, 재난 담당자들의 신속한 의사결정을 위한 기초 자료로 활용될 수 있을 것으로 판단된다.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.