서 론
암은 우리나라에서 가장 높은 사망 원인으로, 국민 건강과 삶의 질에 중대한 영향을 미칠 뿐 아니라 보건의료 체계에 상당한 경제적 부담을 초래하는 질환이다. 2022년 국가암등록통계에 따르면, 국민의 평생 암 발생 확률은 남성 37.7% (5명 중 2명), 여성 34.8% (3명 중 1명)로 보고되었다[1]. 연령이 증가할수록 암 발생률 또한 뚜렷하게 상승하는 경향을 보이며, 인구 10만 명당 암 발생률은 34-64세 연령군에서 538명인 반면, 65세 이상 고령층에서는 1,552명으로 약 세 배에 이른다[1]. 최근 전체 인구 규모는 감소하고 있으나, 고령 인구의 비중은 꾸준히 증가하고 있으며, 이에 따라 65세 이상 고령층에서의 암 발생률은 앞으로 더욱 증가할 것으로 전망된다.
암은 신체활동[2], 식이습관[3], 인지기능[4], 우울감[5]과 같은 신체·심리적 상태, 사회활동 등 다양한 생활 특성과 밀접하게 관련되어 있다. 이중 생활 특성과 관련된 비만은 다양한 암 발생의 독립적인 위험 요인으로[6], 연령, 성별, 인종, 암의 종류와 관계없이 암 발생과 밀접한 연관성을 보이는 것으로 보고되고 있다[7]. 또한 키와 체중으로 계산되는 체질량지수(body mass index, BMI; kg/m2)의 증가는 유방암, 대장암, 전립선암, 자궁내막암, 신장암, 담낭암 등의 발생 위험을 높이고 [8-13], 한국인 남녀에서 모두 빈도가 높은 대장암의 발생 위험과 관련성이 높다[12].
비만은 지방조직, 호르몬, 염증 반응, 인슐린 및 인슐린유사성장인자(insulin-like growth factor, IGF) 신호전달 경로 등 다양한 대사 및 내분비 이상과 이들의 복합적 상호작용을 통해 암의 발생과 진행에 영향을 미친다[14]. 비만에 의한 지방조직의 팽창으로 인한 저산소 상태는 대식세포, 호중구, 비만세포 등의 면역세포 침윤을 유도하고, 이 과정에서 TNF-α, IL-6, IL-8과 같은 염증성 사이토카인(cytokine)이 분비되어 만성적인 염증 반응이 지속되며, 이는 암 발생에 기여하는 것으로 알려져 있다[15]. 또한 비만에 따른 호르몬 변화는 세포 성장과 염증 조절 등 암 관련 생물학적 경로에 영향을 미친다[16,17]. 특히, 비만 상태에서는 렙틴(leptin)이 증가하고 아디포넥틴(adiponectin)이 감소하여 세포 증식, 혈관 생성, 염증 반응을 촉진하고, 염증에 대한 방어 기전을 약화시켜 암세포의 성장과 전이를 유도할 수 있다[15,16]. 아울러, 비만은 인슐린 저항성을 유발하고, 이에 따른 과도한 인슐린 분비는 IGF 결합단백의 농도를 감소시켜 자유형 IGF의 생체 이용률을 증가시키는데[16], 자유형 IGF는 세포 자멸사(apoptosis)를 억제하고 세포 증식을 촉진함으로써 암 발생 위험을 높이는 것으로 보고되고 있다[18,19].
국내 국민건강보험공단 가입자 121만여 명을 대상으로 한 14년간의 전향적 코호트 연구에 따르면, 고도비만(BMI≥30)은 남성에서 위암, 대장암, 간암, 담낭암의 위험을, 여성에서는 간암, 췌장암, 50세 이상 유방암의 위험을 유의하게 증가시키는 것으로 나타났다[9]. 특히 대장암은 국내에서 높은 발병률을 보이는 암 중 하나인데, 한 메타분석 연구에서는 BMI 23 미만을 기준으로 할 때, 25.0-27.4와 30.0 이상의 경우 각각 대장암 위험이 19%, 41% 증가하는 것으로 보고되었다[11]. 또한 국내 여성 약 270만 명을 평균 8.4년간 추적한 대규모 코호트 연구에서도, 폐경 후 고도비만인 여성은 정상 체중군 대비 유방암 발생 위험이 1.49배 높았다[13].
