기후변화가 건강에 미치는 향

응 책 마련

- 이상고온으로 인한 과사망률 역학연구를

심으로 -

2005. 11

연구수행기

한국환경정책․평가연구원

환 경 부

제 출 문

환경부장 귀하

본 보고서를 용역과제인『기후변화가 건강에 미치는 향 응 책

마련 - 이상고온으로 인한 과사망률 연구를 심으로』의 최종보고

서로 제출합니다.

2005년 11월

연 구 기 : 한국환경정책․평가연구원

연구 책임자 : 박정임 한국환경정책․평가연구원 책임연구원

연구 참여자 : 한화진 한국환경정책․평가연구원 연구 원

김용건 한국환경정책․평가연구원 연구 원

문난경 한국환경정책․평가연구원 책임연구원여 호 한국환경정책․평가연구원 책임연구원

김 호 서울 학교 보건 학원 교수

하종식 한국환경정책․평가연구원 연구원

김명 한국환경정책․평가연구원 연구원

한국환경정책․평가연구원

원장 윤 서 성

감사합니다

본 보고서 “제4장: 미래 여름철 과사망 측”에서 사용된 미래

기상자료는 기상청 기상연구소 기후연구실에서 제공해 주셨습니

다. 지 않은 양의 데이터를 본 연구를 해 별도의 노력과 시간

을 내서 비해 주심에 깊은 감사를 드립니다.

이상고온으로 인한 과사망 발생 모형의 유효성을 확인하기

해 필요한 사망 자료를 제공해 주신 통계청 인구동향과의 조에

한 감사드립니다.

- i -

<차 례>

I. 서론 ····························································································································1

1. 연구의 배경 목 ·········································································································1

2. 연구범 주요내용 ·······································································································4

II. 기후변화와 건강 향 ···························································································6

1. 기후변화가 건강에 미치는 향 ·····················································································7

가. 기후변화가 건강에 미치는 향 ·················································································9

나. 응 방 정책 ·······································································································10

2. 고온이 건강에 미치는 향 련 연구 고찰 ·······························································12

가. 고온의 생리학 향 ·······························································································12

나. 고온과 건강피해에 한 역학연구 ···········································································14

다. 기온상승과 건강 향에 한 국내 연구 ·································································20

III. 우리나라 여름철 이상고온으로 인한 과사망 연구 ···························22

1. 개요 ·····································································································································22

2. 연구자료 방법 ·············································································································22

가. 연구 상 기간 지역 ·······························································································22

나. 연구자료 ·························································································································23

다. 일별 사망수의 표 화 ·································································································24

라. 분석방법 ·························································································································42

3. 지역별 기온, 열지수 오존과 사망의 계 ····························································47

가. 지역별 일평균 기온, 일평균 습도, 일평균 열지수, 그리고 일별 최고 오존 농

도 ·····································································································································47

나. 여름철 평균 기온, 평균 열지수 오존 농도의 지역간 분포 비교 ················63

4. 여름철 고온과 사망의 계 모형 ·················································································66

가. 여름철 고온이 사망에 미치는 향 분석방법 결과 - 서울 ··························67

나. 서울 외 6개 도시의 분석 결과 ·············································································76

5. 1994년 우리나라 혹서로 인한 과사망 분석 ···························································88

6. 모형의 검증 ·······················································································································91

가. 1991년에서 2004년까지 서울지역 여름철 일평균 기온 ·······································92

나. 2004년 기온과 사망자료를 이용한 모형의 검증 ···················································94

7. 여름철 기 오존농도가 과사망에 미치는 향 ···············································96

가. 서울 지역 ·······················································································································97

나. 부산 지역 ·····················································································································101

다. 구 지역 ·····················································································································102

- ii -

라. 지역 ·····················································································································103

마. 인천 지역 ·····················································································································104

바. 주 지역 ·····················································································································106

사. 울산 지역 ·····················································································································107

8. 분석결과 요약 ···········································································································108

가. 기온과 사망의 계 평가 ·························································································108

나. 역치기온 이상에서 건강( 는 사망)에 미치는 향(threshold effect) ···········109

다. 도와 기후에 따른 기온의 효과 정도 ·································································110

라. 기온과 사망 계에서 혼란변수(confounding variables) ··································111

마. 지연 효과(lag effect) ··································································································112

바. 65세 이상의 사망자를 상으로 한 분석 결과 ···················································113

사. 오존과 사망의 계 ···································································································113

IV. 미래 여름철 과사망 측 ·········································································115

1. 개요 ···································································································································115

가. 20세기 지구 온난화의 추세 ·····················································································115

나. 특이 기상 상의 변화 ·····························································································116

2. 2032년부터 2051년까지 우리나라 여름철 기온의 망 ·········································116

가. 2032년에서 2051년까지 우리나라 여름철 기온 망 방법 ·······························116

나. 2032년에서 2051년까지 우리나라 여름철 일평균 기온의 분포 측 결과 ···118

다. 2032년에서 2051년까지 우리나라 여름철 고온으로 인한 과사망 측 ·····121

3. 토의 고찰 ···················································································································124

V. 고온건강경보시스템(HHWS) 사례 용 ···············································127

1. 개요 ···································································································································127

가. 고온건강경보시스템의 정의 ·····················································································128

나. 고온건강경보시스템의 평가 ·····················································································132

2. 외국의 고온건강경보시스템 운 사례 ·····································································135

가. 국 ·······························································································································136

나. 독일 ·······························································································································137

다. 호주 ·······························································································································138

라. 랑스 ···························································································································140

마. 캐나다(토론토) ·············································································································140

바. 이탈리아 ·······················································································································140

3. 고온경보시스템 도입 방안 검토 ···············································································142

가. 운 체계 ·······················································································································143

나. 건강피해 감 조치 ···································································································144

- iii -

VI. 요약 결론 ···································································································146

1. 요약 결론 ···················································································································146

2. 향후 연구과제 ·················································································································149

Ⅶ. 참고문헌 ·············································································································152

부록 1. 기온과 습도, 열지수

부록 2. 우리나라 기오염과 련된 경보의 종류 체계

부록 3. 사회복지사/사회복지 담 공무원

- iv -

<표 차례>

표 Ⅰ-1. 국내의 최근 10년간 기후변동으로 인한 건강평가 ··········································3

표 Ⅱ-1. 기후 기상변화로 인한 건강 향 ····································································8

표 Ⅱ-2. 여름철 이상고온으로 인한 피해사례 ··································································14

표 Ⅱ-3. 2002년과 2003년의 사망률(21개 도시, 6월 1일~8월 31일) ····························17

표 Ⅱ-4. 병원 응 실 방문자 수(6월 1일~8월 31일) ·······················································18

표 Ⅱ-5. 혹서 발생일 ··············································································································19

표 Ⅱ-6. 1994년 혹서 때 사망자 수(1994년 7월 22일~29일) ·········································19

표 Ⅲ-1. 본 연구에 사용한 자료 연구 상기간 ··························································22

표 Ⅲ-2. 기상 자료의 지역별 측지 ··············································································23

표 Ⅲ-3. 서울의 인구변화표 ································································································25

표 Ⅲ-4. 부산의 인구변화표 ··································································································26

표 Ⅲ-5. 구의 인구변화표 ··································································································27

표 Ⅲ-6. 인천의 인구변화표 ··································································································28

표 Ⅲ-7. 의 인구변화표 ··································································································29

표 Ⅲ-8. 주의 인구변화표 ··································································································30

표 Ⅲ-9. 울산의 인구변화표 ··································································································31

표 Ⅲ-10. 일별 표 화된 사망자수 산출 ······································································33

표 Ⅲ-11. 서울의 표 화 후 사망 수 ··············································································35

표 Ⅲ-12. 부산의 표 화 후 사망 수 ············································································36

표 Ⅲ-13. 구의 표 화 후 사망 수 ··············································································37

표 Ⅲ-14. 인천의 표 화 후 사망 수 ··············································································38

표 Ⅲ-15. 의 표 화 후 사망 수 ··············································································39

표 Ⅲ-16. 주의 표 화 후 사망 수 ··············································································40

표 Ⅲ-17. 울산의 표 화 후 사망 수 ··············································································41

표 Ⅲ-18. 서울의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화 ···············47

표 Ⅲ-19. 서울의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화 ·········48

표 Ⅲ-20. 부산의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화 ···············50

표 Ⅲ-21. 부산의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화 ·········51

표 Ⅲ-22. 구의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화 ···············53

표 Ⅲ-23. 구의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화 ·········53

표 Ⅲ-24. 의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화 ·················55

표 Ⅲ-25. 의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화 ·········55

표 Ⅲ-26. 인천의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화 ·················57

표 Ⅲ-27. 인천의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화 ·········57

표 Ⅲ-28. 주의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화 ···············59

- v -

표 Ⅲ-29. 주의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화 ·········59

표 Ⅲ-30. 울산의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화 ·················61

표 Ⅲ-31. 울산의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화 ·········61

표 Ⅲ-32. 국 7개 도시 1994-2003년 여름철(6월~8월) 일평균 기온의 분포 ········63

표 Ⅲ-33. 국 7개 도시 1994-2003년 여름철(6월~8월) 일평균 열지수 분포 ········64

표 Ⅲ-34. 국 7개 도시 1995-2003년 여름철(6월~8월) 일별 최고 오존농도 ········65

표 Ⅲ-35. 서울의 여름철(6월~8월)의 체 연령 일별 표 화 사망자 수 ···················69

표 Ⅲ-36. 요일에 따른 서울의 여름철 체 연령 일별 표 화 사망자 수 ················70

표 Ⅲ-37. 서울의 여름철(6월~8월)의 기온 변화에 따른 GAM 모형 합 결과 ·······70

표 Ⅲ-38. 서울의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ····················71

표 Ⅲ-39. 서울 지역 분석의 혹서 련 모형1 합 결과 AIC ·····································72

표 Ⅲ-40. 서울 지역의 연령 사망에 한 기온의 효과 모형3 합 결과 ············74

표 Ⅲ-41. 서울 지역 분석의 혹서 련 최종 결과 ··························································76

표 Ⅲ-42. 부산의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ····················77

표 Ⅲ-43. 부산 지역 분석의 혹서 련 모형1 합 결과 AIC ·····································77

표 Ⅲ-44. 부산 지역 분석의 혹서 련 최종 결과 ··························································78

표 Ⅲ-45. 구의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ····················79

표 Ⅲ-46. 구 지역 분석의 혹서 련 모형1 합 결과 AIC ·····································79

표 Ⅲ-47. 구 지역 분석의 혹서 련 최종 결과 ··························································80

표 Ⅲ-48. 의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ····················81

표 Ⅲ-49. 지역 분석의 혹서 련 모형1 합 결과 AIC ·····································81

표 Ⅲ-50. 지역 분석의 혹서 련 최종 결과 ··························································82

표 Ⅲ-51. 인천의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ····················83

표 Ⅲ-52. 인천 지역 분석의 혹서 련 모형1 합 결과 AIC ·····································83

표 Ⅲ-53. 인천 지역 분석의 혹서 련 최종 결과 ··························································84

표 Ⅲ-54. 주의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ····················85

표 Ⅲ-55. 주 지역 분석의 혹서 련 모형1 합 결과 AIC ·····································85

표 Ⅲ-56. 주 지역 분석의 혹서 련 최종 결과 ··························································86

표 Ⅲ-57. 울산의 1997-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ····················87

표 Ⅲ-58. 울산 지역 분석의 혹서 련 모형1 합 결과 AIC ·····································87

표 Ⅲ-59. 세계 여러 나라의 혹서에 한 정의 ································································88

표 Ⅲ-60. 연도별 서울의 여름철(6월 7월 8월) 일평균기온과 일평균사망자 수 ·······89

표 Ⅲ-61. 1994년 여름(92일) 도시별 역치기온을 과한 날 기온 분포 ···············90

표 Ⅲ-62. 1994년 지역별 threshold temperature 이상으로 인한 과사망자 수 ·····90

표 Ⅲ-63. 여름철 혹서로 인한 과사망자 기상재해 사망자 ································91

표 Ⅲ-64. 서울지역 여름철 일평균 기온의 연도별 평균 비교 ······································92

표 Ⅲ-65. 연도별 상 20%(매년 19일 동안) 일평균 기온의 분포 ······························93

- vi -

표 Ⅲ-66. 서울의 threshold temperature (28.1도) 이상 연도별 일수 ··························94

표 Ⅲ-67. 서울 지역 기온- 과사망 모형( 체연령군, 일평균 기온, LAG=0)을 이용

하여 추정한 과사망자 수와 실제 발생한 과사망자수의 비교 ············94

표 Ⅲ-68. 서울의 여름철(6월~8월)의 오존-사망 모형의 지연효과별 합도 ··············97

표 Ⅲ-69. 서울의 1995-2003년 여름철(6월~8월) 오존-사망 모형 변수별 특성 ··········97

표 Ⅲ-70. 서울 지역 연령별, 지연효과별 오존-사망 모형의 합 결과 ····················98

표 Ⅲ-71. 서울 지역 분석의 오존 련 최종 결과 ··························································99

표 Ⅲ-72. 서울지역 오존-사망 모형( 체 연령, lag=0)의 역치농도인 22.0ppb 이상인

날 수 연도별 분포 ··························································································99

표 Ⅲ-73. 서울지역 오존으로 인한 과사망자 수 사망자 비율 ··························100

표 Ⅲ-74. 부산의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ··················101

표 Ⅲ-75. 부산 지역 분석의 오존 련 모형1 합 결과 AIC ···································101

표 Ⅲ-76. 부산 지역 분석의 오존-사망 최종 결과 ·························································102

표 Ⅲ-77. 구의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ··················102

표 Ⅲ-78. 구 지역 분석의 오존 련 모형1 합 결과 AIC ···································102

표 Ⅲ-79. 구 지역 분석의 오존-사망 최종 결과 ·························································103

표 Ⅲ-80. 의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ··················103

표 Ⅲ-81. 지역 분석의 오존 련 모형1 합 결과 AIC ···································104

표 Ⅲ-82. 지역 분석의 오존-사망 최종 결과 ·························································104

표 Ⅲ-83. 인천의 1998-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ··················105

표 Ⅲ-84. 인천 지역 분석의 오존 련 모형1 합 결과 AIC ···································105

표 Ⅲ-85. 인천 지역 분석의 오존-사망 최종 결과 ·························································105

표 Ⅲ-86. 주의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ··················106

표 Ⅲ-87. 주 지역 분석의 오존 련 모형1 합 결과 AIC ···································106

표 Ⅲ-88. 주 지역 분석의 오존-사망 최종 결과 ·························································106

표 Ⅲ-89. 울산의 1997-2003년 여름철(6월~8월) 모형 투입 변수별 특성 ··················107

표 Ⅲ-90. 울산 지역 분석의 오존 련 모형1 합 결과 AIC ···································107

표 Ⅲ-91. 울산 지역 분석의 오존 련 최종 결과 ························································107

표 Ⅳ-1. 2032년~2051년 서울지역 여름철 일평균 기온의 측 ··································119

표 Ⅳ-2. 2032년~2051년 서울의 연도별 상 20%(매년 19일 동안) 일평균 기온의

분포 ··························································································································120

표 Ⅳ-3. 2032-2051년 서울의 threshold temperature (28.1도) 이상인 날들의 연도별

분포 ··························································································································121

표 Ⅳ-4. 2032-2051년 서울에서 여름철 고온으로 인한 과사망자 수 추정 ···········123

표 Ⅴ-1. 고온건강경보시스템을 운 이거나 도입할 정인 도시 ························135

표 Ⅴ-2. 국의 지역별 고온경보 발효를 한 역치기온 ··········································136

표 Ⅴ-3. 국의 열 책 (heatwave plan): 단계별 응 ·········································136

- vii -

표 Ⅴ-4. 독일의 고온경보와 사 열정보 시스템 비교 ················································138

표 Ⅴ-5. 호주 퀸즐랜드주의 6단계 고온 비상 응계획 ··············································139

- viii -

<그림 차례>

그림Ⅰ-1. 기후변화로 인한 건강 향의 유형 ······································································2

그림 II-1. 극한 기후발생의 지역별 빈도 (1975년~2002년) ··············································7

그림 Ⅱ-2. Number of heat-related deaths, by date of occurrence and race of

decedent, and heat index, by date. Chicago, July 11~27, 1995 ···········15

그림 Ⅱ-3. Daily deaths in England & Wales and maximum Central England

temperature, July & August 2003 ································································16

그림 Ⅱ-4. 1994년 7-8월 동안 서울의 열지수와 사망률간의 계: HDNO-심 계

질환으로 인한 사망, TDNO-질병으로 인한 사 ············································21

그림 Ⅲ-1. 서울의 인구변화 ··································································································25

그림 Ⅲ-2. 부산의 인구변화 ··································································································26

그림 Ⅲ-3. 구의 인구변화 ································································································27

그림 Ⅲ-4. 인천의 인구변화 ··································································································28

그림 Ⅲ-5. 의 인구변화 ··································································································29

그림 Ⅲ-6. 주의 인구변화 ··································································································30

그림 Ⅲ-7. 울산의 인구변화 ··································································································31

그림 Ⅲ-8. 일별 표 화 기 인구수 계산 개요도 ··························································32

그림 Ⅲ-9. 서울의 표 화 후 사망 수 ··········································································35

그림 Ⅲ-10. 부산의 표 화 후 사망 수 ··········································································36

그림 Ⅲ-11. 구의 표 화 후 사망 수 ··········································································37

그림 Ⅲ-12. 인천의 표 화 후 사망 수 ········································································38

그림 Ⅲ-13. 의 표 화 후 사망 수 ········································································39

그림 Ⅲ-14. 주의 표 화 후 사망 수 ··········································································40

그림 Ⅲ-15. 울산의 표 화 후 사망 수 ··········································································41

그림 Ⅲ-16. 서울의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의

계 ······················································································································49

그림 Ⅲ-17. 부산의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의

계 ······················································································································52

그림 Ⅲ-18. 구의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의

계 ······················································································································54

그림 Ⅲ-19. 의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의

계 ······················································································································56

그림 Ⅲ-20. 인천의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의

계 ······················································································································58

그림 Ⅲ-21. 주의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의

계 ······················································································································60

- ix -

그림 Ⅲ-22. 울산의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의

계 ······················································································································62

그림 Ⅲ-23. 국 7개 도시 일평균 기온의 상 10%의 날들의 박스 그림 ···········64

그림 Ⅲ-24. 국 7개 도시 일평균 열지수의 상 10%의 날들의 박스 그림 ·······65

그림 Ⅲ-25. 국 7개 도시 일별 최고 오존 수 의 상 10%의 날들의

박스 그림 ············································································································66

그림 Ⅲ-26. GAM분석을 이용한 모형의 합도 분석과정 ············································67

그림 Ⅲ-27. 서울 지역의 연령 사망에 한 기온의 효과 모형1 합 결과 ········73

그림 Ⅲ-28. 서울지역 연령 기온의 가능한 threshold에 따른 합모형의 AIC ··75

그림 Ⅲ-29. 연도별 상 20%(매년 19일 동안) 일평균 기온의 분포 박스 그림 ······93

그림 Ⅲ-30. 서울지역의 일평균 기온과 당일 발생한 사망자수(2004년 여름) ···········95

그림 Ⅲ-31. 4개 도시에 한 기온과 사망의 계 (*4개 그림은 동일한 scale) ·····108

그림 Ⅲ-32. 우리나라 도시와 미국 도시의 평균기온과 역치기온의 계 ········109

그림 Ⅲ-33. 지역별 연도별 일평균 기온의 1년(365일) 동안의 표 편차 ···············111

그림 Ⅳ-1. 2032-2051년 서울의 상 20% 일평균기온의 분포 ···································120

그림 Ⅳ-2. 여름철 일평균 기온이 28.1C 이상인 날 수,

1991-2003년 vs. 2032-2051년 ··················································································122

그림 Ⅳ-3. 서울지역, 여름철 고온으로 인한 과사망자 수의 연도별 분포,

1991-2003년 vs. 2032-2051년 ·····································································124

그림 Ⅳ-4. 서울지역, 여름철 고온 발생 일수와 과사망자 수의 계 ·················125

그림 Ⅴ-1. 고온건강경보시스템 운 체계의 기본 구성 ················································128

그림 Ⅴ-2. 미국 도시의 형 인 고온건강경보시스템 ················································131

그림 Ⅴ-3. 독일 기상청 홈페이지에 제시된 고온경보시스템( ) ·····························137

그림 Ⅴ-4. 2005년 재 고온건강경보시스템이 운 인 이탈리아 도시들 ··········141

그림 Ⅴ-5. 이탈리아 HHWWS의 운 흐름도 ·······························································141

그림 Ⅴ-6. 고온건강경보시스템 운 에 필요한 문 역 역할 ························142

- 1 -

I. 서론

1. 연구의 배경 목

기후가 변하고 있다. 산업화 이후로 지구의 기후시스템에 변화가 있다는 것과 그

변화의 상당 부분이 인간 활동에 기인한다는 것은 이제 범 하게 기정사실로 받

아들여지고 있다(IPCC, 2001). 기후변화의 증거는 자연계, 생물계 등에서 다양하게

나타나고 있으며, 요한 것은 그러한 변화가 인간의 사회, 경제시스템에까지 이미

향을 미치기 시작했다는 이다. 더욱이 온실가스의 농도가 더 이상 증가하지 않

고 유지된다고 하더라도(그러기는 매우 어렵겠지만) 지구는 앞으로도 수백 년은 계

속 더워질 것으로 보인다. 지구 표면온도는 지난 최근 25년 동안 비정상 으로

하게 올라간 것으로 측되었는데, 1950년 이후의 인간 활동이 이러한 상의 가

장 요한 이유라고 한다.

기후변화는 환경, 인체 건강 사회경제 인 시스템에 직간 으로 향을 미칠

수 있는데, 그 향은 정 인 것일 수도, 부정 인 것일 수도 있다. 기후변화로

어떤 향을 얼마나 받을 것인가는 지구온난화의 속도와 정도, 그리고 그에 응하

는 사회의 응능력에 따라 다를 것이다. 따라서 기후변화가 미칠 험을 평가/

측하고, 그 험을 이고 험에 응할 계획을 세우는 노력이 개인 인 차원에서

뿐 아니라 지방자치단체 정부 차원에서 필요하다.

기후변화가 건강에 어떤 향을 미칠 것인가에 한 논의는 1990년에 나온 IPCC

제1차 보고서에도 단지 몇 단락 간략하게 언 되어있을 정도로 비교 최근에 이루

어지기 시작하 다. 그러나 1990년 를 지나면서 기후변화와 건강의 계에 한

정식연구가 지속 으로 행해지고 그 결과가 보고되기 시작하 다. 덕분에 IPCC 2차

보고서(1995)와 3차 보고서(2001)에 건강에 한 주제가 요하게 다루어지기 시작

하 다. 최근에는 유럽의 각 나라들, 미국, 호주, 일본 등 에서는 국민들의 건강에

기후변화가 미칠 수 있는 험을 과학 으로 평가하고 잠재된 험도를 가늠하고자

하는 연구를 수행하고 있다. 2002년 WHO는 지구 인 차원에서 건강에 향을

미치는 26가지 인자들을 정리하 는데, 여기에 기후변화로 인한 향을 포함하

다1).

기후변화가 인체 건강에 미치는 향은 여름철 혹서나 풍수해로 인한 인명피해와

같은 직 인 향과 기오염, 알 르기 인자의 증가, 염성 질환, 식품안 등

을 매개로 하는 간 인 향으로 나 어 볼 수 있다. 그림Ⅰ-12)은 기후변화로 인

1) Ezzati M, Lopez AD, Rodgers A, Hoorn SV, Murray CJL, Comparative Risk Assessment Collaborating

Group. Selected major risk factors and global and regional burden of disease. Lancet 2002

- 2 -

해 래될 수 건강피해를 그림으로 정리한 것이다.

그림Ⅰ-1. 기후변화로 인한 건강 향의 유형

기후변화가자연과 인간에미치는 영향

기후변화

지역적인 기후변화- 극한 기후(Extreme Weather)- 온도(Temperature)- 강수(Precipitation)

해수면 변화

매개인자의 변화

온실가스방출감소를 위한

정책

건강 부작용

고온과 관련된 질병 및 사망

극한 기후와 관련된 건강 영향

대기오염과 관련된 건강영향

알레르기 질환

전염병- 물과 음식으로 인한 질병- Vector와 설치류로 인한 질병

영양 실조

- 태풍으로 인한 익사 와 상해- 난민들의 보건문제

영향 과 적응평가

대기오염 농도와 분포

꽃가루 생산

미생물 오염과 전염

곡물 수확량

- 연안 홍수- 연안 대수층 염분

(Aquifer Salinity)

출처: Andy Haines et al. Health Effects of Climate Change. JAMA 2004; 291(1)

기후변화가자연과 인간에미치는 영향

기후변화

지역적인 기후변화- 극한 기후(Extreme Weather)- 온도(Temperature)- 강수(Precipitation)

해수면 변화

매개인자의 변화

온실가스방출감소를 위한

정책

온실가스방출감소를 위한

정책

건강 부작용

고온과 관련된 질병 및 사망고온과 관련된 질병 및 사망

극한 기후와 관련된 건강 영향극한 기후와 관련된 건강 영향

대기오염과 관련된 건강영향대기오염과 관련된 건강영향

알레르기 질환알레르기 질환

전염병- 물과 음식으로 인한 질병- Vector와 설치류로 인한 질병

전염병- 물과 음식으로 인한 질병- Vector와 설치류로 인한 질병

영양 실조영양 실조

- 태풍으로 인한 익사 와 상해- 난민들의 보건문제- 태풍으로 인한 익사 와 상해- 난민들의 보건문제

영향 과 적응평가

대기오염 농도와 분포

꽃가루 생산

미생물 오염과 전염

곡물 수확량

- 연안 홍수- 연안 대수층 염분

(Aquifer Salinity)

대기오염 농도와 분포대기오염 농도와 분포

꽃가루 생산꽃가루 생산

미생물 오염과 전염

곡물 수확량곡물 수확량

- 연안 홍수- 연안 대수층 염분

(Aquifer Salinity)

- 연안 홍수- 연안 대수층 염분

(Aquifer Salinity)

출처: Andy Haines et al. Health Effects of Climate Change. JAMA 2004; 291(1)

최근 들어 기후변화와 건강의 계에 한 인식이 확산되고, 기후변화 상에서

응(adaptation)문제가 요한 쟁 으로 부각됨에 따라 우리나라에서도 기후변화로

인한 건강피해의 가능성이 있는지, 향이 존재할 가능성이 있다면 어떠한 경향으

로 나타나고 있는지 조사한 바 있다3) (이하 2003년 건강 향 연구). 분석은 1991년

부터 2000년까지 최근 10년간 자료를 상으로 하 고, 기온변화에 따른 사망자 변

화, 기상재해 발생경향과 피해정도, 기후변화로 인한 기 오염물질 농도 변화,

기후변화에 따른 염성질환 발생 등을 심으로 검토하 다. 2003년 건강 향 연

구결과는 다음 표Ⅰ-14)로 요약되었다.

2) Andy Hains, Jonathan A. Patz, Health effects of climate change, Journal of American Medical Association,

291(1), 99-103, 2004

3) 환경부, “한반도 기후변화와 향평가 응 로그램 마련-기후변화로 인한 건강피해 가능성 조사 피해

감정책 방향에 한 연구”, 2003

4) 환경부, “한반도 기후변화와 향평가 응 로그램 마련-기후변화로 인한 건강피해 가능성 조사 피해

감정책 방향에 한 연구”, 2003, 170쪽

- 3 -

표 Ⅰ-1. 국내의 최근 10년간 기후변동으로 인한 건강평가

건강 향분야 확인 내용 추가 확인 필요

고온으로 인한

사망, 질병

- 고온 상 발생일수의 증가추세

- 여름철 일최고기온의 증가추세

- 기온상승에 의한 사망자 증가 상

- 장기간 고온이 지속된 경우 사망자

증 상

- 취약계층과 민감집단의 확인

- 도시간 비교, 지역간 비교

- 측, 경고, 응능력의 향상방안

- 질병악화에 한 연구

기상재해로

인한 건강 향

- 홍수, 폭풍 등 발생 기상재해의 강도

증가 추세

- 발생 재해의 지속기간 증가추세

- 재해로 인한 사망자 증가추세

- 험가 요인 확인

- 재해발생 후 질병변화 역학연구

- 측, 경고, 응능력의 향상방안

기후변화로

인한

기오염과

으로 인한

건강 향

- 기온상승에 따른 오존농도 증가 상

- 꽃가루의 농도 증가

- 기오염과 기온의 사망에 미치

는 상호작용 규명

- 지역별 비교

- 식물이나 꽃가루에 한 날씨의

향

질병 련

생태계

- 기온증가에 따른 모기 개체수 증가 상

- 모기개체수의 증가추세

- 해수온도의 증가추세

- 해수온도 증가에 따른 비 리오균 증

가 상

- 체계 인 감시체계 구축

- 자료의 공유 시스템 구축

- 지역별 비교

- 질병발생과의 계 연구

법정 염병

- 일반 염병의 감소추세

- 사라진 질병 기후 련 질병의 재

- 기후 련 질병의 증가추세

- 기후와 연 한 질병 역학

연구

- 생태계의 변화와의 계 연구

표Ⅰ-1 에서 제시하는 바에 따르면 우리나라도 기후변화로 인한 건강피해를 입을

가능성이 충분하다. 한 건강 향이 고온 는 염병 같이 어떤 특정한 부분에서

만 발생할 우려가 있는 것이 아니라 여러 부분에 걸쳐 발생할 가능성이 있는 것으

로 조사되었다. 지구 온난화로 지구의 평균기온이 상승하는 것 뿐 아니라 혹서, 혹

한, 홍수와 같은 기상이변이 더욱 자주 일어날 것이라 기후 문가들은 측하고 있

다. 따라서 기상이변에 의한 건강피해는 이 에도 있었고 최근에도 찰되고 있지

만, 앞으로 기후변화의 속도와 정도에 따라 더욱 큰 피해를 야기할 수도 있다. 평균

기온의 진 인 상승과 달리 기상이변은 말 그 로 “이변”이기 때문에 자주 일어

나는 일은 아니지만, 한번 일어나면 응하기 어려울 수밖에 없다. 이상 기후에

한 건강 향을 기후변화 시나리오에 근거하여 평가하고 그에 합당한 응 책 마련

이 필요할 것으로 여겨진다.

- 4 -

여름철 혹서로 인한 건강피해는 기후변화와의 연 성이 가장 직 이고, 다른 건

강 향 분야와 비교하여 연구방법론이 비교 잘 정립되어 있는 분야이다. 한

2003년 유럽을 강타한 혹서로 수만 명이 사망하 다는 보도가 이어지면서 여름철

이상고온으로 인한 건강피해의 심각성이 사회 으로 확산되었다. 우리나라의 경우

지난 1994년이 유례없이 더운 여름이었던 것으로 기억되고 있으나, 그 여름의 건강

피해의 규모를 국 인 차원에서 평가한 은 없다. 따라서, 본 연구에서는 2003년

건강 향 연구 결과에서 제시한 여러 분야의 건강 향 여름철 이상고온으로 인

한 건강 피해를 연구 주제로 선정하 다. 우리나라 7 도시를 상으로 여름철 기

온과 사망사이의 계를 도출하고, 그 계식에 근거하여 1994년 여름 발생한 혹서

로 인한 과사망자 수를 추정하 다. 한반도 기후 측모형 결과에 근거하여 향후

30년에서 50년 이후의 여름철 이상고온으로 인한 건강피해의 규모를 측하 다.

한 이미 이상고온에 응하기 한 수단을 용하고 있는 사례를 들어 우리나라

에도 유사한 장치를 마련하는 것이 필요한지 검토하 다.

2. 연구범 주요내용

본 연구는 기후변화로 인해 발생할 수 있는 다양한 건강피해 여름철 혹서로 인

한 과사망의 험성을 정량하고, 한 응방안을 모색하는 것을 심으로 수

행하 으며, 주요 연구내용과 범 는 다음과 같다.

▶ 기후변화와 건강 향에 한 연구동향 악

o 기후변화로 인한 건강피해의 유형 련 연구 황

o 고온으로 인한 건강 향 -국내외 연구 사례

▶ 우리나라 여름철 이상고온과 과사망 연구

o 여름철 기온(열지수)과 사망률 계모형 도출 검증

우리나라 7개 도시별 기온-사망 계 모형 도출

과사망의 변수로 기온 는 열지수 사용 결과 비교

체연령군 65세 이상 연령군으로 나 어 모형 도출

고온이 과 사망에 미치는 지연효과 (lag effects) 확인

o 우리나라 1994년 여름철 혹서 사례 분석

o 여름철 기 오존농도와 사망률 계

- 5 -

▶ 우리나라 미래 여름철 과사망 측

o 가까운 미래의 여름철 혹서 발생과 그에 따른 과사망자 수 추정

▶ 고온건강경보시스템의 사례 용 검토

o 고온건강경보시스템의 구성요소

o 유럽 미국의 고온경보시스템 사례 조사

o 고온건강경보시스템 도입 방안 검토

- 6 -

II. 기후변화와 건강영향

지구환경의 격한 변화는 인류가 이 에 경험해 보지 못한 새로운 상이다. 개발

을 한 화석연료의 사용과 그에 따른 이산화탄소 메탄의 증가는 기후에 변화를

래한다. 다음 Box5)는 기후변화 에서도 특히 극한기후 상의 발생과 그 가능성

정도를 정리한 것이다.

BOX. 21세기 동안 극한기후 상의 발생 가능성6) 추정

- 단순 극한기후 상 (Simple Extremes)

최고기온의 상승: 거의 모든 지역에서 더운 날 수의 증가, 열 발생 (매우 그럴것임)

최 기온의 상승: 거의 모든 지역에서 추운 날, 서리일, 한 감소 (매우 그럴것임)

집 강우 (많은 지역에서 매우 그럴것임)

- 복합 극한기후 상 (Complex Extremes)

도 내부 지역의 여름철 건조와 그로 인한 가뭄 험 (그럴것임)

열 지역 싸이클론의 최고 풍속 증가, 평균 강우 최고 강우 증가 (몇몇 지역에서 그

럴것임)

여러 지역에서 엘니뇨로 인한 가뭄과 홍수의 증가 (그럴것임)

여름철 아시아 지역의 몬순 강우량의 변동이 증가할 것임 (그럴것임)

1975년부터 최근 2002년까지 극한 기후발생의 빈도를 지역별로 나 어 보면 다음

그림 II-17)과 같다. 1975년 이후로 극한 기후의 발생빈도는 지역에 따라 약간의 차

이는 있으나 꾸 히 늘어나는 추세를 보이고 있다. 우리나라가 속한 아시아 지역도

1975년에 미하여 90년 이후에는 극한 기후 방생이 4배 정도 늘어난 것으로 나타

난ㄷ. 특히 2000년과 2001년에는 세계 으로 극한 기후 상이 빈번히 일어났던

것으로 나타났다. 이 듯 극한 기후발생 빈도가 늘어남에 따라 그에 따른 건강 향

도 비례하여 늘어날 것으로 측할 수 있다.

5) Houghton JT, Ding Y, Griggs DJ, et al, eds. Climate Change 2001: The scientific Basis. Cambridge,

England: Cambridge University Press; 2001

6) 발생가능성(likelihood)는 IPCC 제3차 보고서에서 사용된 판단 추정치를 의미하며, “매우 그럴것임 (very

likely)”은 90~99%의 확률, “그럴것임(likely)”은 66-89%의 확률을 갖는다.

7) Paul Epstein and Evan Mills Ed., Climate Change Futures-Health, Ecological and Economic

Dimensions, November 2005

- 7 -

그림 II-1. 극한 기후발생의 지역별 빈도 (1975년~2002년)

본 장에서는 기후변화가 건강에 어떤 경로로 어떤 향을 미치는지에 하여 반

으로 정리하 다. 특히 기후변화로 인한 건강 향 이상고온으로 인한 건강

향에 하여 자세히 조사하 다. 고온이 생리학 으로 인체에 어떻게 향을 미치

는지 정리하 고, 지 까지 국내․국외에서 발표된 고온과 건강 향에 한 역학연

구 결과 사례들을 조사하 다.

1. 기후변화가 건강에 미치는 향

기후변화는 기온상승, 해수면 상승, 홍수나 가뭄 등 강수량의 변화, 각종 자연재해

의 증가, 생태계의 변화뿐만 아니라 사람들의 생활과 건강에 직․간 으로 향

을 미칠 것으로 상되어 이와 련한 연구들이 각 분야에서 다양하게 진행되고 있

다(Andy Haines, 2004; 환경부, 2003). 기후변화가 건강에 향을 미치는 경로

유형은 앞서 “그림Ⅰ-1. 기후변화로 인한 건강 향의 유형”에 정리된 바 있다. 다음

표 II-1은 건강 향별로 원인이 될 수 있는 기후변화 요인을 정리한 것이다.

최근까지 기후변화와 건강의 련성은 그 인과 계가 단기간에 드러나는 혹서나 혹

한 등 이상기온으로 인한 단기 사망자 수 증가, 홍수나 기상재해로 인한 상해의 증

가 등이 주로 연구되었다. 연구가 늘어나면서 사망이나 상해 이외의 련 질환의

증가. 염병의 확산, 정신질환 발생 등 오랜 기간을 두고 악화될 수 있는 건강 향

에 차 심이 모아지고 있다. 최근 미국 하버드 학이 UNDP, Swiss Re의 후원

으로 연구한 결과에 따르면 기후변화로 인해 말라리아와 천식이 늘어나고 있다고

한다8). 온도의 상승으로 모기나 진드기의 서식이 증가하게 되고, 따라서 그들이 옮

기는 말라리아, 웨스트나일, 라임병 등이 늘어날 것이라고 측하 다. 특히 말라리

8) Paul Epstein and Evan Mills Ed., Climate Change Futures-Health, Ecological and Economic

Dimensions, November 2005

- 8 -

아는 선진국에서는 문제가 안 된다고 믿어왔으나 국경을 하고 있는 나라에서는

비록 선진국이라 하더라도 갑자기 창궐할 수도 있음을 경고하 다. 높은 농도의 이

산화탄소는 꽃가루가 많은 식물과 토양 미생물의 성장을 돕기 때문에 결과 으로

공기 입자의 수가 늘어나게 되고 따라서 천식의 험이 증가하게 될 것이라고

측하 다. 기후변화로 바람이 강해짐으로써 사막에서 날리는 먼지의 양이 늘어나

게 되는데 이 한 공기 입자의 수를 늘어나게 하여 천식환자 발생에 기여하게

될 것이다.

표 Ⅱ-1. 기후 기상변화로 인한 건강 향

건강 향 기후 기상의 알려진 향

심 계, 호흡기계,

일사병으로 인한

사망률

- 혹서기간동안 단기 인 사망률 증가

- 인구집단에서 기온과 사망률의 계 그래 는 V형태,

J형태로 나타남

- 혹서기간동안 일사병으로 인한 사망자 수 증가

알 르기성 비염 - 알 르겐(aeroallergen)의 분포, 생산 등에 향을

호흡기, 심 계 질환

사망률

- 먼지의 비산을 진시키는 등 기오염물질 농도에

향을 미침

사망, 상해 - 홍수, 산사태, 폭풍 등이 사망과 상해의 원인이 됨

염병, 정신질환

- 홍수는 물공 , 생시스템, 교통시스템, 의료보건 기

반시설 등을 단시킴

- 홍수는 모기와 같은 매개동물의 번식장소를 증가시킴

- 홍수는 외상 후 스트 스 장애(post-traumatic stress

disorder)를 증가시킴

기아, 양실조,

호흡기 질환 등

- 가뭄은 생 인 물 공 을 감소시킴

- 가뭄은 산불발생을 증가시킴

- 가뭄은 음식공 에 향을 미침

모기, 진드기로 인한

질병, 설치류로 인한

질병( , 말라리아,

뎅그열, 진드기로 인한

뇌염, 라임 병)

- 고온은 인간에게 이되는 병원체 성장을 진함

양실조, 양결핍- 기후변화는 음식공 (곡물 수확량 등)을 불균형을

래함

수인성 질병,

음식으로 인한 질병

- 질병과 련된 미생물들은 온도와 련이 있음

- 기후상태는 수자원의 질에 향을 미침

(출처: WHO, 2004a)

- 9 -

가. 기후변화가 건강에 미치는 향

기후변화가 건강에 미치는 잠재 인 향을 요인에 따라 크게 5가지(온도와 련된

질병 사망, 극한기후와 련된 건강 향, 기오염과 련된 건강 향, 수인성

음식물 매개질환, Vector와 설치류로 인한 질병)로 구분하여 설명하 다.

1) 온도와 련된 질병 사망

고온과 혹서는 지구의 평균온도가 올라갈 때 자주 발생한다. 도시지역의 혹서에

한 연구들을 살펴보면 온도상승과 사망률의 증가는 련성이 있는 것으로 나타났다

(Kalkstein LS, 1997).

극한 기후와 장기 인 혹서에 노출이 되면 열 피로, 일사병 등과 같은 고온과 련

된 질병이 나타난다. Kalkstein의 연구(1993)에 의하면 미국의 경우 북동쪽이나 서

부에 거주하는 인구집단이 여름철 온도가 변할 경우 열과 련된 질병 사망에

큰 향을 받는 것으로 나타났다.

2) 극한기후( , 폭풍, 토네이도, 허리 인, 강수량)와 련된 건강 향

홍수, 폭풍과 같은 극한 기후를 경험한 사람들 일부는 정신장애( , 외상 후 스

트 스 장애(post-traumatic stress disorder; PTSD))를 보이고 있다. 를 들면 1972

년 미국의 경우 허리 인을 경험한 사람들은 5년동안 정신장애를 보 으며, 최근의

연구에 의하면, 허리 인이 지나간 지역에 사는 사람들 성인 20~30%가 외상후

스트 스 장애를 경험한 것으로 나타났다(Quarantelli El, 1985; Logue JN et al.,

1979; Norris FH et al., 1999).

3) 기오염과 련된 건강 향

기오염물질( , 오존, 미세먼지, 일산화탄소, 이산화황, 이산화질소 등)에 노출되었

을 경우 건강에 심각한 향을 미치는데, 고농도 오염으로 인한 사망률 증가부터

호흡기 질환에 한 향과 특히 만성심장질환이나 폐질환이 있는 민감집단에 한

향이 문제가 되고 있다(Romieu I, 1999; 환경부, 2003)

오존에 노출되면 폐 조직 손상, 폐 기능 감소 등으로 인해 호흡기 질환이 증가된다.

단기간의 오존노출로 인해 폐 기능이 떨어질 경우 흉통, 기침, 폐 울 등을 동반한

다. 미세먼지에 노출되었을 경우는 호흡기, 심 계 질환이 증가하며, 면역체계를

약화시켜 암의 원인이 되고 있다. 일산화탄소, 이산화황, 이산화질소 등에 노출이

되면 심 계 질환, 호흡기 질환을 증가시키고, 호흡곤란, 폐 염증 등을 야기시킨

다(American Thoracic Society, 1996; Lambert WE et al., 1998).

- 10 -

기후변화는 기 알 르젠(알 르기를 유발하는 물질)을 증가시킨다. 식물은 날

씨변화에 민감하게 반응을 하는데, 기온이 상승하면 꽃가루를 많이 생산하고 서식

지의 분포가 바 다. 이로 인해, 천식 알 르기 질환이 증가하며 만성호흡기질환

도 증가한다(Ahlholm JU et al., 1998).

4) 수인성 음식물 매개질환

2명 이상의 사람이 동일한 먹는 물로 유사한 증상을 나타내는 경우 는 먹는 물이

염병의 역학 증거가 있는 경우를 수인성 질병이라고 한다. 음식물 매개질환의

경우는 물에서 서식하는 미생물( , 바이러스, 박테리아, 원충 등)이 음식물( , 퍠

류, 어류)를 오염시켜서 발생한다. 게다가 수인성 병원체에 의해 과일 채소류가

오염되기도 한다.

수인성 병원균은 주로 장 질환( , 성복막염, 염, 무균성 뇌막염, 암, 소화성

궤양, 콜 라, 설사, 장염, 육아종, 심장질환, 당뇨, 신장질환, 간질환, 상처부 감

염 장염 등)을 증가시킨다(Tauxe RV, 1997; 환경부, 2003).

5) Vector와 설치류로 인한 질병

질병을 유발하는 매개동물의 성향이 일 되지 않고, 복잡하므로 기후변화의 향을

한 가지로 정의할 수는 없다.

기후가 변하면 염병 매개 곤충 기생충의 생활사도 변화한다. 이로 인해 매개

곤충에 의한 염병 증가 발생 분포 변화하고, 매개체가 곤충인 경우 기후의 변

화는 곤충 자체의 생활주기를 변동시킨다.

엘리뇨는 말라리아 Rift Valley Fever와 같은 곤충 매개성 질병과 콜 라 세

균성 이질과 같은 유행성 설사 질환의 증가시키고, 쥐 개체수의 증가를 야기시켜

염병 확산에 결정 인 역할을 한다(Patz et al., 2000).

나. 응 방 정책

기후변화의 주요 원인인 온실가스 배출을 감소시키기 해 다양한 정책들( , 태

양․풍력 에 지와 같은 재생 가능한 에 지 사용, 삼림보호 정책 등)이 제시되고

있다. 기후변화로 인한 건강부작용의 험을 이기 해서는 다음과 같은 응조

치(adaptation measure)가 필요하다(Patz et al., 2000).

① 백신 로그램 개발

② 질병감시

③ 보호기술

- 11 -

④ 기상 보 경고 시스템

⑤ 비상 리 재난 비

⑥ 공 보건 교육 방

⑦ 법률제정 시행

- 12 -

2. 고온이 건강에 미치는 향 련 연구 고찰

IPCC의 제3차 보고서(2001)에서는 기후 변화로 인한 환경과 사회 변화가 인구집

단의 건강에 향을 주며, 특히 열 나 아열 지역에 사는 빈곤층에서 향이 클

것이라고 제시하고 있다.

특히, 제3차 보고서에서는 기후변화로 인한 건강 향을 세부 으로 분류하 는데,

그 하나가 “고온(열 스트 스: 혹서)”로 인한 향에 해 기술하고 있다. 고온으

로 인해 과 사망률이 증가하며, 사망자 부분이 심 계 질환, 뇌 계 질환,

호흡기 질환과 련이 있었다. 혹서는 일사병, 열피로에 향을 주는 것으로 나타났

다.

가. 고온의 생리학 향

1) 고온 노출시의 인체 반응

신체 체온조 의 추는 시상하부(hypothalamus)에 치하고 있으며, 평상시에는

약 37℃를 유지하지만 운동을 할 경우는 38~39℃ 정도 올라간다. 우리 몸이 체온을

일정하게 유지하기 해서는 신체와 주 환경과의 계속 인 열 교환이 이루어지게

된다. 우리 몸이 고온 환경에 노출되었을 때는 다음의 세 가지 기 에 의해서 체온

조 이 이루어지게 된다(WHO, 2004b; 권호장).

- 심 계 조 (cardiovascular regulation): 고온 일 경우 매우 요한 체온조 기

능이다. 고온 하에서는 피부 확 가 일어나 피부 온도를 높임으로서, 복사에

의한 체열 방출을 크게 하려는 생체 반응이 나타난다. 심장에서는 피부 표면의 순

환 액량을 증가시키기 해 맥박이 빨라지고 심박출량(cardiacoutput)을 증가시

키게 된다.

- 화학 조 (chemical regulation): 고온 하에서는 기 사에 의한 체열 발생이

감소하는데 식욕부진이 오고 음식의 섭식량이 감소한다.

- 물리 조 (physical regulation): 고온 환경에서 발한에 의한 증발열을 통해 체열

방출을 하는데, 1cc의 땀은 0.58Kcal의 증발열을 체외로 방출시킬 수 있다. 특히

환경 온도가 34℃이상이 되면 모든 체열 방출은 증발에만 의존한다. 따라서 고온

질환 특히 일사병의 발생에는 증발의 역할이 매우 요하다.

2) 고온과 련된 질병

피부발진, 열 피로, 열 경련, 열 졸도, 일사병은 열과 련된 질병들이다. 부분의

열과 련된 질병(피부발진, 열 경련 제외)들은 체온조 시스템의 감퇴로 인해 발

- 13 -

생된다(WHO, 2004).

