| Home | E-Submission | Sitemap | Editorial Office |  
top_img
J Health Info Stat > Volume 49(1); 2024 > Article
제2형 당뇨병 예측을 위한 비만지표와 위험 요인의 영향력 탐색

Abstract

Objectives

Obesity is a global health concern, widely recognized for its association with the risk of developing type 2 diabetes. This study aimed to investigate the relative predictive efficacy of obesity-related indicators, including BMI, body fat percentage, and waist-to-hip ratio, in predicting the incidence of type 2 diabetes in Korean middle-aged to older adults.

Methods

Using twelve years of panel data derived from the Korean Genome and Epidemiology Study, we conducted a logit regression analysis to evaluate the predictive efficiency of three obesity-related indicators while controlling for individual characteristics and behavioral risk factors.

Results

For initial screening, we examined the variation of three obesity indexes explained by age and male indicators. Among the three obesity indexes, about 11.3% to 49% of variations in body fat percentage and waist-to-hip ratio were explained away by age and male gender, but these two factors hardly explained BMI variation. We showed that all three obesity-related indicators were significant predictors of type 2 diabetes without other controls in the model. However, once controlling for socioeconomic and behavioral factors likely associated with health, we showed that only BMI remained a significant predictor of type 2 diabetes. We further showed that older age, male gender, smoking, and sleep duration were also significant predictors of type 2 diabetes, other than BMI.

Conclusions

Our findings underscore the relatively superior predictive efficacy of BMI beyond the other obesity indicators for type 2 diabetes risk. The results indicate that a comprehensive assessment, combined with secure BMI monitoring, is imperative for preventing and early detecting type 2 diabetes, especially in populations with multiple risk factors.

서 론

국제 당뇨병 연맹에 따르면 세계적인 제2형 당뇨병 유병률은 약 10.5%로 세계 각국의 의료부담을 가중시키고 개인의 삶의 질과 생명을 위협하는 질환이다[1]. 국내 성인 인구에서 제2형 당뇨병의 유병률도 꾸준히 증가하고 있는데, 2021년 국민건강영양조사 자료에 따르면 30세 이상 성인 인구의 약 16.3%가 제2형 당뇨병을 갖고 있다[2]. 이러한 제2형 당뇨병 발병률이 증가하는 주요 원인은 생활 양식과 사회환경 변화에 따른 신체 활동 감소, 좌식 생활의 보편화, 스트레스 증가, 서구식 식습관 등이며, 개인의 유전적 소인과 생리학적 대사 특성이 유기적으로 영향을 미친 것으로 볼 수 있다[3,4]. 비만은 이러한 사회환경과 식생활 양식의 특성과 밀접하게 연관되어 제2형 당뇨병을 비롯한 다양한 심혈관질환의 주된 위험 인자로 작용한다고 알려져 있다[5-7]. 따라서, 제2형 당뇨병의 조기 위험을 예측하고 예방하기 위한 핵심적인 사정 요소로서 다양한 비만 지표의 유용성을 파악할 필요가 있다.
비만은 체질량지수(body mass index, BMI), 체지방률(body fat percentage, BF%), 허리-엉덩이둘레비(waist-to-hip ratio, WHR)나 허리둘레-신장비(waist-to-height ratio, WHtR), 허리둘레(waist circumference, WC) 등의 지표로 평가된다. 이 중 체질량지수는 대표적인 비만 선별지표로 각종 심혈관질환의 위험 예측에 보편적으로 활용되고 있으나, 최근 복부비만을 반영하는 허리-엉덩이둘레비, 허리둘레의 분별력이 상대적으로 높다는 연구가 보고되면서 비만지표에 대한 다각적인 평가가 강조되고 있다[8-11]. 예로, 아시아와 유럽서구권 10개국의 자료를 활용한 메타분석에 따르면 허리-엉덩이둘레비는 남녀 모두에서 고혈압, 당뇨병, 이상지질혈증의 위험에 대한 분별도가 체질량지수보다 높았다[8]. 다른 메타분석에서도 심혈관질환의 위험 예측 시 체질량지수의 분별도는 허리둘레, 허리-엉덩이둘레비, 또는 허리둘레-신장비에 비해 낮다고 보고하였다[9]. 또한, 유럽권 국가의 제2형 당뇨병 환자 중 심혈관질환의 추가적인 발병과 사망률 예측 시 허리-엉덩이둘레비는 체질량지수나 허리둘레에 비해 유용한 지표라고 보고된 바 있다[10]. 국내에서 제2형 당뇨병 전기단계의 성인을 대상으로 한 연구에서도 허리둘레-신장비가 체질량지수에 비해 대사증후군의 위험 예측에 대해 분별력이 높은 것으로 나타났다[11]. 이러한 허리-엉덩이둘레비는 제2형 당뇨병이 없는 경우에도 심혈관질환의 위험예측 시 허리둘레에 비해 분별도가 높은 것으로 나타났다[12].
복부비만은 제2형 당뇨병과 관련된 인슐린 저항성을 높일 뿐 아니라 각종 대사성질환을 유발하는 염증의 위험을 높이는 것으로 알려져 있다[13]. 이것은 대표적인 비만 지표로 간주되는 체질량지수를 이용하여 제2형 당뇨병의 위험 예측 시 한계가 있을 수 있음을 의미하며 복부비만을 반영하는 지표에 대한 고려가 필요함을 나타낸다. 그러나 몇몇 연구에서는 복부비만 지표인 허리-엉덩이둘레비나 허리둘레를 단독으로 적용하기보다는 체질량지수를 함께 고려할 때 심혈관질환 위험의 예측 정확도가 높다고 보고하였다[14,15].
한편, 체질량지수와 복부지방 간의 관련성을 인종별로 분류한 연구에 따르면, 동아시아인종은 타인종에 비해 체질량지수 대비 내장지방의 축적률이 높고 체질량지수의 증가에 따른 피하지방의 축적률은 상대적으로 낮았다[16]. 이것은 질병의 발생 위험을 예측하는데 있어 체질량지수를 넘어 허리둘레나 허리-엉덩이둘레비 등의 복부비만 지표의 상대적인 위험도에도 인종에 따라 차이가 있을 수 있으므로 다각적인 평가가 필요함을 의미한다. 그러나 국내 인구층을 대상으로 특정 질병의 위험도 예측에 있어 비만 지표를 복합적으로 고려하여 유용성과 상대적인 기여도를 평가한 연구는 부족하다. 인구의 고령화와 사회환경적 변화로 국내에서 가속화되고 있는 비만율의 증가와 제2형 당뇨병의 발생을 고려하면, 제2형 당뇨병 예측을 위한 효과적인 비만지표를 선별하는 것은 중요한 과제라고 볼 수 있다. 본 연구에서는 한국 성인을 대상으로 제2형 당뇨병 발병과 관련된 인구사회경제적 요인과 행동적 요인들을 함께 고려하고 체질량지수, 체지방률, 허리-엉덩이둘레비를 통합적으로 고려하여 발병 예측에 유용한 비만지표를 선별하고 평가하고자 한다.

