04-최한조

대한응급의학회지 제 27 권 제 1 호 Volume 27, Number 1, February, 2016 원 저 Medical 응급실 내원 환자 중 지역사회획득 폐렴 발생 환자수와 기상 요소와의 연관성: 엘라 스틱 넷 변수 선택 기법을 이용한 포아송 회귀분석 서울의료원 응급의학과 최한조 박상현 곽명관 표창해 박근홍 김한범 신승열 The Relationship between the Number of Community Acquired Pneumonia Patients and the Weather among the Patients Who Visit ER: A Poisson Regression with Variable Selection Via Elastic net Hanzo Choi, M.D., M.S., Sanghyun Park, M.D., Myoung Kwan Kwak, M.D., Changhae Pyo, M.D., Keunhong Park, M.D., Hahnbom Kim, M.D., Seoungyul Shin, M.D. Purpose: This study shows the relationship between meteorological factors and the number of community acquired pneumonia (CAP) patients in the emergency room and lag effect of meteorological factors affecting CAP. Methods: A retrospective study was conducted. Patients diagnosed with CAP in the emergency room between January 2012 and December 2014 were enrolled. The patients were over 18 years old and lived in Seoul, Korea. Meteorological factors (highest daily temperature, lowest temperature, mean temperature, diurnal temperature, rainfall, relative humidity, amount of sunshine, and powdery dust under 10 μg/m 3 (PM10)) between December 2011 and December 2014 in Seoul were acquired from the Korea Meteorological Administration. Multiple Poisson regression (Generalized Linear Model) was used with daily patient s number of CAP as the response variable and meteorological factors as the explanatory variable. Variable selection was performed via Elastic net. Results: A total of 568 CAP patients were checked. Highest temperature (before 6 days), rainfall (before 1 day), relative humidity (before 20, 15, 13, 6, 2, and 1 days), and PM10 (before 27, 24, 17, and 13 days) showed relationship and lag effect with the incidence of CAP. Conclusion: This study showed that meteorological factors (highest temperature, rainfall, relative humidity, and PM10) had relationship and lag effect with the incidence of CAP. We can make a prediction model with health weather index for prevention of CAP and redistribution of medical facilities and resources. Key Words: Pneumonia, Weather, Regression analysis Department of Emergency Medicine, Seoul Medical Center, 156 Sinnae-ro, Jungnang-gu, Seoul, Republic of Korea Article Summary What is already known in the previous study The incidence of adult pneumonia is related to weather factors, mainly mean temperature. Other weather factors regarding the relationship have not been previously studied. What is new in the current study Many weather factors, particularly the highest temperature, rainfall, relative humidity, and particulate Matter (PM10), affected the incidence of adult pneumonia. They also have some lag effects. 서 론 책임저자: 박 상 현 서울특별시 중랑구 신내로 156 서울의료원 응급의학과 Tel: 02) 2276-7424, Fax: 02) 2276-7418 E-mail: emergency70@hanmail.net 접수일: 2015년 7월 20일, 1차 교정일: 2015년 7월 20일 게재승인일: 2015년 10월 19일 오랜 세월 동안 기후는 인간의 삶과 건강에 영향을 주었 으며, 기후변화는 질병 발생의 직접적인 원인은 아니더라 도 건강과 밀접한 상관관계에 있었다 1,2). 기후변화에 영향 을 받는 대표적인 질환에는 심혈관계 질환, 뇌졸중, 만성폐 쇄폐질환, 폐렴 등이 있다 3). 기후변화가 이전보다 더 심해 짐에 따라 기상변화에 따른 여러 질병들에 대한 많은 연구 22

