Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citation Korean Bibliography PMC Previewer
ISSN : 2288-9167(Print)
ISSN : 2288-923X(Online)
Journal of Odor and Indoor Environment Vol.25 No.1 pp.57-67
DOI : https://doi.org/10.15250/joie.2026.25.1.57

Evaluating health responses to long-term air quality improvements in South Korea: A nationwide analysis of disease prevalence and hospitalization indicators (2007~2023)

Youngkoo Kim, JeongDeok Beak, HungSoo Joo*
*Corresponding Author: Tel: +82-31-463-1291 E-mail: hungsoo.joo@gmail.com
10/02/2026 20/03/2026 27/03/2026

Abstract


Assessing the health impacts of ambient air pollution is essential for evaluating air-quality management policies. Using nationwide data from 2007 to 2023, this study analyzed long-term trends in six major air pollutants (SO2, NO2, O3, CO, PM10, and PM2.5) and examined the responsiveness of two health indicator categories: disease prevalence (asthma, rhinitis, atopy, and stroke) and hospitalization rates for chronic obstructive pulmonary disease (COPD) and asthma. Although concentrations of PM10, PM2.5, SO2, and CO declined substantially during the study period, prevalence indicators showed no corresponding improvements and instead exhibited weak or inconsistent correlations with air pollutants (e.g., PM10-asthma: r = –0.696; PM10-stroke: r = –0.220), reflecting their limited sensitivity to environmental changes. In contrast, hospitalization rates demonstrated strong and consistent associations with air pollution, particularly particulate matter and NO2. Meanwhile, PM2.5 showed the highest correlations with COPD (r = 0.973) and asthma hospitalizations (r = 0.988), and regression analyses indicated steeper slopes for PM2.5 than for PM10. This suggests a greater relative impact of fine particles on acute disease exacerbation. Principal component analysis further confirmed that hospitalization indicators clustered closely with pollutant-related components, whereas prevalence indicators were structurally independent. Overall, hospitalization rates provide a more objective and responsive measure for evaluating the health impacts of air-quality improvements in South Korea, while prevalence indicators are less suitable for assessing environmental policy outcomes.


Ambient air pollution , PM2.5 , PM10 , Hospitalization rate , Disease prevalence , COPD , Asthma , Public health , Correlation analysis , Principal component analysis

미세먼지 정책 강화에 따른 대기오염물질 농도 변화와 건강지표 반응 특성: 2007~2023년 전국 단위 분석

김영구, 백정덕, 주흥수*

초록

    © Korean Society of Odor Research and Engineering & Korean Society for Indoor Environment. All rights reserved.

    1. 서 론

    미세먼지는 전 세계적으로 가장 중요한 대기환경 문제 중 하나로 자리 잡았으며, 특히 초미세먼지(PM2.5)는 인체 깊숙이 침투하여 호흡기·심혈관계 질환의 유병 증가와 조기 사망 위험을 높이는 요인으로 잘 알려져 있다(Brunekreef and Holgate, 2002; WHO, 2016; GBD 2019 Risk Factors Collaborators, 2020). 이러한 과학적 근거는 주요 국제기구의 정책 변화에서도 확인되며, WHO는 2021년 개정된 대기질 권고기준에서 PM2.5 연평균 기준을 기존 10 μg/m3에서 5 μg/m3로 대폭 강화하였다(WHO, 2021). 유럽연합(EU) 역시 2024년 개정 Ambient Air Quality Directive를 통해 2030년까지 PM2.5 연평균 기준을 10 μg/m3로 강화하는 규제 체계를 도입하였다(EC, 2022; European Parliament and Council of the European Union, 2024). 한국의 경우 OECD 국가 중 상대적으로 높은 미세먼지 농도와 빈발하는 고농도 사례로 인해 대기질 개선의 필요성이 지속적으로 제기되어 왔다(OECD, 2021). 이에 따라 정부는 2010년대 중반 이후 미세먼지 중심의 대기정책을 본격 강화하였으며, 특히 2015년과 2019년은 제도적 전환점으로 평가된다. 2015년에는 초미세먼지(PM2.5)가 환경 기준에 최초 반영되고 배출허용기준이 강화되었으며(ME, 2018), 「미세먼지 관리 종합계획(2017~2022)」을 통해 산업·발전·수송 부문 규제가 강화되었다(ME and Related Ministries, 2017). 이어 2019년에는 「미세먼지 저감 및 관리에 관한 특별법」 시행으로 미세먼지를 국가재난형 환경위험으로 규정하는 법적 관리체계가 마련되었고(National Law Information Center, 2019), 고농도 대응을 위한 계절관리제가 처음 도입되었다(OPM & ME, 2019). 최근 연구에서도 계절관리제가 겨울철 PM2.5 농도 감소에 유의한 영향을 미친 것으로 보고되고 있다(Ryoo et al., 2024). 장기 관측망 자료 역시 국내 PM2.5 농도의 중장기적 감소 추세를 보여주고 있다(AirKorea, 2023; Pendergrass et al., 2025). 그러나 이러한 대기오염물질 변화가 실제 건강영향 개선으로 이어졌는지를 실증적으로 검증한 연구는 제한적이다. 기존 환경역학 연구에서는 PM2.5, PM10, NO2, SO2, CO, O3가 천식, 알레르기 비염, 아토피, COPD, 심혈관질환 등 다양한 질병의 발생·악화와 밀접하게 연관된다는 점이 반복적으로 제시되었다(Dominici et al., 2006; Jung et al., 2011; Yoo, 2016; Cohen et al., 2017; Lee and Park, 2020; Kim et al., 2021). 다만, 건강지표는 특성에 따라 대기오염 변화에 대한 반응성이 다르다. 유병률은 의료 접근성, 진단 기준 변화, 인구 구조 등의 영향을 크게 받아 단기 대기질 변화가 즉각 반영되기 어렵다(Lee and Park, 2020). 반면 입원률은 급성 악화 사건을 반영하여 단기·고농도 노출에 민감하게 반응하므로 정책 효과 분석에 보다 적합하다는 점이 제기되어 왔다(Dominici et al., 2006; Kim et al., 2021). 또한 기존 국내 연구는 특정 오염물질 또는 단일 시점에 대한 분석이 다수였으며, 정책 변화 시점(2015·2019)을 분기점으로 설정하여 장기 대기오염물질 변화와 건강지표를 연계한 연구는 부재한 상황이다. GBD 연구 및 장기 대기질 분석 연구는 대기오염 감소가 질병 부담 완화에 기여할 수 있음을 시사하지만(Cohen et al., 2017; Burnett et al., 2018; GBD 2019 Risk Factors Collaborators, 2020) 이를 한국 정책 맥락에서 실증 검증한 사례는 거의 없다. 따라서 본 연구에서는 최근 17년간의 전국 단위 대기오염물질(PM2.5, PM10, NO2, SO2, CO, O3) 자료와 주요 호흡기·알레르기 질환의 유병률·입원률·청소년 진단률 통계를 활용하여, 정책 강화 시점(2015·2019)을 기준으로 대기오염물질과 건강지표 간의 변화를 비교·분석하였다. 이를 통해 미세먼지 정책 강화가 실제로 대기오염 감소 및 건강영향 개선과 어떠한 관련성을 가지는지 평가하고, 향후 국내 미세먼지 관리정책의 개선 방향을 제시하고자 한다.

