유병률

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.

1. 개요

유병률은 특정 시점 또는 기간 동안 특정 인구 집단에서 질병을 가진 사람의 비율을 나타내는 역학 용어이다. 유병률은 "지금 이 질병을 가진 사람이 얼마나 됩니까?" 또는 "이 기간 동안 이 질병을 앓은 사람이 얼마나 됩니까?"에 대한 답을 제공하며, 발생률과 질병의 평균 기간의 곱에 비례한다. 유병률은 시점 유병률, 기간 유병률, 평생 유병률로 구분되며, 질병 부담 평가, 보건 정책 수립, 역학 연구 등 다양한 분야에서 활용된다. 하지만 낮은 유병률 질환의 경우 거짓 양성 문제, 진단 기준과 치료의 필요성 간의 관계, 연령 보정의 필요성과 같은 한계가 존재한다.

더 읽어볼만한 페이지

의학통계학 - 사망률
사망률은 특정 기간 동안의 사망자 수를 인구 집단 크기로 나눈 비율로, 인구 집단의 건강 상태와 사회 경제적 수준을 나타내는 지표이며, 역학 연구, 세계 보건 동향 분석 등에 활용된다.
의학통계학 - 임상시험
임상시험은 새로운 의약품이나 치료법의 효능과 안전성을 과학적으로 평가하는 연구 과정으로, 여러 단계를 거쳐 안전성 검토, 효능 확인, 부작용 관찰 등을 통해 효과와 안전성을 입증하고 규제 기관의 승인을 받기 위한 중요한 과정이다.
역학 (의학) - 사망률
사망률은 특정 기간 동안의 사망자 수를 인구 집단 크기로 나눈 비율로, 인구 집단의 건강 상태와 사회 경제적 수준을 나타내는 지표이며, 역학 연구, 세계 보건 동향 분석 등에 활용된다.
역학 (의학) - 감염
감염은 병원체가 숙주 체내에 침입하여 증식하는 현상으로, 점막이나 상처를 통해 집락화하며, 면역이 약화된 숙주는 기회 감염에 취약하고, 전염병, 유행, 팬데믹, 엔데믹 등 다양한 형태로 나타날 수 있으며, 감염 사슬을 이해하고 차단하는 것이 예방에 중요하다.

유병률

2. 유병률과 발생률의 차이

발생률은 특정 기간 동안 "발생하는" 새로운 질병 사례의 수인 반면, 유병률은 특정 시점에 특정 인구 집단에 "존재하는" 질병 사례의 수이다.^[2] 유병률은 "지금 이 질병을 가진 사람이 얼마나 됩니까?" 또는 "이 기간 동안 이 질병을 앓은 사람이 얼마나 됩니까?"에 대한 답이고, 발생률은 "[지정된 기간 동안] 이 질병에 걸린 사람이 얼마나 됩니까?"에 대한 답이다.

수학적으로 유병률은 발생률과 질병의 평균 기간의 곱에 비례한다. 특히 유병률이 낮을 때(10% 미만) 다음과 같은 관계가 성립한다.^[3]

: $유병률 = 발생률 \times 기간$

이 관계는 다음 두 가지 조건이 충족될 때만 적용된다.^[3]

# 유병률이 낮다.

# 기간이 일정하다(또는 평균을 구할 수 있다).

일반적인 공식에는 미분 방정식이 필요하다.^[4]

역학에서는 혼동을 피하기 위해 유병률(Prevalence rate)을 '''유병 비율'''이라고 부르지 않고, 유병률(Prevalence)이라고 부른다. 유병률은 다음과 같이 정의된다.

: $Prevalence\ rate =\frac{a}{b}(\times 10^n)$

a: 특정 시점에서의 질환을 가진 사람의 수
b: 관찰 대상의 위험을 가진 모 집단의 크기
단, 위험을 가진 모 집단을 정확하게 파악하기가 어렵기 때문에 조사 지역의 전체 인구가 그 근사치로 사용된다.

n: 일반적인 행정 통계에서는 1000명(n=3)당 또는 10만 명(n=5)당 유병률로 표현하기 위해 일정 상수를 곱한다.

