1. 서론
폭염의 강도와 지속기간은 최근 점진적으로 증가하고 있으며 미래에는 기후변화와 도시화로 인해 더욱 증가할 것으로 전망되고 있다(이승호･허인혜, 2011; Kim et al., 2016). 1990년 이후 열대야 현상의 발생빈도는 주로 대도시를 중심으로 증가하였고(최광용･권원태, 2005), 특히 2018년 우리나라의 전국 평균 최고기온과 폭염일수는 1973년 이래 가장 높았다(기상청, 2018). 다양한 온실가스 감축 정책에도 불구하고 미래 지구의 기후변화는 불가피한 것으로 여겨지고 있다(IPCC, 2018). Shin et al.(2018)에 의하면 한반도에서 연간 폭염일수는 21세기 중반까지 빠르게 증가하고 이후 점진적으로 증가할 것으로 전망되었다. 폭염 최장 지속일수는 21세기 말에 1주일 이상 지속되거나 한 달 이상 지속될 가능성도 있는 것으로 나타났다.
지금까지 많은 연구들이 기온 상승으로 인한 사망자 또는 입원환자 증가의 통계적 유의성을 밝혀 폭염의 건강 영향에 대한 단서들을 제공해 왔다. 예를 들어, Ha and Kim (2013)에 의하면 서울에서 기온이 1°C 상승할 때 마다 사망 위험이 6.05%(95% CI (confidence interval): 4.34 ~ 7.79%) 증가하고 고령자의 사망 위험은 7.89%(95% CI: 5.86 ~ 9.97%) 증가하였다. Heo et al.(2016)은 한국에서 생산직의 상대적 사망 위험(mortality relative risk)이 1.06(95% CI: 1.04 ~ 1.07)일 것으로 분석하였다.
폭염으로 인한 초과사망자의 인간생명가치는 1인당 약 3 ~ 4억원에 이른다(신동희 등, 2015; 이수형 등, 2016). 채여라 등(2012)은 미래에 폭염 빈도와 강도가 강해지면 수 조원에 이르는 사회･경제적 비용이 발생할 수 있는 것으로 추정하였다. 따라서 폭염으로 인한 건강 영향을 평가하고 이에 대비하기 위한 연구는 폭염 영향예보와 재난 대응 측면에서 중요한 일이 되었다(박종철 등, 2019).
폭염으로 인한 인명 피해를 정량화하는 것은 폭염으로 인한 건강 영향을 평가하는 방법의 일환이며, 폭염 대응 정책을 수립하기 위한 기초 정보로 활용되고 있다. 영국(PHE, 2019)과 프랑스(Santé publique, 2019)에서는 공중 보건을 위한 기초자료로 2016년부터 매년 폭염 기간의 초과사망자 수를 추정하여 발표하고 있다. 미국은 Centers for Disease Control and Prevention에서 Morbidity and Mortality Weekly Reports에서 온열질환자 및 온열질환 사망자를 집계하여 발표하고 있으며(CDC), 일본은 후생노동성에서 온열질환 통계를 공표하고 있다(후생노동성). 우리나라는 질병관리본부에서 온열질환 감시체계 결과를 여름철에 일주일 간격으로 발표하고 모니터링 결과를 매년 보고서로 발간하고 있다(질병관리본부, 2018).
우리나라 전체에 대해 폭염으로 인한 초과사망자를 추정한 사례로는 Kyselý and Kim(2009)의 연구가 있었다. 그들은 1994년 폭염으로 인해 우리나라에서 약 3,384명의 초과사망자가 발생하였을 것으로 추정한 바 있다. 이는 우리나라에서 기상재해로 인해 발생한 인명피해 중 가장 많은 규모이었다.
1994년 이후로도 우리나라에서 연구 연구자들이 폭염의 건강 영향을 증명해 왔지만 주로 대도시를 중심으로 연구하였기 때문에 우리나라의 전체적인 피해 규모를 제시하지는 않았다. 예를 들어, Kim and Joh(2006), 하종식 등(2010), 이지수 등(2016), Kim and Kim(2017)은 서울에 대한 사망 위험을 분석하였고, Lim et al.(2013)과 Son et al.(2014)은 서울, 부산, 대구, 인천 등 광역시를 중심으로 분석하였다. 정지훈 등(2014)은 7대 도시와 도별로 폭염에 의한 사망 취약도를 분석하였지만 피해 규모를 제시하지는 않았다.
최근 2018년 폭염으로 인한 인명 피해 규모를 파악할 수 있는 연구와 보고서가 있었다. 임연희 등(2019)은 2018년 우리나라의 초과사망자를 약 780명으로 추정하였다. 하지만 이 연구는 2018년 통계청 사망원인통계가 공개되기 이전에 진행되어 실제 자료가 반영되지 않은 한계가 있었다. 아울러 초과사망자의 지역적 차이를 제시하지 않은 아쉬움이 있었다. 질병관리본부(2018)의 온열질환 감시체계 보고서에 의하면 2018년에 온열질환자는 4,524명 발생하였고, 참여기관당 신고건수는 8.8명이었다. 이는 2017년부터 2015년에 집계된 참여기관당 신고건수의 2 ~ 4배 규모이었다. 2017년에 참여기관당 온열질환자 신고건수는 2.98명이었고, 2016년과 2015년에는 각각 4.0명과 1.98명이었다. 온열질환 감시체계에 신고된 2018년의 온열질환 사망자는 48명이었다. 이는 2017년의 11명과 2016년의 17명에 비해 약 3 ~ 4배 높은 수치이었다. 하지만 온열질환 감시체계 자료는 모니터링 자료이며, 모니터링 대상이 온열질환으로 한정되기 때문에 우리나라의 전체적인 피해 규모를 파악하는 용도로 활용하는데 한계가 있다.