연구 방법

연구대상

본연구는 질병관리청 국립보건연구원에서 수행하는 한국인유전체역학조사사업(The Korean Genome and Epidemiology Study, KoGES)의 일환으로 수집된 패널 자료 중 지역사회 기반의 안산안성 코호트 자료를 이용하였다[17]. KoGES는 한국인에게 많이 발생하는 당뇨병, 고혈압, 비만, 골다공증, 고지혈증, 대사증후군 등 만성질환의 발생 원인과 환경, 유전적 위험요인을 연구하기 위하여 설계되었다.
본 연구는 KoGES조사지침서[18]에 기초하여 안산안성 코호트의 1기(2001-2002년)부터 7기(2013-2014년)까지의 자료 중 다음 사항에 해당하는 자료를 추출하였다. 안산안성 코호트 자료의 1기(2001-2002년) 기반조사에 포함된 연구 대상자는 40세에서 69세 사이의 성인으로 국가건강검진 대상에서 추출된 10,030명이었다. 본 연구는 이 중에서 1기부터 7기까지의 추적조사를 완료하고 본 연구에서 예측요인으로 사용한 변수들에 대해 모두 응답을 한 3,684명의 자료를 추출하였다. 또한, 본 연구에서는 제2형 당뇨병의 발병과 관련된 요인을 평가하는 것이므로, 기반조사에서 이미 제2형 당뇨병으로 진단받은 이력이 있거나 치료력이 있는 267명을 제외한 후 최종 3,417명을 연구 대상자로 선정하였다.
본 연구는 충남대학교 생명윤리위원회의 심의에서 면제승인을 받은 후(IRB No.: 202001-SB-012-01), 질병관리청에서 해당 자료를 분양 받아 수행하였다.

연구변수

KoGES 자료는 지역 건강검진 센터를 방문한 대상자로부터 조사원을 통해 수집된 일반적인 인구사회학적 정보, 기왕력, 식이, 음주, 흡연, 수면 등의 식·생활습관 등에 대한 설문조사와 신체계측, 임상검사를 통하여 수집되었다.
본 연구에서 고려한 예측요인은 기반조사에서 추출되었으며, 인구사회학적 특성, 행동적 특성과 비만지표로 구분할 수 있다. 인구사회학적 특성은 연령, 성별, 결혼상태, 교육수준(고졸 미만, 고졸 이상), 거주형태(자가 유무)와 소득수준의 정보를 포함하였다. 행동적 특성으로 음주, 흡연, 수면시간을 포함하였다. 음주 상태는 ‘비음주 및 과거음주’, ‘현재음주’로 이분화하였고, 흡연 상태는 ‘비흡연 및 과거흡연’과 ‘현재흡연’으로 이분화하였다. 수면시간은 ‘지난 한달 동안 실제로 밤에 잠을 잔 평균 시간’으로 기반조사에서 시간 단위로 조사되었다.
비만 지표는 체질량지수, 허리-엉덩이둘레비, 체지방률의 정보를 포함하였다. 체질량지수는 신장(m)과 체중(kg)을 기반으로 체중을 신장의 제곱으로 나눈 값이다. 체질량지수의 값에 따라 저체중(BMI<18.5 kg/m2), 정상체중(18.5≤BMI<23 kg/m2), 과체중(23.0≤BMI<25 kg/m2), 비만(BMI≥25 kg/m2)으로 분류된다. 체지방률은 체중(kg)에 대해 머리, 왼팔, 오른팔, 몸통, 왼다리, 오른다리에서 측정된 체지방량의 분율을 의미하며 체지방측정기로 측정된 값이다. 허리-엉덩이둘레비는 허리둘레를 엉덩이둘레로 나눈 값이다.
결과변수인 제2형 당뇨병의 진단 여부는 기반조사(2001-2002년) 때 진단이나 치료력이 없는 대상자 중 6-12년이 경과된 시점인 4기(2007-2008년)부터 7기(2013-2014년) 조사에서 제2형 당뇨병을 진단받았거나 치료받은 기록이 있는 경우와 이에 해당되지 않는 경우를 이진변수화하였다.

