거주 지역에 따른 심뇌혈관질환 발생 영향요인 분석

Abstract

심뇌혈관 질환은 발병 후 사망하거나 심각한 후유증을 남기는 질환으로 발병 전 질환 예방 관리와 발병 후 빠른 병원 치료가 환자의 예후를 결정한다. 이처럼 심뇌혈관 질환 발생은 예후 관리보다 예방의 차원에서 중요성이 강조되고 있다. 국내에서도 2017년 법 제정과 함께 권역 심뇌혈관 질환 센터를 통해 병원 내 심뇌혈관 질환 치료 성과를 파악하고 있으며, 2018~2022년 제1차 심뇌혈관 질환 관리 종합계획 수립안을 통해 심뇌혈관 질환에 대한 예방과 치료, 관리의 전주기적 관점에서 노력하고 있다. 그러나 심뇌혈관 질환의 위험성과 예방을 위한 관련특성 파악의 주요 선행연구를 살펴보면 인구사회학적 특성인 성별과 연령과 같은 것을 포함하여 흡연, 음주와 같은 건강행태 특성에 대한 한정적 연구에 그쳐있으며, 장기간 분석을 통한 예방중심의 기초자료는 부족한 실정이다. 따라서, 본 연구에서는 고혈압과 당뇨병을 포함하여 인구사회학적 특성인 성별, 연령, 교육수준을 통제한 후 건강상태와 건강행태, 사회적 활동 특성이 심뇌혈관 질환 발생과의 관련성이 있는지 살펴보고자 하며, 단년도 자료가 아닌 12년간 추적된 패널 자료를 활용하여 독립변수의 변화들이 심뇌혈관 질환 발생과 어떠한 영향이 있었는지 파악하고자 한다. 본 연구는 한국고용정보원에서 조사한 2006~2018년 고령화연구 패널 자료(KLoSA)를 활용하였으며, 2006~2018년 동안 2년 간격으로 조사한 12년간의 패널 자료이다. 2006년 조사 시점 패널 대상자는 총 10,254명이었으며, 본 연구에서 최종 선정된 대상자는 4,952명이었다. 2006~2008년 분석 대상자는 총 4,798명이었으며, 2006~2010년 분석 대상자는 4,716명, 2006~2012년 분석 대상자는 총 2,574명이었다. 이 중 인구사회학적 특성인 성별, 연령, 교육수준, 거주지역과 선행질환인 당뇨병 및 고혈압 유무를 1:1 최근접 이웃방법인 성향점수 매칭 방법으로 통제한 후 2006~2008년 대상자는 826명이었으며, 2006~2010년 대상자는 662명, 2006~2010년 분석 대상자는 476명이었다. 성향점수 매칭 전 일반적 특성과 이분형 로지스틱 회귀분석(Logistic Regression)을 6분석하여 심뇌혈관 질환 발생 영향특성을 파악하였다. 매칭 후 독립변수의 변화를 살펴보기 위해 정규분포 및 를 실시하여 실제 차이가 있는지 파악하였으며, 심뇌혈관 질환과의 영향특성을 살펴보기 위해 조건부 로지스틱 회귀분석(Conditional Logistic Regression)을 실시하였으며, 통계패키지는 SPSS 23.0과 STATA 14.2 버전을 사용하여 분석을 실시하였다. 성향점수 매칭 후 거주지역에 상관없이 심뇌혈관 질환 발생에 유의한 영향을 미친 특성은 주관적 건강상태와 규칙적 운동여부이었으며, 대도시의 경우 경제활동에 대한 사회적 활동 특성이 심뇌혈관 질환과 밀접한 관련이 있었다. 건강상태 특성에서 저작능력의 경우 대도시와 중소도시에서는 단년도 변화에서 영향을 미쳤으며, 읍면부에서는 중기간의 영향을 미쳤다. 흡연과 음주는 대도시와 읍면부에서 영향을 미쳤으며, 대도시의 경우 단기 변화에서 흡연이 심뇌혈관 질환과 영향이 있었으며, 중기적으로는 대도시와 읍면부 모두 금연상태가 질환 발생과 유의한 관계를 나타냈다. 대도시의 경우 사회적 활동에서 경제활동이 지속적인 영향특성은 사회적 지지로부터 얻을 수 있는 사회활동에 대한 환경적 조성이 필요할 뿐만 아니라 사회적 비판으로부터 감정적인 특성이 질병으로 이어지지 않도록 양쪽의 접근이 필요하다고 판단된다. 거주지역과 관련 없이 모든 지역에서 주관적 건강상태와 규칙적 운동 여부가 심뇌혈관 질환 발생에 유의한 영향을 나타냈는데, 이는 대도시와 읍면부 간의 교통 및 의료 인프라의 접근성 차원에서 차이에서 비롯된 것으로 보이므로 사회적 환경에 대한 접근성과의 관련성을 살펴보아야 하며 주관적 건강상태의 경우 심뇌혈관 질환이나 만성질환 보유자들에게는 판단 지표에 있어 중요한 요인이믐로 이를 고려한 여러 예방적 접근이 필요하다. 본 연구는 2006~2018년간 패널 자료를 활용하여 단기와 중기의 거주지역간 영향특성 파악을 통해 심뇌혈관 질환의 발생 영향특성을 규명한 데 의의가 있다. 그러나 성향점수 매칭으로 인해 많은 수의 대상자의 탈락으로 인해 대표성을 확보하는 데 어려움이 있으며, 대도시와 중소도시, 읍면부의 심뇌혈관 질환 발생 영향특성을 명확하게 규명하기는 한계가 있으나 패널 자료를 활용한 장기간 누적 데이터를 통해 대도시와 읍면부의 특성 변화에 따른 특성을 파악하는 데 의의가 있다. ;Preventive management is important in the determination of the prognosis of a patient with a cardiovascular disease because of its high mortality rate and serious side effects. In South Korea, with the enactment of the law in 2017, regional cardiovascular centers were founded in large hospitals to identify the treatment outcomes. Efforts are being made from a life-cycle perspective of treatment and management through the first comprehensive 4-year (2018~2020) cardiovascular disease management plan. However, previous studies on prevention of cardiovascular diseases have focused on demographic factors, such as gender and ages, as well as health behavior factors including smoking and drinking. Limited studies have included factors related to the long-term prevention. Therefore, in this study, the influences of health status, health behavior, and social activity on the occurrence