최한조 외: 응급실 내원 환자 중 지역사회획득 폐렴 발생 환자수와 기상 요소와의 연관성 / 23 들이 진행되었으며, 동시에 폐렴 발생에 관한 기상요소들 의 연관성 연구도 진행되었다. 폐렴은 응급실에서 쉽게 볼수있는대표적인 호흡기 질환 이며, 역학적 요인에 의해 지역사회획득 폐렴(Community Acquired Pneumonia, CAP)과 병원 내 폐렴(Hospital Acquired Pneumonia, HAP) 그리고 각종 보건관련 수용시 설 및 건강관리에 관련된 폐렴을 총칭하여 건강관리연관 폐 렴(Health Care Associated Pneumonia, HCAP)으로 나 누어 진다 4). 지역사회획득 폐렴은 의료 관리 체계 또는 시설과의 접 촉이 거의 없이, 병원 밖에서 감염이 되어 발생한 폐렴으로 정의되며 항생제 치료에도 불구하고 사망률이 12~14%에 이르며 감염성 질환 중 가장 흔한 사망원인 중 하나이다 5). 이러한 지역사회 획득 폐렴의 발생에는 다른 폐렴군에 비 하여 환경적 요인이 발병에 영향을 미칠 것으로 생각된다. 기존의 연구에서는 기상요소들의 단변량 또는 이변량을 가지고 분석을 시행하였으며 다변량으로 시행된 기상요소 의 지연효과(lag effect)에 관한 연구는 진행된 바가 없었 다. 따라서 본 연구는 지역사회획득폐렴 환자의 연도별, 월 별, 계절별 및 요일별 발생 분포를 살펴보고 동시에 온도를 포함한 다양한 기상요소들의 변화와 지연효과가 지역사회 획득 폐렴발생에 미치는 상관관계에 대해 알아보고자 한다. 대상과 방법 하였으며, 질병 발생의 영향력이 최대 28일까지 있을 것으 로 가정하고, 2011년12월 4일부터 2014년 12월 30일까 지 기상자료를 수집하였다. 기상요소에는 기상청에서 제공 하는 최고온도, 최저온도, 평균온도, 강수량, 상대습도, 일 조량, 일교차, 미세먼지 등의 8가지 요소를 포함 시켰으며, 미세먼지는 먼지의 크기에 따라 10 μm 이하(PM10)를 포 함시켰다. 계절은 3월, 4월, 5월은 봄, 6월, 7월, 8월은 여 름, 9월, 10월, 11월은 가을, 그리고 12월, 1월, 2월은 겨 울로 분류하였다. 3. 통계 일별 발생 환자수를 반응변수로 두었으며, 기상요소들은 독립변수로 두어, 포아송 회귀 분석(Generalized Linear Model)을 시행하였다. 독립변수들끼리 연관성 및 다중 공선성을 알아보기 위 해, Pearson의 상관 분석을 이용하였으며, 변수 선택은 엘 라스틱 넷 기법을 이용하였다 7). 기상요소들의 연도별 평균차이를 보기 위하여, 분산분석 을 시행하였으며, 사후 검정은 Bonferroni test를 사용 하 였다. 검정 수준은 5%로 정하였다. 수집된 자료의 기록과 그래프 작성은 Microsoft Office Excel 2010 버전 그리고 R version 3.1.2를 사용 하였으 며, 모든 통계 검정은 R version 3.1.2를 이용하여 분석을 하였다. 1. 연구 대상자 4. 포아송 회귀분석 모형과 엘라스틱 넷 변수선택 기법 본 연구는 전자의무기록을 이용하여 작성된 후향적 연구로 서 2012년 1월 1일부터 2014년 12월 31일 까지 36개월 동 안 서울특별시의 동북부에 위치한 일개 종합병원의 응급실을 방문한 만 18세 이상의 환자 중에서 서울에 거주하며 폐렴으 로 진단된 환자를 대상으로 하였으며, 이 중 병원 밖에서 감염 이 된 환자를 선별하였다. 타 병원 및 요양원에서 이송되어온 환자와 최근 7일 이내 병원 입원 경력 있는 환자 그리고 면역 력이 약한 상태의 환자는 제외하였다 6). 본 연구는 본원의 연 구윤리승인위원회의 승인(2015-014)을 받고 시행되었다. 한국표준질병사인분류(KCD)를 기준하여, 폐렴 환자 (J10~J20)를 추출하였으며, 의무 기록 기준으로 지역사 회획득 폐렴 환자를 추출하였다. 대상 환자의 전자의무기 록을 이용하여 환자의 성별, 나이, 응급실 진료일자 및 혈 액 검사결과를 조사하였으며, 00시 기준으로 해당일의 폐 렴 환자수를 정리하였다. 2. 기상요소 및 계절 분류 기상요소들은 기상청의 서울시 기상자료를 토대로 정리 포아송 회귀 분석 모형은 일반화 선형 모형의 한 형태이 며, 반응 변수 Y가 포아송 분포를 따른다는 가정을 둔다. 설명 변수 X는 8개의 기상요소를 구분하였으며, 각 기상요 소에는 28일 간의 자료를 수집하였다. 즉, 반응 변수 Y에 대응 하는 설명 변수는 224개이다(Fig. 1). 다중 회귀 분석에서 변수 선택법으로 사용되는 일반적인 기법들, 즉 전진, 후진, 또는 단계별 선택법으로 변수 선택 을 시행하면, 회귀모형의 설명력을 높이기 위하여 예상보 다 많은 변수들이 선택되는 단점이 있다. 그리고, 224개의 설명 변수들 내에서도 수 많은 다중 공선성이 발생할 수 있 어 적당한 설명 변수 X를 선택하여 모형을 일반화 하기가 어렵다. 이런 단점을 보완하기 위하여 엘라스틱 넷 기법이 도입 되었으며, 엘라스틱 넷은 변수 선택이 자동적으로 되 며 상호 연관된 변수들의 집단적 설명이 가능하다 7). E(Y)=exp[α+β 1(X 1)+β 2(X 2)+ +β n(x n)] E(Y)는 일별 지역사회획득 폐렴 환자의 기대 값이며, α 는 상수 항, 각각의 β는 연관성 있는 기상 요소의 회귀 계 수, X는 표준화된 기상요소 값을 의미한다.

