KR102369001B1 - 대사 증후군 점수 추정 방법과 이를 이용한 표시 방법 - Google Patents
대사 증후군 점수 추정 방법과 이를 이용한 표시 방법 Download PDFInfo
- Publication number
- KR102369001B1 KR102369001B1 KR1020200012994A KR20200012994A KR102369001B1 KR 102369001 B1 KR102369001 B1 KR 102369001B1 KR 1020200012994 A KR1020200012994 A KR 1020200012994A KR 20200012994 A KR20200012994 A KR 20200012994A KR 102369001 B1 KR102369001 B1 KR 102369001B1
- Authority
- KR
- South Korea
- Prior art keywords
- metabolic syndrome
- score
- estimated
- screen
- display
- Prior art date
Links
- 208000001145 Metabolic Syndrome Diseases 0.000 title claims abstract description 207
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 title claims abstract description 207
- 238000000034 method Methods 0.000 title claims abstract description 54
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 claims abstract description 46
- 230000035488 systolic blood pressure Effects 0.000 claims abstract description 31
- UFTFJSFQGQCHQW-UHFFFAOYSA-N triformin Chemical compound O=COCC(OC=O)COC=O UFTFJSFQGQCHQW-UHFFFAOYSA-N 0.000 claims abstract description 26
- 235000012000 cholesterol Nutrition 0.000 claims abstract description 23
- 230000036541 health Effects 0.000 claims description 45
- 238000000556 factor analysis Methods 0.000 claims description 30
- 235000016709 nutrition Nutrition 0.000 claims description 30
- 230000035764 nutrition Effects 0.000 claims description 30
- 238000010200 validation analysis Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 8
- 239000008103 glucose Substances 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 7
- 239000000090 biomarker Substances 0.000 claims description 6
- 108010023302 HDL Cholesterol Proteins 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 238000013517 stratification Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims 1
- 238000000611 regression analysis Methods 0.000 claims 1
- 239000008280 blood Substances 0.000 abstract description 19
- 210000004369 blood Anatomy 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 206010012601 diabetes mellitus Diseases 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 150000003626 triacylglycerols Chemical class 0.000 description 6
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 208000024172 Cardiovascular disease Diseases 0.000 description 4
- 206010022489 Insulin Resistance Diseases 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 208000011580 syndromic disease Diseases 0.000 description 4
- 108010074051 C-Reactive Protein Proteins 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013211 curve analysis Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- NTDFJPCHHGBHCO-UHFFFAOYSA-N 7,9-dihydro-3H-purine-2,6,8-trione Chemical compound OC1=NC(O)=C2NC(O)=NC2=N1.N1C(=O)NC(=O)C2=C1NC(=O)N2 NTDFJPCHHGBHCO-UHFFFAOYSA-N 0.000 description 1
- 208000004611 Abdominal Obesity Diseases 0.000 description 1
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 102100032752 C-reactive protein Human genes 0.000 description 1
- 206010065941 Central obesity Diseases 0.000 description 1
- 102000017011 Glycated Hemoglobin A Human genes 0.000 description 1
- 108010010234 HDL Lipoproteins Proteins 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 108010007622 LDL Lipoproteins Proteins 0.000 description 1
- 102000007330 LDL Lipoproteins Human genes 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 235000018823 dietary intake Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 238000012948 formulation analysis Methods 0.000 description 1
- 108091005995 glycated hemoglobin Proteins 0.000 description 1
- 230000005548 health behavior Effects 0.000 description 1
- 201000001421 hyperglycemia Diseases 0.000 description 1
- 208000006575 hypertriglyceridemia Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
대사 증후군 추정 점수 표시 방법이 개시된다. 본 발명의 대사 증후군 추정 점수 표시 방법은, 단말기의 표시부에 허리둘레(WC), 수축기 혈압(SBP), 공복혈당(FPG), 중성지방(TG), 그리고 고밀도 콜레스테롤(HdL)의 다섯 가지 진단요소 입력화면을 표시부에 표시하고, 입력된 진단요소를 이용하여 대사 증후군 추정 점수를 산출하여 산출된 추정 점수를 상기 표시부에 표시하도록 제어함으로써, 추정된 점수를 검사자에게 표시하여 검사자의 높은 위험의 인자를 확인하고, 검사자의 생활습관의 변화에 대한 동기부여를 함과 동시에 시간이 지남에 따라 치료 경과를 추적할 수 있는 효과가 있다.
Description
본 발명은 대사증후군을 추정하는 방법에 관한 것으로, 보다 상세하게는 간단한 입력을 통하여 국민 특성, 성별과 연령을 반영한 대사증후군 점수를 추정하여 표시하고 검사자의 높은 위험의 인자를 확인하고, 검사자의 생활습관의 변화에 대한 동기부여를 하고 시간이 지남에 따라 치료 경과를 추적할 수 있는 대사증후군 추정 점수 표시 방법에 관한 것이다.
대사증후군(Metabolic Syndrome, MS)은 심혈관계 질환(CVD) 및 제 2형 당뇨(T2DM)에 대한 위험 증가와 관련한 임상적 측정의 이상을 기반으로 진단된다.
복부비만, 고중성지방혈증, 고혈압, 저고밀도 지단백 콜레스테롤혈증, 공복고혈당(인슐린 저항성) 다섯 가지 기준 중 세 가지 이상 해당되면 대사증후군으로 진단하는데, 이러한 진단기준은 이분법적인 기준에 의해 분류되기 때문에 대사증후군의 유무만 진단할 뿐 진행률, 위험도, 시간에 따른 변화양상을 확인하기 어렵다는 문제점이 있다.
2015년 우리나라 19세 이상 성인의 대사증후군 연령표준화 유병률은 남자 26.93%, 여자 17.93%, 전체 22.36%(국민건강영양조사 자료, 통계청 2005년 연앙인구 기준, 심장대사증후군연구회, 대사증후군 팩트시트 연구)로 조사되었다.
이는 이전의 조사에 비해 증가하는 추세여서 대사증후군을 예방, 관리할 수 있는 명확한 지표가 필요한 실정이다.
또한, 우리나라 국민건강영양조사(KNHANES)에서 19세 이상 성인의 대사증후군 유병률이 2007년 21.07%에서 2014년 19.26%로 감소했다가, 2015년 22.36%로 다시 증가하는 추세를 보이고 있을 뿐만 아니라, 전 세계적으로 비만인구가 급격하게 증가하고 있기 때문에 대사증후군 유병율이 증가할 가능성은 매우 크다고 여겨진다.
또한, 이분법적인 대사증후군 진단은 대사증후군의 중증도에 대해 인지하지 못한다는 한계점이 있다. 예를 들어, 진단 요소 다섯 가지 모두 기준 값 바로 아래에 있는 사람은 진단 요소 세 가지가 기준 값을 초과하지만 다른 진단 요소는 낮거나 정상 수준인 사람보다 위험하다.
전통적인 대사증후군 진단 기준을 사용하면, 시간에 따른 개인의 상태를 파악하기 어려워 시간 경과에 따른 진단의 불안정성이 현저하게 나타나게 된다.
대사증후군 점수 추정식에 관한 외국의 선행연구에서는 연구 대상자의 특성을 반영하여 성별, 인종별, 민족별로 점수를 추정하여야 하나, 아직까지 아시아인의 특성을 고려한 연구는 진행되고 있지 않고 있다.
또한, 우리나라에서 대사증후군에 대한 연구는 활발하지만, 전통적 진단 기준이 아닌 대사증후군 점수 추정식을 이용한 연구는 전무한 실정이다.
