Journal Archive

의료 및 보건 분야에서는 1970년대 이후로 건강행위가 건강에 미치는 영향에 대한 연구들이 이루어졌다. 대표적으로 1974년 캐나다의 라론드 보고서(Lalonde’s report)는 건강의 결정 요인들 중에서 개인의 생활습관의 영향력과 건강한 생활습관의 중요성을 밝혀냈다. 또한 Berkman and Breslow (1983)는 1960년대 미국 캘리포니아 주의 Alameda County에서 실시한 대규모 역학조사를 통해 흡연, 음주, 운동, 적정한 체중유지와 수면시간, 아침식사, 간식섭취와 같은 7가지 생활습관이 개인의 건강수준과 높은 연관성이 있음을 밝혀냈다.

국내의 건강수준과 개인의 행동 특성과의 관련성을 분석한 연구에서도 주로 흡연 및 음주 여부, 식생활 및 생활습관, 신체활동 등을 고려하여 그 관계를 살펴보았다(오장균, 2000; 이미숙, 2005; 윤병준, 2016; 박민희·송혜영, 2020). 건강을 측정하는 지표에 따라 그 영향이 다르지만 주로 음주, 흡연, 비만, 운동과 같은 건강생활양식은 개인의 건강 수준에 유의한 영향을 미치고 있는 것을 확인할 수 있다.

건강불평등을 야기하는 주요한 요인으로 사회경제적 지위가 논의되어 오고 있다. 교육이나 소득수준과 같은 사회경제적 지위는 질병에 노출될 위험을 피하고 조절할 수 있게 하기 때문에 건강수준에 중요한 요인으로 언급된다(Marmot and Wilkinson, 2005). Li and Zhu (2006), Kim (2011), Kutlu (2020) 등의 많은 연구들에서 사회경제적 지위가 낮을수록 건강수준이 낮음을 보여준다. 국내에서도 과거부터 주로 사회경제적 지위에 관심을 가진 연구가 이루어졌다(이미숙, 2005; 김진영, 2007; 김도영, 2015; 배우리 외, 2020). 연구 결과를 자세히 살펴보자면, 이미숙 (2005)에서 교육, 소득, 직업지위가 낮을수록 주관적 건강상태 및 만성질환, 급성질환과 같은 건강수준이 낮아지는 것을 확인할 수 있다. 김진영 (2007)은 성인을 대상으로 사회경제적 지위가 건강수준에 미치는 영향을 분석한 결과, 교육수준과 소득수준이 모두 만성질환 이환과 주관적 건강수준에 유의한 영향을 미치는 것을 확인하였다. 김도영 (2015)은 사회경제적 지위에 따른 건강수준과 의료서비스 이용의 차이를 연구하였는데, 연구결과에 따르면 소득분위와 교육수준이 낮고 불안정한 경제활동을 하는 사회경제적 지위가 낮은 계층이 건강 수준이 낮을 가능성이 높음을 제시하였다. 배우리 외 (2020)에서는 노인을 대상으로 사회경제적 지위 정도가 만성질환 유병률에 미치는 영향을 확인한 결과, 사회경제적 지위가 높을수록 운동참여도를 높이기 때문에 건강 수준이 양호하다는 것을 보여주었다.

개별적인 사회경제적 지위가 건강불평등에 미치는 영향을 분석하는 연구 외에 지역의 사회경제적 지위를 포괄하는 지수를 활용한 연구도 진행되어 오고 있다. 널리 사용되고 있는 지수는 사회박탈지수이다. 윤태호 (2010)의 연구에 따르면 시·군·구 단위에서 사회박탈지수가 높은 지역일수록 표준사망률과 조기사망자수가 높아지는 결과를 확인할 수 있었다. 지역 물질결핍지수를 활용한 김윤희·조영태 (2008)의 연구에서는 물질결핍지수가 취약집단의 정신건강 차이에 영향을 미치는 것을 확인하였다. 김형용·최진무 (2014) 연구는 소지역 단위에서의 건강불평등을 확인하기 위해 김형용·최진무 (2012)의 취약근린지수를 활용하였다. 연구 결과에 따르면 취약한 지역일수록 표준화사망비가 높게 형성되는 것을 확인할 수 있었다. 특히, 취약근린요인 중 사회경제적 지위를 나타내는 소득, 교육, 빈곤이 지역의 표준화 사망비에 유의한 영향을 미치는 것을 확인할 수 있는데 이는 지역의 사회경제적 역량이 양호한 지역일수록 건강수준 또한 양호함을 의미한다.