온열질환 감시체계는 폭염으로 인한 건강 피해를 모니터링하기 위해 운영된다. 이 자료의 온열질환자 수는 500여개 참여기관이 신고한 결과이기 때문에 실제의 피해 규모에 비해 과소 산정 된다. 또한 이 자료는 광역시 또는 도 단위로 연구자들에게 제공되기 때문에 시군 단위와 같이 지역적 피해 규모를 파악하기 위한 용도로 활용하기 어렵다. 마지막으로 온열질환은 폭염으로 인한 여러 사망원인 중 하나이기 때문에 온열질환 사망자만을 사용하게 되면 폭염으로 인한 초과사망자 수를 과소평가하게 된다. Mora et al.(2017)에 의하면 고온이 사람을 사망에 이르게 하는 경로는 27개에 이른다. 폭염은 뇌, 심장, 신장 등 인체의 여러 장기에서 국소 빈혈, 세포 손상, 염증 반응, 파종성 혈관내 응고 등 다양한 물리적 손상을 유발하여 사람을 사망에 이르게 한다. 예를 들어 폭염은 심뇌혈관계에 영향을 미쳐 허혈성 뇌졸중으로 인한 사망 위험을 증가시킨다(Lim et al., 2013). 따라서 다수의 연구에서 폭염으로 인한 사망 위험 증가가 외인사 외 모든 사망을 대상으로 하는 여러 연구에서 확인되었다(Kim and Joh, 2006; Kyselý and Kim, 2009; Heo et al., 2016; Park et al., 2019).
2018년 여름, 우리나라에서는 기록적인 폭염이 발생하였고, 온열질환 감시체계 자료와 제한된 연구를 통해 다른 해에 비해 폭염으로 인한 큰 규모의 인명 피해가 발생하였다는 것이 알려져 있다. 하지만 여전히 2018년의 폭염에 의해 우리나라에서 발생한 전체적인 피해 규모와 지역적 차이에 대해서는 잘 알려져 있지 않다. 본 연구의 목적은 2018년 우리나라의 폭염으로 인한 인명 피해 규모를 온열질환자와 초과사망자 측면에서 제시하고, 그 피해 규모의 지역적 차이를 제시함으로써 폭염 영향예보와 대응정책 수립에 기초자료를 제공하는데 있었다.
2. 연구자료 및 방법
1) 연구자료
본 연구는 2011년부터 2018년의 국민건강보험공단의 맞춤형연구DB와 통계청 마이크로데이터의 사망원인통계를 활용하였다. 맞춤형연구DB는 온열질환자를 산정하기 위해 활용하였다. 맞춤형연구DB는 우리나라의 모든 의료기관에서 제출된 보험료 청구 자료를 토대로 작성된 자료로서 국민건강보험공단이 수집, 보유, 관리하는 건강정보자료를 정책 및 학술 연구목적으로 이용할 수 있도록 가공하여 제공하는 것이다. 맞춤형연구DB는 건강보험 가입자의 자격 및 보험료, 진료, 검진, 의료기관 등에 대한 정보를 제공한다(박종헌, 2015). 이 자료는 제한적이고 실험적 환경이 아닌 실제 의료보건 환경을 반영한 연구를 가능하게 한다(김태범, 2016). 사망원인통계에서 연구에 사용된 사망원인은 외인사 외 모든 사망이다. 국제질병사인분류(International Classification of Diseases 10th Revision, ICD -10)는 A부터 R 코드를 이용하였다.
기상자료는 시군별 일최고기온 자료를 이용하였다. 시군별 일최고기온 자료는 양호진 등(2019)에 의해 생산된 1 km 공간해상도의 기상자료로부터 획득하였다. 양호진 등(2019)는 기상청에서 제공하는 5 km 공간해상도의 동네예보 자료를 Gaussian Process Regression Model(GPRM)을 이용하여 1 km로 내삽하였다. GPRM에는 지형고도, 해안선으로부터 거리, 사면방향 등 지형 변수와 불투수 면적, 건물 밀도, 식생 면적 등 지표면 변수가 활용되었다. 잭나이프 방식의 모델 평가에서 GPRM의 평균 RMSE는 1.17°C를 보여 Co-kriging의 1.2°C와 IDW의 1.3°C에 비해 모의 정확도가 높았다.
2) 연구방법
온열질환자 수는 국민건강보험공단의 맞춤형연구DB에서 온열질환으로 내원 또는 입원한 사례들을 추출하고, 재방문을 제외하는 등의 에피소드 분석 과정을 거쳐 산정하였다. 폭염에 의한 초과사망자 수는 통계청 사망원인통계를 활용하여 일별 초과사망자를 추정하고 기온과 초과사망자의 상관관계를 분석하여 폭염에 의해 발생한 초과사망자 수를 추정하였다(그림 1).
온열질환자는 맞춤형연구DB로부터 ICD-10 T67 코드를 사용하여 추출하였다. T67은 폭염으로 인한 건강 영향 분석에서 온열질환 환자 또는 폭염 피해자를 파악하기 위해 활용되고 있다(정다은 등, 2016; 김도우 등, 2014; Kim et al., 2017). T67은 ‘열 및 빛의 영향’을 받은 질병을 의미한다. 열사병 및 일사병(T67.0), 열실신(T67.1), 열경련(T67.2), 탈수성 열탈진(T67.3) 등이 포함된다(표 1).