    2. 재료 및 방법

    2.1 분석 자료

    본 연구는 대기오염물질 농도 변화가 주요 호흡기 및 알레르기 질환의 유병률과 입원률에 미치는 영향을 분석하기 위해 2007년부터 2023년까지의 국가 공공통계를 통합하여 활용하였다. 대기오염물질 농도 자료는 환경부의 「전국대기오염도 통계」와 AirKorea에서 제공하는 연평균 농도를 기반으로 하였으며(AirKorea, 2023), 분석에 포함된 항목은 이산화황(SO2), 이산화질소(NO2), 오존(O2), 일산화탄소(CO), 미세먼지(PM10), 초미세먼지(PM2.5)의 총 6종이다. 각 오염물질은 국가 대기측정망에서 측정된 연평균 농도를 활용하였으며, 지역 간 측정 방식의 차이를 최소화하기 위해 전국 평균값으로 통합하였다. 건강지표로 활용한 질병 유병률 자료는 질병관리청에서 수행하는 「국민건강영양조사(KNHANES)」의 의사진단 기준 유병률을 사용하였다(KDCA, 2023). 유병률(prevalence)은 특정 시점에서 해당 질환을 진단받아 현재 유병 상태에 있는 인구의 비율을 의미하며, 질병의 누적적 발생과 진단 결과를 반영하는 지표이다(Buitrago-Garcia et al., 2022). 본 연구에서 유병률 분석 대상 질환은 천식(Asthma), 비염(Rhinitis), 아토피피부염(Atopy), 뇌졸중(Stroke)의 4종이며, 각각 연도별 비율로 제공된다. 입원률 자료는 보건복지부의 「건강의료질 통계(Health Care Quality Indicators)」에서 제시하는 만성폐쇄성폐질환(COPD)과 천식 입원률(인구 10만 명당)을 활용하였다(MOHW, 2023). 입원률(hospitalization rate)은 일정 기간 동안 특정 질환으로 입원한 사례 수를 인구 대비 비율로 산출한 지표로 급성 악화 사건을 직접적으로 반영하며 단기적 환경 노출 변화에 민감하게 반응하는 특성을 가진다(Dominici et al., 2006; Atkinson et al., 2014). 입원률 자료는 2008년부터 제공되므로, 해당 변수의 분석기간은 2008~2023년으로 설정하였다. 자료 간 연도 범위가 상이하므로 분석 목적에 따라 공통 연도 구간을 조정하여 동일한 패널 형태로 구성하였다. 또한 통계 분석에 앞서 변수 간 단위 차이로 인해 분석 결과가 왜곡되는 것을 방지하기 위해, 주성분분석(Principal Component Analysis, PCA)에서는 모든 변수를 평균 0, 표준편차 1로 변환한 Z-score로 표준화하였다.