여러 선행연구에서 사용되어 오고 있는 박탈지수는 조금씩 다른 변수를 포함한다. 사회박탈지수는 자동차 미소유, 교육수준, 열악한 주거환경, 여성 가구주율, 독거가구율, 아파트가구율, 노인인구비율을 포함한다. 물질결핍지수는 남성실업률, 가장이 육체적 노동자인 비율, 무주택 비율을 포함한다. 취약근린지수는 교육수준, 소득수준, 복지수급자 비율, 노후주택비율, 소형주택비율, 이혼가구율, 독거가구율을 포함한다. 기존 연구들에서 사용된 지수들은 조금씩 다른 변수를 포함하고 있지만 소득수준, 교육수준, 주거환경, 노인인구 비율, 독거가구비율 등 지역의 사회경제적 수준을 포함하는 지표로 구성된다. 본 연구에서 역시 기존 연구들에서 사용된 지표들을 바탕으로 지역의 사회경제적 수준을 나타내는 변수를 구성하고자 한다.

앞서 살펴본 개인 및 지역의 사회경제적 지위와 관련한 변수와 더불어 지역의 물리적 특성 중 보건의료서비스와 건강수준과의 연관성에 관한 연구도 진행되어 오고 있다. 석향숙·강성홍 (2013)은 지역의 고혈압 이환율과 변이 요인 간의 관계에서 건강행태 수준과 더불어 의료공급 특성이 건강수준에 미치는 영향을 보여준다. 지역의 보건기관 공급이 높을수록 고혈압 이환율이 낮아지는 연구결과는 지역의 보건의료서비스 공급이 지역의 건강 수준에 유의한 영향을 미치는 것을 확인할 수 있다. 김순양·윤기찬 (2012)에서도 보건의료서비스 접근성이 건강불평등에 중요한 요인이 될 것으로 판단했다. 분석결과에서도 도시지역과 농어촌지역 간의 의료서비스 접근성(설문조사를 활용한 병의원 이용 편리성)의 차이가 건강불평등의 원인이 되는 것을 보여준다.

도시계획 분야에서는 주로 인구밀도, 토지이용 혼합도, 도로밀도, 공원 등과 같은 도시의 물리적 요인들이 건강에 미치는 영향을 주로 연구하고 있다. 성현곤 (2011)에서는 서울시를 대상으로 근린환경이 지역 주민 건강에 미치는 영향을 분석하였다. 해당 연구결과에 따르면 개발밀도, 토지이용 복합도, 지하철 및 공원과의 접근성이 건강과 유의한 연관성을 가지는 것을 확인할 수 있다. 이경환·안건혁 (2008)은 서울시를 대상으로 보행시간이 개인건강에 유의미한 영향을 미치고, 근린공원에 대한 접근성이 건강에 긍정적 영향을 주는 것을 보여준다. 이경환 (2012)은 중소도시를 대상으로 하여 도시의 물리적 환경과 지역 주민 건강과의 관계를 연구하였다. 연구결과에 따르면 인구밀도가 높을수록 비만정도가 낮고, 토지이용혼합도가 높을수록 고혈압 유병률이 높은 것을 확인할 수 있다. 또한 대중교통시설과 오픈스페이스에 대한 접근성이 지역주민 건강수준에 긍정적인 영향을 미치는 것으로 나타났다. 전해정 (2016)은 서울시 자치구를 대상으로 도시환경요인이 지역 주민 건강에 미치는 영향을 확인하였다. 연구결과에 따르면 자전거도로와 도로연장이 지역의 비만인구비율에 각각 부(-)의 영향과 정(+)의 영향을 미치는 것으로 나타났다. 김은정·김태환 (2015)은 대구시를 대상으로 도시의 물리적 환경이 개인의 건강수준과 연관성이 있는지에 대한 연구를 진행하였다. 해당 연구의 결과에 따르면 공원이나 하천과의 접근성, 버스정류장 접근성, 커뮤니티시설 혼합도가 건강 수준과 유의미한 연관성이 있음을 보여준다. 이와 같은 연구는 접근성이 뛰어난 도시환경이 건강수준에 긍정적인 영향을 미치는 것을 보여준다. 이러한 결과는 적극적인 외부활동, 신체활동을 통해 건강수준에 긍정적인 영향을 미치는 것으로 해석된다.