표 1.
온열질환 ICD-10 코드와 질환명
| ICD-10 | 질환명 |
|
T67.0 T67.1 T67.2 T67.3 T67.4 T67.5 T67.6 T67.7 T67.8 T67.9 |
열사명 및 일사병 열실신 열경련 탈수성 열탈진 염분상실에 의한 열탈진 상세불명의 열탈진 일과성 열피로 열성 부종 열 및 빛의 기타 영향 열 및 빛의 상세불명의 영향 |
출처: 질병분류 정보센터
온열질환자의 산정에는 온열질환자 발생 사례를 중복하여 산정하는 것을 방지하기 위해 진료에피소드 개념이 사용되었다. 맞춤형연구DB는 의료보험 청구건의 발생과 관리를 목적으로 생성된 자료이기 때문에 이 자료로부터 질병 발생 양상을 파악하기 위해서는 동일인이 특정 기간 이내에 이용한 의료 서비스를 하나의 사건으로 측정하는 진료에피소드의 개념을 필요로 한다. 진료에피소드에서 동일인에게 발생한 사건을 동일하게 취급하는 기간을 무 진료기간이라 한다(장은진, 2017). 상병 특성에 따라 무 진료기간은 다르게 설정된다. 예를 들어, Ha et al.(2015)은 진료 종료일자와 개시일자 사이에 1일 이상을 무 진료기간으로 설정하였고, Kim et al.(2008)은 2일로 설정하였다. 본 연구는 온열질환의 경우 7 ~ 14일의 간격이면 독립적인 사건으로 간주할 수 있다는 전문의의 임상적 자문을 참고하여 무 진료기간을 14일로 설정하여 무 진료기간 내에 재내원 또는 재입원한 환자는 에피소드에서 제외하였다. 주 1)에 무 진료기간에 따른 진료에피소드 수의 차이를 수록하였다.
일별 초과사망자는 일별 사망자 수와 기대사망자 수의 차이로 추정하고, 그 중 폭염에 의한 초과사망자는 기온에 의해 증가한 초과사망자를 적산하여 추정하였다. 일별 기대사망자는 정지훈 등(2014)과 FluMOMO v4.2(EUROMOMO)를 참고하여 식 (1)과 같이 계산하였다.
| $$E(y,d)=\sum_i^{sex}\;\sum_j^{ages}E(y,d)_{ij}$$ | (1) |
| $$E{(y,d)}_{ij}\;=\;M_{ij}\;\times\;W{(d)}_{ij}\;\times\;W_{ij}(y,\;w)\;\times\;W_{ij}(y)$$ | (2) |
여기서, E(y,d)는 y년도 d번째 일의 기대사망자 수이고, E(y,d)ij는 해당 일자의 성별(i)과 연령별(j) 기대사망자 수이다. 연령대는 5세 간격으로 구분하였고, 65세 이상은 한 그룹으로 구분하였다. Mij은 전체 기간에 각 성과 연령대별 일평균 사망자 수이다. Wij(d)는 d번째 일의 사망자 수를 Mij로 나눈 값이다. Wij(d)를 계산할 때 주간변동성을 제거하기 위해 7일 가중이동평균을 적용하였다. 가중치는 1, 2, 3, 4, 3, 2, 1을 적용하여 당일의 값이 가장 높은 비중을 차지하도록 하였다. Wij(y, w)는 y년도 w요일의 사망자 수를 y년도의 요일 평균 사망자 수로 나눈 값이다. Wij(y)는 y년도의 전체 사망자 수를 전체 기간의 연평균 사망자 수로 나눈 값이다. 위의 식은 정지훈 등(2014)의 식에 성과 연령대별로 기대사망자를 추정하여 인구 변화와 인구구조의 변화를 고려하는 FluMOMO v4.2(EUROMOMO)의 방법을 적용한 것이다.
폭염에 의한 초과사망자는 기온과 초과사망자의 관계에서 임계기온 이후에 나타나는 선형회귀식을 이용하여 추정하였다(식 3). 임계기온은 기온과 초과사망자의 관계에서 초과사망자가 증가하기 시작하는 시점의 기온을 의미한다.
| $$Y=\left\{\begin{array}{c}0\\\beta T+\alpha\\0\end{array}\begin{array}{c}(T<threshold)\\(T\geq\;threshold)\\(0<\;\beta T+\alpha)\end{array}\right.$$ | (3) |
여기에서 Y는 폭염에 의한 초과사망자이며 T는 일최고기온(°C)이고, threshold는 각 지역의 임계기온이다. β는 임계기온 이상에서 나타나는 기온과 초과사망자의 선형회귀식에서 기울기이고, α절편이다. 선형회귀식에 의해 추정된 초과사망자가 음의 값인 경우에는 초과사망자가 없는 것으로 간주하였다.
임계기온은 일 최고기온과 초과사망자의 산점도에 대한 관찰을 통해 결정하였다. 기온과 초과사망자는 일반적으로 비선형적인 관계를 보이기 때문에 임계기온은 다항식 곡선 피팅을 수행한 후 초과사망자 수에 변화가 나타나기 시작하는 지점을 관찰하여 선정하였다.
본 연구에서 온열질환자는 시군 단위로 분석하였고, 초과사망자는 기후 지역을 토대로 재구성된 35개 지역 단위로 분석하였다. 폭염으로 인한 초과사망자는 앞서 분석된 초과사망자와 일최고기온의 관계를 분석하여 산출된다. 이때 초과사망자의 변화량이 부족하면 기온과 초과사망자의 관계에서 통계적 유의성을 확보하는데 어려움이 있다. 이는 특히 시군 단위 분석을 제약하는 요인이다. 따라서 초과사망자 분석을 위해서는 시군 보다는 넓은 범위의 공간적 분석 단위가 필요하다. 본 연구는 이를 위해 인접한 시군을 병합하여 분석에 필요한 샘플 수를 확보하는 방법을 사용하였다.