분석방법

기반조사에서 추출된 비만지표를 비롯한 여러 요인들을 이용하여 4기와 7기 사이에 관측된 제2형 당뇨병 발병을 예측하기 위하여 비선형 함수인 로짓 회귀(Logit regression) 분석을 STATA 16.0 (Stata corpo-ration, Texas, USA) 프로그램을 이용하여 추정하였다. 질환 예측에 유의한 영향을 미치는 비만지표와 위험요인들 중 1%, 5%, 10%의 각 유의수준에서 통계적으로 유의한 요인을 분석하였다.
먼저 각 비만지표와 통제변수로 포함된 인구학적 특성 간의 관계를 파악하기 위해 비만지표별로 선형회귀 분석을 실시하고 결정계수(R-squared)를 구하였다. 이후, 제2형 당뇨병의 발병 위험 예측을 위한 비만지표의 유용성을 단계별로 분석하였다. 1단계(Model 1)는 세 가지 비만지표(BMI, WHR, BF%)만을 포함한 모형이고, 2단계(Model 2)는 비만지표와 함께 성별과 나이의 기본적인 인구학적 특성을 고려한 모형이며, 3단계(Model 3)는 결혼 여부, 교육수준, 소득수준 및 자가 보유로 나타난 사회경제적 특성을 포함한 모형이다. 마지막으로 4단계(Model 4)는 건강관련 행동적 특성으로 고려된 음주여부, 흡연 여부, 수면시간을 추가한 모형이다. 각 단계별로 비만지표 이외에 특성화된 통제요인을 추가하여 제2형 당뇨병 발병을 예측하는 요인의 유의미함에 변화가 있는지 비교함으로써 비만지표의 예측의 유용성과 통제변수의 영향력을 평가하였다.

연구 결과

연구대상자의 특성

KoGES 연구 대상자의 비만 및 일반적인 특징은 Table 1에 나열하였다. 체질량지수의 평균값은 24.63 kg/m2으로 한국인의 과체중 기준값인 23 kg/m2을 넘어서고 있으며, 14.70 kg/m2과 39.70 kg/m2 사이의 값을 갖는다. 체지방률은 7.1부터 47.1의 값을 가지므로 체질량지수에 비해 변동폭이 크며, 평균 26.89이다. 마지막으로 허리-엉덩이둘레비는 0.74와 1.1 사이의 값을 가지며, 평균 0.90이다.
Table 1
Summary statistics of the participants’ characteristics at the baseline year
Variables n (%) or Mean±SD Min Max
Primary outcome
  Diabetes diagnosed between 4th-7th surveys 360 (10.54) 0 1
Predictors of diabetes from the baseline year
  BMI 24.63±3.01 14.7 39.7
  BF% 26.89±6.96 7.1 47.1
  WHR 0.90±0.05 0.7 1.1
  Age 50.48±8.11 40 69
  Male1 1,621 (47.44) 0 1
  Married2 3,148 (92.13) 0 1
  High school3 1,819 (53.23) 0 1
  Homeownership4 2,836 (83.0) 0 1
  No-drink5 1,708 (49.99) 0 1
  No-smoke6 2,647 (77.47) 0 1
  Income levels 3.93 (1.89) 1 8
    Level 1 (income<0.5) 465 (13.61)
    Level 2 (0.5≤income<1) 454 (13.29)
    Level 3 (1≤income<1.5) 523 (15.31)
    Level 4 (1.5≤income<2) 509 (14.90)
    Level 5 (2≤income<3) 751 (21.98)
    Level 6 (3≤income<4) 397 (11.62)
    Level 7 (4≤income<6) 242 (7.08)
    Level 8 (6≤income) 76 (2.22)
Sleep duration (h) 6.69±1.30 1 12
Observations 3,417

SD, standard deviation; BMI, body mass index; BF%, body fat percentage; WHR, waist-to-hip ratio.

Income is measured in million Korean won.

Dummy variable indicator groups:

1 =male;

2 =married and currently live with a spouse;

3 =completed high school or higher education level;

4 =own a house;

5 =do not drink as of now;

6 =do not smoke as of now.

최종표본인 3,417명(남성 1,621, 여성 1,796) 중 남성이 47.4%를 차지하며, 평균 나이는 기반조사(2001-2002년)를 기준으로 50.48세이다. 92%가 사별이나 별거하지 않은 결혼 상태이며, 53%가 고등학교 이상의 교육을 받았다. 소득수준은 월 평균 수입을 기준으로 50만 원 미만부터 600만 원 이상까지 8구간으로 구분하였으며, 평균 소득구간은 3.9로 3구간인 월 100-150만 원과 4구간인 월 150-200만 원 사이의 소득에 해당한다. 전체 대상자 중 83%가 집을 소유하고 있는 것으로 보고하였다. 건강관련 행동특성을 살펴보면, 약 50%가 현재에 음주를 하지 않는 비음주 상태이며, 78%가 현재에 담배를 피우지 않는 비흡연자이다. 평균 수면시간은 6.69시간이며 중위수 수면시간은 7시간이다.