선행연구들에 따르면 건강수준이라는 것이 지역의 의료서비스나 공원, 오픈스페이스와 같은 물리적 요소와도 연관이 있는 것을 확인할 수 있다. 그러나 주로 토지이용, 인구밀도, 교통 환경 등에 초점을 맞추고 있으며 해당 지역에 위치하는 물리적 시설의 절대적인 양을 고려하였다. 또한 도시환경 요인을 고려하면서 동시에 개인의 특성과 그 외의 사회경제적 특성의 종합적인 고려가 미흡하다. 개인의 건강에 미치는 영향은 도시환경뿐만 아니라 개인의 특성, 건강행위, 그 외 사회경제적 특성 등에 의해서도 영향을 받기 때문에 도시의 환경과 개인 건강과의 관계를 정확하게 살펴보기 위해서는 개인특성이나 사회경제적 특성 등의 영향력을 충분히 고려해야 한다.

본 연구에서 중점적으로 살펴보고자 하는 도시환경의 물리적 시설 중 생활 인프라는 사회기반시설, 기초생활인프라, 생활SOC 등 다양한 용어로 혼용되어 사용되어지고 있다. 각 용어는 관련 법령과 계획에 따라 그 정의가 다양하다. 우리나라에서 현재 생활 인프라와 관련된 용어는 다음과 같다. ‘기초생활인프라’는 「도시재생 활성화 및 지원에 관한 특별법」에 따라 도시재생기반시설 중 도시주민의 생활편의를 증진하고 삶의 질을 일정한 수준으로 유지하거나 향상시키기 위하여 필요한 시설로 정의된다. 이에 거주지 근린에서 거주와 일상생활을 영위하는데 필요한 생활편의와 복지를 제공하는 시설로 개념을 재정립하여 그 범위를 제시하고 있다. 기초생활인프라는 지역거점시설과 마을단위시설로 분류되며 의료, 교육, 체육, 문화, 안전, 교통, 환경 등의 시설이 포함된다. ‘생활SOC’는 국민총리 훈령 「생활밀착형 사회기반시설 정책협의회 설치 및 운영에 관한 규정」에 따라 보육·의료·복지·교통·문화·체육시설, 공원 등 일상생활에서 국민의 편익을 증진시키는 모든 시설을 말한다. 2019년 국무조정실에서 발표한 「생활SOC 3개년 계획」에 따르면 국민들의 여가 활동을 장려하고 건강하고 안전한 삶을 위한 체육 및 문화시설, 취약계층 돌봄 시설, 의료시설, 그리고 안전하고 깨끗한 생활환경 등을 핵심과제로 포함하고 있다. ‘생활서비스시설’은 「2030 서울생활권계획」에 따라 국토계획법에 의한 53개 기반시설 중 지역주민의 일상생활에 없어서는 안 될 생활 인프라 시설을 말한다. 생활서비스시설은 권역생활서비스시설과 지역생활서비스시설로 구분되며 문화시설, 복지시설, 의료시설, 공원 등으로 이루어져 있다.

각 용어마다 그 정의가 조금씩 다르지만 공통적으로 일상생활에서 국민의 생활편의와 삶의 질을 증진시키기 위해 필요한 시설을 의미한다. 본 연구에서는 다양한 용어를 ‘생활 인프라’ 용어로 통합하여 사용하고, 지역 주민의 건강과 신체활동, 여가활동과 직간접적인 관련이 있는 의료, 공원, 체육, 문화, 복지시설을 중심으로 살펴보고자 한다.

연구에서 활용한 지역사회건강조사 역시 시·군·구 단위에서 통계자료가 제공된다. 질병관리청은 하위 공간단위에서의 건강지표를 진단하여 효과적인 지역보건정책 수립의 자료를 생성하기 위한 방안으로 Ghosh and Rao (1994)가 제안한 소지역추정법(Small Area Estimation)을 제시하고 있다(이계오, 2014). 본 연구에서 2020년 지역사회건강조사에서 추정할 수 있는 주요 만성질환(고혈압 또는 당뇨병) 이환율을 활용하여 서울시 행정동 간 건강불평등을 확인하고자 한다. 데이터 추정의 과정은 질병관리청에서 제시하고 있는 지역사회건강조사 읍면동 단위 통계생산 알고리즘을 참고하여 진행하였다.