시군의 병합 과정에서 병합 지역 간의 기후적인 차이를 최소화하면서도 최대한의 샘플을 확보하기 위해 본 연구는 이승호 등(2005)의 상세기후 3차 구분을 준용하여 분석의 공간적 단위를 재구성하였다(그림 2). 시도 단위의 통합은 자료의 전처리 측면에서는 장점이 있지만 기후 및 생활양식이 반영되지 않은 지역들이 통합되기 때문에 분석된 결과, 예를 들어 임계기온의 활용 및 결과 해석에 한계가 있다. Park et al.(2019)에 의하면 우리나라에서 폭염으로 인한 건강 영향은 기후에 따라 다르게 나타나고 있었다. 그의 연구에서 상대적으로 평균 기온이 낮은 지역에서는 더욱 낮은 기온에서부터 사망 위험이 증가하고 있었다. 기후에 따른 폭염에 대한 민감도 및 임계기온의 차이는 Anderson and Bell(2009), Lowe et al.(2015), PHE(2018)의 연구에서도 확인할 수 있다. 따라서 본 연구에서는 폭염으로 인한 초과사망자의 분석을 위한 공간적 단위로 기후 지역을 선정하였다. 공간 분석 단위의 재구성에 따른 기초 통계량의 변화 사례는 주 2)에 수록하였다.
그림 2.
본 연구에서 초과사망자 분석을 위해 사용된 35개 지역 구분
(1. 서울; 2. 중부 서해안 북부; 3. 중부 서해안 남부; 4. 중부 내륙 북서부; 5. 중부 내륙 북동부; 6. 중부 내륙 중서부; 7. 중부 내륙 중앙; 8. 중부 내륙 중동부; 9. 중부 내륙 남서부; 10. 중부 내륙 남동부; 11. 중부 동해안; 12. 남부 서해안 북부; 13. 남부 서해안 남부; 14. 충청 내륙 북부; 15. 충청 내륙 중앙; 16. 충청 내륙 동부; 17. 전라 내륙 북부; 18. 전라 내륙 동부; 19. 전라 내륙 서부; 20. 전라 내륙 남부; 21. 경북 내륙 북부; 22. 경북 내륙 남부; 23. 경남 내륙 서부; 24. 경남 내륙 중앙; 25. 남해안 경남 동부; 26. 경남 내륙 남부; 27. 남부 동해안 북부; 28. 남해안 전남; 29. 남해안 경남 서부; 30. 부산; 31. 제주; 32. 중부 산지; 33. 중부 하위 산지; 34. 남부 산지; 35. 남부 하위 산지)
우리나라의 기후 구분은 여러 수준으로 나뉠 수 있는데, 광역적인 구분(예를 들어, 김광식, 1962; 강철성, 2008)은 시도 단위와 마찬가지의 한계를 갖는다. 이승호 등(2005)은 식생 분포, 작물 분포, 봄꽃 개화시기, 가옥 구조, 지형 분포 등을 고려하여 상세한 기후구분을 제시한 바 있다. 본 연구는 기후의 유사성을 반영하면서도 지역적 특성을 반영하기 위하여 이승호 등(2005)의 기후구분을 토대로 연구지역을 구분하였다. 연구에 사용된 지역 구분은 먼저 이승호 등(2005)의 기후구분에 포함된 시군을 병합하고, 두 개 이상의 기후 지역에 걸쳐 있는 시군은 가장 넓은 면적이 포함된 기후 지역에 포함시키는 과정을 통해 작성하였다. 각 지역에 포함된 시군과 인구 현황은 주 3)에서 확인할 수 있다.
3. 연구 결과
1) 2018년 온열질환자 발생 특성
2011년부터 2018년의 전국 평균 온열질환 발생률은 폭염일수와 높은 상관관계가 있었다(그림 3). 2018년 6 ~ 8월 온열질환자는 전국적으로 44,060명이 발생하였으며 전국의 발생률은 만명당 8.5명이었다. 2011년부터 2018년 사이에 2018년 다음으로 무더운 여름이었던 2016년에는 온열질환 발생률이 5.9명/만명이었다. 가장 낮은 발생률은 2011년에 나타났고, 그 해의 온열질환 발생률은 3.2명/만명이었다. 2018년의 발생률은 2011년에 비해 2.7배 높았고, 2016년에 비해 1.4배 높았다(그림 4).
시군별 온열질환 발생률에서 상위 20% 지역에는 전라남･북도의 시군이 다수 포함되어 있었다. 충청남도에서는 태안, 서천, 금산, 충청북도에서는 증평, 괴산, 옥천, 영동이 포함되었다. 경상북도에서는 울진, 영양, 의성 등이 상위 발생률 지역에 포함되었고, 경상남도에서는 합천, 창녕, 김해 등에서 높은 발생률이 나타났다. 강원도에서는 철원과 정선에서 높은 발생률이 나타났다(그림 5).