비만지표의 관련요인 평가

Table 2는 각 비만지표의 표본 분산이 나이와 성별에 의해 얼마나 설명되는지 파악하기 위하여 선형회귀식을 이용하여 추정하고 결정계수를 비교한 결과이다. 즉, 체질량지수, 체지방률, 허리-엉덩이둘레비를 각각 나이와 성별 변수를 이용하여 선형회귀식으로 설명하고 결정계수 값을 비교하였다. Table 2의 각 열에 나와 있듯이, 먼저 체질량지수를 나이, 성별을 이용하여 예측하고자 했을 때, 나이와 성별이 체질량지수의 표본 분산의 단 0.4%만을 설명하였다. 반면에, 체지방률은 나이와 성별이 49%의 표본 분산을 설명할 수 있고, 허리-엉덩이둘레비는 나이와 성별이 11.3%를 설명할 수 있는 것으로 나타났다. 이 결과는 체질량지수는 인구학적 변수로 변동성을 예측하는데 한계가 있는 반면, 체지방률과 허리-엉덩이둘레비는 나이와 성별 특성만으로 지표의 11.3%에서 49%의 변동성이 설명될 수 있음을 알 수 있다.
Table 2
Variations of BMI, body fat percentage, and WHR explained by se and age
Variables BMI BF% WHR
Male1 -0.39*** -9.67*** -0.002
(0.10) (0.17) (0.002)
Age -0.004 0.07*** 0.002***
(0.01) (0.01) (0.00)
Observations 3,417 3,417 3,417
R2 ×100 (%) 0.4 49.0 11.3

BMI, body mass index; BF%, body fat percentage; WHR, waist-to-hip ratio. Standard errors in parentheses.

R2 ×100 (%) is R2 ×100 for percentage interpretation.

1 Dummy variable indicator group.

*** p <0.01.

제2형 당뇨병 예측을 위한 비만 지표의 유용성 평가

Table 3은 제2형 당뇨병 예측을 위해 단계별로 투입한 요인들의 결과를 보여준다. 1단계에서 본 연구에서 고려한 세 가지 비만지표인 체질량지수, 체지방률, 허리-엉덩이둘레비만을 투입했을 때 세 변수 모두 유의한 예측 변수로 나타났다. 다음 2단계에서 기본적인 인구학적 특성으로 성별과 나이 변수를 추가로 투입했을 때 체지방률과 허리-엉덩이둘레비는 더 이상 유의하지 않으며 체질량지수만이 비만지표 중 유의미한 예측 요인이었다. 즉, 체질량지수가 높을수록, 남성이거나, 나이가 많을수록 제2형 당뇨병 발생위험이 증가하였다. 3단계에서 추가적으로 사회경제적 특성인 결혼 여부, 교육수준, 소득수준, 그리고 집 소유 여부를 투입했을 때, 비만지표 중 체질량지수만이 유의미한 예측 변수로 나타났다. 마지막 4단계에서 건강관련 행동특성으로 음주 및 흡연 여부, 수면시간을 추가한 경우에도 비만지표 중 여전히 체질량지수만이 제2형 당뇨병 발병을 예측하는데 있어 유의미한 특성으로 확인되었다.
Table 3
Predictions of diabetes from nonlinear model: logit regressions
Variables Dependent variable: Diabetes observed at 4th through 7th surveys
Model 1 Model 2 Model 3 Model 4
BMI 0.14*** 0.21*** 0.21*** 0.21***
(0.03) (0.04) (0.04) (0.04)
BF% -0.04*** 0.03 0.03 0.03
(0.01) (0.03) (0.03) (0.03)
WHR 9.15*** -1.93 -2.14 -2.16
(2.35) (3.82) (3.82) (3.85)
Male1 0.70** 0.78*** 0.54*
(0.28) (0.29) (0.30)
Age 0.03*** 0.03*** 0.04***
(0.01) (0.01) (0.01)
Married2 -0.23 -0.20
(0.21) (0.21)
High school3 -0.17 -0.14
(0.14) (0.14)
Income level 0.01 0.03
(0.04) (0.04)
Homeownership4 -0.09 -0.12
(0.16) (0.16)
No-drink5 -0.08
(0.13)
No-smoke6 -0.52***
(0.15)
Sleep duration 0.08**
(0.04)
p-value (Hosmer-Lemeshow test) 0.80 0.40 0.36 0.22
Observations 3,417 3,417 3,417 3,417

BMI, body mass index; BF%, body fat percentage; WHR, waist-to-hip ratio. Standard errors in parentheses.

Dummy variable indicator groups:

1 =male;

2 =married and currently live with a spouse;

3 =completed high school or higher education level;

4 =own a house;

5 =do not drink as of now;

6 =do not smoke as of now.

p-value (Hosmer-Lemeshow test) is the p-value of the Hosmer-Lemeshow est for no significant difference between the predicted and the realized ncidence of type II diabetes.