그리고 이러한 연구를 통하여 추정된 점수를 검사자에게 표시하여 검사자의 높은 위험의 인자를 확인하고, 검사자의 생활습관의 변화에 대한 동기부여를 함과 동시에 시간이 지남에 따라 치료 경과를 추적할 수 있는 방법이 필요하다.
이러한 과제를 해결하기 위한 본 발명은 전 국민에게 적용할 수 있는 대사 증후군 추정 점수 표시 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은 국민건강영양조사 5기, 6기 자료를 기반으로 대사증후군 심각도 점수를 산출하는 대사 증후군 추정 점수 표시 방법을 제공하는 것을 다른 목적으로 한다.
또한, 본 발명은 대사증후군의 다섯 가지 진단기준인 허리둘레(WC: Waist Circumference), 수축기혈압(SBP: Systolic Blood Pressure), 공복혈당(FPG: Fasting Plasma Glucose), 중성지방(TG: Triglyceride), 그리고 고밀도콜레스테롤(HdL: HdL-Cholesterol)을 확증적 요인분석(CFA: Confirmatory Factor Analysis)을 통해 대사증후군 심각도 점수를 산출하는 대사증후군 점수 추정 방법을 제공하는 것을 또 다른 목적으로 한다.
그리고 본 발명은 추정된 점수를 검사자에게 표시하여 검사자의 높은 위험의 인자를 확인하고, 검사자의 생활습관의 변화에 대한 동기부여를 함과 동시에 시간이 지남에 따라 치료 경과를 추적할 수 있게 하는 대사증후군 점수 추정 방법을 제공하는 것을 또 다른 목적으로 한다.
이러한 과제를 해결하기 위한 본 발명의 대사 증후군 점수 추정식을 이용하여 대상자의 대사 증후군 추정 점수를 산출하는 어플리케이션을 구동하는 단말기를 이용한 대사 증후군 추정 점수 표시 방법은, 단말기의 제어부가 상기 어플리케이션을 이용하여 단말기의 표시부에 허리둘레(WC;Waist Circumference), 수축기 혈압(SBP;Systolic Blood Pressure), 공복혈당(FPG;Fasting Plasma Glucose), 중성지방(TG;Triglyceride), 그리고 고밀도 콜레스테롤(HdL;HdL-Cholesterol)의 다섯 가지 진단요소 입력화면을 표시부에 표시하고, 입력된 진단요소를 이용하여 대사 증후군 추정 점수를 산출하여 산출된 추정 점수를 상기 표시부에 표시하도록 제어함으로써 달성될 수 있다.
이러한 대사증후군 점수 추정식은 (a)대사증후군 점수 추정에 사용될 공공 빅데이터를 선정하는 단계와, (b)대사증후군 진단 기준을 설정하는 단계, (c)상기 진단 기준을 관찰변수와 대사증후군 점수라는 요인(잠재변수)과의 관계를 설정한 모형의 적합도를 확증적 요인분석을 통하여 대사증후군 점수 추정식을 산출하는 단계 및 상기 (c)단계에서 추정된 대사증후군 점수 추정식을 대사증후군 점수 추정식과 바이오마커와의 상관분석으로 간접적 내적타당성을 검증하고, 국민건강영양조사 7기(2016) 자료로 직접적 내적타당성을 검증하는 단계를 포함하여 이루어지게 할 수 있다.
또한, (a)단계는 전 국민을 대상으로 한 표본조사 자료인 국민건강영양조사 자료 제 5기(2010-2012) 및 제 6기(2013-2015) 자료를 공공 빅데이터로 선정하고, 상기 (b)단계는 허리둘레는 남자가 90cm이상, 여성은 85cm이상을 수축기혈압은 130mmHg, 공복혈당은 100mg/dL이상을 중성지방은 150mg/dL을 고밀도콜레스테롤은 남성은 40mg/dL이하를 여성은 50mg/dL이하를 기준으로 설정한다.
또한, (c)단계는 관찰변수들 간의 상관성과 요인에 대한 서로 다른 인자적재 값들을 바탕으로 점수를 추정하고, 대사증후군 점수 추정식은 연령, 성별에 따라 나누어지는 대사증후군 위험군에 따라 대사증후군 점수 추정식을 연령 및 성별로 층화하여 추정하는 것이 바람직하다.
그리고 (d)단계는 국민건강영양조사 자료에서 추정된 대사증후군 점수 추정식을 KoGES(Korean Genome and Epidemiology study) 지역사회기반 코호트(안산·안성) 데이터에 적용하여 적합도를 확인하는 외적타당성 검증을 포함하여 검증하는 것이 더욱 바람직하다.
따라서 본 발명의 대사 증후군 추정 점수 표시 방법에 의하면, 대사증후군을 판별하는 기준부터 점수 추정식까지 아시아인의 특성을 고려하고 우리나라 국민 특성, 성별과 연령을 반영하였기 때문에 전 국민에게 적용할 수 있는 효과가 있다.
또한, 본 발명의 대사 증후군 추정 점수 표시 방법에 의하면, 국민건강영양조사 5기, 6기 자료를 기반으로 대사증후군 심각도 점수를 산출하였기 때문에 전 국민에게 적용할 수 있는 효과가 있다.
또한, 본 발명의 대사 증후군 추정 점수 표시 방법에 의하면 산출한 대사증후군 심각도 점수를 바탕으로 미래 당뇨 또는 심혈관질환의 예측이 가능하다.
또한, 본 발명의 대사 증후군 추정 점수 표시 방법에 의하면, 기존의 대사증후군 진단기준에 따른 이분법적인 방법보다 당뇨, 심혈관질환을 정밀하게 예측할 수 있고 정확하게 심각도 정도를 확인할 수 있는 효과가 있다.
또한, 본 발명의 대사 증후군 추정 점수 표시 방법에 의하면, 성별과 연령에 따른 차이를 비교하여 시간경과에 따른 대사증후군 심각도의 잠재적인 영향을 평가할 수 있고, 나아가 개인의 경시적 변화를 추적하고 평가할 수 있는 효과가 있다.
또한, 본 발명의 대사 증후군 추정 점수 표시 방법에 의하면, 대사증후군의 심각도를 파악하여 맞춤형 헬스케어 및 예방을 위한 국가 전략 수립에 다각적 근거를 제공하는 효과가 있다.
그리고 본 발명의 대사 증후군 추정 점수 표시 방법에 의하면 추정된 점수를 검사자에게 표시하여 검사자의 높은 위험의 인자를 확인하고, 검사자의 생활습관의 변화에 대한 동기부여를 함과 동시에 시간이 지남에 따라 치료 경과를 추적할 수 있는 효과가 있다.
도 1은 본 발명의 일실시예에 의한 대사 증후군 추정 점수 표시 장치의 주요 구성도,
도 2는 본 발명의 일실시예에 의한 대사 증후군 추정 점수 표시 방법을 설명하기 위한 흐름도,
도 3은 하나의 요인에 대한 세 가지 변수의 요인 모식도,
도 4는 탐색적 요인분석(왼쪽)과 확증적 요인분석(오른쪽)을 이용한 요인 모형 모식도,
도 5는 대사증후군 점수 추정식에 관한 요인 모형,
도 6은 안산안성 KoGES 기반자료를 이용한 대사증후군 점수 추정식(Kang et al.)