본 연구에서 사용한 소지역추정법은 직접추정량(Direct Estimator), 합성추정량(Synthetic Estimator), 복합추정량(Composite Estimator) 세 가지 방법이다. 직접추정량은 수집된 자료와 조사항목별로 조사된 개인수준의 분석단위에 주어진 가중치(wji)와 관찰값(yji, 주요 만성질환 진단여부)을 이용하여 만성질환 유병률(YDi)과 분산을 추정한다. 가중치와 관찰값을 활용한 직접추정량과 분산은 다음 식 (1)과 같다.

(1)

합성추정량은 추정값의 분산이 커지는 것을 보완하기 위해서 보조정보를 이용하여 행정동별 추정치를 조금 더 정확하게 산출하는 방법이다. 본 연구에서 사용된 보조정보는 행정안전부의 성별, 연령별(19-39세, 40-59세, 60세 이상) 주민등록인구통계(2020) 자료를 활용하였다. 인구 구성비를 집락변수로 사용하여 K-Means Cluster 분석을 통해 서울시 행정동을 3개의 동질적인 집락으로 구분하였다. 이는 군집된 집락별로 건강수준이 유사할 것을 가정한 추정방법이다. 합성추정량과 분산은 다음 식 (2)와 같다.

(2)

직접추정량은 불편추정량이지만, 표본의 수가 작아져 분산이 커지고 추정값이 불안정하다. 합성추정량은 분산의 값이 작아 안정적이지만, 보조정보에 따른 군집에 따라서 편향을 가진다. 복합추정량은 앞의 두 추정량을 가중 평균하여 각각의 추정량의 장단점을 보완한 추정량이다. 복합추정량과 분산은 다음 식 (3)과 같다.

(3)

본 연구는 지역의 물리적 요소 중 도시민의 건강에 직간접적인 영향을 미치는 생활 인프라에 대한 접근성에 초점을 두고 연구를 진행한다. 이러한 접근성을 분석하기 위한 방법으로는 네트워크 분석을 수행하였다. 네트워크 분석이란 도로, 철도, 지하철, 수계망 등 네트워크로 형상이 표현 가능한 현상들에 대해 분석하는 것을 의미한다(이희연·심재헌, 2011). 네트워크 분석에는 최단거리 탐색, 최근접 시설물 탐색, 서비스 권역 탐색 등의 분석기법이 있다. 본 연구에서는 거주하는 공간에서 가장 가까운 생활 인프라까지의 도보 접근성을 파악하기 위해 최근접 시설물 탐색(Closest Facility Analysis)을 활용하였다.

네트워크 분석을 위한 네트워크 데이터셋은 국토지리정보원의 연속수치지형도 도로중심선 데이터(2019년 기준)를 사용하여 구축하였다. 본 연구에서 활용한 생활 인프라는 병의원, 생활권 공원, 공공체육시설, 노인복지시설, 문화시설, 하천으로 자세한 시설물 데이터셋 상세 내용은 <표 1>, 구축방법은 다음과 같다. 우선 병의원은 서울 열린데이터광장에서 제공하는 병의원(치과 제외) 시설 인허가 데이터를 활용하여 2019년 기준으로 영업 중인 시설로 구축하였다. 공원은 서울의 공원에서 제공하는 2019년 생활권 공원 현황 데이터를 바탕으로 근린공원(근린생활권 및 도보권), 어린이공원, 소공원을 바탕으로 구축하였다. 공공체육시설¹⁾은 서울 열린데이터광장에서 제공하는 서울시 공공체육시설 현황 데이터를 바탕으로, 노인복지시설은 보건복지부 통계 및 서울열린데이터광장 데이터를 바탕으로, 문화시설은 국가도서관통계시스템 및 서울문화재단 데이터를 바탕으로 각 시설물의 주소를 Geocoding하여 지도에 좌표로 나타냈다. 이때 다른 시설물과 달리 공원은 넓은 면적을 가지지만 본 연구에서는 공원 중심을 기준으로 하나의 좌표로 나타냈다. 반면 하천의 경우 하나의 좌표로 나타내기에 한계가 존재하며 하천을 통한 산책, 운동 등의 신체적 활동에 대한 접근성을 도출해야 되기 때문에 거주 지역에서 하천까지의 직선거리로 접근성을 산출하였다.

