지역별 대기오염 수준이 호흡기 질환에 미치는 영향 : 2002~2013년 건강보험 자료를 이용하여 :

박재우

추천

검색

자료유형: 학위논문

저자정보: 박재우 (부산가톨릭대학교, 부산가톨릭대학교 대학원)

지도교수: 황병덕

발행연도: 2017

저작권: 부산가톨릭대학교 논문은 저작권에 의해 보호받습니다.

이용수90

이 논문의 연구 히스토리 (2)

2017

지역별 대기오염 수준이 호흡기 질환에 미치는 영향 : 2002~2013년 건강보험 자료를 이용하여

박재우 병원경영학과 2017.01 학위논문

지역별 대기오염물질(PM10, O3, CO)이 호흡기질환에 미치는 영향

박재우 , 황병덕 대한보건연구 2017.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 대기오염 증가에 따른 건강손실에 대한 통계적 예측모형의 구축으로 건강위해성을 규명하고자 시계열 분석모형인 ARIMA 및 ARIMAX를 활용하여 비교?분석을 시행하였다. 전국을 대상으로 2002∼2013년의 12개년 자료를 활용하여 PM10, O3, NO2, SO2, CO 5가지 대기오염물질의 농도변화가 호흡기계 질환에 미치는 영향력을 조사하고, 전체지역을 4개의 권역으로 나누어 환경적 특성에 따른 지역별 영향력의 비교?분석을 실시하였다. 연구결과는 아래와 같다.

PM10 월평균 농도는 전국에서 1㎍/㎥ 증가 당 약 2.4%의 월평균 호흡기질환 유병건수의 상승을 나타냈다. 4개 권역별로 나누어 보면 수도권에서는 PM10 월평균 농도 1㎍/㎥ 증가 당 약 3.0%, 충청도권은 약 1.2%, 전라도권은 약 0.4%, 경상도권은 약 1.6%의 월평균 호흡기질환 유병건수의 상승을 보였다.
O3 월평균 농도는 전국에서 0.001ppm 증가 당 약 4.0%의 월평균 호흡기질환 유병건수의 상승을 나타냈다. 4개 권역별로 나누어 보면 수도권에서는 O3 월평균 농도 0.001ppm 증가 당 약 3.0%, 전라도권은 약 1.0%, 경상도권은 약 2.5%의 월평균 호흡기질환 유병건수의 상승을 보였다.

NO2 월평균 전국 농도는 호흡기계 질환 유병건수에 유의한 영향을 미치지 않는 것으로 나타났다. 4개 권역별로 나누어 보면 수도권에서는 NO2 월평균 농도 0.001ppm 증가 당 약 3.5%, 충청도권은 약 4.5%의 월평균 호흡기질환 유병건수의 상승을 나타냈다.

SO2 월평균 농도는 전국에서 0.0001ppm 증가 당 약 1.8%의 월평균 호흡기질환 유병건수의 상승을 나타냈다. 4개 권역별로 나누어 보면 수도권에서는 SO2 월평균 농도 0.0001ppm 증가 당 약 1.2%, 경상도권은 약 2.8%의 월평균 호흡기질환 유병건수의 상승을 보였다.

CO 월평균 농도는 전국에서 0.01ppm 증가 당 약 0.6%의 월평균 호흡기질환 유병건수의 상승을 나타냈다. 4개 권역별로 나누어 보면 수도권에서는 CO 월평균 농도 0.01ppm 증가 당 약 3.0%, 충청도권 약 1.6%, 전라도권 약 0.8%, 경상도권 약 1.8%의 월평균 호흡기질환 유병건수의 상승을 보였다.

전반적으로, 대기오염 물질들의 농도 상승에 따라 호흡기계 질환 유병건수가 증가하는 것으로 나타났고, 권역별 특성에 따라 각 대기오염 물질들이 미치는 영향에 차이를 보였다. 이에 따라 향후 지역별 특성을 고려한 대기오염 기준 설정이 필요할 것으로 사료되며, 추후 연구에서 PM2.5 및 기타 관련 요인의 보다 정밀한 자료 구축을 통한 대기오염 환경 예측 모형 구축에 대한 결과의 제시를 제안한다.