도 7은 대사증후군 점수 추정식의 타당성 검증 방법을 설명하기 위한 도면,
도 8은 대사증후군 점수 추정식 산출과정 식
도 9는 내적 타당도 검증, 대사증후군 점수 추정식과 기존 바이오마커와의 산점도,
도 10은 내적 타당도 검증, 대사증후군 점수 추정식의 기존 NCEP ATP-III 기준에 대한 예측력(ROC Curve Analysis) 관련 도면,
도 11은 정규분포와 Z-score (출처: Wikimedia Commons)에 관한 도면,
도 12는 KoGES 안산안성 코호트 데이터 참고도면,
그리고
도 13 내지 도 16은 본 발명의 대사 증후군 추정 점수 표시 방법을 어플리케이션으로 구현한 일례를 도시한 도면이다.
도 2는 본 발명의 일실시예에 의한 대사 증후군 추정 점수 표시 방법을 설명하기 위한 흐름도,
도 3은 하나의 요인에 대한 세 가지 변수의 요인 모식도,
도 4는 탐색적 요인분석(왼쪽)과 확증적 요인분석(오른쪽)을 이용한 요인 모형 모식도,
도 5는 대사증후군 점수 추정식에 관한 요인 모형,
도 6은 안산안성 KoGES 기반자료를 이용한 대사증후군 점수 추정식(Kang et al.)
도 7은 대사증후군 점수 추정식의 타당성 검증 방법을 설명하기 위한 도면,
도 8은 대사증후군 점수 추정식 산출과정 식
도 9는 내적 타당도 검증, 대사증후군 점수 추정식과 기존 바이오마커와의 산점도,
도 10은 내적 타당도 검증, 대사증후군 점수 추정식의 기존 NCEP ATP-III 기준에 대한 예측력(ROC Curve Analysis) 관련 도면,
도 11은 정규분포와 Z-score (출처: Wikimedia Commons)에 관한 도면,
도 12는 KoGES 안산안성 코호트 데이터 참고도면,
그리고
도 13 내지 도 16은 본 발명의 대사 증후군 추정 점수 표시 방법을 어플리케이션으로 구현한 일례를 도시한 도면이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정 해석되지 아니하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈", "장치" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 및/또는 소프트웨어의 결합으로 구현될 수 있다.
명세서 전체에서 "및/또는"의 용어는 하나 이상의 관련 항목으로부터 제시 가능한 모든 조합을 포함하는 것으로 이해되어야 한다. 예를 들어, "제1 항목, 제2 항목 및/또는 제3 항목"의 의미는 제1, 제2 또는 제3 항목뿐만 아니라 제1, 제2 또는 제3 항목들 중 2개 이상으로부터 제시될 수 있는 모든 항목의 조합을 의미한다.
명세서 전체에서 각 단계들에 있어 식별부호(예를 들어, a, b, c, ...)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 한정하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
이하, 도면을 참고하여 본 발명의 일실시예에 대하여 설명한다.
도 1은 본 발명의 일실시예에 의한 대사 증후군 추정 점수 표시 장치의 주요 구성도로서, 도시된 바와 같이 본 발명의 추정 점수 표시 장치는 분석에 사용될 공공 빅데이터를 선정하고, 이후 대사증후군 진단 기준을 설정하고, 확증적 요인분석을 통하여 설정한 요인과 관측변수간의 관계를 설정한 모형의 적합도를 평가한 다음 이를 근거로 대사증후군 점수 추정식을 산출한 다음 그 타당성을 검증하고, 타당성이 검증된 점수 추정식을 검사자들이 쉽게 이용할 수 있도록 주요 진단 요소를 간단히 입력할 수 있는 화면과 입력된 진단 요소를 기준으로 추정 점수를 표시하여 관리할 수 있도록 하는 것을 하나의 특징으로 한다.
이를 위하여 본 발명의 추정 점수 표시 장치는 분석에 사용될 공공 빅데이터와 진단 기준을 설정하는 설정부(120)와 설정부(120)에서 설정된 데이터를 기준으로 대사증후군 추정 점수식을 산출하는 대사증후군점수추정식산출부(130)와 대사증후군점수추정식산출부(130)에서 산출된 추정식을 검증하고, 추정식 산출에 필요한 진단요소를 입력받을 수 있는 화면으로 구성된 어플리케이션을 표시부(150)에 표시하고 표시부(150)를 통하여 입력된 데이터를 기준으로 대사증후군 추정 점수를 산출하여 표시하는 제어부(110)를 포함하여 구성한다.
또한, 저장부(140)는 추정 점수 산출에 필요한 각종 데이터들을 저장한다.
예를 들면 대사증후군점수추정식산출부(130)에서 산출되어 검증된 대사증후군 점수 추정식과 진단기준 등을 저장한다.
대사증후군 점수 추정식은 성별, 연령별로 구별하되 연령은 구간별로 나누어 추정하도록 하는 것이 바람직하다.
또한, 진단기준은 남자가 90cm이상, 여성은 85cm이상을 수축기혈압은 130mmHg, 공복혈당은 100mg/dL이상을 중성지방은 150mg/dL을 고밀도콜레스테롤은 남성은 40mg/dL이하를 여성은 50mg/dL이하를 기준으로 한다.
이러한 진단기준과 추정식에 대해서는 아래에서 상세하게 설명한다.
상술한 구성을 이용하여 본 발명의 대사증후군 추정 점수 산출방법에 대하여 설명한다.
도 2는 본 발명의 일실시예에 의한 대사증후군 점수 추정 방법을 설명하기 위한 흐름도로서, 도시된 바와 같이, 본 발명의 대사증후군 점수 추정 방법은 먼저 분석에 사용될 공공 빅데이터를 선정하고, 이후 대사증후군 진단 기준을 설정하고, 확증적 요인분석을 통하여 설정한 요인과 관측변수간의 관계를 설정한 모형의 적합도를 평가한 다음 이를 근거로 대사증후군 점수 추정식을 산출한 다음 그 타당성을 검증하는 단계로 이루어진다.
먼저, 단계 S110은 분석에 사용될 공공 빅데이터를 선정하는 단계로 본 발명에서는 빅데이터설정부(121)에서 한국의 보건의료 공공 빅데이터 중 국민건강영양조사를 선정하여 사용하는 것으로 한다.
한국의 보건의료 공공 빅데이터에는 국민건강보험공단(NHIS:National Health Insurance Corporation), 건강보험심사평가원(HIRA:Health Insurance Review & Assessment servise), 국민건강영양조사 등의 자료들이 있지만, 국민건강보험공단과 건강보험심사평가원 데이터를 활용하여 분석을 진행하기에는 많은 제약이 있다.
즉, 높은 데이터 사용비용, 한정된 이용 시간, 그리고 국민건강보험공단의 경우 직접 공단에 방문해야 하는 불편함이 있기 때문에 본 발명에서는 국민건강영양조사 자료를 활용한다.
국민건강영양조사 자료는 2015, 2016년 대한당뇨병학회의 당뇨병 팩트시트 연구에 사용되었고, 우리나라 전 국민을 대상으로 한 표본설계 데이터이기 때문에 대한민국 국민에 대한 결과로 확대하여 해석이 가능하기 때문에 사용한다.
또한, 국민건강영양조사 자료는 1995년 제정된 국민건강증진법 제 16조에 근거하여 시행하는 전국규모의 건강 및 영양조사이기 때문에 1998년부터 2005년까지 3년 주기로 시행하였으며, 국가통계의 시의성 향상을 위해 2007년부터 매년 시행하고 있다.
본 조사의 목적은 국민의 건강수준, 건강행태, 식품 및 영양섭취 실태에 대한 국가 및 시도단위의 대표성과 신뢰성을 갖춘 통계를 산출하고, 이를 통해 국민건강증진종합계획의 목표 설정 및 평가, 건강증진 프로그램 개발 등 보건정책의 기초자료로 활용하는 것이다.