24 / 대한응급의학회지: 제 27 권 제 1 호 2016 결 과 1. 연구 대상자 특성 연구기간 동안 대상자는 전체 폐렴 환자 1136명 중, 지 역사회획득 폐렴 환자 568명으로 확인되었다. 전체 지역 사회획득 폐렴 환자의 평균연령은 67.0±16.9세이었고, 남자는 65.0±16.1세, 여자는 70.2±17.7세로 여자 환자 의 연령이 더 높았다(p<0.001). 성별은 남자가 347명(61.0%), 여자가 221명(38.9%) 이었고, 남녀비는 1.6:1 로 남자가 더 많았다. Fig. 1. A Poisson regression model. The response variable Y has a Poisson distribution. There are 8 categories of meteorological factors, each factor has weather data for 28 days and total explanatory variable X is 224. LT: Lowest Temperature, HT: Highest Temperature, AT: Average Temperature PM10: Powdery Dust under 10 μg/m 3 Table 1. Demographic data of community acquired pneumonia cases. (n=568) Variables Age Mean±Standard deviation 67.0±16.9 > 65 years, n (%) 341 (60.0) Sex Men/Women, n (%) 347 (61.1)/221 (38.9) Comorbidity Hypertension, n (%) 227 (40.0) Diabetes mellitus, n (%) 112 (19.7) Tuberculosis, n (%) 124 (21.9) COPD or asthma, n (%) 096 (16.9) Cardiovascular accident, n (%) 082 (14.4) Liver cirrhosis, n (%) 019 (03.3) Chronic kidney disease, n (%) 025 (04.4) None, n (%) 143 (25.2) CURB-65 0-1, n (%) 155 (27.3) 2-3, n (%) 211 (37.1) 4-5, n (%) 011 (01.9) Admission, n (%) 414 (72.9) Death after admission, n (%) 049 (08.6) COPD: chronic obstructive pulmonary disease CURB-65: confusion, urea, respiratory rate, blood pressure, age 65

최한조 외: 응급실 내원 환자 중 지역사회획득 폐렴 발생 환자수와 기상 요소와의 연관성 / 25 지역사회획득 폐렴 환자가 가지고 있는 동반질환에는 각 각 고혈압 227명(40.0%), 당뇨 112명(19.7%), 결핵력 Table 2. Distribution of incidence (year, month and days of the week). Number of patients (%) Yearly distribution Year 2012 224 (39.4) Year 2013 186 (32.7) Year 2014 158 (27.8) Monthly distribution January 063 (11.1) February 070 (12.3) March 049 (08.6) April 051 (09.0) May 056 (09.9) June 040 (07.0) July 028 (04.9) August 034 (06.0) September 041 (07.2) October 043 (07.6) November 046 (08.1) December 047 (08.3) Seasonal distribution Spring 156 (27.5) Summer 102 (18.0) Autumn 130 (22.9) Winter 180 (31.7) Days of week Sunday 100 (17.6) Monday 070 (12.3) Tuesday 087 (15.3) Wednesday 063 (11.1) Thursday 072 (12.7) Friday 086 (15.1) Saturday 090 (15.8) 124명(21.9%), 만성폐쇄폐질환 및 천식 96명(16.9%), 심혈관계 질환력 82명(14.4%), 간경화 19명(3.3%), 만 성 콩팥병 25명(4.4%) 등이 있었으며, 동반질환이 없는 환자는 143명(25.2%)이었다. CURB-65 점수에서 0~1점은 155명(27.3%), 2~3점 은 211명(37.1%), 4~5점은 11명(1.9%)이었다. 입원 환자수는 414명(72.9%)이었으며, 입원 후 사망한 환자는 49명(8.6%)이었다(Table 1). 2. 