    2.2 분석방법

    본 연구는 대기오염물질과 건강지표 간의 관계를 시계열적·단변량적·다변량적 관점에서 통합적으로 평가하기 위해 네 가지 통계 분석 기법을 적용하였다. 각 분석 방법은 상호 보완적으로 활용되었으며, 미세먼지 정책 강화 이후의 연도별 변화와 변수 간 구조적 관계를 동시에 검토하는 데 초점을 맞추었다. 모든 통계 분석은 IBM SPSS Statistics (Version 27.0.1, IBM Corp., Armonk, NY, USA)를 사용하여 수행하였다.

    2.2.1 연도별 추세 분석

    대기오염물질과 건강지표의 장기적 변화 패턴을 확인하기 위하여 Microsoft Excel을 활용하여 연도별 추세 분석을 수행하였다. 대기오염물질 6종과 유병률 4종을 조합하여 총 24개의 시계열 그래프를 작성하였으며, 동일한 기간의 오염물질과 건강지표를 한 도표 내에서 비교함으로써 두 변수의 동시적인 변화 양상을 직관적으로 파악할 수 있도록 구성하였다. 입원률의 경우 오염물질 6종과 COPD·천식 입원률을 조합하여 총 12개의 추세 그래프를 작성하였다. 또한 장기적 변화의 폭을 정량적으로 표현하기 위해 연평균 증가율(Compound Annual Growth Rate, CAGR)을 산출하였으며, 이는 식(1)과 같이 계산하였다.

    C A G R = V f V i 1 n − 1
    (1)

    이를 통해 대기오염물질 농도가 정책 강화 이후 실질적으로 감소 추세를 보였는지, 그리고 건강지표는 어떻게 변화하였는지를 장기 시계열 관점에서 확인하였다.

    2.2.2 산점도 및 선형회귀 분석

    변수 간의 일차적 연관성을 탐색하기 위하여 산점도 분석을 수행하였고, 각 산점도에는 선형 회귀식을 적용하여 두 변수 간 선형적 관계의 방향성과 크기를 평가하였다. 분석에 활용된 회귀모형은 식(2)와 같은 단순 선형회귀식이며, 독립변수 X는 대기오염물질 농도, 종속변수 Y는 유병률 또는 입원률로 설정하였다.

    Y = β 0 + β 1 X
    (2)

    회귀분석에서는 회귀계수(β1), 결정계수(R2), p-value를 산출하여 대기오염물질 증감이 건강지표 변화에 미치는 관련성을 기초적으로 평가하였다. 유병률의 경우 24개의 산점도와 회귀식을, 입원률의 경우 12개의 산점도를 구성하여 변수 간 관계의 방향성을 종합적으로 분석하였다.

    2.2.3 피어슨 상관분석

    대기오염물질과 건강지표 간의 선형적 관계를 정량적으로 분석하기 위해 피어슨 상관계수(Pearson’s correlation coefficient)를 산출하였다. 상관계수 r은 식 (3)과 같은 공식을 기반으로 계산하였다.

    r = Σ X i − X ¯ Y i − Y ¯ X i − X ¯ 2 Y i − Y ¯ 2
    (3)

    총 24개의 오염물질-유병률 조합과 12개의 오염물질-입원률 조합에 대해 상관 분석을 수행하였으며, p<0.05 수준에서 통계적 유의성을 검토하였다. 이 분석을 통해 각 오염물질이 특정 건강지표와 강한 양(+) 또는 음(–)의 상관성을 갖는지 여부를 확인하였다.

    2.2.4 주성분분석(PCA)

    대기오염물질과 건강지표 간의 다변량 구조를 파악하기 위하여 Varimax 회전을 적용한 주성분분석(PCA)을 실시하였다. PCA는 변수들 간의 공분산 구조를 기반으로 복합적인 패턴을 요약할 수 있는 장점을 가지며, 이를 통해 대기오염물질 군집 간의 구조적 유사성을 확인하는 동시에 건강지표가 다변량 공간에서 어떠한 위치와 방향성을 갖는지 시각적으로 분석하였다. 본 연구의 PCA는 분석 목적에 따라 세 가지 유형의 모형으로 구성되었다. 첫 번째 모형은 대기오염물질 여섯 종류만을 변수로 포함하여 오염물질 간의 전반적인 공변동 구조와 복합적인 대기오염 수준을 주성분 공간에서 파악하는 데 중점을 두었다. 두 번째 모형은 대기오염물질과 함께 네 종류의 질병 유병률을 포함하여, 건강지표가 대기오염도와 어떠한 구조적 연계를 갖는지 다변량 차원에서 해석할 수 있도록 구성하였다. 세 번째 모형은 대기오염물질과 더불어 COPD와 천식의 입원률 변수를 동시에 포함하여, 입원률이 오염물질 주성분과 어떤 관계 속에 위치하는지를 분석하는 방식으로 수행하였다. 각 PCA 모형에서는 고유값(eigenvalue)이 1 이상인 주성분을 선택하여 주요 설명축으로 활용하였으며, 요인부하량의 절댓값이 0.7 이상인 변수를 핵심 해석 대상 항목으로 간주하였다. 최종적으로 도출된 분석 결과는 Varimax 회전을 적용하여 생성된 요인행렬(Rotated Component Matrix)과 주성분 공간에서의 변수 분포를 시각적으로 제시하는 Component Plot을 통해 종합적으로 해석하였다.