다시 말하면, 본 발명은 대사증후군 점수 추정 방법에 관한 것으로, 전 국민을 대상으로 한 표본조사 자료인 국민건강영양조사 자료 제 5기(2010-2012), 제 6기(2013-2015) 자료를 이용하여 식을 추정하고, 전 국민을 대상으로 적용하는 것을 목표로 한다.
표 1의 국민건강영양조사 자료의 구성도를 참고하면, 목적과 대상 조사의 내용과 방법 그리고 산출지표 등에 대한 데이터를 빅데이터로 구축하되, 본 발명에서는 국민건강영양조사 자료 제 5기(2010-2012)와 제 6기(2013-2015) 자료를 이용한다는 것이 표시되어 있다.
따라서 향후 빅데이터의 구축이 제7기와 제8기 등으로 진행될 경우에는 기본 자료를 변경하여 업데이트된 자료를 활용할 수도 있다.
다음으로, 확증적 요인분석은 요인과 관측변수 간의 관계 및 요인간의 관계를 검증하는 것으로서 분석 전에 요인의 수와 요인과 그에 따른 항목(측정변수)들이 이미 지정된 상태에서 분석된다. 따라서 설정한 요인과 관측변수간의 관계를 설정한 모형의 적합도를 평가하는 분석방법이다.
도 3에 하나의 요인에 대한 세 가지 변수(x1, x2, x3)의 요인 모식도가 예시되어 있다.
확증적 요인분석이란 쉽게 말해서 잠재변수(동그라미로 표시)에 복수개의 측정변수가 연결된 형태를 분석하는 것인데, 예를 들어 "Factor"라는 잠재변수를 측정하기 위해 x1, x2, x3의 측정변수를 사용했다고 하면, x1, x2, x3의 공분산행렬(covariance matrix)에 의해 각 측정변수의 가중치가 정해지게 되고, 그것이 표준화되어 요인적재 값이 되는 것이다.
탐색적 요인분석(EFA;Exploratory Factor Analysis)은 변수들간의 구조를 탐색하는 '이론 생성 과정'에 가깝다고 할 수 있다.
확증적 요인분석은 탐색적 요인분석과 다르게 관측변수와 요인과의 관계를 설정하고 검증해가는 '이론 검증 과정'으로 도 4의 탐색적 요인분석(왼쪽)과 확증적 요인분석(오른쪽)을 이용한 요인 모형 모식도를 참고하여 이를 수학식 1로 나타내면 다음과 같다.
도 4는 2개의 요인(Factor1, Factor2)에 대한 세 가지 변수(x1,x2,x3)의 요인 모식도로서, 도 4과 수학식 1을 참고하면, 탐색적 요인분석은 모든 요인과 모든 측정변수의 관계를 탐색하는 방법이기 때문에 모형에서 모든 요인과 모든 측정변수 사이의 관계가 있는 것을 볼 수 있고, 확증적 요인분석은 미리 설정된 요인과 측정변수간의 관계를 검증하는 방법이기 때문에 모형에서 요인과 관계되는 관측변수와 요인간의 관계를 확인할 수 있다.
또한, 확증적 요인분석은 이론 기반의 분석방법이기 때문에 모형은 이론적인 관계에 의해 설정되고, 선행 연구 등을 통해 가설이 세워진 상태에서만 분석할 수 있기 때문에 탐색적 요인분석에 비해 보수적인 분석방법이나, Mark D. DeBoer는 미국의 NHANES 자료를 활용하여 성별, 인종별, 민족별 대사증후군 심각도 점수를 확증적 요인분석를 통해 추정하였음을 밝혀둔다.
본 연구에서 확증적 요인분석은 Mplus Version 8, Base Program and Combination Add-On, Muthen&Muthen 프로그램을 이용하여 진행했다.
다음으로, 대사증후군을 진단하기 위한 기준을 설정한다(S120).
즉 단계 S120은 진단기준설정부(122)에서 대사증후군의 판단에 사용될 진단 기준을 설정한다,
본 발명에 이용되는 대사증후군의 진단 기준이 다음 표 2에 예시되어 있다.
표 2는 수정된 NCEP ATP-Ⅲ 대사증후군 진단기준으로 심장대사증후군 연구회에서 대사증후군 팩트시트 연구한 결과표로, 대사증후군은 허리둘레, 수축기혈압, 공복혈당, 중성지방, 그리고 고밀도콜레스테롤의 다섯 가지 진단 기준 중 3가지 이상 해당되면 대사증후군으로 진단한다. 따라서 이 다섯 가지 기준을 이용하여 대사증후군 점수 추정식을 유도하는 것이다.
표 2를 참고하면, 진단 기준은 허리둘레는 남자가 90cm이상, 여성은 85cm이상을 수축기혈압은 130mmHg, 공복혈당은 100mg/dL이상을 중성지방은 150mg/dL을 고밀도콜레스테롤은 남성은 40mg/dL이하를 여성은 50mg/dL이하를 기준으로 한다.
선행연구에 따르면 수축기혈압과 이완기혈압은 서로 상관성이 높기 때문에 혈압은 인슐린저항성과 더 강한 연관성을 가진 수축기혈압을 사용하고, 중성지방은 로그 변환된 값을, 고밀도콜레스테롤은 대사증후군과 음의 상관관계를 가지기 때문에 음수를 취하고 다섯 가지 변수 모두 표준화된 값을 이용했다.
즉, 대사증후군 점수 추정식은 허리둘레, 수축기혈압, 혈당, 중성지방, 고밀도콜레스테롤 다섯 가지 측정변수와 대사증후군 점수라는 요인과의 관계를 증명하는 확증적 요인분석방법으로 추정하여 관찰변수들 간의 상관성과 요인에 대한 서로 다른 인자적재 값들을 바탕으로 점수를 추정하고, 모형 적합도를 비교하여 최적의 모형을 구축하는 것이다.
단계 S120에서 진단 기준이 설정되면, 단계 S130에서는 진단 기준을 허리둘레, 수축기혈압, 혈당, 중성지방, 고밀도콜레스테롤 다섯 가지 측정변수와 대사증후군 점수라는 요인과의 관계를 설정한 모형의 적합도를 확증적 요인분석을 통하여 대사증후군 점수 추정식을 산출한다.
대사증후군 점수 추정식을 산출은 대사증후군 점수 추정식 산출부(130)에서 산출되며, 확증적 요인분석을 이용하여 대사증후군 점수를 추정하면, 진단 요소들 간의 상관관계와 중요도(인자적재)를 고려할 수 있어 Z-score를 이용한 분석에 비해 진단 요소들의 특성과 가중치를 잘 반영할 수 있다.
한국 성인의 대사증후군 위험 점수와 심혈관질환 사망에 대한 연구에서 대사증후군 진단 요소의 Z-score를 이용하여 점수를 이용하여 분석한 사례가 있지만, Z-score는 관측변수간의 상관성과 가중치를 고려할 수 없다는 문제점이 있다.
도 5에 대사증후군 점수 추정식에 관한 요인 모형이 예시되어 있다.
도 5를 참고하면, 대사증후군 점수는 허리둘레, 수축기혈압, 공복혈당, 중성지방, 그리고 고밀도콜레스테롤이라는 다섯 가지 측정변수와 대사증후군 점수라는 요인과의 관계를 확증적 요인분석방법으로 추정하고 있음을 알 수 있다.
또한, 대사증후군 점수 추정식은 국민건강영양조사 자료 5, 6기 자료를 활용하여 우리나라 20세 이상 성인을 대상으로 추정하므로, 대사증후군 위험군은 연령, 성별에 따라 나누어지기 때문에 대사증후군 점수 추정식은 연령, 성별을 층화하여 추정하여야 한다.