연도별, 월별, 계절별 및 요일별 내원 환자 수 분석 연도별로 지역사회획득 폐렴 환자 수는 2012년 224명 (39.4%), 2013년 186명(32.7%), 2014년 158명 (27.8%)으로 조사되었으며, 월별 발생은 2월이 70명 (12.3%)으로 가장 많았으며, 7월이 28명(4.9%)으로 가 장 적었다. 계절별 발생은 겨울이 180명(31.7%)으로 가장 많았으며, 여름이 102명(18.0%)으로 가장 적었다. 요일별 발생은 일요일이 100명(17.6%)으로 가장 많았고, 수요일 이 63명(11.1%)으로 가장 적었다(Table 2) (Fig. 2). 3. 기상 요소 분석 기상 요소들 중, 일교차(p<0.001), 강수량(p=0.048), 상대습도(p<0.001) 그리고 미세먼지(p=0.023)에서 연 도별로 차이를 보였다(Table 3). 4. 기상요소간의 상관 관계 8개의 기상요소간의 상관도에서 최고 온도와 일조량 (p=0.077), 일조량과 평균온도(p=0.230), 일교차와 평 균온도(p=0.260), 일조량과 미세먼지(p=0.820)를 제외 한 모두에서 상관관계가 유의하였다. 기상요소들끼리 상관 성은 다중 공선성이 존재함을 보인다(Fig. 3). Fig. 2. Graph of broken line about monthly numbers of community acquired pneumonia in the emergency department. CAP: community acquired pneumonia

26 / 대한응급의학회지: 제 27 권 제 1 호 2016 5. 포아송 회귀 분석 및 변수 선택 224개의 기상요소 독립 변수와 지역사회획득 폐렴 환자 발생 수 반응 변수와의 포아송 회귀분석에서 엘라스틱 넷 변수 선택기법을 이용하여, 12개의 기상요소 독립변수가 선택이 되었다. 6일 전 최고온도의 1 C 상승은 지역사회획득 폐렴환자 발생 위험성을 5.9% 감소시키며, 1일전 강수량의 1 mm 증가는 지역사회획득 폐렴환자 발생 위험성을 11.9% 감소 시킨다. 20, 15, 13, 6, 2, 1일 전의 상대습도 1%의 증가는 지역 사회획득 폐렴환자 발생 위험성을 각 각 2.5%, 3.4%, Table 3. Results of one way analysis of variance of meteorological factors for yearly difference. Factors (Mean±Standard deviation) Year 2012 Year 2013 Year 2014 p-value Highest Temperature ( C) 16.8±11.80 17.0±11.3 18.4±10.5 <0.114 Lowest Temperature ( C) 8.5±11.6 08.8±11.4 09.4±10.4 <0.536 Diurnal Temperature Range ( C) 8.3±2.5 a..8.1±2.9 a.9.0±2.9 b <0.001 Average Temperature ( C) 12.3±11.60 12.6±11.2 13.4±10.3 <0.328 Rainfall (mm).4.5±16.0 a 0.3.9±13.5 b.2.2±7.7 c <0.048 Relative Humidity (%) 56.7±14.6 a..60.1±14.1 b.62.9±14.9 c <0.001 Amount of Sunshine (hours) 6.6±3.90 6.6±4.0 6.6±3.8 <0.953 PM10 (μg/m 3 ) 41.1±20.9 a..44.6±24.7 b.45.9±27.0 b <0.023 PM10: powdery dust under 10 μg/m 3 a, b, c The same latters indicate non-significant difference between groups based on Bonferroni multiple comparison test. Fig. 3. Pearson correlation between meteorological factors. PM10: powdery dust under 10 μg/m 3

최한조 외: 응급실 내원 환자 중 지역사회획득 폐렴 발생 환자수와 기상 요소와의 연관성 / 27 4.6%, 5.0%, 10.7%, 1.3% 감소시킨다. 27, 24, 17, 13일 전의 미세먼지 PM10의 1 μg/m 3 증가 는 지역사회획득 폐렴환자 발생 위험성을 각 각 8.6%, 6.5%, 4.3%, 5.7% 증가시킨다(Table 4). 고 찰 본 연구는 기상청이 제공하는 8개의 기상요소들(최고온 도, 최저온도, 평균온도, 일교차, 강수량, 상대습도, 일조량, 미세먼지)에 의한 지역사회획득 페렴 환자의 발생에 미치 는 영향을 알아보기 위하여 2011년 12월 4일부터 2014 년 12월 30일까지 기상자료와 2012년 1월 1일부터 2014 년 12월 14일까지 응급실을 내원한 지역사회획득 폐렴 환 자들을 분석하였다. 