    3. 결과 및 고찰

    3.1 대기오염물질의 연도별 변화 추세

    2007년부터 2023년까지의 주요 대기오염물질 농도 변화를 분석한 결과, SO2, NO2, PM10, PM2.5, CO 농도는 전반적으로 뚜렷한 감소 추세를 나타냈다(Table 3). 이러한 감소 패턴은 2000년대 후반 이후 시행된 배출가스 규제 강화, 연료 품질 개선, 미세먼지 계절 관리제의 도입, 경유차 중심 교통정책 변화, 산업시설의 오염저감기술 확대와 같은 국가 차원의 환경정책이 효과를 거두었음을 보여준다. 반면, 오존(O3) 농도는 다른 오염물질과 달리 일정한 변동성을 유지하며 뚜렷한 감소 경향을 보이지 않았다. 이는 기후 요인의 변화, 광화학 반응의 영향, 선행물질(VOCs/NOx)의 비대칭적 변화 등 복합적인 요인이 작용한 결과로, 국제적으로도 배경 오존 농도가 증가하는 추세와 일치 한다. 이러한 결과는 후속 건강영향 분석에서 오존이 다른 오염물질과 구별되는 특성을 보일 수 있음을 시사한다.

    3.2 유병률 변화와 대기오염물질과의 관계

    비염, 아토피, 뇌졸중 유병률 간의 관계를 분석하였다. 분석 기간 동안 PM10 연평균 농도는 58 μg/m3에서 37 μg/m3로 약 36% 감소하였으며, PM2.5 역시 공식 관측이 시작된 2015년 이후 26 μg/m3에서 19 μg/m3로 약 27% 감소하였다(Table 3). 이와 같이 미세먼지 농도는 장기적으로 뚜렷한 저감 추세를 보였다. 그러나 같은 기간 동안 질병 유병률은 대기오염물질 감소와 일관된 방향성을 나타내지 않았다. 천식 유병률은 2007년 2.3%에서 이후 3% 내외 수준으로 변동하며 장기적인 감소 경향을 보이지 않았고, 비염과 아토피 유병률은 오히려 관측 기간 전반에 걸쳐 지속적인 증가 추세를 나타냈다. 특히 아토피 유병률은 2007년 대비 약 두 배 수준까지 증가하여, 미세먼지 저감과는 반대 방향의 변화를 보였다(Fig. 1A, Fig. 2A). 뇌졸중 유병률 역시 연도별 등락은 존재하였으나, PM10 및 PM2.5 감소와 연계된 구조적인 변화는 확인되지 않았다. PM10 및 PM2.5 농도와 유병률 간의 산점도 및 회귀 분석에서도 미세먼지 농도가 감소함에 따라 유병률이 체계적으로 감소하는 선형적 관계는 관찰되지 않았다(Fig. 1B, Fig. 2B). 이는 유병률 지표가 질병의 누적적 발생과 진단 결과를 반영하는 특성상, 단기 또는 중기적인 대기질 개선 효과에 즉각적으로 반응하기 어렵기 때문으로 해석된다. 실제로 유병률은 진단 기준의 변화, 의료 접근성 향상, 인구 고령화 및 생활환경 변화 등 다양한 비환경적 요인의 영향을 동시에 받는 지표로, 환경 요인 변화에 대한 민감도가 제한적이다(Buitrago-Garcia et al., 2022). 종합하면, PM10과 PM2.5를 포함한 주요 대기오염물질이 장기간에 걸쳐 감소하였음에도 불구하고, 유병률 지표에서는 이에 상응하는 개선 효과가 명확히 나타나지 않았다. 이는 전국 단위 유병률 통계가 대기오염 정책의 건강영향을 평가하는 데 있어 민감도가 제한적인 지표임을 시사한다.