열에 노출되면 처음 나타나는 인체의 반응은 체표면의 액순환이 증가하고 열을

감소시키려 계속 신체반응이 일어나며, 이로 인한 심장의 부담은 곧 열 스트 스

(Heat stress)로 연결된다. 은 스트 스는 견딜 수 있으나 심하고 갑작스런 고온

스트 스는 사망에 이르게도 한다.

열 스트 스는 연령에 가장 향을 많이 받는다. 기존의 역학연구들을 살펴보면 60

세 이상의 연령집단, 도시거주자, 소득층의 인구집단들이 혹서(heat-waves)에

향을 가장 많이 받는 것으로 나타났다(환경부, 2003; Basu et al., 2002; Keatinge et

al., 2000).

3) 고온 련 질환의 험요인(predisposing factor)

고온 련 질환의 험요인들은 도시거주, 연령, 기후순응의 부족, 탈수증, 체온조

시스템에 향을 미치는 약 사용( , phenotiazines, barbiturates 등), 낮은 체력, 과

체 , 피로 등이 있으며, 주요 요인들에 해 자세히 살펴보면 다음과 같다.

가) 도시거주

도시거주는 고온으로 인한 건강피행의 매우 요한 험요인이다. 일부 연구에 의

하면 아 트 고층에 살거나, 도시지역 거주자, 에어컨이 없는 주거환경이 고온으로

인한 사망률이나 질병발생률을 높이는 것으로 나타났다. 도시거주가 험요인이 되

는 이유는 열섬효과 때문으로 알려지고 있다(Jones et al., 1982; Kilboutne et al.,

1997, Klinernberg E, 2002; Andy H., 2004).

나) 고령자(65세 이상)

고령자들은 다른 연령에 비해 열에 처하는 능력이 취약하다. 65세 이상 인구집단

에서 생리 인 열 내성(physiological heat tolerance)에 한 연구를 살펴보면 항상

성(homeostasis)이 약해짐에 따라 고령자들은 고온으로 인해 질병이 발생하는 것을

인식하지 못하 다. 따라서 열에 노출되었을 경우 한 처를 하지 못하는 것으

로 나타났다(WHO, 2004b).

다) 생리 인 기후순응9)(physiological acclimatization)

일반 으로 단기 인 열 기후순응은 3~12일이 걸리지만, 새로운 기후에 해 완벽

하게 응되는 기후순응(장기 )은 몇 년이 걸린다. 단기 인 열 기후순응은 많은

땀을 배출하며, 몇 주 안에 사라진다. 이와는 반 로 장기 으로 변화에 응하기

해서는 오랜 시간이 소요된다(WHO, 2004b).

9) 기후순응(acclimatization): 인간이 주어진 기후에 하여 스스로 응해 가능 기능

- 14 -

라) 탈수증(Dehydration)

고령집단에서 열로 인한 사망률에 많은 향을 미치는 것이 탈수증이다.

마) 과체 (Overweight)

과체 은 열과 련된 질병에 향을 주는 주요 요인 하나이며, 낮은 체력수

과 련성이 있다.

나. 고온과 건강피해에 한 역학연구

1970년 이후부터 여러나라들은 혹서(이상고온)로 인한 많은 피해를 받고 있다. 특

히, 2003년 여름의 혹서로 인해 서유럽( 랑스, 독일, 이탈리아, 포르투갈, 스페인,

국)에서는 27,000여명이 사망한 것으로 보고가 되고 있다. 혹서로 인한 건강에

향을 주며, 특히 도시에 살고 있는 고령자들이 심각하게 향을 받고, 다른 연령집

단에 비해 사망률도 크게 증가하는 것으로 나타나고 있다.

여름철 이상고온 인한 피해사례를 표 Ⅱ-2에 정리하 으며, 주요한 나라들의 역학연

구에 해서는 세부 으로 소개하 다.

표 Ⅱ-2. 여름철 이상고온으로 인한 피해사례

혹서지역 과사망률 참고문헌

국, 1976- 잉 랜드: 9.7% 증가

- 런던: 15.4% 증가

Lye & Kamal, 1977;

McMichael, 1998

포르투갈, 1981- 포르투갈: 1,906의 과사망자 발생

- 리스본: 406명의 과사망자 발생Garcia et al., 1999

이탈리아, 1983 로마: 사망자 수 35% 증가 (65세 이상) Todisco, 1987

그리스, 1987 아테네: 추정된 과사망자 수 (2,000명 이상) Katsouyanni et al., 1988

포르투갈, 1991 과사망자 수(1,001명, 44.7%) Paixao and Nogeira, 2002

네덜란드, 1994 추정된 과사망자 수(1,057명) Huynen, 2001

일본, 1994 오사카: 추정된 과사망자 수(1,388명) Bai H et al., 1995

한국, 1994서울:　총 사망자 수 1,074 명(1991~1993년의

같은 기간에 비해 72.9 % 증가)권호장,

국, 1995- 잉 랜드, 웨일즈: 768(11.2%) 과사망자 발생

- 런던: 184(23%) 과사망자 발생Rooney et al., 1998

미국, 1995 시카고: 고온과 련하여 465명 사망 CDC, 1995

헝가리, 2000 부다페스트: 과사망률 52% Wilhelm K, 2005

- 15 -

(계속)

혹서지역 과사망률 참고문헌

유럽, 2003

이탈리아: 과사망자 3,134명Centro Nazionale de

Epidemiologia, 2003

랑스: 과사망자 14,802명Institut de Veille

Sanitaire, 2003

포르투갈: 과사망자 1,854명 Botelho et al., 2004

스페인: 과사망자 3,166명 Navarro et al., 2004

독일: 과사망자 1,415명

Sozialministerium

Baden-Wuerttemberg,

2003

잉 랜드/웨일즈: 1,976명Office for National

Statistics, 2003

스 스: 혹서로 인한 향은 없음Bundesamt fur Statistik,

2003

호주, 2004 12명 사망, 221명 병원입원Queensland Government,

Health Department, 2004

가) 미국

1995년 7월 12일부터 16일까지 5일간 미국 시카고는 혹서로 인한 많은 피해를 입었

다. 시카고의 일별 최고기온이 33.9~40.0℃까지 상승했으며, 7월 13일에는 National

Weather Service에서 제공하는 온열지수(heat index)가 48.3℃에 이르 는데 이는

시카고시의 최고 기록이었다. 이러한 혹서와 련하여 7월 11일부터 27일 사이에

일사병 등 온열손상으로 인한 사망자수는 465명에 이르 다.

사망은 온열지수가 최고로 올라갔던 7월 13일의 다음 날인 7월 14일에는 49명이었

다가 2일 후인 7월 15일에는 162명으로 가장 많았다(그림 Ⅱ-2). 사망자들 가운데

남자는 257명(55%)이었다. 인종별로 살펴보면 흑인이 229명(49%), 백인이 21명(5%),

기다 다른 인종들이었다. 연령은 3세부터 103세로 나타났으며(평균연령: 72세,

수: 75세), 이 222명(51%)이 75세 이상이었다(CDC, 1995).

그림 Ⅱ-2. Number of heat-related deaths, by date of occurrence and

race of decedent, and heat index, by date. Chicago, July 11~27,

1995(출처: CDC, 1995)

- 16 -

나) 국

1995년 국의 경우에는 국이 해양성 기후인 것에 비해서 1995년 8월 1일의 기온

이 35.2℃까지 상승했다. 그리고 같은 해의 7월 30일부터 8월 3일까지의 사망자 수

를 분석한 결과 년(1993년~1995년)의 같은 기간에 619명의 과 사망이 발생 했

으며 그 정도는 약 8.9% 가량 증가한 것으로 나타났다. 특히 호흡기계 질환(12.4%

증가)과 뇌 질환(11.3% 증가)으로 인한 사망자 수가 많이 증가하 다. 지역별로

는 런던 시내의 빈민들에서 사망자 수가 많이 증가하 다(Rooney et al., 1998).

2003년 유럽혹서로 인해 국도 많은 피해를 입었다. 잉 랜드와 웨일즈 지방에서

는 2003년 8월 4일~13일의 사망자가 지난 5년동안의 일별 평균 사망자를 과하

다. 잉 랜드 지방의 경우는 2003년 8월 9일 온도가 31.5℃까지 상승하 으며, 8월

11일는 사망자가 1,696명으로 가장 높았다. 한 런던지역에서는 사망자 수가 616명

(42%)이었으며, 75세 이상인 그룹에서는 평균 사망자 수보다 522명(59%)이 증가하

다(그림 Ⅱ-3, Office for National Statistics, 2005).

그림 Ⅱ-3. Daily deaths in England & Wales and maximum

Central England temperature, July & August 2003(출처:　

Office for National Statistics, 2005)

다) 일본

1994년 일본의 오사카 지역에서는 7월과 8월에 75일간 30℃ 이상을 계속해서 지속

되었다. 같은 해의 7월과 8월 동안 오사카 지역의 고온과 련된 과 사망의 수는

1,388명(7월: 655명, 8월: 733명)으로 추정되었는데, 이 수치는 지난 5년간의 평균치

에 비해 1.5배나 높은 것이었다. 특히 70세 이상의 여성에서 사망자가 크게 증가하

다(Bai H et al., 1995).

라) 랑스

유럽의 여러 나라들 가운데 2003년 혹서로 인한 피해를 가장 많이 받은 나라는

랑스이다. 랑스에서는 2003년 8월 1일부터 8월 20일까지 약 14,800명 이상이 과

사망하 다. 75세 이상의 고령자들이 사망률에 가장 먼 향을 받았지만(70% 이

- 17 -

상), 45세~74세의 연령집단에서도 심각한 향을 받았다(30% 이상). 한 모든 연령

집단에서 여성이 남성보다 15~20% 정도 사망률이 높았다.

랑스 부분이 혹서로 인한 피해를 경험했지만, 리와 교외(suburbs)지역이 가장

많은 향을 받았다. 일부 연구들을 살펴보면, 온도가 가장 높았을 때, 과 사망률

도 증가하 다.

랑스는 2003년 혹서 이후에, "The French Heat-Wave National Plan"을 수립하

으며, 이 계획에는 "Heat Health Watch Warning System"이 포함되어 모든 지역에

서 이 시스템을 운 하도록 하고 있다(Wilhelm K, 2005; Institut de Veille

Sanitaire, 2003).

마) 이탈리아

2003년 혹서로 인한 피해를 알아보고자 이탈리아의 “Italian Minister of Health"에

서는 역학연구를 실시하 다. 그 결과 2002년과 2003년의 6월 1일부터 8월 31일까

지 3,134명이 사망하 으며(21개 도시), 사망자 수의 부분(92%)는 75이상의 고령자

들이었다(표 Ⅱ-3).

북서쪽의 도시들(Turin, Milan, Genoa)에서 사망률이 가장 많이 증가하 다. Turin

지역은 기상 측이 시작된 이래(1752년) 2003년 여름의 온도가 가장 높았으며,

Milan(8월), 로마(6월)의 온도가 거의 40℃ 다(Wilhelm K, 2005).

표 Ⅱ-3. 2002년과 2003년의 사망률(21개 도시, 6월 1일~8월 31일)

모든 연령 75세 이상

도시 2002년 2003년

차이

(2003년-

2002년)

차이(%) 2002년 2003년

차이

(2003년-

2002년)

차이(%)

Turin 1,780 2,341 561 31.5 1,134 1,643 509 44.9

Aosta 96 101 5 5.2 59 70 11 18.6

Genoa 1,829 2,136 307 16.8 1,295 1,575 280 22.2

Milan 2,438 2,953 515 21.1 1,612 2,105 493 30.6

Trento 168 223 55 32.7 122 165 43 35.2

Bolzano 196 251 55 28.1 135 156 21 15.6

Venice 706 763 57 8.1 491 541 50 10.2

Trieste 795 835 40 5.0 571 606 35 6.1

Bologna 968 1,144 176 18.2 698 880 182 26.1

Ancona 271 309 38 14.0 187 227 40 21.4

Florence 941 1,015 74 7.9 707 790 83 11.7

Perugia 332 368 36 10.8 229 268 39 17.0

Rome 5,246 5,849 603 11.5 3,334 3,899 565 16.9

Naples 2,033 2,339 306 15.1 1,231 1,458 227 18.4

- 18 -

(계속)

모든 연령 75세 이상

도시 2002년 2003년

차이

(2003년-

2002년)

차이(%) 2002년 2003년

차이

(2003년-

2002년)

차이(%)

L'Aquila 125 138 13 10.4 77 96 19 24.7

Campobasso 71 78 7 9.9 42 54 12 28.6

Bari 535 675 140 26.2 340 455 115 33.8

Potenza 109 122 13 11.9 63 79 16 25.4

Catanzaro 135 142 7 5.2 86 76 -10 -11.6

Palermo 1,469 1,558 89 6.1 896 1,010 114 12.7

Cagliari 321 358 37 11.5 208 240 32 15.4

Total 20,564 23,695 3,134 15.2 13,517 16,393 2,876 21.3

바) 포르투갈

2003년 포르투갈에서는 혹서로 인한 경보(alert)가 3회(6월 18일~20일, 7월 29일~8월

13일, 9월 11일~14일) 발령되었다. 특히 2003년 6월 1일~8월 31일동안 병원 응 실

방문자가 지난 2년에 비해 11.6% 증가한 것으로 밝 졌다(표 Ⅱ-4, Wilhelm K,

2005).

표 Ⅱ-4. 병원 응 실 방문자 수(6월 1일~8월 31일)

연령 2001년 2월 2003년 변동 △%

총 연령집단 1,289,916 1,439,875 149,959 11.6

75세 이상 994,445 126,506 27,062 27.2

사) 헝가리

헝가리의 부다페스트 지역에서는 1970년~2000년 사이에 혹서가 1994년, 1998년,

2000년에 각 2차례씩(총 6회) 발생하 다(표 Ⅱ-5).

기온과 총 사망률의 련성을 살펴본 결과 일일 평균 온도(18℃)에서 5℃가 증가함

에 따라 총 사망률이 10.6% 증가하 다(95% CI 9.7, 14.0). 특히 심 계 질환의 총

사망률은 18%(96% CI 11, 29), 호흡기 질환은 8.8%(96% CI 5.4, 23)가 증가하 다.

각 년도별로 과사망률을 살펴보면 22%(1994년, 6월), 12%(1994년, 8월), 24%(1998

년 7월), 26%(1998년 8월), 52%(2000년 6월), 24%(2000년 8월)로 나타났으며, 75세

이상의 연령집단에서 혹서로 인한 과사망자가 가장 많이 발생하 다.

2000년 6월의 혹서는 온도가 더 높거나 발생기간이 길지 않았음에도 불구하고,

가장 많은 향을 받았다. 하지만, 같은 연도의 2번째 혹서에서는 피해가 감소가 되

었는데, 이것은 인구집단에서 기후순응이 증가된 것으로 보인다(Wilhelm K, 2005).

- 19 -

표 Ⅱ-5. 혹서 발생일

혹서발생년도 기간 평균 온도(℃) 최고온도(℃)

1994년 6월 28일~7월 1일 4일 27.0 36.3

7월 30일~8월 8일 10일 27.5 36.3

1998년7월 22일~7월 25일 4일 27.4 34.6

8월 3일~8월 5일 3일 27.6 36.7

2000년6월 13일~6월 15일 3일 27.5 36.2

8월 20일~8월 22일 3일 28.1 37.9

아) 한국

우리나라에서는 1994년 여름에 혹서가 발생하 다. 1994년 7월과 8월의 서울 지역

평균 기온은 28.0℃로서 1991년부터 1993년까지의 7, 8월 평균 기온인 24.3℃에 비

해 월등히 높았다.

당시 하루 평균기온이 30℃를 넘었던 7월 22일부터 7월 29일까지의 사망자 수를 분

석해본 결과 총 사망자 수(교통사고 등의 사고사 제외)는 1,074명으로 1991~1993년

의 같은 기간에 비해 72.9% 증가하 다. 특히, 심 계 질환으로 인한 사망자 수가

96.3% 증가하 다(표 Ⅱ-6). 사망자 수를 연령별로 구분해보면 65세 이하의 연령에

서 사망자는 271명으로 1991년~1993년의 같은 기간에 비해 39.2%의 증가만이 있었

으나, 65세 이상의 연령에서는 713명이 사망하여 104%의 증가한 것으로 나타났다

(권호장).

표 Ⅱ-6. 1994년 혹서 때 사망자 수(1994년 7월 22일~29일)

1991년-1993년* 1994년 증감율(%)

평균기온 24.3 31.7 +30.5

총 사망자 수** 621 1,074 +72.9

심 계 사망자 수 187 367 +96.3

65세 미만 사망자 수 271 361 +39.2

65세 이상 사망자 수 350 713 +104.0

* 사망자 수: 3년 평균 수치임

** 사고사 제외

- 20 -

다. 기온상승과 건강 향에 한 국내 연구

우리나라는 최근 100년 동안 평균기온 상승폭은 1.5℃로 세계 인 평균기온 상

승폭인 0.6℃보다 더 큰 변화를 보이고 있으며, 기후변화와 련된 생태계의 변화가

나타나고 있다. 따라서 우리나라에서도 기후변화로 인해 국민들의 건강악 향이 발

생하고 있을 가능성이 높다(IPCC, 2001; Andy Haines, 2004).

지 까지는 국내에서 기후변화로 인한 건강 향이나 응방안과 련된 연구가 체

계 으로 이루어지지 못하 다. 하지만, 기후변화로 인한 건강 향에 해 심이

증 됨에 따라 최근에는 이에 한 연구가 진행이 되고 있다.

최근 우리나라에서 진행된 주요연구는 다음과 같다.

1) 기후변화로 인한 여름철 혹서 상이 사망률에 미치는 향 연구

본 연구는 1991년부터 2000년까지 서울시 일별 사망자료와 기상청 기상자료Poisson

regression과 generalized additive model (GAM)을 사용하여 분석한 연구이다.

주요 결과는 서울의 경우 29.9℃ 이상에서 기온이 1℃상승할 때 사망자 3.0% 증가

하는 것으로 나타났으며, 혹서의 지속기간별 사망자수를 분석한 결과 7일 이상 혹

서가 지속된 경우 사망자 수가 9% 이상 증가하 다.

한, 혹서기간동안 사망자의 사망원인으로 내분비 양 사 질환이 43.0%, 순환

기계통의 질환이 30.5%, 호흡기계통 질환이 43.8% 증가하 고, 65세 이상 노년층에

서 사망자 수가 75% 이상 증가하여 노년층이 특히 고온노출에 민감한 것으로 나타

났다. 65세 노년층 에서도 배우자가 없는 경우, 남성의 경우 고온에 더욱 취약한

것으로 나타났다(김소연, 2004).

2) 우리나라 도시 지역에서 기온과 사망률과의 련성 연구

우리나라 도시 지역에서 기온과 사망률과의 계를 분석한 결과 여름철 기온이

상승함에 따라 사망률이 증가하 다. 이것은 1994년 7월과 8월 두 달 동안 서울의

사망자가 년도 같은 기간에 비해 두 배 이상 늘어난 것으로 확인되어 혹서에 의

한 인명 피해가 상외로 클 가능성이 있음을 보여주는 것이다. 서울의 경우 최근

10년 동안 고온 상을 보이는 날의 발생빈도가 증가하고 있으며, 10년 동안의 여

름철 평균 일최고기온과 일평균사망자수 사이에 높은 상 계를 보이고 있었다(환

경부, 2003).

3) 열지수와 사망률간의 련성 연구

1973년부터 1998까지 우리나라에서 발생한 특정 생리기후학 임계치 이상의 열지

- 21 -

수 (Heat index)의 빈도와 강도, 지속기간, 지리 분포 등의 기후학 특징을 분석

한 연구이다.

주요 연구결과로는 1970년 이후 진행된 도시화의 향으로 인구가 증했던 역

도시들을 심으로 임계치 열지수의 발생빈도가 증가하 으며, 최고 열지수와 최고

사망률을 모이는 날 사이에 3일의 차이가 보 다(Lag effect).

한, 열지수와 사망률 사이의 계 (그림 Ⅱ-4)가 온도와 사망률 사이의 계보다

더 강한 것으로 나타났으며, 단기간에 집 으로 높은 열지수 환경이 장기간에 걸

친 덜 높은 열지수 환경보다 더 치명 이었던 것으로 나타났다(최 용, 2002).

그림 Ⅱ-4. 1994년 7-8월 동안 서울의 열지수와 사망률간의 계:

HDNO-심 계 질환으로 인한 사망, TDNO-질병으로 인한

사망(출처: 최 용, 2002)

- 22 -

III. 우리나라 여름철 이상고온으로 인한 초과사망 연구

1. 개요

본 장에서는 우리나라 7개 도시(서울, 부산, 인천, 구, 주, , 울산)를 상

으로 여름철 기온과 사망사이의 계를 설명하는 모형을 도출하 다. 모형의 검증

은 모형을 세우는 데 포함되지 않았던 2004년 자료를 이용하여 이루어졌다. 모형에

근거하여 1994년 여름에 발생한 혹서로 인한 과사망자 수를 추정하 다. 여름철

고온이 기 화학 반응을 진시켜 오존농도를 증가시킬 수 있으므로 여름철

과사망에 오존이 기여하는 바를 고찰하 다.

2. 연구자료 방법

가. 연구 상 기간 지역

기온 상승으로 인한 과사망률을 추정하기 해서는 과사망의 지표로서 일별 사

망자수가 필요하며 과사망의 원인으로 일별 기상 값이 필요하다. 기 오존농

도와의 계를 고찰하기 하여 해당 지역의 일별 오존농도 자료가 필요하다. 재

이용 가능한 자료의 정도에 따라서 연구 상기간 지역을 정하 다. 아래 표 Ⅲ-1

에 이번 연구에서 활용한 자료의 종류와 기간을 정리하 다.

표 Ⅲ-1. 본 연구에 사용한 자료 연구 상기간

지역 인구 사망 자료 기상자료 기오염 자료 기온-사망 분석 오존-사망 분석

서울 1991년 - 2003년 1994년 - 2003년 1995년 - 2004년 6월 1994년 - 2003년 1995년 - 2003년

부산 1991년 - 2003년 1994년 - 2003년 1995년 - 2004년 6월 1994년 - 2003년 1995년 - 2003년

구 1991년 - 2003년 1994년 - 2003년 1995년 - 2004년 6월 1994년 - 2003년 1995년 - 2003년

1991년 - 2003년 1994년 - 2003년 1995년 - 2004년 6월 1994년 - 2003년 1995년 - 2003년

인천 1991년 - 2003년 1994년 - 2003년 1998년 - 2004년 6월 1994년 - 2003년 1998년 - 2003년

주 1991년 - 2003년 1994년 - 2003년 1995년 - 2004년 6월 1994년 - 2003년 1995년 - 2003년

울산 1997년 - 2003년 1994년 - 2003년 1995년 - 2004년 6월 1997년 - 2003년 1997년 - 2003년

인구가 집되어 있으면서 일별 사망자수에 변동성이 존재하는 우리나라 7개 도

시를 선정하 다. 7개 도시를 제외한 일반 소도시 농어 지역은 일별 사망

자수가 고 변동의 폭이 어 분석 상에서 제외시켰다. 기온변화에 의한 과사

망률 추정을 한 분석은 기상자료의 한정으로 1994년~2003년 동안을 연구기간으로

선정하 다. 기오염(오존)에 의한 과사망률 추정을 한 분석에서는 기오염자

- 23 -

료가 있는 1995년~2003년 동안을 연구기간으로 선정하 다. 울산과 인천의 경우에

는 사망 자료와 기오염 자료의 부족으로 불가피하게 연구기간을 조정하 다. 울

산의 경우 1997년 역시로 승격되어 행정구역에 변화가 생겼기 때문에 사망 자료

추 이 어렵다. 인천의 기오염 자료는 1998년부터 이용 할 수 있어 상 연구기

간을 축소하 다.

나. 연구자료

본 연구에서 사용된 기상, 기, 사망 인구자료의 내용 특성은 다음과 같다.

1) 기상자료

가) 표면기온과 상 습도

기상 자료는 기상청에서 제공한 것을 사용하 다. 연구 상 지역에 속하는 기상

의 치는 다음 표 Ⅲ-2와 같다.

표 Ⅲ-2. 기상 자료의 지역별 측지

지 번호

Station

No.

측지 (Station)북

Lat.(N)

동 경

Long.(E)

H

(m)

Hb

(m)

ht

(m)

ha

(m)

hr

(m)

108 서울 Seoul 37°34' 126°58' 85.5 86.2 1.5 10.0 0.2

112 인천 Incheon 37°28' 126°38' 68.9 70.3 1.4 14.0 0.5

133 Daejeon 36°22' 127°22' 68.3 71.5 1.6 22.8 0.6

143 구 Daegu 35°53' 128°37' 57.6 59.0 1.5 10.0 0.6

152 울산 Ulsan 35°33' 129°19' 34.7 35.5 1.5 12.4 0.6

156 주 Gwangju 35°10' 126°54' 70.5 73.7 1.5 17.5 0.6

159 부산 Busan 35°06' 129°02' 69.2 69.9 1.7 17.8 0.6

H: 노장의 해발높이 (Height of observation field above mean sea level)

Hb: 수은기압계의 해발높이 (Height of mercurial barometer above mean sea level)

ht: 기온계의 지상높이 (Height of thermometer above the ground)

ha: 풍속계의 지상높이 (Height of anemometer above the ground)

hr: 우량계의 지상높이 (Height of rain gauge above the ground)

(출처: :기상청, http://www.kma.go.kr/)

기상 는 표면기온(temperature)을 1시간에 한번, 상 습도(humidity)는 3시간에 한

번씩 측정한다. 본 연구에서 일평균 기온 (daily mean temperature)과 일평균 습도

(daily mean relative humidity)를 1일 8회 측정치(03시, 06시, 09시, 12시, 15시, 18

시, 21시, 24시)의 평균을 구하여 일별 표치로 사용하 다. 모형에 일별 최 값을

사용한 경우 8회 측정치 의 최 값을 구하여 활용하 다.

- 24 -

나) 열지수

본 연구에서 기온뿐 아니라 인체가 생리 으로 느끼는 지표에 가까운 열지수(heat

index)와 과사망률 사이의 계를 분석하 다. 1일 8회의 표면 기온과 상 습도를

이용하여 1일 8개의 열지수 값을 산출했으며, 이것의 평균, 최 , 최소값을 이용하

여 일별 열지수의 표치로 사용하 다. 열지수 산출방법과 기온, 습도, 열지수의

계에 한 자세한 설명은 부록 1에 두었다.

2) 기질 측정자료

기질 측정자료는 국립환경과학원에서 제공하는 자료를 사용하 다. 각 지역별

기질 측정망은 서울 27개, 부산 9개, 구 6개, 인천 10개, 주 4개, 3개 그리

고 울산 11개가 존재한다.(2002년 기 ) 각각의 측정망에서는 1시간마다 오존 농도

를 측정한다. 본 연구에서는 해당 지역의 모든 측정망에서 측정한 값의 시간별 평

균을 계산하여 이 값을 그 지역의 시간 표치로 정하 다. 즉, 서울은 27개 측정값

의 평균이 그 시간의 서울지역 오존농도 표치인 셈이다. 매일 24개의 시간 표

치를 이용하여 일평균, 최 그리고 최소값을 구하 다. 오존의 측정 단 는 ppb이

며 소수 첫째 자리까지 표시하 다.

3) 사망자료 인구 자료

개인별 원시사망자료는 통계청에서 제공하 다. 자료의 지역구분은 개인의 거주지

정보를 근거로 하 다. 만일 특정 지역에서 사망한 사람의 주민등록지가 다른 지역

으로 되어 있을 경우에는 특정 지역의 사망자 수에서 제외하 다. 인구자료는 매년

1월 1일의 해당 지역에 존재한 주민등록번호를 이용하여 그 지역의 인구수를 정리

한 것으로 통계청에서 제공한다. 인구자료로서 센서스(censes) 자료를 이용할 수도

있지만, 본 연구에서 사망 자료와의 직 비교가 가능하도록 주민등록 인구자료를

이용하 다.

다. 일별 사망수의 표 화

1) 인구분포 특성 표 화의 필요성

국 7개 도시의 연도별 인구변화 추이를 아래 표와 그림으로 정리하 다. 국

7개 도시의 체 인구수와 65세 이상의 인구수의 남녀별 변화는 두 가지의 큰 특

징을 보이고 있다. 서울과 부산의 경우에는 해가 지날수록 인구는 계속해서 감소하

는 것을 보이고 있지만 그 외 5개 도시에 해서는 인구수가 계속 증가하는 추

세를 보이고 있다. 다른 하나의 특징은 국 7개의 도시 모두 해가 갈수록 65세

- 25 -

이상의 인구 구성비는 계속 증가하고 있음을 알 수 있다.

가) 서울

서울의 체인구는 해마다 어들고 있으나, 65세 이상의 인구 비율은 1994년 4.1%

에서 2003년 6.0%로 계속 증가하는 경향을 보인다(표 Ⅲ-3, 그림 Ⅲ-1).

표 Ⅲ-3. 서울의 인구변화표

단 : 명

연 도 65세 이상

남자 인구

65세 이상

여자 인구

65세 체

인구

체

남자 인구

체

여자 인구체 인구

1994 152,121 292,156 444,277 5,477,845 5,411,654 10,889,499

1995 156,796 296,166 452,962 5,408,827 5,350,627 10,759,454

1996 160,419 298,499 458,918 5,302,277 5,248,594 10,550,871

1997 165,510 302,256 467,766 5,231,039 5,187,037 10,418,076

1998 174,096 309,892 483,988 5,186,530 5,149,604 10,336,134

1999 184,823 319,188 504,011 5,146,825 5,123,681 10,270,506

2000 197,587 331,040 528,627 5,141,141 5,123,119 10,264,260

2001 212,862 345,704 558,566 5,166,605 5,144,709 10,311,314

2002 227,039 358,858 585,897 5,141,741 5,121,595 10,263,336

2003 241,134 371,649 612,783 5,108,964 5,098,331 10,207,295

그림 Ⅲ-1. 서울의 인구변화

- 26 -

나) 부산

부산은 1995년 한 해에만 년도에 비해서 체 인구수가 증가하 다. 1995년 이후

로는 서울과 비슷한 양상을 보 다. 즉, 체인구는 감소하면서 65세 이상의 노령

인구의 비율은 10년 동안 4.3%에서 7.3%로 증가하 다(표 Ⅲ-4, 그림 Ⅲ-2).

표 Ⅲ-4. 부산의 인구변화표

단 : 명

연 도 65세 이상

남자 인구

65세 이상

여자 인구

65세 체

인구

체

남자 인구

체

여자 인구체 인구

1994 55,411 110,014 165,425 1,920,107 1,919,705 3,839,812

1995 59,790 117,149 176,939 1,941,693 1,942,187 3,883,880

1996 63,386 121,764 185,150 1,932,943 1,934,182 3,867,125

1997 67,800 127,205 195,005 1,924,904 1,926,408 3,851,312

1998 72,136 132,102 204,238 1,914,196 1,914,902 3,829,098

1999 77,648 138,670 216,318 1,908,068 1,909,202 3,817,270

2000 83,697 145,378 229,075 1,897,050 1,899,456 3,796,506

2001 89,847 152,296 242,143 1,883,524 1,887,012 3,770,536

2002 96,171 158,471 254,642 1,862,520 1,867,605 3,730,125

2003 103,059 165,176 268,235 1,842,405 1,849,040 3,691,445

* 연도별 인구 시 : 1월 1일

그림 Ⅲ-2. 부산의 인구변화

- 27 -

다) 구

서울과 부산과는 달리 구의 체 인구수는 1994년 이후 계속 증가하는 양상을 보

이고 있다. 65세 이상의 인구 비율 역시 다른 도시와 동일하게 증가하는 양상을

보이고 있다(표 Ⅲ-5, 그림 Ⅲ-3).

표 Ⅲ-5. 구의 인구변화표

단 : 명

연 도 65세 이상

남자 인구

65세 이상

여자 인구

65세 체

인구

체

남자 인구

체

여자 인구체 인구

1994 34,343 67,941 102,284 1,176,372 1,166,308 2,342,680

1995 38,843 75,374 114,217 1,246,728 1,231,861 2,478,589

1996 40,761 78,231 118,992 1,247,132 1,233,213 2,480,345

1997 43,616 81,826 125,442 1,250,442 1,237,904 2,488,346

1998 46,398 85,029 131,427 1,253,073 1,240,367 2,493,440

1999 50,334 89,890 140,224 1,259,384 1,246,326 2,505,710

2000 54,499 94,546 149,045 1,268,348 1,255,905 2,524,253

2001 58,413 98,856 157,269 1,268,488 1,256,621 2,525,109

2002 62,344 103,472 165,816 1,268,530 1,257,273 2,525,803

2003 66,784 108,326 175,110 1,269,880 1,259,664 2,529,544

* 연도별 인구 시 : 1월 1일

그림 Ⅲ-3. 구의 인구변화

- 28 -

라) 인천

인천의 인구변화는 구와 비슷한 양상을 보이고 있다. 체 인구수는 증가하면서

65세 이상의 인구 비율 한 다른 도시와 동일하게 증가하는 경향을 보이고 있다

(표 Ⅲ-6, 그림 Ⅲ-4).

표 Ⅲ-6. 인천의 인구변화표

단 : 명

연 도 65세 이상

남자 인구

65세 이상

여자 인구

65세 체

인구

체

남자 인구

체

여자 인구체 인구

1994 32,132 56,839 88,971 1,110,814 1,089,955 2,200,769

1995 38,545 67,337 105,882 1,187,620 1,165,453 2,353,073

1996 40,283 70,619 110,902 1,206,978 1,184,846 2,391,824

1997 42,376 74,625 117,001 1,233,907 1,211,706 2,445,613

1998 44,904 78,751 123,655 1,253,485 1,231,714 2,485,199

1999 47,664 82,698 130,362 1,266,057 1,243,029 2,509,086

2000 51,060 87,256 138,316 1,284,769 1,261,000 2,545,769

2001 54,194 91,432 145,626 1,294,400 1,270,198 2,564,598

2002 57,439 95,396 152,835 1,301,499 1,276,490 2,577,989

2003 61,088 99,572 160,660 1,296,989 1,273,205 2,570,194

* 연도별 인구 시 : 1월 1일

그림 Ⅲ-4. 인천의 인구변화

- 29 -

마)

의 인구변화 역시 구, 인천과 비슷한 양상으로, 체 인구수는 증가하면서 65

세 이상의 인구 비율 한 증가하는 경향을 보이고 있다(표 Ⅲ-7, 그림 Ⅲ-5).

표 Ⅲ-7. 의 인구변화표

단 : 명

연 도 65세 이상

남자 인구

65세 이상

여자 인구

65세 체

인구

체

남자 인구

체

여자 인구체 인구

1994 20,095 35,786 55,881 620,373 612,450 1,232,823

1995 21,010 37,450 58,460 636,556 628,525 1,265,081

1996 21,978 39,079 61,057 651,137 642,623 1,293,760

1997 23,199 40,853 64,052 663,060 655,152 1,318,212

1998 24,463 42,848 67,311 674,563 666,850 1,341,413

1999 26,351 45,217 71,568 685,460 678,086 1,363,546

2000 28,208 47,561 75,769 695,881 689,725 1,385,606

2001 30,114 50,214 80,328 704,489 698,675 1,403,164

2002 32,255 52,558 84,813 712,653 706,920 1,419,573

2003 34,492 55,109 89,601 718,968 713,328 1,432,296

* 연도별 인구 시 : 1월 1일

그림 Ⅲ-5. 의 인구변화

- 30 -

바) 주

주 역시 구, , 인천과 비슷한 양상으로, 체 인구수는 증가하면서 65세 이

상의 인구 비율은 증가하는 경향을 보이고 있다(표 Ⅲ-8, 그림 Ⅲ-6).

표 Ⅲ-8. 주의 인구변화표

단 : 명

연 도 65세 이상

남자 인구

65세 이상

여자 인구

65세 체

인구

체 남자

인구

체 여자

인구체 인구

1994 19,859 40,329 60,188 631,353 641,162 1,272,515

1995 20,605 41,505 62,110 637,914 647,719 1,285,633

1996 21,537 42,839 64,376 644,872 655,323 1,300,195

1997 22,589 44,135 66,724 656,596 667,267 1,323,863

1998 23,839 45,532 69,371 665,166 674,275 1,339,441

1999 25,795 47,716 73,511 673,853 682,759 1,356,612

2000 27,680 49,645 77,325 681,570 690,339 1,371,909

2001 29,280 51,594 80,874 687,267 696,498 1,383,765

2002 31,309 53,752 85,061 693,937 703,515 1,397,452

2003 33,501 55,922 89,423 693,149 702,613 1,395,762

*연도별 인구 시 : 1월 1일

그림 Ⅲ-6. 주의 인구변화

- 31 -

사) 울산

울산 역시 서울과 부산을 제외한 다른 도시와 마찬가지로 체 인구수는 증가하

면서 65세 이상의 인구 비율은 증가하는 경향을 보이고 있다(표 Ⅲ-9, 그림 Ⅲ-7).

표 Ⅲ-9. 울산의 인구변화표

단 : 명

연 도 65세 이상

남자 인구

65세 이상

여자 인구

65세 체

인구

체

남자 인구

체

여자 인구체 인구

1997 11,644 23,950 35,594 518,930 490,722 1,009,652

1998 12,584 24,797 37,381 520,696 494,553 1,015,249

1999 13,439 26,251 39,690 525,098 499,238 1,024,336

2000 14,518 27,601 42,119 533,559 506,666 1,040,225

2001 15,583 29,103 44,686 541,907 513,711 1,055,618

2002 16,709 30,657 47,366 546,847 518,190 1,065,037

2003 18,135 32,412 50,547 551,084 521,783 1,072,867

* 연도별 인구 시 : 1월 1일

* 울산의 경우는 1997년 이후부터 역시로 승격 되면서 실제 인 행정 구역 변함

그림 Ⅲ-7. 울산의 인구변화

- 32 -

국의 7개 도시 에서 서울과 부산을 제외한 구, 주, , 울산, 인천의 5

개 도시의 인구는 증가하고 있는 것으로 나타났다. 7개 도시 모두 65세 인구의

구성비가 계속해서 증가하는 것으로 나타나고 있다.

장기간의 사망 자료를 분석 할 경우에 시간의 흐름에 따라 인구 구성비가 변화하고

그에 따라 일별 사망자수의 비율이 달라질 수 있으므로 인구구성비에 근거하여 사

망 자료를 보정한 후 분석에 활용하여야 한다. 특히 우리나라와 같은 노령화가 매

우 빠르게 진행되는 사회에서는 연령별 표 화 작업이 필수 이다. 에 제시된 표

와 그림에서 보이는 바와 같이 우리나라 7개 도시별 인구수의 변화와 인구 65

세 이상의 비율이 하게 변화하는 양상을 보정하기 해서 본 연구에서는 인구

자료를 표 화하 다.

2) 표 화의 방법

표 화의 방법에는 동일 지역 인구자료의 시간 인 변화를 보정하기 한 직 표

화와 다른 지역의 인구 특성과 비교하기 하여 보정하는 간 표 화, 두 가지

방법이 있다. 본 연구에서는 직 표 화 방법을 용하 다. 연구 상 지역의 특정

시 의 인구를 기 으로 시간의 흐름에 따른 인구구성비의 변화를 보정하 다. 기

온변화에 따른 “일별” 사망자 수의 변화를 찰하기 하여 2001년 1월 1일의 주민

등록 인구 구성비를 기 으로 일별 직 표 화 사망수를 구하 다.

인구 자료는 일 년에 한 번 매년 1월 1일의 주민등록 인구수를 통계청에서 제공하

기 때문에 일별 인구수는 추정하여 분석에 활용하 다. 를 들어 올해 1월 1일과

내년 1월 1일 인구의 변화를 365일로 나 값을 기울기로 하여 작년 한 해 동안 매

일의 인구수를 추정하 다. 아래의 그림 Ⅲ-8은 일별 인구수를 산출하기 한 방법

을 도식화한 것이다.

그림 Ⅲ-8. 일별 표 화 기 인구수 계산 개요도

.

- 33 -

아래의 표 Ⅲ-10은 에서 구한 일별 인구수를 이용하여 2003년 1월 16일의 표 화

일별 사망수를 산출하는 방법에 한 를 보여 다. 실제는 89명의 사망자수가 발

생했지만 직 표 화 후 82.1명의 사망자 수가 되었다.

표 Ⅲ-10. 일별 표 화된 사망자수 산출

2003-01-16일의 표 화 사망 건수

실제 발생

건수 ㉠

2003-01-01의

실제 인구

2003-01-16의

경과된 인구 ㉡

2001-01-01 기

표 인구 ㉢

표 화

발생건수

㉣=㉠*㉢/㉡

남자

0-4세 0 286,253 285,613 324,052 0.0

5-9세 0 334,305 333,807 353,699 0.0

10-14세 0 339,956 340,135 329,395 0.0

15-19세 0 356,746 356,054 415,717 0.0

20-24세 0 461,353 461,152 459,301 0.0

25-29세 0 524,792 523,828 576,415 0.0

30-34세 0 556,716 556,594 532,609 0.0

35-39세 0 437,777 438,117 455,558 0.0

40-44세 3 452,061 451,769 444,484 3.0

45-49세 2 386,024 386,653 353,932 1.8

50-54세 2 292,062 292,117 290,177 2.0

55-59세 9 236,455 236,761 242,951 9.2

60-64세 5 203,330 203,513 175,453 4.3

65-69세 10 118,722 119,113 101,261 8.5

70-74세 6 61,834 62,025 54,760 5.3

75-80세 3 33,622 33,671 32,960 2.9

80-85세 4 18,286 18,360 16,113 3.5

85세이상 5 8,670 8,692 7,768 4.5

- 34 -

(계속)

2003-01-16일의 표 화 사망 건수

실제 발생

건수 ㉠

2003-01-01의

실제 인구

2003-01-16의

경과된 인구 ㉡

2001-01-01 기

표 인구 ㉢

표 화

발생건수

㉣=㉠*㉢/㉡

여자

0-4세 0 265,349 264,773 299,676 0.0

5-9세 0 299,560 299,260 314,443 0.0

10-14세 0 303,475 303,585 294,452 0.0

15-19세 0 327,782 327,108 382,681 0.0

20-24세 0 468,187 468,182 467,705 0.0

25-29세 0 511,721 510,740 554,577 0.0

30-34세 0 510,963 510,970 486,430 0.0

35-39세 0 419,889 420,288 443,855 0.0

40-44세 1 471,297 470,801 471,008 1.0

45-49세 1 407,410 408,084 371,799 0.9

50-54세 0 299,223 299,393 296,776 0.0

55-59세 4 239,984 240,366 236,836 3.9

60-64세 5 201,842 202,081 178,767 4.4

65-69세 4 138,656 138,977 125,570 3.6

70-74세 6 97,178 97,275 92,226 5.7

75-80세 3 66,865 66,961 64,632 2.9

80-85세 7 41,136 41,258 38,026 6.5

85세이상 9 27,814 27,854 25,250 8.2

합 계 89 10,207,295 10,205,930 10,311,314 82.1

3) 도시별 일평균 사망자 수의 표 화

국 7개 도시의 표 화 과 후의 일별 사망자수의 변화를 <표 Ⅲ-11~Ⅲ-17>과

<그림 Ⅲ-9~Ⅲ-15>에 정리하 다.

- 35 -

가) 서울

그림 Ⅲ-9 에서 보는 바와 같이 서울지역의 사망자수는 계 별로 차이를 보일 뿐(겨

울철 사망자수가 많다), 연도별 차이는 크게 나타나지 않고 있다. 표 Ⅲ-11에 정리된

바와 같이 서울의 표 화 연도별 일평균 사망자 수는 90에서 96명 정도로 해마

다 큰 변동 없이 비슷한 것으로 보인다. 그러나 2001년 인구 구성비율로 표 화한

일별 사망자 수는 1994년 일평균 113.5명에서 2003년 84명으로 히 감소하는 추

세를 보인다. 이는 서울 인구 노인인구의 비율이 많아짐에 따른 결과이다.

표 Ⅲ-11. 서울의 표 화 후 사망 수

연도표 화 표 화 후

일평균 표 편차 일평균 표 편차

1994 92.868 13.424 113.555 16.667

1995 90.227 11.703 108.231 14.244

1996 90.098 10.501 105.874 12.477

1997 90.934 11.153 103.643 12.993

1998 91.712 12.82 100.724 13.743

1999 92.795 12.76 98.098 13.596

2000 96.175 13.649 98.023 14.253

2001 94.225 11.008 92.744 10.98

2002 94.759 13.06 90.04 12.187

2003 91.808 11.199 83.915 10.296

그림 Ⅲ-9. 서울의 표 화 후 사망 수

- 36 -

나) 부산

부산의 표 화 이 일평균 사망자수는 1994년 39.6명에서 2003년 44.5명으로 차

늘어나는 것으로 보 다. 그러나 서울과 마찬가지로 인구구성의 변화를 보정한 결

과 1994년 53.3명에서 2003년 40.1명으로 일별 사망자 수가 감소하는 뚜렷한 추세를

보 다(표 Ⅲ-12, 그림 Ⅲ-10).

표 Ⅲ-12. 부산의 표 화 후 사망 수

연도표 화 표 화 후

일평균 표 편차 일평균 표 편차

1994 39.658 6.841 53.289 9.410

1995 40.186 7.292 50.486 9.326

1996 40.604 6.806 49.263 8.355

1997 42.767 7.665 49.451 9.012

1998 43.077 7.190 47.887 7.963

1999 44.652 8.054 47.503 8.613

2000 44.637 8.743 45.705 9.094

2001 44.540 7.162 43.677 7.184

2002 45.471 8.005 42.585 7.371

2003 44.477 7.303 40.102 6.629

그림 Ⅲ-10. 부산의 표 화 후 사망 수

- 37 -

다) 구

구의 표 화 이 일별 사망자수는 1994년 23.7명에서 2003년 27.4명까지 해마다

조 씩 증가하는 것으로 나타났다. 그러나 앞서 다른 도시와 마찬가지로 인구구

성의 변화를 보정한 결과 1994년 32.9명에서 2003년 24.5명까지 매년 일별 사망자

수가 감소하는 추세를 보 다(표 Ⅲ-13, 그림 Ⅲ-11).

표 Ⅲ-13. 구의 표 화 후 사망 수

연도표 화 표 화 후

일평균 표 편차 일평균 표 편차

1994 23.723 5.327 32.883 7.479

1995 25.225 5.603 30.846 7.105

1996 25.454 5.688 30.801 6.980

1997 25.937 5.299 29.898 6.212

1998 26.219 5.797 29.152 6.443

1999 26.945 6.045 28.580 6.440

2000 27.661 5.732 28.242 5.916

2001 27.427 5.764 26.938 5.704

2002 27.573 5.843 25.668 5.395

2003 27.416 5.705 24.529 5.100

그림 Ⅲ-11. 구의 표 화 후 사망 수

- 38 -

라) 인천

인천의 표 화 이 일별 사망자수는 1994년 19.5명에서 2003년 25.5명까지 해마다

조 씩 증가하는 것으로 나타났다. 그러나 앞서 다른 도시와 마찬가지로 인구구

성의 변화를 보정한 결과 1994년 30.2명에서 2003년 22.8명까지 매년 일별 사망자

수가 감소하는 추세를 보 다(표 Ⅲ-14, 그림 Ⅲ-12).

표 Ⅲ-14. 인천의 표 화 후 사망 수

연도표 화 표 화 후

일평균 표 편차 일평균 표 편차

1994 19.534 5.088 30.173 7.887

1995 21.893 5.101 27.582 6.671

1996 22.205 4.661 27.852 5.991

1997 23.921 5.157 28.329 6.207

1998 23.937 5.374 26.905 5.988

1999 24.767 5.381 26.568 5.760

2000 25.697 5.742 26.179 5.862

2001 25.362 5.490 24.863 5.428

2002 25.723 5.414 23.930 4.992

2003 25.548 5.012 22.822 4.475

그림 Ⅲ-12. 인천의 표 화 후 사망 수

- 39 -

마)

의 표 화 이 일별 사망자수는 1994년 12명에서 2003년 13.8명까지 해마다

조 씩 증가하는 것으로 나타났다. 그러나 앞서 다른 도시와 마찬가지로 인구구

성의 변화를 보정한 결과 1994년 16.3명에서 2003년 12.2명까지 매년 일별 사망자

수가 감소하는 추세를 보 다(표 Ⅲ-15, 그림 Ⅲ-13).