유병률 상승 요인	유병률 감소 요인

2. 1. 유병률

유병률은 특정 시점에 특정 인구 집단에 "존재하는" 질병 사례의 수인 반면, 발생률은 지정된 기간 동안 "발생하는" 새로운 사례의 수이다.^[2] 유병률은 "지금 이 질병을 가진 사람이 얼마나 됩니까?" 또는 "이 기간 동안 이 질병을 앓은 사람이 얼마나 됩니까?"에 대한 답이다. 발생률은 "[지정된 기간 동안] 이 질병에 걸린 사람이 얼마나 됩니까?"에 대한 답이다. 그러나 수학적으로 유병률은 발생률과 질병의 평균 기간의 곱에 비례한다. 특히 유병률이 낮을 때(<10%), 이 관계는 다음과 같이 표현될 수 있다:^[3]

:

유병률 = 발생률 \times 기간

이 관계는 다음 두 가지 조건을 충족할 때만 적용되므로 주의해야 한다. 1) 유병률이 낮고 2) 기간이 일정하다(또는 평균을 구할 수 있다).^[3] 일반적인 공식에는 미분 방정식이 필요하다.^[4]

과학에서, ''유병률''은 비율 (일반적으로 백분율로 표시됨)을 설명한다. 예를 들어, 2001년 미국 성인 비만 유병률은 미국 질병통제예방센터(CDC)에 의해 약 20.9%로 추정되었다.^[5]

유병률은 널리 퍼져 있다는 의미의 용어이며, 발생률과는 다르다. 유병률은 특정 시점에 질병에 걸린 ''모든'' 개인의 측정치인 반면, 발생률은 특정 기간 동안 질병에 걸린 ''새로운'' 개인의 수를 측정한 것이다. 유병률은 HIV와 같이 오래 지속되는 질병에 대해 이야기할 때 유용한 매개변수이지만, 발생률은 수두와 같이 짧은 기간의 질병에 대해 이야기할 때 더 유용하다.

개인이 건강한지 질병인지에 명확한 경계가 있는 것은 아니다. 집단에서의 질병 빈도를 표현하기 위한 지표는 비교를 위한 자료라는 의미가 강하다.

유병률을 이용한 연구에는 단면 연구가 있다.
비교 가능성을 확보할 경우, 연령 구성 등을 고려하여 기준 유병률과의 비율을 이용한다.
질병의 빈도를 동적으로 나타내는 발생률 (속도)과는 달리, 정적 (무차원)인 빈도를 나타내고 있다.
극히 드문 질병의 빈도를 표현하는 경우, 발생 수, 유병 수가 이용된다.
정의에 따르면, 질병의 중증도 분포에 대해서는 표현되지 않는다.
지역별 질병 비율을 확인하고 비교하거나 질병 지도를 작성함으로써, 질병의 지리적 경향을 파악할 수 있다.
유병 수라는 변수는, 이환 여부의 축적이다. 이로부터, 다양한 집단에서의 유병률 분포는, 유병률이 높은 경우에는 정규 분포에, 유병률이 낮은 경우에는 푸아송 분포에 근사된다.
통계학의 응용을 통해, 모집단의 일부에 대해서 조사하는 것만으로, 전체 유병률을 추측할 수 있다는 것이 알려져 있다. 이는 많은 역학 조사의 물질적, 시간적 자원 절약에 응용되고 있다.

과거의 경위로 인해 역학에서는 '''유병 비율'''이라고 부르지 않고 유병률(Prevalence rate 또는 혼동을 피하기 위해 단순하게 Prevalence. 이는 Prevalence가 유병 수로 번역되는 경우도 있기 때문이다)이라고 부른다.

이는 다음과 같이 정의된다.