** p <0.01, ** p <0.05, * p <0.1.

각 모형에서 추정된 체질량지수의 계수는 0.14-0.21값을 가지며, 이를 해석하면 체질량지수가 한 단위 증가하면 log odd ratio로 나타난 당뇨병 발병 위험률이 1.14만큼 증가함을 의미한다. 또한 이것은 당뇨병 발병 위험률이 표준오차의 다섯 배만큼 증가함을 의미하며, 노화가 당뇨병 발병 위험률에 미치는 영향의 일곱배에 해당하는 값이다. 체질량지수와 노화 이외에는 남성, 흡연, 수면시간의 증가가 제2형 당뇨병 발병 위험률을 높이는 것으로 나타났으며, 이러한 요인들이 질환 발병 예측에 있어 유의한 요인으로 추정되었다.
마지막으로 Table 3에 제시한 모형의 예측력을 평가하기 위하여, 로짓 회귀분석의 모형 적합도 검정에 널리 이용되는 Hosmer-Lemeshow 검정을 실시하였으며 이에 대한 p-value 값을 Table 3의 마지막 행에 제시하였다. 각 열에 나타난 p-value 값은 모두 당뇨병 예측률과 실제 유병률 간 통계적으로 유의한 차이가 없으며 제시된 모형이 적합하다는 귀무 가설을 수락하는 것으로 나타났다.

고 찰

본 연구는 제2형 당뇨병의 기왕력이 없는 국내 40세 이상의 성인을 대상으로 체질량지수, 체지방률, 허리-엉덩이둘레비의 비만지표가 향후 제2형 당뇨병 발병 예측에 기여할 수 있는 상대적인 유용성을 파악하고자 하였다. 본 연구에서 수행한 단계별 로짓 회귀분석에서 세 가지 비만지표만을 고려하였을 때 모두 제2형 당뇨병 발병 예측에 유의한 영향력을 갖는 것으로 확인하였다. 그러나, 질병 발병과 관련된 인구사회경제적 특성이나 건강관련 행동특성의 위험요소를 함께 고려하였을 때에는 비만지표 중 체질량지수만이 제2형 당뇨병 발병을 예측하는데 중요한 요인으로 확인되었다. 즉, 나이, 성별, 교육수준, 소득수준 등 사회 경제적 특징과 음주, 흡연, 수면습관 등 질환 발병과 관련한 건강 요인들을 고려하였을 때, 체질량지수는 허리-엉덩이둘레비나 체지방률과는 달리 제2형 당뇨병 발병에 미치는 영향력이 유지되었으므로 다른 비만 지표에 비해 상대적으로 높은 유용성이 있다고 볼 수 있다. 이것은 선행연구에서 체질량지수에 비해 허리-엉덩이둘레비가 제2형 당뇨병 발병 예측에 있어 상대적으로 중요한 특성이라고 보고한 것과는 상충된다[10,19].
이러한 결과는 질병의 위험을 예측하는데 활용가능한 비만지표의 유용성이 예측하고자 하는 질병의 특성과 인구집단의 특징에 따라 달라질 수 있다는 것을 의미한다. 선행연구에서도 심혈관질환과 제2형 당뇨병을 예측하는데 기여하는 여러 지표의 영향력은 대상자 특성에 따라 일부 상반된 결과를 보인다. 비만지표 중 허리-엉덩이둘레비만이 의미가 있다고 보고한 연구가 있는 반면[10,20], 허리-엉덩이둘레비와 체질량지수가 함께 고려되어야 한다고[14,21] 보고한 연구도 있다. 그러나 이러한 선행 연구는 대부분 유럽이나 북미의 인구층을 대상으로 한 연구이다. 최근 나이를 보정한 후 동양인과 코카시안(Caucasian)을 비교한 연구는[22] 동일한 체질량지수라 하더라도 제2형 당뇨병과 심혈관질환의 발병에 미치는 영향력은 동양인에서 더욱 크다고 보고하면서, 정확한 질병 예측을 위해서는 인종별로 비만지표를 비롯한 위험요인에 대한 통합적 분석이 필요함을 강조하였다. 더 나아가, 국내연구에도 제2형 당뇨병의 위험인자는 체질량지수에 따라 차이가 있다고 보고한 바 있다[23,24]. 이것은 추후 제2형 당뇨병의 위험인자를 파악하기 위해 국내 대상자의 인구사회학적 특성별로 다양한 비만지표와의 연관성을 통합적으로 고려한 추가적인 연구가 필요함을 시사한다.
한편, 제2형 당뇨병 발병은 비만 이외에 성별, 나이, 흡연, 수면의 특성과 관련되어 있으며, 남성이거나, 연령이 많을수록, 흡연자일수록, 수면시간이 길수록 발병 위험이 높아지는 것으로 추정되었다. 이와 같은 결과는 선행연구에서 보고한 것과 일관된다[25-28]. 이미 알려진 바와 같이 연령의 증가와 함께 제2형 당뇨병의 위험은 높아지며[29], 흡연[30]이나 정상범위를 벗어난 수면 시간[31]도 위험인자로 알려져 있다. 본 연구에서는 또한 남성이 여성에 비해 발병 위험률이 높은 것으로 추정하였는데, 이와 관련해 많은 선행연구에서 일반적으로 남성이 여성에 비해 비만율이 높고 흡연 등의 위험요소를 동반하고 있음을 설명하고 있다[32-34]. 그러나, 여성의 경우에는 폐경 이후 체지방률이 증가하여 심혈관질환을 비롯한 제2형 당뇨병의 위험이 높아지는 것으로 선행 연구에 보고되었다[35]. 따라서 본 연구에서는 국내 중장년층에 대한 전향적 코호트 데이터를 사용하여 기존에 제2형 당뇨병의 위험요소로 알려진 연령, 흡연, 수면과 비만지표의 통합적인 영향을 고려한 실증적인 근거를 제시하고 있다.
또한 본 연구에서 세 가지 비만지표에 대해 기본적인 인구학적 특성인 나이와 성별과의 관련성을 파악한 결과에 주목할 필요가 있다. 체지방률은 나이, 성별과 밀접하게 연관되어 있어서 나이와 성별만으로 체지방률 변동의 약 50%를 설명할 수 있었다. 그러나 체질량지수의 변동은 나이나 성별로 설명되는 비율이 0.4%로 낮아 이와는 관련성이 낮은 독립적인 특성으로 볼 수 있다. 즉, 체지방률이 나이와 성별에 영향을 많이 받는 비만지표인 반면, 체질량지수는 이와는 달리 제2형 당뇨병을 예측하기 위한 추가적인 정보력을 지녔음을 알 수 있다. 일반적으로 고령화에 따라 허리-엉덩이둘레비가 높아지는 것은 몇몇 연구에서 보고된 바 있다[36]. 본 연구에서는 이러한 관련성을 고려하여 체질량지수, 체지방률, 허리-엉덩이둘레비의 비만지표가 질병 예측에 미치는 영향과 함께 나이, 성별과의 연계성을 파악한 점에서 의의가 있다.
본 연구는 제2형 당뇨병 예측 시 활용가능한 비만지표 중 체질량지수가 다른 지표에 비해 상대적으로 유용할 수 있음을 제시한다. 질환의 발병 위험을 예측하기 위해 비만지표를 이용하는데 있어서 고려할 점은 지표의 실용성과 정확성이다. 체질량지수는 몸무게와 신장 계측을 바탕으로 하기 때문에 체지방량이 직접 측정되지 않는 한계점이 있다[20,37]. 그러나 체질량지수는 전 세계적으로 비만 평가를 위해 가장 보편적으로 사용되는 지표이자 세계보건기구에서 적용을 권장한 지표이기도 하다[38,39]. 본 연구에서는 이러한 체질량지수가 질병 예측 시 활용될 수 있는 유용한 지표임을 정량적으로 확인하고, 국내 성인을 대상으로 비만지표 중 제2형 당뇨병을 예측하는데 있어 갖는 유용성을 평가했다는 점에서 가치가 있다. 그러나, 본 연구의 대상자가 일부 지역사회 내 중장년층 코호트에 한정된다는 점에서 한국인의 특성으로 일반화하는데 한계가 있다. 또한, 전향적 코호트 자료를 활용해 도출된 결과로서의 강점이 있는 반면 추적조사에서의 무응답으로 건강관련 특성에 대한 고려에서 다양성이 부족할 수 있다. 따라서, 추후 다양한 인구사회학적 특성을 포함한 대단위 자료를 활용해 본 연구에서의 도출한 비만지표의 유용성을 재평가하기 위한 연구를 제언한다.