표 Ⅲ-15. 의 표 화 후 사망 수

연도표 화 표 화 후

일평균 표 편차 일평균 표 편차

1994 11.986 3.462 16.298 4.765

1995 12.405 3.842 16.150 5.032

1996 12.148 3.760 14.991 4.676

1997 12.753 4.213 15.087 5.039

1998 12.915 3.677 14.531 4.139

1999 13.403 3.711 14.336 3.971

2000 13.675 3.902 14.043 4.032

2001 13.622 3.769 13.325 3.713

2002 13.778 3.735 12.746 3.444

2003 13.827 3.832 12.211 3.404

그림 Ⅲ-13. 의 표 화 후 사망 수

- 40 -

바) 주

주의 표 화 이 일별 사망자수는 1994년 13.1명에서 2003년 14.1명까지 10년동

안 별다른 변동을 보이지 않았다. 그러나 앞서 다른 도시와 마찬가지로 인구구성

의 변화를 보정한 결과 1994년 16.8명에서 2003년 12.8명까지 매년 일별 사망자 수

가 꾸 히 감소하는 추세를 보 다(표 Ⅲ-16, 그림 Ⅲ-14).

표 Ⅲ-16. 주의 표 화 후 사망 수

연도표 화 표 화 후

일평균 표 편차 일평균 표 편차

1994 13.140 3.847 16.803 4.898

1995 13.375 4.181 16.813 5.267

1996 13.342 3.883 16.056 4.711

1997 13.488 3.924 15.575 4.592

1998 13.625 3.760 15.097 4.172

1999 13.427 3.837 14.208 4.066

2000 14.142 4.134 14.451 4.252

2001 13.679 3.749 13.436 3.720

2002 14.164 3.820 13.220 3.562

2003 14.096 4.017 12.768 3.650

그림 Ⅲ-14. 주의 표 화 후 사망 수

- 41 -

사) 울산

울산의 인구자료는 1997년부터 사용가능하여 사망자수 변동의 추이를 보기에 다른

도시들과 비교하여 제한 이다. 그래도 표 화 이후 사망자 수가 큰 폭은 아니나

다소 감소한 것으로 나타났다(표 Ⅲ-17, 그림 Ⅲ-15).

표 Ⅲ-17. 울산의 표 화 후 사망 수

연도표 화 표 화 후

일평균 표 편차 일평균 표 편차

1997 8.244 2.972 6.995 2.893

1998 8.321 2.867 9.435 3.251

1999 8.992 3.133 9.707 3.380

2000 9.109 3.222 9.354 3.319

2001 9.153 3.094 8.936 3.030

2002 9.375 3.144 8.600 2.867

2003 9.573 3.281 8.336 2.865

그림 Ⅲ-15. 울산의 표 화 후 사망 수

에 정리된 7개 도시의 표 화 과 후의 일평균 사망자 수의 변동을 비교한 결

과 일별 사망자수는 해가 갈수록 늘어남을 알 수 있었다. 그러나 인구조성비의 변

화를 보정한 결과 연도별 일별 사망자수는 국 7개 도시 모두에서 어드는 경향

을 보 다.

- 42 -

라. 분석방법

1) 문헌 조사

기온과 사망의 계를 설명하기 해 요하게 고려되어야 할 이슈가 두 가지 있다.

첫 번째는 (이상) 기온에 한 노출과 노출의 결과(즉, 사망)를 측정(measures)하는

것이고, 두 번째는 기온과 사망의 계를 설명하는 통계 인 모델의 한 사용이

다.10) 기온의 측정 자료와 사망 자료는 기상청과 통계청을 통해 각각 제공된 것으

로 본 연구에서는 별도의 검증 없이 사용하 다.

기온과 사망의 계를 이해하기 한 통계 연구방법은 크게 1) 묘사 연구, 2) 시

계열 분석, 그리고 3) 환자-교차연구로 나 어 볼 수 있다. 묘사 연구(Descriptive

study)는 혹서(heat wave)와 사망(mortality)을 동일 그래 에 그려 으로서 기온과

사망의 계를 평가하는 방법이다. 이 방법은 기온과 사망의 계 분석에서 설명

인(exploratory analyses) 분석이다. 시계열 인 분석방법(Time-series study)은 상당

한 기간 동안의 여러 개의 변수를 보정한 후 심 있는 변수의 향을 악하는 것

이다. 시계열 인 방법을 이용하여 기온과 사망의 계를 평가하고자 할 경우에 계

효과(seasonal effect), 지연 효과(lag effect), 사망 련 최소 기온 효과(threshold

effect) 그리고 혼란변수(confounding variable) 등을 고려하여야 한다. 환자-교차연

구(case-crossover study)는 각각의 사망자 개인이 환자(case)가 되며 한 조

(control)군이 된다. 이 분석은 개인에 의해서 발생하는 차이를 완 히 제거 할 수

있는 장 이 있는 반면에 분석에 필요한 자료를 구하기가 어렵다는 제한 이 있다.

기온과 사망의 계를 환자-교차연구(case-crossover study) 방법으로 분석한 로서

1992년 미국의 20개 도시에서 65세 이상 인구를 상으로 기온과 심폐기능 이상

으로 인한 사망과의 계를 악한 것이 있다.11) 먼 환자- 조 연구(case-control

design)에 비해서 환자 교차 연구(case-crossover design)의 특징 인 차이는

case-period로서 event가 일어나기 바로 직 의 exposure distribution과

control-periods로서 nonevent의 expected distribution of exposure를 비교하는 것이

특징이다. 의 환자 교차 연구의 에서 기상 자료로는 일평균 기온과 일별 이슬

평균이 사용되어졌으며 기 오염 자료로는 일평균 오염자료가 사용 되어졌다.

사망 자료는 분석의 특성상 개인 자료(individual data)로서 각 개인의 사망 날짜,

사망 장소가 포함되어 있다. 동일 자료에 해서 시계열 인 방법을 이용하여 분

석을 실시하 으며 결과 으로 환자 교차 연구와 시계열 인 방법은 유사한 결과

10) Rupa Basu and Jonathan M. Samet "Relation between Elevated Ambient Temperature and Mortality:

A Review of the Epidemiologic Evidence" Epidemiol Rev 2002;24:190-202

11) Basu, Rupa *; Dominici, Francesca +; Samet, Jonathan M. Temperature and Mortality Among the Elderly in

the United States: A Comparison of Epidemiologic Methods. Epidemiology. 16(1):58-

- 43 -

를 도출 하는 것으로 결론 내리고 있다. 의 연구에서는 환자 교차 연구와 시계열

인 방법의 두 방법론에서 1년 동안의 자료만을 사용했으며 기온과 타 기상 변수

를 보정 했고 한 기 오염 정도를 보정하 다.

기온과 사망의 계를 평가하기 하여 시계열 인 방법을 사용한 로 미국 동부

의 11개 도시를 상으로 기온과 사망의 계를 연구한 것이 있는데, 본 연구와 매

우 유사한 이 있다.12) 일반화 부가모형(GAM, Generalized Additive Model)을 사

용하 고 혼란변수의 보정을 하여 NS(Natural Cubic Spline)함수를 이용했다. 분

석에 이용된 자료는 1973년부터 1994년까지 20년 동안의 자료로서 여름과 겨울 모

두를 포함하 다. 일년 체의 자료를 사용해 고온으로 인한 사망의 계와 온으

로 인한 사망의 계를 알아보려고 했다. 결국 일년 체의 자료를 사용함으로 발

생하는 계 인 변동은 혼란변수의 가능성 때문에 NS 함수를 이용하여 보정했다.

기온의 일별 표치로는 일평균 기온을 사용했다. 한 기온으로 인한 사망의 지연

효과(lag effect)를 알아보기 해서 당일부터 7일 의 기온과 사망의 계를 조사했

다. 당일 기온에 의한 사망의 효과를 최 화하기 해서 3일 , 2일 그리고 1일

의 일평균 기온을 평균한 이동평균값(moving average)을 당일 일평균으로 회귀

후 보정하는 방법을 이용했다. 일별 상 습도로 보정했으며 지연효과는 기온의 효

과와 동일하게 주었다. 모형의 합도를 조사하기 하여 AIC(Akaike's Information

Criterion)을 이용했으며 이후 고온과 온으로 인하여 사망의 계가 선형 으로

발생하는 지 (cut off point 는 threshold)를 찾는 작업을 했다. 이 작업 역시

AIC를 이용했다. 이 연구 결과 미국 동부 11개 도시의 고온과 온으로 인하여 발

생하는 cut off point(threshold)를 구하 다.

미국 동부 11개 도시의 기온과 threshold와의 계를 살펴보면 체 으로 일별 여

름철 기온이 높을수록 threshold 역시 그에 따라 높아지는 계를 보 다. 한 각

도시의 threshold temperature는 도시의 도와 매우 한 계를 보 는데 남부

지역일수록 북부 지역보다 높은 threshold temperature를 보 다. 즉, 평균 으로

더운 지역일수록 고온으로 인한 건강피해가 일어나기 시작하는 기온이 높은 것으로

나타났다. 한편 북부지역에서 threshold 이상의 기온이 사망에 미치는 향이 남부

지역보다 더 큰 것으로 나타났다. 이것은 북부 지역에 사는 사람일수록 더운 기온

에 덜 응되어 있기 때문인 것으로 설명하 다.

12) Frank C. Currero, Karlyn S. Heiner, Jonathan M Samet, Scott L. Zeger, Lisa Strug, and Lonathan A.

Patz "Temperature and Mortality in 11 Cites of the Eastern United States" Am J Epidemiol

2002;155:80-7

- 44 -

2) 통계분석 모형

본 연구에서 통계분석은 1)기온변화에 의한 과사망률의 추정과, 2)기상요소를 보

정 변수로 한 기오염(오존)으로 인한 과 사망률 추정으로 나뉠 수 있는데, 통계

분석에 입력변수(기상변수 는 오존 농도)만 차이가 있을 뿐 사용되는 통계분석 방

법은 동일하다.

기상요인(기온 는 열지수) 는 기오염의 성효과를 평가하기 하여 본 연구

에서는 시계열 분석방법인 일반화 부가모형(General Additive Model , GAM)을

이용하 다. GAM 모형은 기온 기 오염으로 인한 단기 인 향을 알아보는

방법으로 리 사용되는 방법이다. 통 인 회귀모형(Regression model)과는 달

리 독립변수들(independent variables)의 비선형성(non-linear)을 가정하여 독립변수

들의 non-linear function 값을 이용하는 Regression Model이다. 기상 요소 는

기 오염에 의한 일별 사망자 수의 련성을 평가하는데 있어 각각의 요인들은 선

형 으로 향을 미친다고 가정하기는 어렵기 때문이다. 자료처리는 SAS 8.1을 사

용했으며 GAM 분석은 S-plus를 사용하 다.

일반 인 GAM 분석의 형태는 다음과 같다.

GAM모형을 이용한 분석을 할 경우 일반 으로 다음의 단계로 분석을 시행한다.

- 단계 1 : 고려할 독립변수의 선택 비선형으로 가정할 독립변수의 선택.

- 단계 2 : 독립변수의 non-linear function 선택.

- 단계 3 : 가능한 조건을 모두 고려한 최 의 fitting model 선택

- 단계 4 : 선택된 모형의 분석.

단계 1에서 독립변수에 한 선택은 분석 목 에 따라서 달라질 수 있으며 본 연구

에서 독립변수는 여름철 혹서와 련된 변수 그리고 기오염 에서 일별 오존 수

이다. 한 비선형으로 고려 할 변수는 일별 기온, 일별 상 습도, 일별 오존 수

이다.

- 45 -

단계 2에서의 비선형 함수로 본 연구에서는 Natural Cubic Splines (NS)를 사용하

다. 본 연구의 최종 목표는 기온변화에 따른 과 사망의 계를 악하고 계

가 존재 할 경우 정량화 시키는 것이다. 이런 목 에서 NS는 비선형 함수로서 가장

합하다. 일반 인 cubic splines는 독립 변수를 몇 개의 knots로 나 고, 나 어진

구간의 자료 각각을 종속변수와 3차 곡선으로 합하고 난 후, 각각의 합곡선을

미분의 방법을 이용하여 smooth 하게 연결 시켜주는 방법이다. 이것은 독립변수의

effect를 알고자 하는 경우보다는 독립변수를 이용하여 종속변수를 설명하고자 하는

경우에 많이 사용된다. 덧붙여 NS는 일반 인 cubic spline에서 boundary knots 밖

에서는 선형(liner)을 가정하는 것으로 찰된 data의 바깥을 추정하는데 유용하다.

단계 3은 가장 합한 모형을 선택하는 단계로서 일반 으로 Akaike's Information

Criterion (AIC)을 이용한다. Natural Cubic Splines (NS)의 경우에는 knots의 수와

knots의 지 을 결정하는 것이 요하다. 보통 knots의 수는 3에서 7까지 이용하는

데 개의 경우 5이상은 이용하지 않는다. 한 knots의 지 은 독립변수의 분

수에 의해서 당한 자료수가 각 구역에 골고루 들어가는 지 으로 선택하는데

S-plus는 default로 이 기능을 지원해 다.

Akaike's Information Criterion(AIC)은 서로 다른 모형의 합 정도를 비교 평가하

기 해서 사용되는 값으로 data의 정보에 근거한 척도이다. 모형에 포함된 독립변

수의 수와 표본크기가 서로 다른 모형의 합 정도를 비교 평가하기 해서 제안되

었고 -2logL(b)를 수정한 통계량으로 아래와 같이 정의된다.13)

여기에서 은 설정된 모형에서 구한 우도이고 는 모형에 포함된 독립변수의

수이다. 우도 은 확률의 곱으로 표시되므로 0과 1사이의 값을 갖게 되고 1에

가까운 값일수록 합 정도는 좋아지게 된다. 자연 수로그 는 -∞ 과 0 사

이의 범 를 취하므로 의 범 는 0과 ∞사이가 된다. 따라서

값이 작을수록 합 정도는 좋아지게 되며 해당되는 모형이 바람직한 모형이라고

단할 수 있다. 한 모형에 포함될 유의한 독립변수의 수가 많아질수록

값은 작아지기 때문에 독립변수의 개수가 서로 다른 모형의 합 정도

를 비교하기 해서는 독립변수의 수 증가로 인한 의 감소효과를 수정하

기 해서 을 더한다. 한 표본크기도 에 향을 미치기 때문에

13) Akaike, H. "Statistical predictor identification." Ann Inst Stat Math 1970;22:203-217

- 46 -

정의의 통계량에서 분자에 한 자료 하나의 기여를 평가하기 해서 표본 크

기인 으로 나 게 된다. 따라서 는 표본크기가 서로 다른 모형들 혹은 독립변

수의 수가 서로 다른 모형들의 합 정도를 비교하기 해서 사용되어질 수 있다.

이때 고려된 여러 모형들의 표본크기가 같은 경우에는 분자만을 고려하게 된다.

단계 4에서는 단계 3에서 가장 합한 것으로 선택된 모형에 한 분석의 단계로서

선택된 모형의 형태에 따라서 분석하는 방법이 달라진다. 만일 선택된 모형에서

심 있는 변수가 종속변수와 선형의 계를 보일 경우에는 그 정도를 추정 할 수

있으며 추정하는 방법은 다음과 같다.

Let Model : log(y) = a + bx

Then if x=0 then log[E(y｜x = 0)] = a

if x=1 then log[E(y｜x = 1)] = a+b

So b = log[E(y｜x = 1)/E(y｜x = 0)]

exp(b) = E(y｜x = 1)/E(y｜x = 0)

RR = exp(b)

이것은 독립변수가 x=0에 비해서 x=1을 가질 때의 Relative Risk(RR)이 된다.

참고로 여기에서 추정된 RR의 95% 신뢰구간은 다음과 같다.

95% CI of RR [exp(b - 1.96 × se), exp(b + 1.96 × se)]

where se: standard error

- 47 -

3. 지역별 기온, 열지수 오존과 사망의 계

본 연구는 여름철 이상고온으로 인한 과 사망률을 알아보는 것으로서 분석 상

기간을 혹서가 발생할 수 있는 여름철로 제한하 다. 연구 상 지역인 우리나라 7

개 도시의 여름철(6월, 7월, 8월)의 일평균 기온, 일평균 습도, 일평균 열지수, 그

리고 일별 최고 오존 농도를 연도별로 정리하 다. 통계분석에서 건강 향의 결과

로 사용될 일평균 표 화 사망자수의 연도별 평균과 표 편차를 구하여 지역별로

제시하 다. 독립변수들(일평균 기온, 일평균 열지수, 일최고 오존 등)과 일평균 사

망자수 사이의 계를 그래 로 제시하 다.

가. 지역별 일평균 기온, 일평균 습도, 일평균 열지수, 그리고 일별 최고

오존 농도

1) 서울

1994년부터 2003년까지 최근 10년간 여름철 일평균 사망자 수를 체 연령군과 65

세 이상 인구로 구분하여 계산하 다. 연도별 일평균 사망자수는 연령군에 상 없

이 어드는 경향을 보이고 있는데, 의료기술의 발달과 사회복지 개선, 경제 수

향상 등의 요인에 기인하는 것으로 볼 수 있다. 에 띄는 것은 1994년 여름의 일

별 사망자 평균값이 112.76명 ( 는 65세 이상 인구를 상으로 한 경우 68.6명)으로

다음 해에 비하여 연령군에 따라 14~16% 이상 많았다는 이다(표 Ⅲ-18).

표 Ⅲ-18. 서울의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화

연도

체 연령 65세 이상

일별 사망자

평균

일별 사망자

표 편차

일별 사망자

평균

일별 사망자

표 편차

1994년 112.760 22.431 68.620 17.893

1995년 99.309 11.228 59.179 8.725

1996년 99.185 11.805 60.398 8.759

1997년 97.168 11.780 60.168 9.019

1998년 93.603 10.722 57.592 8.902

1999년 89.932 10.429 54.060 8.850

2000년 89.417 10.605 54.095 7.666

2001년 86.985 9.094 53.618 7.664

2002년 82.930 9.480 50.377 7.567

2003년 76.925 8.407 46.884 6.244

- 48 -

표 Ⅲ-19 에는 1994년부터 2003년까지 10년간 여름철 기온과 상 습도, 열지수, 오

존 농도의 변화를 정리하 다. 역시 1994년 여름의 평균기온이 다음 해의 평균기온

보다 2도 이상 높았음을 보이고 있다. 기온 자료와 앞서 정리한 사망자 수 자료를

근거로 1994년 여름에 있었던 무더 가 사망에 향을 끼쳤을 수 있음을 짐작할 수

있다.

표 Ⅲ-19. 서울의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화

연도기온(C) 상 습도(%) 열지수 오존(ppb)

평균 표 편차 평균 표 편차 평균 표 편차 최고치 표 편차

1994년 26.339 3.471 74.071 12.298 28.873 5.433

1995년 24.080 2.801 78.685 10.950 25.139 3.911 35.614 18.755

1996년 24.233 2.783 74.346 11.649 25.195 3.965 45.568 23.852

1997년 25.456 2.911 72.048 10.736 27.157 3.756 49.593 22.245

1998년 23.955 2.631 73.168 9.704 25.310 2.104 40.229 18.118

1999년 24.991 2.623 71.611 9.468 26.047 3.608 49.953 23.238

2000년 25.573 2.288 72.567 11.177 26.864 3.106 49.996 25.160

2001년 24.980 2.377 71.739 10.958 26.016 3.218 42.088 20.700

2002년 23.909 2.454 71.621 11.799 24.934 2.753 39.626 22.108

2003년 23.176 2.166 73.553 12.912 23.736 2.647 39.667 19.247

각각의 독립변수들(기온, 열지수, 오존)과 일평균 사망자수와의 계를 체연령군과

65세 이상 연령군으로 나 어 그래 로 나타내었다(그림 Ⅲ-16). 서울 지역의 일평

균기온과 일별 사망수의 계에서는 연령군에 계없이 특정 기온 이상에서 사망

자 수가 격하게 증가하는 것으로 찰되었다. 이것은 기온과 사망과의 계를 연

구하는 기존의 연구결과에서도 자주 볼 수 있는 모양으로 “하키채 (hockey-stick)"모

양의 계라고 부르기도 한다. 평균기온 신 평균 열지수를 독립변수로 하 을 때

도 유사한 경향을 보 다. 한편, 일별 최고 오존농도와 사망과의 계는 단순 선형

계를 보 다.

- 49 -

그림 Ⅲ-16. 서울의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의 계

(a) 연령 사망자와 기온과의 계 (b) 65세 이상 사망자와 기온과의 계

(c) 연령 사망자와 열지수와의 계 (d) 65세 이상 사망자와 열지수와의 계

(e) 연령 사망자와 오존과의 계 (f) 65세 이상 사망자와 오존과의 계

- 50 -

2) 부산

서울과 마찬가지로 부산의 연도별 일평균 사망자수는 연령군에 상 없이 어드는

경향을 보이고 있다. 1994년 여름에 평균 사망자수가 다음 해에 비하여 7~8% 정도

많기는 하지만 서울의 경우보다 그 정도는 약하다고 할 수 있다(표 Ⅲ-20).

표 Ⅲ-20. 부산의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화

연도

체 연령 65세 이상

일별 사망자

평균

일별 사망자

표 편차

일별 사망자

평균

일별 사망자

표 편차

1994년 50.749 8.373 29.396 7.087

1995년 47.173 8.181 27.584 5.566

1996년 46.438 7.946 27.038 6.427

1997년 46.577 9.114 27.640 6.460

1998년 44.216 7.310 25.915 5.750

1999년 41.910 6.648 24.706 4.919

2000년 39.844 6.823 23.563 4.938

2001년 40.526 6.492 23.650 4.723

2002년 39.018 6.627 23.898 5.727

2003년 36.710 6.104 22.150 4.704

표 Ⅲ-21에는 1994년부터 2003년까지 10년간 부산의 여름철 기온과 상 습도, 열지

수, 오존 농도의 변화를 정리하 다. 역시 1994년 여름의 평균 기온이 다음 해의 평

균기온보다 2도 정도, 열지수는 3 정도 높았음을 보이고 있다.

- 51 -

표 Ⅲ-21. 부산의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화

연도기온(C) 상 습도(%) 열지수 오존(ppb)

평균 표 편차 평균 표 편차 평균 표 편차 최고치 표 편차

1994년 25.514 3.793 77.418 9.592 28.305 5.257

1995년 23.799 3.396 83.492 8.276 25.074 4.744 27.445 9.715

1996년 23.513 3.761 82.966 9.405 24.470 5.795 37.922 15.990

1997년 24.200 2.409 80.147 10.565 24.921 3.673 37.821 16.239

1998년 23.708 2.997 83.613 7.687 24.886 4.150 36.057 13.415

1999년 23.333 2.397 80.121 9.166 24.030 3.182 38.939 15.712

2000년 24.195 3.090 84.655 9.644 25.379 4.819 42.159 17.952

2001년 24.865 3.007 82.429 9.660 26.665 5.251 41.957 16.460

2002년 23.042 2.638 80.490 10.452 23.668 3.541 40.533 15.287

2003년 22.073 2.149 81.948 9.412 22.255 3.168 42.069 14.643

각각의 독립변수들(기온, 열지수, 오존)과 일평균 사망자수와의 계를 체연령군과

65세 이상 연령군으로 나 어 그래 로 나타내었다(그림 Ⅲ-17). 서울과 달리 부산

의 일평균기온과 일별 사망수의 계에서는 연령군에 계없이 단순 선형의 계를

나타내었다. 평균기온 신 평균 열지수를 독립변수로 하 을 때도 역시 단순선형

의 계를 모 다. 일별 최고 오존농도와 사망과의 계는 유의하지 않은 것으로

나타났다.

- 52 -

그림 Ⅲ-17. 부산의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의 계

(a) 연령 사망자와 기온과의 계 (b) 65세 이상 사망자와 기온과의 계

(c) 연령 사망자와 열지수와의 계 d) 65세 이상 사망자와 열지수와의 계

(e) 연령 사망자와 오존과의 계 (f) 65세 이상 사망자와 오존과의 계

- 53 -

3) 구

서울과 마찬가지로 구의 연도별 일평균 사망자수는 연령군에 상 없이 어드는

경향을 보이고 있다. 1994년 여름의 평균 사망자수가 다음 해에 비하여 체 연령

군에서는 11%, 65세 이상 연령군에서는 18% 많은 것으로 나타났다. 즉 65세 이상

노년 인구에 해 서울보다(16%) 더 큰 향을 받은 것으로 보인다(표 Ⅲ-22).

표 Ⅲ-22. 구의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화

연도

체 연령 65세 이상

일별 사망자

평균

일별 사망자

표 편차

일별 사망자

평균

일별 사망자

표 편차

1994년 32.562 8.263 20.171 7.0185

1995년 29.326 5.754 17.708 4.712

1996년 29.264 6.558 17.653 5.125

1997년 28.659 4.869 17.123 3.916

1998년 27.753 6.867 17.070 4.954

1999년 27.124 6.017 16.470 4.683

2000년 25.031 5.324 14.947 3.715

2001년 24.976 4.833 15.413 3.737

2002년 23.601 4.769 14.655 3.513

2003년 22.009 4.478 13.657 3.962

표 Ⅲ-23에는 1994년부터 2003년까지 10년간 구의 여름철 기온과 상 습도, 열지

수, 오존 농도의 변화를 정리하 다. 역시 1994년 여름의 평균 기온이 다음 해의 평

균기온보다 2도 정도, 열지수는 1.5 정도 높았음을 보이고 있다.

표 Ⅲ-23. 구의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화

연도기온(C) 상 습도(%) 열지수 오존(ppb)

평균 표 편차 평균 표 편차 평균 표 편차 최고치 표 편차

1994년 27.513 3.717 64.171 8.900 29.865 4.486

1995년 25.496 4.044 69.112 10.069 28.244 4.327 38.456 10.301

1996년 24.869 4.139 69.440 9.069 26.534 4.658 38.271 20.230

1997년 25.491 2.715 67.677 10.242 26.669 3.248 41.558 20.529

1998년 24.091 3.209 72.269 7.7505 25.741 3.114 39.616 15.159

1999년 24.515 2.519 72.150 10.1595 25.299 3.267 35.449 16.127

2000년 25.601 2.701 70.578 13.437 26.758 3.238 43.706 20.682

2001년 26.321 2.713 68.353 11.432 27.951 4.118 48.947 22.575

2002년 24.775 3.033 68.781 13.364 25.939 3.560 36.266 16.752

2003년 23.252 2.348 74.152 11.475 23.785 3.174 46.115 21.320

- 54 -

그림 Ⅲ-18. 구의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의 계

(a) 연령 사망자와 기온과의 계 (b) 65세 이상 사망자와 기온과의 계

(c) 연령 사망자와 열지수와의 계 d) 65세 이상 사망자와 열지수와의 계

(e) 연령 사망자와 오존과의 계 (f) 65세 이상 사망자와 오존과의 계

구 지역의 일평균기온과 일별 사망수의 계는 서울과 매우 유사한 경향을 보

다. 즉, 연령군에 계없이 특정 기온 이상에서 사망자 수가 격하게 증가하는 것

으로 찰되었다. 평균기온 신 평균 열지수를 독립변수로 하 을 때에도 기온과

유사한 경향을 보 다. 그러나 서울과 달리 일별 최고 오존농도와 사망과는 아무런

계가 없는 것으로 나타났다.

- 55 -

4)

은 서울 구에 비해서 특정 기온과 특정 열지수의 이상에서 사망률의 격

한 증가를 보이지는 않지만 어느 정도의 련성은 있는 것으로 나타났다. 오존과

련해서는 련성이 은 것으로 보인다(표 Ⅲ-24 ~ 표 Ⅲ-25, 그림 Ⅲ-19).

표 Ⅲ-24. 의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화

연도

체 연령 65세 이상

일별 사망자

평균

일별 사망자

표 편차

일별 사망자

평균

일별 사망자

표 편차

1994년 15.734 4.691 10.167 3.960

1995년 14.563 4.577 8.776 3.346

1996년 14.174 4.853 9.055 3.877

1997년 13.205 4.342 8.168 3.216

1998년 13.489 3.717 8.732 3.068

1999년 13.602 3.708 8.569 3.340

2000년 12.612 3.730 7.851 2.788

2001년 11.647 3.313 7.621 2.552

2002년 11.474 3.253 7.533 2.711

2003년 11.143 3.003 7.121 2.289

표 Ⅲ-25. 의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화

연도기온(C) 상 습도(%) 열지수 오존(ppb)

평균 표 편차 평균 표 편차 평균 표 편차 최고치 표 편차

1994년 26.684 3.338 69.387 9.850 29.142 4.187 - -

1995년 24.717 2.912 73.785 8.763 26.115 3.527 37.761 14.637

1996년 24.496 3.176 74.607 8.597 25.646 4.360 39.538 14.907

1997년 24.813 2.785 77.489 8.316 25.753 3.906 45.895 19.413

1998년 23.790 2.911 82.504 8.837 24.651 3.655 37.005 14.531

1999년 24.427 2.330 76.661 10.725 25.079 3.546 47.779 21.672

2000년 24.573 2.451 76.187 10.198 25.293 3.242 46.582 21.940

2001년 24.951 2.163 72.645 10.009 25.938 2.957 46.768 19.977

2002년 24.337 2.486 73.422 11.132 25.304 3.037 36.755 15.612

2003년 23.302 2.037 76.983 10.563 23.703 2.829 41.271 17.852

- 56 -

그림 Ⅲ-19. 의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의 계

(a) 연령 사망자와 기온과의 계 (b) 65세 이상 사망자와 기온과의 계

(c) 연령 사망자와 열지수와의 계 d) 65세 이상 사망자와 열지수와의 계

(e) 연령 사망자와 오존과의 계 (f) 65세 이상 사망자와 오존과의 계

- 57 -

5) 인천

인천의 일평균기온과 일별 사망수의 계는 서울과 매우 유사한 경향을 보 다. 즉,

연령군에 계없이 특정 기온 이상에서 사망자 수가 격하게 증가하는 것으로

찰되었다. 평균기온 신 평균 열지수를 독립변수로 하 을 때에도 기온과 유사한

경향을 보 다. 그러나 그 기울기는 서울에 비하여 은 것으로 찰되었다. 오존과

련해서는 타 지역과 비슷하게 련성이 없는 것으로 나타나고 있다(표 Ⅲ-26 ~

표 Ⅲ-27, 그림 Ⅲ-20).

표 Ⅲ-26. 인천의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화

연도

체 연령 65세 이상

일별 사망자

평균

일별 사망자

표 편차

일별 사망자

평균

일별 사망자

표 편차

1994년 30.751 9.507 18.785 7.337

1995년 25.219 6.182 15.158 4.108

1996년 26.540 5.590 16.108 4.527

1997년 26.211 4.956 16.047 4.410

1998년 24.851 5.943 15.651 4.201

1999년 24.277 4.947 15.215 4.216

2000년 24.865 5.978 15.314 4.378

2001년 23.006 5.171 13.992 4.187

2002년 21.854 4.281 13.138 3.349

2003년 22.681 4.321 14.375 3.726

표 Ⅲ-27. 인천의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화

연도기온(C) 상 습도(%) 열지수 오존(ppb)

평균 표 편차 평균 표 편차 평균 표 편차 최고치 표 편차

1994년 25.194 3.765 75.228 10.907 27.093 4.963

1995년 23.248 2.976 83.678 7.605 24.398 3.947

1996년 23.244 2.862 79.331 9.915 23.820 4.184

1997년 24.297 2.867 77.250 9.051 25.661 3.561

1998년 23.235 2.748 79.353 11.098 24.241 2.484 36.202 15.424

1999년 23.885 2.657 73.998 9.292 24.710 3.354 44.408 18.012

2000년 24.998 2.542 79.430 8.854 26.083 3.617 43.707 19.885

2001년 24.745 2.432 79.423 9.600 25.624 3.920 44.281 18.796

2002년 23.856 2.406 78.025 10.298 24.574 3.044 40.605 19.833

2003년 22.257 2.048 79.225 10.596 22.408 2.468 43.737 18.387

- 58 -

그림 Ⅲ-20. 인천의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의 계

(a) 연령 사망자와 기온과의 계 (b) 65세 이상 사망자와 기온과의 계

(c) 연령 사망자와 열지수와의 계 d) 65세 이상 사망자와 열지수와의 계

(e) 연령 사망자와 오존과의 계 (f) 65세 이상 사망자와 오존과의 계

- 59 -

6) 주

주의 일평균기온과 일별 사망수의 계는 특정 기온 이상에서 사망자 수가 증가

하는 것으로 찰되었다. 그러나 평균기온 신 평균 열지수를 독립변수로 하 을

때에는 련성이 보이지 않았다. 오존과 련해서는 타 지역과 마찬가지로 련성

이 없는 것으로 나타났다(표 Ⅲ-28 ~ 표 Ⅲ-29, 그림 Ⅲ-21).

표 Ⅲ-28. 주의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화

연도

체 연령 65세 이상

일별 사망자

평균

일별 사망자

표 편차

일별 사망자

평균

일별 사망자

표 편차

1994년 15.726 4.338 9.694 3.547

1995년 15.383 4.792 9.624 3.947

1996년 14.391 3.875 8.626 3.163

1997년 14.258 4.450 9.161 3.754

1998년 14.099 3.593 9.068 3.170

1999년 12.799 3.983 8.514 3.231

2000년 12.163 3.379 7.472 2.766

2001년 12.668 3.281 8.052 2.631

2002년 12.222 3.044 7.947 2.505

2003년 11.668 3.338 7.706 2.519

표 Ⅲ-29. 주의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화

연도기온(C) 상 습도(%) 열지수 오존(ppb)

평균 표 편차 평균 표 편차 평균 표 편차 최고치 표 편차

1994년 26.612 3.398 71.796 8.260 29.107 4.639

1995년 24.886 2.929 76.691 8.053 26.364 4.098 29.103 14.555

1996년 24.726 3.147 78.126 8.756 25.657 4.932 26.159 9.742

1997년 25.217 2.381 75.994 9.477 26.316 3.420 39.759 15.991

1998년 24.542 2.899 80.475 7.293 25.921 4.022 40.168 13.200

1999년 24.676 2.291 76.137 9.406 25.383 3.510 35.899 13.267

2000년 25.141 2.405 72.630 10.153 26.358 2.821 40.600 16.760

2001년 24.999 2.654 71.620 8.350 26.373 3.397 37.572 14.699

2002년 24.249 2.468 73.039 10.254 25.283 2.919 33.974 16.782

2003년 22.975 2.143 78.144 10.743 23.315 3.085 35.899 14.154

- 60 -

그림 Ⅲ-21. 주의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의 계

(a) 연령 사망자와 기온과의 계 (b) 65세 이상 사망자와 기온과의 계

(c) 연령 사망자와 열지수와의 계 d) 65세 이상 사망자와 열지수와의 계

(e) 연령 사망자와 오존과의 계 (f) 65세 이상 사망자와 오존과의 계

- 61 -

7) 울산

울산의 경우 기온, 열지수, 오존 어느 것도 사망률과 련성을 보이지 않았다.

울산은 1997년부터 2003년까지 7년 동안의 사망 자료만이 사용 가능했는데 이것이

분석 결과에 향을 미쳤을 것으로 단된다(표 Ⅲ-30 ~ 표 Ⅲ-31, 그림 Ⅲ-22).

표 Ⅲ-30. 울산의 여름철(6월~8월) 일별 표 화 사망자수의 연도별 변화

연도

체 연령 65세 이상

일별 사망자

평균

일별 사망자

표 편차

일별 사망자

평균

일별 사망자

표 편차

1997년 5.919 2.285 3.414 1.783

1998년 9.190 3.233 5.338 2.626

1999년 8.781 2.836 5.000 2.203

2000년 8.249 3.133 4.756 2.251

2001년 8.206 2.944 4.753 2.261

2002년 8.085 2.840 4.692 2.128

2003년 7.690 2.770 4.557 2.171

*울산 지역은 사망 자료의 부족으로 1997년에서 2003년 동안의 자료를 정리

표 Ⅲ-31. 울산의 여름철(6월~8월) 일별 기상 오존 표치의 연도별 변화

연도기온 상 습도 열지수 오존

평균 표 편차 평균 표 편차 평균 표 편차 평균 표 편차

1994년 25.928 3.909 72.135 8.164 28.484 4.630

1995년 24.461 4.185 72.183 8.053 26.566 4.103 20.407 6.628

1996년 23.916 4.076 78.592 9.214 25.009 5.538 30.934 13.059

1997년 24.687 2.657 75.953 10.359 25.663 3.657 31.094 12.750

1998년 23.804 3.569 82.937 8.681 24.957 4.790 34.166 11.073

1999년 23.595 2.489 75.445 8.149 24.448 2.866 27.738 13.017

2000년 24.487 3.001 73.555 10.458 25.798 3.236 31.802 13.006

2001년 24.962 3.121 70.474 9.210 26.518 3.653 32.039 16.827

2002년 23.652 2.941 71.544 11.275 24.887 3.065 37.234 21.344

2003년 23.069 2.399 75.081 9.442 23.890 2.941 34.324 14.196

- 62 -

그림 Ⅲ-22. 울산의 여름철(6월~8월) 기온, 열지수, 오존과 일별 표 사망자수의 계

(a) 연령 사망자와 기온과의 계 (b) 65세 이상 사망자와 기온과의 계

(c) 연령 사망자와 열지수와의 계 d) 65세 이상 사망자와 열지수와의 계

(e) 연령 사망자와 오존과의 계 (f) 65세 이상 사망자와 오존과의 계

* 1997년-2003년의 여름철만을 이용

- 63 -

나. 여름철 평균 기온, 평균 열지수 오존 농도의 지역간 분포 비교

국의 7개 도시는 도 상으로 서울과 인천, , 구, 울산, 주, 부산 순으

로 치하고 있다. 한 부산과 울산 그리고 인천은 바다에 인 해 있고 구는

형 인 분지 지형에 치해 있기 때문에 서로 다른 기상특성을 보일 것으로 상할

수 있다. 따라서 본 연구의 분석 상 지역인 7개 도시의 1994년에서 2003년까지

여름철(6월~8월) 일평균 기온과 일별 열지수의 분포를 비교하 다.

1) 일평균 기온

표 Ⅲ-32는 7개 도시의 여름철 일평균 기온의 연도별 평균, 표 편차, 그리고

99%tile, 95%tile, 90%tile, 85%tile, 80%tile에 해당하는 일평균 기온을 정리한 것이

다. 도는 부산이나 주보다 높지만 분지의 지형을 가지는 구의 여름철 일평균

기온이 가장 높은 것으로 나타났다. 서울 역시 도에 비하여 높은 일평균 기온을

보이고 있다. 하지만 바다를 끼고 있는 부산과 인천 그리고 울산은 다른 도시에

비해서 낮은 일평균 기온을 보이고 있다. 여기에서 특이한 은 서울과 인천은 비

슷한 도에 치하지만 서울이 인천보다 약 평균 1도 높은 것으로 나타났다.

표 Ⅲ-32. 국 7개 도시 1994-2003년 여름철(6월~8월) 일평균 기온의 분포

지역 평균 표 편차 최고값 상 1% 상 5% 상 10% 상 15% 상 20%

서울 24.669 2.813 32.988 30.975 29.081 28.313 27.706 26.969

부산 23.824 3.133 30.100 29.450 28.625 28.038 27.513 27.013

구 25.193 3.354 32.850 31.513 30.431 29.613 28.900 28.288

인천 23.896 2.889 31.450 30.375 28.419 27.600 26.975 26.344

24.609 2.805 31.800 30.613 28.869 28.213 27.738 27.181

주 24.803 2.820 31.313 30.325 29.100 28.538 27.969 27.475

울산 24.257 3.371 31.688 30.300 29.475 28.813 28.056 27.544

사망에 향을 미치는 정도의 기온을 고려한다면 여름철 일평균 기온 에서 상

부분에 속하는 날들의 기온 비교가 필요할 것이다. 지역별 상 10% 기온의 분포를

박스 그림으로 나타내본 결과 그림 Ⅲ-23과 같다. 일평균 기온의 상 10% 에서

비교해 보면 구, 울산, 주, 서울, 부산 순으로 높으며 인천이 가장 낮은 기온 분

포를 보 다.

- 64 -

그림 Ⅲ-23. 국 7개 도시 일평균 기온의 상 10%의 날들의 박스 그림

2) 일평균 열지수

표 Ⅲ-33은 7개 도시의 여름철 일평균 열지수의 연도별 평균, 표 편차, 그리고

99%tile, 95%tile, 90%tile, 85%tile, 80%tile에 해당하는 일평균 열지수를 정리한 것이

다. 일평균 기온과 마찬가지로 구의 여름철 일평균 열지수가 가장 높은 것으로

나타났다. 서울 역시 높은 일평균 열지수를 보이고 있다.

표 Ⅲ-33. 국 7개 도시 1994-2003년 여름철(6월~8월) 일평균 열지수 분포

지역 평균 표 편차 최고값 상 1% 상 5% 상 10% 상 15% 상 20%

서울 25.927 3.793 40.456 36.244 32.960 31.248 30.095 28.781

부산 24.965 4.695 37.837 35.212 33.156 31.693 30.733 29.649

구 26.679 4.078 39.135 36.233 34.011 32.521 31.361 30.476

인천 24.862 3.819 37.474 34.369 31.824 30.561 29.199 27.973

25.663 3.786 36.160 34.862 32.298 30.998 30.029 29.184

주 26.008 3.968 36.174 34.846 32.756 31.729 30.769 29.864

울산 25.622 4.117 37.228 34.353 33.019 31.694 30.566 29.484

지역별 상 10% 열지수의 분포를 박스 그림으로 나타내본 결과 그림 Ⅲ-24와 같

다. 일평균 열지수의 상 10% 에서 비교해 보면 구와 서울이 평균 기온과 마찬

가지로 높은 값을 보 다. 부산의 경우 평균 기온에서는 낮은 값을 보 으나 열지

수에서는 상당히 높은 값을 나타낸 이 특이하다.

- 65 -

그림 Ⅲ-24. 국 7개 도시 일평균 열지수의 상 10%의 날들의 박스 그림

3) 일별 최고 오존농도

7개 도시별 1995-2003년의 여름철(6월~8월) 일최고 오존 농도 수 에 해서 표 Ⅲ

-34와 그림 Ⅲ-25로 정리하 다. 인천의 경우에는 일최고 오존 농도농도 자료가

1998년부터 이용 가능하 다.

일별 최고 오존 농도의 평균은 서울, 인천, , 구 순으로 높게 나타나고 있다.

하지만 일별 최고 오존 수 의 상 10% 날들에 한 박스 그림을 보면 서울이 제

일 높고 그 다음으로 구가 높게 나타나고 있다. 인천과 은 그 다음이다. 가장

낮은 지역은 주와 울산 지역으로 나타나고 있다. 가장 높은 수 을 나타내는 서

울과 가장 낮은 수 을 나타내는 울산과의 차이는 약 20ppb 정도이다.

표 Ⅲ-34. 국 7개 도시 1995-2003년 여름철(6월~8월) 일별 최고 오존농도(ppb)

지역 평균 표 편차 최고값 상 1% 상 5% 상 10% 상 15% 상 20%

서울 43.593 22.095 122.192 97.769 82.824 73.577 68.615 63.556

부산 38.322 15.752 120.667 84.111 67.444 58.111 54.167 50.600

구 40.932 18.961 113.000 97.800 75.500 66.667 61.000 55.400

인천 42.157 18.603 116.875 90.778 75.400 66.900 59.889 55.889

42.146 18.490 108.667 92.333 76.667 68.000 61.333 57.833

주 35.460 15.183 89.750 74.750 61.000 56.000 53.000 49.250

울산 31.075 14.693 108.250 82.273 59.667 51.000 45.400 41.429

* 인천은 1998-2003년 여름철(6월~8월)의 자료를 이용함.

- 66 -

그림 Ⅲ-25. 국 7개 도시 일별 최고 오존 수 의 상 10%의 날들의 박스 그림

4. 여름철 고온과 사망의 계 모형

본 장에서는 앞서 정리한 자료들을 활용하여 우리나라 여름철 고온 상과 사망과의

계를 악하고, 고온 상이 사망에 미치는 향의 크기를 밝히기 해 필요한

모형을 구축하 다. 사용된 통계분석 방법은 GAM 분석이다. 10년 동안의 자료를

시계열 분석하 으므로 자료의 연도를 보정하여 모형에 입력하 고, 요일별 사망자

수 변이를 보정하 다.

분석 상인 7개 도시에 하여 각 도시별로 분석 상 인구집단은 체 인구집

단과 65세 이상 인구 집단으로 나 어 분석하 다. 한 고온 상과 사망률 사이의

계를 설명할 수 있는 한 기상변수를 선정하기 하여 일평균 기온과 일평균

열지수를 모형에 각각 입력변수로 하여 모델 합성을 비교하 다. 고온 상이 발

생한 당일 뿐 아니라 그 다음날, 혹은 그 다음 다음 날에도 과 사망이 발생할 수

있으므로(이를 지연효과, 즉 lag effect라고 한다) 고온 발생 3일후까지의 사망과의

계를 검하 다. 따라서 각 도시별로 두 개의 연령군 ( 체 65세 이상), 두 가

지의 기상변수(기온 열지수), 4일 동안의 지연효과, 즉 16가지(=2x2x4) 조합에

하여 GAM 분석을 하 다.

모형에서 고온 상과 사망 사이에 threshold가 찰되는 경우 략 추정되는

threshold 값 주변을 세분하여 반복 으로 모형을 용하여 threshold point(기온

- 67 -

는 열지수)를 결정하고, threshold를 과하 을 경우 사망에 기여하는 정도를

악하기 한 분석을 하 다. 이 때 역시 분석 상 인구집단은 체 인구와 65세

이상, 두 그룹으로 나 었고, 입력 기상변수 한 기온과 열지수를 각각 고려하

다. 다만 지연효과는 당일과 바로 그 다음 날까지만 고려하 다. 따라서 threshold

이상에서 효과를 추정하는 분석(아래 설명에 모형 3으로 표 되어 있다)은 최 8가

지 조합(= 연령군 2 x 기상변수 2 x 지연효과 2)에 하여 이루어졌다.

본 보고서에서는 일련의 분석과정을 서울을 심으로 설명하겠다. 나머지 6개 도시

에 하여는 동일한 과정을 거쳐 분석하 으므로 분석결과만을 제시하겠다.

가. 여름철 고온이 사망에 미치는 향 분석방법 결과 - 서울

1) 분석방법

가) GAM 분석과정

본 연구에서는 3가지 기본 인 모형을 이용하여 기온 변화에 따른 과사망률을 추

정하 는데 그 과정을 개 인 그림으로 나타내면 그림 Ⅲ-26과 같다. 모형1을 이

용하여 실제자료를 사망과 심 변수의 계가 선형 인 계인지 확인한다. 모형1

에서 AIC를 이용하여 가장 합한 모형을 찾아낸다.

*모형1: 심변수를 비선형으로 합한 모형

*모형2: 심변수를 선형으로 합한 모형

*모형3: 심변수를 THRESHOLD 후로 다른 선형을 합한 모형

그림 Ⅲ-26. GAM 분석을 이용한 모형의 합도 분석 과정

- 68 -

만일 모형 1을 이용한 합도 분석 결과 심 있는 변수와 사망과의 련이 선형

으로 나타난 경우 모형 2를 이용하여 심 변수가 사망에 미치는 효과를 알아내었다.

모형 2를 분석한 결과 심 변수의 어느 특정 지 (threshold)까지는 사망에의 련

성이 아주 미미하지만 특정 지 (threshold)후에는 사망을 일정하게 증가시키는

련을 가진다면 모형3을 용하여 특정지 (threshold)후의 경향을 추정하 다.

Threshold point를 찾기 하여 심변수의 특정 지 이 나타날 만한 곳에 한 세

분화를 한 후 모형 3을 반복 으로 용하여 AIC를 가장 게 하는 threshold 지

을 찾는다. 실제자료를 가장 잘 합 시키는 심변수의 threshold를 구하면 이것이

모형에서 구할 수 있는 threshold가 된다. 다음은 그림에서 언 한 모형 1, 모형 2,

모형 3의 계식이다.

모형 1

모형 2

모형 3

)

≧

×

- 69 -

나) 모형 입력 변수의 보정

(1) 연도 보정

일별 사망자수는 앞서 자료의 특성을 분석한 결과에서 보았다시피 해마다 변하는

추세변동이 있다. 한 계 별로 일별사망자수가 달라지는데 개 겨울철 일별사망

자수가 많은 것으로 나타난다. 계 변동과 추세변동을 래한 요인은 기온변화에

따른 일별 사망자의 계를 보는 과정에서 요한 교란요인으로 작용 할 수 있다.