:

Prevalence\ rate =\frac{a}{b}(\times 10^n)

a: 특정 시점에서의 질환을 가진 사람의 수
b: 관찰 대상의 위험을 가진 모 집단의 크기
단, 위험을 가진 모 집단을 정확하게 파악하기가 어렵기 때문에 조사 지역의 전체 인구가 그 근사치로 사용된다.

n: 일반적인 행정 통계에서는 1000명(n=3)당 또는 10만 명(n=5)당 유병률로 표현하기 위해 일정 상수를 곱한다.

유병률 상승 요인	유병률 감소 요인

2. 2. 발생률

발생률은 특정 기간 동안 발생하는 새로운 질병 사례의 수를 나타낸다.^[2] 이는 "[지정된 기간 동안] 이 질병에 걸린 사람이 얼마나 됩니까?"라는 질문에 대한 답이 된다. 유병률은 HIV와 같이 오래 지속되는 질병을 설명할 때 유용하지만, 발생률은 수두와 같이 짧은 기간 동안 발생하는 질병을 설명할 때 더 유용하다.

2. 3. 관계

발생률은 특정 기간 동안 "발생하는" 새로운 질병 사례의 수인 반면, 유병률은 특정 시점에 특정 인구 집단에 "존재하는" 질병 사례의 수이다.^[2] 유병률은 "지금 이 질병을 가진 사람이 얼마나 됩니까?" 또는 "이 기간 동안 이 질병을 앓은 사람이 얼마나 됩니까?"에 대한 답이고, 발생률은 "[지정된 기간 동안] 이 질병에 걸린 사람이 얼마나 됩니까?"에 대한 답이다.

수학적으로 유병률은 발생률과 질병의 평균 기간의 곱에 비례한다. 특히 유병률이 낮을 때(10% 미만) 다음과 같은 관계가 성립한다.^[3]

: 유병률 ≈ 발생률 × 기간

이 관계는 다음 두 가지 조건이 충족될 때만 적용된다.^[3]

1. 유병률이 낮다.

2. 기간이 일정하다(또는 평균을 구할 수 있다).

일반적인 공식에는 미분 방정식이 필요하다.^[4]

유병률 상승 요인	유병률 감소 요인

3. 유병률의 종류

유병률은 측정 시점과 기간에 따라 다음과 같이 구분된다.

시점 유병률: 특정 시점에 질병이나 상태를 가진 사람의 비율
기간 유병률: 특정 기간 동안 질병이나 상태를 가진 사람의 비율
평생 유병률(Lifetime prevalence, LTP): 인구 집단에서 생애 어느 시점(평가 시점까지)에 특정 질병, 외상 사건, 범죄 행위 등을 경험한 개인의 비율. 평생 유병률과 함께 12개월 유병률(또는 다른 유형의 "기간 유병률")이 제공되는 경우가 많다.^[6]^[7] 평생 질병 위험은 "생애 어느 시점에서든 특정 질병에 걸릴 수 있는 인구의 비율"이다.^[6]^[7]

발생률, 시점 유병률, 기간 유병률의 관계는 사진 촬영에 비유하여 설명할 수 있다. 시점 유병률은 플래시 사진처럼 특정 순간을 포착하는 반면, 기간 유병률은 장시간 노출 사진처럼 특정 기간 동안 발생한 사건을 기록한다.

유병률 상승/감소 요인
유병률 상승 요인	유병률 감소 요인

3. 1. 시점 유병률 (Point Prevalence)

시점 유병률은 특정 시점(예: 특정 날짜)에 인구 집단 내에서 질병이나 상태를 가진 사람의 비율을 측정하는 지표이다. 이는 마치 시간에 따른 질병의 스냅샷과 같다. 이는 만성 질환의 발생에 대한 통계에 사용될 수 있다. 기간 유병률은 특정 기간(예: 계절 또는 1년) 동안 인구 집단 내에서 질병이나 상태를 가진 사람의 비율을 측정하는 것으로 시점 유병률과는 대조적이다. 시점 유병률은 다음 공식으로 설명할 수 있다: 유병률 = 특정 날짜에 존재하는 사례 수 ÷ 이 날짜의 인구 수^[8]

역학에서는 과거의 경위로 인해 '''유병 비율'''이라고 부르지 않고 유병률(Prevalence rate 또는 혼동을 피하기 위해 Prevalence)이라고 부른다.