결 론

본 연구는 제2형 당뇨병 발병 예측 시 비만 지표 중 체질량지수가 여러 인구학적 특성에 따른 변동성이 상대적으로 적으며 질환 예측력이 높은 지표임을 확인하였다. 체질량지수는 체지방률이나 허리-엉덩이둘레비에 비해 특정 장비나 전문가의 도움 없이 개인이 쉽고 정확하게 측정하고 추적, 관리할 수 있는 지표이다. 따라서 체질량지수는 한국의 중장년층을 중심으로 제2형 당뇨병 예방과 위험도 예측을 위해 일상에서 개별적인 사정이 가능한 기본적인 건강 지표로 활용될 만하다. 또한, 체질량지수는 체지방률이나 복부비만 측정이 가진 정보력의 한계를 보완하여 질병 예측에서 신뢰도 있는 지표임을 본 연구를 통하여 확인하였다. 추후, 체질량지수의 유용성에 대한 실증분석 사례를 확장하기 위해 국내 성인의 인구사회학적 특성별로 체계적으로 구분된 기준 하에 비만 지표와 제2형 당뇨병 발병 위험 간의 관계를 탐구하는 연구가 필요하다.

REFERENCES

1. Sun H, Saeedi P, Karuranga S, Pinkepank M, Ogurtsova K, Duncan BB, et al. IDF Diabetes Atlas: Global, regional and country-level diabetes prevalence estimates for 2021 and projections for 2045. Diabetes Res Clin Pract 2022;183:109119. DOI: 10.1016/j.diabres.2021.109119.
crossref pmid
3. Marx J. Unraveling the causes of diabetes. Sci 2002;296(5568):686-689. DOI: 10.1126/science.296.5568.686.
crossref pmid
4. Gatineau M, Hancock C, Holman N, Outhwaite H, Oldridge L, Chris-tie A, et al. Adult obesity and type 2 diabetes. Oxford: Public Health England; 2014.