시군별 온열질환 발생률의 상위 지역은 도시 보다는 주로 농촌지역에서 나타났다. 여기에서 도시와 농촌은 인구 규모, 토지피복 등을 고려하여 구분하였다. 인구 15만 명 이상이거나 시가화지역 비율이 20% 이상 또는 인구밀도가 1 km²당 1천 명 이상인 지역은 도시로, 그 외 지역은 농촌으로 구분하였다. 그림 6은 시군 발생률 순위로 나열하고 도시와 농촌을 구분하여 표현한 것이다. 발생율 상위 지역에 주로 농촌 지역이 분포해 있는 것을 확인할 수 있다. 발생률 상위 20위 중 농촌 지역은 18개이었고, 도시 지역은 2개이었다. 발생률이 가장 높은 5개 지역은 임실군(61.9명/만명), 김제시(60.1명/만명), 보성군(56.3명/만명), 순창군(52.0명/만명), 태안군(52.0명/만명)이었다. 도시 지역 중 발생률이 높은 지역은 서귀포시(46.4명/만명)와 김해시(28.1명/만명)이었다. 농촌 지역의 평균 발생률은 17.4명/만명이었고 도시는 8.0명/만명이었다.
Local Moran’s I (Anselin, 1995)를 이용하여 온열질환자 발생률의 공간적 군집 특성을 분석한 결과, 온열질환자 발생률이 높은 지역은 전라남도와 전라북도에 집중되어 있고, 온열질환자 발생률이 낮은 지역은 서울 그리고 경기도와 강원도의 시군들에 폭넓게 분포해 있었다. 주변 지역의 발생률과 비교했을 때 대조되는 지역들도 있었다. 강원도의 철원군, 횡성군, 정선군, 그리고 충청남도의 태안군과 충청북도의 증평군은 주변 지역에 비해서는 높은 발생률을 보이는 지역이었다. 이와 반대로 전라남도의 영광군과 나주시는 주변 지역에 비해 낮은 발생률을 보였다(그림 7).
2) 2018년 초과사망자 발생 특성
일 최고기온이 상승함에 따라 초과사망자가 증가하는 패턴은 일부 지역에서 통계적으로 유의한 것으로 나타났다. 그림 8을 살펴보면 1(서울)과 2(중부 서해안 북부), 3(중부 서해안 남부), 6(중부 내륙 중서부), 11(중부 동해안), 12(남부 서해안 북부), 13(남부 서해안 남부), 15(충청 내륙 중앙) 지역 등에서 기온 상승에 따른 초과사망자의 증가 패턴이 뚜렷하게 나타난다. 다른 대부분의 지역에서는 기온이 상승함에 따라 초과사망자가 증가하는 패턴이 관찰되기는 하지만 분명하지는 않다. 17(전라 내륙 북부) 지역에서는 기온이 상승함에 따라 초과사망자가 감소하는 패턴이 보이기도 한다.
초과사망자가 급격하게 증가하기 시작하는 임계기온은 지역마다 다르지만 대체로 일최고기온 28°C 부터 30°C 사이에서 관찰된다. 1 ~ 3 지역에서는 일최고기온 30°C 부근에서부터 급격한 초과사망자의 증가가 확인된다. 6 지역에서는 상대적으로 임계기온이 분명하지는 않지만 28°C 부근에서 나타난다. 11과 12 지역에서는 각각 25°C와 27°C에서부터 초과사망자가 점진적으로 증가하는 패턴을 보인다.
대부분의 지역에서 선형회귀직선은 양의 기울기를 갖고 있지만 그 값이 통계적으로 유의한 지역은 11개 지역이었다. 표 2는 각 지역의 임계기온 이상에서 나타나는 선형회귀선의 기울기와 통계적 유의성을 정리한 결과이다. 1(p-value 0.001)과 2(p-value 0.000), 3(p-value 0.031), 6(p-value 0.019), 11(p-value 0.022), 12(p-value 0.089), 13(p-value 0.024), 15(p-value 0.011), 21(p-value 0.058), 24(p-value 0.042), 31(p-value 0.068) 지역의 선형회귀식이 통계적으로 유의한 것으로 나타났다. 1 지역에서는 30°C로부터 1°C 상승할 때마다 2.68명의 사망자가 발생한 것으로 분석되었으며 p-value는 0.001 미만이었다. 2 지역에서는 기온이 1°C 상승할 때마다 2.11명의 사망자가 발생한 것으로 분석되었으며 p-value는 마찬가지로 0.001 미만이었다. 3과 6, 11 지역 등에서는 95% 수준에서 선형회귀선의 기울기가 통계적으로 유의한 양의 값을 보였고, 12와 21, 31 지역에서는 선형회귀선의 기울기가 90% 수준에서 유의한 것으로 나타났다.
표 2.