이러한 비만의 위험성에도 불구하고, 2009년부터 2019년까지 국민건강보험공단의 건강검진 자료를 분석한 결과에 따르면, 지난 11년간 전체 인구에서 비만 및 복부비만의 유병률은 꾸준히 증가하여 왔다[20]. 특히 20대와 80대 연령층에서 비만 증가 속도가 두드러졌으며, 남녀 모두에서 BMI가 35 이상인 고도비만(Class III obesity)의 유병률은 약 3배 상승하였다[20]. 비만 또는 복부비만을 가진 사람들은 그렇지 않은 사람들에 비해 당뇨병, 심근경색, 허혈성 뇌졸중, 암 등의 발생 위험이 유의하게 높았으며, 이러한 상대위험도는 젊은 연령층과 중년층에서 더욱 높게 나타났다[20].
인구 고령화와 사회 환경 변화로 인해 국내에서는 비만 유병률과 암 발생률이 동시에 증가하고 있다. 이에 따라 암 발생 위험을 예측하여 조기 개입할 수 있는 주요 지표를 선별하는 것은 중요한 과제로 부각되고 있다. 암은 다양한 생활양식 및 심리‧사회적 요인과 관련되나, 이를 비만과 함께 통합적으로 분석한 국내 연구는 드물다.
이에 본 연구는 45세 이상 중 ·고령층 성인을 대상으로 약 15년간(2006-2020년)의 추적 관찰 자료를 활용하여, 생활습관, 인지, 심리 요인을 포함한 다양한 특성과 BMI가 암 발생 예측에 미치는 영향을 분석하였다. 분석방법으로는 Least Absolute Shrinkage and Selection Op-erator (Lasso)와 로지스틱 회귀모형을 적용하였다. Lasso 추정법은 변수 간 상관성을 고려하면서 과적합 문제를 줄이고, 불필요한 변수를 제거하여 예측에 유의한 변수만을 선택함으로써 모델의 해석력과 예측 정확도를 동시에 확보할 수 있는 기계학습 기반의 분석기법이다[21]. 본 연구는 암 발병 예측을 위하여 Lasso를 통해 선별된 요인과 BMI 관련 변수들을 동시에 고려함으로써 BMI의 예측력을 정량적으로 평가하였다. 이를 바탕으로 중년 이후 성인을 대상으로 암 위험 예측에 있어 체질량지수를 주요 예측 변수로 고려할 수 있는 실증적 근거를 제시하고자 한다.
연구 방법
연구대상
본 연구는 한국의 인구 고령화에 따른 사회경제적 정책 설계를 위한 기초자료 확보를 목적으로 고용조사 분석시스템에서 구축한 고령화연구 패널(Korean Longitudinal Study of Aging, KLoSA)의 자료를 이용하였다. KLoSA는 2005년 인구주택총조사의 가구명부를 기반으로, 전국 시도별로 분류된 15개 지역에 거주하는 45세 이상 중·고령자 10,254명을 무작위로 표본 추출하여 2006년 1기 조사를 시작으로 2년 주기의 추적조사로 데이터를 구축하고 있다[22]. 본 연구에서는 기초자료가 수집된 1기(2006년)부터 8기(2020년)까지의 모든 조사에 참여한 대상자 5,163명을 연구 대상자로 고려하였다. 본 연구는 암 발병의 위험 요인을 추정하는 데 목적을 두고 있으므로, 이 중 1기 조사 시점에 암 진단 이력이 있었던 100명을 제외한 후, 최종적으로 5,063명을 연구 분석에 포함하였다.
연구변수
KLoSA 자료는 컴퓨터를 이용한 대인면접 방식으로 진행되었으며 인구학적 배경, 가족, 건강 상태, 고용, 소득과 소비, 자산, 주관적 기대감과 삶의 질로 구분한 총 7개 영역의 설문지를 통하여 수집되었다[22]. 본 연구의 결과변수인 암 진단여부는 1기 기반조사(2006년) 때 암 진단 이력이 없었던 대상자 중 2기(2008)부터 8기(2020)까지 매 추적조사에서 암 진단을 받은 경우와 그렇지 않는 경우를 이진변수화하였다.