따라서 이러한 변동 요인을 제거한 후에 기온변화와 기오염에 따른 일별 사망자

의 련성을 보는 것이 보다 정확한 방법이다. 본 연구에서는 연구의 특성상 여름

철(6월~8월)의 자료만을 가지고 분석을 하기 때문에 계 인 변동은 보정할 필요

가 없었다. 표 Ⅲ-35는 서울의 여름철 일별 사망자 수를 성별 연령별로 직 표 화

한 결과이다. 표 화를 한 후에도 여름(6월~8월)의 일별 사망자수는 일정하게 감소

하는 양상을 보이고 있다. 따라서 시간 경과를 반 하는 변수(연도변수)를 모형에

장변수로 포함시킴으로서 그 정도를 보정해 주었다.

표 Ⅲ-35. 서울의 여름철(6월~8월)의 체 연령 일별 표 화 사망자 수

연도 MEAN SD MAX MIN 상 25% 상 75%

1994년 112.760 22.431 201.655 75.873 121.675 98.885

1995년 99.309 11.228 124.753 76.983 107.901 91.391

1996년 99.185 11.805 128.129 75.459 106.157 91.437

1997년 97.168 11.780 125.131 68.569 104.686 90.829

1998년 93.603 10.722 118.135 67.653 101.397 85.090

1999년 89.932 10.429 122.286 72.677 96.548 82.010

2000년 89.417 10.605 118.181 67.168 95.728 82.863

2001년 86.985 9.094 108.690 62.553 91.847 81.355

2002년 82.930 9.480 105.033 53.352 88.786 77.643

2003년 76.925 8.407 96.420 56.409 83.629 70.838

(2) 요일 보정

일평균 사망자수의 연도별 추이뿐 아니라 일주일 동안의 요일 한 사망자수에

향을 미치는 것으로 알려져 있다. 일반 으로 토요일과 일요일에는 사망자 수가 감

소하고 월요일에는 사망자 수가 증가하는 경향이 있다(표 Ⅲ-36). 사망자 수에 미치

는 요일 효과를 보정하기 하여 본 연구에서는 공휴일 일요일, 공휴일 다음 날

월요일, 토요일, 그리고 그 외의 요일, 4가지 경우로 나 어 요일을 장 변수

투입하 다.

- 70 -

표 Ⅲ-36. 요일에 따른 서울의 여름철 체 연령 일별 표 화 사망자 수

요일 구분체 연령 일별 사망자수

MEAN

체 연령 일별 사망자수

SD

공휴일 일요일 91.777 16.145

공휴일 다음날 월요일 94.231 14.860

토요일 92.622 14.644

그 외의 요일 93.266 17.844

다) 기온 변수의 일별 표치 선정 LAG 효과의 고려

고온과 건강 ( 는 사망)의 역학 연구에서는 습도를 보정한 기온을 단독으로 사용하

거나 는 기온과 습도가 결합된 형태로서 열지수(heat index)를 열 스트 스(heat

stress)의 노출 수치로 이용한다. 본 연구에서는 열스트 스 노출지수로 일평균 기

온, 일최고 기온, 일평균 열지수 각각과 일별 사망자수의 계를 찰하 다. 우선

기온 단독을 노출로 사용할 경우 일평균 기온과 일최고 기온 어느 것이 모형에

더 합한지 확인하 다. 지 까지의 보정 변수를 고려하여 일최고 기온과 일평균

기온을 이용한 모형의 합성을 확인한 결과 표 Ⅲ-37에 정리된 바와 같다. 즉 지연

효과(LAG=0,1,2,3)를 고려한 모든 경우에 일평균 기온을 사용한 모형이 일최고 기온

을 사용한 모형보다 AIC가 작은 값을 갖는 것으로 나타났다. 따라서 본 연구에서는

기온의 노출 지수로서 일최고 기온 신 일평균 기온을 사용하 다. 한 일평균

열지수(heat index)를 이용하여 모형을 세웠다.

표 Ⅲ-37. 서울의 여름철(6월~8월)의 기온 변화에 따른 GAM 모형 합 결과

일평균 기온의 사용 일별 최고 기온의 사용

FITTING NS의 자유도 AIC FITTING NS의 자유도 AIC

LAG=0 상 습도 df=4 , 기온 df=4 1079.698 상 습도 df=4 , 기온 df=4 1113.989

LAG=1 상 습도 df=2 , 기온 df=4 1057.277 상 습도 df=2 , 기온 df=4 1089.894

LAG=2 상 습도 df=2 , 기온 df=4 1133.429 상 습도 df=2 , 기온 df=4 1133.442

LAG=3 상 습도 df=4 , 기온 df=4 1135.947 상 습도 df=4 , 기온 df=3 1163.568

한 당일의 기온 상승이 바로 당일의 사망으로 직결되는지 알아보기 해서 지연

효과(lag effect)를 살펴보았다. 당일의 일별 사망 수에 3일 부터 그날까지의 기온

자료를 연 시켜 모형을 세웠다. 모든 합의 결과에서 lag=1이 가장 작은 AIC를

보이고 그 다음으로는 당일의 AIC가 낮은 것으로 나타났다. 따라서 본 연구에서는

- 71 -

당일과 lag=1의 기온이 사망에 미치는 효과를 추정하는데 을 두기로 하 다.

한 본 연구에서는 최 의 모형을 찾아내기 하여 당일의 효과와 lag=1의 효과를

알아보고자 할 경우 추세 보정과 요일 보정을 제외한 모든 교란 변수에 동일한 지

연효과를 주었다.

라) 분석 상 인구집단의 선정 (Population selection)

본 연구에서는 체 연령군 뿐 아니라 혹서(heat wave)에 민감한 것으로 알려져 있

는 65세 이상의 노령자를 별도의 인구집단으로 설정하여 따로 분석하 다. 본 연구

의 기에 심 계 질환, 호흡기계 질환에 의한 사망자 그리고 20세 이하 인구의

사망자에 한 분석을 계획하 다. 하지만 분석에 필요한 최소한의 일별 사망자수

의 해상도(일별 사망자수의 변동 정도)를 충족하지 못하 으므로 분석하지 못하

다. 국 7개 도시에서 그 해상도를 만족하는 65세 이상의 상자 에서 사망에

한 혹서(heat wave)의 향 분석을 실시하 다.

(1) 분석결과

(가) 서울의 분석 자료 특성

다음 표 Ⅲ-38은 서울 지역의 분석에 투입된 기온 열지수, 체연령 65세 이

상 연령군 자료의 기본 인 분포 특성을 정리한 것이다.

표 Ⅲ-38. 서울의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변수 평균 표 편차 최고 최상

25%

상

50%

상

75%

체 연령 일별

사망자 수92.821 15.419 201.655 53.352 101.075 91.437 82.456

65세 이상 일별

사망자 수56.499 11.184 135.481 26.052 62.402 55.287 49.108

일평균 기온 24.669 2.813 32.988 15.138 26.519 24.813 22.750

일평균 열지수 25.927 3.793 40.456 16.510 27.892 25.546 23.481

일평균 상 습도 73.341 11.338 97.375 37.000 81.813 73.500 65.688

(나) 기온변화에 따른 과사망률 추정 과정 결과

다음은 1994년에서 2003까지 서울의 여름철(6월~8월) 기온변화에 따른 과 사망률

을 추정하는 과정에 한 정리이다. 체 연령의 일별 표 화 사망자수를 이용하여

당일의 일평균 기온의 상승에 따른 일별 과 사망률이 얼마인지를 추정하는 과정

이다.

- 72 -

본 연구에서 고려하는 모든 경우의 서울 지역 여름철(6월~8월) 기온 변화에 따른

일별 사망자수의 변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ-39와 같다.

표 Ⅲ-39. 서울 지역 분석의 혹서 련 모형1 합 결과 AIC

상자 심변수 지연효과 심변수와 보정변수의 고려한 knots 수 AIC

체

연령

일평균기온

lag=0 일평균기온 df=4 , 일별 상 습도 df=4 1079.698

lag=1 일평균기온 df=4 , 일별 상 습도 df=2 1057.277

lag=2 일평균기온 df=4 , 일별 상 습도 df=2 1133.429

lag=3 일평균기온 df=4 , 일별 상 습도 df=4 1135.947

일평균열지수

lag=0 일평균 열지수 df=4 1113.910

lag=1 일평균 열지수 df=4 1090.186

lag=2 일평균 열지수 df=4 1143.767

lag=3 일평균 열지수 df=4 1146.203

65세

이상

일평균기온

lag=0 일평균기온 df=4 , 일별 상 습도 df=4 1062.189

lag=1 일평균기온 df=4 , 일별 상 습도 df=2 1062.489

lag=2 일평균기온 df=4 , 일별 상 습도 df=4 1133.211

lag=3 일평균기온 df=4 , 일별 상 습도 df=4 1162.706

일평균열지수

lag=0 일평균 열지수 df=4 1100.320

lag=1 일평균 열지수 df=4 1086.889

lag=2 일평균 열지수 df=4 1140.375

lag=3 일평균 열지수 df=4 1158.749

아래의 그림 Ⅲ-27은 일평균기온과 사망과의 계를 도식화한 것이다. 그림에서 보

이듯이 약 27도 까지는 사망자 수에 향을 미치지 않는 것으로 나타나고 있으며

약 27도 이후에는 일정하게 사망자수가 늘어나는 것으로 보인다. 한 심 있는

변수 외에도 일평균 상 습도를 보면 일별 사망자수에 음의 직선 인 향을 미치

고 있음을 확인 할 수 있다.

- 73 -

그림 Ⅲ-27. 서울 지역의 연령 사망에 한 기온의 효과 모형1 합 결과

parti

al fo

r fye

ar

-0.2

-0.1

0.0

0.1

fyear

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

parti

al fo

r ffy

ouil

-0.0

3-0

.01

0.01

0.03

ffyouil

1 2 3 4

TEMPMEAN

ns(T

EM

PM

EA

N, d

f = 4

)

15 20 25 30

0.0

0.1

0.2

0.3

0.4

0.5

HUMIDY.MEAN

ns(H

UM

IDY

.ME

AN

, df =

4)

40 50 60 70 80 90 100

-0.0

50.

00.

050.

10

따라서 앞서 설계한 바에 따라 모형 3을 이용하여 사망률에 향을 미치기 시작하

는 온도, 즉 역치기온 (threshold temperature)을 찾기 한 과정이 필요 할 것으로

보이며, threshold temperature를 선정한 후에 threshold 이상의 기온에서는 어느 정

도의 과 사망률을 일으키는지 알아보는 과정이 필요 할 것이다. 모형 1의 최

합된 결과에서는 기온의 경우 약 27도에서 threshold가 존재 할 것으로 단되어

25도부터 29도까지의 0.1도 단 로 기온을 세분화하여 모형3을 합 시켰다. 표

3-41에서 보는 바와 같이 28.1C에서 가장 작은 AIC값을 나타내었다. 표 Ⅲ-40은 각

각의 경우에 threshold의 지 에서의 모형 합 정도를 나타내는 AIC와 상

threshold 이상의 기온에서 기온 1도 상승에 따른 과 사망률의 상 험도

(Relative Risk, RR)와 RR의 95% 신뢰구간이다. 그림 Ⅲ-28은 표 Ⅲ-40에 정리된 온

도별 AIC를 도식화 한 것이다.

- 74 -

표 Ⅲ-40. 서울 지역의 연령 사망에 한 기온의 효과 모형3 합 결과

특정 기온 지 beta % change lower 95% CI upper 95% CI AIC

25.0 0.023791 2.408 1.805 3.013 1136.610

25.1 0.024627 2.493 1.878 3.112 1134.787

25.2 0.025516 2.584 1.957 3.216 1130.413

25.3 0.026494 2.685 2.043 3.331 1129.266

25.4 0.027520 2.790 2.133 3.452 1126.924

25.5 0.028573 2.899 2.226 3.575 1123.647

25.6 0.029666 3.011 2.323 3.703 1119.314

25.7 0.030777 3.126 2.422 3.834 1115.790

25.8 0.031949 3.246 2.525 3.973 1113.214

25.9 0.033170 3.373 2.630 4.120 1114.922

26.0 0.034450 3.505 2.743 4.272 1111.180

26.1 0.035764 3.641 2.856 4.432 1113.420

26.2 0.037200 3.790 2.982 4.604 1113.035

26.3 0.038745 3.951 3.117 4.790 1113.230

26.4 0.040322 4.115 3.255 4.981 1113.623

26.5 0.042038 4.293 3.406 5.189 1112.614

26.6 0.043931 4.491 3.574 5.416 1110.489

26.7 0.046010 4.709 3.762 5.663 1104.969

26.8 0.048309 4.950 3.970 5.938 1103.195

26.9 0.050810 5.212 4.198 6.236 1101.310

27.0 0.053457 5.491 4.441 6.552 1098.880

27.1 0.056197 5.781 4.691 6.882 1099.312

27.2 0.059202 6.099 4.970 7.240 1096.810

27.3 0.062504 6.450 5.282 7.631 1093.825

27.4 0.065969 6.819 5.610 8.042 1092.180

27.5 0.069493 7.197 5.946 8.462 1090.395

27.6 0.072902 7.562 6.268 8.873 1088.844

27.7 0.076454 7.945 6.602 9.305 1087.990

27.8 0.080134 8.343 6.948 9.756 1089.847

27.9 0.083867 8.748 7.302 10.215 1088.438

28.0 0.087673 9.163 7.663 10.684 1085.798

28.1 0.091630 9.596 8.042 11.173 1082.975

28.2 0.095298 9.999 8.378 11.644 1085.097

28.3 0.099119 10.420 8.730 12.136 1086.276

28.4 0.103057 10.855 9.092 12.647 1087.560

28.5 0.107023 11.296 9.456 13.167 1088.792

28.6 0.110841 11.722 9.801 13.676 1090.948

28.7 0.114743 12.158 10.153 14.200 1092.526

28.8 0.119074 12.645 10.551 14.779 1092.546

28.9 0.123590 13.155 10.960 15.394 1097.608

29.0 0.128587 13.722 11.426 16.066 1096.975

* % change : 일평균 습도 보정 일평균 기온 1도 상승에 따른 일별 사망률의 증가 percent

- 75 -

그림 Ⅲ-28. 서울지역 연령 기온의 가능한 threshold에 따른

합모형의 AIC

Threshold of Temperature in MIN(AIC)

temperature

AIC

val

ue

25 26 27 28 29

1090

1100

1110

1120

1130

분석결과를 요약하면 “ 연령 사망자의 당일 일평균 습도를 보정한 당일 일평균

기온의 threshold는 약 28.1도”에서 형성되는 것으로 나타나고 있으며, 일평균 기온

1도 상승에 따른 일별 사망률은 “9.6%” 상승하는 것으로 나타나고 있다. 95% 신뢰

구간은 8.0%에서 11.2% 다.

(다) 서울지역의 연령별, 평균기온 열지수의 threshold와 사망률 분석 종합

이상의 과정을 서울지역 체 연령군 65세 이상 연령군을 상으로 반복하여

용하 다. 한 모형의 입력변수로 평균기온과 열지수 각각의 효과를 분석하 다.

해당 입력변수에 하여 지연효과를 평가하기 하여 당일(lag=0)과 그 다음날

(lag=1)의 효과를 나 어 분석하 으며 각각의 시나리오별로 threshold temperature

( 는 heat index)를 구하 고, threshold temperature( 는 heat index) 이상에서 사

망률에 미치는 효과를 %상승률로 구하 다. 다음 표 Ⅲ-41은 정리된 결과이다.

- 76 -

표 Ⅲ-41. 서울 지역 분석의 혹서 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일평균기온lag=0 유 28.1 9.59588 8.042 ~ 11.173 1082.975

lag=1 유 28.9 16.25653 14.166 ~ 18.386 1037.786

일평균열지수lag=0 유 31.4 4.25041 3.350 ~ 5.158 1109.966

lag=1 유 32.3 6.40049 5.376 ~ 7.435 1073.970

65세

이상

일평균기온lag=0 유 28.2 12.24536 10.341 ~ 14.182 1067.987

lag=1 유 28.5 17.06773 14.784 ~ 19.396 1050.438

일평균열지수lag=0 유 30.2 4.28138 3.383 ~ 5.187 1101.848

lag=1 유 31.9 7.81300 6.627 ~ 9.013 1074.295

* % 상승률 - 기온과 열지수의 경우 one-unit : 1도(섭씨)

연령군에 상 없이 일평균 기온을 입력변수로 한 경우가 열지수를 입력변수로 한

경우보다 모형의 합성이 더 나은 것으로 나타났다. 고온 노출이 사망에 미치는

향은 당일보다 그 다음날 더 합하게 나타났다. 65세 이상의 사망자를 상으로

한 분석에서는 체 연령의 사망자를 상으로 한 것보다 약간 낮은 threshold를

형성하는 것으로 나타나고 있으며 기온 1도 상승으로 인한 % 상승률은 체 연령

사망자를 상으로 하는 것보다 높게 나타났다. 일평균 열지수에 한 threshold는

기온과 열지수의 계와 비슷하게 약 3도 정도 높게 나타나고 있다. 하지만 일평균

열지수에 의한 사망률의 % 상승률은 일평균 기온보다 낮게 나타나고 있다.

모형의 합도 결과를 정리하면, 1) 일평균기온>일최고기온, 2) 일평균기온>일평균

열지수, 3) lag=1>lag=0, 4) 65세 이상 인구집단> 체연령군이었다. 특히 65세 이상

연령군이 체 연령군에 비하여 낮은 threshold temperature( 는 heat index)와 높

은 % 상승률을 보이는 것으로 보아 고온으로 인한 과사망의 향은 65세 이상

인구집단에서 더욱 민감한 것으로 단되었다.

나. 서울 외 6개 도시의 분석 결과

서울 지역의 분석 방법과 동일한 방법으로 나머지 6개의 도시에 해서 기온변화에

따른 과 사망률을 추정한 결과이다.

- 77 -

1) 부산

다음 표 Ⅲ-42은 부산지역 분석에 투입된 기온 열지수, 체연령 65세 이상

연령군 자료의 기본 인 분포 특성을 정리한 것이다.

표 Ⅲ-42. 부산의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수43.316 8.490 74.666 19.412 48.972 42.880 37.099

65세 이상 일별

사망자수25.554 6.068 47.028 8.505 29.479 25.183 21.261

일평균 기온 23.824 3.133 30.100 16.213 26.606 23.806 21.294

일평균 열지수 24.965 4.695 37.837 15.025 28.597 24.153 21.440

일평균 상 습도 81.728 9.600 99.000 44.375 88.875 82.250 76.375

본 연구에서 고려하는 모든 경우의 부산 지역 여름철(6월~8월) 기온( 는 열지수)

변화에 따른 일별 사망자수의 변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ

-43과 같다.

표 Ⅲ-43. 부산 지역 분석의 혹서 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일평균기온lag=0 일평균기온 df=4 , 일별 상 습도 df=2 1103.4260

lag=1 일평균기온 df=4 , 일별 상 습도 df=2 1095.1060

일평균열지수lag=0 일평균 열지수 df=2 1100.0790

lag=1 일평균 열지수 df=2 1096.4930

65세

이상

일평균기온lag=0 일평균기온 df=4 , 일별 상 습도 df=4 1097.4000

lag=1 일평균기온 df=2 , 일별 상 습도 df=2 1099.8900

일평균열지수lag=0 일평균 열지수 df=2 1102.3120

lag=1 일평균 열지수 df=2 1106.0490

부산의 경우 서울과 달리 체 연령군에서는 온도와 사망률 사이에 역치를 보이지

않았다. 다만 역치 계를 보인 65세 이상 연령군을 상으로 역치기온을 찾기 한

분석 (모형 3)을 용하여 추가 분석을 실시하 다. 표 III-44에서 보는 바와 같이

- 78 -

부산지역 65세 이상 인구집단에서 당일의 경우 24.3도, 다음날의 경우 24.5도에서

가장 작은 AIC값을 나타내었다.

표 Ⅲ-44. 부산 지역 분석의 혹서 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일평균기온lag=0 NA NA NA NA NA

lag=1 NA NA NA NA NA

일평균열지수lag=0 NA NA NA NA NA

lag=1 NA NA NA NA NA

65세

이상

일평균기온lag=0 유 24.3 1.39365 0.199 ~ 2.603 1094.943

lag=1 무 24.5 0.96238 -0.287 ~ 2.227 1096.687

일평균열지수lag=0 유 linear 0.58748 0.290 ~ 0.886 1099.867

lag=1 유 linear 0.37959 0.082 ~ 0.678 1103.801

* % 상승률 - 기온과 열지수의 경우 one-unit : 1도(섭씨)

부산 지역의 분석결과를 요약하면 1) 체 연령을 상으로 한 경우 고온과 사망

사이의 역치를 보이지 않았으며 2) 65세 이상 인구집단의 경우 일평균 기온을 변수

로 분석하 을 경우 24.3도 는 24.5도에서 역치가 형성되었다. 3) 65세 이상 인구

집단의 경우 역치 기온이상에서 일평균 기온 1도 상승에 따른 일별 사망률은 1.4%

상승하는 것으로 나타났다. 과사망률의 95% 신뢰구간은 0.2%에서 2.6% 다.

- 79 -

2) 구

다음 표 Ⅲ-45는 구지역 분석에 투입된 기온 열지수, 체연령 65세 이상

연령군 자료의 기본 인 분포 특성을 정리한 것이다.

표 Ⅲ-45. 구의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변 수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수27.031 6.572 60.400 11.849 30.580 26.529 22.421

65세 이상 일별

사망자수16.487 4.953 43.757 4.238 19.159 16.326 13.105

일평균 기온 25.193 3.354 32.850 15.488 27.706 25.319 22.856

일평균 열지수 26.679 4.078 39.135 17.428 29.463 26.143 23.936

일평균 상 습도 69.669 11.011 96.000 28.000 77.000 68.750 62.375

본 연구에서 고려하는 모든 경우의 구 지역 여름철(6월~8월) 기온( 는 열지수)

변화에 따른 일별 사망자수의 변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ

-46과 같다.

표 Ⅲ-46. 구 지역 분석의 혹서 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일평균기온lag=0 일평균기온 df=4 , 일별 상 습도 df=2 1042.5710

lag=1 일평균기온 df=3 , 일별 상 습도 df=4 1058.0710

일평균열지수lag=0 일평균 열지수 df= 4 1058.6380

lag=1 일평균 열지수 df= 2 1063.2410

65세

이상

일평균기온lag=0 일평균기온 df=3 , 일별 상 습도 df=3 1054.2620

lag=1 일평균기온 df=3 , 일별 상 습도 df=4 1069.0090

일평균열지수lag=0 일평균 열지수 df= 4 1074.0350

lag=1 일평균 열지수 df= 3 1067.4440

구의 경우 서울과 유사한 경향을 보 다. 체연령군과 65세 이상인구집단 모두

에서 기온과 사망 사이에 역치의 계를 보 다. 체연령군과 65세 이상인구집단

에 각각의 역치기온을 찾기 한 분석 (모형 3)을 실시한 결과는 다음 표 III-47과

같다. 구지역 체 연령군에 한 역치기온은 서울과 마찬가지로 28.1도로 나타났

으며, 65세 이상 인구집단의 당일 일평균 역치기온은 26.9도로 나타났다.

- 80 -

표 Ⅲ-47. 구 지역 분석의 혹서 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일평균기온lag=0 유 28.1 4.62101 2.737 ~ 6.540 1036.686

lag=1 유 29.7 9.09455 5.119 ~ 13.220 1057.842

일평균열지수lag=0 유 32.7 3.99237 1.803 ~ 6.228 1052.031

lag=1 유 32.9 5.21345 2.801 ~ 7.683 1059.544

65세

이상

일평균기온lag=0 유 26.9 5.34234 3.602 ~ 7.111 1052.127

lag=1 유 27.1 5.89526 4.030 ~ 7.794 1066.382

일평균열지수lag=0 유 27.7 2.28736 1.364 ~ 3.220 1068.287

lag=1 유 28.8 3.22910 2.115 ~ 4.355 1061.163

* % 상승률 - 기온과 열지수의 경우 one-unit : 1도(섭씨)

구의 경우에도 서울과 마찬가지로 열지수보다는 일평균기온을 사용했을 때의 모

형 합도가 더 나은 것으로 보 다. 따라서 구 지역의 분석결과를 일평균 기온을

심으로 요약하면 1) 체 연령을 상으로 한 경우와 65세 이상 인구집단을 상

으로 한 경우 모두에서 고온과 사망 사이의 역치를 보 다 2) 체 연령군의 역치

기온은 28.1도, 65세 이상 인구집단의 역치기온은 26.9도 이다 3) 일평균 기온 1도

상승에 따른 일별 사망률은 체연령군의 경우 4.6% (2.7~6.5%)이며, 65세 이상의

경우 5.3% (3.6~7.1%) 상승하는 것으로 나타났다.

- 81 -

3)

다음 표 Ⅲ-48은 지역 분석에 투입된 기온 열지수, 체연령 65세 이상

연령군 자료의 기본 인 분포 특성을 정리한 것이다.

표 Ⅲ-48. 의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변 수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수13.165 4.188 27.967 2.921 15.894 12.797 10.196

65세 이상 일별

사망자수8.360 3.255 21.615 0.969 10.333 8.076 6.077

일평균 기온 24.609 2.805 31.800 15.188 26.738 24.650 22.756

일평균 열지수 25.663 3.786 36.160 15.120 28.370 25.109 23.249

일평균 상 습도 75.367 10.252 97.125 46.625 82.625 75.250 68.875

본 연구에서 고려하는 모든 경우의 지역 여름철(6월~8월) 기온( 는 열지수)

변화에 따른 일별 사망자수의 변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ

-49와 같다.

표 Ⅲ-49. 지역 분석의 혹서 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df aic

체

연령

일평균기온lag=0 일평균기온 df=2 , 일별 상 습도 df=2 1054.5040

lag=1 일평균기온 df=2 , 일별 상 습도 df=3 1053.2160

일평균열지수lag=0 일평균 열지수 df=2 1060.2350

lag=1 일평균 열지수 df=3 1061.0950

65세

이상

일평균기온lag=0 일평균기온 df=2 , 일별 상 습도 df=2 1029.1170

lag=1 일평균기온 df=3 , 일별 상 습도 df=4 1036.5190

일평균열지수lag=0 일평균 열지수 df=3 1024.4450

lag=1 일평균 열지수 df=3 1029.0670

의 경우 체 연령군을 상으로 한 분석에서 역치의 계를 보이는 듯하 다.

모형3을 용하여 세 하게 분석한 결과 다음 표 III-50에 정리된 바와 같이 28.1도

에서 역치를 보 다. 그러나 역치 기온 이상에서 1도 상승 시 과사망율의 증가를

확인한 결과 95% 유의수 에 0%를 포함하는 것으로 나타났다. 이는 역치 이상의

기온 상승에 과사망률의 증가가 유의하지 않은 것으로 해석된다. 따라서 체 연

- 82 -

령군을 상으로 한 분석에서는 기온과 과사망의 계가 유의하지 않다고 할 수

있다. 65세 이상 인구집단의 경우 당일에 한하여 역치기온과 그에 해당하는 과사

망율의 증가를 보 다.

표 Ⅲ-50. 지역 분석의 혹서 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일평균기온lag=0 무 28.1 3.90977 -0.634 ~ 8.661 1054.426

lag=1 NA NA NA NA NA

일평균열지수lag=0 무 29.0 0.96751 -0.746 ~ 2.711 1057.649

lag=1 NA NA NA NA NA

65세

이상

일평균기온lag=0 유 24.9 2.88277 1.011 ~ 4.789 1027.169

lag=1 무 25.5 2.13191 -0.049 ~ 4.360 1028.418

일평균열지수lag=0 유 26.1 1.64584 0.482 ~ 2.283 1019.446

lag=1 무 27.8 1.15143 -0.485 ~ 2.815 1023.255

* % 상승률 - 기온과 열지수의 경우 one-unit : 1도(섭씨)

지역의 분석결과를 일평균 기온을 심으로 요약하면 1) 체 연령을 상으

로 한 경우 역치기온이 찰되었으나 역치 이상의 기온 상승에서 과사망율의 증

가는 유의하지 않은 것으로 나타났다. 2) 65세 이상 인구집단을 상으로 한 경우

역치기온은 24.9도 이다 3) 일평균 기온 1도 상승에 따른 일별 사망률은 65세 이상

의 경우 2.9% (1.1~4.8%) 상승하는 것으로 나타났다.

- 83 -

4) 인천

다음 표 Ⅲ-51은 인천지역 분석에 투입된 기온 열지수, 체연령 65세 이상

연령군 자료의 기본 인 분포 특성을 정리한 것이다.

표 Ⅲ-51. 인천의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변 수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수25.026 6.302 61.222 10.709 28.669 24.383 20.741

65세 이상 일별

사망자수15.379 4.760 48.403 3.474 18.180 14.935 12.178

일평균 기온 23.896 2.889 31.450 14.513 25.906 24.019 21.850

일평균 열지수 24.862 3.819 37.474 15.841 27.150 24.422 22.129

일평균 상 습도 78.495 10.047 97.750 46.375 85.813 79.750 72.063

본 연구에서 고려하는 모든 경우의 인천 지역 여름철(6월~8월) 기온( 는 열지수)

변화에 따른 일별 사망자수의 변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ

-52와 같다.

표 Ⅲ-52. 인천 지역 분석의 혹서 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일평균기온lag=0 일평균기온 df=2 , 일별 상 습도 df=4 1103.7820

lag=1 일평균기온 df=4 , 일별 상 습도 df=4 1114.1970

일평균열지수lag=0 일평균 열지수 df=3 1125.9150

lag=1 일평균 열지수 df=3 1128.1190

65세

이상

일평균기온lag=0 일평균기온 df=2 , 일별 상 습도 df=4 1082.7260

lag=1 일평균기온 df=3 , 일별 상 습도 df=4 1092.2130

일평균열지수lag=0 일평균 열지수 df=4 1096.8010

lag=1 일평균 열지수 df=3 1100.7880

인천의 경우 서울과 유사한 경향을 보 다. 체연령군과 65세 이상 인구집단 모두

에서 기온과 사망 사이에 역치의 계를 보 다. 체연령군과 65세 이상인구집단

에 각각의 역치기온을 찾기 한 분석 (모형 3)을 실시한 결과는 다음 표 III-53과

같다. 인천지역 체 연령군에 한 역치기온은 서울의 28.1도보다는 낮은 26.6도로

나타났으며, 65세 이상 인구집단의 당일 일평균 역치기온은 26.0도로 나타났다.

- 84 -

표 Ⅲ-53. 인천 지역 분석의 혹서 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일평균기온lag=0 유 26.6 5.30611 3.100 ~ 7.559 1101.546

lag=1 유 27.0 7.00708 4.421 ~ 9.657 1107.520

일평균열지수lag=0 유 27.7 2.18995 1.142 ~ 3.249 1120.807

lag=1 유 30.5 4.60118 2.501 ~ 6.741 1114.198

65세

이상

일평균기온lag=0 유 26.0 5.02635 2.814 ~ 7.285 1079.966

lag=1 유 25.8 4.69338 2.604 ~ 6.825 1088.399

일평균열지수lag=0 유 26.0 1.92934 0.973 ~ 2.895 1092.653

lag=1 유 27.8 2.73980 1.384 ~ 4.113 1095.064

* % 상승률 - 기온과 열지수의 경우 one-unit : 1도(섭씨)

인천의 경우에도 서울과 마찬가지로 열지수보다는 일평균기온을 사용했을 때의 모

형 합도가 더 나은 것으로 보 다. 따라서 인천 지역의 분석결과를 일평균 기온을

심으로 요약하면 1) 체 연령을 상으로 한 경우와 65세 이상 인구집단을 상

으로 한 경우 모두에서 고온과 사망 사이의 역치를 보 다 2) 체 연령군의 역치

기온은 26.6도, 65세 이상 인구집단의 역치기온은 26.0도 이다 3) 일평균 기온 1도

상승에 따른 일별 사망률은 체연령군의 경우 5.3% (3.1~7.6%)이며, 65세 이상의

경우 5.2% (2.8~7.3%) 상승하는 것으로 나타났다.

- 85 -

5) 주

다음 표 Ⅲ-54는 주지역 분석에 투입된 기온 열지수, 체연령 65세 이상

연령군 자료의 기본 인 분포 특성을 정리한 것이다.

표 Ⅲ-54. 주의 1994-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체연령 사망자수 13.538 4.059 30.840 2.738 15.881 13.389 10.774

65세 이상 사망자수 8.587 3.234 22.647 0.802 10.512 8.331 6.399

일별평균기온 24.803 2.820 31.313 16.313 27.031 24.806 22.744

일별평균열지수 26.008 3.968 36.174 16.912 29.079 25.395 23.176

일별평균상 습도 75.466 9.541 96.000 41.125 81.500 75.375 69.625

본 연구에서 고려하는 모든 경우의 주지역 여름철(6월~8월) 기온( 는 열지수) 변

화에 따른 일별 사망자수의 변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ-55

와 같다.

표 Ⅲ-55. 주 지역 분석의 혹서 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일평균기온lag=0 일평균기온 df=4 , 일별 상 습도 df=3 939.2333

lag=1 일평균기온 df=3 , 일별 상 습도 df=3 944.0843

일평균열지수lag=0 일평균 열지수 df=3 934.5201

lag=1 일평균 열지수 df=2 943.8585

65세

이상

일평균기온lag=0 일평균기온 df=2 , 일별 상 습도 df=4 1009.1230

lag=1 일평균기온 df=4 , 일별 상 습도 df=2 1003.9050

일평균열지수lag=0 일평균 열지수 df=2 1003.2890

lag=1 일평균 열지수 df=2 998.8955

주의 경우 서울, 구, 인천과 유사한 경향을 보 으나, 다만 열지수와의 계는

통계 으로 유의하지 않은 것으로 나타났다. 체연령군과 65세 이상 인구집단 모

두에서 기온과 사망 사이에 역치의 계를 보 다. 체연령군과 65세 이상인구집

단에 각각의 역치기온을 찾기 한 분석 (모형 3)을 실시한 결과는 다음 표 III-56과

같다. 주지역 체 연령군에 한 역치기온은 서울의 28.1도보다는 낮은 26.6도로

나타났으며, 65세 이상 인구집단의 당일 일평균 역치기온은 25.1도로 매우 낮게 나

타났다.

- 86 -

표 Ⅲ-56. 주 지역 분석의 혹서 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일평균기온lag=0 유 26.6 2.64172 0.339 ~ 4.997 936.161

lag=1 유 27.9 6.73161 2.468 ~ 11.173 939.190

일평균열지수lag=0 무 28.8 1.21496 -0.235 ~ 2.686 934.940

lag=1 무 29.5 1.40832 -0.331 ~ 3.178 944.005

65세

이상

일평균기온lag=0 유 25.1 1.95254 0.036 ~ 3.905 1010.919

lag=1 유 26.1 2.57813 0.070 ~ 5.149 1000.480

일평균열지수lag=0 무 26.1 1.02360 -0.069 ~ 2.128 1003.332

lag=1 무 28.5 1.23028 -0.541 ~ 3.033 998.313

* % 상승률 - 기온과 열지수의 경우 one-unit : 1도(섭씨)

주 지역의 분석결과를 일평균 기온을 심으로 요약하면 1) 체 연령을 상으

로 한 경우와 65세 이상 인구집단을 상으로 한 경우 모두에서 고온과 사망 사이

의 역치를 보 다 2) 체 연령군의 역치기온은 26.6도, 65세 이상 인구집단의 역치

기온은 25.1도로 서울을 비롯한 다른 도시의 경우보다 매우 낮게 나타났다 3) 일

평균 기온 1도 상승에 따른 일별 사망률은 체연령군의 경우 2.6% (0.34~5.0%)이

며, 65세 이상의 경우 2.0% (0.04~3.9%) 상승하는 것으로 나타났다.

- 87 -

6) 울산

다음 표 Ⅲ-57은 울산지역 분석에 투입된 기온 열지수, 체연령 65세 이상

연령군 자료의 기본 인 분포 특성을 정리한 것이다. 울산은 역시로 행정구역이

개편된 1997년 이후의 자료만 사용가능했다.

표 Ⅲ-57. 울산의 1997-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수8.018 3.023 19.156 0.797 9.803 7.796 5.862

65세 이상 일별

사망자수4.645 2.274 12.493 0.000 6.169 4.448 2.975

일평균 기온 24.037 2.962 30.550 15.838 26.238 24.125 21.750

일평균 열지수 25.166 3.593 37.228 15.957 27.381 24.799 22.699

일평균 상 습도 74.999 10.366 96.500 38.000 82.500 74.875 68.750

본 연구에서 고려하는 모든 경우의 울산지역 여름철(6월~8월) 기온( 는 열지수) 변

화에 따른 일별 사망자수의 변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ-58

과 같다.

표 Ⅲ-58. 울산 지역 분석의 혹서 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일평균기온lag=0 일평균기온 df=2 , 일별 상 습도 df=2 645.8873

lag=1 일평균기온 df=2 , 일별 상 습도 df=4 641.8612

일평균열지수lag=0 일평균 열지수 df=2 642.6595

lag=1 일평균 열지수 df=4 643.0323

65세

이상

일평균기온lag=0 일평균기온 df=3 , 일별 상 습도 df=4 679.6553

lag=1 일평균기온 df=2 , 일별 상 습도 df=3 680.3255

일평균열지수lag=0 일평균 열지수 df=2 674.4816

lag=1 일평균 열지수 df=2 680.3209

울산의 경우 체연령군과 65세 이상 인구집단 모두에서 기온과 사망 사이에 역치

의 계를 보이지 않았다. 이는 울산 지역 분석에 사용가능했던 자료의 양이 제한

되었고, 일별 사망자 수가 었던 것 등의 이유인 것으로 추정된다.

- 88 -

5. 1994년 우리나라 혹서로 인한 과사망 분석

혹서(heat wave)에 한 정의는 지역과 국가별로 다르다. 아직까지 국내에서는 혹서

에 한 구체 인 기 은 마련되어 있지 않지만 외국의 경우는 다음 표 III-59에 정

리된 바와 같이 정의하고 있다(표 Ⅲ-59).

표 Ⅲ-59. 세계 여러 나라의 혹서에 한 정의

출 처 정 의

미국 기상청 32.2도를 과하는 날이 연속하여 3일 이상 지속되는 상태

Climate research,

Climate Index 2002

Heat wave duration Index(144 HWDI)

1961-1990년 일평균 최고 기온보다 5도 이상 높은 기온이 연속하

여 5일 이상 지속되는 상태

EHP, 2001

네덜란드의 국립 기상청에서 정의한 혹서의 정의

:일 최고기온이 25도 이상인 날이 5일 이상 지속되는 상태

:일 최고기온이 30도 이상인 날이 3일 지속되는 상태

J Epidemicol

community health,

2002

평균기온의 99% percentile 이상의 기온이 발생하는 상태

의 혹서(heat wave)와 련된 정의는 지역별로 다른 기후를 가졌고 지역별로 기

온과 련된 응 능력이 다르기 때문에 다른 나라에서 사용하는 혹서(heat wave)

정의를 우리나라의 실정에 바로 용하기는 무리가 있다.

세계 으로 여러 도시에서 혹서로 인한 피해를 보고하고 있다. 1995년 미국 시카

고14), 1995년 국의 잉 랜드와 웨일즈 지방15) 그리고 1994년 일본 오사카 지역16)

에서 혹서 피해를 받았다고 보고되고 있다. 미국 시카고의 경우에는 1995년 7월 12

일부터 7월 16일까지 일별 최고 기온이 섭씨 33.9도에서 44도까지 상승했는데, 7월

11일부터 27일 사이에 465명의 과사망자가 발생한 것으로 나타났다. 국의 경우

에는 국이 해양성 기후인 것에 비해서 1995년 8월 1일의 기온이 35.2도까지 상승

했다. 그리고 같은 해의 7월 30일부터 8월 3일까지의 사망자 수를 분석한 결과

년(1993년-1995년)의 같은 기간에 619명의 과 사망이 발생 했으며 그 정도는 약

8.9% 가량 증가한 것으로 나타났다. 1994년 여름, 섭씨 30도 이상인 날이 75일간 지

14) "Heat-Related Mortality-Chicago, July 1995" MMWR 1995;44(No.31)

15) C Rooney, AJ McMichael RS Kovats and MP Coleman "Excess mortality in England and Wales, and in

Greater London, during the 1995 heatwaves" J Epidemiol Community Health 1998;52;482-486

16) Bai H, Islam MN, Kuroki H, Honda K, Wakasugi C. "Deaths due to heat waves during the summer of

1994 in Osaka Prefecture, Japan" Nippon Hoigaku Zasshi. 1995Aug;49(4):265-74

- 89 -

속되었던 일본의 경우 오사카 지역의 고온과 련된 과 사망의 수는 1388명(7

월:655명, 8월:733명)으로 추정되었다. (다 많은 사례가 본 보고서 2장 표 Ⅱ-2에 정

리되었다)

우리나라는 1994년에 사상 유래 없는 무더 를 경험하 으며, 이 무더 로 인한

잖은 피해가 추정되었다. 서울 지역의 1994년부터 2003년까지 여름철 일평균 기온

과 일평균 사망자수는 다음 표 Ⅲ-60과 같다. 1994년, 1997년, 그리고 2000년에 일평

균 기온이 각각 약 2도, 1도, 1.5도 정도 높은 것으로 나타나고 있으며 일평균 사망

자 수는 1994년도에 상당히 높게 나타나고 있는 것으로 보인다.

표 Ⅲ-60. 연도별 서울의 여름철(6월 7월 8월) 일평균기온과 일평균사망자 수

년도 일평균 기온 (C)일평균 사망자수

MEAN SD MAX

1994 26.34 112.8 22.43 201.7

1995 24.08 99.31 11.23 124.7

1996 24.23 99.19 11.81 128.1

1997 25.46 97.17 11.78 125.1

1998 23.96 93.60 10.72 118.1

1999 24.99 89.93 10.43 122.3

2000 25.57 89.42 10.61 118.2

2001 24.98 86.99 9.09 108.7

2002 23.91 82.93 9.48 105.0

2003 23.18 76.93 8.41 96.42

본 연구의 상 지역이었던 7개 도시 기온-사망의 계가 유의하게 나타났던

서울, 구, 인천, 주의 1994년의 혹서(heat wave)로 인한 과 사망자 수를 추정

하 다. 부산, , 인천의 경우 과사망율에 기여하는 threshold 기온을 분석 모

형에서 구하지 못하 으므로 1994년 사례분석에서 제외시켰다. 다음은 모형을 용

함에 있어 기본 인 가정들이다.

첫째, 기온으로 인한 사망에의 향은 즉시(당일 날에 향을 ) 발생한다.

둘째, 역치 기온 이상에서 고온과 사망의 계는 선형의 계이다.

셋째, 역치 기온 이하의 날에서는 온도로 인한 사망이 발생하지 않는다.

넷째, 기온 상승과 련된 기 오염의 향은 기온의 향으로 가정한다.

다섯째, 연도별 상 습도는 동일한 경향을 가진다.

표 Ⅲ-61은 1994년 여름동안 서울 등 4 도시지역의 역치 기온을 과하는 날들을

1도 간격으로 정리한 것이다. 1994년 서울에서 일평균기온이 28.1도 이상인 날은 33

- 90 -

일이었으며, 이 에서 28.1도에서 29.1도의 범 에 속한 날은 9일, 29.1도에서 30.1

도 사이인 날은 7일, 30.1도에서 31.1도 사이인 날은 10일, 31.1도에서 32.1도 사이인

날은 5일, 32.1도 이상인 날도 이틀 있었다. 구의 체연령군에 한 역치기온인

28.1도 이상인 날이 51일, 인천의 체연령군에 한 역치기온인 26.2도 이상인 날

이 37일, 주의 역치기온인 26.6도 이상인 날이 모두 54일 있었다.

표 Ⅲ-61. 1994년 여름(92일) 도시별 역치기온을 과한 날 기온 분포

지역threshold

temperature(C)<threshold >threshold <thres.+1 <thres.+2 <thres.+3 <thres.+4 >thres.+4

서울 28.1 59 33 9 7 10 5 2

구 28.1 41 51 13 11 14 8 6

인천 26.2 55 37 9 7 9 5 7

주 26.6 38 54 8 10 15 17 4

아래 표 Ⅲ-62는 1994년도 여름 석 달 동안의 일평균 기온이 threshold 이상 되어

발생한 과사망자 수를 지역별로 정리한 것이다.

표 Ⅲ-62. 1994년 지역별 threshold temperature 이상으로 인한 과사망자 수

지역일평균

기온(C)

체 연령 65세 이상 연령

일평균

사망자수과사망자수(95%CI) 비율*

일평균

사망자수과 사망자수 비율*

서울 26.34 112.8 738.1(609.9-871.7) 7.11 68.6 544.0(451.8-640.8) 8.62

구 27.51 32.6 161.3( 93.9-232.4) 5.38 20.2 180.0(118.5-245.5) 9.70

주 26.61 15.7 50.3( 6.3- 97.5) 3.48 9.7 38.7( 0.7-144.1) 4.34

인천 25.19 30.8 134.1( 76.5-195.8) 4.74 18.8 96.5( 52.5-144.1) 5.58

* 체 사망 THRESHOLD 과로 인해 발생한 사망의 비율을 나타낸다. 즉, (b/a)*100 . 여기서 a는

1994년 여름철 발생한 총 사망 수이고, b는 baseline 일평균 사망 수 기 으로 한 연도별로 6월 7월 8

월에 THRESHOLD 과로 인해 발생한 사망자수를 나타낸다.

이상과 같이 1994년의 여름철 고온으로 인한 과사망자 수는 체연령군의 경우

서울이 738명, 구 161명, 주 50명 그리고 인천 134명으로 추정되었다. 65세 이

상 연령집단만을 분석하 을 경우, 서울 544명, 구 180명, 주 39명, 그리고 인천

에서 97명의 과 사망자가 발생한 것으로 추정되었다. 1994년 여름에 발생한 사망

고온발생으로 발생한 사망자의 비율은 서울 7.1%, 구 5.4%, 주 3.5%, 인천

4.7% 으며, 65세 이상 인구를 상으로 한 경우 그 비율은 더 늘어나는 것으로 보

다.

- 91 -

기후변화로 인한 직 인 건강피해, 그 에서도 사망에 크게 향을 미칠 수 있

는 요인으로 홍수나 태풍과 같은 기상재해를 들 수 있다. 우리나라에도 해마다 여

름이면 기상재해로 인한 사고 사망 소식이 빈번하게 보고되곤 한다. 다음 표 Ⅲ-63

은 여름철 혹서로 인해 발생한 과사망자의 규모를 기상재해로 인한 피해와 비교

정리한 것이다.

표 Ⅲ-63. 여름철 혹서로 인한 과사망자 기상재해 사망자

년도여름철 혹서로 인한 과사망자 수 기상재해로 인한 사망(실종)

서울 구 인천 주 합계 국

1991 - - - - - 240

1992 - - - - - 40

1993 - - - - - 92

1994 738 161 134 50 1,083 72

1995 40 71 15 18 144 158

1996 66 57 22 22 167 77

1997 130 20 28 14 192 38

1998 0 14 1 11 26 384

1999 129 3 28 8 168 89

2000 61 14 46 9 130 49

2001 52 46 34 15 147 82

2002 29 16 18 7 70 270

2003 0 3 0 1 4 -

합계 1,245 402 326 154 2,127 1,591

표 III-63에서 보이는 바와 같이 1991년부터 2002년까지 지난 십여 년간 우리나라에

서 기상재해로 사망(실종)한 사람은 국에서 1591명으로 집계되었다. 한편 본 연구

의 분석 상기간인 1994년부터 2003년까지 여름철 고온으로 인한 사망자수는 4개

도시에서 모두 2,100 여명으로 추정되었다. 이는 여름철 혹서로 인한 피해가 결코

기상재해로 인한 피해에 비해 작지 않음을 보여주는 것이다. 따라서 기상재해로 인

한 피해를 이려는 노력에 못지않은 노력과 조치가 여름철 혹서 응에도 필요함

을 시사한다.

6. 모형의 검증

본 연구에서 도출한 여름철 기온과 사망자수의 계 모형을 검증하 다. 모형개발

에 사용되지 않았던 2004년 여름철 기온자료를 모형에 입력하여 추정되는 과사망

자 수와 실제 2004년 여름동안 고온이 발생한 날의 과사망자수를 비교하 다.

과 사망자 추정이 가능한 4개 도시의 2004년 사망자료를 모두 입수할 수 없었기

때문에17) 모형 검증은 서울지역으로 제한하 음을 밝힌다.

- 92 -

가. 1991년에서 2004년까지 서울지역 여름철 일평균 기온

본 연구에 포함되지 않았던 1991년에서 1993년까지의 기상자료와 2004년의 기상자

료를 기상청으로부터 제공받았다. 이를 이용하여 2004년 여름철 기온의 특성을 분

석하 다. 다음 표 Ⅲ-64는 1991년부터 2004년까지 서울의 일평균 기온과 그 분포를

정리한 것이다. 2004년 여름철 일평균 기온의 평균은 24.7C로 다른 해와 비교해보

면 온도가 많이 상승한 것으로 보이지는 않는다. 다만 이 에 1994년과 1993년의

일평균 기온이 3.7C 정도 차이 났었는데 (1993년 22.6도에서 1994년 26.3도), 2003년

과 2004년에도 1.5C 정도 차이를 보 다. 이는 다른 해의 경우와 비교하여 비교

큰 폭의 변동이라 할 수 있다. 따라서 1993-1994와 비교하여 정도의 차이는 있으나

이와 유사하게 연도별 상승이 찰되는 것이 특징 이다.

표 Ⅲ-64. 서울지역 여름철 일평균 기온의 연도별 평균 비교

연도서울 여름철(6-8월)일평균 기온(C)

평균 표 편차 최 최소

1991 24.14 2.03 29.18 19.56

1992 23.50 2.64 28.21 15.93

1993 22.61 1.88 26.38 16.06

1994 26.34 3.47 32.99 19.58

1995 24.08 2.80 29.34 16.53

1996 24.23 2.78 29.71 19.09

1997 25.46 2.91 30.43 16.61

1998 23.95 2.63 27.73 15.14

1999 24.99 2.62 29.88 18.74

2000 25.57 2.29 29.06 20.08

2001 24.98 2.38 29.99 18.80

2002 23.91 2.45 30.44 16.39

2003 23.18 2.17 26.99 16.66

2004 24.73 2.70 30.44 19.19

여름철 과사망에 향을 미칠 수 있는 고온인 날들(일평균 기온이 상 20%)의

연도별 분포를 정리하면 다음 표 Ⅲ-65, 그림 Ⅲ-29와 같다. 상 20%의 일평균 기

온을 1991년부터 2004년까지 비교한 결과 2004년은 1997년, 1999년과 유사한 것으

로 보이며, 1994년 여름만큼 덥지는 않았던 것으로 보 다.

17) 2004년 사망원시자료는 통계청에서 제공하 는데, 연구진행 시 상 4개 도시의 자료를 모두 제공받을 수

없었다.

- 93 -

표 Ⅲ-65. 연도별 상 20%(매년 19일 동안) 일평균 기온의 분포

연도 날수일평균기온(C)

평균 표 편차 최 최소

1991 19 27.04 0.95 29.18 25.91

1992 19 26.68 0.67 28.21 25.83

1993 19 24.85 0.55 26.38 24.06

1994 19 31.01 0.86 32.99 29.88

1995 19 27.93 0.73 29.34 26.81

1996 19 28.28 0.69 29.71 27.59

1997 19 28.80 0.71 30.43 27.85

1998 19 26.50 0.57 27.73 25.81

1999 19 28.76 0.79 29.88 27.15

2000 19 28.48 0.35 29.06 27.99

2001 19 28.06 0.90 29.99 26.74

2002 19 26.98 1.30 30.44 25.85

2003 19 25.83 0.61 26.99 25.03

2004 19 28.80 0.81 30.44 27.56

그림 Ⅲ-29. 연도별 상 20%(매년 19일 동안) 일평균 기온의 분포 박스 그림

본 연구에서 도출한 모형에 따르면 28.1C 이상이 되면 서울지역에서 고온으로 인한

과사망이 발생할 것으로 측되었다. 따라서 2004년 여름에 고온으로 인한 과

사망자 발생을 추정하기 하여 연도별로 28.1도 이상인 날이 연도별로 며칠씩이었

는지 분석해보았다. 다음 표 Ⅲ-66과 같다. threshold temperature 과일수를 연도

- 94 -

별로 비교한 결과 앞서 상 20%인 날들의 기온 분포와 마찬가지로 2004년은 여름

철 92일 16일이 threshold temperature를 과한 것으로 드러나 1997년, 1999년과

유사한 과사망자가 발생할 것으로 측할 수 있다.

표 Ⅲ-66. 서울의 threshold temperature (28.1도) 이상 연도별 일수

연도 날수28.1도

이하 날수

28.1 도

과 날수28.1~29.1 29.1~30.1 30.1~31.1 31.1~32.1 32.1~33.1

1991 92 89 3 2 1 0 0 0

1992 92 91 1 1 0 0 0 0

1993 92 92 0 0 0 0 0 0

1994 92 59 33 9 7 10 5 2

1995 92 85 7 5 2 0 0 0

1996 92 84 8 5 3 0 0 0

1997 92 76 16 8 7 1 0 0

1998 92 92 0 0 0 0 0 0

1999 92 77 15 10 5 0 0 0

2000 92 76 16 16 0 0 0 0

2001 92 83 9 7 2 0 0 0

2002 92 89 3 1 1 1 0 0

2003 92 92 0 0 0 0 0 0

2004 92 76 16 10 4 2 0 0

나. 2004년 기온과 사망자료를 이용한 모형의 검증

본 연구에서 검증에 용된 모형은 서울지역 체 연령군을 상으로 Lag=0,

threshold temperature=28.1C, 과사망율 9.6% (95% CI 8.0-11.2%)이다. Threshold

temperature 이상인 날들의 온도 구간별 일수와 해당 일에 실제 발생한 과사망자

수, 모형에 의해 추정된 사망자수를 다음 표 Ⅲ-67에 정리하 다. 2004년 여름에 고

온으로 발생한 과사망자는 167명으로 계산된 반면 모형에 의한 과사망자 수는

122명(95% CI 102-143명)으로 추정되었다. 이는 본 연구의 모형으로 추정되는 과

사망자수는 실제 발생한 사망자수보다 은 것으로 모형이 고온으로 인한 과 사

망을 과소 추정하고 있음을 알 수 있다.

표 Ⅲ-67. 서울 지역 기온- 과사망 모형( 체연령군, 일평균 기온, LAG=0)을 이

용하여 추정한 과사망자 수와 실제 발생한 과사망자수의 비교

일평균 사망자 수과 사망 수

기온 28.1도 미만 28.1 - 29.0 29.1-30.0 30.1-31.0

해당 일수(days) 76 10 4 2

실제 사망 수 85.050 92.335 101.328 99.645 167.161)

추정 사망 수 88.643 97.052 104.112 122.062) (101.97 - 142.59)

- 95 -

<참고>

1) 실제 과 사망수의 계산방법 :

= SUM(THRESHOLD 이상인 날들의 일별 사망 수 - THRESHOLD 이하인 날들의 평균 일별 사망 수 )

2) 추정 과 사망수의 계산 방법 :

= SUM(모형으로 계산된 THRESHOLD 이상이 날들의 일별 사망 수 - THRESHOLD 이하인 날들의

평균 일별 사망 수)

다음 그림 Ⅲ-30은 2004년 여름, 서울지역의 일평균 기온과 당일 발생한 사망자수를

보여 다. 7월 순과 8월 순에 온도상승과 더불어 사망자수 증가가 찰되었다.

2004년 자료에서 특이할 은 6월 기온이 그리 높지 않았음에도 과사망이

에 띈다는 이다. 따라서 28.1도 이상에서 발생한 과사망만을 고려한 모형이 6월

에 발생한 과사망을 포함시키지 못한 것으로 추정된다. 이것은 향후 고온경보

시스템을 도입하는 경우 요하게 고려되어야할 부분이다. 즉, 경보발생 모형을 수

립할 때 입력변수로 기온이나 열지수 같은 기상요건뿐 아니라 고온이 발생한 시 ,

즉 여름이냐 늦여름이냐가 포함되어야 한다.

그림 Ⅲ-30. 서울지역의 일평균 기온과 당일 발생한

사망자수(2004년 여름)

- 96 -

7. 여름철 기 오존농도가 과사망에 미치는 향

여름철 이상고온 기오염물질의 화학 반응에 기여한다. 따라서 기 오존 농

도가 높아질 수 있으며, 오존농도의 증가가 여름철 과사망에 기여할 것인지 의문

이 제기될 수 있다. 랑스의 경우 이와 련하여 9개 도시를 상으로 건강감시

로그램을 가동하 는데, 이를 PSAS-9이라 한다18). 이 로그램의 목 은 1) 혹서 기

간 동안 높은 오존 농도로 인해 발생한 과사망 험을 구하고 혹서가 아닌 평상

시 찰된 험과 비교하는 것, 2) 고온과 오존 농도에 의한 과 험을 구하고 각

자의 기여정도를 추정하는 것, 3) 혹서가 발생한 다음 주에 사망울이 평상시보다

어드는지 (일명 short-term harvesting effect) 악하는 것이었다. 연구 결과, 고온과

높은 오존 농도로 인한 사망률에 사이에는 상호작용이 찰되지 않았다. 연구 상

에 포함된 9개 도시의 결과를 종합하면 오존 농도가 10ug/m3 증가할 때 과사망

의 험은 1% 증가하는 것으로 나타났다. 이 값은 평상시 사망률보다 조 큰 값이

기는 하나 통계 으로 유의하지는 않은 값이다. 온도와 오존의 향 정도를 비교한

연구에서는 리와 같이 과사망의 험이 큰 도시인 경우 과 험에 한 오존

의 향은 3% 정도로 작게 나타났다. 과사망의 험이 다소 덜한 지역의 경우

(루엔이나 툴루스 등)에는 오존의 향이 32~85%까지 다양한 것으로 나타났다.

본 연구에서는 우리나라 도시 지역을 상으로 여름철 오존농도가 사망에 기여한

향을 “한 가지 오염물질 모형“을 이용하여 분석하 다. 계 변동, 요일변동, 시

간 추세 기상요인 등이 통계분석에서 혼란변수로 작용 할 수 있다. 기상 변수

로 작용하는 일평균 기온과 일평균 상 습도를 보정했으며 그 외 계 변동, 요일

변동 그리고 시간 추세는 기온에 의한 사망에의 향 분석과 동일한 방법으로 보

정했다. 일별 오존의 표치로는 일별 최고값을 이용하 다.

오존이 사망에 미치는 향 분석은 기온이 사망에 미치는 향 분석과 동일한 방법

으로 실시하 다. 표 Ⅲ-68는 일별 최고 오존 농도를 이용한 서울 지역의 체 연령

사망자의 지연 효과별 모형 1의 합 정도를 보여 다. 기온에 의한 사망 향과

마찬가지로 지연 효과는 lag=1에서 모형이 가장 합한 것으로 나타났다. 그 다음

으로 당일(lag=0)의 오존농도와 사망 계가 합하 다.

18) InVS (Institut de Veille Sanitaire) (2004) Vague de chaleur de lete 2003: relations entre tenperatures,

pollution atmospherique et mortalite dans neuf villes francaises. Rapport Detude, http://invs.sante.fr

- 97 -

표 Ⅲ-68. 서울의 여름철(6월~8월)의 오존-사망 모형의 지연효과별 합도

일별 최고 오존

FITTING 의 NS 자유도 AIC

LAG=0 일평균 기온 df=4 , 일평균 상 습도 df=4 , 일별 최고 오존 df=4 905.9211

LAG=1 일평균 기온 df=2 , 일평균 상 습도 df=2 , 일별 최고 오존 df=3 900.5086

LAG=2 일평균 기온 df=2 , 일평균 상 습도 df=2 , 일별 최고 오존 df=4 913.9396

LAG=3 일평균 기온 df=2 , 일평균 상 습도 df=4 , 일별 최고 오존 df=2 908.8071

기 오존농도가 사망에 미치는 향은 기온이 사망에 미치는 향을 분석한 방

법과 동일하게 이루어졌으며 결과는 다음과 같다.

가. 서울 지역

다음 표 Ⅲ-69는 서울지역 오존-사망 분석에 투입된 일평균 기온 일최고 오존농

도, 체연령 65세 이상 연령군 사망 자료의 분포 특성을 정리한 것이다.

표 Ⅲ-69. 서울의 1995-2003년 여름철(6월~8월) 오존-사망 모형 변수별 특성

변수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자 수90.61 12.64 128.13 53.35 98.64 90.45 81.70

65세 이상 일별

사망자 수55.15 9.25 82.40 26.05 61.25 54.41 48.80

일평균 기온(C) 24.48 2.67 30.44 15.14 26.32 24.69 22.73

일최고

오존농도(ppb)43.59 22.10 122.2 5.63 58.54 41.22 26.09

*오존 변화에 따른 과 사망률 추정의 모형에 사용된 자료

본 연구에서 고려하는 모든 경우( 체연령군과 65세 이상 인구집단, 당일부터 3일

후까지의 지연효과)의 서울 지역 여름철(6월~8월) 오존변화에 따른 일별 사망자수의

변화 정도를 GAM에 합 시킨 결과는 아래 표 Ⅲ-70과 같다.

- 98 -

표 Ⅲ-70. 서울 지역 연령별, 지연효과별 오존-사망 모형의 합 결과

상자 심변수 지연효과 심변수와 보정변수의 고려한 knots 수 AIC

체

연령

일최고

오존농도

lag=0일최고 오존 농도 df=4 , 일평균기온 df=4

,일별상 습도 df=4 905.921

lag=1일최고 오존 농도 df=3 , 일평균기온 df=2

,일별상 습도 df=2 900.509

lag=2일최고 오존 농도 df=4 , 일평균기온 df=2

,일별상 습도 df=2913.940

lag=3일최고 오존 농도 df=2 , 일평균기온 df=2

,일별상 습도 df=4 908.807

65세

이상

일최고

오존농도

lag=0일최고 오존 농도df=3 ,일평균기온df=3

,일별상 습도df=4 911.370

lag=1일최고 오존 농도df=3 ,일평균기온df=4

,일별상 습도df=2 896.926

lag=2일최고 오존 농도df=3 ,일평균기온df=2

,일별상 습도df=4 934.940

lag=3일최고 오존 농도df=2 ,일평균기온df=4

,일별상 습도df=3933.793

* 오존 농도 변화에 따른 과사망률 추정 자료 : 1995-2003 여름(6월~8월)

GAM에 합 시킨 결과 체연령군과 65세 이상 인구집단 모두 lag=1의 모형이 가

장 합한 것으로 나타났다. 즉, 오존 농도가 증가한 다음 날 사망자수와의 계 모

형이 더 합했다.

체 연령의 사망자를 상으로 한 분석에서 일최고 오존농도에 의한 당일 사망자

수 (lag=0)의 향은 threshold가 약 22.0ppb에서 형성되며, threshold 이상의 오존

농도에서 20ppb 상승 할 때마다 일평균 사망률이 약 1.95% 상승하는 것으로 나타

났다. 95% 신뢰수 은 1.00%에서 2.91%이다. lag=1인 모형에서의 역치 농도는 34

ppb로 lag=0인 모형보다 다소 높게 나타났다. 하지만 역치 농도 이상에서 20 ppb

상승시 마다의 과사망율 증가는 2.89% (1.83-3.96%)로 lag=0의 모형보다 높았다.

65세 이상 인구집단에 하여 lag=0의 모형은 역치 농도가 존재하지 않았다. 오존

농도가 20 ppb 증가함에 따라 꾸 히 선형 으로 2.4%의 사망률 상승을 보 다. 65

세 이상 lag=1의 모형인 경우 역치농도는 38ppb로 매우 높은 값을 보 으니 그에

해당하는 과사망률 증가 정도도 다른 경우의 모형보다 큰 값인 4.31%(2.86-5.77%)

를 보 다.

- 99 -

표 Ⅲ-71. 서울 지역 분석의 오존 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일별

최 오존

lag=0 유 22.0 1.95056 1.001 ~ 2.909 902.954

lag=1 유 34.0 2.89259 1.832 ~ 3.964 898.913

65세

이상

일별

최 오존

lag=0 유 linear 2.40077 1.285 ~ 3.529 907.699

lag=1 유 38.0 4.30704 2.864 ~ 5.770 894.569

* % 상승률 - 오존의 경우 one-unit : 20 ppb

표 Ⅲ-72에서 보면 연도별로 일최고 오존농도가 체 연령군, lag=0인 모형의 역치

농도인 22 ppb을 과한 날수는 연도별로 다른 양상을 보인다. 1995년도에 오존 농

도가 역치농도인 22 ppb를 가장 빈번히 넘었으며, 그 다음으로 2002년, 1996년,

2003년의 순이다. 오존의 역치농도 과로 인한 연도별 사망자를 표 Ⅲ-73에 정리

하 다.

표 Ⅲ-72. 서울지역 오존-사망 모형( 체 연령, lag=0)의 역치농도인 22.0ppb 이상

인 날 수 연도별 분포

연도 날수

일최고 오존농도 (ppb)

< 22 ppb > 22 ppb 22-41 42-61 62-81 82-101 102-121 > 122

1995 92 29 63 28 26 9 0 0 29

1996 92 21 71 23 24 14 9 1 21

1997 92 14 78 26 25 18 9 0 14

1998 92 16 76 40 24 10 2 0 16

1999 92 13 79 22 26 25 5 1 13

2000 92 14 78 25 26 16 9 2 14

2001 92 17 75 32 27 12 4 0 17

2002 92 23 69 28 25 15 0 0 24

2003 92 20 72 32 26 12 2 0 20

- 100 -

표 Ⅲ-73. 서울지역 오존으로 인한 과사망자 수 사망자 비율

연도THRESHOLD 이하인

날들의 일평균 사망 수

여름철

총 사망 수

THRESHOLD 과로

인해 발생한 사망 수

THRESHOLD

과로 인해 발생한

사망의 비율 (%)

1995 98.1 9136.4 143.4 1.569

1996 95.6 9125.0 214.4 2.350

1997 92.2 8939.4 237.0 2.651

1998 92.0 8611.5 159.4 1.851

1999 86.5 8273.7 227.7 2.752

2000 84.8 8226.4 225.3 2.739

2001 89.6 8002.6 173.2 2.164

2002 82.3 7629.6 147.6 1.935

2003 75.7 7077.1 132.1 1.866

* THRESHOLD 이하인 날들의 일평균 사망 수: baseline 일평균 사망 수로 오존의 향을 받지 않는

날 평균 으로 발생하는 일별 사망 수를 의미.

* 여름철 총 사망 수: 연도별로 6월 7월 8월에 발생한 총 사망 수를 의미.(a)

* THRESHOLD 과로 인해 발생한 사망 수: baseline 일평균 사망 수 기 으로 한 연도별로 6월 7월

8월에 THRESHOLD 과로 인해 발생한 총 사망 수.(b)

* THRESHOLD 과로 인해 발생한 사망의 비율: (b/a)*100

다음 표 III-74에서 표 III-91까지는 서울을 제외한 6개 도시의 오존-사망 계 모

형을 설정하고, 역치농도를 구하고, 역치농도를 과하는 날의 과 사망률을 계산

한 결과들을 보여 다. 계산과정과 방법은 서울의 경우와 동일하다. 모형 용 결과

역치가 없거나, 역치가 찰되더라도 과사망률에 유의한 향을 미치지 않았더라

도 도시별로 표를 만들어 해당 칸에 NA(Not Available)로 표시하 다.

- 101 -

나. 부산 지역

다음 표 Ⅲ-74는 부산지역 오존-사망 분석에 투입된 일평균 기온 일최고 오존농

도, 체연령 65세 이상 연령군 사망 자료의 분포 특성을 정리한 것이다.

표 Ⅲ-74. 부산의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별 사망자수 42.490 8.097 74.666 19.412 47.834 42.375 36.863

65세 이상 일별 사망자수 25.127 5.794 45.784 8.505 28.830 24.778 21.058

일평균 기온 (C) 23.637 2.995 29.963 16.213 26.181 23.600 21.250

일최고 오존 농도 (ppb) 38.322 15.752 120.667 9.167 47.402 35.792 27.071

본 연구에서 고려하는 모든 경우( 체연령군과 65세 이상 인구집단, 지연효과)의 부

산 지역 여름철(6월~8월) 오존변화에 따른 일별 사망자수의 변화 정도를 GAM에

합 시킨 결과는 아래 표 Ⅲ-75와 같다. 서울과 달리 lag=0의 모형이 더 합한 것

으로 나타났다.

표 Ⅲ-75. 부산 지역 분석의 오존 련 모형1 합 결과 AIC

상자 심변수지연효

과주요변수의 df AIC

체

연령

일최고

오존농도

lag=0일최고 오존 농도 df=3 , 일평균기온 df=4

,일별상 습도 df=2 968.2967

lag=1일최고 오존 농도 df=2 , 일평균기온 df=3

,일별상 습도 df=2 978.1522

65세

이상

일최고

오존농도

lag=0일최고 오존 농도 df=3 , 일평균기온 df=2

,일별상 습도 df=2 949.2025

lag=1일최고 오존 농도 df=2 , 일평균기온 df=4

,일별상 습도 df=4 963.8947

표 Ⅲ-76에서 보다시피 부산지역의 경우 오존-사망에 역치를 보이지 않았다. 따라서

그에 해당하는 과사망률도 구할 수 없었다.

- 102 -

표 Ⅲ-76. 부산 지역 분석의 오존-사망 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

65세

이상

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

다. 구 지역

다음 표 Ⅲ-77은 구지역 오존-사망 분석에 투입된 일평균 기온 일최고 오존농

도, 체연령 65세 이상 연령군 사망 자료의 분포 특성을 정리한 것이다.

표 Ⅲ-77. 구의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변 수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수26.416 6.058 47.906 11.849 30.237 26.278 22.168

65세 이상 일별

사망자수16.077 4.491 30.564 4.238 18.611 16.111 12.972

일평균 기온 (C) 24.935 3.211 32.263 15.488 27.400 25.081 22.700

일최고 오존 농도

(ppb)40.932 18.961 113.000 6.000 52.100 37.675 26.400

본 연구에서 고려하는 모든 경우( 체연령군과 65세 이상 인구집단, 지연효과)의

구 지역 여름철(6월~8월) 오존변화에 따른 일별 사망자수의 변화 정도를 GAM에

합 시킨 결과는 아래 표 Ⅲ-78과 같다. lag=0, lag=1 모형 사이의 큰 차이는 없는

것으로 보인다.

표 Ⅲ-78. 구 지역 분석의 오존 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일최고

오존농도

lag=0일최고 오존 농도 df=4 , 일평균기온 df=4

,일별상 습도 df=3 898.8857

lag=1일최고 오존 농도 df= , 일평균기온 df=

,일별상 습도 df= 897.0807

65세

이상

일최고

오존농도

lag=0일최고 오존 농도 df=2 , 일평균기온 df=3

,일별상 습도 df=3 886.3218

lag=1일최고 오존 농도 df=3 , 일평균기온 df=4

,일별상 습도 df=3 889.1394

- 103 -

다음 표 III-79에 정리된 바와 같이 체 연령의 사망자를 상으로 한 분석에서 일

최고 오존농도에 의한 당일 사망자수 (lag=0)의 향은 threshold가 약 63.0ppb에서

형성되었으나, threshold 이상의 오존농도에서 20ppb 상승 할 때마다 사망률 상승

은 유의하지 않은 것으로 나타났다. 따라서, 구 지역에서도 오존-사망의 유의한

계는 보이지 않는 것으로 나타났다.

표 Ⅲ-79. 구 지역 분석의 오존-사망 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일최고

오존농도

lag=0 무 63.0 2.90761 -1.765 ~ 7.802 900.163

lag=1 무 NA NA NA NA

65세

이상

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

* % 상승률 - 오존의 경우 one-unit : 20 ppb

라. 지역

다음 표 Ⅲ-80은 지역 오존-사망 분석에 투입된 일평균 기온 일최고 오존농

도, 체연령 65세 이상 연령군 사망 자료의 분포 특성을 정리한 것이다.

표 Ⅲ-80. 의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변 수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수12.879 4.031 26.406 2.921 15.592 12.578 10.124

65세 이상 일별

사망자수8.159 3.105 20.631 0.969 10.106 7.833 5.978

일평균 기온 (C) 24.379 2.643 30.088 15.188 26.319 24.394 22.731

일최고 오존 농도

(ppb)42.146 18.490 108.667 5.000 54.333 39.500 28.333

본 연구에서 고려하는 모든 경우( 체연령군과 65세 이상 인구집단, 지연효과)의

지역 여름철(6월~8월) 오존변화에 따른 일별 사망자수의 변화 정도를 GAM에

합 시킨 결과는 아래 표 Ⅲ-81과 같다. 65세 이상 인구집단에서는 lag=1 모형과

lag=0 모형에 큰 차이가 없으나, 체 연령군에서는 lag=1 모형이 lag=0 모형보다

더 합한 것으로 보인다.

- 104 -

표 Ⅲ-81. 지역 분석의 오존 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일최고

오존농도

lag=0일최고 오존 농도 df=3 , 일평균기온 df=4

,일별상 습도 df=4 929.8101

lag=1일최고 오존 농도 df=4 , 일평균기온 df=4

,일별상 습도 df=3 911.0355

65세

이상

일최고

오존농도

lag=0일최고 오존 농도 df=2 , 일평균기온 df=4

,일별상 습도 df=2 887.1514

lag=1일최고 오존 농도 df=4 , 일평균기온 df=2

,일별상 습도 df=4 884.8654

체 연령의 사망자를 상으로 한 분석에서 일최고 오존농도에 의한 당일 사망자

수 (lag=0)의 향은 threshold가 약 58.0ppb에서 형성되었으나, threshold 이상의

오존농도에서 20ppb 상승 할 때마다 사망률 상승은 95% 신뢰구간에 0을 포함하므

로 유의하지 않은 것으로 나타났다. 한편 65세 이상 인구집단의 경우 lag=0 모형에

서 threshold가 약 51.0ppb에서 형성되었다. 한 threshold 이상에서 20 ppb 증가

할 경우 과사망율 10.1% (3.68-16.95%) 상승하는 것으로 분석 결과 추정되었다.

표 Ⅲ-82. 지역 분석의 오존-사망 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일최고

오존농도

lag=0 무 58.0 6.28182 -0.086 ~ 13.055 927.699

lag=1 무 NA NA NA NA

65세

이상

일최고

오존농도

lag=0 유 51.0 10.11283 3.676 ~ 16.949 885.710

lag=1 무 NA NA NA NA

* % 상승률 - 오존의 경우 one-unit : 20 ppb

마. 인천 지역

다음 표 Ⅲ-83은 인천지역 오존-사망 분석에 투입된 일평균 기온 일최고 오존농

도, 체연령 65세 이상 연령군 사망 자료의 분포 특성을 정리한 것이다.

- 105 -

표 Ⅲ-83. 인천의 1998-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변 수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수23.589 5.256 38.966 10.765 27.072 22.981 20.068

65세 이상 일별

사망자수14.615 4.101 29.305 4.484 17.231 14.197 11.822

일평균 기온 (C) 23.830 2.636 31.025 15.038 25.631 23.988 22.044

일최고 오존 농도

(ppb)42.157 18.603 116.875 6.800 53.347 42.161 28.690

본 연구에서 고려하는 모든 경우( 체연령군과 65세 이상 인구집단, 지연효과)의 인

천 여름철(6월~8월) 오존변화에 따른 일별 사망자수의 변화 정도를 GAM에 합

시킨 결과는 아래 표 Ⅲ-84와 같다. 65세 이상 인구집단에서는 lag=1 모형과 lag=0

모형에 큰 차이가 없으나, 체 연령군에서는 lag=1 모형이 lag=0 모형보다 더 합

한 것으로 보인다.

표 Ⅲ-84. 인천 지역 분석의 오존 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일최고

오존농도

lag=0일최고 오존 농도 df=4 , 일평균기온 df=3

,일별상 습도 df=3 588.9273

lag=1일최고 오존 농도 df=2 , 일평균기온 df=4

,일별상 습도 df=4 580.9353

65세

이상

일최고

오존농도

lag=0일최고 오존 농도 df=2 , 일평균기온 df=3

,일별상 습도 df=4 580.7533

lag=1일최고 오존 농도 df=3 , 일평균기온 df=3

,일별상 습도 df=4 580.2115

표 Ⅲ-85에서 보다시피 인천지역의 경우 오존-사망에 역치를 보이지 않았다. 따라서

그에 해당하는 과사망률도 구할 수 없었다.

표 Ⅲ-85. 인천 지역 분석의 오존-사망 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

65세

이상

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

- 106 -

바. 주 지역

다음 표 Ⅲ-86은 주지역 오존-사망 분석에 투입된 일평균 기온 일최고 오존농

도, 체연령 65세 이상 연령군 사망 자료의 분포 특성을 정리한 것이다.

표 Ⅲ-86. 주의 1995-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체연령 일별

사망자수13.295 3.955 30.840 2.738 15.684 13.178 10.571

65세이상 일별

사망자수8.464 3.176 22.647 0.802 10.446 8.262 6.310

일평균기온 (C) 24.602 2.676 30.350 16.313 26.725 24.556 22.656

일최고 오존농도 (ppb) 35.460 15.183 89.750 6.000 45.750 33.500 24.000

본 연구에서 고려하는 모든 경우( 체연령군과 65세 이상 인구집단, 지연효과)의

주 여름철(6월~8월) 오존변화에 따른 일별 사망자수의 변화 정도를 GAM에 합

시킨 결과는 아래 표 Ⅲ-87과 같다. 65세 이상 인구집단 체연령군에서 lag=1

모형이 lag=0 모형보다 더 합한 것으로 보인다.

표 Ⅲ-87. 주 지역 분석의 오존 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일최고

오존농도

lag=0일최고 오존 농도 df=4 , 일평균기온 df=3

,일별상 습도 df=4 837.5171

lag=1일최고 오존 농도 df=3 , 일평균기온 df=2

,일별상 습도 df=2 834.3727

65세

이상

일최고

오존농도

lag=0일최고 오존 농도 df=3 ,일평균기온 df=2

,일별상 습도 df=4 897.5265

lag=1일최고 오존 농도 df=2 ,일평균기온 df=2

,일별상 습도 df=2 891.7161

표 Ⅲ-88에서 보다시피 주지역의 역시 인천, 부산과 마찬가지로 오존-사망에 역치

를 보이지 않았다.

표 Ⅲ-88. 주 지역 분석의 오존-사망 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

65세

이상

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

- 107 -

사. 울산 지역

다음 표 Ⅲ-89는 울산지역 오존-사망 분석에 투입된 일평균 기온 일최고 오존농

도, 체연령 65세 이상 연령군 사망 자료의 분포 특성을 정리한 것이다.

표 Ⅲ-89. 울산의 1997-2003년 여름철(6월~8월) 모형 투입 변수별 특성

변수 평균 표 편차 최고 최 상 25% 상 50% 상 75%

체 연령 일별

사망자수8.018 3.023 19.156 0.797 9.803 7.796 5.862

65세 이상 일별

사망자수4.645 2.274 12.493 0.000 6.169 4.448 2.975

일평균 기온 (C) 24.037 2.962 30.550 15.838 26.238 24.125 21.750

일최고 오존 농도 (ppb) 32.622 15.122 108.250 7.571 39.889 29.000 22.125

본 연구에서 고려하는 모든 경우( 체연령군과 65세 이상 인구집단, 지연효과)의 울

산 지역의 여름철(6월~8월) 오존변화에 따른 일별 사망자수의 변화 정도를 GAM에

합 시킨 결과는 아래 표 Ⅲ-90과 같다. 65세 이상 인구집단 체연령군에서

lag=1 모형과 lag=0 모형은 큰 차이를 보이지 않는다.

표 Ⅲ-90. 울산 지역 분석의 오존 련 모형1 합 결과 AIC

상자 심변수 지연효과 주요변수의 df AIC

체

연령

일최고

오존농도

lag=0일최고 오존 농도 df=2 , 일평균기온 df=2

,일별상 습도 df=2 643.9387

lag=1일최고 오존 농도 df=4 , 일평균기온 df=2

,일별상 습도 df=4 640.6151

65세

이상

일최고

오존농도

lag=0일최고 오존 농도 df=4 , 일평균기온 df=3

,일별상 습도 df=2 676.1291

lag=1일최고 오존 농도 df=4 , 일평균기온 df=2

,일별상 습도 df=2 680.2479

표 Ⅲ-91에서 보다시피 울산 역시 인천, 부산, 주와 마찬가지로 오존-사망에 역치

를 보이지 않았다.

표 Ⅲ-91. 울산 지역 분석의 오존 련 최종 결과

상자 심변수 지연효과 효과유무 threshold % 상승률 % 상승률의 CI AIC

체

연령

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

65세

이상

일최고

오존농도

lag=0 무 NA NA NA NA

lag=1 무 NA NA NA NA

* % 상승률 - 오존의 경우 one-unit : 20 ppb

- 108 -

8. 분석결과 요약

가. 기온과 사망의 계 평가

본 연구에서는 국 7개의 도시에 해서 기온과 사망의 계를 연령의 사망자에

해서 그리고 65세 이상의 사망자에 해서 평가하 다. 한 기온과 습도의 함수로 계

산되는 열지수(heat index)를 이용하여 동일한 분석을 실시하 다. 기온에 의한 지연효

과(lag effect)는 당일과 날 가장 합이 잘되었다.

기온과 사망의 계는 으로 보아도 아주 유의한 경향을 보이고 있었다. 지역 으로 차

이를 보이지만 특정 기온 이상에서 일별 사망자수는 선형 으로 증가하는 패턴을 보이

고 있었다. 우리나라 국 7개 도시 에서 기온이 체 연령 사망자에 향을 미치는

것으로 나타난 곳은 서울, 구, 주, 인천, 모두 4곳이었다. 아래의 그림 Ⅲ-31은 체

연령군에 해 이들 4개 도시의 기온과 기온 상승에 따른 사망 상 험(Relative

Risk of Mortality)을 도식화 한 것이다.

그림 Ⅲ-31. 4개 도시에 한 기온과 사망의 계 (*4개 그림은 동일한 scale)

SEOUL

Temperature(celsius)

Rel

ativ

e R

isk

of M

orta

lity

15 20 25 30

-0.1

0.0

0.1

0.2

0.3

0.4

0.5

DAEGU

Temperature(celsius)

Rel

ativ

e R

isk

of M

orta

lity

15 20 25 30

-0.1

0.0

0.1

0.2

0.3

0.4

0.5

INCHUN

Temperature(celsius)

Rel

ativ

e R

isk

of M

orta

lity

15 20 25 30

-0.1

0.0

0.1

0.2

0.3

0.4

0.5

KANGJU

Temperature(celsius)

Rel

ativ

e R

isk

of M

orta

lity

15 20 25 30

-0.1

0.0

0.1

0.2

0.3

0.4

0.5

- 109 -

나. 역치기온 이상에서 건강( 는 사망)에 미치는 향(threshold effect)

앞서 언 한 4개 도시의 경우 특정 기온 ( 는 역치 기온) 이상에서 형 인 양

의 선형 계를 보이는 것을 찰 할 수 있다. 본 연구에서 분석한 결과 역치 기온

(threshold)은 지역별로 다양하며 선형 인 계 역시 다양하게 나타나고 있다. 미국

에서 실시한 연구19)에서도 지역별로 다양한 역치 기온이 나타났으며, 역치 기온 이

상에서 기온과 사망은 선형 인 계를 보 다. 지역의 평균 기온에 비례하여 역치

기온(threshold) 역시 높아지는 경향을 보 다.

그림 Ⅲ-32는 미국의 10개 도시의 여름철 일평균 기온과 역치기온의 회귀직선과 그

것의 95% 신뢰구간을 선으로 도식화한 것이다. 미국 도시를 상으로 구한 회귀

선에 우리나라의 도시의 여름철 일평균 기온과 역치기온을 그려 넣었다. 우리나

라 도시의 역치기온이 미국 도시의 역치기온보다 상당히 높게 나타남을 알 수 있

다. 우리나라 도시 주민들의 경우 여름철 냉방이 잘 되어있는 곳에서 지낼 수 있

기 때문에 미국 도시에 비하여 여름철 혹서에 하게[ 응하는 것으로 여겨진

다.

그림 Ⅲ-32. 우리나라 도시와 미국 도시의 평균기온과 역치기온의 계

Temperature vs Threshold in KOREA and US

Daily Average Temperature

Thre

shol

d Te

mpe

ratu

re

22 23 24 25 26 27 28

1820

2224

2628

30

boston

chicagonew york

baltimorephiladelphiawashington

atlanta jacksonville

tampa miamiinchun kangju

seoul daegu

busan

inchun

daegeunkangju

daegu

seoul

Korea Total MorKorea Over65 MorUS Total Mor

19) Frank C. Curriero, Karlyn S. Heiner, Jonathan M. Samet, Scott L. Zeger, Lisa Strug, and Jonathan A. Patz

"Temperature and Mortality in 11 Cities of the Eastern United States" Am J Epidemiol 2002;155:80-7

- 110 -

다. 도와 기후에 따른 기온의 효과 정도

일반 으로 기후의 양상과 인간의 응 능력은 도(latitude)에 따라서 다르게 나타

난다. 를 들어 사망에의 기온에 의한 다른 효과, 즉 사망과의 선형 인 계를 보

이기 시작하는 역치기온(threshold)과 그리고 threshold 이상 조건에서의 향의 크

기정도(RR: Relative Risk)는 다양하게 나타난다. 본 연구에서도 이와 같은 동일한

결과를 알 수 있는데 우리나라의 경우에 도보다는 각 도시의 지형과 여름철의

기후 특색과 련하여 다양한 결과를 보이는 것으로 나타났다.

서울과 인천의 경우를 비교해 보면 같은 도에 치하고 있지만 서울의 여름철 평

균 기온이 인천의 여름철 평균 기온보다 약 2도에서 3도 정도 높은 것으로 나타나

고 있다. 인천 지역의 역치기온 역시 서울보다 2도에서 3도 정도 낮게 나타나고 있

고 선형 인 효과 역시 서울 지역보다는 낮게 나타나는 상을 보이고 있다. 구

의 경우에는 서울과 비슷한 경향을 보이는 것으로 나타났다. 구 지역은 형 인

분지 지형이므로 여름철 기온이 상당히 높다. 오히려 서울보다 매년 약 0.5도 더 높

다. 구의 역치기온은 서울과 비슷한 기온에서 형성되었으며 효과 역시 높게 나타

나는 경향을 보 다. 주와 은 체 연령의 사망자를 상으로 했을 경우에는

기온 효과가 잘 나타나지 않았지만 65세 이상의 사망자를 상으로 했을 경우에는

더 큰 효과를 보 다. 부산에서는 기온과 사망의 계가 다른 지역에 비해서 잘 나

타나지 않았다.

기온과 사망 계에서 역치를 보이지 않았던 지역은 체로 일 년 동안의 온도 변

이가 크지 않은 특징을 보인다(그림 Ⅲ-33). 즉 일 년 동안 일평균 기온의 표 편차

(n=365)를 비교한 결과 서울, 인천 등의 일평균 기온의 표 편차가 10도 정도인 반

면 부산은 8도 정도에 그쳤다. 따라서 일 년 동안의 온도변이가 기온과 사망 사이

의 계에 향을 미치는 요인인 것으로 고려할 수 있다.

- 111 -

그림 Ⅲ-33. 지역별 연도별 일평균 기온의 1년(365일) 동안의 표 편차

라. 기온과 사망 계에서 혼란변수(confounding variables)

두 가지 경우의 혼란변수에 하여 언 하고자 한다. 첫 번째는 단일 지역의 기온

과 사망 계를 분석할 때 기온이 사망에 미치는 향을 왜곡할 수 있는 다른 변수

의 존재여부이다. 두 번째 경우는 지역과 지역을 비교할 경우 지역 간의 기후 차이

이외의 지역의 다른 특성이 과사망에 향을 미치는지 여부이다.

첫 번째 경우의 혼란변수에서 가장 문제가 될 수 있는 변수는 기오염이다. 지

까지 이와 련된 많은 분석이 있었지만 아직까지 기오염이 기온과 사망의 향

평가에서 혼란변수(confounding variable)로 작용하는지 그리고 상호 작용자(effect

modifier)로 작용하는지에 한 공통된 결론은 없다. 심지어 기 오염은 아무런

련이 없다고 보고하는 연구 논문도 있다.20) 그러나 기오염과 련하여 여름철에

는 오존(O3)에 의해서 과 사망이 발생하고 겨울철에는 미세먼지(PM10)에 의해서

과 사망이 발생한다고 본다. 본 연구에서는 여름철 기온에 의한 사망의 향을

평가하는데 있어 기오염, 즉 오존농도의 향을 보정하지 못하 다. 본 연구에서

사용한 사망 자료와 기상자료는 1994년부터 2003년의 자료 으나 련된 기 오염

자료는 1995년부터 사용할 수 있었다(인천 지역에 해서는 1998년부터의 자료 이

용이 가능했다). 오존농도를 보정하자면 연구 상 기간을 1995년부터로 설정했어야

한다. 그러나 1994년 경험한 혹서를 포함시키기 해서는 부득이 이 기간을 제외

할 수 없었다. 미세먼지 농도 EH한 보정하지 않았다. 참고로 미국에서 11개 도시

에서 실시한 연구21)에서는 미세먼지(PM10)의 수 을 기온에 의한 사망의 향 평가

20) Rupa Basu and Jonathan M. Samet "Relation between Elevated Ambient Temperature and Mortality: A

Review of the Epidemiologic Evidence" Epidemiol Rev 2002;24:190-202

21) Frank C. Curriero, Karlyn S. Heiner, Jonathan M. Samet, Scott L. Zeger, Lisa Strug, and Jonathan A. Patz

"Temperature and Mortality in 11 Cities of the Eastern United States" Am J Epidemiol 2002;155:80-7

- 112 -

에 혼란변수로 두어 분석한 바 있다. 그러나 미세먼지 농도가 기온과 사망 계에

미치는 향은 미미한 것으로 보고된 바 있다.

두 번째 종류의 혼란변수로 지역간 비교시 지역특성을 들었다. 기온에 의한 사망의

향을 지역 간에 비교하고자 할 경우에는 비교 지역 간의 지역 특성이 동일해야

한다. 를 들어 각 제역 간의 인구 구성비 차이, 사회 경제 인 차이, 즉 에어콘

(air-conditioner)의 보 비율, 교통수단의 근성, 혼자 사는 사람의 비율 그 외 진

정제(tranquilizer) 사용자 비율, 정신병자 비율 등이 지역간 비교 시 혼란변수로 작

용 할 요지가 있다. 본 연구에서는 기후에 따른 기온의 향을 알아보는데 을

두었으며 그 외의 지역간 특성의 비교는 차후에 고온건강경보시스템을 도입하기

한 분석 등 에서 다루어질 필요가 있을 것이다.

마. 지연 효과(lag effect)

인체가 고온에 노출되고 난 후에 건강에 미친 향이 드러나기까지 얼마나 오랜 기

간이 걸리는지, 즉 고온 발생 당일 즉시 향이 나타나는지 아니면 며칠 후에 그

향이 드러나는지에 한 많은 연구가 있다. 보통 고온-사망의 계에서 고려하는

날은 기온이 상승한 당일을 비롯하여 기온이 상승한 날부터 3일 후까지를 고려한

다. 사망이 아닌 다른 건강 향(outcome), 즉 질환발생 는 병원 입원 등에 해서

는 사망의 경우와는 다른 기간 동안의 지연 효과를 고려하기도 한다. 본 연구와 비

슷한 미국의 11개 도시에 한 기온의 향 평가에서는 당일 효과(lag=0)가 가장 강

하게 나타나는 것으로 분석되었다.

본 연구에서는 분석 기에 지연 효과를 당일부터 4일까지 (즉, 고온 발생 후 4일

동안의 과사망 는 과 사망 발생 4일 동안의 기온 변화) 고려하 다. 서울

지역을 상으로 어떤 날의 기온-사망 모형이 가장 합한지를 분석하 다. 하루 지

연된 모형(lag=1)이 가장 잘 합 된 결과를 보 고 그 다음으로 당일 발생 모형

(lag=0)이 잘 합 되었다. 따라서 본 연구에서는 기온에 의한 사망의 당일 효과와

하루 지연된 효과를 평가하는데 을 두었다.

당일 효과 모형과 하루 지연된 효과 모형에서의 결과는 국 6개 도시 지역(분석

상 7개 도시에서 울산을 제외한)에서 동일한 형태의 결과를 보 다. 국 6개

도시 지역에서 하루 지연된 모형에서의 threshold는 당일 효과 모형에서의

threshold보다 약간 높게 나타나고 있었으며 threshold 이후의 사망에의 향은 당

일 효과 모형보다 큰 것으로 보인다.

- 113 -

바. 65세 이상의 사망자를 상으로 한 분석 결과

본보고서 제2장의 표 II-2에 정리한 바와 같이 고온으로 인한 과 사망과 련된

향 평가는 많이 있는 편이다. 아울러 어떤 특성을 가진 사람들이 고온으로 인한

건강피해를 더 받는지에 해서 사회인구학 인 특성과 의료 인 상태에 따라 분석

한 연구 결과도 있다.22) 이 연구 결과에 의하면 사회 인구학 특성으로 84세 이상

의 사람들이 은 사람에 비해 온에 더 많은 향을 받지만 고온으로는 동일한

향을 받는다고 한다. 그리고 여자가 남자에 비해서 온에 많은 향을 받는다고

한다. 의료 인 상태에 따라서는 당뇨병(diabetes)을 가진 사람이 고온에 더 많은

향을 받기 싶다고 하며 만성 폐색성 폐질환(COPD: chronic obstructive pulmonary

disease)자는 온에서 많은 향을 받기 쉽지만 고온에 해서는 비슷한 향을 받

는다고 보고한다.

우리의 이번 연구에서는 일별 사망자의 자료 해상도와 련된 제약으로 인하여

체 연령 사망자를 상으로 고온의 사망 향을 평가했으며 한 비교의 목 으로

65세 이상의 사망자를 상으로 고온의 사망 향분석을 실시하 다. 분석 결과

국의 6개 도시에서 유사한 패턴을 보이는 결과를 나타냈는데 65세 이상의 사망자를

상으로 한 분석에서 더 쉽게 고온의 향을 받는 것으로 나타났다. 체 연령의

상자보다 threshold가 더 낮게 나타나는 경향과 함께 threshold 이후의 양의 선형

인 계는 체 연령보다 더 높게 나타났다. 한 체 연령의 사망자를 상으

로 한 분석에서 사망과의 련성이 나타나지 않은 일부 지역에서도 65세 이상의 사

망자를 상으로 한 분석에서 련성이 있는 결과를 보 다.

사. 오존과 사망의 계

여름철의 경우에는 기 오염 물질 에서 오존(O3)이 과 사망과 련성을 가지

고 있다고 한다.23) 특히 오존으로 인한 과 사망의 평가는 분석 방법에 따라 많은

차이를 보이고 있다고 하며 이것은 분석 모형에서 기상조건 특히 기온을 한 방

법으로 통제했는가에 의해 향을 받는다고 한다.24) 이에 해 국내에서는 기온을

단순 혼란요인이 아닌 교호작용으로 간주하여 분석한 결과도 있다.25)

22) Joel Schwartz "Who is Sensitive to Extremes of Temperature?" Epidemiology 2005;16:67-72

23) Sung J, Cho S-H. "Excess mortality related to heat wave and ozone upsurge in Korea 1994, The deadly

duet?" In: Proceedings of the conference of International Society of Environmental Epidemiology, 5-8th

Sept,1999, Athen, Greece: Epidemiology 1999;10(4):S153

24) Thurston GD, Ito K. "Epidemiological studies of ozone exposure effect." In: Holgate ST, Samet JM, Koren

HS, Maynard RL, ed. Air Pollution and Health, London: Academic Press 1999. p.484-510

25) 성주헌, 김호, 조수헌 “1994년 하 기 심 계 호흡기계 과사망 -이상고온 기오염의 향을 심

으로-” Korean J Prev Med 2001;34(4):316-322

- 114 -

본 연구에서는 기상변수를 혼란변수로 간주하고 특정 오존 수 이상에서 선형 인

사망의 향 련성이 있다는 분석 논문26)을 근거로 국 7개 도시에 하여 분

석하 다. 이 연구 논문에서는 특정 수 이상의 오존 농도에서 사망과의 계가

선형 인 양의 련성이 있으며, 이 특정 농도 이상(threshold)에서의 선형성을 고려

하는 모형이 고려하지 않은 모형보다 모형 합성에서 뛰어남을 보고하고 있다.