    3.3 입원률과 대기오염물질의 관계

    입원률(COPD 및 천식 입원률)은 유병률과 달리 대기오염물질 변화에 대해 보다 뚜렷한 반응성을 보였다. 2008~2023년 동안 PM10 농도는 약 31% 감소하였으며, PM2.5 역시 2015년 이후 약 27% 감소하였다. 이에 대응하여 COPD 입원률은 인구 10만 명당 248명에서 56명으로 약 77% 감소하였고, 천식 입원률 또한 약 79% 감소하는 등 두 질환 모두에서 큰 폭의 하락이 관찰되었다(Table 5). 특히 미세먼지 농도의 감소 시점과 입원률 감소 시점이 시간적으로 유사하게 나타났으며, PM10 및 PM2.5와 COPD·천식 입원률 간의 산점도 분석에서도 뚜렷한 음의 선형 관계가 확인되었다(Fig. 3A, Fig. 4A). Fig. 3과 Fig. 4의 회귀 분석 결과를 비교하면, PM10과 PM2.5 모두 COPD 및 천식 입원률과 뚜렷한 선형 관계를 보였으나, 두 물질 간 반응 민감도에는 차이가 관찰되었다. PM10의 경우 COPD (β = 7.76)와 천식 (β = 3.51) 입원률에 대해 비교적 완만한 기울기를 보인 반면(R2 = 0.88–0.91), PM2.5는 COPD (β = 15.38)와 천식(β=6.45) 입원률 모두에서 더 가파른 기울기를 나타냈다(R2 = 0.95–0.98). 특히 PM2.5 조건에서 COPD 입원률의 기울기가 더 크게 나타난 점은 초미세먼지가 기존 호흡기 기능 저하 집단에서 급성 악화 및 입원 발생에 더 큰 영향을 미칠 가능성을 시사한다. 이러한 결과는 PM2.5가 폐포 깊숙이 침투하여 전신 염증 반응을 유발할 수 있다는 기존의 역학적·생물학적 기전과도 정합적인 결과로 해석된다(Pope and Dockery, 2006; Brook et al., 2010). 이러한 결과는 입원률이 급성 악화 사건을 직접적으로 반영하는 지표로서 단기적 환경 노출 변화에 민감하게 반응한다는 기존 연구 결과와도 일치한다(Atkinson et al., 2014). 종합적으로 볼 때, PM10과 PM2.5의 장기적 감소는 COPD 및 천식 입원률의 유의한 감소와 병행되었으며, 그중에서도 PM2.5 감소가 입원률 개선과 보다 밀접한 연관성을 보였다. 이는 미세 먼지 저감 정책이 실제 임상적 건강 결과의 개선으로 이어졌음을 뒷받침하는 근거로 해석될 수 있으며, 대기 오염의 건강영향 평가에 있어 입원률이 유병률보다 정책 효과를 보다 객관적이고 민감하게 반영하는 지표임을 시사한다.

    3.4 주성분분석(PCA)에 기반한 다변량 구조 해석

    오염물질과 건강지표의 다변량 구조를 파악하기 위해 수행한 PCA 분석에서는 각 변수의 상호 연관성과 구조적 거리가 보다 명확하게 나타났다(Fig. 5). 먼저 유병률(천식·비염·아토피·뇌졸중)을 포함한 PCA에서는 PM10, PM2.5, NO2, SO2, CO가 PC1 축에서 강하게 양(+) 방향으로 묶이는 반면 비염·아토피는 PC1의 음(–) 방향에 위치하였다(Table 5). 각 오염물질의 공통성(communality)은 0.913~0.987, PC1 적재값(loadings)은 0.829~0.921로 높은 반면, 유병률 지표는 –0.612(천식), –0.601(비염), –0.840(아토피) 등 오염물질과 정반대 방향에 위치하였다(Fig. 5A). 뇌졸증은 PC1과 PC2 양측에서 독립적인 위치(PC2 loading = 0.905)를 보여 오염 수준과의 구조적 연계성이 거의 없었다. 이러한 결과는 앞서 연도별 시계열 그래프 및 분산형 분석에서 확인된 바와 같이 유병률은 오염물질 감소·변동과 일관된 방향성을 공유하지 않는다는 점을 PCA에서도 재확인한 것이다. 반면 입원률(천식·COPD)을 포함한 PCA에서는 상이한 패턴이 나타났다(Fig. 5B). 입원률 두 지표의 공통성은 0.963(COPD), 0.984(천식)으로 매우 높았으며, PC1 적재값도 각각 0.969, 0.986으로 오염물질군(PM10 = 0.964, PM2.5 = 0.979 등)과 동일한 방향(+) 축에 밀집하였다(Table 6). 특히 PM10·PM2.5·NO2 등 주요 오염원과 거의 동일한 구성요소 축(Component 1)에 위치하여 입원률이 오염물질 변화와 구조적으로 강한 연관성을 가진다는 점을 명확히 보여주었다. 종합하면 PCA 결과는 유병률 지표는 오염물질과 구조적·통계적 일관성이 없으며, 이는 진단 기준 변화, 자가보고 편향, 인구구조 효과 등 비환경적 요인이 크게 작용하는 유병률의 한계를 반영한다. 반대로 입원률은 오염물질과 동일한 요인축에 위치하며, 이는 입원률이 단기적 환경 노출 변화에 보다 민감하게 반응하고 대기오염 건강영향 분석에서 더 객관적이고 신뢰도 높은 지표임을 시사한다.