도 6에 안산·안성 KoGES 기반자료를 이용한 대사증후군 점수 추정식(Kang et al.)이 예시되어 있다.
도면을 참고하면, 본 연구진이 2017년 12월에 있었던 보건정보통계학회에 발표한 포스터 중 대사증후군 점수 추정식 부분을 발췌한 것으로, 안산·안성 KoGES 기반자료를 이용하여 40세 이상 성인의 대사증후군 점수 추정식을 남자(male)와 여자(female)별 추정함으로써 보건정보통계학회가 주관한 추계학술대회에서 대한보건협회장 최우수상을 수상하였음을 밝혀둔다.
상술한 단계에서 대사증후군 점수 추정식이 설정되면 다음 단계로 그 타당성을 검증하기로 한다(S140).
도 7은 대사증후군 점수 추정식의 타당성 검증 방법을 설명하기 위한 도면으로, 추정한 대사증후군 점수 추정식의 타당성 검증에는 제어부(110)에서 내적타당성 검증과 외적타당성 검증을 진행한다.
내적타당성 검증은 간접적 방법과 직접적 방법으로 진행한다.
간접적 내적타당성 검증은 대사증후군 점수 추정식과 바이오마커와의 상관분석을 통하여 검증하고, 직접적 내적타당성 검증은 국민건강영양조사 7기(2016) 자료를 통해 진행한다.
도면을 참고하면, 간접적 내적타당성 검증은 국민건강영양조사 자료를 기준으로 대사증후군 점수 추정식을 상호관계를 분석하여 고감도C반응단백(hsCRP)과, 인슐린저항성(HOMA-IR), 요산(Uric Acid)등을 검증한다.
직접적 내적타당성 검증은 국민건강영양조사 자료 7기(2016) 자료를 이용하여 전통적인 대사증후군 진단에 대해 대사증후군 점수 추정식의 예측력을 ROC curve analysis를 통해 확인하는 것으로 진행했다.
외적타당성 검증은 국민건강영양조사 자료에서 추정된 대사증후군 점수 추정식을 한국인유전체역학조사사업(KoGES) 지역사회기반 코호트(안산·안성)에 적용하여 적합도를 확인하는 것이다.
본 발명에서의 검증은 도 5에서와 같이 KoGES 안산·안성 코호트 데이터(2001~2014)의 40세 이상 성인을 대상으로 진행했다. 도면을 참고하면, 기반자료~7차 추적조사까지 평균 12년의 추적기간 동안의 대사증후군 점수의 변화를 관찰하였다. 대사증후군 점수는 0.27±0.86에서 0.42±0.91로 56% 증가한 반면, 전통적인 대사증후군 유병률은 25.02%에서 37.18%로 12.16% 증가했다. 대사증후군으로 진단된 환자는 진단시점에서 가장 높은 대사증후군 점수를 보였고 높은 점수를 유지하였다.
이하, 구체적인 실시예에 대하여 설명한다.
국민건강영양조사 자료 5기, 6기 대상자 48,482명 중 대사증후군 진단 요소가 측정되지 않은 11,558명, 심근경색증이나 협심증을 앓고 있는 711명, 당뇨병을 앓고 있거나 공복혈당이 125mg/dL가 넘는 3,295명, 고지혈증 약, 당뇨 약, 고혈압 약을 복용하고 있는 4,931명, 임신 또는 수유 중인 여성 437명, 19세 이하 또는 60세 이상인 9,052명, 대사증후군 진단 요소의 극단적인 이상치를 가진 447명, 총 30,431명을 제외한 최종 분석 대상자는 18,051명이다.
표 3은 대사증후군 점수 추정식 대상자 층화를 표시한 도면이다.
표 3을 참고하면 최종 분석대상자 20세~59세의 18,051명을 남자, 여자로 층화하고, 각각 20~39세, 40~59세로 다시 층화하여 각각 대사증후군 점수 추정식을 산출하였다.
즉, 20~59세, 20~39세, 40~59세 남자, 여자에 대한 대사증후군 점수 추정식은 총 여섯 가지로 산출하였다.
먼저, 대사증후군 점수 추정식 산출과정 식을 보면 도 8과 같다.
도 8은 대사증후군 점수 추정식 산출과정으로 대사증후군 점수 추정식은 허리둘레, 수축기혈압, 공복혈당, 중성지방, 그리고 고밀도콜레스테롤 다섯 가지 진단요소를 확증적 요인분석을 통해 추정한다.
이렇게 산출된 여섯 가지 추정식은 표 4와 같다.
표 4는 대사증후군 점수 추정식이고 표 5는 확증적 요인분석 모형 적합도이다.
결국, 표 4는 전 국민을 대상으로 한 표본조사 자료인 국민건강영양조사 자료 제 5기(2010-2012), 제 6기(2013-2015) 자료를 이용하여 확증적 요인분석을 통하여 5가지 요인(허리둘레, 수축기혈압, 공복혈당, 중성지방, 그리고 고밀도콜레스테롤)을 연령별. 남녀별로 층화시켜 산출하면 발생하는 대사증후군 점수 추정식이 되는 것이다.
도면에는 20세~59세의 남녀를 20~39세와 40세~59세로 층화하여 분석한 자료이다.
구체적으로 설명하면, 도 8은 표 4의 대사증후군 점수 추정식을 산출하는 방법인 확증적 요인분석을 도식적으로 나타낸 것으로, 도 8의 각 변수는 WC(Waist Circumference; 허리둘레), SBP(Systolic Blood Pressure; 수축기 혈압), FPG(Fasting Plasma Glucose; 공복혈당), TG(Triglyceride; 중성지방), HDL(HDL-Cholesterol; 고밀도 콜레스테롤)을 의미하며, Metabolic Syndrome Score(대사증후군 점수)를 상기 다섯 가지 변수를 통해 산출하는 것이다.
다섯 가지 변수의 확증적 요인분석에서, 공분산행렬(covariance matrix)을 이용하여 각 변수별 요인적재 값(
~
)을 확인하고, 요인적재 값을 통하여 표준화된 각 변수의 가중치(
~
; 표준화 요인적재 계수)를 산출하여 그것의 합계가 요인점수(factorscore;대사증후군 점수)가 되는 것이다.
도 8에서 Zi1 내지 Zi5는 i번째 사람의 1은 허리둘레이고 순서대로 수축기 혈압, 공복혈당, 중성지방, 그리고 고밀도 콜레스테롤이라는 다섯가지 관찰변수로 구성된 표준화된 값을 의미한다.
xik는 i번째 사람의 k번째 측정변수로 순서대로 허리둘레, 수축기 혈압, 공복혈당(FPG), 중성지방, 그리고 5는 고밀도 콜레스테롤로 구성된 개인의 5가지 요인값을 
는 평균값을 , Sk는 각 허리둘레(WC)와 수축기 혈압(SBP), 공복혈당(FPG), 중성지방(TG), 그리고 고밀도 콜레스테롤(HdL)의 분산값을 의미한다.
또한, ε1~ε5는 각 요인별로 모형도식화에서 발생할 수 있는 오차를 의미한다.
임상에서의 편리한 적용을 위해, 이 대사증후군 점수와 표준화되지 않은 측정변수의 선형회귀분석을 통해 추정식을 원래 관측변수의 값을 이용해 추정한다.