이는 다음과 같이 정의된다.

:특정 시점에서의 질환을 가진 사람의 수 / 관찰 대상의 위험을 가진 모 집단의 크기 (X 10ⁿ)

위험을 가진 모 집단을 정확하게 파악하기가 어렵기 때문에 조사 지역의 전체 인구가 그 근사치로 사용된다.

일반적인 행정 통계에서는 1,000명(n=3)당 또는 10만 명(n=5)당 유병률로 표현하기 위해 일정 상수를 곱한다.

유병률 상승/감소 요인
유병률 상승 요인	유병률 감소 요인

3. 2. 기간 유병률 (Period Prevalence)

기간 유병률은 특정 기간 동안 주어진 질병이나 상태를 가진 인구의 비율이다. 예를 들어, 2006년 감기 시즌에 인구 중 감기에 걸린 사람의 수를 설명할 수 있다. 이는 인구의 백분율로 표시되며 다음 공식으로 설명할 수 있다.

기간 유병률(비율) = 주어진 기간에 존재했던 사례 수 ÷ 이 기간 동안의 인구 수

발생률, 시점 유병률 및 기간 유병률 사이의 관계는 사진 촬영에 비유하여 쉽게 설명할 수 있다. 시점 유병률은 플래시 사진과 유사하게 이 순간에 시간 속에 갇힌 현상이다. 기간 유병률은 장시간 노출(순간이 아닌 몇 초) 사진과 유사하며, 카메라 셔터가 열려 있는 동안 사진에 기록된 사건의 수이다. 영화에서 각 프레임은 순간(시점 유병률)을 기록한다. 프레임별로 보면 새로운 사건(발생 사건)을 알 수 있으며, 이러한 사건의 수를 특정 기간(프레임 수)과 관련시킬 수 있다.

역학에서는 유병률을 다음과 같이 정의한다.

:

Prevalence\ rate =\frac{a}{b}(\times 10^n)

a: 특정 시점에서의 질환을 가진 사람의 수
b: 관찰 대상의 위험을 가진 모 집단의 크기
단, 위험을 가진 모 집단을 정확하게 파악하기가 어렵기 때문에 조사 지역의 전체 인구가 그 근사치로 사용된다.
n: 일반적인 행정 통계에서는 1000명(n=3)당 또는 10만 명(n=5)당 유병률로 표현하기 위해 일정 상수를 곱한다.

유병률 상승 요인	유병률 감소 요인

3. 3. 평생 유병률 (Lifetime Prevalence)

평생 유병률(Lifetime prevalence, LTP)은 인구 집단에서 생애 어느 시점(평가 시점까지)에 특정 질병, 외상 사건 또는 범죄 행위와 같은 "사례"를 경험한 개인의 비율이다. 평생 유병률과 함께 12개월 유병률(또는 다른 유형의 "기간 유병률")이 제공되는 경우가 많다.^[6]^[7] 평생 질병 위험은 "생애 어느 시점에서든 특정 질병에 걸릴 수 있는 인구의 비율"이다.^[6]^[7]

유병률 상승 요인	유병률 감소 요인

4. 유병률의 활용

유병률은 질병 부담 평가, 보건 정책 수립 및 평가, 자원 배분, 역학 연구 등에 활용된다.

유병률에 영향을 미치는 요인은 다음과 같다.