기상자료 수집 시작일이 지역사회획득 폐렴 환자 수집 시작일보다 28일 앞서는 이유는 지역사회 획득 폐렴의 발생에 기상요소들의 지연효과가 있을 것이 며, 발생 지연효과 기간을 28일로 설정하게 된 것은, 발병 하루 전부터 일년 동안의 기상정보를 반복적으로 회귀분석 을 시행하여 발병 28일 이전의 기상요소들은 폐렴 발생에 연관성이 유효하지 않은 결과를 보였기 때문이다. 연구에 선정된 대상자들은 모두 서울지역의 기상조건에 동일하게 노출되었을 것이라 가정하였다. 지역사회획득 폐렴의 발생일은 정확하지 않을 수 있으나, 외래가 아닌 응급실로 내원할 정도의 증상의 중증도 및 경 향성을 고려하여, 응급실 내원일을 발생일로 가정하였다. 폐렴의 발생 기전은 폐 실질에 미생물의 침입과 정상 방 어기전의 손상에 의한 결과로 인한 염증으로 발생하게 된다 8). 원인으로는 낮은 평균온도 및 상대습도에 의하여 높아진 바이러스의 생존성, 기관지 점막의 혈액 순환 감소, 청소율 감소 그리고 동시에 독감 및 감기 바이러스에 의한 감염 자 체의 빈도가 증가함에 따라 폐렴 발생률이 높아진다 9-12). 따 라서 겨울철에는 폐렴의 발생 빈도가 증가할 것이고, 여름 철에는 감소할 것이다. 본 연구에서도 월별 지역사회획득 환자의 발생은 겨울철인 2월에 12.3%로 가장 많았으며 여 름철인 7월에 4.9%로 가장 적었다. 계절별로도 겨울에 31.7%로 가장 많았으며 여름에 18.0%로 가장 적었다. 8개의 기상요소들과 지역사회획득 폐렴의 발생과 연관 성이 있는 요소들에는 최고온도, 강수량, 상대습도 그리고 미세먼지의 4가지 요소였다. 즉, 최고온도는 1개(6일전), 강수량은 1개(1일전), 상대습도는 6개(20, 15, 13, 6, 2, 1일전) 그리고 미세먼지는 4개(27, 24, 17, 13일전)의 변 수가 관련성을 보였으며, 최저온도, 평균온도, 일조량 그리 고 일교차의 기상요소와는 연관성이 관찰되지 않았다. Lin 등 13) 은 평균온도가 낮아짐에 따라 지역사회획득 폐 렴의 월 입원율이 증가함을 보였다. 본 연구에서는 6일전 의 최고온도가 연관성을 보였으며, 온도가 낮아짐에 따라 지역사회획득 폐렴 환자 발생률이 증가함을 보였다. Lin 등 13) 의 연구와 같이 온도가 낮아짐에 따라 지역사회획득 폐렴 발생률이 증가함을 같이 보이지만, 평균온도가 아닌 최고온도가 선택된 이유는 두 연구의 다른 지역적 특성이 반영되었을 것이라 생각한다. 우리나라는 연간 최고온도의 범위가 최저온도의 범위보다 더 크며, 최고온도는 최저온 도보다 일교차나 평균온도의 변화에 미치는 영향력이 더 크므로 지역사회획득 폐렴의 발생률에 영향을 더 줄 것이 라 생각한다. 기상요소 중 강수량과 습도는 서로 연관성이 높은 인자 이며, 강수량이 증가함에 따라, 습도도 상대적으로 증가하 Table 4. Results of multiple poisson regression analysis of clinical variables via elastic net. Parameters Coefficient IRR (95% CI) p-value Constant -0.709 Highest temperature before 6 days -0.060 0.941 (0.932-0.951) 0.022 Rainfall before 1 day -0.127 0.881 (0.868-0.894) 0.009 Relative humidity before 20 days -0.025 0.975 (0.966-0.984) 0.048 Relative humidity before 15 days -0.035 0.966 (0.957-0.975) 0.045 Relative humidity before 13 days -0.047 0.954 (0.945-0.963) 0.032 Relative humidity before 6 days -0.051 0.950 (0.920-0.981) 0.027 Relative humidity before 2 days -0.114 0.893 (0.801-0.995) 0.039 Relative humidity before 1 day -0.013 0.987 (0.976-0.999) 0.008 PM10 before 27 days -0.083 1.086 (1.002-1.178) 0.043 PM10 before 24 days -0.063 1.065 (1.057-1.074) 0.001 PM10 before 17 days -0.042 1.043 (1.034-1.052) 0.031 PM10 before 13 days -0.055 1.057 (1.048-1.066) 0.018 CI: confidence interval PM10: powdery dust under 10 μg/m 3 IRR: Incidence rate ratio reflects change in community acquired pneumonia risk per unit change in the meteorological variable.