확증적 요인분석 모형 적합도는 근사평균제곱근오차(RMSEA: Root Mean Square Error of Approximation)가 0.05 이하, 적합성지수(GFI: Goodness of Fit Index)와 표준적합지수(NFI: Bentler-Bonett Normed Fit Index)가 0.9 이상이면 통계적으로 좋은 모형으로 평가한다.
하지만, 본 실시예에서는 RMSEA가 0.11~0.15로 약간 높게 나타나 모형 적합도를 계속해서 향상시킬 예정이다.
그것이 표 4의 대사증후군 점수이다. 표 5는 대사증후군 점수를 추정하는 과정 중 확증적 요인분석의 모형적합도 값으로 추정된 모형이 얼마나 적합한지를 수치로 보여주는 것이다.
예를 들어, 각 진단요소 값이 허리둘레 95cm, 수축기혈압 150mmHg, 공복혈당 110 mg/dL, 고밀도콜레스테롤 30 mg/dL, 중성지방 160 mg/dL인 45세 남자환자의 대사증후군 점수를 확인하고자 할 때 표 4의 Male - 40~59의 식에 각각의 값을 대입하면 개인의 대사증후군 점수를 확인할 수 있는 것이다.
즉 다음의 수학식 2로 계산된다.
상기 수학식 2에서의 각 상수값은 도 8의 factorscore값이 표준화된 값이기 때문에 각 개인의 일상에는 사용할 수가 없어, 표 5와 같이 확증적 요인분석을 통하여 산출된 값을 선형회귀분석을 통하여 원래의 국민건강영양조사 수치로 회귀시켜 5가지 요인(허리둘레, 수축기혈압, 공복혈당, 중성지방, 그리고 고밀도콜레스테롤)별, 연령별. 남녀별로 층화시켜 산출하면 발생하는 값이다.
이러한 선형회귀분석과정은 일반적인 값이므로 그 구체적인 산출과정은 생략하기로 한다.
한편, 이 45세 남자환자의 대사증후군 점수는 1.32로써, 정규분포를 확인했을 때, 대한민국 성인의 상위 9.3%의 위험도를 가진 환자로 볼 수 있는 것이다.
도 11의 정규분포와 Z-score (출처: Wikimedia Commons)에 관한 도면을 참고하면, Z-score가 약 1.32인 곳의 분포위치(Cumulative)를 보면 약 상위 9.3%의 위험도를 갖고 있음을 알 수 있다.
이상과 같이 추출된 대사증후군 점수 추정식에 대한 타당도를 도면을 참고하여 설명한다.
도 9는 내적타당성 검증, 대사증후군 점수 추정식과 기존 바이오마커와의 산점도로서, 기존 대사증후군의 바이오마커인 당화혈색소(HbA1c), 인슐린저항성(HOMA-IR), hsCRP와 대사증후군 점수 추정식의 산점도를 보았을 때 높은 상관성을 볼 수 있었다.
아래 표 6에 내적타당성 검증, 대사증후군 점수 추정식의 기존 NCEP ATP-III 기준에 대한 예측력이 개시되어 있다.
표 6을 참고하면, 대사증후군 점수 추정식의 기존 NCEP ATP-III 기준에 대한 예측력은 93%~98%정도를 보이고 있음을 알 수 있다.
기존 NCEP ATP-III 기준은 이분법적인 성격을 갖기 때문에 활용도가 떨어지나 본 발명에서는 산출한 대사증후군 점수 추정식은 연속형 값으로써 기존 기준보다 활용도가 높고 예측력 또한 높다.
도 10은 내적 타당도 검증, 대사증후군 점수 추정식의 기존 NCEP ATP-III 기준에 대한 예측력(ROC Curve Analysis)에 관한 도면이다.
또한, 본 발명의 대사증후군 점수 추정식은 허리둘레, 수축기혈압, 공복혈당, 중성지방, 그리고 고밀도콜레스테롤 다섯 가지 진단요소를 확증적 요인분석을 통해 가중치를 부여한 Z-score이다. Z-score란 표준화 점수를 의미하는 데, 평균이 0이고 표준편차가 1인 표준정규분포를 따른다.
대사증후군 점수 추정식은 우리나라를 대표하는 표본조사자료인 국민건강영양조사 자료를 활용하였기 때문에, Z-score에 따라 개인의 대사증후군 위험 정도를 우리나라 기준에서 확인할 수 있음은 물론이다.
다음은 도면을 이용하여 정규분포와 Z-score에 대하여 설명한다.
도 11은 정규분포와 Z-score (출처: Wikimedia Commons)에 관한 도면으로, 도면을 참고하면, 한 개인의 대사증후군 점수(Z-score)가 2점일 경우 상위 2.3%로써 매우 위험하다고 할 수 있다.
심장대사증후군연구회에서 발표한 Metabolic Syndrome Fact Sheet in Korea (2018)에 따르면 우리나라 19세 이상 성인의 대사증후군의 유병률이 20.3%정도이다. 하지만, 대사증후군 유병률은 이분법적으로 나누어진 기준에 의해 측정된 것이기 때문에 직접적인 비교는 불가능하다.
대사증후군 점수 추정식은 점수가 높을수록 위험의 심각도 또한 높은 것이기 때문에 유병률에 비해 활용도가 높고 개인의 위험도에 대해 더 정확하고 정밀한 추정이 가능하다. 유병률과 비교했을 때, 대사증후군 점수(Z-score)가 상위 20.3%에 속하는 점수는 약 0.83점이다.
상술한 바와 같이 본 발명의 대사증후군 점수 추정 방법에 의하면, 우리나라 전체를 대표할 수 있는 국민건강영양조사 자료를 활용하였다는 점에서 우리나라 특성에 맞는 대사증후군 점수 추정식의 유용성 및 타당성을 높이 평가할 수 있다고 볼 수 있다.
아울러 제어부(110)는 표시부(150)에 표시된 어플리케이션을 이용하여 산출된 대사 증후군 추정 점수를 추정점수표시화면으로 표시부(150)에 표시하여 검사자의 생활습관의 변화에 대한 동기부여를 함과 동시에 시간이 지남에 따라 치료 경과를 추적할 수 있도록 한다.
단계 S140에서 대사증후군 점수 추정식의 유용성 및 타당성이 검증되면, 제어부(110)는 저장부(140)에 저장되어 있는 본 발명과 관련된 어플리케이션을 구동하여 표시부(150)에 검사자의 대사증후군 점수 추정에 필요한 검사 요소에 대한 데이터를 입력받는 화면을 표시한다(S150).
즉, 제어부는 단계 S150에서 도 13에서와 같이 단말기의 표시부에 제1화면으로 대사증후군에 대한 안내글을 화면의 상부에 표시하고 나의 대사 증후군 점수를 알아볼 수 있는 클릭화면(P1)을 하부에 표시한 다음, 검사자가 P1화면을 클릭하면, 나의 대사증후군 점수를 산출하기 위한 대사증후군의 각각의 진단요소에 대한 입력화면과 점수확인을 위한 클릭화면(P2)을 제2화면으로 표시부에 표시하는 것이다.
도 14를 참고하면, 화면의 상부에는 "나의 대사증후군 점수는?"을 표시하여 점수를 확인하기 위해서는 화면 하부에 표시되어 있는 각 진단요소에 대한 데이터를 입력하라는 암시를 제공할 수 있다.
화면의 하부에 표시된 각 진단요소에 대한 데이터 입력화면에는 상술한 바와 같이 허리둘레, 수축기혈압, 공복혈당, 중성지방, 그리고 고밀도콜레스테롤 다섯 가지 진단요소에 대한 검사자의 데이터를 입력하도록 하고 입력이 완료되면 P2화면의 하단에 "점수 확인" 버튼을 누를수 있도록 진행시킨다.