유병률에 영향을 미치는 요인
유병률 상승 요인	유병률 감소 요인

4. 1. 질병 부담 평가

유병률은 특정 질병이 인구 집단에 미치는 영향을 파악하는 데 유용하지만, 질병의 심각도나 중증도 분포는 나타내지 않는다.^[5] 질병의 지리적 경향을 파악하기 위해 지역별 질병 비율을 비교하거나 질병 지도를 작성할 수 있다.

다음은 유병률에 영향을 미치는 요인이다.

유병률 상승 요인	유병률 감소 요인

4. 2. 보건 정책 수립 및 평가

유병률은 질병 예방 및 관리 사업의 우선순위를 결정하고 그 효과를 평가하는 데 활용된다. 유병률의 상승 요인과 감소 요인은 다음과 같다.

유병률 상승 요인	유병률 감소 요인

4. 3. 자원 배분

유병률은 의료 자원 및 예산을 효율적으로 배분하는 데 기여한다. 유병률의 상승 요인과 감소 요인은 다음과 같다.

유병률 상승 요인	유병률 감소 요인

4. 4. 역학 연구

유병률을 이용한 연구에는 단면 연구가 있다.^[5] 유병률은 질병의 원인과 위험 요인을 규명하는 연구에 활용된다. 지역별 질병 비율을 확인하고 비교하거나 질병 지도를 작성함으로써, 질병의 지리적 경향을 파악할 수 있다.

유병률에 영향을 미치는 요인
유병률 상승 요인	유병률 감소 요인

4. 5. 질병의 지리적 분포 파악

지역별 질병 비율을 확인하고 비교하거나 질병 지도를 작성함으로써, 질병의 지리적 경향을 파악할 수 있다.^[5]

5. 유병률의 한계

유병률은 다음과 같은 한계를 가지고 있다.

연령 보정의 필요성: 암과 같이 연령에 따라 발병률이 크게 달라지는 질병의 경우, 연령 구성을 고려하여 연령 보정 유병률을 사용해야 한다. 조(粗)유병률은 연령 구성이 다른 집단 간의 비교에는 적합하지 않다. 예를 들어 암의 경우, 고령자가 많은 집단은 고령자가 적은 집단보다 조유병률이 높아진다. 따라서 두 집단의 조유병률에 차이가 있더라도, 이 차이가 실제 유병률의 차이인지, 아니면 단순히 연령 구성의 차이 때문인지 구별하기 어렵다. 이러한 문제를 해결하기 위해 연령 계급별로 유병률을 계산하고, 기준이 되는 집단의 연령 구성(기준 인구, 한국에서는 보통 1985년 모델 인구)에 맞춰 각 연령 계급별 가중 합으로 계산하는 것이 연령 보정 유병률이다. 시간이 지남에 따라 구성 연령 계층이 변화하는 경우, 유병률의 변화를 볼 때는 연령 보정 유병률을 사용해야 한다.

5. 1. 낮은 유병률 질환의 문제점

매우 많은 수의 개인(예: 일반 인구의 95% 이상)에게 적용되는 매우 작은 오류는, 설문 조사 연구 대상 질환이 있는 것으로 잘못 분류되는 상당한 수의 피험자(거짓 양성)를 생성할 수 있다. 이러한 추론은 상대적으로 매우 적은 수의 개인에게 적용되는 오류가 있는 '거짓 음성' 문제에는 적용되지 않는다. 따라서 면담에서 질환 병력이 있는 것으로 보이는 피험자의 매우 높은 비율은 거짓 양성이며, 완전한 임상적 증후군을 발전시키지 못했을 수 있다.