본 연구는 2006년 기반조사를 중심으로 7개 영역에서 추출한 변수들을 잠재적 예측요인으로 두었다. 구체적으로 나이, 성별, 종교, 친한 사람과의 만남, 거주지역, 교육수준과 같은 인구사회학적 특성과 혼인여부, 배우자 사망, 부모님 생존 등 가족 특성을 고려하였다. 또한 생활양식과 관련해 운동, 흡연, 음주 여부 등 생활습관과 건강검진 수혜여부를 건강 관련 변수로 고려하였다. 신체적 건강상태는 주관적 건강상태와 근력 척도를 나타내는 악력을 포함하였다. 또한 BMI를 이용하여 저체중(underweight: BMI<18.5), 정상체중(healthy weight: 18.5≤BMI <23), 과체중(overweight: 23≤BMI<25), 그리고 비만(obese: BMI≥25)으로 분류하고 정상체중과의 비교를 위해 저체중, 과체중, 비만을 각각 나타내는 범주별 이진변수를 고려하였다. 정신적 건강상태를 반영하는 특성으로 축약형 우울 척도인 Center for Epidemiologic Studies Depression Scale (CES-D-10) 점수와 CES-D-10 점수를 임계점 4를 기준으로 구분한 우울증후군 이진변수를 사용하였다. 또한 인지기능은 Mini-Mental State Examination (MMSE) 점수와 MMSE 점수를 기반으로 생성된 경도인지장애와 치매 발병 위험군을 정상군과 대조하는 이진변수로 사용하였다. 고용영역을 나타내는 변수로는 현재 경제활동 여부와 무급으로 (가족)사업장에서 일하는 경우를 나타내는 이진변수를 각각 생성하였다. 소득과 소비, 자산을 포함하는 변수로는 가구 총소득을 고려하였으며 마지막으로 건강상태, 경제상태, 배우자, 자녀와의 관계, 전반적인 삶 등 5개 영역에서 삶의 만족도를 나타내는 변수를 주관적 기대감과 삶의 질을 대표하는 변수로 고려하였다.
분석방법
기반조사 1기(2006년)에서 추출된 개인의 특성, 행동, 환경 등을 나타내는 변수 중 2기부터 8기(2008-2020)에 진단된 암 발병을 예측하기 위한 위험요인을 선별하기 위하여 로지스틱 회귀식에 Lasso 추정법을 적용하였다. Lasso는 기계학습법의 일종으로 다수의 잠재적 예측 변수로부터 예측과 무관한 변수들의 계수의 절대값을 0으로 축소하고, 적합한 예측요인만을 선별하기 위하여 벌칙화된 잔차의 제곱합을 최소화하여 회귀식을 추정하는 방법이다[21]. 벌칙항의 조정 모수는 표본을 10개의 소표본으로 무작위로 나눈 후 추정하고 평균제곱 예측오차를 이용하여 검증하는 과정을 반복하는 10-폴드 교차 검증을 통하여 추정된다. Lasso는 이렇게 구한 벌칙항을 포함하는 벌칙화된 잔차의 제곱합을 최소화하는 회귀계수를 추정하며, 일부 설명변수의 회귀계수를 정확히 0으로 추정함으로써 예측에 필요한 변수를 선별한다. 이러한 과정을 거쳐 예측요인을 선별한 후 선별된 요인이 암 발병에 미치는 영향을 로지스틱 모형으로 추정하였다.
선별된 요인들이 암 질환의 발병에 미치는 영향의 강건성 확인을 위하여 통제변수를 다시 한번 Lasso를 적용하여 추려내고 이를 로지스틱 회귀 모형에 포함하여 추정하는 double-selection lasso logistic 추정법[23]을 STATA 18.0 (Stata Corp., Texas, USA) 프로그램을 사용하여 추정하였다.
주요 결과 분석에서는 기반조사 기간인 1기의 예측요인이 암 발병에 미치는 단기, 장기 영향을 구분하기 위하여, 먼저 2기부터 8기(2008-2020) 기간 동안 발병한 암의 위험요인을 예측하였다. 다음으로 3기부터 8기(2010-2020)에 발병한 암, 4기부터 8기(2012-2020), 그리고 5기부터 8기(2014-2020) 사이에 진단된 암을 차례로 예측하였다. 추가 분석 결과에서는 1기에서 주요 예측요인으로 선별된 비만지수의 장·단기 효과의 강건성 분석을 위하여 2, 3, 4기에 발생한 암 질환 보유자를 분석에서 제외하여 1기의 예측요인과 2, 3, 4기의 비만 상태가 5기부터 8기 사이에 새로 발병한 암 질환에 여전히 유의한 영향을 미치는지 분석하였다.
연구 결과
연구대상자 특성
KLoSA 연구대상자의 특성 중 Lasso 추정법을 통하여 암 질환 예측에 유의한 요인으로 선별된 요인과 기타 개인의 특징을 나타내는 주요 변수들을 중심으로 Table 1에 정리하였다. 최종 표본 대상자인 5,063명 중 대략 40명 안팎의 암 환자가 매 기간에 발생하고 있으며 2기에서 8기의 13년 동안 전체 315명의 암 환자가 새로 진단되었다. KLoSA 연구대상자 중 42%는 남성이고, 기반조사 기간의 연령 범위는 45세에서 87세이며 평균 연령은 58세이다. 그 외 인구학적 특징으로 대상자의 25%는 읍 ·면· 부 지역에 75%는 대도시나 중소도시에 거주하고 있으며, 36%의 응답자가 부모님 중 최소 한 명이 생존해 있는 것으로 나타났다. 건강 관련 특성으로는 절반이 넘는 54%가 주관적 건강상태를 긍정적으로 평가하였고 40%가 규칙적인 운동을 일주일에 1회 이상 실시하였으며, 18%가 현재 흡연을 하는 것으로 응답하였다. BMI의 평균값은 23.42로 한국인의 과체중 기준값인 23과 근접하며 저체중, 과체중, 비만체중을 가진 집단이 각각 2.3%, 31%, 24%를 차지하며 과체중과 비만의 체형을 가진 대상자가 과반을 넘는 것으로 나타났다. 정신건강 상태를 나타내는 축약형 우울척도는 0에서 10의 범위를 가지며 평균값은 2.67로 우울증 임계점인 4를 넘지 않는 것으로 나왔으며, 평균 인지기능 점수는 26으로 경도인지장애 기준이 24 미만인 것을 고려할 때 평균적으로 높은 것으로 나타났다. 고용의 특징을 살펴보면 46%가 기반조사 기간 중 경제활동을 하고 있는 것으로 응답하였으며 고용형태를 기준으로 구분하면 4.9%는 무급으로 가족과 친척을 위해 일을 하며 41%는 고용되었거나 자영업을 하는 것으로 나타났다.
Table 1.
Summary statistics of the participants’ characteristics
암 발병 예측 요인 추정
Table 2에 제시된 특성은 우선적으로 Lasso 추정법을 사용하여 선별된 암 발병과 관련된 예측변수를 보여준다. 7개 영역에서 추출된 35개의 변수 중 비만, 성별, 나이를 제외한 10개의 변수가 예측 요인으로 추출되었다. Table 2는 이렇게 추출된 예측변수가 암 발병에 미치는 영향을 로지스틱 회귀식을 이용하여 추정한 교차비(odds ratio, OR) 결과를 보여준다. (1)번 열에 나타난 결과는 인구학적 특성, 생활습관, 건강상태, 경제활동 등 위험요인으로 선별된 변수의 계수가 통계적으로 유의하지 않은 반면에 비만(BMI≥25)의 체형은 2기에서 8기(2008-2020) 사이의 암 발병 위험을 예측하는데 유의한 효과를 보이는 것으로 추정되었다. 1기(2006)의 비만도가 2년 이후인 2기(2008)부터 발병한 암을 예측하는 효과를 단기와 중 · 장기 효과로 구분하기 위하여 (2)번 열에서는 2기(2008)에 발생한 암 환자를 표본에서 제외하고, 1기(2006)의 비만체형을 비롯한 선별 요인들이 4년이 경과한 3기(2010) 이후부터 암 발병 확률에 영향을 미치는지 살펴보았다. 다음으로 (3)번 열에서는 2, 3기(2008-2010)에 암이 발병한 환자를 제외하고 1기(2006)의 변수를 이용하여 6년이 경과된 4기(2012) 이후 나타난 암 발병에 미치는 영향을 보았으며, 마지막으로 (4)번 열에서는 2기부터 4기(2008-2012)에 암이 발병한 환자를 제외하고 1기(2006)의 요인이 8년이 경과된 5기(2014) 부터 14년 이후인 8기에 나타난 암 발병에 미치는 영향을 보았다. Table 2의 각 열의 결과에서 1기 시점(2006년)의 위험요인 중 비만(BMI≥25)만이 2년부터 14년 이후(2008-2020년)에 발생한 암 발병을 유의미하게 예측하는 변수로 나타났다. Double-selection lasso logistic 기법으로 비만이 통계적으로 유의한 요인임을 재확인하였다. 이러한 결과는 비만이 암 발생과 관련된 단기적‧장기적 위험요인으로 작용할 수 있으며, 시간이 경과해도 암 발병에 지속적인 영향을 미치는 예측 변수임을 나타낸다.
Table 2.