5가지 진단요소에 대한 데이터를 모두 입력하지 않고 화면 하단의 "점수 확인"버튼을 누른 경우에는 누락된 진단요소에 대한 데이터를 입력하라는 경고 메세지를 더 표시하게 할 수 있음은 물론이다.
데이터의 입력이 완료되면 화면의 하단에 있는 "점수 확인" 버튼을 눌러 검사자의 대사증후군 점수가 표시되는 도 15의 결과화면으로 진행한다(S160).
즉, 단계 S150에서 대사증후군의 각각의 진단요소에 대한 데이터가 입력되고 검사자가 점수확인 버튼을 클릭하면, 즉 제2화면에서 다시 검사자가 화면을 클릭하면, 도 15와 같은 추정점수표시화면으로 표시하도록 한다.
도면을 참고하면, 추정점수는 화면의 상단에 표시하고(P3참고), 화면의 중앙(P4)에는 연령대별 평균 점수를 그래프로 표시하고, 화면의 하단(P5) 좌측에는 대사증후군의 진단기준 중 위험인자를 표시하고, 화면의 하단 우측에는 점수별 분포도를 표시한다.
연령대별 재사 증후군 점수를 그래프로 표시하는 것은 점수가 높을수록 위험의 심각도 또한 높은 것임을 시각적으로 확인할 수 있도록 하기 위함이며, 대사증후군의 진단기준 중 위험인자 표시는 해당 검사자가 대사증후군의 5가지 요소 중 어느 요소에 해당하는 지를 알려주어 해당 위험인자에 대한 관리를 할 수 있도록 한다.
그리고 우측의 점수별 분포도는 해당 검사자의 대사증후군의 점수가 "고위험군, 위험군, 관리군, 또는 건강군"으로 표시하여 어느 레벨에 해당하는지 한번 더 경각심을 일깨워주기 위함이다.
또한, 제어부는 도 15의 추정점수표시화면의 다음 화면에는 위험인자를 개선하기 위한 관리법을 각 위험인자별로 표시하여 검사자가 각 위험인자별로 치료 관리를 할 수 있도록 제공할 수 있다.
그리고 제어부는 산출된 대사 증후군 추정 점수와, 입력한 진단 요소별 수치, 그리고 검사일을 저장부(140)에 저장하고, 검사자가 관리이력을 요청하면, 검사일과 진단요소별 수치 그리고 추정 점수 등을 검사일기준으로 리스트화하여 표시하게 할 수 있다.
이러한 도식화된 대사증후군 검사결과를 손쉽게 단말기에서 검사할 수 있도록 함으로써, 대사증후군의 심각도를 파악하여 맞춤형 헬스케어 및 예방을 위한 국가 전략 수립에 다각적 근거를 제공할 것으로 생각되며, 추후 본 연구를 토대로 효과적인 예방 전략 개발 및 정책수립을 위한 유사 연구가 활발히 진행될 것이며, 본 연구에서 추정한 대사증후군 점수 추정식이 다방면에서 널리 활용될 것이라 예상되며, 또한 진단예측의학, 맞춤의학, 정밀의학이 구현될 수 있을 것으로 기대된다.
이상에서 본 발명은 기재된 구체예에 대하여 상세히 설명되었지만 본 발명의 기술사상 범위 내에서 다양한 변형 및 수정이 가능함은 당업자에게 있어서 명백한 것이며, 이러한 변형 및 수정이 첨부된 특허 청구범위에 속함은 당연한 것이다.
110 : 제어부
120 : 설정부
121 : 빅데이터설정부
122 : 진단기준설정부
130 : 대사증후군점수추정식산출부
140 : 저장부
150 : 표시부
120 : 설정부
121 : 빅데이터설정부
122 : 진단기준설정부
130 : 대사증후군점수추정식산출부
140 : 저장부
150 : 표시부
Claims (13)
- 삭제
- 대사 증후군 점수 추정식을 이용하여 대상자의 대사 증후군 추정 점수를 산출하는 어플리케이션을 구동하는 단말기를 이용한 대사 증후군 추정 점수 표시 방법에 있어서,
단말기의 제어부는 상기 어플리케이션을 이용하여 단말기의 표시부에 허리둘레(WC;Waist Circumference), 수축기 혈압(SBP;Systolic Blood Pressure), 공복혈당(FPG;Fasting Plasma Glucose), 중성지방(TG;Triglyceride), 그리고 고밀도 콜레스테롤(HdL;HdL-Cholesterol)의 다섯 가지 진단요소 입력화면을 표시부에 표시하고, 입력된 진단요소를 이용하여 대사 증후군 추정 점수를 산출하여 산출된 추정 점수를 상기 표시부에 표시하도록 제어하고,
상기 대사 증후군 추정 점수는 대사 증후군 점수 추정식 산출부에서 산출하고, 상기 대사 증후군 점수 추정식 산출부는
(a)대사증후군 점수 추정에 사용될 공공 빅데이터를 선정하는 단계;
(b)대사증후군 진단 기준을 설정하는 단계;
(c)상기 진단 기준을 관찰변수와 대사증후군 점수라는 요인과의 관계를 설정한 모형의 적합도를 확증적 요인분석을 통하여 대사증후군 점수 추정식을 산출하는 단계;및
(d)상기 (c)단계에서 추정된 대사증후군 점수 추정식의 타당성을 검증하는 단계;
를 포함하여 대사 증후군 점수 추정식을 산출하며,
상기 (c)단계는
측정변수들 간의 상관성과 요인에 대한 서로 다른 인자적재 값들을 바탕으로 점수를 추정하고,
상기 대사증후군 점수 추정식은
연령, 성별에 따라 나누어지는 대사증후군 위험군에 따라 대사증후군 점수 추정식을 연령 및 성별로 층화하여 추정하고,
확증적 요인분석(CFA)을 통하여 산출된 값을 회귀분석을 통하여 원래의 국민건강영양조사 수치로 회귀시켜 5가지 요인별, 연령별. 남녀별로 층화시켜 산출하며,
상기 제어부는
상기 표시부에 표시된 어플리케이션을 이용하여 산출된 대사 증후군 추정 점수를 추정점수표시화면으로 표시하되, 추정점수는 화면의 상단에 표시하고 화면의 중앙에는 연령대별 평균 점수를 그래프로 표시하고, 화면의 하단 좌측에는 대사증후군의 진단기준 중 위험인자를 표시하고, 화면의 하단 우측에는 점수별 분포도를 표시하는 대사 증후군 추정 점수 표시 방법.
- 제 2항에 있어서,
상기 (a)단계는
전 국민을 대상으로 한 표본조사 자료인 국민건강영양조사(KNHANES) 자료 제 5기(2010-2012) 및 제 6기(2013-2015) 자료를 공공 빅데이터로 선정하는 대사 증후군 추정 점수 표시 방법.
- 제 2항에 있어서,
상기 (b)단계는
허리둘레(WC;Waist Circumference)는 남자가 90cm이상, 여성은 85cm이상을 수축기 혈압(SBP;Systolic Blood Pressure)은 130mmHg, 공복혈당(FPG;Fasting Plasma Glucose)은 100mg/dL이상을 중성지방(TG;Triglyceride)은 150mg/dL을 고밀도 콜레스테롤(HdL;HdL-Cholesterol)은 남성은 40mg/dL이하를 여성은 50mg/dL이하를 기준으로 설정하는 대사 증후군 추정 점수 표시 방법.