5. Chan JCN, Lim LL, Wareham NJ, Shaw JE, Orchard TJ, Zhang P, et al. The Lancet Commission on diabetes: Using data to transform diabetes care and patient lives. Lancet 2021;396(10267):2019-2082. DOI: 10.1016/S0140-6736(20)32374-6.
crossref pmid
6. Klein S, Gastaldelli A, Yki-Järvinen H, Scherer PE. Why does obesity cause diabetes? Cell Metab 2022;34(1):11-20. DOI: 10.1016/j.cmet. 2021.12.012.
crossref pmid pmc
7. Magliano DJ, Islam RM, Barr ELM, Gregg EW, Pavkov ME, Harding JL, et al. Trends in incidence of total or type 2 diabetes: Systematic review. BMJ 2019;366:l5003. DOI: 10.1136/bmj.l5003.
crossref pmid pmc
8. Lee CM, Huxley RR, Wildman RP, Woodward M. Indices of abdominal obesity are better discriminators of cardiovascular risk factors than BMI: A meta-analysis. J Clin Epidemiol 2008;61(7):646-653. DOI: 10. 1016/j.jclinepi.2007.08.012.
crossref pmid
9. Ashwell M, Gunn P, Gibson S. Waist‐ to‐ height ratio is a better screening tool than waist circumference and BMI for adult cardiometabolic risk factors: Systematic review and meta‐ analysis. Obes Rev 2012;13(3):275-286. DOI: 10.1111/j.1467-789X.2011.00952.x.
crossref pmid
10. Czernichow S, Kengne AP, Huxley RR, Batty GD, De Galan B, Grob-bee D, et al. Comparison of waist-to-hip ratio and other obesity indices as predictors of cardiovascular disease risk in people with type-2 diabetes: A prospective cohort study from ADVANCE. Eur J Cardio-vasc Prev Rehabil 2011;18(2):312-319. DOI: 10.1097/HJR.0b013e32833 c1aa3.
crossref pmid pmc pdf
11. Kim JM, Back MK, Ju SH, Shin MY, Kim MJ, Park YH, et al. Validation of waist-to-height ratio for predicting metabolic syndrome in patients with prediabetes. Korean J Obes 2015;24(1):36-43. (Korean). DOI: 10. 7570/kjo.2015.24.1.36.

12. De Koning L, Merchant AT, Pogue J, Anand SS. Waist circumference and waist-to-hip ratio as predictors of cardiovascular events: Meta-re-gression analysis of prospective studies. Eur Heart J 2007;28(7):850-856. DOI: 10.1093/eurheartj/ehm026.
crossref pmid
13. Wu H, Ballantyne CM. Metabolic inflammation and insulin resistance in obesity. Circ Res 2020;126(11):1549-1564. DOI: 10.1161/CIRCRE-SAHA.119.315896.
crossref pmid pmc
14. Myint PK, Kwok CS, Luben RN, Wareham NJ, Khaw KT. Body fat percentage, body mass index and waist-to-hip ratio as predictors of mor-tality and cardiovascular disease. Heart 2014;100(20):1613-1619. DOI: 10.1136/heartjnl-2014-305816.
crossref pmid
15. Van Dis I, Kromhout D, Geleijnse JM, Boer JM, Verschuren WM. Body mass index and waist circumference predict both 10-year nonfatal and fatal cardiovascular disease risk: Study conducted in 20000 Dutch men and women aged 20-65 years. Eur J Prev Cardiol 2009;16(6):729-734. DOI: 10.1097/HJR.0b013e328331dfc0.
crossref pmid pdf
16. Nazare JA, Smith JD, Borel AL, Haffner SM, Balkau B, Ross R, et al. Ethnic influences on the relations between abdominal subcutaneous and visceral adiposity, liver fat, and cardiometabolic risk profile: The international study of prediction of intra-abdominal adiposity and its relationship with cardiometabolic risk/intra-abdominal adiposity. Am J Clin Nutr 2012;96(4):714-726. DOI: 10.3945/ajcn.112.035758.
crossref pmid
17. National Institute of Health. Korean Genome and Epidemiology Study. Available at https://nih.go.kr/ko/main/contents.do?menuNo=300563 [accessed on November 1, 2023].

18. National Institute of Health, Korea Disease Control and Prevention Agency. Manual of Korean Genome and Epidemiology Study. 2011. Cheongju: National Institute of Health, Korea Disease Control and Prevention Agency; 2011. (Korean).