Estimated effects of predictors on cancer incidence using logistic regressions after LASSO
| Variables | Dependent variable: Cancer incidence diagnosed at 2nd through 8th surveys | |||
|---|---|---|---|---|
| (1) Cancer at wave 2-8 (2008-2020) OR (95% CI) | (2) Cancer at wave 3-8 (2010-2020) OR (95% CI) | (3) Cancer at wave 4-8 (2012-2020) OR (95% CI) | (4) Cancer at wave 5-8 (2014-2020) OR (95% CI) | |
| Underweight | 0.89 (0.38-2.08) | 0.85 (0.34-2.14) | 1.07 (0.42-2.71) | 1.33 (0.52-3.40) |
| Overweight | 0.87 (0.65-1.16) | 0.90 (0.67-1.23) | 0.94 (0.67-1.31) | 0.89 (0.61-1.30) |
| Obese | 1.42**†† (1.08-1.87) | 1.39**†† (1.04-1.87) | 1.44**† (1.04-1.99) | 1.52**†† (1.06-2.16) |
| Male | 0.98 (0.73-1.33) | 1.12 (0.82-1.54) | 1.28 (0.91-1.80) | 1.38* (0.95-2.02) |
| Age | 1.01 (0.99-1.03) | 1.01 (0.99-1.03) | 1.02 (1.00-1.04) | 1.02 (1.00-1.04) |
| Household size | 1.01 (0.92-1.10) | 1.01 (0.92-1.12) | 1.05 (0.95-1.17) | 1.04 (0.92-1.17) |
| Living in rural area | 0.96 (0.72-1.28) | 0.93 (0.68-1.26) | 0.91 (0.65-1.27) | 0.87 (0.60-1.27) |
| Having parents alive | 0.86 (0.65-1.14) | 0.80 (0.59-1.08) | 0.80 (0.57-1.11) | 0.93 (0.65-1.34) |
| Subjective good health | 0.88 (0.68-1.14) | 0.85 (0.65-1.12) | 0.89 (0.66-1.20) | 0.90(0.65-1.25) |
| Regular exercise | 1.20 (0.94-1.53) | 1.20 (0.92-1.55) | 1.22 (0.92-1.63) | 1.08 (0.79-1.47) |
| Current smoker | 1.24 (0.89-1.74) | 1.16 (0.81-1.65) | 1.16 (0.80-1.69) | 1.19 (0.79-1.78) |
| Depression score | 1.04 (0.99-1.09) | 1.03 (0.98-1.09) | 1.03 (0.97-1.09) | 1.03 (0.97-1.10) |
| Cognitive function | 1.02 (0.97-1.08) | 1.02 (0.96-1.09) | 1.03 (0.97-1.11) | 1.05 (0.97-1.13) |
| Mild cognitive impairment | 0.64 (0.36-1.14) | 0.67 (0.36-1.24) | 0.70 (0.35-1.38) | 0.71 (0.33-1.53) |
| Voluntary work | 0.55 (0.26-1.17) | 0.51 (0.22-1.21) | 0.54 (0.21-1.37) | 0.57 (0.20-1.61) |
| Employed | 0.95 (0.71-1.27) | 0.89 (0.65-1.20) | 0.92 (0.66-1.29) | 0.88 (0.61-1.27) |
| Observations | 4,974 | 4,936 | 4,891 | 4,847 |
비만 예측 요인의 유용성 평가
Table 3은 Lasso를 사용하여 암 발병의 잠재적 예측변수로 선별된 1기의 변수 중 비만 관련 변수에 초점을 맞추어 2기, 3기, 4기에 측정한 비만 변수를 포함하여도 여전히 비만이 암 발병의 장·단기 예측요인으로 작용하는지 분산지연모형을 이용하여 교차비의 강건성 분석을 시행한 결과이다. Table 3에서는 4기까지 새로 발생한 암 질환 보유자를 모두 제외하여 5기부터 8기(2014-2020) 사이에 발생한 암 발병에 초점을 두고 1기의 비만 변수 외에 2기, 3기, 4기(2008-2012)의 비만 특성을 차례로 모형에 추가하였다. 먼저 (1)열은 1기와 2기에 측정한 저체중, 과체중, 비만 여부의 특성이 Lasso를 통해 선별된 1기의 예측요인을 통제하고도 여전히 암 발병에 유의한 영향을 미치는지 검증한 결과이다. (2)열에서는 1기부터 3기(2010)의 저체중, 과체중, 비만 특성, (3)열에서는 1기부터 4기(2012)의 저체중, 과체중, 비만 특성이 각각 5기부터 8기(2014-2020) 사이에 발생한 암 발병 확률에 영향을 미치는지 차례로 살펴보았다.
Table 3.
Estimated effects of obesity status on cancer incidence (2014-2020) using distributed lag model
| Variables | (1) Cancer at wave 5-8 (2014-2020) OR (95% CI) | (2) Cancer at wave 5-8 (2014-2020) OR (95% CI) | (3) Cancer at wave 5-8 (2014-2020) OR (95% CI) |
|---|---|---|---|
| Underweight at wave 1 (2006) | 1.36 (0.40-4.65) | 1.17 (0.33-4.08) | 1.39 (0.39-4.97) |
| Overweight at wave 1 (2006) | 0.94 (0.60-1.45) | 0.98 (0.62-1.54) | 0.95 (0.60-1.50) |
| Obese at wave 1 (2006) | 1.61*† (0.96-2.71) | 1.59*†† (0.92-2.78) | 1.48† (0.84-2.60) |
| Underweight at wave 2 (2008) | 0.86 (0.21-3.48) | 0.62 (0.14-2.75) | 0.61 (0.14-2.74) |
| Overweight at wave 2 (2008) | 1.04 (0.68-1.60) | 1.11 (0.70-1.75) | 1.07 (0.68-1.70) |
| Obese at wave 2 (2008) | 0.99 (0.58-1.71) | 0.95 (0.52-1.75) | 0.87 (0.47-1.62) |
| Underweight at wave 3 (2010) | 1.89 (0.67-5.32) | 2.88*†† (0.83-10.01) | |
| Overweight at wave 3 (2010) | 0.83 (0.53-1.30) | 0.71 (0.42-1.21) | |
| Obese at wave 3 (2010) | 1.10 (0.64-1.90) | 0.78 (0.38-1.59) | |
| Underweight at wave 4 (2012) | 0.47 (0.11-1.96) | ||
| Overweight at wave 4 (2012) | 1.22 (0.72-2.07) | ||
| Obese at wave 4 (2012) | 1.71 (0.83-3.54) | ||
| Observations | 4,593 | 4,593 | 4,593 |
OR refers to odds ratio, exp(β) from logistic regressions and (95% CI) refers to 95% confidence interval.
Other predictor variables from the baseline year in Table 2 are also included in all models.
종합적으로 Table 3은 1기의 비만 특성이 암 발병에 여전히 유의한 예측력을 가지는 것으로 나타났으며 로지스틱 회귀와 double-selection lasso logistic 방법 모두 일치하는 결과를 보여준다. 이러한 결과는 앞서 Table 2에 나타난 비만지수의 2년에서 14년 후의 암 발병 예측력과 일치하는 결과이며 기준년도인 1기(2006)의 비만 변수는 이후에 측정한 비만 관련 지수들을 고려하여도 여전히 암 발병을 예측하는데 있어서 중요한 변수임을 보여준다.
한편, (3)열에 나타난 결과는 비만 특성뿐만 아니라 저체중도 암 발병의 예측 요인임을 보여준다. 저체중과 비만의 교차비 추정치가 1보다 큰 유의한 값을 가지는 것은 정상체중에 비해 저체중과 비만 모두 암 발병 확률을 높이는 위험 요인임을 의미한다.
마지막으로 Table 4에서는 비만이 암 발병 예측에 미치는 효과가 성별에 따라 차이가 있는지 확인하기 위하여 Table 2에 제시된 모형에서 저체중, 과체중, 비만 변수와 남성 변수의 상호작용항을 추가하여 추정한 결과를 제시하였다. 1기에 측정된 비만이 이후의 암 발병 예측에 미치는 효과는 남성과 여성 모두에게 유의하게 나타났으며, 남성의 경우 그 효과가 유의하게 더 큰 것으로 나타났다. 이러한 결과는 암 발병 기간을 2기, 3기, 4기, 그리고 5기 이후로 분리해도 강건하게 나타났으며, double-selection lasso logistic 기법으로 추정하여도 일치하는 결과를 보여주었다.
Table 4.
Estimated effects of predictors on cancer incidence with male interactions
| Variables | Dependent variable: Cancer incidence diagnosed at 2nd through 8th surveys | |||
|---|---|---|---|---|
| (1) Cancer at wave 2-8 (2008-2020) OR (95% CI) | (2) Cancer at wave 3-8 (2010-2020) OR (95% CI) | (3) Cancer at wave 4-8 (2012-2020) OR (95% CI) | (4) Cancer at wave 5-8 (2014-2020 OR (95% CI) | |
| Underweight | 0.53 (0.13-2.22) | 0.62 (0.15-2.62) | 0.95 (0.22-4.04) | 1.40 (0.32-6.10) |
| Overweight | 0.96 (0.64-1.44) | 1.03 (0.67-1.58) | 1.25 (0.76-2.04) | 1.30 (0.72-2.34) |
| Obese | 1.84***††† (1.28-2.64) | 1.77***†† (1.19-2.63) | 2.15***††† (1.36-3.39) | 2.80***††† (1.67-4.72) |
| Male×underweight | 2.71 (0.45-16.25) | 1.94 (0.29-12.77) | 1.34 (0.20-8.95) | 1.01 (0.15-6.83) |
| Male×overweight1 | 0.80 (0.45-1.44) | 0.76 (0.41-1.40) | 0.59 (0.30-1.15) | 0.52* (0.24-1.13) |
| Male×obese | 0.54**† (0.30-0.95) | 0.58* (0.32-1.06) | 0.44**†† (0.23-0.85) | 0.29***††† (0.14-0.61) |
| Male | 1.24 (0.82-1.88) | 1.42 (0.91-2.20) | 1.91***† (1.17-3.12) | 2.47***††† (1.41-4.30) |
| Observations | 4,974 | 4,936 | 4,891 | 4,847 |
OR refers to odds ratio, exp(β) from logistic regressions and (95% CI) refers to 95% confidence interval.