- 삭제
- 삭제
- 삭제
- 제 2항에 있어서,
상기 (d)단계는
상기 대사증후군 점수 추정식과 바이오마커(Biomarker)와의 상관분석으로 간접적 내적 타당성을 검증하고, 국민건강영양조사 7기(2016) 자료로 직접적 내적 타당성을 검증하는 단계;
를 더 포함하는 대사 증후군 추정 점수 표시 방법.
- 제 2항에 있어서,
상기 (d)단계는
국민건강영양조사 자료(KNHANES)에서 추정된 대사증후군 점수 추정식을 KoGES 지역사회기반 코호트, KoGES 농촌기반 코호트 데이터에 적용하여 적합도를 확인하는 외적 타당성 검증을 포함하는 대사 증후군 추정 점수 표시 방법.
- 삭제
- 제 2항에 있어서,
상기 제어부는
단말기의 표시부에 제1화면으로 대사증후군에 대한 안내글과 나의 대사 증후군 점수를 알아볼 수 있는 클릭화면을 표시하고, 검사자가 화면을 클릭하면, 나의 대사증후군 점수를 산출하기 위한 대사증후군의 각각의 진단요소에 대한 입력화면과 점수확인을 위한 클릭화면을 제2화면으로 표시하고, 제2화면에서 다시 검사자가 화면을 클릭하면, 추정점수표시화면으로 표시하도록 하고,
추정점수표시화면의 다음 화면에는
위험인자를 개선하기 위한 관리법을 각 위험인자별로 표시하여 검사자가 각 위험인자별로 치료 관리를 할 수 있도록 제공하는 대사 증후군 추정 점수 표시 방법.
- 삭제
- 제 11항에 있어서,
상기 제어부는
산출된 대사 증후군 추정 점수와, 입력한 진단 요소별 수치, 그리고 검사일 을 저장부에 저장하고, 검사자가 관리이력을 요청하면, 검사일과 진단요소별 수치 그리고 추정 점수 등을 검사일기준으로 리스트화하여 표시하는 대사 증후군 추정 점수 표시 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200012994A KR102369001B1 (ko) | 2020-02-04 | 2020-02-04 | 대사 증후군 점수 추정 방법과 이를 이용한 표시 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200012994A KR102369001B1 (ko) | 2020-02-04 | 2020-02-04 | 대사 증후군 점수 추정 방법과 이를 이용한 표시 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210099307A KR20210099307A (ko) | 2021-08-12 |
| KR102369001B1 true KR102369001B1 (ko) | 2022-02-28 |
Family
ID=77314642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200012994A KR102369001B1 (ko) | 2020-02-04 | 2020-02-04 | 대사 증후군 점수 추정 방법과 이를 이용한 표시 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102369001B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116798518B (zh) * | 2023-06-05 | 2024-03-08 | 中南大学湘雅医院 | 构建代谢物衰老分数及代谢衰老速率的方法及其应用 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017084142A (ja) * | 2015-10-28 | 2017-05-18 | 真理 船木 | 演算装置、プログラム、疾患のリスクの判定方法、および疾患の予防又は改善のための食物の決定方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101469864B1 (ko) * | 2012-12-27 | 2014-12-08 | (주)에이지바이오매틱스 | 대사증후군 생체나이 측정 시스템 및 단말기 |
| KR101807809B1 (ko) | 2016-07-14 | 2017-12-11 | 한국한의학연구원 | 체형 정보를 이용한 대사 증후군 진단 및 건강 가이드 방법 |
| KR102024375B1 (ko) * | 2016-12-30 | 2019-09-23 | 서울대학교 산학협력단 | 만성신장 질환의 질병 위험도를 예측하는 장치 및 방법 |
| KR102124249B1 (ko) * | 2018-06-29 | 2020-06-17 | 계명대학교 산학협력단 | 건강 관련 앱과 웨어러블 기기를 이용한 성인초기 대상자를 위한 대사증후군 예방 프로그램 |
-
2020
- 2020-02-04 KR KR1020200012994A patent/KR102369001B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017084142A (ja) * | 2015-10-28 | 2017-05-18 | 真理 船木 | 演算装置、プログラム、疾患のリスクの判定方法、および疾患の予防又は改善のための食物の決定方法 |
Non-Patent Citations (2)
| Title |
|---|
| 권세혁 등, 한국영양학회, 제50권, 제2호, 페이지 158-170 (2017)* |
| 박용문 등, 당뇨병, 제30권, 제3호, 페이지 177-189 (2006)* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210099307A (ko) | 2021-08-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Freedman et al. | Relation of body mass index and waist-to-height ratio to cardiovascular disease risk factors in children and adolescents: the Bogalusa Heart Study | |
| Exalto et al. | Midlife risk score for the prediction of dementia four decades later | |
| JP5265946B2 (ja) | 血糖症管理用の伝達媒体 | |
| Alkandari et al. | The prevalence of pre-diabetes and diabetes in the Kuwaiti adult population in 2014 | |
| CN107153774A (zh) | 慢性病风险评估双曲线模型的构建及应用该模型的疾病预测系统 | |
| Vinson et al. | Risk stratifying emergency department patients with acute pulmonary embolism: does the simplified Pulmonary Embolism Severity Index perform as well as the original? | |
| Kahn et al. | Beyond body mass index: advantages of abdominal measurements for recognizing cardiometabolic disorders | |
| MXPA02009487A (es) | Metodo, sistema y producto de programa de computadora para la evaluacion del control glucemico en la diabetes a partir de datos de auto-monitoreo. | |
| Haun et al. | Waist-height ratio compared to other indicators of obesity as predictosr of high coronary risk | |
| Romanens et al. | Improvement of cardiovascular risk prediction: time to review current knowledge, debates, and fundamentals on how to assess test characteristics | |
| Kang et al. | Models for estimating the metabolic syndrome biological age as the new index for evaluation and management of metabolic syndrome | |
| Milwidsky et al. | Metabolic syndrome is associated to high-sensitivity cardiac troponin T elevation | |
| KR102369001B1 (ko) | 대사 증후군 점수 추정 방법과 이를 이용한 표시 방법 | |
| US20070161868A1 (en) | Method and system for determining whether additional laboratory tests will yield values beyond a threshold level | |
| Zhuo et al. | High prevalence and low awareness of albuminuria in the community setting in the KDSAP | |
| KR20100102963A (ko) | 유비쿼터스환경에서의 웰빙라이프케어 인덱스 모델 제작 방법 | |
| KR100935610B1 (ko) | 허혈성 심장질환 발병 위험도 예측 장치 및 예측 방법과허혈성 심장질환 발병 위험도 예측 프로그램이 기록된 매체 | |
| Chyu et al. | Measured blood pressure and hypertension among young adults: a comparison between two nationally representative samples | |
| JP6401297B2 (ja) | インスリン分泌能分析装置、当該装置を備えるインスリン分泌能分析システム及びインスリン分泌能分析方法 | |
| Barbosa-Leiker et al. | Longitudinal measurement invariance of the metabolic syndrome: is the assessment of the metabolic syndrome stable over time? | |
| Liu et al. | Performance of a prediabetes risk prediction model: A systematic review | |
| Del Razo-Olvera et al. | Development and validation of a tool for predicting type 2 diabetes in Mexican women of reproductive age | |
| Lapin et al. | PROMIS global health: potential utility as a screener to trigger construct-specific patient-reported outcome measures in clinical care | |
| Frank et al. | Feasibility of using a factory-calibrated continuous glucose monitoring system to diagnose type 2 diabetes | |
| Pho et al. | Association of 152 biomarker reference intervals with all-cause mortality in participants of a general United States Survey from 1999 to 2010 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |