비만 유병률의 증가 추이
비만은 고혈압, 당뇨병, 고지혈증과 같은 성인병 유발과 건강상 악영향을 야기하기 때문에 세계적으로도 많은 관심과 지속적인 비만 유병율 관리를 하고 있다. 그럼에도 불구하고, 세계 지역별 성인 비만 유병율의 추이는 [요약 그림 1]과 같이 2006년 대비 2016년10년간의 노력에도 불구하고 증가(BMI 30kg/㎡ 이상) 하는 추세를 보이고 있다. 국내의 경우 ‘질병관리청 2019 국민건강통계’ 자료에 따르면, 비만(BMI 25kg/㎡ 이상) 유병률(만30세이상, 표준화)은 2019년 남자 43.1%, 여자 27.4%로 나타났으며, 1998년 이후 남자는 26.8%에서 43.1%로 증가한 반면, 여자는 큰 변화 없이 30.0%를 유지하는 것으로 확인되어 남성의 비만에 더 큰 관심이 필요한 실정이다.
서울시는 비만 문제의 심각성을 인식하고 신체활동・영양 등 영역별 요인에 대해 다양한 정책을 펼쳐왔다. 시민건강국 건강증진과는 ‘일상생황속 신체활동 늘리기 사업’, ‘생애주기별 맞춤 프로그램 지원 및 건강 취약계측 지원’ 등의 정책을, 시민건강국 식품정책과에서는 ‘당 섭취 저감화 사업’ 등 다양한 방면의 정책들을 수행하였다. 그러나 서울시 비만율은 연간 체중조절 시도율과 걷기 실천율이 증가 추세에 있음에도 불구하고 오히려 지속적으로 높아지는 추세로 장기적 관점의 서울시 비만율 관리 전략이 필요한 실정이다. 이를 위해 건강한 식생활 및 주기적인 신체활동에 대한 자치구 상황에 맞는 효율적인 맞춤형 정책 도입을 위해 비만 유발요인 추정을 통한 정책 수립이 요구된다.
서울시의 비만관련 예방사업에 대한 시민 인식
본 연구에서는 서울시 25개 자치구 보건소별로 수행되고 있는 비만예방 사업에 대하여 시민들의 인지/인식을 확인해 보기 위해 설문조사를 수행하였다. 2019년 기준으로 187개(중복포함)의 비만예방 관련 사업을 수행하고 있으며, 자치구별 평균 7.5개의 사업이 진행되었다. 자치구별 비만예상 사업을 살펴보면, 비만관련 사업은 총 81개(중복 제외)의 단일 사업이 수행되었다. 서울시 자치구에서 비만사업(프로그램)에 대한 시민의 평균 인진율 16.4%로 나타났다(강서, 양천, 영등포, 금천, 관악, 동작, 광진, 강동, 중구는 평균 이하 인지율 보임). 서울시 자치구별 거주자를 대상으로 설문조사 수행한 결과, 비만예방 사업의 중요항목은 서비스 접근성, 효과성, 사업 만족도, 편의성 등의 순으로 비만예방사업의 중요항목으로 조사되었다. 비만예방 사업 정책 반영시 서비스 접근성 중 시간 및 참여 접근성의 확보, 효과성 및 편의성 중 적절한 사전정보 제공, 체중감량 효과가 높은 사업이 필요할 것으로 조사되었다.
머신러닝기반 서울시 비만 유발요인 추정 모델링 개발
서울시 자치구별 상이한 사회 및 환경 요소들과, 정책적 요소들로 인하여, 각 자치구에 특화된 비만관리 사업 정책이 필요할 것으로 판단된다. 이를 위해 각 자치구별 비만을 유발하는 요인을 도출하고, 해당 요인을 관리할 수 있는 지역별 특화 정책 도출이 필요하다. 머신러닝기반 서울시 비만 유발요인 추정 모델링 개발에서는 다양한 요인변수를 구축, 비만율과의 상관관계 분석, 데이터 기반 머신러닝과 공간기반 통계분석을 위해 비만 유병률 예측모델 선정(Random Forest) 및 머신러닝기반 변수중요도 알고리즘(TreeSHAP) 활용 중요변수 요인을 도출하였다. 또한 25개 자치구의 공간적 특성(근접도 등)을 고려하기 위해 GWLASSO 모델 을 포함할 수 있도록 하였다. 비만유병률에 영향을 미치는 개인요인(흡연/음주/생활습관 등 22가지 요소)과 소비패턴(신용카드 매출 분류 63개), 물리환경요인(공원녹지, 버스정류장, 지하철, 공시지가, 때릉이 이용현황)의 빅데이터를 활용 머신러닝으로 자치구별 비만 유발 요인을 제시하였다.
서울시와 자치구 맞춤형 비만예방 사업
본 연구에서 개발된 모델링을 통해 도출된 유발 요인에 맞줘 연구를 통해 개발된 머신러닝기반 서울시 비만 유발요인 추정 모델을 통해 자치구 공통요인인 본인인지체형, 패트스푸드의 요인 해소를 위해 “체성분분석 및 상담 기능의 보건소 운영”과 “건강한 음식문화(섭취에 대한) 캠페인과 교육” 사업을 제시하였다. 또한 기존 서울시에서 수행한 사업 중에서 칼로비 소비운동으로 가장 많이 적용된 걷기사업에 대한 시민참여 독려를 위해 걷기 말일리지 등의 앱과 연계한 개인 인센티브 제공 방안(예) 일정 운동량 목표 달성시 따릉이 이용할인 등 개인활용 인센티브 제공)을 제언하였다. 이와는 별도로 각 자치구별로 도출된 비만 유발요인 해소를 위한 자치구별 관련 사업을 [요약 표 1]과 같이 제시하였다.
본 연구를 통해 개발된 머신러닝기반 서울시 비만 유발요인 추정 모델의 지속적 고도화를 위해 추가적인 자료의 적용이 요구된다. 이를 위해 서울시 건강증진과와 유기적인 협조를 통해 자료의 확보 및 업데이트가 필요하다. 개발된 모델링의 지속적 운영과 이를 기반으로한 적정 사업의 적극적 반영을 통해 서울시 비만 유발율이 감소하기를 기대해 본다.