Other predictor variables from the baseline year in Table 2 are also included in all models.
고 찰
본 연구는 KLoSA 자료를 활용하여, 중 ·고령층 성인을 대상으로 BMI에 따른 비만 관련 특성이 암 발병에 미치는 예측 효과를 분석하였다. 특히 Lasso 추정방법을 활용하여 사회경제적 특성, 생활행동 양식, 인지 및 심리적 특성의 다양한 잠재적 위험요인 중 암 발병의 예측력을 가지는 요인을 선별하고, 선별된 요인을 고려하였을 때 비만이 암 발병 예측에 미치는 단기 및 장기적 영향을 구체적으로 검토하였다.
본 연구에서 기반조사 시점인 1기(2006년)에 측정된 비만은 2기부터 8기(2008-2020)까지 발생한 암을 일관되게 예측하는 변수로 나타남을 보여주었다. 이는 비만이 약 2년에서 최대 14년 후에 발생하는 암 발병의 장·단기예측인자로 작용할 수 있음을 시사한다. 특히 Lasso를 통해 선별된 요인인 음주, 흡연, 신체활동의 다양한 건강행태와 인지, 심리, 고용 변수들을 로지스틱 회귀에서 동시에 고려한 후에도 비만만이 일관된 예측력을 보인 점은 주목할 만하다.
이와 더불어, 본 연구는 기반조사 시점뿐 아니라 패널데이터의 다양한 시점의 BMI 특성을 고려하여도 기반조사 시점의 비만이 차후 장·단기 경과 후 암 발병의 예측 요인으로 유의하게 나타나는 강건한 분석결과를 제시하였다. 즉, 2기, 3기, 4기의 비만 관련 특성을 고려하여도 기반조사 기간의 비만이 차후 2년부터 12년이 경과한 시점의 암 발병을 예측하는 요인임을 확인하였다. 이는 비만이 암 발병 위험에 미치는 영향이 일시적인 현상이 아니라 시간이 경과하면서도 일관된 예측요인으로 작용함을 의미하는 것으로, 비만이 암 발생 위험률을 높인다는 선행연구의 결과를 뒷받침한다[7,24-26]. 더 나아가, 비만 관리는 단기적 질병 예방뿐만 아니라 중장기적 관점에서도 건강 정책의 핵심 요소가 되어야 함을 시사한다.
한편, 기반조사 이외 다른 시점의 비정상 BMI 특성(저체중, 과체중, 비만)과 암 발병률의 관련성을 재확인한 강건성 분석에서, 비만 이외에 저체중 역시 암 발병의 유의한 예측 요인으로 나타났다는 점은 중요한 함의를 가진다. 일반적으로 비만의 위험성에 비해 저체중의 암 관련 위험은 간과되기 쉬우나, 본 연구 결과는 정상 체중 범위를 벗어난 양극단의 체중 상태 모두가 암 위험을 증가시킬 수 있음을 시사한다. 따라서 고령층 대상 건강검진 및 영양 평가에서 비만과 저체중 대상자에 대한 선제적 개입이 필요함을 나타낸다.
본 연구에서 암 발병률은 여성(5.9%)보다 남성(6.6%)에서 높게 나타났다. 국내 전체 암 발생의 성비는 1.10으로, 남성이 여성보다 높은 수준이나 연령대별로 상이하다. 35-64세 연령군에서는 0.77로 여성의 암 발생률이 더 높지만, 65세 이상에서는 1.62로 남성이 여성보다 월등히 높아지며, 50대 후반 이후부터 남성의 암 발생률이 급격히 증가하는 경향을 보인다[1]. 본 연구에서 남성과 여성 모두에게 비만이 주요한 암 발생 위험요인이며, 남성의 경우 비만이 더 큰 예측 효과를 가진다는 것은 성별에 따라 발생하는 암 발병의 경향성을 고려했을 때 비만이 암 발병을 예방할 수 있는 중요한 지표임을 뒷받침한다. 더 나아가, 중 ·고령 남성과 여성 모두 암 예방을 위한 주요 지표로서 BMI의 측정 및 변화 추적이 특히 중요함을 시사한다.