28 / 대한응급의학회지: 제 27 권 제 1 호 2016 게 된다. Davis 등 14) 은 낮은 상대 습도로 인하여 독감 및 폐렴의 발생이 증가한다고 하였으며, 본 연구에서도 동일 하게 상대습도의 감소로 지역사회획득 폐렴 환자의 발생률 이 높아짐을 보였다. 또한 강수량의 감소로 인하여 지역사 회획득 폐렴 발생률이 높아짐을 같이 보였다. 여기서 상대 습도의 변수가 6개 선택된 것에 비해 강수량의 변수가 1개 만 선택된 이유에는 강수량은 비가 오는 날에만 관찰이 되 어 기록이 되기 때문이다. 상대습도는 매일 기록이 되지만, 강수량은 비가 오는 날에만 기록이 되어 상대적으로 관찰 변수가 적으므로 선택된 변수가 상대습도의 선택된 변수보 다 적을 것이다. 본 연구에서는 일조량은 폐렴 발생에 연관성을 보이지 않고 있었다. Lin 등 13) 의 결과에서도 일조량은 지역사회획 득 폐렴에 의한 입원율과의 연관성이 없다고 하였다. 미세먼지의 증가 또한 폐렴 발생률의 증가를 보여 주고 있으며 본 연구에서도 동일한 결론을 얻을 수 있었다. Wanka 등 2) 은 공기오염 요소로 PM10, 오존, 이산화황, 이 산화질소 그리고 일산화탄소를 포함 시켰다. 포함된 모든 요소에서 호흡기질환 발생에 연관성을 보였으며, PM10, 오존, 이산화질소, 일산화탄소는 지연효과 없이 발생 당일 의 결과가 영향을 보였다고 하였다. 이산화황과 일산화탄 소는 1~3일의 단기적 지연효과를 보였으며, 또한 일산화 탄소는 4~7일의 중기적 지연효과도 보였다고 하였다. 본 연구에서는 PM10 요소만 포함 시켰으며, 27, 24, 17, 13 일전의 장기적 지연효과를 보이는 것으로 나타났다. 환경 오염 요소들에 의하여, 폐렴 발생에 영향을 주는 것으로 두 연구는 동일한 결과를 보이고 있으나, 지연효과는 다른 결 과를 보이고 있다. Wanka 등 2) 은모든상부호흡기질환, 천식, 만성폐쇄폐질환, 폐렴 등 모든 호흡기 질환을 포함 시켰으나, 본 연구는 오로지 지역사회획득 폐렴만을 대상 으로 하였기에 지연효과의 차이가 존재할 것이라 생각한 다. 즉, 환자군의 기존의 폐질환 유무의 정도가 본 연구보 다 Wanka 등 2) 의 연구에서 더 많기 때문에 단기 및 중기적 지연효과를 보인 것으로 생각한다. 환경 오염과 관련되어 오존, 미세먼지 그리고 이산화질소의 증가는 호흡기 질환 뿐만이 아니라, 심혈관계 질환에 까지 영향을 미치는 것으 로 알려져 있다 15). 온도에 관한 기상요소는 최고온도, 최저온도, 평균온도 그리고 일교차로 구성되어, 전체 설명 변수에서 절반을 차 지하지만, 이번 연구에서 온도에 관한 영향력은 6일전 최 고온도 하나만 상관성을 보여 다른 기상요소들에 비해 낮 은 상관관계를 보이는 것으로 확인되었다. 기존의 연구들 은 단변량 또는 이변량으로 지역사회획득 폐렴발생과의 관 련성 유무를 판단하였으나, 본 연구에서는 온도를 포함한 여러 기상요소들의 다변량 분석을 하였기에 상대적으로 온 도에 의한 상관도는 낮게 나오는 결과를 얻은 것이라 생각 한다. 따라서, 기상요소 중 온도 이외 다른 기상 요소가 폐 렴 발생에 영향을 미친다는 것을 생각할 수 있다. 따라서, 기상요소의 변화와 지역사회획득 폐렴 발생률과의 상관관 계를 추론하고자 할 때는 온도 이외의 변수들도 반드시 고 려하여야 할 것이다. 본 연구에서의 제한점은 다음과 같다. 첫 번째로 3년간 의 짧은 연구 기간과 연간 지역사회획득 폐렴 환자수의 상 이함을 지적 할 수 있다. 대부분의 기후변화와 질병과의 연 관성 연구는 장기간의 연구기간을 필요로 한다. 본원의 전 자의무기록 시스템이 2012년부터 본격화되었기에, 다소 짧은 연구기간을 가지고 연구를 할 수 밖에 없었다. 그리고 병원의 이전과 동시에 시간이 지나면서 폐렴 환자군의 구 성이 바뀌었다. 즉, 주변 요양원 또는 요양병원에서의 건강 관리연관 폐렴 환자의 유입이 증가되면서 지역사회획득 폐 렴의 환자수가 감소하게 되었다. 두 번째로는 서울의 동북 부의 위치한 일개 병원에서 수집된 자료를 바탕으로 하였 다는 점이다. 기후 조건이 다른 지역 의료기관을 포함하는 다수의 의료기관을 대상으로 조사하였다면 폐렴발생에 대 한 지역적인 기후요소의 차이를 포함한 원인에 대한 보다 다양하고 정확한 추론이 가능하였을 것이다. 세 번째로는 계절에 따른 주요 원인균의 데이터를 반영하지 못하였다. 