본 연구 결과를 보면 지역별로 오존으로 인한 사망의 향은 큰 차이를 보이고 있

다. 우선 오존으로 인한 과사망의 양상을 보이는 지역은 서울과 지역으로

한정된다. 서울 지역에 해서는 체 연령 사망자를 상으로 한 분석과 65세 이

상의 사망자를 상으로 한 분석에서 모두 유의한 결과를 보 고, 지역에서는

65세 이상의 상자에 해서만 향을 나타내고 있는 것으로 분석되었다. 지역

으로 오존의 농도 수 이 다르고 지역 인 기상 조건 특히 기온의 향을 많이 받

기 때문에 서울과 을 제외하고는 오존-사망의 계가 유의하게 나타나지 않은

것으로 추정된다.

26) Sun-Young Kim and Ho Kim. "Determining the threshold effect of ozone on daily mortality: an analysis

of ozone and mortality in Seoul, Korea, 1995-1999." Environ Res. 2004;94:113-119

- 115 -

IV. 미래 여름철 초과사망 예측

본 장에서는 앞서 도출된 우리나라 여름철 고온으로 인한 과사망자 모형과 기상

청 기상연구소 기후연구실에서 제공한 미래 기후 측 자료를 활용하여 앞으로 30

여년 이후에 여름철 이상고온으로 발생할 가능성이 있는 과사망을 추정하 다.

1. 개요

기후변화로 인한 지구 환경의 변화가 실로 나타나기 시작하 고, 앞으로 그 속도

와 범 는 빨라지고 다양해 질 것이라는 데에는 큰 이견이 없는 것 같다. IPCC 3차

보고서에서 정리한 20세기 지구 온난화의 추세를 다음과 같이 요약하 다27).

가. 20세기 지구 온난화의 추세

1) 지구 평균 지표면 기온의 상승: 지구 평균 육지와 해양의 표면 기온은 지난 20세

기에 0.6±0.2℃ 상승하 다. 20세기 두 기간(1910-1945년, 1976- 재)은 지구

으로 온난화가 매우 두드러지게 진행되었다. 기온은 해양보다 육지에서 더 빨리

상승하는 추세이며, 특히 북반구 고 도 육지에서 상승추세가 크다.

2) 육지에서 일교차가 어드는 경향이 나타나는데 이는 구름, 강수량과 공기 수

증기의 증가와 일치한다. 지역에 따라 서리일이 감소하고, 식물의 성장기간이 증

가하 다.

3) 고산지역의 빙하와 얼음의 질량 감소는 세계 인 기온의 상승과 일치한다. 일

부 해안지역에서 설량이 증가하는 것은 강수량이 증가하 기 때문이다. 북반구

육지 기온의 상승에 따라 덮임 면 이 어들고 호수와 강의 결빙 기간이 짧아

지고 있다.

4) 북극에서 주변 육지와 해양의 기온이 상승함에 따라 과 여름에 해빙 범 와

두께가 진 으로 감소하 다.

5) 해양의 열용량은 증가하 으며, 평균 해수면은 상승하 다.

6) 지난 25년간 류권의 총수증기량의 증가는 류권의 기온 상승과 물순환 강화

와 정성 으로 일치하며 북반구의 고 도 지역 등에서 강수량의 증가로 더 극

심한 강수 상을 래하 다.

7) 남반구와 남극 륙의 일부에서는 최근 기온이 상승하지 않았다.

8) 20세기 후반에 열 와 도의 폭풍의 세기와 빈도의 변화는 수십 년 주기 진

동이 나타나기는 하나 명확한 추세를 보이지 않는다.

9) 이산화탄소 등 온실효과를 유발하는 온실기체의 농도 증가가 측되었다. 이산화

27) 본 장에 서술된 지구온난화의 추세와 미래 기후 측에 한 내용은 기상청 기상연구소 기후연구실의 허락을

얻어 “한반도 기후 100년 변화와 미래 망, 2004”에서 발췌하 음

- 116 -

탄소의 농도는 산업 명의 280 ppm과 비교하여 2000년에는 370 ppm으로 약

30% 증가하 다.

나. 특이 기상 상의 변화

측된 특이 기상 기후 상의 변화가 모델의 결과와 비교되기 시작한 것은 겨

우 최근의 일이다. 부분의 육지지역에서는 폭염일과 열 가 더 많이 발생하고 있

는 추세이다. 이러한 증가 상은 주로 토양 수분의 감소가 일어나는 지역에서 가

장 크게 나타날 망이다. 일 최 기온의 증가는 거의 모든 육지에서 나타날 것이

고 일반 으로 과 얼음이 후퇴하는 지역에서 더 크게 증가할 것이다. 서리일과

한 는 매우 드물게 발생할 것이다 지표기온과 지표 습도의 변화는 열지수를

증가시킬 것으로 상된다. 지표기온의 증가는 한 “냉방도일(cooling degree

days)”의 증가와 “난방도일(heating degree days)”의 감소를 유발할 것이다.

에 요약된 바와 같이 지구온난화를 재 일어나고 있는 사실로 받아들인다면 앞

으로 우리나라에도 여름철 혹서가 더 자주 발생할 가능성이 있음을 인식할 필요가

있다. 따라서 본 연구에서는 기후변화로 인한 건강 향 평가의 한 부분으로서 가까

운 장래에 우리나라 여름철 기온의 변화를 측하고 그에 따른 여름철 고온 과사

망자 수를 측하고자 한다. 본 장에 사용된 기후변화 측자료는 우리나라 기상청

기상연구소 기후연구실에서 제공하 다.

2. 2032년부터 2051년까지 우리나라 여름철 기온의 망

가. 2032년에서 2051년까지 우리나라 여름철 기온 망 방법

미래의 기후변화를 망하기 해서 기, 해양, 지표, 설빙, 식생 등 지구기후시스

템과 각 요소들 사이의 상호작용을 모의할 수 있는 기후모델이 사용된다. 기후모델

은 다시 말하면 지구의 기후시스템을 단순화하여 수식 으로 표 한 것이다. 만약

기후에 향을 미치는 요인들이 어떻게 변하는지 알 수 있다면 기후가 앞으로 어떻

게 변할 것인지 시뮬 이션이 가능하다. 미래 기후에 향을 미치는 요인으로 온실

가스 농도의 변화에 하여 다양한 시나리오가 IPCC에서 작성되어 미래의 기후를

망하는데 사용되고 있다. 가장 많이 사용되는 시나리오는 A2와 B2 시나리오로

A2는 이산화탄소의 배출량이 비교 격하게 증가하여 2100년에는 820 ppm이 되

며 이산화탄소가 완만하게 증가하는 B2 시나리오는 2001년까지 이산화탄소의 농도

가 610 ppm이 될 것으로 상한다. 그러므로 이 온실가스 농도 변화 시나리오에

의해 미래의 기후가 어떻게 변할 것인지 기후모델을 이용하여 시뮬 이션을 함으로

- 117 -

써, 미래 기후를 망할 수 있다.이 시뮬 이션은 기상청의 슈퍼컴퓨터에서 수행되

었다.

1) 지구 기후변화 망

독일 막스 랑크 기상연구소의 기후변화모델(ECHAM4/HOPE-G,ECHO-G)을 도입

하여 장기간(1860-2100년, 240년) 시나리오 모의실험을 수행하 다. EHCO-G 모델은

기온, 강수량, 해면기압 등의 연평균, 계 변화, 변동성 등이 재 기후를 잘 모의하

고 있는지 검증되었다. IPCC 배출시나리오(SRES) A2와 B2 시나리오에 따른 온

실가스 농도 시나리오 자료를 수집하고, 이를 ECHO-G에 입력하여 기후변화 장기

시나리오 모의실험을 수행하 다. 온실가스 증가 시나리오에는 주요 온실가스인 이

산화탄소(CO2), 메탄(CH4), 아산화질소(N2O)를 비롯한 총 19종의 온실가스가 포함

되었으며, A2 시나리오는 온실가스의 격한 증가를 보이는 반면, B2 시나리오는

완만한 증가를 나타낸다.

A2[B2]시나리오 모의결과 A2[B2] CO2 농도가 820 ppm[610 ppm]에 달하는 2100년

에 지구 기온은 재보다 4.6℃[3.0℃] 정도 증가할 것으로 나타났으며, 동아시아

지역(80oE-180o, 20o N-60o N)의 경우 지구 평균보다 높은 6.5 ℃[4.5 ℃]의 증가

경향을 보여주었다. 2100년의 지구평균 강수량은 약 4.4 %[2.8 %] 증가할 것으로

모의되었으며, 동아시아의 경우는 10.5 %[6.0 %]로 매우 높게 나타났다. 온실가스

농도가 격히 증가하는 A2 시나리오에 의한 기후변화는 완만히 증가하는 B2 시나

리오에 비하여 기온과 강수량이 더 크게 증가하 으며, 지구에 비하여 동아시아

지역의 변화가 더클 것으로 망되었다. 동아시아는 북서지역에서 기온이 가장 높

게 상승하고, 강수량은 유라시아 륙 연안에서 큰 변화를 보인다.

장기 기후변화는 계 에 따라 분석해보면 기온은 여름과 가을에 비하여 겨울과

에 상승하는 폭이 클 것으로 망된다. A2와 B2 시나리오에 의한 차이는 계 과

는 크게 상 없이 B2 시나리오가 A2 시나리오보다 2℃ 정도 기온이 낮은 것을 볼

수 있다. 이것은 온실가스 감효과를 의미한다. 강수량은 특히 여름철에 증가폭이

크게 나타나며, 다른 계 에는 증가가 뚜렷하지 않다. 기온 상승에 따라 증발량의

증가가 강수량의 증가보다 커져서 많은 지역에서 건조해질 것으로 상된다.

2) A2 시나리오에 근거한 우리나라 장기 기후 망

구기후모델에 의한 시뮬 이션 자료를 우리나라와 같이 좁은 지역에 용하는 것

은 여러 가지 문제 이 있다. 우리나라는 지형이 복잡하고 남북으로 길게 치하고

있으며 삼면이 바다로 둘러싸여 있어서 지역에 따라 기후 특성이 달리 나타난다.

- 118 -

한 기후모델에서 한반도 남부는 육지가 아닌 바다로 표 되어 지구모델의 결과

를 직 활용할 수 없다. 그러므로 기후변화 시나리오를 우리나라에 활용하기 해

서 고해상도 기후변화모델을 이용하거나 제한지역기후모델(RCM)을 이용하여 우리

나라의 지형에 합한 자료를 생산하여야 한다.

이 연구에서 사용한 기후변화모델은 약 400 km 해상도를 가지고 있으나 지역기후

모델(RCM)은 해상도가 약 30 km로 고해상도 자료를 생산할 수 있다. 기온은 2040

년 에 비하여 2090년 크게 상승하 으며, 특히 북부지방의 상승이 더 뚜렷하다.

강수량은 여름철에 크게 증가하 으며, 2090년 에 증가폭이 더 큰 것으로 나타났

다. 21세기에는 서리일의 발생횟수 감소, 열 상 증가, 겨울의 단축, 강수일수 감

소, 호우 가뭄 증가 등 온난화에 따른 변화가 심화될 것으로 망되었다.

나. 2032년에서 2051년까지 우리나라 여름철 일평균 기온의 분포 측 결과

기상청 기상연구소 기후연구실에서 2032년부터 2051년 한반도의 여름철 기상자료를

매시간 단 로 제공받았다. 이를 본 연구의 기온-사망 모형에서 입력변수로 사용한

일평균 기온의 형태로 환하 다. 다음 표 Ⅳ-1에 2032년에서 2051년까지 20년 동

안의 서울지역 여름철 일평균 기온의 평균과 분포를 정리하 다.

- 119 -

표 Ⅳ-1. 2032년~2051년 서울지역 여름철 일평균 기온의 측

연도일일평균온도(C)

평균 표 편차 최 최소

2032 25.78 1.93 29.46 20.75

2033 26.80 2.31 31.90 21.36

2034 26.22 2.16 29.61 19.38

2035 26.24 2.24 29.80 20.38

2036 26.24 2.07 30.50 19.24

2037 26.30 2.07 29.61 20.69

2038 26.55 2.87 31.91 19.10

2039 26.14 2.87 31.45 19.26

2040 27.06 1.97 31.49 20.93

2041 26.78 2.21 31.39 21.58

2042 26.31 2.33 31.18 19.30

2043 26.71 2.09 30.39 21.16

2044 26.57 2.12 29.60 21.55

2045 26.82 2.59 31.60 21.01

2046 26.83 2.65 32.51 20.03

2047 26.89 2.30 31.82 19.05

2048 26.37 2.48 30.94 20.39

2049 27.37 2.50 31.96 21.06

2050 27.41 2.21 31.75 21.22

2051 27.73 2.32 32.67 22.23

표 Ⅲ-64에서 제시한 1991년부터 2003년 사이의 서울지역 일평균 기온의 평균이

22.6에서 25.6도(1994년 26.3 제외)임을 고려하면 2032년 이후의 여름철 일평균 기온

이 약 2-3도 이상 증가할 것으로 망되었다. 측된 20년 동안 부분의 일평균 기

온이 26도를 상회하는 것으로 나타나 여름철 고온으로 인한 과사망의 험이 나

타날 것으로 추측할 수 있다.

여름철 과사망에 향을 미칠 수 있는 고온인 날들(일평균 기온이 상 20%)의

연도별 분포를 정리하면 다음 표 Ⅳ-2, 그림 Ⅳ-1과 같다. 상 20%의 일평균 기온

을 2032년부터 2051년까지 비교한 결과 1994년의 상 20% 평균인 31.01도보다 높

은 해는 나타나지 않을 것으로 측되었다. 그러나 30도를 상회할 것으로 측되는

해가 2038년, 2045년, 2046년, 2049년, 2050년, 2051년 등 20년 동안 6번 있다.

- 120 -

표 Ⅳ-2. 2032년~2051년 서울의 연도별 상 20%(매년 19일 동안) 일평균 기온의

분포

연도 날수일평균기온(C)

평균 표 편차 최 최소

2032 19 28.29 0.54 29.46 27.43

2033 19 29.80 0.77 31.90 28.82

2034 19 28.96 0.36 29.61 28.50

2035 19 28.76 0.54 29.80 28.01

2036 19 28.93 0.54 30.50 28.26

2037 19 28.67 0.50 29.61 28.16

2038 19 30.23 0.82 31.91 29.10

2039 19 29.86 0.49 31.45 29.28

2040 19 29.45 0.88 31.49 28.62

2041 19 29.45 0.83 31.39 28.71

2042 19 29.08 0.62 31.18 28.46

2043 19 29.38 0.58 30.39 28.54

2044 19 28.88 0.40 29.60 28.40

2045 19 30.26 0.88 31.60 28.90

2046 19 30.47 0.84 32.51 29.35

2047 19 29.75 0.77 31.82 28.79

2048 19 29.29 0.63 30.94 28.64

2049 19 30.52 0.75 31.96 29.52

2050 19 30.27 0.57 31.75 29.60

2051 19 30.45 0.86 32.67 29.61

그림 Ⅳ-1. 2032-2051년 서울의 상 20% 일평균기온의 분포

- 121 -

다. 2032년에서 2051년까지 우리나라 여름철 고온으로 인한 과사망 측

본 연구에서 도출된 고온-사망 계모형(서울지역, 일평균기온, 체연령군, Lag=0)

을 이용하여 2032년 이후 20년 동안 서울에서 발생할 여름철 고온으로 인한 과사

망자 수를 추정하 다. 본 연구에서 도출한 모형에 따르면 체연령군의 경우

28.1C 이상이 되면 서울지역에서 고온으로 인한 과사망이 발생할 것으로 측되

었다. 따라서 먼 일평균 기온이 28.1도 이상인 날이 연도별로 며칠씩이었는지 분

석하 다. 다음 표 Ⅳ-3과 같다.

표 Ⅳ-3. 2032-2051년 서울의 threshold temperature (28.1도) 이상인 날들의 연도별

분포

연도28.1도

이하인 날수

28.1도

이상인 날수

28.1도

-29.1도

29.1도

-30.1도

30.1도

-31.1도

31.1도

-32.1도

32.1도

-33.1도

2032 80 12 11 1 0 0 0

2033 62 30 15 11 3 1 0

2034 69 23 17 6 0 0 0

2035 74 18 14 4 0 0 0

2036 70 22 17 4 1 0 0

2037 72 20 14 6 0 0 0

2038 62 30 11 9 7 3 0

2039 65 27 6 17 3 1 0

2040 64 28 19 6 1 2 0

2041 64 28 20 3 4 1 0

2042 65 27 19 7 0 1 0

2043 65 27 16 8 3 0 0

2044 67 25 19 6 0 0 0

2045 64 28 11 5 9 3 0

2046 66 26 3 10 10 2 1

2047 66 26 11 10 3 2 0

2048 63 29 19 8 2 0 0

2049 53 39 11 16 7 5 0

2050 57 35 9 16 8 2 0

2051 41 51 20 22 5 3 1

사용한 1991년부터 2003년까지의 자료와 비교하여 그림 Ⅳ-2에 정리하 다.

- 122 -

그림 Ⅳ-2. 여름철 일평균 기온이 28.1C 이상인 날 수, 1991-2003년 vs. 2032-2051년

여름 석달동안 28.1도 이상인 날 수 (1991~2004년 vs. 2032년 이후)

0

10

20

30

40

50

60

1991

1993

1995

1997

1999

2001

2003

2032

2034

2036

2038

2040

2042

2044

2046

2048

2050

1991년부터 2003년 사이의 여름철에 일평균 기온이 28.1도를 넘는 날수는 1994년의

33일을 제외하고는 개 많아야 16일을 넘지 않았다. 그러나 2032년 이후에 측된

결과로는 28.1도를 넘는 날수가 부분의 경우 20일 이상인 것으로 나타났다.

과 사망자수를 측하기 해 설정한 가정은 1) 2032년 이후에도 고온-사망 계

는 지 과 다르지 않다, 2) 2032-2051년의 일평균 사망자수는 2003년과 동일하다, 3)

2032-2051년의 인구구성비는 2001년 1월 1일 (본 연구의 표 화 시 )과 동일하다.

향후 30년 동안 인체가 더 에 응하여 여름철 고온으로 인한 건강 향을 덜 받

을 수도 있으므로 본 연구의 측이 과 평가될 소지가 있다. 그러나 우리나라 인

구구성비가 매년 격하게 노령화되는 을 감안한다면 본 연구의 측 결과는 과

소평가될 우려 한 있음을 밝 둔다.

측된 과사망자 수와 체 사망 고온으로 인한 과 사망의 비율을 정리한

것이 다음 표 Ⅳ-4이다.

- 123 -

표 Ⅳ-4. 2032-2051년 서울에서 여름철 고온으로 인한 과사망자 수 추정

연도threshold 이하인

날들의 일평균 사망자수

여름철

총 사망자수

threshold 과로 인한

사망자수(명) 사망의 비율(%)

2032 76.9 7077.1 50.9 0.719

2033 76.9 7077.1 321.5 4.543

2034 76.9 7077.1 147.9 2.089

2035 76.9 7077.1 108.3 1.530

2036 76.9 7077.1 139.1 1.965

2037 76.9 7077.1 93.8 1.326

2038 76.9 7077.1 415.2 5.866

2039 76.9 7077.1 345.1 4.877

2040 76.9 7077.1 249.2 3.521

2041 76.9 7077.1 248.4 3.509

2042 76.9 7077.1 178.5 2.522

2043 76.9 7077.1 227.7 3.218

2044 76.9 7077.1 136.0 1.921

2045 76.9 7077.1 413.0 5.836

2046 76.9 7077.1 476.9 6.739

2047 76.9 7077.1 303.7 4.292

2048 76.9 7077.1 218.6 3.089

2049 76.9 7077.1 586.0 8.280

2050 76.9 7077.1 491.6 6.946

2051 76.9 7077.1 640.1 9.045

이 결과를 1991년부터의 자료와 비교하기 해 정리하면 다음 그림 Ⅳ-3과 같다.

1994년과 같이 극심한 결과를 보이는 해는 측되지 않았으나 연구 상 기간 동안

주기 으로 300명 이상의 과 사망을 내는 더운 여름이 측되었다. 한 매해

100명 이상씩 그 피해가 지속될 것으로 측되었다. 이는 여름철 고온으로 인한

과 사망 문제가 단지 어쩌다 한 번 일어나는 사건이 아니라 앞으로는 (정도의 차이

는 있으나) 거의 매년 겪게 될 재해의 성격을 지님을 알 수 있다.

- 124 -

그림 Ⅳ-3. 서울지역, 여름철 고온으로 인한 과사망자 수의 연도별 분포,

1991-2003년 vs. 2032-2051년

여 름 석 달 동 안 초 과 사 망 자 수 (1 9 9 1 ~ 2 0 0 4 년 v s. 2 0 3 2 년 이 후 , 서 울 )

0

1 0 0

2 0 0

3 0 0

4 0 0

5 0 0

6 0 0

7 0 0

8 0 0

9 0 0

1991

1993

1995

1997

1999

2001

2003

2032

2034

2036

2038

2040

2042

2044

2046

2048

2050

3. 토의 고찰

기후변화의 한 상으로 여름철 평균기온의 상승과 빈번한 이상고온 발생이 측되

었다. 기후변화 측 자료 자체가 가지는 신뢰성에 한 논의는 본 연구과제의 범

를 벗어나는 일이므로 다루지 않겠다. 다만 본 연구를 해 제공된 기후 측 자

료는 재 세계 으로 사용되고 있는 모델을 이용하 고 우리나라에서 생산된 유일

한 미래 측자료로서 자료 생산자인 기상청 기상연구소 기후연구실의 감독 하에

사용하 음을 밝 두고자 한다.

추정 결과 1994년과 같이 극심한 결과를 보이는 해는 분석 상 기간 동안 측되지

않았다. 그러나 연구 상 기간 동안 주기 으로 300명 이상의 과 사망을 내는 더

운 여름이 측되었다. 한 매해 100명 이상씩 그 피해가 지속될 것으로 측되었

다. 여름철 이상 고온 상은 앞으로 거의 상시 으로 일어나는 일이 될 것이고 따

라서 하게 응하지 않을 경우 여름철 고온으로 인한 과 사망 문제가 단지

어쩌다 한 번 일어나는 사건이 아니라 매년 겪게 될 재해가 될 수도 있음을 알 수

있다.

기후변화 망 자료의 특성상 즉 기후변화의 시간 단 가 수십년 이상임을 고려

할 때 가까운 장래, 즉 향후 5년, 10년에 한 여름철 기온의 분포 자료는 본 연구

의 분석에 직 활용되기 곤란한 이 있다. 따라서, 본 연구에서는 가까운 장래 여

- 125 -

름의 기온자료를 사용하여 여름철 과사망을 추정하는 신에 가상의 시나리오에

하여 여름철 과사망이 어느 정도 발생할 것인지 가늠하고자 시도하 다. 고온

발생일수와 과 사망의 계를 1991년에서 2003년까지 자료와 2032년부터 2051년

까지 망된 자료를 이용하여 다음 그림 IV-4의 계식을 도출하 다. 앞서 분석

모형에서 논의된 바와 같이 28.1도 이상인 날이라고 해서 사망에 미치는 향의 정

도가 모두 동일한 것은 결코 아니다. 따라서 28.1도 이상인 날의 수가 동일한 해라

고 하더라도 28.1도를 살짝 넘는 날의 수가 많은 해인지 아니면 그보다 훨씬 높은

일평균기온을 보이는 날의 수가 많았던 해인지에 따라 발생할 과사망자수는

히 다를 것이다. 그러나 본 분석에서는 가까운 장래 여름철의 기온 분포가 어떻게

될지 알 수 없었으므로 일평균기온의 분포에 상 없이 28.1도 이상인 날의 사망

향이 동일하다는 가정하에 단순 선형 계28)를 도출하 다.

그림 Ⅳ-4. 서울지역, 여름철 고온 발생 일수와 과사망자 수의 계

y = 10.847x

R2 = 0.7466

0

100

200

300

400

500

600

700

0 10 20 30 40 50 60

28.1도 이상 연도별 일수(1994~2003, 2032~2051)

초과

사망

자(1

994~

2003,

2032~

2051)

그림 IV-4의 계식( 과사망자 수=10.847*고온 발생일 수)에서 보듯이 28.1도 이상

인 날이 하루 늘어날 때마다 그로 인한 과사망자 수는 11명 정도 늘어날 것으로

추정할 수 있다. 따라서 가까운 장래 여름철 고온 발생 일수가 20일 정도된다면 그

28) 단순 일차 선형 계가 아닌 이차식 모형을 도출할 경우 과사망자수=0.1865*(고온발생일수)2+5.0299*(고온발

생일수)의 계식을 얻을 수 있다. 이 경우 r2=0.8157로 좀 더 설명력이 있는 모형을 구할 수 있다. 그러나 일

평균 기온의 분포와 상 없이 고온발생일수를 독립변수로 취한 본 분석의 불확실도를 고려할 때 단순선형의

계식을 활용하는 것이 실용 이라 단된다.

- 126 -

로 인한 과사망자수는 200명을 넘을 것으로 망할 수 있다. 물론 다시 한 번 강

조하건데, 28.1도 이상인 날의 일평균기온이 28.1도보다 조 높으냐 아니면 30도

이상이 될 정도로 높으냐에 따라 과사망자수는 200명보다 을 수도 200명보다

훨씬 더 많을 수도 있음을 밝 둔다.

1994년에서 2003년까지 우리나라 7개 도시를 상으로 분석한 결과만 보더라도

여름철 고온으로 인한 건강 피해는 우리가 쉽게 그 험을 느끼는 기상재해로 인한

피해의 규모를 능가하는 것으로 본 연구를 통해 밝 졌다. 한 2032년 이후 20년

동안의 기온 분포와 그로 인한 건강 향까지 고려한다면 우리나라 여름철 고온으로

인한 건강피해는 매우 심각하고 앞으로 더욱 심각해질 망이다. 따라서 지 까지

수십 년에 한 번 어쩌다 있는 혹서로 인한 피해에 응한다는 소극 인 자세가 아

니라 매년 상당한 과사망을 일으키는 원인에 응한다는 극 인 문제 인식과

그에 상응하는 조치가 필요하다.

다음 장에서는 여름철 고온으로 인한 건강피해를 최소화하기 해 세계 여러 나라

에서 실시하고 있는 고온건강경보시스템에 하여 살펴보고, 우리나라에 도입할 경

우 고려해야할 사항을 검토할 것이다.

- 127 -

V. 고온건강경보시스템(HHWS) 사례 및 적용

본 장에서는 여름철 고온으로 인한 건강피해를 최소화하기 해 세계 여러 나라에

서 실시하고 있는 고온건강경보시스템에 하여 살펴보고, 우리나라에 도입할 경우

고려해야할 사항을 검토할 것이다.

1. 개요

고온은 기 상 에 가장 치명 인 요소이다. 미국 질병 리센터(Centers for

Disease Control, 2002)의 보고에 따르면 1979년에서 1999년 사이에 고온에 노출된

것이 직 으로 사인에 연 되는 사망자 수는 8015명에 달한다고 한다. 그러나 이

숫자 한 고온의 향을 부 반 한 것은 아니라는 의견이 제기되고 있다. 왜냐

하면 아직까지 “열 련 사망, heat-related death"에 한 합의가 이루어져 있지 않

고 사망진단서에도 고온으로 인해 기존의 질병이 악화되어 사망한 경우 열 련성

이 표시되지 않기 때문이다29)30).

인체가 고온에 노출되면 열피로, 열경련, 열사 등의 증상을 보일 수 있음은 잘 알려

진 사실이다.31) 과도한 열에 노출되었을 때 인체의 생리 인 반응은 땀을 흘려 열

을 발산시키고 복사로 인한 열손실 양을 늘리기 해 액순환이 증가한다. 액순

환을 증가시키기 해 심장에 부담이 가게 되는데 이는 최 심박수와 심박출량에

제한을 받게 된다. 따라서 극도로 과한 열에 노출되게 되면 인체의 열균형을 맞출

수가 없게 되고 이는 사망으로 이어지게 되는 것이다. 따라서 고온으로 인한 인체

건강 향은 다른 기오염 물질이나 화학물질에의 노출과 달리 성으로 나타난

다. 극한 기상조건은 매우 가까운 시일 내에 건강에 부정 인 향을 미치게 된다.

고온과 사망 사이의 지연효과(lag effect)를 분석한 개의 논문에서 고온으로 인한

지연효과는 하루를 넘기지 않는 것으로 보고하고 있다. 이는 본 연구의 결과에서도

확인된 바 있다. 이 게 향이 성으로 나타나는 특성 때문에 고온으로 인한

향을 최소화하기 한 노력은 어떤 기상 조건이 가장 건강에 나쁜 향을 미칠 것인

지 분석하는 것에서 시작한다. 어떤 조건에서 건강에 부정 인 향을 나타내는지

악하고, 고온에 가장 민하게 반응하는 인구집단을 상으로 그 향을 최소화

29) Ellis, F.P., and F.Nelson, 1978: Mortality in the elderly in a heat wave in New York City, August, 1975.

Environ.. Res. 15, 504-512

30) Kalkstein, L.S. and K.M.Valimont, 1987: Climate effects on human health. Potential effects of future

climate changes on forest and vegetation, agriculture, water resources, and human health, EPA Science and

Advisory Committee Monograph, No.25389, US EPA, 122-152

31) McGeehin, M.A., and M.Mirabelli, 2001: The potential impacts of climate variability and change on

temperature-related morbidity and mortality in the United States. Environ. Health Perp., 109, 185-189

- 128 -

하기 한 방안을 포함하여 경보시스템을 운 한다.

고온경보시스템의 정의와 구성요건, 제 로 작동하는 고온건강경보시스템을 평가하

는 기 등에 하여 정리하 다.

가. 고온건강경보시스템의 정의

2003년 열 가 발생했을 당시에 유럽에는 리스본과 로마, 단지 두 도시에서만 경보

시스템을 갖추고 있었다. 미국 18개 도시 10개 도시만이 문서화된 열 책이

있었고, 이들 삼분의 일은 주의를 내리는 정도 다. 호주는 시스템이 없었

다. 2003년 열 이후, 랑스, 이탈리아, 국 등은 열 책을 세웠고, 2004년 시

스템을 가동하기 시작하 다.

고온건강경보시스템은 과거의 기상자료와 사망( 는 질병발생)자료를 이용하여 두

변수 사이의 연 성을 나타내는 통계학 모형을 만드는 것에서 출발한다. 설정된

모형에 가까운 미래, 즉 이틀이나 3일 이후의 기상 측 자료를 입력하여 다가올 기

상조건에서의 인체 건강 험성을 단한다. 분석 결과 과사망자의 수가 유의한

수 에 도달할 것으로 측되면 그 정도에 따라 ‘정상(normal)', '주의 는 험

(warning/advisory/alert)', ' 험(emergency)' 등의 경보를 발령한다. 그리고 이 사

실은 계자와 들에게 미리 알려 한 조치를 취할 수 있도록 하는 시스템이

다. 이러한 일련의 과정을 그림으로 정리하면 다음 그림 Ⅴ-1과 같다.

그림 Ⅴ-1. 고온건강경보시스템 운 체계의 기본

구성

기 상 예 보 자 료 분 석

기 상 조 건 의위 험 성 판 단

기 상 조 건 - 건 강알 고 리 즘 분 석

초 과 사 망 자 발 생가 능 성 판 단

경 보 수 준 결 정

경 보 발 령

경 보 없 음

N O

N O

Y E S

Y E S

기 상 예 보 자 료 분 석

기 상 조 건 의위 험 성 판 단

기 상 조 건 - 건 강알 고 리 즘 분 석

초 과 사 망 자 발 생가 능 성 판 단

경 보 수 준 결 정

경 보 발 령

경 보 없 음

N O

N O

Y E S

Y E S

- 129 -

나라마다 조 씩 다른 이름을 쓰고는 있지만32), 기본 으로 HHWS (고온건강경보

시스템)이란 기상 측자료를 활용하는 시스템으로, 비정상 으로 더운 기간에 고온

이 인체 건강에 미치는 향을 이기 해 고안된 경보시스템으로 정의할 수 있

다.33) 개의 경우 고온건강경보시스템은 개별 시(city)단 로 실행된다. 따라서 경

보시스템의 조직, 담당부서, 근 방법, 경보를 주기 시작하는 기온 ( 는 기타 기상

조건) 등은 매우 다양하다.

일반 으로 고온건강경보시스템이 효과 으로 그 목 을 달성하기 하여 다음 4가

지 조건을 충족시켜야 한다.

① 기상 보가 믿을 만한가?

② 고온으로 인한 건강 향, 특히 고온에 한 험이 큰 인구집단의 고온-건강 향

의 인과 계를 명확히 이해하고 있는가?

③ 경보가 발효된 후에 정해진 시간 내에 하게 응할 수 있는가?

④ 지역사회의 보건체계나 사회조직이 경보발효에 따른 조치를 취할만한 능력이 있

는가?

1) 기상 보의 신뢰성

국가 수 의 기상청 단 에서 공식 으로 혹서(heatwave)를 정의하는 경우는 그리

많지 않다. 단순 기온과 지속기간을 동시에 고려하여 혹서를 정의하거나, 기온과 습

도를 동시에 고려한 지표가 생리학 인 한계에 근거한 기 과 함께 사용되기도 한

다. 1990년 에 들어서면서, 사망률이 특별히 높은 날 그 지역에 나타나는 기단(air

mass)을 결정하는 방법인 종 법(synoptic methods)이 소개되었다.34)35) 리스본에 도

입된 ICARO시스템은 단순하게 최고 기온과 사망률 사이의 계를 이용한 알고리

즘을 사용하는데, 기 기온 이상이 되면 경보를 발효한다. 기단을 분석하여 측하

는 것과 단순히 기온-사망 계를 이용한 지침을 사용하는 경보시스템 사이의 차이

에 해서는 거의 보고된 바 없다.36)

32) France에서는 Heat Watch Warning System (since 2004), Portugal의 수도 Lisbon에서는 ICARO's index를 이

용한 Heat Waves Vigilance and Alert System, 국에서는 Heatwave plan, 로마에서는 Heat Health

Watch/Warning System(HHWWS) 등으로 명칭하고 있다. 본 연구에서는 이러한 시스템의 일반명사격인 고온

건강경보시스템(HHWS)으로 사용하겠다.

33) Koppe C, Jendritzky G, Kovats RS, Menne B. Heatwaves : impacts and responses. Copenhagen; World

Health Organization, 2003

34) Kalkstein LS, Nicholas MC, Barthel CD, Greene JS. A new spatial synoptic classification: application to air

mass analysis. Int.J.Climatol. 1996;16:983-1004

35) Kalkstein LS, Greene JS. An evaluation of climate/mortality relationships in larlge US cities and the

possible impacts of climate change. Env. Hlth. Pers. 1997;105(1):84-93

36) Sheridan S, Kalkstein LS. Progress in heat health warning system technology. Bulletin American

- 130 -

2) 고온-건강 향 인과 계

고온과 건강은 일반 으로 하키스틱 모양의 계를 가진다고 한다. 즉, 일정 정도

이상이 되면 사망률이 상승하는 변곡 , 즉 threshold temperature가 존재한다는 것

이다. 개의 경우 해당 지역의 threshold temperature를 근거로 경보시스템의 가동

조건을 설정한다. 그런데 우리나라 부산지역처럼 지역에 따라 기온-사망 계에서

명확하게 Threshold 기온을 보이지 않는 경우가 종종 있다. 이 경우에는 기온 이외

의 다른 지표가 경보시스템을 작동시키기 해 필요하다.37) 경보를 한 온도에

서 발효하도록 결정하는 것은 매우 요하다. 경보를 발효하는 온도가 무 높은

경우 경보는 매우 극단 인 상황에서만 발효될 것이다. (유럽의 2003년 heatwave는

500년 만에 한 번 있는 경우 다) 이 경우 경보시스템은 평균 으로 더운 여름에

발생하는 고온 련 사망자를 방하기에는 부족할 것이다. 조 으로 미국의 고

온경보시스템은 threshold기온을 상 으로 낮게 잡아 일 년에 어도 한번은 경

보가 발효된다고 한다.

3) 경보 발효 후 신속한 응체제

고온이 건강에 미치는 향이 매우 성으로 나타나기 때문에 신속한 응은 경보

시스템의 필수 이다. 혹서 보의 신뢰도나 혹서의 정도에 따라 단계별 경보가 발

효되고 그에 따라 다른 조치가 취해진다. 미국의 도시들은 개 2단계 는 3단계

경보체계를 갖추고 있다(그림 Ⅴ-2).38) 국의 경우 4단계 체계를 2004년에 도입하

다.39) 나라를 불문하고 공통 으로 기상청 ( 는 공군 공항과 같이 기상 정보를

제공할 수 있는 기구)에서 앞으로 며칠의 기상을 측하면 그 자료를 받아 경보시

스템 운 자가 기상 측의 건강 험성 정도를 지체 없이( : 로마의 경우 매일 아침

10시 이 에) 평가한다. 평가 결과 경보가 필요하다고 단되면 온라인, 행정조직

등 가능한 연락책을 동원하여 경보 사실이 알려지도록 한다.

Meteorological Society 2004

37) Smoyer-Tomic KE, Rainham DGC. Beating the heat: development and evaluation of a Canadian Hot

Weather Health Response Plan. Env. Hlth.Pers. 2001;109(12):1241-1247

38) Kalkstein LS, Jamason PF, Greene JS, Libby J, Robinson L. The Philadelphia hot weather-health watch

warning system:development and application, Summer 1995. Bull.Am.Meteorol.Soc. 1996;77:1519-1528

39) Department of Health. Heatwave-Plan for England-Protecting health and reducing harm from extreme heat

and heatwaves. 2004, London

- 131 -

그림 Ⅴ-2. 미국 도시의 형 인 고온건강경보시스템

72시간 예보

향후 2-3일 내에 위험한 상황

향후 1-2일 내에 초과사망 예측

다음 날 평가해서위험한 상황이 계속예측될 경우

Attention이 이틀 이상지속되면

Attention

Alarm

Emergency

72시간 예보

향후 2-3일 내에 위험한 상황

향후 1-2일 내에 초과사망 예측

다음 날 평가해서위험한 상황이 계속예측될 경우

Attention이 이틀 이상지속되면

Attention

Alarm

Emergency

4) 지역사회의 처 능력

가) 정보 달

경보시스템에서 요한 부분은 고열로 인한 건강상의 피해에 한 정보가 모든 연

령층의 취약한 인구집단에 반드시 알려지도록 해야 한다는 이다. 사회 으로 고

립되어있거나, 나이가 많거나, 지 인 능력에 제한이 있는 정신질병을 가지고 있는

인구집단은 기온에 가장 취약한 것으로 알려져 있다.40) 41) 42) 고온이 발생했을 때

의 인간 행동양식과 생리학 반응을 고려하여 취약집단에 가장 한 메시지를

개발하고 집 인 노력을 기울여야 한다. 고온건강경보를 수동 으로 발효시키는

것만으로는 건강상의 피해를 방하기에 불충분하다는 것은 지 까지 경험의 결과

이다. 효과 인 정보 달을 하여 고열에 노출되었을 경우 험이 큰 집단을 구별

하여 기단계에 직 알릴 수 있는 체계(outreach)가 필요하다. outreach는 보건

문가나 사회복지사 같은 문가 는 친구나 이웃, 친척 등에 의해 이루어질 수 있

다. 필라델피아는 기존에 존재하던 지역사회 조직인 buddy system을 활용한 경우

로 이웃들이 직 취약인구를 확인하도록 하 다.43)

40) Collins KJ. Exton-Smith AN, Dore C. Urban hypothermia: preferred temperature and thermal perception

in old age. Br.Med.J(Clin.Res.Ed) 1981;282(6259):175-177

41) Kilbourne EM. Heat-related illness:Current status of prevention efforts. Am.J.Prev.Med. 2002; 22(4):328-329

42) Semensa JC, Rubin CH, Falter KH et al. Heat-related deaths during the July 1995 heat wave in Chicago.

N.Eng.J.Med. 1996;335(2):84-90

43) Ebi KL, Teisberg TJ, Kalkstein LS, Robinson L, Weiher RF. Heat Watch/Warning systems save lives:

estimated costs and benefits for Philadelphia 1995-1998. Bull.Am.Meteorol.Soc. 2004;85(8):1067-1068

- 132 -

나) 피소 운 등의 보건 조치

고온건강경보시스템의 부분으로서 어떤 보건상의 조치가 실제로 용되었는지에

한 정보는 그리 많지 않다.44)45) 열 경련은 매우 빠르게 진행되고 종종 치명 이기

까지 하므로, 조치의 핵심은 개 고열증을 우선 방하는 것이다. 열병의 기단계

인 사람을 선별하고 조치하는 이차 인 방도 고온건강경보시스템의 일부분이 되

어야한다. 한 가지 방법은 험에 노출된 사람들이 시원한 장소로 갈 수 있도록 장

소를 마련하고 이동 수단을 제공하는 것이다.

나. 고온건강경보시스템의 평가

공 보건을 고려한 조치들의 효과는 개의 경우 얼마나 많은 생명을 구했는지

는 건강불평등의 완화 수용성 등을 근거로 평가한다.46) 고온건강경보시스템도

보건상의 구체 인 조치들을 동반한 경우 사망자를 이는 데에 기여하는 것으로

알려져있다.47)48) 그러나 개별 인 조치 는 체 로그램의 효과를 정성 으로나

정량 으로 평가해 놓은 논문은 매우 제한되어있다.

고온건강경보시스템의 효과를 평가하는 것은 매우 어렵다. 왜냐하면 열 는 어쩌다

일어나는 일이며, 개별 열 마다 그 특성이 다양하기 때문이다. 고열은 인구집단

마다 다른 향을 끼친다. 따라서 사망자 수만을 단순 비교하여 시스템의 효과를

평가하는 것은 불가능하다. 한 다른 도시에서 일어난 열 나 한 도시에서라도 다

른 시기에 일어난 열 를 직 비교하는 것도 타당하지 않다. 시카고의 경우 1995

년보다 1999년에 열 로 인한 사망자 수가 확실히 감소하 다고 한다.49) 감소한

사망자 수의 일정 부분은 열 피소 운 과 에어컨 사용의 증가 덕분일 수 있다.

한 열 에 한 인식과 응방법을 일반 들이 더 잘 알게 된 것에 기인하기도

할 것이다.

시스템 평가의 요한 하나의 요소는 기상 보된 threshold 값이 정확하게 맞

았느냐를 평가하는 것이다. 기상 보값 자체뿐 아니라 기상요소-건강 향 측 모형

44) Bernard SM, McGeehin MA. Municipal heat wave response plans. Am.J.Pub.Hlth. 2004;85(8):1067-1068

45) Kalkstein LS. Description of our heat/health watch warning systems: their nature and extent, and

required resources. 2002. Newark, University of Delaware

46) Rychetnik L, Frommer M, Hawe P, Shiell A. Criteria for evaluating evidence on public health

interventions. J. Epidemiol Community Health 2002;56:119-127

47) Weisskopf MG, Anderson HA, Foldy S et al. Heat wave mortality and morbidity, Milwaukee, Wis, 1999

vs. 1995: an improved response? Am. J. Public Hlth 2002;92(5):830-833

48) Delaroziere JC, Sanmarco JL, Excess mortality in people over 65 years old during summer heat waves in

Marseille. Comparison before and after prevention campaign. Press Medicale 2004:33(1):13-16

49) Palecki MA, Changnon SA, Kunkel KE. The nature and impacts of the July 1999 heatwave in the

midwestern United States: Learning from the lessons of 1995. Bull. Am .Meteorol. Soc. 2001;1353-1367

- 133 -

의 신뢰도(predictive value 는 robustness)를 평가하는 다양한 통계방법들이 있다.

어떤 경우라도 측모형의 신뢰도는 독립 으로 평가되어야한다. 풀어 말하자면, 모

형을 구축하는 단계에서 사용된 데이터는 모형을 평가하는 데에 활용되어서는 안된

다는 뜻이다. 열 가 아주 가끔 일어나는 사건이고, 시스템을 운 한 역사가 그리

길지 않고, 단지 몇 명 안 되는 사망자 수만이 감소되는 경우를 고려할 때, 찰된

사망자 수 감소를 근거로 고온건강경보시스템을 평가하기는 매우 어렵다. 따라서

시스템의 다른 구성요소, 즉, 고온건강경보시스템의 차를 평가하는 것이 의미가

있다. 시스템의 각 구성요소들이 원래 의도 로 역할을 하고 있는지, 한 조치가

취해졌는지, 취해진 조치들은 시기 했는지, 시스템 운 에 참여하는 부서들간의

력이 제 로 이루어졌는지 등을 평가한다.

1) 고온건강경보시스템의 평가 기

효과 이고 효율 인 고온건강경보시스템의 개발을 통하여 공공자원을 최 한 활용

하기 한 시스템의 개발, 도입, 실행을 평가하기 한 기 을 다음 세 가지로 나 어

살펴보았다.

가) 시스템의 구성요소 운 체계가 기술되었는가?

시스템의 목 은 그 시스템이 세워지기 에 합의되어야한다. 그 내용은 최 한 구

체 이어야 한다. 경보를 발효하는 각 단계별로 흐름을 도식화하는 것이 유용할 것

이다. 이 때 flowchart에는 각각의 구성요소의 책임은 구에게 있으며 반 인 책

임자는 구인지를 포함하는 것이 좋다. 가능하다면, 시스템은 일반 이 이미 인

지하고 있는 기존의 체계를 활용할 수 있으면 바람직하다. 를 들어, 미국의 경우

고온건강경보시스템은 부분 으로 기존의 토네이도 경보시스템에 근거하고 있다.

우리나라의 경우 미세먼지 경보, 황사경보, 오존 경보 등의 체계와 결합하는 것을

고려해 볼 수 있을 것이다.

시스템의 구성요소는 기상요인과 보건요인으로 다음과 같이 나 어 볼 수 있다;

- 경보를 발효하는 기상요인 는 threshold와 어떻게 그 기 이 설정되었는지에

한 설명

- 경보를 종료하는 시 의 기상요인 는 threshold

- 심 상이 구인지 (즉, 어느 지역, 어느 인구집단)

- 가 기상요인 측치를 모니터하고 가 경보를 제공하는지, 일 년 언제, 얼

마나 자주.

- 해당 부서에 어떻게 정보가 달되는지

- 경보를 발효하기 에 기간은 얼마나 두는지 (24시간, 48시간 이 등)

- 시스템을 평가하기 하여 어떤 데이터들을 모아 두어야 하는지

- 134 -

시스템 운 에 참여하는 사람들의 역할과 책임을 구체 으로 명확하기 정의하는 것

은 매우 요하다. 한 참여자들 간의 의사소통 략을 수립하는 것 한 요하

게 다루어져야한다.

나) 시스템을 운 하기 한 자원이 기술되었는가?

고온견강경보시스템을 운 하기 해서는 다음과 같은 자원이 필요하다.

- 기 시스템 구축비용

- 시스템 리에 드는 연간 산

- 경보를 발생할 때 드는 소요 산(직 /간 비용)

필라델피아의 사례를 분석한 연구결과에 따르면 경보시스템을 운 하는 데에 실질

으로 필요한 비용은 무시할만하다고 한다. 기존의 지자체 공무원들의 역할에 포

함시키고 자원 사자들을 극 활용함으로 별도의 인건비가 들지 않는다는 것이다.

지역 응 의료시스템을 기시키기 해 드는 비용은 기자 인건비 정도이므로 경

보를 한 번 발효하는 데에 소요되는 비용은 10,000불을 넘지 않을 것으로 추산하고

있다. 물론 고온건강경보를 발생하기 한 기상정보를 생산하기 하여 별도의 투

자가 필요하다면 그 경우에는 상당한 산이 확보될 필요가 있을 수도 있다. 그러

나 개의 경우는 이미 기존의 기상 보시스템을 활용할 수 있다.

모든 정책이 그러하듯이 고온견강경보시스템의 운 한 경보 발생의 편익을 측

하고자 하는 노력이 상시 으로 이루어져야 시스템 운 유지의 요한 근거가

될 것이다.