19. Ravensbergen HRJC, Lear SA, Claydon VE. Waist circumference is the best index for obesity-related cardiovascular disease risk in individuals with spinal cord injury. J Neurotrauma 2014;31(3):292-300. DOI: 10. 1089/neu.2013.3042.
crossref
20. Kragelund C, Omland T. A farewell to body-mass index? Lancet 2005;366(9497):1589-1591. DOI: 10.1016/S0140-6736(05)67642-8.
crossref pmid
21. Zafari N, Lotfaliany M, Mansournia MA, Khalili D, Azizi F, Hadaegh F. Optimal cut-points of different anthropometric indices and their joint effect in prediction of type 2 diabetes: Results of a cohort study. BMC Public Health 2018;18(1):691. DOI: 10.1186/s12889-018-5611-6.
crossref pmid pmc pdf
22. Forouhi NG, Sattar N. CVD risk factors and ethnicity— a homogeneous relationship? Atheroscler Suppl 2006;7(1):11-19. DOI: 10.1016/j.ath-erosclerosissup.2006.01.003.
crossref pmid
23. Jung HS, Chang Y, Yun KE, Kim CW, Choi ES, Kwon MJ, et al. Impact of body mass index, metabolic health and weight change on incident diabetes in a Korean population. Obesity (Silver Spring) 2014;22(8):1880-1887. DOI: 10.1002/oby.20751.
crossref pmid pdf
24. Jung JY, Park SK, Oh CM, Ryoo JH, Choi JM, Choi YJ. The risk of type 2 diabetes mellitus according to the categories of body mass index: The Korean Genome and Epidemiology Study (KoGES). Acta Diabetol 2018;55(5):479-484. DOI: 10.1007/s00592-018-1112-4.
crossref pmid pdf
25. Anothaisintawee T, Reutrakul S, Van Cauter E, Thakkinstian A. Sleep disturbances compared to traditional risk factors for diabetes development: Systematic review and meta-analysis. Sleep Med Rev 2016;30:11-24. DOI: 10.1016/j.smrv.2015.10.002.
crossref pmid
26. Chang SA. Smoking and type 2 diabetes mellitus. Diabetes Metab Journal 2012;36(6):399-403. DOI: 10.4093/dmj.2012.36.6.399.
crossref pmid pmc
27. Mallon L, Broman JE, Hetta J. High incidence of diabetes in men with sleep complaints or short sleep duration: A 12-year follow-up study of a middle-aged population. Diabetes Care 2005;28(11):2762-2767. DOI: 10.2337/diacare.28.11.2762.
crossref pmid
28. Ś liwiń ska-Mossoń M, Milnerowicz H. The impact of smoking on the development of diabetes and its complications. Diab Vasc Dis Res 2017;14(4):265-276. DOI: 10.1177/1479164117701876.
crossref pmid
29. Kalyani RR, Golden SH, Cefalu WT. Diabetes and aging: unique con-siderations and goals of care. Diabetes Care 2017;40(4):440-443. DOI: 10.2337/dci17-0005.
crossref pmid pmc pdf
30. Pan A, Wang Y, Talaei M, Hu FB, Wu T. Relation of active, passive, and quitting smoking with incident type 2 diabetes: A systematic review and meta-analysis. Lancet Diabetes Endocrinol 2015;3(12):958-967. DOI: 10.1016/S2213-8587(15)00316-2.
crossref pmid pmc
31. Chao CY, Wu JS, Yang YC, Shih CC, Wang RH, Lu FH, et al. Sleep duration is a potential risk factor for newly diagnosed type 2 diabetes mellitus. Metabolism 2011;60(6):799-804. DOI: 10.1016/j.metabol. 2010.07.031.
crossref pmid
32. Peters SAE, Woodward M. Sex differences in the burden and complications of diabetes. Curr Diab Rep 2018;18(6):33. DOI: 10.1007/s11892-018-1005-5.
crossref pmid pmc pdf
33. Shi L, Shu XO, Li H, Cai H, Liu Q, Zheng W, et al. Physical activity, smoking, and alcohol consumption in association with incidence of type 2 diabetes among middle-aged and elderly Chinese men. PLoS One 2013;8(11):e77919. DOI: 10.1371/journal.pone.0077919.
crossref pmid pmc
34. Wannamethee SG, Shaper AG, Perry IJ. Smoking as a modifiable risk factor for type 2 diabetes in middle-aged men. Diabetes Care 2001;24(9):1590-1595. DOI: 10.2337/diacare.24.9.1590.
crossref pmid pdf
35. Cordora Hsu AR, Ames SL, Xie B, Peterson DV, Garcia L, Going SB, et al. Incidence of diabetes according to metabolically healthy or unhealthy normal weight or overweight/obesity in postmenopausal women: The Women's Health Initiative. Menopause 2020;27(6):640-647. DOI: 10.1097/GME.0000000000001512.
crossref pmid
36. Goodman-Gruen D, Barrett-Connor E. Sex differences in measures of body fat and body fat distribution in the elderly. Am J Epidemiol 1996;43(9):898-906. DOI: 10.1093/oxfordjournals.aje.a008833.
crossref pmid
37. Burkhauser RV, Cawley J. Beyond BMI: The value of more accurate measures of fatness and obesity in social science research. J Health Econ 2008;27(2):519-529. DOI: 10.1016/j.jhealeco.2007.05.005.
crossref pmid
38. National Institutes of Health, National Heart, Lung and Blood Institute. Clinical guidelines on the identification, evaluation, and treatment of overweight and obesity in adults— The evidence report. Bethesda: National Institutes of Health; 1998.

39. World Health Organization. Obesity: preventing and managing the global epidemic. Report of a WHO consultation. World Health Organ Tech Rep Ser 2000;894:i-xii. 1-253.
pmid
TOOLS
PDF Links  PDF Links
PubReader  PubReader
ePub Link  ePub Link
XML Download  XML Download
Full text via DOI  Full text via DOI
Download Citation  Download Citation
  Print
Share:      
METRICS
0
Crossref
774
View
11
Download
Related article
Editorial Office
The Korean Society of Health Informatics and Statistics
680 gukchaebosang-ro, Jung-gu, Daegu, 41944, Korea
E-mail: koshis@hanmail.net
About |  Browse Articles |  Current Issue |  For Authors and Reviewers
Copyright © The Korean Society of Health Informatics and Statistics.                 Developed in M2PI