이와 더불어, 본 연구에서는 비만이 45세 이상 중고령자 여성에게 중요한 예측요인으로 나타났으나, 일부 선행연구에서 여성의 비만과 유방암 간의 연관성이 폐경 상태에 따라 상이한 것으로 보고되었다[25,26]. 우리나라 폐경 후 여성에서 비만은 유방암 발생 위험을 증가시키는 반면, 폐경 전 여성에서는 오히려 유방암 위험이 감소하는 경향을 보였다[25]. 또한 다국가 코호트 연구를 포함한 메타분석에 따르면, 폐경 전 여성의 경우 BMI가 5 증가할 때 유방암 발생 위험은 오히려 감소하는 경향이 있으나, 폐경 후 여성에서는 BMI 증가가 유방암 발생 위험을 높이는 것으로 나타났다[26]. 이러한 선행연구 결과는 비만과 암 발생 위험 간의 관계가 폐경 상태에 따라 상이하게 나타날 수 있음을 시사하며, 향후 연구에서는 이를 고려한 정밀한 분석이 요구된다.
본 연구는 예측 모델로서 Lasso와 로지스틱 회귀를 활용하여 잠재적 예측변수를 선별하고 이러한 요인을 고려한 모형에서 비만의 암 발병의 예측력을 확보하였으며 double-selection lasso logistic 기법을 활용하여 통계적 추론의 정확성을 향상시킨 방법론적 강점을 가진다. 특히 대규모 패널 데이터를 활용하여 선별된 주요 예측요인의 효과를 통제하면서 비만의 장·단기 누적 예측 효과를 실증적으로 확인한 점은 기존 연구에 비해 차별성을 갖는다.
그러나 본 연구에는 다음과 같은 몇 가지 한계가 있다. 첫째, 암 발병은 다양한 유전적, 환경적 요인의 복잡한 상호관계를 고려해야 함에도 불구하고, 본 연구에서는 관찰된 변수만을 중심으로 분석이 이루어졌다는 점에서 제한이 있다. 둘째, 암 진단 여부는 자가보고에 기반한 변수로, 의료기관 진단 기록과의 교차 검증이 이루어지지 않았다는 점에서 오차 가능성이 존재한다. 셋째, 암의 종류나 병기에 대한 특성이 고려되지 않았기 때문에, 향후 연구에서는 암의 특성에 따른 비만의 예측 효과를 추가적으로 검토할 필요가 있다.
이러한 몇 가지 제한점에도 불구하고, 본 연구는 한국 중고령층을 대상으로 한 장기 패널 데이터를 활용하여 비만이 암 발병에 미치는 단, 장기 예측력을 실증적으로 규명하였으며, 중년기 이후의 체중 관리가 암 예방에 있어 중요한 공중보건 전략이 될 수 있음을 뒷받침하는 근거를 제시하였다. 향후 건강증진 정책에서는 비만과 저체중의 예방 및 정상 체중 유지를 위한 맞춤형 개입이 필요하며, 장기적 관점에서 체중 변화의 추이를 지속적으로 모니터링할 수 있는 예방중심의 정책 설계가 요구된다.
결 론
본 연구는 한국 중·고령층을 대상으로 비만이 암 발병에 미치는 예측 효과를 분석한 결과, 비만이 최소 2년부터 최대 14년 이후까지 암 발생을 일관되게 예측하는 중요한 요인임을 확인하였다. 특히 건강상태에 영향을 줄 수 있는 사회경제적 요인, 생활행동 양식, 인지기능 및 심리적 특성 등 다양한 잠재적 위험요인을 통제한 이후에도 비만의 예측력이 지속되어, 비만이 장기와 단기의 암 발병을 예측하는데 유용한 지표임을 검증하였다. 또한 저체중 역시 암 발병 위험을 높이는 요인으로 나타나, 체중의 양극단 모두에 대한 관리가 필요함을 시사하였다. 본 연구 결과는 인구의 고령화로 인해 우리사회가 부담해야 할 사회경제적 비용을 고려할 때 중년기 이후 체중 변화의 장기적 추적과 정상 체중 유지를 위한 맞춤형 예방 전략이 암 예방을 위한 공중보건 정책의 핵심이 되어야 함을 시사한다.
PDF Links
PubReader
ePub Link
XML Download
Full text via DOI
Download Citation 
Print 