다) 시스템 평가에 고려할 사항들

시스템의 단순성, 수용성, 민감성, 시의 성, 개인 인 차원에서의 응이 효과

이었는지 등을 고려하여 시스템 평가가 이루어져야한다.

- 단순성 (simplicity)

시스템은 가능한 목 을 달성할 수 있다는 제하에 구성이나 운 이 단순할수록

좋다. 를 들어 경보를 발효하는 데에 필요한 정보의 형식, 경보 제공에 필요한 인

력 참여부서, 시스템 유지에 필요한 시간, 경보 발효에 소요되는 시간 등을 고려

할 수 있다.

- 수용성 (acceptability)

수용성은 시스템에 참여하는 개인이나 조직이 얼마나 자발 으로 움직이느냐를 반

한다. 이를 해 참여부서간의 상호작용, 단순히 경보만을 제공하고 끝내는 것이

아닌 그 이상의 참여, 참여부서의 책임감 등을 들 수 있다.

- 135 -

- 민감성(sensitivity)

경보의 민감성은 몇 번이나 경보가 발효되었고 실제 기상 측치가 얼마나 정확하게

맞았는지를 의미한다. 즉, 험한 기상조건에서 몇 번이나 경보가 발효되지 않아 피

해를 래했는지를 평가하는 것이다.

- 시의 성(timeliness)

다른 응방법들에 견주어 경보가 시의 했는지, 경보를 발효하는데 불필요한

지연은 없었는지를 평가한다.

- 개인 인 차원에서 응의 효과 (effectiveness of individual response measures)

이 항목은 좀 어려울 수도 있는데, 역학조사 방법을 동원하면 가능할 것이다. 다만,

경보를 받지 못한 그룹간의 비교 같은 연구는 윤리 인 이유로 불가능하다.

2. 외국의 고온건강경보시스템 운 사례

고온이 과사망 등 건강에 험한 요인이 된다는 사실을 인식하면서 세계의 여러

나라들은 그 피해를 최소화하기 한 노력의 일환으로 고온건강경보시스템을 도입

하기 시작하 다. 다음 표 V-1은 최근까지 고온건강경보시스템을 도입하여 운 하

고 있는 도시들의 일부를 정리한 것이다. 더 많은 도시들이 고온건강경보시스

템을 도입하고 있으며, 특히 유럽의 경우 PHEWE 연구 등을 통하여 여러 도시들이

공동의 방안을 강구하는 노력을 기울이고 있다. 몇몇 나라들의 특성을 살펴보면 다

음과 같다.

표 Ⅴ-1. 고온건강경보시스템을 운 이거나 도입할 정인 도시

연도 City (Synoptic-based) PHEWE study (EU)

1995 Philadelphia, USA

1996 Washington, USA

2000 Rome, Italy

2001~

2002

Shanghai, China

Toronto, Canada

Phoenix, USA

12 cities in USA

2003Chicago & St. Louis, USA

Turin, Milan etc., Italy

- 16 European cities

- 5 pilot cities (Rome, Paris,

Barcelona, London, Budapest)2004 Dallas, Seattle, Yuma(AZ) etc., USA

- 136 -

가. 국

국은 2004년에 “Protecting health and Reducing harm from extreme heat and

heatwaves"라는 슬로건과 함께 Heatwave Plan을 도입하 다. 매년 6월 1일부터 9

월 15일까지 석달 반동안 운 되며, 기상청이 보하고 이에 따라 보건부 련

부서에서 필요한 응조치를 취한다. 열 가 보되었거나 발효 인 동안 열 에

련된 정보와 지식, 행동지침 등은 문가 그룹과 취약계층을 심으로 달된다.

노인 는 장애가 있는 사람들은 우선 으로 자원 사자나 사회사업 의 도움을 받

을 수 있도록 하며, 매체를 통한 홍보도 극 으로 실시한다.

국의 도시별 경보를 내리는 기 은 다음과 같이 낮기온과 밤기온, 두 가지 기

에 따른다(표 V-2).

표 Ⅴ-2. 국의 지역별 고온경보 발효를 한 역치기온

Region day temperature (C) night temperature (C)

London 32 18

South East 31 16

South West 30 15

Eastern 30 15

North West 30 15

Yorks & Humber 29 15

North East 28 15

국의 고온경보는 다른 나라들과 비슷하게 4단계로 나뉜다. 다음 표 V-3은 각 단

계별 발효시 과 그에 상응하는 응 책들을 정리한 것이다.

표 Ⅴ-3. 국의 열 책 (heatwave plan): 단계별 응

In th e e v e n t o f a “m a jo r in c id e n t ” b e in g d e c la re d , a l l e x is t in g e m e rg e n c y p o lic ie s a n d p ro c e d u re s w i l l a p p ly

H e a tw a v e is “ v e ry s e v e re o r p ro lo n g e d ”

L e v e l 4 -

E m e rg e n c y

In a d d it io n to a b o v e :

•R e g io n a l d ire c to r s o f p u b lic h e a lth e n s u re n o u t i l i t y s u s p e n s io n s .

•P C T s a n d S o c ia l S e rv ic e d e p a r tm e n ts c o m m is s io n a d d it io n a l c a re a n d s u p p o r t to e n s u re d a i ly c o n ta c t w ith v u ln e ra b le in d iv id u a ls

•H o s p ita ls a n d t ru s ts a le r te d in c a s e th e re is in c re a s e in a d m is s io n s

M e t o f f ic e c o n f irm s th re s h o ld te m p e ra tu re s e x c e e d e d in a n y o n e re g io n

L e v e l 3 -

H e a tw a v e

In a d d it io n to a b o v e :

•D e p a r tm e n t o f H e a lth is s u e s s p e c if ic a d v ic e to g e n e ra l p u b lic , a n d th e re is ta rg e te d m e d ia s t ra te g y

•P C T s a n d S o c ia l S e rv ic e d e p a r tm e n ts d is t r ib u te a d v ic e to a t- r is k in d iv id u a ls a n d m a n a g e rs o f c a re h o m e s

M e t o f f ic e fo re c a s t o f th r e s h o ld te m p e ra tu re s fo r a t le a s t th r e e d a y s a h e a d in a n y r e g io n , o r 8 0 % c h a n c e o f te m p e ra tu re s e x c e e d in g th re s h o ld o n 2 c o n s e c u t iv e d a y s

L e v e l 2 -

A le r t

•M in im u m s ta te o f v ig i la n c e

•D e p a r tm e n t o f H e a lth is s u e s g e n e ra l a d v ic e to p u b lic a n d h e a lth c a re p ro fe s s io n a ls

•R e g io n a l d ire c to r s o f p u b lic h e a lth re v ie w u t i l i t y s u s p e n s io n p o lic ie s

•P r im a r y C a re T ru s ts (P C T s ) a n d S o c ia l S e rv ic e d e p a r tm e n ts re v ie w th e id e n t if ic a t io n o f in d iv id u a ls a t r is k

•H o s p ita ls r e v ie w re s i l ie n c e o f in f r a s t r u c tu re a n d e q u ip m e n t

N o w a rn in g re q u ire d u n le s s th e re is 5 0 % p ro b a b i l i t y o f th e s itu a t io n r e a c h in g L e v e l 2 s o m e w h e re in U K in n e x t 5 d a y s .

L e v e l1 -A w a re n e s s

R e s p o n s eT r ig g e rL e v e l

In th e e v e n t o f a “m a jo r in c id e n t ” b e in g d e c la re d , a l l e x is t in g e m e rg e n c y p o lic ie s a n d p ro c e d u re s w i l l a p p ly

H e a tw a v e is “ v e ry s e v e re o r p ro lo n g e d ”

L e v e l 4 -

E m e rg e n c y

In a d d it io n to a b o v e :

•R e g io n a l d ire c to r s o f p u b lic h e a lth e n s u re n o u t i l i t y s u s p e n s io n s .

•P C T s a n d S o c ia l S e rv ic e d e p a r tm e n ts c o m m is s io n a d d it io n a l c a re a n d s u p p o r t to e n s u re d a i ly c o n ta c t w ith v u ln e ra b le in d iv id u a ls

•H o s p ita ls a n d t ru s ts a le r te d in c a s e th e re is in c re a s e in a d m is s io n s

M e t o f f ic e c o n f irm s th re s h o ld te m p e ra tu re s e x c e e d e d in a n y o n e re g io n

L e v e l 3 -

H e a tw a v e

In a d d it io n to a b o v e :

•D e p a r tm e n t o f H e a lth is s u e s s p e c if ic a d v ic e to g e n e ra l p u b lic , a n d th e re is ta rg e te d m e d ia s t ra te g y

•P C T s a n d S o c ia l S e rv ic e d e p a r tm e n ts d is t r ib u te a d v ic e to a t- r is k in d iv id u a ls a n d m a n a g e rs o f c a re h o m e s

M e t o f f ic e fo re c a s t o f th r e s h o ld te m p e ra tu re s fo r a t le a s t th r e e d a y s a h e a d in a n y r e g io n , o r 8 0 % c h a n c e o f te m p e ra tu re s e x c e e d in g th re s h o ld o n 2 c o n s e c u t iv e d a y s

L e v e l 2 -

A le r t

•M in im u m s ta te o f v ig i la n c e

•D e p a r tm e n t o f H e a lth is s u e s g e n e ra l a d v ic e to p u b lic a n d h e a lth c a re p ro fe s s io n a ls

•R e g io n a l d ire c to r s o f p u b lic h e a lth re v ie w u t i l i t y s u s p e n s io n p o lic ie s

•P r im a r y C a re T ru s ts (P C T s ) a n d S o c ia l S e rv ic e d e p a r tm e n ts re v ie w th e id e n t if ic a t io n o f in d iv id u a ls a t r is k

•H o s p ita ls r e v ie w re s i l ie n c e o f in f r a s t r u c tu re a n d e q u ip m e n t

N o w a rn in g re q u ire d u n le s s th e re is 5 0 % p ro b a b i l i t y o f th e s itu a t io n r e a c h in g L e v e l 2 s o m e w h e re in U K in n e x t 5 d a y s .

L e v e l1 -A w a re n e s s

R e s p o n s eT r ig g e rL e v e l

- 137 -

나. 독일

2003년 유럽의 혹서로 인해 독일에서는 약 7,000명이 사망한 것으로 조사되었다.

많은 연구들이 2003년 유럽혹서와 유사한 사건들이 계속 증가할 것으로 보고함에

따라 독일에서는 고온경보시스템(Heat-Health Warning System; HHWS)의 필요성을

인식하기 시작하 다.

2003년 혹서로 인해 독일의 기상청(Deutscher Wetterdienst; DWD)에 시 를 둔 “연

방 보건․사회복지부(The Federal Ministry for Health and Social Safety)”에서는

고온경보시스템을 정착시키기 한 제안서를 제출했으며, 바덴-뷔르템부르크 와 헤

센 지방(the federal stated of Baden-Wuerttemberg and Hesse)에서는 2004년 비

연구과제로 확정하 다. 비 연구과제가 성공 으로 수행됨에 따라 독일 기상청은

고온으로부터 국민을 보호하기 해 공 보건 당국과 력하여 고온경보시스템을

발표하 다.

독일의 고온경보시스템은 기상청의 "열과 련된 평가(Health Related Assessment

of the Thermal Environment; HeRATE)“에 의한 기상 측에 기 를 둔다. 고온경보

시스템은 1단계: 심한 열부하(Severe heat load), 2단계: 극심한 열부하(Extreme heat

load)와 같이 2단계로 발령되며, 경보는 36시간 지속된다.

매일의 고온건강 보를 해 열부하가 측되어 발표된다. 독일 지역을 415개로 구

분하여 경보가 표시되며, 기상청의 홈페이지(http://www.dwd.de)를 통해 국민들에

게 경보가 달된다. 경보는 "Hitzewarnung(heat warning)"으로 구분되어 표시된다

(그림 Ⅴ-3).

그림 Ⅴ-3. 독일 기상청 홈페이지에 제시된 고온경보시스템( )

- 138 -

상 으로 단기 측에 을 두는 고온경보는 향후 6일 동안의 장기 기상 측정

보를 포함하는 “사 열 정보(advance heat information)”에 의해 보완된다. 열 정

보는 의학 인 지식이 있는 문가 그룹에게 달된다. 경보 사 열 정보는

E-mail과 ftp(file transfer protocol)을 통해 보건․사회복지 문가에게 달된다(표

Ⅴ-4).

표 Ⅴ-4. 독일의 고온경보와 사 열정보 시스템 비교

발령 기간 지역화

고온경보 필요한 경우에 발령 36시간 구역

사 열 정보 매일 6일 구역

다. 호주

호주의 동남쪽에 치한 퀸즐랜드 주(Queensland)에서는 2004년 2월 혹서로 인해

12명이 사망하 으며, 221명이 입원하 다. 혹서를 경험했던 퀸즐랜드는 앞으로의

혹서에 비하기 해 계획을 수립하 다. 퀸즐랜드 보건부(the Queensland Health

Department)가 “보건비상 응계획(the State Health Emergency Response Plan;

SHERP)"의 주도 인 역할을 한다.

퀸즐랜드 주의 고온경보는 2단계로 나 어 발령된다. 즉, 일단계로서 리즈번 주

(Brisbane)의 열지수가 36도, 2일 이상 계속될 경우 “고온경보 (heat warning)”을 발

효한다. 그 보다 심한 경우 즉 열지수가 40도, 2일 이상 계속될 경우 “극심한 고온

경보 (Extreme heat warning)"을 발효한다.

퀸즐랜드의 고온비상 응계획(Heat wave Emergency Response plan (HERP) by

Department of Emergency Services (DES)은 표 Ⅴ-5와 같다.

- 139 -

표 Ⅴ-5. 호주 퀸즐랜드주의 6단계 고온 비상 응계획

단계 경보기간 내용

Heatplan

White Alert1 3~4일

- QAS (The Queensland Ambulance Service) 지역 책임

자 지명

- MIR (Major Incident Room) 비

- 주요기 연락처 확보

- 추가 인 인력 확보

- 보건 련 인력 확보

- 교통수단 확인

Heatplan

Yellow Alert2 48시간

- 인력확인

- DES 본부장 비

- 일상 인 교통수단의 통제 고려

- 혹서 명부(roster)발간

- 매체를 통한 캠페인 개시

Heatplan

Red Alert3 24시간

- MIR은 “watch" 단계로 돌입

- OIC(Officers in Charge)는 24시간×7일 장부 작성

(roster)시작

- 건강상태 확인

- 체 교통수단 비

- 차(logistics) 리인력 비

- 추가할 주(state)/고속도로 확인

Heatwave

commences4

- no additional action

- watch 단계로 지속됨, 모니터가 요구됨

- OIC는 건강상태를 모니터해야함

- 체 교통수단 비

- 물류 와 함 비

- 환자수송 서비스 확보(24시간)

- 매체를 통한 지속 인 홍보

Trigger point 5

- 이 시 은 QAS Communications Centre Supervisor

에 의해 정해짐

- 서비스의 요구가 “consistently exceeding capacity”가

되었을 경우 발생함

- 추가 인 인력 투입

- 24시간 동안 리자 투입

- 24시간 병원 수송 수행

- 병원과의 조를 통해 일상 인 교통수단 축소

- OIC와 주(state)응 서비스의 보건시스템 가동

- 매체를 통한 지속 인 홍보

Heatplan

Green Alert6 Recovery 기간(1~2일)

- 140 -

라. 랑스

2003년 혹서로 가장 많은 피해를 입은 랑스는 앞으로 혹서로 인한 피해를 방하

기 해 랑스 정부가 주도가 되어 2004년 6월 국가 이고 지역 인 실행 계획

(national and local action plans)을 수립하 다. 이를 해 혹서에 향을 주는

해요인(risk factor)을 연구하 으며, 건강상태 조사(health surveillance)와 환경 감시

메카니즘을 조사한 바 있다.

마. 캐나다(토론토)

1998년 토론토의 여름은 평년기온을 웃도는 더운 여름이었다. 이에 국민의 건강을

보호하기 해 고온 응계획(Hot Weather Response Plan)을 수립하 다. 이 계획에

서는 고온경고(heat alert)를 한 기상상태 역치 확인 비상 응계획에 해 언

을 하고 있다. 이 계획에 의해 1999년 8월 처음으로 고온 경보가 발령되었다.

2000년 토론토는 “Heat/Health Warning(alert) System(HHWS)"을 정확히 보하기

해 Toronto Atmospheric Fund의 지원을 받았다. HHWS이 과사망자의 확률을

65~89%로 나타낸다면 ”고온경고(Heat Alert)"를 발령하고, 90% 이상을 측한다면

“고온 비상(Heat Emergency)"를 발령한다(Wilhelm K, 2005).

바. 이탈리아

이탈리아는 유럽의 여러 나라들 고온건강경보시스템을 가장 체계 으로 도입하

여 발 , 용시키고 있는 나라이다. 2003년 이탈리아 Department for Civil

Protection (DCP)는 고온으로 인한 건강 향을 최소화하기 한 국가 차원의 로젝

트를 시작하 다. 로젝트의 목 은 1) 도시마다 한 경보시스템을 개발하여 도

입하는 것, 2) 과사망 발생에 한 신속한 조사와 감시가 가능한 체계를 수립하는

것, 3) 여름철 과사망자 수 평가, 4) 경보시스템과 방 로그램의 효과 평가, 그

리고 5) 고온에 민감한 그룹, 사회 보건 종사자들에게 한 지침을 개발하여 제공

하는 것 등이었다. 이 로젝트에는 국가정부와 지방 정부의 공동의 노력으로 진행

되었다. 앙정부의 DCP는 로젝트를 조정하고 비상계획을 수립하 으며 보건부

(Ministry of Health)는 건강에 한 구체 인 지침을 만드는 데 기여하 다. 지방

정부의 DCP는 정보 교환의 신속히 이루어질 수 있는 network을 조정하 고, 방

로그램이 실시될 수 있도록 하 다. 재 이탈리아에서 고온건강경보시스템

(Heat/Health Watch/Warning System)이 운 인 도시는 다음 그림 V-4와 같다.

HHWWS은 로마에서 시작하여 차 이탈리아의 작은 도시들까지 확 되었는데,

2005년 재 25개 도시에서 운 되고 있다.

- 141 -

그림 Ⅴ-4. 2005년 재 고온건강경보시스템이 운

인 이탈리아 도시들

이탈리아의 HHWWS은 기단분석에 기 한 모형(air mass-based model)을 활용하는

데, 종단 분석법 (synoptic approach)을 이용하여 과사망을 래할 가능성이 있는

기단을 찾아낸다. 기단 분석 결과와 지역의 특성에 따라 정의된 혹서 조건 (몇 도

이상의 기온이 며칠 이상)을 함께 고려하여 험한 상황을 측한다. 험한 상황과

과사망 발생 가능성을 측하기 하여 72시간 기상 보 자료가 활용된다. 이 때

모형에 들어가는 변수로는 기온, 이슬 , 풍속, 풍향, 그리고 구름의 정도 등이다.

험을 추정하는 모형에는 기상조건 이외에 해당 기상조건의 연속일수 (얼마나 여

러 날 지속될 것인지)가 포함된다.

이탈리아 HHWWS의 일별 운 흐름도는 다음 그림 V-5와 같다.

그림 Ⅴ-5. 이탈리아 HHWWS의 운 흐름도

- 142 -

72시간 기상 보와 모델에 필요한 기타 기상 정보가 매일 아침 9시 이 에

HHWWS 운 담당자에게 도착하면, 운 자는 이 정보들을 모형에 입력하여 과

사망 험등을 도출한다. 분석 결과에 따라 지역별 정보를 생산하여 오 10시까지

해당자 는 해당기 에 제공한다. 이 정보를 받은 기 이나 지방정부에서는 필요

한 조치를 취할 수 있게 된다. 경보는 no alarm, attention, alarm, emergency 등 4

단계로 구분된다. 각각의 단계별로 국가정부, 지방정부, 지역센터 등에서 취해야 할

필요한 조치가 수립되어 있다. 그 내용은 앞서 소개한 국의 4단계(표 V-3)와 유사

하다.

3. 고온경보시스템 도입 방안 검토

유럽의 여러 나라들과 미국 여러 도시에서 재 운 인 고온건강경보시스템은

크게 두 가지로 나 어 볼 수 있다. 첫 번째 경우는 고온건강경보를 단순한 기온

는 열지수 등에 근거하여 결정하는 것으로 이탈리아의 소도시, 다수의 유럽 도

시, 포르투갈 들에서 활용하고 있는 방법이다. 두 번째 경우는 기온, 습도뿐 아니라

기압, 풍속, 운량, 풍향, 가시도 등 기단(air mass)의 특성을 종합 으로 고려하는 종

분석법(synoptic approach)으로 개의 미국 도시들과 이탈리아 도시 등에서 주

로 활용하고 있는 방법이다. 기상조건-건강의 계를 평가하기 한 변수를 둘

어떤 것을 취할 것인가는 사용 가능한 기상 건강자료의 종류 축 량, 기상

보에 필요한 능력 자원 등에 따라 달라질 수 있으나, 건강 험이 측된 이후

에 필요한 조치나 경보체계는 별로 다르지 않다. 다음 그림 Ⅴ-6은 고온건강경보시

스템의 운 에 필요한 분야별 역할을 도식화한 것이다. 그림에서와 같이 고온건강

경보시스템을 도입하여 효과 으로 운 하기 해서는 기상 문가, 통계/역학 문

가 경보를 제 로 달할 수 있는 지역사회의 사회복지/보건 문가의 참여가

필요하다.

그림 Ⅴ-6. 고온건강경보시스템 운 에 필요한 문 역 역할

고 온 경 보 시 스 템(heat hea lth w arn ing system )

기 상(m eteoro log ica l

com ponent): 믿 을 만 한 혹 서 예 보 가시 기 적 절 하 게 제 공

통 계 /역 학(ep idem io log ica l,

s ta tis tica l and b iom eteoro log ica l

com ponent): 기 상 조 건 과 건 강 사 이 의원 인 적 연 관 성 구 명

보 건(pub lic hea lth com ponent)

: 경 보 발 효 후 유 예 시 간내 에 실 행 할 수 있 는 효과 적 인 대 응 방 법 과 실 행에 필 요 한 지 역 사 회 체 계

고 온 경 보 시 스 템(heat hea lth w arn ing system )

기 상(m eteoro log ica l

com ponent): 믿 을 만 한 혹 서 예 보 가시 기 적 절 하 게 제 공

통 계 /역 학(ep idem io log ica l,

s ta tis tica l and b iom eteoro log ica l

com ponent): 기 상 조 건 과 건 강 사 이 의원 인 적 연 관 성 구 명

보 건(pub lic hea lth com ponent)

: 경 보 발 효 후 유 예 시 간내 에 실 행 할 수 있 는 효과 적 인 대 응 방 법 과 실 행에 필 요 한 지 역 사 회 체 계

- 143 -

우리나라에 고온건강경보시스템을 도입하고자 할 때 고려해야할 내용은 크게 세 가

지로 나 어 볼 수 있다. 첫째는 고온건강경보시스템을 개발하기 해 기본이 되는

해당 지역별 실재 고온-건강 계를 악하고 측 기상조건에 따른 건강 향을 추

정하는 알고리즘을 만드는 일이다. 두 번째는 시스템을 운 함에 있어 고려해야할

내용이며, 마지막으로 건강 피해를 최소화하기 해 취할 수 있는 조치의 내용에

한 것이다. 이 첫 번째 내용은 본 연구에서 이미 상당부분 다루었고, 앞으로

연구에서 다양한 요인들의 계를 악하여 보강되어야할 부분이다. 따라서 본 장

에서는 시스템의 운 인 측면과 구체 인 조치의 내용을 심으로 논의하고자 한

다.

가. 운 체계

고온건강경보시스템을 운 하기 해서는 기상청, 보건복지부, 지방자치단체의 행정

력 등 다양한 정부부처의 조가 필요하다. 다양한 그룹의 사람들이 함께 일을 하

고 정보를 동시에 공유하여야 하는 특성 때문에 재 운 인 고온건강경보시스

템은 모두 실시간 인터넷으로 운 되고 있다. 시스템 운 과정을 다음과 같은 단

계로 나 어 볼 수 있다.

- 기상 측 자료의 수집

- 기상 측 자료의 가공

- 기상 측 자료에 한 건강 향 추정

- 경보 발효 여부 단

첫 번째 단계는 기상 측 자료의 수집이다. 기상 측 서버를 갖추고 있는 곳( : 우

리나라 기상청)이 자료 수집의 역할을 할 것이다. 수집된 정보는 하루에 두 번 는

그 이상 기상 보시스템이나 별도의 체계를 두어 다음 단계로 달되어야 한다. 이

때 수집되어야 할 자료는 (고온건강경보시스템에서 활용하기로 한 모형에 따라) 기

온, 이슬 , 풍속 방향 등이 될 것이다. 측된 기상조건이 실재 그럴 것인지 계

속해서 측하고 update하여야 한다. 일단 자료가 수집되면 자료를 가공하여 인터

넷 등을 통해 공유하여야 한다. 로마의 경우 매일 아침 기상 측 정보를 공군 공항

으로부터 제공받고, 매일 오 10시까지 자료를 가공하여 정리된 결과를 재해 리

본부, 보건부 기상청 등 경보시스템 운 에 참여하는 기 의 인터넷에 올린다.

측은 개 48시간 는 72시간 이후부터 제공되는데 이는 경보에 필요한 조치를

취할 시간 여유를 주기 해서이다. 기상 측의 신뢰성을 높이고 시시각각 변하

는 기상조건을 반 하기 하여 미국의 경우 12시간마다 측자료를 update하기도

한다. 얼마나 자주 update할 것인지는 활용 가능한 자원의 양을 고려하여 결정할

일이다. 고온경보를 발효할 필요가 있는지 여부는 미국의 경우 해당 지역의 기상

- 144 -

청에서 담당하고 있다. 로마, 토론토 등은 지역의 보건담당자가 기상학자의 도움을

얻어 경보 발효 여부를 결정하기도 한다.

경보 발효의 결정을 가할 것인지에 하여 우리나라의 경우 두 가지 방안을 고려

해 볼 수 있다. 한 가지는 기존의 기오염 련 경보체계에 편입시켜 운 하게 하

는 방안이다. 미세먼지 경보, 오존 보, 황사 보, 등 기오염과 련된 다양한 경

보체계 운 의 경험과 자원을 활용하는 측면에서 장 이 있다. 우리나라에서 재

기오염과 련되어 운 하고 있는 경보의 종류와 체계는 부록 2에 다루었다. 두

번째 방안은 기상 측 자료의 생산자인 기상청에서 경보 발효여부를 결정하고 공지

하는 임무를 수행하는 것이다. 이는 원자료의 생산자가 경보 발효 여부를 결정하므

로 자료의 동선을 단순화할 수 있다는 장 이 있다. 그러나 이 경우 경보발효 이후

필요한 조치(보건복지부 지자체와의 연계, 자원 사자 연계활동, 민감한 계층에

경보 달 등)를 집행하는 데에 어려움이 있을 수 있다.

나. 건강피해 감 조치

일단 고온경보가 발효되고 나서 취할 수 있는 조치는 매우 다양하다. 물론 각각의

조치들이 효과 으로 이루어지기 해서는 지역 단 의 행정력과 운 능력이 우선

되어야 할 것이다. 다음은 외국에서 이미 도입하여 활용하고 있는 조치들을 심으

로 우리나라에도 활용할 가치가 있는지 정리하 다.

- 방송/언론/미디어 발표: TV, 라디오, 신문, 인터넷 등의 미디어에 경보 발효를 알

림과 동시에 경보 기간동안의 행동지침을 들에게 제공한다. 이 방법은 가장

기본이 되는 근으로 당연히 활용되어야할 것이다.

- 이웃사 만들기: 외국의 경우 혼자 사는 노인들이나 도움이 필요한 사람들이 고

온에 특히 취약하다는 을 고려하여 이웃, 교회 사람들, 자원 사자 등을 활용하

여 여름철 고온 발생시기 동안 이웃사 의 역할을 하도록 하고 있다(buddy

system이라 한다). ‘이웃사 ’은 경보가 발효되면 고온에 취약한 이들을 직 방문

하여 행동지침을 알려주거나 필요하면 피소 등으로 피할 수 있도록 도와주는

역할을 한다. 우리나라는 매우 속한 속도로 노령화 사회가 되어감에 따라 혼자

사는 노인 인구가 증가하고 있다. 고온 경보 발효 기간동안 미디어 등을 통하여

주 의 취약인구를 방문하거나 화로 안부를 확인하도록 독려하는 것이 필요할

것이다.

- “Heatline" 설치: 미국의 필라델피아, 이탈리아의 로마 등에서 실시하고 있는 것으

로 고온경보 발효시 고온으로 인한 건강피해를 이는 방법 등에 한 정보를 제

- 145 -

공하는 화번호이다. 화번호는 미디어를 통해 에게 리 알리고, 화는

간호사와 같이 의학 인 지식이 있는 사람이 받아 신체상의 문제 등에 해 이

야기하고 조언을 구할 수 있도록 한다. heatline은 보건복지부에서 운 하며 화

상담 결과 가정방문이 필요하다고 단되면 장방문단을 견하여 상황을 직

리하도록 한다. 이탈리아 로마의 경우 이와 유사한 조치로 노인들을 상으로

응 호출기를 무상으로 나눠주고 도움이 필요할 경우 버튼 하나를 러 hotline에

연결되도록 하고 있다.

- 가정방문: 미국의 경우에는 heatline에서 도움이 더 필요하다고 단된 경우 보건

복지부(Department of Public health)의 이동 장 리 (mobile field teams)이 직

가정방문을 한다. 장 은 간호사와 생사로 이루어지며, heatline이 운 되

는 시간동안 상시 기하고 있다. 우리나라의 경우 각 지자체 단 의 사회복지

담 리사의 업무로 할 수도 있을 것이다. 행 사회복지 리업무사의 업무내용은

부록 3에 다루었다.

- 기, 가스, 수도 공 : 고온경보 에는 기, 가스, 수도 등의 공 을 단하지

말도록 하는 조치이다.

- 응 구조 원의 확보: 소방서 응 구조 는 고온 경보 동안에는 수요가 늘어날 것

에 비하고 있어야 한다.

- 노숙자 리: 지자체의 공무원은 낮시간 동안 노숙자 리에 신경을 쓴다.

- 냉방 피 시설 제공: 열악한 주거환경에 살고 있거나 고온에 취약한 사람들에게

냉방 피시설을 제공하는 것이 필요하다. 특히 밤 동안에는 체온 조 이 어려우

므로 열 야 등이 있는 날에는 밤새 피시설을 제공하도록 해야 한다.

- 146 -

VI. 요약 및 결론

본 연구는 2003년 건강 향 연구50) 결과에서 제시한 여러 분야의 건강 향 여름

철 이상고온으로 인한 건강 피해에 한 연구이다. 우리나라 7 도시를 상으로

여름철 기온과 사망사이의 계를 도출하고, 그 계식에 근거하여 1994년 여름 발

생한 혹서로 인한 과사망자 수를 추정하 다. 한반도 기후 측모형 결과에 근거

하여 향후 2032년에서 2051년 사이에 여름철 이상고온으로 인한 건강피해의 규모를

연도별로 측하 다. 한 이미 세계 여러 나라에서 이상고온에 응하기 한 수

단으로 고온건강경보시스템을 용하고 있는 사례를 들어 우리나라에도 유사한 장

치를 도입하는 방안에 하여 논의하 다. 본 연구 내용 여름철 고온으로 인한

건강피해 가능성을 제기하고(hazard recognition), 우리나라 7개 도시에서의 고온

노출과 과사망율과의 계를 규명하고(risk identification), 65세 인구집단에서 고

온이 더욱 험하다는 것을 밝 내는(risk characterization) 과정은 형 인 환경보

건(environmental health) 인 문제제기와 근방식을 활용하 다.

이 장에서는 본 연구의 성과와 의의를 제시하고 향후 우리나라에 고온건강경보시스

템을 도입하기 해 추가 으로 이루어져야할 연구내용을 정리하 다.

1. 요약 결론

본 연구는 기후변화로 인해 발생할 수 있는 다양한 건강피해 여름철 혹서로 인

한 과사망의 험성을 우리나라 7개 도시를 심으로 정량하고, 고온으로 인한

건강피해를 최소화하기 해 필요한 응방안으로서 고온건강경보시스템 도입을 모

색하는 것을 심으로 수행되었다. 본 연구과제는 새로운 환경문제로서 기후변화로

인한 여름철 혹서의 건강피해를 제기하 다는 데에 의의가 있다. 본 연구 결과 제

안한 고온건강경보시스템의 도입과 효과 인 실행은 문제를 제기한 환경부뿐 아니

라 기상청, 보건복지부, 지방자치단체의 공동노력으로 가능함을 강조하고자한다. 기

존의 연구들과 구별되는 본 연구의 성과는 다음과 같이 요약할 수 있다.

첫째, 본 연구에서는 국 7개의 도시에 해서 기온과 사망의 계 평가를

연령의 사망자에 해서 그리고 65세 이상의 사망자에 해서 평가하 다. 한 기

온과 습도의 함수로 계산되는 열지수(heat index)을 이용하여 동일한 분석을 실시하

다. 기존의 연구가 서울에 제한되어 있거나, 열지수 는 기온만을 고려하여 분석

하거나, 는 연령군에 한 고려를 하지 않고 분석하 던 것과 비교하여 본 연구

는 기온-사망률의 계를 분석함에 있어 기온 열지수를 변수로 하여, 국의

50) 환경부, “한반도 기후변화와 향평가 응 로그램 마련-기후변화로 인한 건강피해 가능성 조사 피해

감정책 방향에 한 연구”, 2003

- 147 -

도시를 상으로, 연령군을 구분하여, 종합 인 고찰을 시도하 다는 데에 연구 범

의 차별성이 있다. 한 도시별로 과사망이 발생하는 역치기온( 열지수)을 구

하고, 역치기온 이상에서의 과사망을 정량화하는 등 기존의 연구에 비하여 더욱

정교한 분석을 실시하 다.

둘째, 기온과 사망의 계는 지역 으로 차이를 보이지만 특정 기온 이상에서 일

별 사망 수는 선형 으로 증가하는 패턴을 보이고 있었다. 체 7개의 도시 에서

체 연령 사망자에 한 기온의 향을 보이는 도시는 서울, 구, 인천, 주 등

4개의 도시가 있었다. 본 연구에서의 기온과 열지수에 한 역치조건(threshold

temperature 는 heat index)는 지역별로 다양하며, 지역의 평균 기온에 비례하여

역치기온(threshold) 역시 높아지는 패턴을 보 다. 이는 기존의 외국 연구 결과들과

도 일치하는 것이었다.

셋째, 일반 으로 기후에 한 인간의 응 능력은 거주 지역의 도(latitude)에

따라 다르게 나타난다. 를 들어 사망과 선형 인 계를 보이기 시작하는 역치기

온(threshold)과 그리고 threshold 이상에서 사망에 미치는 향 정도(RR: Relative

Risk)는 다양하게 나타난다. 본 연구 결과 우리나라의 경우에는 도보다는 각 도

시의 지형과 여름철의 기후 특색과 련하여 다양한 결과를 보이는 것으로 나타났

다. 를 들어 동일한 도에 치한 서울과 인천의 threshold temperature 가 2도

이상 차이를 보인 , 서울보다 낮은 n이도에 치한 구의 threshold가 서울의

threshold와 유사하게 나타난 등 기온-건강 향에 향을 미칠 수 있는 다양한

요건에 한 고찰을 시도하 다.

넷째, 기온과 사망의 계를 규명하는 데에 있어 가장 큰 혼란변수 의 하나가

기오염이다. 본 연구에서는 기온-사망 계에 오존이 미치는 향을 분석하 다.

여름에는 기 오염 물질 에서 오존(O3)이 과 사망과 련성을 가지고 있다고

한다.51) 특히 오존으로 인한 과 사망의 발생의 평가는 분석의 방법에 따라 많은

차이를 보이며 이것은 분석 모형에서 기상조건 특히 기온을 한 방법으로 통제

했는가에 의해 향을 받는다.52) 이에 해 국내에서는 기온을 단순 혼란요인이 아

닌 교호작용으로 간주하여 분석한 결과도 있다.53) 본 연구에서는 기상변수를 혼란

변수로 간주하고 특정 오존의 수 이상에서 선형 인 사망의 향 련성이 있다

51) Sung J, Cho S-H. "Excess mortality related to heat wave and ozone upsurge in Korea 1994, The deadly

duet?" In: Proceedings of the conference of International Society of Environmental Epidemiology, 5-8th

Sept,1999, Athen, Greece: Epidemiology 1999;10(4):S153

52) Thurston GD, Ito K. "Epidemiological studies of ozone exposure effect." In: Holgate ST, Samet JM, Koren

HS, Maynard RL, ed. Air Pollution and Health, London: Academic Press 1999. p.484-510

53) 성주헌, 김호, 조수헌 “1994년 하 기 심 계 호흡기계 과사망 -이상고온 기오염의 향을 심

으로-” Korean J Prev Med 2001;34(4):316-322

- 148 -

는 분석 논문54)을 근거로 국 7개의 도시에 해서 분석했다. 본 연구 결과, 지역

별로 오존으로 인한 사망의 향은 큰 차이를 보이고 있다. 우선 오존으로 인한

과사망의 양상을 보이는 지역은 서울과 지역으로 한정된다. 서울 지역은 체

연령 사망자를 상으로 한 분석과 65세 이상의 사망자를 상으로 한 분석에서 모

두 유의한 결과를 보 다. 한편 지역에서는 65세 이상의 상자에 해서만

향을 나타내고 있는 것이 특징이다. 지역 으로 오존의 오염 수 이 다르고 지역

인 기상의 조건 특히 기온의 향을 많이 받아 서울과 을 제외하고는 오존-

사망의 계가 드러나지 못한 것으로 사료된다.

다섯째, 본 연구에서는 분석 기에 지연 효과를 당일부터 4일까지 (즉, 고온 발생

후 4일 동안의 과사망 는 과 사망 발생 4일 동안의 기온 변화) 고려하

다. 서울 지역을 상으로 어떤 날의 기온-사망 모형이 가장 합한지를 분석하

다. 하루 지연된 모형(lag=1)이 가장 잘 합 된 결과를 보 고 그 다음으로 당일

발생 모형(lag=0)이 잘 합 되었다. 따라서 본 연구에서는 기온에 의한 사망의 당

일 효과와 하루 지연된 효과를 평가하는데 을 두었다. 당일 효과 모형과 하루

지연된 효과 모형에서의 결과는 국 6개 도시 지역(분석 상 7개 도시에서

울산을 제외한)에서 동일한 형태의 결과를 보 다. 국 6개 도시 지역에서 하루

지연된 모형에서의 threshold는 당일 효과 모형에서의 threshold보다 약간 높게 나

타나고 있었으며 threshold 이후의 사망에의 향은 당일 효과 모형보다 큰 것으로

보인다.

여섯째, 일별 사망자의 자료 해상도와 련된 제약으로 인하여 체 연령 사망자

를 상으로 고온의 사망 향을 평가했으며 한 비교의 목 으로 65세 이상의 사

망자를 상으로 고온의 사망 향분석을 실시하 다. 분석 결과 국의 6개 도시

에서 유사한 패턴을 보이는 결과를 나타냈는데 65세 이상의 사망자를 상으로 한

분석에서 더 쉽게 고온의 향을 받는 것으로 나타났다. 체 연령의 상자보다

threshold가 더 낮게 나타나는 경향과 함께 threshold 이후의 양의 선형 인 계는

체 연령보다 더 높게 나타났다. 한 체 연령의 사망자를 상으로 한 분석에

서 사망과의 련성이 나타나지 않은 일부 지역에서도 65세 이상의 사망자를 상

으로 한 분석에서 련성이 있는 결과를 보 다.

일곱째, 1994년에서 2003년까지 우리나라 7개 도시를 상으로 분석한 결과만

보더라도 여름철 고온으로 인한 건강 피해는 우리가 쉽게 그 험을 느끼는 기상재

해로 인한 피해의 규모를 능가하는 것으로 본 연구를 통해 밝 졌다. 한 2032년

이후 20년 동안의 기온 분포와 그로 인한 건강 향까지 고려한다면 우리나라 여름

54) Sun-Young Kim and Ho Kim. "Determining the threshold effect of ozone on daily mortality: an analysis

of ozone and mortality in Seoul, Korea, 1995-1999." Environ Res. 2004;94:113-119

- 149 -

철 고온으로 인한 건강피해는 매우 심각하고 앞으로 더욱 심각해질 망이다. 따라

서 여름철 고온에 응하기 한 책으로 고온건강경보시스템 도입의 필요성과 도

입방안을 논의하 다.

2. 향후 연구과제

본 연구 결과의 성과에도 불구하고 실제 고온건강경보시스템을 가동시키기 해서

는 제한 과 한계가 있다. 결과를 활용하여 향후 고온건강경보시스템을 개발하는

과정에서 주의와 심을 기울여야할 은 다음과 같다.

첫째, 고온건강경보시스템은 지구환경 변화의 향에 응하기 한 방안이라는

에서 환경문제의 제기이다. 그러나 시스템의 효율 이고 효과 인 운 을 해서

는 환경부의 주도아래 이외의 부처, 즉 기상청, 보건복지부, 소방방재청, 지방자

치단체 등의 실무력이 조화롭게 연계되는 것이 필수 이다. 기상청은 고온건강경

보를 발효해야하는지 여부를 최소한 72시간 이 에 측하고, 측 결과를 신속하

게 다음 단계의 업무담당자에게 달할 수 시스템을 갖추도록 해야 한다. 고온건강

경보를 단순히 기온과 습도에 근거하여 발효 여부를 단하지 않고 기단분석과 같

은 더욱 정교한 방법을 택하게 된다면 신뢰성있는 기상 측 결과 생산을 한 기상

청의 노력이 별도로 필요할 것이다. 지속되는 고온, 혹서로 재난에 가까운 상황이

연출될 수도 있으므로 이를 비하여 소방방재청의 재해 리 경험과 능력을 고온건

강경보시스템에 활용할 수 있도록 해야할 것이다. 한 경보를 일방 인 선 으로

그치지 않고 실제 조치가 필요한 사람들에게까지 미치도록 하기 하여 개별 지방자

치단체는 개별가구 방문 로그램을 고온 취약계층까지 확장하는 방안을 고려할 필

요가 있다. 보건복지부는 경보발생시 의료기 련자 의 행동요령을 마련

하고 들의 극 인 참여와 조를 끌어낼 방안을 마련해야할 것이다.

둘째, 경보를 발효하는 시 이나 조건 등은 으로 고온-건강 계에 의해 결정

된다. 본 연구 과정에서 드러난 사실은 기온-사망 계에서 threshold temperature

이하라도 여름에는 건강에 향을 미칠 수 있는 것으로 짐작되었다. 이유로서는

아직 인체가 여름철 기후에 응되기 이 이라 민감하게 반응할 수 있다는 과 이

미 건강에 문제가 있던 취약계층이 먼 사망할 가능성이 있음을 들 수 있다. 한

지연효과가 찰되었고, 지역에 따라 다른 특성을 보이는 것을 찰하 다. 이 듯

고온-건강 계는 단순히 온도와 당일 사망과의 계만으로 설명되기에는 충분하지

않다. 고온 지속일수와 여름 한밤의 열 야 (최 기온)도 요한 변수가 될 소지가

있다. 따라서 고온건강경보 발생의 조건을 정하는 알고리즘을 작성할 때 기온 이

외의 다양한 요인들을 포함시킬 수 있도록 주성분 분석 는 요인 분석 등 모형개

발에 추가연구가 필요하다.

- 150 -

셋째, 고온건강경보시스템은 반드시 지역별 특성을 반 하여 개발되어야하며,

한 가지 시스템을 일률 으로 용할 수는 없다. 해당 지역에서 사용 가능한 자료

가 무엇이 있으며 얼마나 축 되었느냐가 요한 요인이 될 것이다. 이탈리아의 경

우 로마와 같은 도시는 종단법에 근거한 경보시스템을 운 하는 한편, 인구 100

만 이하의 소도시에는 단순히 온도만을 이용한 경보시스템을 운 하고 있다. 경

보를 발효시키는 조건도 지역 특성마다 다를 것이다. 일년 동안 기온의 편차가 큰

온 지방의 도시와 연 기온의 편차가 크지 않은 해양성 기후를 보이는 해안도시

는 경보가 필요한 조건이 분명히 다를 것이다. 건강 향에 있어서도 해당 지역 주

민들의 일반 인 건강상태가 다를 것이므로 과 험을 평가하는 기 이 다르게

용되어야 한다. 경보를 알리는 방법도 도시 지역 은 인구가 많은 지역과 소

도시의 노인인구가 많은 지역은 차별 인 근이 필요할 것이다. 따라서, 고온건강

경보시스템도입에 개별 지방자치단체 단 의 참여가 매우 요하다. 한 우리나

라에 고온건강경보시스템을 도입하려고 한다면 먼 서울 등 기상자료와 사망 자

료가 충분한 지역을 상으로 먼 시범 가동을 하면서 시스템 도입의 방안을 구

체화시키는 것이 효율 일 것이라 여겨진다.

넷째, 본 연구에서는 고온으로 인한 건강 향의 endpoint를 사망으로 제한하 다.

요한 이유는 부분의 외국 연구 사례에서도 보이다시피 사망자료의 활용이 상병

(질병) 자료의 활용보다 훨씬 용이하기 때문이다. 그러나 사망은 병인(본 연구에서

는 고온노출) 노출에서 사망까지 다양한 의 인 요인에 의해 변할 수 있다. 한

사망은 비가역 인 사건이므로 조기에 개입하여 피해를 최소화한다는 것이 개인 차

원에서는 의미가 없다. 혹서 기간동안의 응 실 방문, 입원 등의 질병 발생을 건

강 향의 endpoints로 설정할 수 있다면 기온으로 인한 건강 향을 더욱 조기에

방할 수 있을 것이다. 이런 에서 2004년 기상청에서 시도한 “보건기상정보 산

출기술 개발(1)-기상변화에 따른 건강 보 시스템 개발” 연구는 매우 의미 있는 시

도 으며, 따라서 향후과제에 극 활용되어야할 연구방법이라 여겨진다.

다섯째, 본 연구에서는 통념에 따라 우리나라 여름철을 6월1일부터 8월 31일로 설

정하 다. 그러나 최근 경험에 의하면 5월 순부터 이미 더 가 시작되고 9월

순까지도 더 가 지속되는 것 같다. 기상청의 자료를 분석해보면 확인이 될 것이다.

향후 여름철 기온과 건강 향 연구에서는 여름의 범 를 5월 순에서 9월 순

까지, 4달로 확장할 것을 제안한다.

여섯째, 취약계층에 으로 자원을 사용하는 것이 고온견강경보시스템이 효과

으로 기능할 수 있게 하는 방법이다. 1994년 우리나라 혹서사례를 분석한 결과 7

개 도시 지역에서만 1000여명의 과사망자가 발생한 것으로 계산되었다. 이 때

사망자들을 상으로 그들의 주거생활환경, 사회경제 인 조건, 개별 특성 등을 조

- 151 -

사할 수 있었다면 기온에 취약한 인구집단의 특성을 악하는 데에 큰 기여를 했을

것이다. 보건복지부에는 질병발생에 비한 역학조사를 해 상시 운 하는 역학조

사단이 있다. 이 조직의 역할범 를 확장하여, 향후 혹서 발생시 역학조사단을 구

성하고, 고온 험집단의 특성을 악할 수 있는 역학조사 체계를 구축할 필요가

있다.

일곱째, 최근 국제사회의 심은 기상이변 는 이상기후로 인한 건강 향을 추

정하기 한 가이드라인을 개발하고, 나라간 지역간 비교와 발 과정을 가늠할 수

있는 지표(indicators)를 개발하는 것이다. WHO 유럽환경보건센터(European Center

for Environment and Health)를 주축으로 하여 WMO, EC, EEA,

ICRC(International Committee of the Red Cross) 등 련 기구들의 력체계 구축

을 한 노력이 진행 이다 55). 특히 여러 나라들이 집되어 있는 유럽의 경우

사람의 건강을 보호하고 증진하기 한 공동의 노력을 수행하고 있는데, 기후변화

로 인한 건강피해 방도 그 일환으로 다루어져야한다는 인식이 확산되고 있다. 기

후변화로 인한 기상이변에 응한 국제 인 응활동으로 UNECE의 guidelines on

sustainable flood prevention과 그에 하여 마련된 European Water Directors'

best practice guide등이 있다. WMO(The World Meteorological Organization)와 그

에 속한 각국의 기상청은 신속하고 믿을만한 기상/기후 정보를 제공할 일차 인 책

임이 있다. 따라서 최근 들어 각국의 기상청에서는 사람의 안녕한 상태(well-being)

을 나타내기 한 기상지표(weather indices)를 개발하고 있는 추세이다56). 우리나

라도 이러한 국제사회의 흐름에 보조를 같이하려는 노력이 필요하다.