of cardiovascular diseases by residential areas were examined after controlling the presence of hypertension and diabetes as well as demographic factors such as gender, age, and level of education. This study utilized the Korean Longitudinal Study of Ageing (KLoSA) collected from 2006 through 2018 by the Korea Employment Information Service. The KLoSA is a 12-year panel data collected every two years with study subjects with ages over 45 years old. In order to examine the influence of the time changes, the data sets were categorized into three periods with different numbers of study subjects as follow: 4,798 in the first period (2006 to 2008), 4,716 in the second period (2006 to 2010), and 2,574 the third period (2006 to 2012). Each data set excluded people who were diagnosed with cardiovascular diseases during each period. Binary logistic regression analysis was conducted prior to the propensity score matching to discover associations between the general characteristics and the occurrence of cardiovascular diseases. Using the nearest neighbor propensity score matching method while controlling demographic factors, the number of study subjects in each period were changed to 826 in the first, 662 in the second, and 476 in the third period. After the propensity score matching, a normal distributions of the independent variables were confirmed, and chi-square test was conducted to see the differences between variables. Conditional logistic regression analysis was finally performed using SPSS 23.0 and STATA 14.2 versions. From the conditional logistic regression analysis, the factors that had a significant influence on the occurrence of cardiovascular diseases regardless of the residential area were subjective health status and regular exercise. In large cities, the social activity factor related to earning money was related to the occurrence of cardiovascular diseases. Chewing ability showed a significant influence on the occurrence of cardiovascular diseases in large and small cities of both the first and second periods. Smoking and drinking had influences on all residential areas; in the case of large cities, smoking had an effect on the occurrence of cardiovascular diseases in the first period. Regular exercise in all residential areas, regardless of where they lived, had a significant effect on the occurrence of cardiovascular disease, which seems to originate from differences in the accessibility of transportation and medical infrastructure between large cities and rural areas. This implicates the need of social environmental approaches. This study has significance in identifying the influencing factors for the occurrence of cardiovascular diseases by both residential areas and difference in period changes using a large panel data collected from 2006 to 2018. However, it is difficult to reveal representativeness due to the dropout of a large number of subjects using the propensity matching score method. Despite the fact that it is difficult to clearly detect the different influencing factors by residential areas, displaying differences in residential areas by period changes utilizing a large cumulative data is significant.