다음으로 ArcGIS의 최근접 시설물 탐색 기법을 활용하여 최하위 공간단위인 집계구의 중심점에서부터 가장 가까운 생활 인프라까지의 최단 거리를 산출하였다. 이후 각 집계구별 거리를 해당 집계구의 인구비율을 통해 가중 평균하여 행정동별 생활 인프라에 대한 각각의 평균 접근성을 도출하였다. 이는 다음 식 (4)와 같다.

(4)

본 연구는 서울시 내에서 발생하는 건강불평등의 양상을 파악하고 이에 거주하는 주민들의 건강수준에 영향을 미치는 개인 및 지역적 요인을 살펴보고자 하였다. 이에 개인의 건강수준을 나타내는 종속변수와 개인 수준의 요인은 2020년 지역사회건강조사를 활용하였다. 지역사회건강조사는 만 19세 이상의 모든 성인을 대상으로 각 보건소별 평균 900명의 표본크기를 가지는 데이터다. 2020년 기준으로 조사시점에 서울에 거주하며 지역사회건강조사 응답자는 총 22,915명이었으나, 본 연구에서 활용한 개인 변수에 모두 응답한 22,542명을 대상으로 자료를 구축하였다.

연구에 활용한 종속변수와 독립변수에 대한 정리는 <표 2>와 같다. 종속변수는 조사내용 중 고혈압 또는 당뇨병에 대한 의사진단 여부 문항을 바탕으로 주요 만성질환 유병 여부로 설정하였다. 고혈압 또는 당뇨병 중 하나 이상의 질환 진단 경험이 있을 경우 1의 값을 가지는 이항(그렇다=1, 그렇지 않다=0)의 값을 가진다. 개인 수준의 독립변수는 크게 개인의 생태학 및 사회경제적 특성을 나타내는 응답자의 성별, 연령, 교육수준, 직업, 기초생활수급자 여부, 그리고 건강행위 특성으로 설정하였다. 이때 성별은 남성(1)과 여성(0), 연령은 1) 청년층(19-44세), 2) 중년층(45-65세), 3) 노년층(65세 이상)으로 분류하였다. 직업은 1) 사무직(관리자, 전문가 및 관련종사자, 사무종사자), 2) 서비스판매직(서비스종사자, 판매종사자), 3) 생산기능직(농·림·어업종사자, 기능원 및 관련기능종사자, 장치, 기계조작 및 조립종사자, 단순노무종사자), 4) 기타(군인, 무직)로 분류하였다. 교육수준은 1) 무학, 서당·한학, 초졸 이하, 2) 고졸 이하, 3) 대졸 이상으로 분류하여 변수를 구성하였다. 그리고 건강행위와 관련한 변수로는 앞선 선행연구 검토를 통해 확인한 건강행위 중 흡연, 음주, 신체활동, 체중조절과 관련한 변수를 설정하였다. 이때 건강행위에 대한 각 지표는 지역사회건강조사의 지표 정의 참고하여 설정하였다. 흡연은 현재 흡연을 하는 경우로 ‘평생 5갑 이상 피웠으면서 현재흡연(매일 또는 가끔 피움)을 하는지 여부(그렇다=1, 그렇지 않다=0)’로 정의하였다. 음주는 과도한 음주 여부로 ‘최근 1년 동안 한 번의 술자리에서 남자는 7잔(여자는 5잔) 이상을 주 2회 이상 마시는지에 대한 여부(그렇다=1, 그렇지 않다=0)’로 정의하였다. 신체활동은 ‘최근 1주일 동안 평소보다 몸이 매우 힘들거나 숨이 많이 가쁜 격렬한 신체활동을 1일 20분 이상, 주 3일 이상 실천하거나, 평소보다 몸이 조금 힘들거나 숨이 약간 가쁜 중증도 신체활동을 1일 30분 이상, 주 5일 이상 실천하는지 여부를 바탕으로 신체적 비활동 여부(그렇다=1, 그렇지 않다=0)’로 정의하였다. 체중조절은 BMI(체질량지수) 응답을 바탕으로 25 이상인 경우 부적절한 체중조절로 판단하여 ‘부적절한 체중조절 여부(그렇다=1, 그렇지 않다=0)’로 정의하였다.