    3.5 상관관계 분석

    Pearson 상관계수 분석에서도 유병률 지표와의 상관성은 전반적으로 일관되지 않은 패턴을 보인 반면, 입원률은 대부분의 오염물질에서 매우 높은 상관도를 나타냈다(Table 7). 유병률 측면에서 보면, 아토피와 비염은 SO2 (–0.927**, –0.888**), NO2 (–0.940**, –0.869**), PM10 (–0.940**, –0.890**)과 강한 음의 상관을 보였으나, 천식은 –0.572~–0.715 수준에서 비교적 중간 정도의 음의 상관에 머물렀고, 뇌졸중은 –0.220~+0.443 범위로 거의 상관성이 나타나지 않았다. 특히 O3는 다른 오염물질과 반대로 천식(0.678**), 비염(0.871**), 아토피(0.900**)와 양의 상관을 보여, 유병률 지표 간의 방향성이 서로 충돌하는 등 구조적 일관성이 부족한 특징을 나타냈다. 반면 입원률 분석에서는 COPD와 천식 입원률이 모든 오염물질과 0.892~0.988 수준의 매우 높은 절대 상관계수를 보였다. 예를 들어 PM2.5는 COPD와 0.973**, 천식과 0.988의 상관을 나타냈고, PM10 역시 각각 0.937, 0.952로 높은 연관성을 보였다. NO2 또한 COPD 0.955, 천식 0.965로 강한 양의 상관을 유지했으며, O3는 두 지표 모두에서 –0.922, –0.941**로 뚜렷한 음의 방향성을 보였다. 이러한 결과는 입원률 자료가 오염물질의 농도 변화와 거의 동일한 방향으로 움직이며, 통계적으로도 매우 높은 일관성을 가진다는 점을 강조한다. 종합하면, 유병률 지표는 질환별 양·음 방향이 섞여 있거나 상관성이 낮아 환경변화의 영향을 직접적으로 반영하기 어렵지만, 입원률은 오염물질의 변동과 강한 상관을 보이며 대기오염의 건강영향을 평가하는 데 더 객관적이고 신뢰할 수 있는 지표임을 시사한다.

    3.6 종합 고찰

    본 연구 결과를 종합하면, 2007~2023년 동안 국내 주요 대기오염물질(SO2, NO2, PM10, PM2.5 등)은 20~40% 수준의 뚜렷한 감소 추세를 보였으며, 특히 PM10은 58 → 37 μg/m3(약 36%), PM2.5는 2015년 26 → 2023년 19 μg/m3(약 27%)로 지속적으로 저감되었다. 이러한 대기오염물질 감소와 함께 COPD 및 천식 입원률 역시 각각 약 77%, 79% 감소하여 미세먼지 저감 시기와 유사한 경향을 나타냈다. 상관분석에서도 입원률은 주요 오염물질과 0.90 이상 높은 연관성을 보였으며, 특히 PM2.5는 가장 높은 상관성을 나타내어 주요 영향 요인으로 확인되었다. 이러한 결과는 미세먼지 노출이 호흡기 질환의 급성 악화를 유발하고 입원 증가와 밀접하게 관련된다는 기존 환경역학 연구 결과와도 일치한다. 반면 유병률은 아토피(2.3 → 4.6%), 비염(11.7 → 18.8%) 등 일부 지표에서 증가 경향을 보였으며, 대기 오염물질과의 상관계수 또한 –0.572~+0.443 범위로 일관성이 낮았다. 이는 유병률이 인구 구조 변화, 진단 기준, 의료 접근성 등 다양한 요인의 영향을 받기 때문으로 해석되며, 입원률이 대기오염 변화에 보다 민감한 건강지표임을 시사한다. 또한 본 연구에는 2020~2022년 COVID-19 팬데믹 기간이 포함되어 있어 의료 이용 변화 등이 입원률에 영향을 미쳤을 가능성이 있으므로 결과 해석 시 이러한 교란 요인을 고려할 필요가 있다. 다만 전체 분석 결과는 특정 시기의 변동이 아닌 장기적인 대기오염물질 감소와 입원률 감소 간의 구조적 관계를 반영한 것으로 판단된다. 한편 본 연구는 실외 대기오염물질을 중심으로 분석하였으나 실제 인체 노출은 실내외 환경이 결합된 형태로 이루어진다. 특히 PM2.5는 실내 환경에서도 중요한 오염물질로, 본 연구에서 확인된 입원률 변화는 생활환경 전반의 노출 영향을 반영한 결과로 해석될 수 있다.

    마지막으로 본 연구의 상관분석 및 회귀분석 결과는 통계적 연관성을 나타내는 것으로, 다양한 사회경제적 요인의 영향을 고려할 때 인과관계로 해석하는 데에는 한계가 있다. 향후 연구에서는 보다 세분화된 인구학적 자료를 활용한 분석이 필요할 것으로 판단된다.