임계기온 이상에서 나타나는 선형회귀선의 기울기와 통계적 유의성
1. 서울; 2. 중부 서해안 북부; 3. 중부 서해안 남부; 4. 중부 내륙 북서부; 5. 중부 내륙 북동부; 6. 중부 내륙 중서부; 7. 중부 내륙 중앙; 8. 중부 내륙 중동부; 9. 중부 내륙 남서부; 10. 중부 내륙 남동부; 11. 중부 동해안; 12. 남부 서해안 북부; 13. 남부 서해안 남부; 14. 충청 내륙 북부; 15. 충청 내륙 중앙; 16. 충청 내륙 동부; 17. 전라 내륙 북부; 18. 전라 내륙 동부; 19. 전라 내륙 서부; 20. 전라 내륙 남부; 21. 경북 내륙 북부; 22. 경북 내륙 남부; 23. 경남 내륙 서부; 24. 경남 내륙 중앙; 25. 남해안 경남 동부; 26. 경남 내륙 남부; 27. 남부 동해안 북부; 28. 남해안 전남; 29. 남해안 경남 서부; 30. 부산; 31. 제주; 32. 중부 산지; 33. 중부 하위 산지; 34. 남부 산지; 35. 남부 하위 산지
2018년 폭염으로 인한 초과사망자는 전국적으로 약 929명이었을 것으로 추정되었으며, 최소 739명에서 최대 1,143명 사이에서 발생하였을 것으로 추정되었다. 초과사망자의 신뢰구간은 앞서 분석된 선형회귀선의 분석 결과를 토대로, p-value가 0.05 미만인 경우에는 95% 유의수준을 적용하였고, p-value가 0.05 ~ 0.10 사이인 경우에는 90% 유의수준을 적용하였다. 폭염으로 인한 초과사망자는 인구가 상대적으로 많은 1 지역(서울)과 2(중부 서해안 북부) 지역에서 가장 많이 발생하였다. 인구 10만명당 초과사망률은 12(남부 서해안 북부) 지역에서 6.8로 가장 높게 나타났다. 초과사망률은 11(중부 동해안) 지역과 21(경북 내륙 북부)에서도 각각 4.7명/10만명당과 4.3명/10만명당으로 다른 지역에 비해 높게 나타났다(표 3).
표 3.
2018년 폭염으로 인한 초과사망자
2018년의 초과사망률은 20011부터 2017년의 사망률에 비해 크게 상승하였다. 2018년의 초과사망률은 10만명당 1.79이었다. 이전 기간에 가장 높은 초과사망률은 2016년의 0.83명/10만명이었다. 2018년의 초과사망률은 2016년에 비해 2.2배 높았다. 초과사망률이 가장 낮은 해는 2014년이었으며 이때의 초과사망률은 0.26명/10만명이었다. 2018년의 초과사망률은 2014년에 비해 6.9배 높았다(그림 9).
4. 토의
2018년 폭염으로 인해 전국적으로 44,060명의 온열질환자가 발생한 것으로 분석되었다. 질병관리본부의 온열질환 감시체계에서 521개 응급실 운영기관을 통해 모니터링 된 2018년 온열질환자 수는 전국적으로 4,495명이었다. 2018년의 전체 온열질환자 수는 모니터링 된 온열질환자의 약 10배이었다. 채여라 등(2017)에 의하면 온열질환 감시체계의 온열질환자 수는 맞춤형연구DB에서 분석된 입원환자 수와 유사하였다. 이는 모니터링 자료만을 이용하여 폭염으로 인한 건강 영향 규모를 파악하게 되면 과소평가된다는 것을 의미한다.
2018년에 폭염으로 인한 초과사망자는 929명(95% CI: 739 ~ 1,143명)으로 분석되었다. 초과사망자 수는 임연희 등(2019)이 추정한 790명에 비해서는 139명 많았다. 그러나 95% 신뢰구간을 고려하면 두 연구의 추정 결과는 유사하였다.
2018년의 폭염 강도와 빈도는 모두 1994년을 넘어섰음에도 불구하고(채여라 등, 2018), 본 연구에서 추정된 초과사망자 수는 Kyselý and Kim(2009)이 제시한 1994년의 3,384명(95% CI: 3,075 ~ 3,694명)명에 비해서는 2455명이 적었다. Kyselý and Kim(2009)은 폭염기간을 정의하고, 그 기간 내에 발생한 초과사망자를 합산하는 방법으로 폭염으로 인한 초과사망자를 산정하였다. 그의 연구에서 폭염기간은 1994년 7월 8일부터 8월 9일(33일), 8월 11일부터 8월 17일(7일)로 정의되었다.
Kyselý and Kim(2009)의 방법을 적용하여 초과사망자를 산출한 결과, 2018년의 초과사망자 수는 1994년의 절반에 미치지 못하는 것으로 분석되었다. 그림 10은 본 연구에서 추정된 전국의 일별 초과사망자 수이다. 폭염기간의 기준은 본 연구에서 분석된 임계기온 일최고기온을 준용하여 전국 일최고기온의 평균 30°C로 정의하였다. 이에 따라 폭염기간은 6월 22일부터 6월 25일(4일), 7월 12일부터 8월 16일(36일), 그리고 8월 19일부터 8월 22일(4일)로 설정하였다. 2018년 6월 24일에는 이미 일최고기온이 창원 34.7°C, 영덕 37.0°C, 임실 34.7°C등으로 크게 올랐다. 이 시기의 초과사망자 수는 총 1,210명(95% CI: 1,173 ~ 1,247명)이었다. 이는 1994년 초과사망자인 3,384명의 36% 수준이었다.
Kyselý and Kim(2009)의 방법이 특정 기간에 발생한 사망자를 모두 폭염의 영향을 받았다고 가정하기 때문에 초과사망자를 과다추정 할 가능성을 내포하고 있어도, 2018년의 초과사망자 수는 1994년에 비해 크게 감소하였다. 이는 1994년 이후 국민의 건강과 생활수준이 과거에 비해 향상되었기 때문일 것으로 판단된다. 아울러 다양한 폭염 관련 정책들도 영향을 미쳤을 가능성이 있다. Ebi et al.(2004)에 의하면 미국 필라델피아에서 폭염 영향예보를 통해 3년간 약 117명의 생명을 살린 것으로 분석되었으며, Thomas(2015)에 의하면 시카고에서 1995년 폭염으로 739명의 사망자가 발생한 이후, 두 번째 폭염에는 공공기관의 적극적인 대처를 통해 사망자를 2명으로 줄일 수 있었다는 보고가 있었다. 이런 결과들은 폭염 관련 정책들이 폭염으로 인한 초과사망자를 줄이는데 기여한다는 것을 보여준다.
우리나라에서는 2007년 이후 폭염 관련 대응 정책들이 수립되었다. 폭염 특보제가 2007년 시범 서비스를 거쳐 2008년부터 정규서비스가 되었다. 같은 해 긴급재난문자 서비스를 통해 국민들에게 폭염 경보 문자와 행동 요령을 전파하기 시작하였다. 2009년에는 노인돌봄서비스에서 폭염 시 노인들에 대한 안부 전화 등을 수행하기 시작하였다. 2013년부터는 여름 기간 동안 주요 병원들의 응급실을 방문하는 온열질환자 수를 모니터링하기 시작하였고, 전국에 약 4만개의 무더위쉼터를 지정하여 운영하기 시작하였다. 산업 현장에서는 무더위 휴식시간제를 운영하기 시작하였다. 폭염이 이전에 비해 이른 시기에 나타나면서 2015년부터는 폭염 특보제의 운영을 연중으로 확대하였다. 이러한 폭염 관련 정책들은 폭염 피해를 줄이는데 기여하였을 것으로 여겨진다. 다만 이를 확인하기 위해서는 다양한 방식의 평가를 통해 정책적 효과를 정량적으로 측정할 필요가 있다.
2018년의 폭염으로 인한 초과사망자가 1994년에 비해 크게 감소하였음에도 불구하고 여전히 폭염으로 인한 초과사망자는 약 1천명에 이르고, 온열질환자는 4만명을 상회한다. 2018년 폭염으로 인한 인명 피해 규모가 2011년 이후의 여러 해에 비해 수배 이상 높은 점을 고려하면 폭염의 건강 영향을 줄이기 위한 노력이 지속적으로 필요하다. 본 연구에서 온열질환자 발생률과 초과사망률이 농촌에서 상대적으로 높게 나타났다는 것은 농촌 지역에 대한 폭염 대응 정책이 특히 강화될 필요성이 있다는 것을 시사한다.
본 연구는 주변 지역들과는 뚜렷하게 구별되는 온열질환 발생률 지역들을 확인하였다. 그 중 나주는 주변 지역들에 비해 상대적으로 낮은 발생률을 보이고 있었다. 나주시는 2014년부터 혁신도시가 개발되며 인구가 지속적으로 증가하고 있는 지역으로 고소득 계층 또는 실내 노동자 계층의 유입이 주변 지역에 비해 낮은 발생률을 보인 요인일 가능성이 있다. 제주도 서귀포는 높은 온열질환 발생률을 보이고 있었다. 제주도는 Kim et al.(2017)의 연구에서도 다른 지역에 비해 높은 상대적 취약성을 보였다. 그들은 제주도의 높은 취약성이 다른 지역에 비해 농어민 비율이 높기 때문으로 추정하였다. 이 외에도 전국에서 가장 높은 온열질환 발생률을 나타낸 임실군, 강원도에서 상대적으로 높은 발생률을 보인 횡성군 등 각 지역에서 특징적인 발생률이 나타난 원인에 대해서는 추가적인 연구를 통해 밝힐 필요가 있다. 이러한 연구들은 지역적 폭염 대응 정책 수립에 의미 있는 일이 될 것이다.
기존 연구들에 의하면 고온 건강 리스크에 대한 기온의 임계치는 기후에 따라 다르게 나타난다(Anderson and Bell, 2009; Chung et al., 2009; Gasparrini et al., 2015; Lowe et al., 2015) 한국에서도 야외노동자에서 기후에 따른 폭염의 민감도 차이가 확인되었다(Park et al., 2019). 아울러 폭염으로 인한 건강 영향이 직업과 연령에 따라 다르게 나타난다는 것은 잘 알려져 있다(Heo et al., 2016; Zander et al., 2015). 폭염의 영향은 소득에 따라서도 차이를 보이며(Kim and Joh, 2006; Bell and Dominici, 2008; Chan et al., 2010; Kwon et al., 2015; 이지수 등, 2016), 외국인 노동자(채여라 등, 2018; Messeri et al., 2019)와 사회적 고립 계층에서는 폭염의 영향이 가중되어 나타난다(Semenza et al., 1996; Yardley et al., 2011). 따라서 기후와 함께 인구･사회･경제적 요인이 복합적으로 반영되어 나타나는 임계기온과 폭염에 대한 민감도는 지역에 따라 다르다. 본 연구의 결과 역시 폭염으로 인한 인명 피해 규모와 임계기온에서 지역적 차이를 보여주었다. 본 연구 외에 폭염에 대한 임계기온과 민감도의 지역적 차이를 보인 연구들은 다수 있었다(Lim et al., 2013; 정지훈 등, 2014; Kim et al., 2017). 이러한 모든 연구 결과들은 폭염 영향예보 또는 조기시스템의 개발과 대응정책 수립 등에서 지역적 특성을 반영할 필요가 있음을 시사한다.
본 연구는 초과사망자 분석 과정에서 기후지역 단위로 자료를 통합하여 분석하였다. 하지만 이 과정에서 MAUP (modifiable areal unit problem)으로 인한 영향을 면밀히 검토하지 못한 한계가 있었다. 공간적 분석 단위는 다양한 방식으로 통합될 수 있다. 예를 들어, 단순 히 인접 지역을 통합하거나 인접한 지역의 도농 특성을 고려하여 통합할 수 있다. 자료의 통합 방식은 임계기온과 선형회귀식의 통계적 유의성에 영향을 주는 요소이다. 하지만 본 연구는 그 영향에 대해 검토하지 못하였다. 자료 통합 방식에 의해 나타날 수 있는 영향은 추후 연구를 통해 확인할 필요가 있다.