55) 이하 Dr.B Menne (WHO) personal communication, Dr.Menne의 정리한 바에 의하면 국제사회의 력이 필

요한 연구분야로 다음과 같은 것이 있다. 1)기상이변 는 이상기후로 인한 건강 향을 추정하기 한 가이

드라인을 개발 (to develop guidelines for estimating the burden of disease due to weather and climate

extremes), 2) 나라간 지역간 비교와 발 과정을 가늠할 수 있는 지표를 개발 (to develop indicators for

intercountry comparison and monitoring of progress), 3)건강상태를 모니터링하고 감시하기 한 지표시스템

개발 공유 (to coordinate the development of new methods, including sentinel systems for monitoring

and surveillance), 4))기상이변 이산기후로 인한 건강 향 정보를 시기 하게 제공(to provide timely

information on the health impacts of weather and climate extremes at European level), 5)조기경보시스템과

같은 효과 이고 효율 인 책을 개발하고 평가 (to develop and evaluate more effective and efficient

interventions, usch as early warning systems), 6) 건강피해를 이는 것(to reduce negative impacts), 7) 국가

간 지역간 정보와 경험을 원활하게 공유할 수 있도록 책을 조화(to harmonize interventions across regions

and countries to facilitate the sharing of data and lessons learnt) 시키는 것 등이다.

56) 우리나라 기상청에서도 2004년 건강보건지표 개발 연구를 수행한 바 있다.

- 152 -

Ⅶ. 참고문헌

경기도 보건환경연구원「On Line」. 2005. Available : http://www.kihe.re.kr.

국립환경연구원. 2004.「환경이슈의 이해.」

권호장. 지구온난화가 건강에 미치는 향.

김소연. 2004.「기후변화로 인한 여름철 혹서 상이 사망률에 미치는 향」. 아주

학교 학원 박사학 논문.

사회복지사업법. 2005.

사회복지 문요원의직무 리운 에 한규정. 1997.

서울 미세먼지 ,경보센터 「On Line」. 2005. Available : http://dust.seoul.go.kr.

성주헌, 김호, 조수헌. 2001. “1994년 하 기 심 계 호흡기계 과사망 -이상

고온 기오염의 향을 심으로-” The Korean Journal of Preventive Medicine

34(4): 316-322.

은석. 2003.「보건과 복지」. 경북스.

최 용. 2002.「남한의 생리기후 열긴장도 지리 (1973-1998)」. 서울 학교 학원

석사학 논문.

충청북도 보건환경연구원 「On Line」. 2005. Available :

http://here.provin.chungbuk.kr.

한국사회복지사 회「On Line」. 2005. Available : http://www.kasw.or.kr.

한국직업정보시스템「On Line」. 2005. Available : http://know.work.go.kr.

환경부, 국립환경연구원. 2005.「 기환경연보」.

환경부. 2003.「한반도 기후변화 향평가 응 로그램 마련-기후변화로 인한

건강피해 가능성 조사 피해 감정책 방향에 한 연구」

Ahlholm JU, Helander ML, Savolainen J. 1998. “Genetic and environmental

factors affecting the allergenicity of birch (Betula pubescens ssp. czerepanovii

[Orl.] Hamet-ahti) pollen”. Clinical Experimental Allergy 28:1384-1388.

Akaike, H. 1970. “Statistical predictor identification." Ann Inst Stat Math

22:203-217.

American Thoracic Society. 1993. "Health effects of outdoor air pollution. Part 2.".

American Journal of Respiratory and Critical Care Medicine 153:477-498.

Andy Haines, Jonathan A. Patz. 2004. "Health effects of Climate Change". Journal

of American medical Association 291(1):99-103.

Bai H, Islam MN, Kuroki H, Honda K, Wakasugi C. 1995. "Deaths due to heat

waves during the summer of 1994 in Osaka Prefecture, Japan" Nippon Hoigaku

Zasshi 49(4):265-74.

- 153 -

Basu R, Dominici, F, Samet, JM. 2005. "Temperature and Mortality Among the

Elderly in the United States: A Comparison of Epidemiologic Methods".

Epidemiology 16(1):58-66.

Basu R, Samet JM. 2002. "Relation between elevated ambient temperature and

mortality: a review of the epidemiologic evidence". Epidemiological Reviews

24(2):190-202.

Bernard SM, McGeehin MA. 2004. "Municipal heat wave response plans".

American Journal of Public Health 85(8):1067-1068.

Botelho J, et al. 2004. Onda de calor de Agosto de 2003. Os seus efeitos sobre a

mortalidade da populacao portuguesa. Instituto nacional de Saude Dr. Ricardo Jorge,

Losboa.

Bundesamt fur Statistik. 2003. "La canicule n’a pas cause d’hecatombe en Suisse".

Press emitteilung 25.

CDC. 1995. Heat-Related Mortality-Chicago, July 1995. MMWR(Morbidity and

Mortality Weekly Report) 44(31):577-579.

Centro Nazionale de Epidemiologia. 2003. Sorveglianza e Promozione della Salute,

Ufficio di Statistica. Indagine Epidemiologica sulla Mortalita Estiva. Presentazione dei

dati finali(Susanna Conti). Rome: Istituto Superiore di Sanita.

Collins KJ, Exton-Smith AN, Dore C. 1981. "Urban hypothermia: preferred

temperature and thermal perception in old age. British Medical Journal (Clin.

Res. Ed) 282(6259):175-177.

Delaroziere JC, Sanmarco JL, 2004. "Excess mortality in people over 65 years old

during summer heat waves in Marseille. Comparison before and after

prevention campaign. Press Medicale 33(1):13-16.

Department of Health. 2004. Heatwave-Plan for England-Protecting health and

reducing harm from extreme heat and heatwaves. London.

Ebi KL. et al. 2004. "Heat Watch/Warning systems save lives: estimated costs

and benefits for Philadelphia 1995-1998". Bull. Am. Meteorol. Soc.

85(8):1067-1068.

Ellis, FP, Nelson F. 1978. "Mortality in the elderly in a heat wave in New York

City, August, 1975". Environmental Research 15:504-512.

Ezzati M. et al. 2002. "Selected major risk factors and global and regional burden

of disease". Lancet 360(9343):1347-1360.

Frank CC et al. 2002. "Temperature and Mortality in 11 Cites of the Eastern

United States". American Journal of Epidemiology 155:80-87.

Garcia AC, Nogueira PJ, Falcao. 1999. "Onda de calor de Junho de 1981 em

Portugal: efeitos na mortalidade" Revista Portuguesa de Saude Publica 1:67-77.

- 154 -

Houghton JT, Ding Y, Griggs DJ, et al, eds. Climate Change 2001: The scientific

Basis. Cambridge, England: Cambridge University Press; 2001

Huyen MM, et al. 2001. "The impact of heat waves and cold spells on mortality

rates in the Dutch population". Environmental Health Perspectives 109(5):463-470.

Institut de Veille Sanitaire. 2003. "Impact sanitaire de la vague de chaleur en France

survenue en aout 2003". Progress report, 29.

InVS (Institut de Veille Sanitaire). 2004. Vague de chaleur de lete 2003: relations

entre tenperatures, pollution atmospherique et mortalite dans neuf villes francaises.

Rapport Detude, http://invs.sante.fr.

IPCC Third Assessment Report. 2001 "Climate Change 2001(Overviews of impacts,

Adaptation and Vulnerability to Climate Change)"

Joel S. 2005. "Who is Sensitive to Extremes of Temperature?" Epidemiology

16:67-72.

Jones TS, et al. 1982. "Morbidity and mortality associated with the July 1980 heat

wave in St. Louis and Kansas City, Mo". The Journal of the American Medical

Association 247:3327-3331.

Kalkstein LS, Greene JS. 1997. "An evaluation of climate/mortality relationships

in large U.S. cities and the possible impacts of climate change". Environmental

Health Perspectives 105:84-93.

Kalkstein LS, Smoyer KE. 1993. "The impact of climate change on human health:

some international implications". Experientia 49:969-979.

Kalkstein LS. 2002. Description of our heat/health watch warning systems: their nature

and extent, and required resources. Newark, University of Delaware.

Kalkstein LS. et al. 1996. "A new spatial synoptic classification: application to air

mass analysis". International Journal of Climatology 16:983-1004.

Kalkstein LS. et al. 1996. "The Philadelphia hot weather-health watch warning

system: development and application, Summer 1995". Bull. Am. Meteorol. Soc.

77:1519-1528.

Kalkstein, LS., Valimont KM. 1987. Climate effects on human health. Potential effects

of future climate changes on forest and vegetation, agriculture, water resources, and

human health. EPA Science and Advisory Committee Monograph, No. 25389,

US EPA, 122-152.

Katsouyanni K. et al. 1988. "The 1987 Athens heatwave [letter]". Lancet

2(8610):573.

Keatinge WR. et al. 2000. "Heat related mortality in warm and cold regions of

Europe: observational study". British Medical Journal 321(7262):670-673.

Kilbourne EM. 1997. Heat waves and hot environments. In The Public Health

- 155 -

Consequences of Disaster. New York; Oxford University Press, 245-269.

Kilbourne EM. 2002. "Heat-related illness: Current status of prevention efforts".

American Journal of Preventive Medicine 22(4):328-329.

Klinernberg E 2002. Heat wave: a social autopsy of disasters in Chicago. University

of Chicago Press, Chicago.

Koppe C. et al. "Heatwaves : impacts and responses. Copenhagen" World Health

Organization, 2003.

Lambert WE, Samet JM, Dockery DW. 1998. "Community air pollution. In:

Environmental and Occupational Medicine (Rom WN, ed)". Philadelphia:

Lippincott-Raven 1501-1522.

Logue JN, Hansen H, Struening E. 1979. "Emotional and physical distress

following Hurricane Agnes in Wyoming Valley of Pennsylvania. Public Health

Report 94(6):495-502.

Lye M, Kamal A. 1997. "Effects of a heatwave on mortality-rates in elderly

onpatients". Lancet 1:529-531.

McGeehin, MA, Mirabelli M. 2001. "The potential impacts of climate variability

and change on temperature-related morbidity and mortality in the United

States". Environmental Health Perspectives 109(2):185-189.

McMichael AJ, Kovats RS. 1998. Assessment of the impact on Mortality in England

and Wales of the Heatwave and Associated Air Pollution Episode of 1976. LSHTM,

London.

Navarro F, Somin-Sorbia, Lopez-Abente G. 2004. Valoracion del impacto de la ola de

calor del verano de 2003 sobre la mortalidad. Gaceta Sanitaria, 18 (Suplemento

sespas).

Norris FH, et al. 1999. Stability and change in stress, resources, and psychological

distress following natural disaster: findings from a longitudinal study of Hurricane

Andrew. Anxiety Stress Coping, 12:363-396.

Office for National Statistics 2005. Summer mortality - Deaths up in August

heatwave.

Paixao E, Nogueira PJ. 2002. Estudo da Onda de Calor de Julho de 1991 em

Portugal: Efeitos na Mortalidade. Instituti Nacional de Saude Dr. Ricardo Jorge,

Projecto ICARO.

Palecki MA, Changnon SA, Kunkel KE. 2001. "The nature and impacts of the

July 1999 heatwave in the midwestern United States: Learning from the

lessons of 1995". Bull. Am. Meteorol. Soc. 1353-1367.

Patz JA, et al. 2000. "The Potential Health Impacts Of Climate Variability and

Change for the United States: Executive Summary of the Report of the Health

- 156 -

Sector of the US National Assessment". Environmental Health Perspectives

108:367-376.

Paul Epstein and Evan Mills Ed., Climate Change Futures-Health, Ecological and

Economic Dimensions, November 2005

Quarantelli EL. 1985. An assessment of conflicting views on mental health: the

consequences of traumatic events. In: Trauma and Its Wake: The Study and

Treatment of Post-Traumatic Stress Disorder, Vol. 4 (Stress BMP, ed). New York:

Brunner/Mazel, 173-215.

Queensland Government, Health Department. 2004. State Health Emergency

Response Plan, heat Wave Emergency Response Plan, pp.4-12.

Romieu I. 1999. Epidemiological studies of the health effects arising from motor vehicle

air pollution. In: Urban Traffic Pollution (Schwela D, Zali O, eds). New York:

World Health Organization, pp.10-69.

Rooney C, McMichael A, Kovats R, Coleman M. 1998. "Excess mortality in

England and Wales, and in Greater London, during the 1995 heatwave".

Journal of Epidemiology and Community Health 52:482-486.

Rooney C, McMichael AJ, Kovats RS, MP Coleman. 1998. "Excess mortality in

England and Wales, and in Greater London, during the 1995 heatwaves"

Journal of Epidemiology Community Health 52;482-486.

Rothfusz LP. 1990. The Heat Index equation (or more than you ever wanted to know

about heat index) Fort Worth, Texas; NOAA, NWS, OM. Publication No. SR

90-23.

Rychetnik L. et al. 2002. "Criteria for evaluating evidence on public health

interventions". Journal of Epidemiology and Community Health 56:119-127.

Semensa JC. et al. 1996. "Heat-related deaths during the July 1995 heat wave in

Chicago". The New England Journal of Medicine 335(2):84-90.

Sheridan S, Kalkstein LS. 2004. Progress in heat health warning system technology.

Meteorological Society.

Smoyer-Tomic KE, Rainham DGC. 2001. "Beating the heat: development and

evaluation of a Canadian Hot Weather Health Response Plan". Environmental

Health Perspectives 109(12):1241-1247.

Sung J, Cho SH. 1999. "Excess mortality related to heat wave and ozone upsurge

in Korea 1994, The deadly duet?" Proceedings of the conference of International

Society of Environmental Epidemiology. Greece(5-8th Sept), 10(4):S153.

Sun-Young Kim and Ho Kim. 2004. "Determining the threshold effect of ozone

on daily mortality: an analysis of ozone and mortality in Seoul, Korea,

1995-1999." Environmental Research 94(2):113-119.

- 157 -

Tauxe RV. 1997. Emerging foodborne diseases: an evolving public health challenge.

Emergency Infectious Disease 3:425-434.

Thurston GD, Ito K. 1999. Epidemiological studies of ozone exposure effect. In: Holgate

ST, Samet JM, Koren HS, Maynard RL, ed. Air Pollution and Health, London:

Academic Press. pp.484-510.

Todisco G. 1987. Indagine biometeorologica sui colpi di calore verificatisi a Roma

nell'estate del 1983 [Biometeorological study of heat stroke in Rome during summer

1983]. Rivista di Meteorologica Aeronautica, 47:189-197.

Weisskopf MG. et al. 2002. "Heat wave mortality and morbidity, Milwaukee,

Wis, 1999 vs. 1995: an improved response?". American Journal of Public Health

92(5):830-833.

Whitman SG, et al. 1997. "Mortality in chicago attributed to the July 1995 heat

wave". American Journal of Public Health 87:1515-1518.

WHO. 2004a. Health and Global Environmental Change Series, No. 1. Methods of

assessing human health vulnerability and public health adaptation to climate change.

WHO. 2004b. Health and Global Environmental Change Series, No. 2. Heat-waves:

risks and responses.

Wilhelm K, Bettina M and Roberto B. 2005. Extreme Weather Events and Public

Health Responses. Springer-Verlag.

- 159 -

부록 1.

기온과 습도, 열 지수(Heat Index)

- 160 -

열지수는 다양한 기온과 상 습도의 조합에 따라 사람이 일반 으로 느끼는 체감기온

을 나타낸다. 열지수는 다음과 같이 기온과 상 습도의 계식으로 표 된다.57)

HI = -42.379 + 2.04901523 × T + 10.1433127 × R - 0.22475541 × T × R - 6.83783 ×

(1/1000) × T2

- 5.481717 × (1/100) × R2

+ 1.22874 × (1/1000) × T2 × R +

8.5282 × (1/10000) × T × R2

-1.99 × (1/1000000) × T2 × R

2

Where HI : heat index

T : ambient temperature (°F)

R : relative humidity (%)

아래의 표 1은 열지수와 련하여 열지수의 수 에 따라 야기 될 수 있는 인간의 건강

상의 문제를 정리한 것이다.

표 1. 인간에게의 열지수에 의한 가능한 향

Categories Heat index Possible symptoms

Caution 26.7 ~ 32.2Fatigue with prolonged exposure and physical

activity

Extreme

Caution32.2 ~ 40.6

Sunstroke, Heat cramps and heat exhaustion

with prolonged exposure and physical activity

under these conditions

Danger 40.6 ~ 54.5

Sunstroke, heat cramps or heat exhaustion are

likely. Heatstroke with prolonged exposure and

physical activity

Extreme Danger Over 54.5 Heatstroke or sunstroke are imminent

(출처 : NOAA, 1980)

아래의 그림 1은 기온과 상 습도에 따른 열지수 값의 변화를 3차원으로 나타낸 것이

다. 기온이 높아지고 습도가 높아질수록 높은 열지수 값을 가지는 것으로 나타난다.

57) Rothfusz L.P., 1990 "The Heat Index equation (or more than you ever wanted to know about heat index)"

Fort Worth, Texas; NOAA, NWS, OM, 1990; Publication no. SR 90-23.

- 161 -

4050

6070

8090

100

HUMIDY(Percents)

15

20

25

30

35

TEMPERATURE(Celsius)

1020

3040

5060

7080

HEA

T IN

DEX

HEAT INDEX ON TEMPERATURE AND HUMIDY

그림 1. 기온과 상 습도에 따른 열지수 격자 분포

아래 표 2는 기온과 습도에 따른 열지수 값의 변화를 도표로 나타낸 것이다. 우리나라

의 여름철 평균 기온 약 25도에서의 열지수는 가능한 상 습도의 수 (40%~100%)으로

보면 25.9에서 26.9의 값을 가지는 것으로 나타나고 있다.

표 2. 기온과 상 습도에 따른 열지수의 값

Temperature

(Celsius)

RELATIVE HUMIDITY (Percents)

40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100%

15 28.2 28.8 29.0 28.9 28.4 27.7 26.6 25.2 23.5 21.5 19.2 16.5 13.6

16 27.3 27.7 27.8 27.6 27.2 26.4 25.4 24.1 22.5 20.6 18.4 15.9 13.2

17 26.5 26.8 26.8 26.6 26.1 25.4 24.4 23.2 21.7 19.9 17.9 15.7 13.2

18 25.9 26.1 26.1 25.8 25.3 24.6 23.7 22.6 21.2 19.6 17.8 15.8 13.5

19 25.4 25.6 25.5 25.2 24.8 24.1 23.3 22.3 21.1 19.7 18.1 16.3 14.3

20 25.1 25.2 25.1 24.9 24.5 23.9 23.2 22.3 21.2 20.0 18.7 17.1 15.4

21 25.0 25.0 24.9 24.7 24.4 23.9 23.3 22.6 21.7 20.7 19.6 18.4 17.0

22 25.0 25.0 25.0 24.8 24.5 24.2 23.7 23.2 22.5 21.8 20.9 19.9 18.9

23 25.1 25.2 25.2 25.1 24.9 24.7 24.4 24.1 23.6 23.1 22.5 21.9 21.2

24 25.5 25.6 25.6 25.6 25.6 25.5 25.4 25.2 25.0 24.8 24.5 24.2 23.9

25 25.9 26.1 26.2 26.3 26.5 26.6 26.6 26.7 26.8 26.8 26.9 26.9 26.9

26 26.6 26.8 27.0 27.3 27.6 27.9 28.2 28.5 28.8 29.2 29.6 29.9 30.4

27 27.4 27.7 28.0 28.5 28.9 29.4 30.0 30.6 31.2 31.9 32.6 33.4 34.2

28 28.3 28.7 29.3 29.8 30.5 31.2 32.0 32.9 33.9 34.9 36.0 37.2 38.4

29 29.4 30.0 30.7 31.5 32.3 33.3 34.4 35.6 36.9 38.2 39.7 41.3 43.0

30 30.6 31.4 32.3 33.3 34.4 35.7 37.0 38.5 40.2 41.9 43.8 45.8 48.0

31 32.1 33.0 34.1 35.3 36.7 38.3 39.9 41.8 43.8 46.0 48.3 50.7 53.3

32 33.6 34.8 36.1 37.6 39.2 41.1 43.1 45.3 47.7 50.3 53.0 56.0 59.1

33 35.3 36.7 38.3 40.1 42.0 44.2 46.6 49.2 52.0 55.0 58.2 61.6 65.2

34 37.2 38.8 40.7 42.7 45.0 47.6 50.3 53.3 56.5 60.0 63.7 67.6 71.7

- 162 -

아래 그림 2는 해당 기온에서 상 습도가 40%~100%로 변할 때 열지수의 범 를 설명

해 다. 기온 약 25.3에서 열지수의 범 가 가장 좁고 기온이 높아지고 그리고 낮아질

수록 열지수의 범 가 넓어짐을 알 수 있다.

HEAT INDEX vs TEMPERATURE on HUMIDY 40% - 100%

TEMPERATURE(Celsius)

HEA

T IN

DEX

(Cel

sius

)

24 26 28 30

2025

3035

4045

humidy 100%humidy 95%humidy 90%humidy 85%humidy 80%humidy 75%humidy 70%humidy 65%humidy 60%humidy 55%humidy 50%humidy 45%humidy 40%

그림 2. 상 습도별 기온과 열지수의 계

- 163 -

부록 2.

우리나라 기오염과 련된

경보의 종류 체계

- 164 -

재 국내에서는 기오염과 련하여 오존 ․경보제, 황사 ․특보제, 미세먼

지 ·경보제가 운 되고 있다.

Ⅰ. 오존 ․경보제

1.1 오존 경보제

가. 목

오존경보제는 고농도의 오존에 노출될 경우 피해를 입을 수 있는 호흡기 질환을

가지고 있는 환자나 노약자, 어린이들에게 오존농도가 높음을 알려 그 피해를 최소

화하고, 오존농도를 이는데 있어 차량운행 자제 등 시민들의 자발 인 조를

구하기 하여 실시하는 제도이다. 미국과 일본 등에서는 1970년 부터 오존경

보제를 실시해 오고 있으며 미국의 경우 4단계, 일본은 3단계의 발령기 을 설정하

고 있다.

우리나라는 1990년 이후 자동차수의 격한 증가로 인하여 오존 오염이 심해지

자 오존오염에 의한 험을 주민들에게 알리고 방지해야 할 필요성이 커져감에 따

라 1995년부터 서울지역에 도입하 다.

나. 오존경보제 시행지역

기오염경보 발령업무를 시․도 임업무에서 시․도지사 고유 업무로 환하

다(1999년 4월). 재 오존경보제는 서울, 부산, 구 등 도시와 수도권인 경기도

지역 도시를 비롯한 국 51개 시ㆍ군에서 시행되고 있다.

- 시행근거 : 기환경보 법 제7조의2,

기환경보 법시행령 제2조, 시행규칙 제10조, 제11조

표 1. 오존경보제 실시지역 연도별 확 황

연도 계 상 지 역

1995 1개시 서울

1996 2개시 인천

1997 7개시․도 13개시 부산, 구, , 주, 경기 7개시

- 경기(수원, 성남, 안양, 부천, 안산, 의정부, 명)

1998 8개시․도 16개시 경기 2개시, 충북 1개시 : 경기(과천, 구리), 충북(청주)

1999 9개시․도 17개시 울산

2000 10개시․도 21개시 경기 3개시, 경북 1개시 : 경기(군포, 시흥, 고양), 경북(포항)

2001 10개시․도 23개시 경기 2개시(평택, 의왕 )

2002 11개시․도 29개시 경기 3개시, 남 3개시 : 경기(남양주, 김포, 하남), 남(여수, 양, 순천)

2003 12개시․도 36개시 경기 2개시, 남 2개시, 경남 3개시

- 경기(용인, 오산), 남(목포, 암), 경남(창원, 마산, 진주)

2004 14개시․도 51개시․군

경남 3개시, 경북 5개시, 강원도 4개시, 충남 3개시․군

- 경남(진해, 김해, 양산), 경북(경주, 김천, 안동, 구미, 주)

강원(춘천, 원주, 강릉, 동해), 충남(천안, 서산, 당진)

- 165 -

다. 오존경보 발령기

오존경보는 오존농도에 따라 시ㆍ도지사가 3단계로 발령하며, 그 기 은 다음과

같다.

표 2. 오존경보 발령기

구 분 주 의 보 경 보 경보

오존농도 0.12ppm/시 이상 0.3ppm/시 이상 0.5ppm/시 이상

라. 오존경보 상황 체계

오존(O3)경보 발령 메시지는 보건환경연구원에 설치된 오존경보상황실에서 매시간

측정결과와 기상자료를 검토한 후 경보발령 여부를 단한다.

발령기 을 과할 경우 시장에게 발령요청하고(해제 요청시도 같음) 시에서는

화나 Fax를 이용한 동시통보장치와 라디오, TV 등 매체 기오염 이나

공익 고 등을 활용하여 경보발령 메시지를 행정기 , 언론기 , 학교 자

치단체에 한다(그림 1).

보건환경연구원전용회선

시청전화 /FAX(동시통보 )

유관기관구청동사무소언론기관교육청경찰청 등

전화 /RAX

아파트학교유치원병원배출업소경찰서 등

1,297개소 11,527개소

보건환경연구원보건환경연구원전용회선

시청전화 /FAX(동시통보 )

유관기관구청동사무소언론기관교육청경찰청 등

전화 /RAX

아파트학교유치원병원배출업소경찰서 등

1,297개소 11,527개소

(출처 : 환경이슈의 이해, 2004)

대기오염측 정 망

기상청

정부기관

시청/유관기관

구청

동사무소(주민자치센타)

라디오, TV등 보도기관

종합유선방송국

서울시 교육청

교육구청

서울시 지방경찰청

서울시 지하철공사

서울시 도시철도공사

철도청, 서울지역사무소

공원/버스 터미널

수도권 인접시(도),국방부, 수방사, 주한미군

고등학교

유치원/초중등학교

경찰서

지하철 역

서울역 등

측정자료

기상자료

(

환경관리전산센타)

서울시

보건환경연구원

경인지방환 경 청

환경부

(

환경오염정보센타)

서

울

특

별

시

청

보고

감시

통보

동시

유선, FAX

자체방송, 유선

방송, 신문

케이블 TV

교 통파출소

자체방송

자체방송

주민

(아파트학교병원

공공기관대형사업장

등)

대기오염측 정 망

기상청

정부기관

시청/유관기관

구청

동사무소(주민자치센타)

라디오, TV등 보도기관

종합유선방송국

서울시 교육청

교육구청

서울시 지방경찰청

서울시 지하철공사

서울시 도시철도공사

철도청, 서울지역사무소

공원/버스 터미널

수도권 인접시(도),국방부, 수방사, 주한미군

고등학교

유치원/초중등학교

경찰서

지하철 역

서울역 등

측정자료

기상자료

(

환경관리전산센타)

서울시

보건환경연구원

경인지방환 경 청

환경부

(

환경오염정보센타)

서

울

특

별

시

청

보고

감시

통보

동시

유선, FAX

자체방송, 유선

방송, 신문

케이블 TV

교 통파출소

자체방송

자체방송

주민

(아파트학교병원

공공기관대형사업장

등)

(출처 : 서울시 미세먼지 경보센터)

그림 1. 오존경보 상황 체계

- 166 -

마. 오존경보 발령시 조치사항

단계별 조치사항은 주의보가 발령되면 주민들은 실외활동을 자제해야 하고, 경보

가 발령되면 자동차 사용을 자제하고 사업장의 연료사용량을 감축해야 하며,

경보가 발령되면 자동차 통행 지와 사업장의 조업시간을 단축해야 한다. 그러나

아직까지 경보나 경보를 발령한 경우는 없었다.

바. 오존주의보 발령 황(1995～2004)

도시 오존농도의 반 인 상승에 따라 오존주의보(0.12ppm/시간) 발령일수

횟수도 계속 증가하고 있다. 오존주의보 발령일수가 1995년에는 1일(2회)에 불과하

으나, 1997년 12일(24회), 1999년 16일(41회), 2000년에는 17일(52회)로 계속 증가

하는 추세이며, 2001년에는 15일(29회), 2002년에는 9일(45회)로 다소 감소하 다가

2003년에 다시 17일(48회)로 증가하 다. 특히, 이번 2004년의 경우에는 35개 지역에

서 27일(156회) 발생하 다.

표 3. 연도별 오존주의보 발령 황

연 도 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

발령지역수( ) 1 2 6 9 10 12 12 20 19 35

발령일수 1 6 12 14 16 17 15 9 17 27

발령횟수 2 11 24 38 41 52 29 45 48 156

최 발령일 7.22 6.8 6.14 5.21 5.22 5.25 5.29 6.5 5.4 6.1

최종발령일 7.22 8.18 8.7 9.13 9.2 9.19 9.1 10.1 8.13 8.31

시간 최고농도(ppm) 0.167 0.162 0.150 0.155 0.170 0.177 0.176 0.203 0.183 0.234

표 4. 오존경보 발령시 조치사항

구 분 시 민 차량운 자(소유자) 계기 사 업 장

주의보(0.12ppm

이상)

․노천소각 지 요청․ 교통이용 권고․주민 실외활동 과격운동

자제요청․노약자, 어린이, 호흡기 환자, 심

장질환자의 실외활동 자제 권고

․경보지역내 차량운행자제권고(Carpool제 시행)․ 교통이용 권고․자동차사용 자제

요청

․주의보 상황 통보․ 홍보매체에 의한

국민 홍보요청․ 기오염도 변화분석

기상 측자료 검토 요청

경 보(0.3ppm

이상)

․소각시설 사용제한 요청․주민 실외활동 과격 운동제

한 요청․유치원, 학교 등 실외 학습제

한 권고․노약자, 어린이, 호흡기 환자,

심장 질환자 실외 활동제한 권고

․경보지역내 자동차 사용제한 명령

․경보상황 통보․ 기오염 측정

기상 측 활동강화 요청

․경보상황에 한 국민 홍보강화

요청

연료사용량 감축권고

경보(0.5ppm

이상)

․소각시설 사용 지 요청․주민 실외활동 과격 운동

지 요청․유치원, 학교등 실외 학습

지 휴교 권고․노약자, 어린이, 호흡기 환자,

심장 질환자 실외활동 지 권고

․경보지역내 자동차 통행 지

․ 경보상황 통보․ 기오염측정 기상

측활동강화 요청․ 험사항에 한 국민

홍보강화 요청․경찰에 교통규제 조

요청

조업단축 명령

- 167 -

1.2. 오존 보제

오존 보는 기상 보와 같이 기오염배출량, 기오염도, 기상 보 등을 분석하여 하루 에 내일의 오존주의보 발령 상을 라디오, TV등 언론매체와 음성자동응답기 등을 이용하여 보하는 제도이다.

- 시행시기 : 5월 ~ 9월- 시행기 : 서울시 보건환경연구원

대기오염 측정망 (오염도)

기상청 (기상자료)

보건환경연구원 (환경조사팀)통보

예보구청/방송국언론사유관기관 등(110개소)

전파

예보시민

대기오염 측정망 (오염도)

기상청 (기상자료)

보건환경연구원 (환경조사팀)통보

예보구청/방송국언론사유관기관 등(110개소)

전파

예보시민

그림 2. 보 달 체계

Ⅱ. 황사 ․특보제

가. 목

2002년 4월 10일 황사피해 최소화를 한 범정부 책실무 의회에서 황사특보

제가 도입되었다. 황사의 피해를 ‘황사정보-황사주의보-황사경보’로 분류하여 기상특

보로 발표하고 이 정보를 교육부 행자부, 환경부로 하는 제도이다.

이 까지 환경부에서 황사 먼지농도를 측정하여 국민에게 행동요령을 알려주기

해 발표하던 ‘황사주의보-황사경보- 황사경보제’가 황사에 한 측정보로서 국

민에게 혼동을 우려가 있을 것으로 단되어 이를 폐지하고, 신 기상청에서

호우나 태풍이 상될 때 내리는 경보제와 같이 ‘황사정보-황사주의보-황사경보’로

분류하여 황사특보를 발표하게 된 것이다(2002년 4월 12일 처음 시행). 이 정보를

받아 교육부 행자부, 환경부에서 행동 처요령을 혹은 응방안을 강구하

게 된다.

나. 운

2002년 4월 10일 황사 피해 최소화를 한 범정부 책실무 의회에서 황사에

한 보 경보제 운 기 이 기상청으로 일원화되었다.

기상청은 환경부가 운용하는 국 162개 자동측정망의 자료를 온라인으로 실시간

송받은 뒤 이를 분석해 황사특보와 보를 발표하게 된다. 황사경보가 발령되면

즉각 시도 교육청, 학교장이 휴업 는 단축 수업을 결정하여 시행할 수 있으며, 행

정자치부에서는 국민들이 취해야 할 행동요령을 하게 된다.

다. 황사발령기

황사 보는 3단계로 나 어 발표되며, 이 1시간 평균 PM10 농도 500㎍/㎥ 이상

인 경우에 발표되는 황사주의보와 황사경보를 황사특보라 지칭한다.

- 168 -

이와는 별도로 황사의 강도를 알려주는 보는 약한 황사(1시간 평균 미세먼지 농

도 200～300㎍/㎥), 보통 황사(1시간 평균 미세먼지 농도 300～500㎍/㎥), 강한 황

사(1시간 평균 미세먼지 농도가 500㎍/㎥ 이상) 등 3가지로 구분, 발표된다.

표 5. 황사특보 기

황사정보 황사주의보 황사경보

황사로 인한 1시간 평균

미세먼지 농도가 300㎍/

㎥ 이상이 2시간이상 지

속될 것으로 상

1시간 평균 미세먼지

농도가 500㎍/㎥ 이상

이 2시간 이상 지속될

것으로 상

1시간 평균 미세먼지 농도가 1000

㎍/㎥ 이상이 2시간 이상 지속될

것으로 상

표 6. 황사강도 보 발표기

구 분 황사강도의 기

약한 황사 1시간 평균 미세먼지 농도가 200～300㎍/㎥ 정도 상될 때

보통 황사 1시간 평균 미세먼지 농도가 300～500㎍/㎥ 정도 상될 때

강한 황사 1시간 평균 미세먼지 농도가 500㎍/㎥ 이상 상될 때

표 7. 황사 특보 발령 단계별 행동요령

구분 행 동 요 령

주의보

① 노약자, 어린이, 호흡기 질환자의 실외활동 지 권고

② 유치원과 등학교의 실외활동(운동, 실외학습 등) 지 권고

③ 일반인( 고생 포함)의 과격한 실외운동 지 실외활동 자제 권고

경보

① 노약자, 어린이, 호흡기 질환자의 외출 지 권고

② 유치원과 등학교의 실외활동(운동, 실외학습 등) 지 수업단축, 휴업

등의 학생 보호조치 강구 권고

③ 일반인( 고생 포함)의 실외활동 지 외출자제 권고

④ 실외운동경기 지 연기 권고

라. 황사 ․특보제 운 감시체계 강화(기상청, 환경부)

- 황사특보제를 보완하여 황사 보 특보제 운 (기상청)

- 황사 감시체계 강화(환경부, 기상청)

: 한․ 공동 황사감시 측소 설치(5개소), 국내 황사 측소 보강(7개소→11개

소) 기오염측정망 확충(194개소→205개소), 미세먼지 측정자료 상호공유

(환경부- 기상청간), 속․다이옥신 등 유해물질 농도 측정(환경부) 등

- 1시간 평균 미세먼지 농도가 특보기 에 도달할 것으로 상될 때, 주의보

경보 발표

- 역 보구역으로 황사특보 수행하며, 각 역별 1시간 미세농도의 평균치를

용

- 169 -

마. 황사경보 달체계

기 상 청(경보발령)

산하기관 및 방송사

유선방송

환경위생과

지하철 및 공원 등

동사무소

총무과

서울시 대기과(상황실 운영)

정부기관(상황실 운영)

국민, 병원, 학교, 기업체 등

일반시민 및 구내방송

(황사발생시행동요령에 따라 행동)

기 상 청(경보발령)

산하기관 및 방송사

유선방송

환경위생과

지하철 및 공원 등

동사무소

총무과

서울시 대기과(상황실 운영)

정부기관(상황실 운영)

국민, 병원, 학교, 기업체 등

일반시민 및 구내방송

(황사발생시행동요령에 따라 행동)

그림 3. 황사경보 달체계

Ⅲ. 미세먼지 ·경보제

서울시는 2005년 2월1일부터 미세먼지 오염도를 측해 알려주고, 오염도가 일정

기 을 과했을 때 주의보와 경보를 발령하는 '미세먼지 보·경보제'를 실시하

다.

3.1 미세먼지 경보제

미세먼지 경보제는 기 미세먼지(PM10)의 농도가 일정기 이상 높게 나타났

을 때, 시민에게 신속히 경보를 발령함으로 인체 생활환경상의 피해를 최소화하

고, 기오염에 한 시민의 심과 환경의식 수 을 높이기 하여 2005년 2월부

터 서울시에서 처음으로 시행하는 제도이다.

가. 미세먼지 경보제 기

미세먼지 경보는 당일 측정값이 기 을 과할 경우 주의보 경보발령을 할 수

있다. 미세먼지는 고농도 상승시 기상조건에 따라 지역별로 약간의 시차는 있지만

역이 범 하게 농도가 동반 상승하므로 역을 동일한 경보발령 지역으로 운

, 실시간 농도를 측하여 기 을 과할 경우 서울시를 단일권역으로 발령한다.

표 8. 미세먼지 경보제 단계별 기 농도

경보단계 발령기 해제기

주의보미세먼지 농도가 시간평균

200㎍/㎥ 이상이 2시간 지속될 때

미세먼지 농도가 시간평균

100㎍/㎥ 이하일 때

경보미세먼지 농도가 시간평균

300㎍/㎥ 이상이 2시간 지속될 때

미세먼지 농도가 시간평균

200㎍/㎥ 이하일 때

* 단, 해제기 의 설정에도 불구하고 미세먼지의 농도가 발령기 이하이면서 지속 으로

떨어지고 있어 재상승의 가능성이 없다고 단될 때에는 해제기 에 도달하지 않더라고 해

제할 수 있다.

- 170 -

나. 미세먼지 경보제 발령방법

① 인터넷 홈페이지 게재, 방송국·학교(교육청)·자치구·공원 등을 통해 시민에게 즉

시 : E-mail, SMS, 홈페이지 등 이용

② 야간(20:00~06:00)에는 방송국과 인터넷에 즉시 : 시민들은 인터넷을 통해 확

인

③ 공원 등에 06:00경 경보발령 사항을 통보하여 이용 시민들이 심한 운동 등을 자

제하도록 방송

④ 형 배출업소의 조업시간을 하향조정, 유치원과 등학교의 실외수업 지 등

을 하여 일과시간 시작 06:00경 경보발령사항 통보

3.2 미세먼지 보제

서울시는 미세먼지의 농도를 '좋음', '보통', '민감한 사람에게 향', '약간 나쁨', '

나쁨', '매우 나쁨'의 6단계로 나 어 날 오후 6시에 인터넷 등을 통해 보한다.

가. 보방법

: 서울시 기질 측정소 데이터( 체평균과 유사)와 기상청 자료 이용

- 먼지 보 평가반 구성 운 : 측된 농도의 평가 후 발표

- 인터넷 홈페이지 게재, 방송국·학교(교육청) 등에 통보

- E-mail, 홈페이지 등을 이용하여 보내용 권고사항 달

- 방송국에서는 일기 보시 내일의 기상태 보

- 학교에서는 학생들의 실외수업 학교휴교 계획 등에 활용

- 일반시민들은 인터넷 홈페이지를 통해 수시 확인 : 운동 등 실외활동

- 고농도 측시 시민권고사항

- 미세먼지 농도를 우리실정에 맞게 6단계(‘좋음’, ‘보통’, ‘민감한 사람에게 나쁜

향’, ‘약간나쁨’, ‘나쁨’, ‘매우나쁨’ 등)로 구분 용하여 발표

나. 미세먼지 농도별 기

미세먼지가 민감한 사람에게 향을 주는 수 인 시간당 101㎍/㎥ 이상일 경우 차

량운행 자제, 조업시간 단축, 교육기 의 수업단축 등의 시민행동 요령과 기오염

감조치를 권고한다.

- 171 -

표 9. 미세먼지 보 기 시민행동 요령

보내용미세먼지 농도

(㎍/㎥)시민행동요령 권고사항

좋음 50 이하운동 등 실외활동

보통 51~100

민감한

사람에게 나쁜

향

101~150먼지에 민감한 사람에게 향(호흡기․심

계 질환자 심한 옥외활동 자제)

약간 나쁨 151~200노약자, 어린이에게도 향(유치원․ 등학교

는 실외수업 자제)

나쁨 201~300

일반인에게도 향(노인․어린이․호흡기 등

질환자 실외활동 지, 학교 실외수업 자제․

지)

매우 나쁨 301이상건강한 사람에게도 향(모든 사람 실외활동

지․자제, 유치원․ 등학교 휴교 권장)

Ⅳ. 경보제별 비교표

오존 황사 미세먼지

상

물질오존 황사 PM10

도입

시기1995년 2002년 2005년

시행

기보건환경연구원 기상청 서울시

종류오존 보제

오존 경보제

황사 보제

황사 특보제

미세먼지 보제

미세먼지 경보제

- 172 -

(계속)

오존 황사 미세먼지

발령

기

<오존경보 기 농도>

- 주의보 : 0.2ppm 이상

- 경보 : 0.3ppm이상

- 경보 : 0.5ppm 이상

<황사특보 기 농도>

- 황사정보 : 황사로 인한 1

시간 평균 미세먼지 농도

가 300㎍/m3 이상이 2시간

이상 지속될 것으로 상

- 황사주의보 : 1시간 평균

미세먼지 농도가 500㎍/m3

이상이 2시간 이상 지속될

것으로 상

- 황사경보 : 1시간 평균 미

세먼지 농도가 1000㎍/m3

이상이 2시간 이상 지속될

것으로 상

<미세먼지 경보 기 농도>

- 주의보 : 미세먼지 농도가

시간평균 200㎍/m3 이상

이 2시간 지속될 때

- 경보 : 미세먼지 농도가 시

간평균 300㎍/m3 이상이

2시간 지속될 때

<황사강도 보기 농도>

- 약한 황사 : 1시간 평균 미

세먼지 농도가 200~300㎍

/m3 정도 상될 때

- 보통 황사 : 1시간 평균 미

세먼지 농도가 300~500㎍

/m3 정도 상될 때

- 강한 황사 : 1시간 평균 미

세먼지 농도가 500㎍/m3

이상 상될 때

<미세먼지 보 기 농도>

- 좋음 : 50㎍/m3 이하

- 보통 : 51~100㎍/m3

- 민감한 사람에게 나쁜 향

:　101~150㎍/m3

- 약간 나쁨 :　151~200㎍/m3

- 나쁨 :　201~300㎍/m3

- 매우 나쁨 :　301㎍/m3 이

상

§ 참고문헌

경기도 보건환경연구원. http://www.kihe.re.kr

국립환경연구원. 환경이슈의 이해, 2004

서울 미세먼지 ,경보센터. http://dust.seoul.go.kr

충청북도 보건환경연구원. http://here.provin.chungbuk.kr

환경부, 국립환경연구원. 기환경연보, 2005

- 173 -

부록 3.

사회복지사/사회복지 담 공무원

- 174 -

1. 사회복지사

사회복지사는 경제 , 심리 , 주변환경에서의 문제를 가지고 있거나 문제가 있을

것으로 상되는 상자들에게 근하여 상자들이 겪고 있는 문제들을 악하고

이에 한 문제 해결방안 문제해결을 한 여러 가지 방법들을 상자들에게 알

려주어 직 문제에서 벗어나도록 도움을 제공하는 일들을 하는 문 인 직업이

다. 한 상자들의 문제해결을 해 주변의 여러 자원들을 활용하여 문제해결을

근 해결해 뿐만 아니라 상자들을 도와 지역 는 주변의 도움을 수 있

는 후원자, 자원 사자들을 연계하여 지원을 하는 일들을 하는 사람들을 말한다.

가. 사회복지사 역할

- 생활시설내 사회복지사: 아동, 장애인, 노인 생활시설에서 거동이 불편하거나 증

장애인들을 상으로 어 상담, 후원 업무 등의 사업 진행

- 지역사회복지 을 심으로 활동하고 있는 사회복지: 지역내 소득 계층의 심리

, 경제 인 문제 해결

- 학교사회사업가: 학교내 문제학생들을 한 문 인 상담을 통해 문제해결

방

- 의료사회복지사:　병원내 환자들과 가족들의 심리 , 경제 문제 해결

- 사회복지 담공무원: 국가의 공 부조를 담당

나. 사회복지사 자격

우리나라에서는 사회복지사업법에 따라 사회복지사의 등 이 1 , 2 , 3 으로 나

뉘어져 있다. 반드시 사회복지사 자격증을 가지고 있어야 사회복지사로 취업이 가

능하다.

사회복지 문요원은 사회복지사 자격증 소지자로서 복지업무를 담하는 공무원이

며, 정신보건 사회복지사는 사회복지사 1 자격증 소지자 에서 정신보건분야의

문 인 지식과 기술을 가지고 있어야 한다.

<출처: 사회복지사업법, 2005; 사회복지 문요원의직무 리운 에 한규정, 1997;

한국직업정보시스템, http://know.work.go.kr; 한국사회복지사 회,

http://www.kasw.or.kr>

- 175 -

2. 사회복지 담공무원(사회복지 문요원)

사회복지 문요원은 생활보호사업 등 사회복지업무의 효율 추진을 기하기 하

여 지방자치단체의 장이 사회복지사업법 제8조의 규정에 의한 사회복지사 자격을

가진 자 에서 선발하여 읍‧면‧동 행정기 에 배치한 지방공무원이다. 시장‧군수

‧구청장은 사회복지 문요원에게 통‧리담당 등 기타 업무를 하게 하여서는 안된다.

가. 사회복지 문요원의 직무

1. 생활보호법에 의한 생활보호업무

가. 생활보호 상자의 조사 보호의 결정에 한 사항

나. 보호 품의 지 등 생활보호 상자의 생계보호를 한 업무

다. 직업훈련, 생업자 융자, 취업알선 등 생활보호 상자의 자립지원을 한 업무

라. 생활보호 상자에 한 개별상담 사후 리

마. 기타 생활보호 상자를 한 후원 품의 모집 후원자의 알선

2. 아동복지법에 의한 아동복지업무

가. 요보호아동에 한 조사 보호의 결정에 한 사항

나. 아동상담‧지도 등 업무

다. 후원자개발 등을 한 업무

3. 노인복지법에 의한 노인복지업무

가. 요보호노인에 한 조사 보호의 결정에 한 사항

나. 재가노인복지사업 업무

다. 노인복지시설 보호조치 업무

4. 장애인복지법에 의한 장애인복지업무

가. 장애인실태조사‧등록 보호의 결정에 한 사항

나. 장애인에 한 상담‧지도 장애인시설 입소, 직업훈련, 취업 등 알선 업무

다. 장애인에 한 지원업무

5. 모자복지법에 의한 모자복지업무

가. 모자가정 실태조사업무

나. 모자가정의 상담‧지도업무

다. 모자가정보호에 한 지원업무

6. 기타 보건복지부장 이 필요하다고 인정하는 업무

<출처: 사회복지 문요원의직무 리운 에 한규정, 1997>

- 176 -

나. 우리나라 황

재 우리나라 사회복지 담공무원 들은 각 읍․면․동에 1~2명씩 배치되어 있고,

미배치 지역도 많이 있다. 읍․면․동에 배치되어 있는 사회복지 담공무원의 경우

도 보건복지부, 행정자치부, 시․군․구를 거쳐 내려온 사무를 집행만 할 뿐 결정권

은 거의 없는 상황에서 문성을 발휘할 기회는 어려운 실정이다(보건과 복지,

2003).

§ 참고문헌

사회복지사업법, 2005

사회복지 문요원의직무 리운 에 한규정, 1997

은석. 보건과 복지, 경북스, 2003

한국사회복지사 회, http://www.kasw.or.kr

한국직업정보시스템, http://know.work.go.kr