    4. 결 론

    본 연구는 2007~2023년 전국 단위 자료를 활용하여 주요 대기오염물질(SO2, NO2, O3, CO, PM10, PM2.5)과 건강지표 간의 관계를 다각도로 분석하였다. 분석 결과, SO2·NO2·PM10·PM2.5·CO 농도는 장기적으로 뚜렷한 감소 추세를 보였으나, 천식·비염·아토피·뇌졸중 유병률은 이러한 변화와 일관된 방향성을 나타내지 않았다. 유병률과 대기오염물질 간 상관계수는 –0.572~+0.443 범위로 낮거나 방향성이 혼재되어 있었으며, PCA에서도 유병률 지표는 오염물질 군집과 분리된 위치에 놓였다. 반면, COPD 및 천식 입원률은 대기오염물질 변화에 대해 매우 강한 반응성을 보였다. 상관분석에서 입원률은 대부분의 오염물질과 |r| = 0.892–0.988의 매우 높은 상관성을 나타냈으며, 특히 PM2.5는 COPD 입원률과 r = 0.973, 천식 입원률과 r = 0.988로 가장 높은 연관성을 보였다. 회귀분석에서도 PM2.5는 COPD (β = 15.38)와 천식(β = 6.45) 입원률 모두에서 PM10 (COPD β = 7.76, 천식 β = 3.51)보다 가파른 기울기를 나타내어, 초미세먼지가 입원 발생에 미치는 상대적 영향력이 더 큼을 확인하였다. 주성분분석(PCA) 결과 역시 이러한 경향을 뒷받침하였다. 입원률을 포함한 PCA에서 PM2.5, PM10, NO2, CO는 동일한 주성분 축(PC1)에 높은 적재값(0.94–0.99)을 보이며 군집하였고, COPD(loading = 0.969)와 천식 입원률(0.986) 역시 해당 축에 거의 중첩된 위치를 나타냈다. 여섯 가지 오염물질 중 PM2.5는 가장 높은 공통성(communality = 0.992)과 요인부하량을 보여 입원률 변동을 설명하는 핵심 오염 물질로 확인되었다. 반면 O3는 입원률과 음의 상관(r = –0.922, –0.941)을 보이며 PCA에서도 독립적인 축에 위치하여, 다른 오염물질과 상이한 거동 특성을 나타냈다. 종합하면, 유병률 지표는 대기오염 변화에 대한 민감도가 낮아 정책 효과 평가에 한계가 있는 반면, 입원률은 미세먼지와 질소산화물 중심의 오염물질 변화와 강한 정량적·구조적 연관성을 보였다. 특히 PM2.5는 입원률과의 상관계수, 회귀계수, PCA 적재값 모두에서 가장 두드러진 영향을 보여 대기오염의 건강영향을 평가하는 데 있어 핵심적인 설명 변수임이 본 연구를 통해 확인되었다.

    감사의 글

    이 성과는 정부(기후에너지환경부)의 재원으로 한국환경산업기술원의 미세먼지관리 특성화대학원 사업의 지원을 받아 수행된 연구임.

    <저자정보>

    김영구(박사과정), 백정덕(석사과정), 주흥수(교수)

    Figure

    JOIE-25-1-57_F1.jpg

    [A] Temporal trends of PM10 concentration and disease prevalence (asthma and atopy) from 2007 to 2023, [B] Scatter plot analysis showing the relationship between PM10 concentration and disease prevalence (asthma and atopy) with corresponding linear regression models.

    JOIE-25-1-57_F2.jpg

    [A] Temporal trends of PM2.5 concentration and disease prevalence (asthma and atopy) from 2015 to 2023, [B] Scatter plot analysis showing the relationship between PM2.5 concentration and disease prevalence (asthma and atopy) with corresponding linear regression models.

    JOIE-25-1-57_F3.jpg

    [A] Temporal trends of PM10 concentration and hospitalization rate (COPD and asthma) from 2008 to 2023, [B] Scatter plot analysis showing the relationship between PM10 concentration and hospitalization rate (COPD and asthma) with corresponding linear regression models.

    JOIE-25-1-57_F4.jpg

    [A] Temporal trends of PM2.5 concentration and hospitalization rate (COPD and asthma) from 2008 to 2023, [B] Scatter plot analysis showing the relationship between PM2.5 concentration and hospitalization rate (COPD and asthma) with corresponding linear regression models.

    JOIE-25-1-57_F5.jpg

    Rotated PCA component plot (PC1: 54.5%, PC2: 41.6% of variance explained) showing: [A] the distribution of major air pollutants (SO2, NO2, CO, PM10, PM2.5) and disease prevalence indicators (asthma, stroke, rhinitis, atopy); [B] the clustering patterns of air pollutants and hospitalization rates (COPD and asthma).

    Table

    Summary of statistical data

    Overview of analytical methods

    Annual trends in major air pollutants in Korea (2007~2023)

    *PM2.5 has been officially monitored in Korea since 2015.