지역사회획득 폐렴은 여름에는 주로 레지오넬라균에 의한 폐렴이 많이 발생하며, 겨울에는 주로 폐렴구균에 의하여 발생한다 16). Fisman 등 17) 의 연구에서 상대 습도와 강수량 이 레지오넬라 폐렴 발생에 영향을 주는 것을 보여주었는 데, 이는 여름 동안의 한정된 기간과 폐렴의 원인균을 레지 오넬라균 하나로만 선정하였다. 하지만, 본 연구에서는 모 든 계절을 포함하였으며, 특정 원인균이 아닌 지역사회획 득 폐렴의 원인이 되는 모든 세균과 바이러스를 포함하여 진행하였다. 네 번째로는 계절간, 월간 그리고 주간의 특성 을 고려하여 예측 모델을 설정하지 않은 점이다. 많은 수의 설명 변수로 인하여, 모델의 단순화에 초점을 두어서 분석 을 하였다. 엘라스틱 넷 변수 선택기법으로 우선 연속성 설 명 변수를 선택 후, 다시 계절간, 월간 그리고 주간의 특성 을 고려한 지시변수를 추가하여 새로 분석을 하여야만 했 었다. 하지만 일개 병원에서의 연구에서 어떠한 기상요소 들이 연관성을 가지는 것에 대하여 중점을 두어 분석을 하 였기에 그러하지 못했다. 앞으로 지역사회획득 폐렴의 발생에 대하여, 장기간의 데이터와 타 지역의 여러 다른 병원들과의 공동연구, 계절 에 따른 주요 원인균의 데이터와 계절간, 월간 그리고 주간 의 특성을 고려한 지시변수를 추가 한다면 좀 더 정확한 회 귀식을 제시 할 수 있을 것으로 생각된다. 결 론 기상청이 제공하는 8가지의 기상요소 중에서 지역사회

최한조 외: 응급실 내원 환자 중 지역사회획득 폐렴 발생 환자수와 기상 요소와의 연관성 / 29 획득 폐렴의 발생률과의 연관성 조사에서 각 각 최고온도 는 1개(6일전), 강수량은 1개(1일전), 상대습도 6개(20, 15, 13, 6, 2, 1일전) 그리고 미세먼지 4개(27, 24, 17, 13일전)의 변수들이 연관성 및 지연효과를 보였다. 우리나라 기상청은 2012년부터 보건기상지수를 제시하 고 있는데, 여기에는 감기가능지수, 천식 및 만성폐쇄폐질 환 급성악화 가능지수, 피부질환 가능지수 그리고 뇌졸중 가능지수를 포함하고 있다 18). 하지만, 지역사회획득폐렴 환 자 발생을 예측하기 위한 보건기상지수는 아직까지 개발되 어 있지 않다. 본 연구 결과를 바탕으로 제한점을 보완한다 면 기상변화와 관련하여 폐렴예방을 위한 기초 자료를 제 공할 수 있으며, 일선의 의료기관에서는 호흡기의 감염성 질환에 대비하여 시설 및 인력을 효율적으로 사용할 수 있 을 것이다. 감사의 글 이번 연구를 위해, 고차원적 범주형 자료분석을 위한 통 계학적 최신 경향을 알려주고 도와준 경북대학교 통계학과 이경은 교수님, 경북대학교 통계학과 석사과정을 같이 공 부하면서 엘라스틱 넷 기법을 같이 연구한 이학래 선생 그 리고 R 분석을 위한 자료 및 분석 코딩을 도와준 서울대 통 계학과 석사과정 연구생이며, 통계학과 후배인 장대규 선 생에게 감사의 말씀을 드립니다. 참고문헌 01. McMichael AJ, Woodruff RE, Hales S. Climate change and human health: present and future risks. Lancet. 2006;367:859-69. 02. Wanka ER, Bayerstadler A, Heumann C, Nowak D, Jörres R, Fischer R. Weather and air pollutants have an impact on patients with respiratory diseases and breathing difficulties in Munich, Germany. Int J Biometeorol. 2014;58: 249-62. 03. Lim YH, Hong YC, Kim H. Effects of diurnal temperature range on cardiovascular and respiratory hospital admissions in Korea. Science of The Total Environment. 2012; 417:55-60. 04. Venditti M, Falcone M, Corrao S, Licata G, Serra P. Outcomes of patients hospitalized with communityacquired, health care-associated, and hospital-acquired pneumonia. Annals of Internal Medicine. 2009;150:19-26. 05. World Health Organization. World health statistics 2010. World Health Organization, 2010.p.59-71. 