컬럼비아 대학교의 로버트 스피처는 정신 질환의 공중 보건적 중요성을 평가할 때, 진단 기준을 충족하여 진단을 받는 것이 반드시 치료의 필요성을 의미하는 것은 아니라는 점을 강조했다.^[9]

상대적으로 낮은 인구 유병률 또는 기준율을 가진 질환 비율을 확인할 때 통계적 문제가 발생한다. 일반인 면담 진단이 민감도와 특이도 측면에서 매우 정확하고, 해당 ROC 곡선 아래 면적(즉, AUC 또는 수신자 조작 특성 곡선 아래 면적)을 갖더라도, 낮은 유병률 또는 기준율을 가진 상태는 높은 거짓 양성 비율을 초래하여 거짓 음성 비율을 초과한다. 이러한 상황에서 제한된 양성 예측 가치는 특이도가 100%에 매우 근접하더라도 높은 거짓 양성 비율을 초래한다.^[10]

5. 2. 진단 기준과 치료 필요성

정신 질환의 공중 보건적 중요성을 평가할 때, 컬럼비아 대학교의 로버트 스피처는 진단을 받는 것이 반드시 치료가 필요하다는 것을 의미하지는 않는다고 강조했다.^[9]

상대적으로 낮은 인구 유병률 또는 기준율을 가진 질환과 상태의 비율을 확인할 때는 잘 알려진 통계적 문제가 발생한다. 일반인 면담 진단이 민감도와 특이도 측면에서 매우 정확하고, 해당 ROC 곡선 아래 면적(즉, AUC 또는 수신자 조작 특성 곡선 아래 면적)을 갖는다고 가정하더라도, 낮은 유병률 또는 기준율을 가진 상태는 높은 거짓 양성 비율을 초래하며, 이는 거짓 음성 비율을 초과한다. 이러한 상황에서 제한된 양성 예측 가치는 특이도가 100%에 매우 근접하더라도 높은 거짓 양성 비율을 초래한다.^[10]

5. 3. 연령 보정의 필요성

연령에 따라 발병률이 크게 달라지는 질병(예: 암)의 경우, 연령 구성을 고려하여 연령 보정 유병률을 사용해야 한다. 조(粗)유병률은 연령 구성이 다른 집단 간의 비교에는 적합하지 않다. 예를 들어 암의 경우, 고령자가 많은 집단은 고령자가 적은 집단보다 조발병률이 높아진다. 따라서 두 집단의 조유병률에 차이가 있더라도, 이 차이가 실제 유병률의 차이인지, 아니면 단순히 연령 구성의 차이 때문인지 구별하기 어렵다.

이러한 문제를 해결하기 위해 연령 계급별로 유병률을 계산하고, 기준이 되는 집단의 연령 구성(기준 인구, 한국에서는 보통 1985년 모델 인구)에 맞춰 각 연령 계급별 가중 합으로 계산하는 것이 연령 보정 유병률이다.

:

Age adjusted\ Incidence\ Rate=\Sigma_i

^{연령 계급}

w_i \times

조 연령 계급별 발병률

시간이 지남에 따라 구성 연령 계층이 변화하는 경우, 유병률의 변화를 볼 때는 연령 보정 유병률을 사용해야 한다.

참조

_[1] 웹사이트 Prevalence statistics https://www.health-n[...] 2015-08-26
_[2] 웹사이트 Definition of Prevalence https://www.medicine[...] 2019-12-03
_[3] 서적 Quantitative methods for health research : a practical interactive guide to epidemiology and statistics 2017-11-29
_[4] 논문 Illness-Death Model in Chronic Disease Epidemiology: Characteristics of a Related, Differential Equation and an Inverse Problem
_[5] 웹사이트 Overweight and Obesity: Obesity Trends | DNPA | CDC https://www.cdc.gov/[...] 2017-09-10
_[6] 서적 Epidemiology: An Introduction https://books.google[...] Oxford University Press 2012-06-21
_[7] 서적 Schizophrenia and psychotic spectrum disorders Oxford University Press 2016
_[8] 서적 Epidemiology Kept Simple: An Introduction to Traditional and Modern Epidemiology (2nd ed.) Wiley-Liss
_[9] 논문 Diagnosis and need for treatment are not the same http://archpsyc.ama-[...] 1998-02
_[10] 논문 The predictive power of diagnostic tests and the effect of prevalence of illness 1983-05
_[11] 간행물 疫学辞典第三版財団法人日本公衆衛生協会

본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com