다음으로 지역 수준의 변수 중 지역의 사회경제적 특성을 나타내는 변수로는 2019년 인구주택총조사 데이터를 통해 지역의 1인가구비율, 노후주택비율, 소형주택비율을 구성하였다. 또한 지역의 물리적 특성에는 주민들의 건강과 직간접적으로 연결되는 생활 인프라인 병의원, 생활권공원, 공공체육시설, 노인복지시설, 문화시설, 하천에 대한 접근성의 기회를 변수로 설정하였다. 하천에 대한 접근성을 제외한 나머지 접근성 변수는 앞 절에서 네트워크 분석을 통해 도출한 집계구 중심에서 시설까지의 도보 최단 거리를 이용하였다.

본 연구에서 분석하고자 하는 건강 수준에 영향을 미치는 개인과 지역 특성은 서로 다른 수준의 분석단위를 가진다. 일반 선형회귀모형은 각 관측치의 독립성을 가정하기 때문에 같은 집단의 공통된 영향을 받는 개인들의 자료 구조를 가지는 위계적 자료를 분석하고자 할 때에는 적합하지 않다. 따라서 이러한 위계를 가지는 자료를 분석하기 위해 적합한 모형인 다층모형을 사용하여 분석한다. 특히, 본 연구의 종속변수인 개인의 건강 수준이 0과 1의 이항 분포를 가지는 만성질환(고혈압 또는 당뇨병) 유병 여부이기 때문에 다층모형 중 로지스틱 다층모형(Logistic Multilevel Model)을 이용한다.

분석은 크게 세 단계를 걸쳐 이루어진다. 첫 번째는 아무런 설명변수를 포함하지 않고 오직 상수항만을 포함시킨 무조건 모형(Unconditional Model)을 통해 지역적 특성의 차이가 개인의 건강 수준에 영향을 미치고 있는지 검증한다. 이때 무선효과의 통계량을 바탕으로 다층모형 사용의 적합성을 판단한다. 무조건 모형은 다음 식 (5)와 같다.

(5)

무조건 모형 결과를 바탕으로 먼저 LR 검증(Likehood-ratio test)을 통해 지역수준이 개인의 건강수준에 통계적으로 유의미한 영향을 미치는지 확인한다. 또한 전체 관찰된 분산(τ + σ²)에서 지역 간 분산(τ)이 차지하는 비율인 ICC(Intraclass Correlation Coefficient) 값을 도출하게 된다. 이를 통해 개인의 건강 수준의 전체 분포에서 몇 %가 개인의 효과이며, 몇 %가 지역의 효과인지 건강 수준에 대한 지역 효과의 영향의 비율을 판단할 수 있다. ICC 값은 0에서 1 사이의 값을 가지게 된다.

다음으로는 독립변수들의 다중공선성을 먼저 확인한 후, 무조건 모형에 종속변수를 설명하는 독립변수를 포함시키는 조건 모형(Conditional Model)을 통해 독립변수의 영향력을 확인한다. 조건 모형은 세 가지 모델로 구성되며 모델 1은 설명변수에 개인 수준의 특성만을 포함시켜 개인의 건강에 미치는 영향을 분석한다. 모델 2는 설명변수에 개인 및 지역 수준의 특성을 모두 포함시켜 개인의 건강에 미치는 영향을 분석한다. 특히, 본 연구에서는 지역 수준의 무선효과가 절편에만 존재하는 임의절편모형(random intercept model)을 기반으로 다층모형을 분석하였다. 임의절편모형은 무선효과가 절편에만 존재하며 기울기는 2수준 집단 간 동일한 것을 가정하는 모형으로 일반적으로 종속변수의 2수준에서의 차이와 그 영향력을 확인하고자 할 때 사용된다(장인수·김홍석, 2016; 박소연, 2019). 이때 생활 인프라 지표는 표준화하여 모델에 포함하여 분석한다. 기본 식은 다음의 식 (6), 식 (7)과 같다.

(6)

(7)

본 연구의 연구모형은 식 (8)과 같다.

(8)