06. Hsu JL, Siroka AM, Smith MW, Holodniy M, Meduri GU. One-year outcomes of community-acquired and healthcare-associated pneumonia in the Veterans Affairs Healthcare System. International Journal of Infectious Diseases. 2011;15:e382-e7. 07. Zou H, Hastie T. Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology). 2005;67:301-20. 08. Alcón A, Fábregas N, Torres A. Pathophysiology of pneumonia. Clinics in chest medicine. 2005;26:39-46. 09. Liu Y, Kan H, Xu J, Rogers D, Peng L, Ye X, et al. Temporal relationship between hospital admissions for pneumonia and weather conditions in Shanghai, China: a time-series analysis. BMJ Open. 2014;4:e004961. 10. Le Merre C, Kim HH, Chediak AD, Wanner A. Airway blood flow responses to temperature and humidity of inhaled air. Respiration physiology. 1996;105:235-9. 11. Eccles R. An explanation for the seasonality of acute upper respiratory tract viral infections. Acta oto-laryngologica. 2002;122:183-91. 12. Grabowska K, Högberg L, Penttinen P, Svensson Å, Ekdahl K. Occurrence of invasive pneumococcal disease and number of excess cases due to influenza. BMC infectious diseases. 2006;6:58. 13. Lin HC, Lin CC, Chen CS, Lin HC. Seasonality of pneumonia admissions and its association with climate: an eight-year nationwide population-based study. Chronobiology international. 2009;26:1647-59. 14. Davis RE, Rossier CE, Enfield KB. The impact of weather on influenza and pneumonia mortality in New York City, 1975-2002: a retrospective study. PloS one. 2012;7:e34091. 15. Brunekreef B, Holgate ST. Air pollution and health. Lancet. 2002;360:1233-42. 16. Herrera-Lara S, Fernández-Fabrellas E, Cervera-Juan Á, Blanquer-Olivas R. Do seasonal changes and climate influence the etiology of community acquired pneumonia. Arch Bronconeumol. 2013;49:140-5. 17. David NF, Suet L, Gregory AW, Caroline J, Phyllis B, Meredith G, et al. It s not the heat, it s the humidity: wet weather increases legionellosis risk in the greater Philadelphia metropolitan area. Journal of Infectious Diseases. 2005;192:2066-73. 18. Available at: http://www.kma.go.kr/help/basic/ help_02_01.jsp/. Accessed June 18, 2015.