    PCA loadings for air pollutants and disease prevalence

    PCA loadings for air pollutants and hospitalization rate

    Correlation between air pollutants and health indicators (prevalence and hospitalization)

    Reference

    1. AirKorea, 2023. 2022 Annual Report of Air Quality in Korea. Incheon: KECO.
    2. Atkinson, R. W., Kang, S., Anderson, H. R., Mills, I. C., Walton, H. A., 2014. Epidemiological time series studies of PM2.5 and daily mortality and hospital admissions: A systematic review and meta-analysis. Thorax 69(7), 660- 665.
    3. Brunekreef, B., Holgate, S. T., 2002. Air pollution and health. The Lancet 360(9341), 1233-1242.
    4. Buitrago-Garcia, D., Salanti, G., Low, N., 2022. Studies of prevalence: How a basic epidemiology concept has gained recognition in the COVID-19 pandemic. BMJ Open 12(10), e061497.
    5. Burnett, R., Chen, H., Szyszkowicz, M., Fann, N., Hubbell, B., Pope, C. A., Apte, J. S., Brauer, M., Cohen, A., ... Spadaro, J. V., 2018. Global estimates of mortality associated with long-term exposure to outdoor fine particulate matter. Proceedings of the National Academy of Sciences of the United States of America 115(38), 9592-9597.
    6. Cho, B., Choi, J., Yum, Y. T., 2000. Air pollution and hospital admissions for respiratory disease in certain areas of Korea. Journal of Occupational Health 42(4), 185-191.
    7. Cohen, A. J., Brauer, M., Burnett, R., Anderson, H. R., Frostad, J., Estep, K., Balakrishnan, K., Brunekreef, B., Dandona, L., … Forouzanfar, M. H., 2017. Estimates and 25-year trends of the global burden of disease attributable to ambient air pollution. The Lancet 389(10082), 1907-1918.
    8. Dominici, F., Peng, R. D., Bell, M. L., Pham, L., McDermott, A., Zeger, S. L., Samet, J. M., 2006. Fine particulate air pollution and hospital admission for cardiovascular and respiratory diseases. JAMA 295(10), 1127-1134.
    9. European Commission (EC), 2022. Proposal for a Directive on ambient air quality and cleaner air for Europe. Brussels: EC.
    10. European Parliament and Council of the European Union, 2024. Directive (EU) 2024/2881 on ambient air quality and cleaner air for Europe. Available from: URL:https://eur-lex.europa.eu/eli/dir/2024/2881/oj
    11. GBD 2019 Risk Factors Collaborators, 2020. Global burden of 87 risk factors in 204 countries and territories, 1990~2019: A systematic analysis for the Global Burden of Disease Study 2019. The Lancet 396(10258), 1223-1249.
    12. Jung, S. H., Kim, J. H., Son, B. K., Hong, S. C., Kim, S. Y., Lee, G. H., Lim, D. H., 2011. Comparison of air pollution and the prevalence of allergy-related diseases in Incheon and Jeju. Korean Journal of Pediatrics 54(12), 501-506.
    13. Korea Disease Control and Prevention Agency (KDCA), 2023. Korea National Health and Nutrition Examination Survey (KNHANES): Annual Report. Cheongju: KDCA.
    14. Ministry of Environment (ME), 2018. Notification No. 2018-207: National Air Quality Standards.
    15. Ministry of Climate, Energy and Environment (MCEE), 2017. Comprehensive Plan on Fine Dust Management 2017~2022. Sejong: Government of Korea.
    16. Ministry of Health and Welfare (MOHW). 2023. Health Care Quality Indicators. Sejong: MOHW.
    17. National Law Information Center, 2019. Special Act on the Reduction and Management of Fine Dust (Act No. 16272).
    18. Organization for Economic Co-operation and Development (OECD), 2021. The economic consequences of outdoor air pollution. Paris: OECD Publishing.
    19. Office for Government Policy Coordination & Ministry of Environment (OPM & ME), 2019. Seasonal Fine Dust Management System 2019~2020.
    20. Pendergrass, D. C., Jacob, D. J., Oak, Y. J., Dang, R., Yang, L. H., Beaudry, E., Colombi, N. K., Zhai, S., Kim, H., … Liao, H., 2025. Wintertime trends of fine particulate matter (PM2.5) in South Korea, 2012~2022: Response of nitrate and organic components to decreasing NOₓ emissions. Geophysical Research Letters 52(19) e2025GL116091.
    21. Pope, C. A., III, Dockery, D. W., 2006. Health effects of fine particulate air pollution: Lines that connect. Journal of the Air & Waste Management Association 56(6), 709-742.
    22. Ryoo, I., Ren, L., Li, G., Zhou, T., Wang, M., Yang, X., Kim, T., Cheong, Y., Kim, S., … Park, J., 2024. Effects of seasonal management programs on PM2.5 in Seoul and Beijing using DN-PMF: Collaborative efforts from the Korea-China joint research. Environment International 191, 108970.
    23. World Health Organization (WHO), 2016. Ambient air pollution: A global assessment of exposure and burden of disease. Geneva: World Health Organization. Available from: URL:https://apps.who.int/iris/handle/10665/250141
    24. World Health Organization (WHO), 2021. WHO global air quality guidelines: Particulate matter (PM2.5 and PM10), ozone, nitrogen dioxide, sulfur dioxide and carbon monoxide. Geneva: World Health Organization. Available from:URL:https://www.who.int/publications/i/item/9789240034228
    25. Yoo, Y., 2016. Air pollution and childhood allergic disease. Allergy Asthma & Respiratory Disease 4(4), 248-256.