5. 결론
본 연구의 분석 결과, 2018년 폭염으로 인해 온열질환자는 44,060명 발생하였고, 초과사망자는 약 929명 발생한 것으로 추정되었다. 과거에 2018년에 비교되는 폭염은 1994년의 폭염이다. 본 연구에서 추정된 2018년의 초과사망자는 1994년 초과사망자의 절반 이하로 감소된 규모였다. 이는 우리 사회의 폭염 대응 능력이 과거에 비해 향상되었음을 시사한다. 하지만 2018년의 인명 피해는 2011년 이후의 어느 해에 비해도 수배에 이르는 규모였다. 이는 폭염으로 인한 인명 피해 규모가 지속적으로 발생하고 있다는 것을 의미하며, 폭염의 건강 피해를 줄이기 위한 노력이 계속될 필요가 있음을 시사한다.
폭염으로 인한 인명 피해는 지역에 따라 매우 상이하였다. 도시 보다는 농촌의 질환 또는 사망 발생률이 높게 나타났으며, 주변 지역에 비해 발생률이 두드러지게 높거나 낮은 지역들이 있었다. 본 연구는 이러한 공간적 분포가 나타난 원인을 제시하지는 못하였다. 하지만 폭염의 건강 영향에서 나타나는 공간적 분포의 차이는 각 지역이 갖는 기후, 인구, 사회, 경제적 특성 등이 복합적으로 반영되어 나타난 결과로 여겨진다. 이는 향후 폭염 대응 정책에서 지역적 특성을 반영하기 위한 노력이 필요하다는 것을 의미한다. 폭염의 건강 영향 특성을 밝히려는 심층적인 지역 연구를 통해 이러한 연구의 한계를 보완해 나가야 할 것이다.
본 연구에서 제시된 지역적인 피해 규모는 폭염 영향의 지역적 차이를 이해하는데 기초자료로 활용될 수 있을 것으로 기대된다. 나아가 폭염 대응정책의 우선순위를 결정하는데 활용될 수 있으며, 폭염 영향예보에서 다른 지역에 비해 적극적인 예보를 수행할 지역을 선정하는데도 활용될 수 있다.
주
1) 무 진료기간에 따른 진료에피소드 수의 차이다음은 본 연구를 수행하기에 앞서 무 진료기간을 각각 1일, 7일, 14일을 적용하였을 때의 에피소드 차이를 비교한 결과이다. 무 진료기간을 1일로 설정하여 동일한 일자에 의료보험이 중복 신청된 환자를 제외하면 2009 ~ 2018년(10년)간 약 98건의 에피소드가 있었다. 7일의 무 진료기간을 적용하면 에피소드는 약 76만건으로, 1일 무 진료기간 대비 23%가 감소하였다. 14일의 무 진료기간을 적용했을 때는 약 72만건의 에피소드가 추출되어 1일 무 진료기간 대비 27%가 감소하였다. 즉 7일 무 진료기간에 비해 4%p가 감소한 것이다. 이를 통해 온열질환자들이 7일 이내에 재방문하는 것은 빈번하게 발생하고, 14일 이내가 되면 크게 감소한다는 것을 알 수 있다. 다시 말해 14일 이후에 재방문하는 것은 흔치 않기 때문에 새로운 에피소드로 간주할 수 있다.
2) 공간 분석 단위에 따른 기초 통계량의 변화 예다음 표는 6개 시군을 남부 서해안 북부(12번 지역)로 병합했을 때와 서천군을 단일 지역에 대한 일 사망자 수의 기초 통계량이다. 서천군 단일 지역에서는 일평균 사망자가 1.6명이고 표준편차가 1.3명이며 하루 최대 사망자가 7명이다. 초과사망자가 기대사망자와 일사망자의 차이로부터 산출되는 점을 고려하면, 산출된 초과사망자의 변동성에서 기온의 영향을 확인할 수 있을 것으로 기대하기 어렵다. 기온에 의한 반응이 있다고 가정하더라도 기온 1°C 당 증가하는 사망자 수가 한명 미만일 것으로 예상되기 때문이다. 반면 남부 서해안 북부 지역에서는 일최소 사망자 수와 일최대 사망자 수가 각각 2명과 22명으로 많은 차이를 보인다. 표준편차는 3.5명으로 증가하여 변동성이 서천군 단일 지역의 자료에 비해 증가한 것을 확인할 수 있다. 서천군 단일 지역에 비해 남부 서해안 북부의 자료에서 유의미한 통계의 결과가 기대된다.
부록 표 1.
2011 ~ 2018년 6~8월 외인사 외 모든 사망자의 기초 통계량
| 통계량 | 서천군 | 남부 서해안 북부 |
| 연평균(명) | 149.1 | 1088.9 |
| 일평균(명) | 1.6 | 11.8 |
| 일최대(명) | 7 | 22 |
| 일최소(명) | 0 | 2 |
| 표준편차(명) | 1.3 | 3.5 |
3) 35개 지역 구분과 각 지역의 시군 및 인구 현황초과사망자 분석을 위해 사용된 지역 구분이다. 인구가 가장 많은 지역은 서울(약 976만명)이고 다음으로는 인천, 수원, 성남 등을 포함하는 중부 서해안 북부(약 992만명)이다. 인구가 가장 적은 지역은 경남 내륙 서부이다. 하동, 산청, 합청, 고령으로 구성되어 있으며 2018년의 총 인구가 약 16만명이다.