The objective of this study is to establish a statistical prediction model for health damage caused by increased air pollution. In order to investigate the health risk it poses, comparison and analysis were conducted using two time series models ARIMA and ARIMAX. Data used in this study span 12 years from 2002 to 2013, and cover the entire country. The impact of changing concentration levels of 5 air pollutants PM10, O3, NO2, SO2, and CO on respiratory disease was investigated. The country was divided into 4 regions, and the effects on each region according to environmental characteristics were compared with one another for analysis. The followings are study results.

- In terms of PM10, the monthly average prevalence of respiratory disease increased by about 2.4% for each 1㎍/㎥ increase of monthly average PM10 concentration level over the country. Considering the prevalence by region, the Seoul Capital Area Sudogwon saw an increased prevalence of respiratory disease by about 3.0%, Chungcheong region by about 1.2%, Jeolla region by about 0.4%, and Gyeongsang region by about 1.6% per 1㎍/㎥ of monthly PM10 increase.

- As for the monthly average concentration of O3, the prevalence of respiratory disease increased by about 4.0% for each 0.001ppm increase across the country. By region, the monthly average prevalence of respiratory disease increased by about 3.0% in Sudogwon, by about 1.0% in Jeolla region, and by about 2.5% in Gyeongsang region for each 0.001ppm increase of the monthly average O3 concentration.

- The monthly average concentration of NO2 did not have a significant effect on the prevalence of respiratory disease. By region, the monthly average prevalence of respiratory disease increased by about 3.5% in Sudogwon, and by about 4.5% in Chungcheong region for each 0.001ppm increase of the monthly average concentration of NO2.

- For each 0.0001ppm increase of monthly average SO2 concentration, the monthly prevalence of respiratory disease increased by about 1.8% across the country. By region, it increased by about 1.2% in Sudogwon, and by about 2.8% in Gyeongsang region for each 0.0001ppm increase of the monthly SO2 concentration.

- The monthly average prevalence of respiratory disease increased by about 0.6% across the country for each 0.01ppm increase of monthly average CO concentration. By region, it increased by about 3.0% in Sudogwon, by about 1.6% in Chungcheong region, by about 0.8% in Jeolla region, and about 1.8% in Gyeongsang region for each 0.01ppm increase of monthly average CO concentration.

In general, the prevalence of respiratory disease demonstrated an increasing trend in accordance with the increase of concentration of air pollutants. The effect of each air pollutant varied depending on the characteristics of each region. Therefore, it is necessary to establish air pollution standards which take regional characteristics into account in the future. Further, it is recommended to establish an environmental prediction model for air pollution through establishing more accurate database on PM2.5 and other related factors in future studies.

#대기오염 #호흡기계 질환 #건강보험 #시계열분석 #ARIMA #ARIMAX

Ⅰ. Intriduction 1
1. Necessity and objectives of study 1
A. Necessity for study 1
B. Study objectives 5
Ⅱ. Theorectical Background 6
1. Air pollutants 6
A. Particulate matter(PM10) 6
B. Ozone(O3) 7
C. Nitrogen dioxide(NO2) 8
D. Sulfur dioxide(SO2) 9
E. Carbon monoxide(CO) 10
2. Case study analysis: precedent studies 11
A. Case analysis of domestic studies 11
B. Case analysis of overseas studies 29
Ⅲ. Methodology and Characteristics of Analyzed data 33
1. Time series analysis method 33
A. Definition of time series data 33
B. Stability of time series data 34
C. Cointegration test 37
D. ARIMA model 38
E. ARIMAX model 45
2. Study subject and range 48
3. Study model 48
4. Analysis data and major characteristics 50
A. National Health Insurance Service (NHIS) cohort DB 50
B. Atmospheric environment data 52
Ⅳ. Study Results 53
1. Basic statistics 53
A. Air pollutant concentration of cities and provinces 53
B. Air pollutant concentration per year 53
C. Prevalence rate of patients with respiratory disease in cities and provinces 54
D. Prevalence rate of patients with respiratory disease per year 55
E. Evolution of air pollution rate 57
F. Evolution of prevalence of patients with respiratory disease 60
2. Stability test of variables 61
A. Unit root test, Autocorrelation function(ACF),
Partial Autocorrelation function(PACF) 61
3. Suitability results of ARIMA model 70
A. Country 70
B. Seoul Capital Area(Sudogwon) 79
C. Chungcheong-do region 88
D. Jeolla-do region 97
E. Gyeongsang-do region 106
4. Results of respiratory disease prediction by ARIMAX model 115
Ⅴ. Discussion 117
Ⅵ. Conclusion 124
References 125
ABSTRACT 129

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)