건강 관련 삶의 질 영향 요인 분석

Abstract

지난 몇 십 년 동안의 의학과 기술의 발전은 평균 수명을 크게 향상시켰으며, 이에 따라 건강 관련 삶의 질(Health-Related Quality of Life, HRQoL)이 중요한 연구 분야로 대두되었다. 삶의 질(Quality of Life, QoL)은 전반적인 웰빙을 평가하는 다차원적 개념이며 HRQoL은 삶의 질의 주요 구성 요소로서 개인의 전반적인 상태를 나타낸다. 이는 신체적 및 정신적 건강을 모두 반영하며, 개인의 전반적인 웰빙(well-being)을 평가한다. 인구통계학적, 사회경제적, 의학적 특성, 생활 습관과 같은 다양한 요인이 HRQoL에 직간접적으로 영향을 미친다. 본 연구에서는 50세 이상 한국 일반 인구를 대상으로 한국인유전체역학조사(KoGES)의 안산 지역 코호트 데이터를 활용하여 HRQoL에 영향을 미치는 요인을 탐색하였다. 건강 관련 삶의 질을 측정하기 위해 널리 사용되는 Short-Form Health Survey(SF-12)를 사용하였으며, 신체적 건강을 나타내는 Physical Component Score(PCS)와 정신적 건강을 나타내는 Mental Component Score(MCS)를 HRQoL를 나타내는 변수로 설정하였다. 설정된 변수 데이터에 기계 학습의 일종인 베이지안 네트워크(Bayesian Networks, BN)를 활용하여 HRQoL과 다양한 요인들 간의 복잡한 상호작용을 분석하였다. 네트워크 구조 학습에는 PC 알고리즘을 적용하여 변수 간의 직접적 및 간접적 인과 관계를 발견하고 시각화할 수 있었다. 베이지안 네트워크는 변수 간의 상호작용을 시각적으로 표현하여 복잡한 관계 해석을 용이하게 한다는 점에서 큰 의의가 있다. 본 연구는 삶의 질에 영향을 미치는 요인을 파악하고 운동과 같이 개인이 변화시킬 수 있는 요인이 PCS, MCS 점수에 미치는 영향을 확인하였으며, 이를 통해 개인적 차원에서 삶의 질을 증진할 수 있는 방안을 제안하였다.;Over the past few decades, advances in medicine and technology have significantly increased life expectancy, elevating Health-Related Quality of Life (HRQoL) as a critical area of research. Quality of Life (QoL) is a multidimensional concept that evaluates overall well-being, and HRQoL serves as a major component of QoL, reflecting an individual's overall condition. It encompasses both physical and mental health, capturing an individual's overall well-being. Various factors, such as demographic, socioeconomic, medical characteristics, and health behaviors, directly and indirectly influence HRQoL. This study explored the factors affecting HRQoL among the general Korean population aged 50 and older, utilizing data from the Ansan cohort of the Korean Genome and Epidemiology Study (KoGES). To measure HRQoL, the widely used Short-Form Health Survey (SF-12) was employed, with the Physical Component Score (PCS) representing physical health and the Mental Component Score (MCS) representing mental health as key variables of interest. Additionally, Bayesian Network (BN), a type of machine learning technique, was used to analyze the complex interactions between HRQoL and various influencing factors. The PC algorithm was applied for network structure learning, enabling the identification and visualization of both direct and indirect causal relationships among variables. BNs hold significant value as they visually represent interactions and simplify the interpretation of complex relationships between variables. This study identified modifiable factors, such as physical activity, that influence PCS and MCS scores, providing recommendations for improving QoL at an individual level.