|
Original Article
-
Personal and environmental determinants of oxidative stress among the residents of Ulsan, South Korea: a combined approach of statistical and machine learning models
-
Chiwon Sung, Dong Yeop Lee, Miso Lee, Chang Sun Sim, Inbo Oh, Jin-Hee Bang, Dong Yoon Kang, Jiho Lee
-
Ann Occup Environ Med 2026;38:e41. Published online September 1, 2026
-
DOI: https://doi.org/10.35371/aoem.2026.38.e41
-
-
 Abstract
Abstract in Korean
 PDF Supplementary Material
- Background
This study aimed to identify personal and environmental factors influencing malondialdehyde (MDA) levels, measured using thiobarbituric acid reactive substances (TBARS) assay, among residents of Ulsan, South Korea.
Methods
A total of 909 adult residents of Ulsan, recruited between 2022 and 2024, participated in a survey and urine analysis. The dependent variable was the natural log-transformed TBARS value (Ln_TBARS). The study examined 47 independent variables, including personal characteristics, socioeconomic factors, work-related exposures, residential area, and living environment. Residential areas were classified into three groups (A, B, and C) according to potential exposure to industrial hazardous air pollutants, determined jointly by proximity to large-scale industrial complexes and modeled concentrations of benzene, toluene, and xylene. Stepwise multiple regression, least absolute shrinkage and selection operator (LASSO) regression, and random forest (ntree = 500) were applied and compared to identify factors influencing oxidative stress levels among Ulsan residents.
Results
Residential area had the greatest impact on oxidative stress across all three models. Group C showed significantly lower Ln_TBARS levels than those in group A (stepwise: β = −0.395, p < 0.001; LASSO coefficient = −0.529; random forest: %IncMSE = 17.07%). Age and female sex were also consistently associated with oxidative stress across all three models (stepwise: β = 0.319, p < 0.001; LASSO coefficient = 0.014; random forest: %IncMSE = 12.67%, and stepwise: β = 0.152, p < 0.001; LASSO coefficient = 0.154; random forest: %IncMSE = 6.93%).
Conclusions
Residential area was the strongest predictor of oxidative stress across all three analytical models, with higher urinary MDA among residents of areas closer to industrial complexes; older age and female sex were also consistent predictors. These findings, robust across conventional statistical and machine-learning approaches, support systematic environmental health monitoring and targeted policy measures for residents near industrial zones.
- 한국 울산시 거주자의 산화 스트레스에 영향을 미치는 개인적 및 환경적 요인 분석: 통계학적 및 머신러닝 모델 통합적 적용
목적
본 연구는 한국 울산시 거주자를 대상으로 티오바르비투르산 반응성 물질(TBARS) 분석을 통해 측정된 말론디알데히드(MDA) 수치에 영향을 미치는 개인적, 환경적 요인을 규명하는 것을 목적으로 하였다.
방법
2022년부터 2024년 사이에 모집된 울산 거주 성인 총 909명이 설문조사 및 소변 분석에 참여했다. 종속 변수는 자연 로그 변환된 TBARS 값(Ln_TBARS)이었다. 본 연구는 개인 특성, 사회경제적 요인, 업무 관련 노출, 거주 지역 및 생활 환경을 포함한 47개의 독립 변수를 분석했다. 주거 지역은 대규모 산업 단지와의 근접성과 벤젠, 톨루엔, 자일렌의 모델링 농도를 종합적으로 고려하여 산정한 산업 유해 대기 오염물질에 대한 잠재적 노출 정도에 따라 세 그룹(A, B, C)으로 분류되었다. 울산 주민들의 산화 스트레스 수준에 영향을 미치는 요인을 파악하기 위해 단계적 다중 회귀 분석, 최소 절대 수축 및 선택 연산자(LASSO) 회귀 분석, 랜덤 포레스트(ntree = 500)를 적용하고 그 결과를 비교하였다.
결과
세 가지 모델 모두에서 거주 지역 변수가 산화 스트레스에 가장 큰 영향을 미쳤다. 그룹 C는 그룹 A에 비해 Ln_TBARS 수치가 유의미하게 낮았다(Stepwise: β = −0.395, p < 0.001; LASSO 계수 = −0.529; 랜덤 포레스트: %IncMSE = 17.07%). 연령과 여성 성별 또한 세 가지 모델 모두에서 산화 스트레스와 일관되게 연관성이 나타났다. (Stepwise: β = 0.319, p < 0.001; LASSO 계수 = 0.014; 랜덤 포레스트: %IncMSE = 12.67%, Stepwise: β = 0.152, p < 0.001; LASSO 계수 = 0.154; 랜덤 포레스트: %IncMSE = 6.93%).
결론
세 가지 분석 모델 모두에서 주거 지역이 산화 스트레스의 가장 강력한 예측 인자로 나타났으며, 산업 단지에 더 가까운 지역에 거주하는 주민일수록 소변 내 MDA 수치가 더 높았다. 또한 고령과 여성 성별 역시 일관된 예측 인자로 나타났다. 기존의 통계적 접근법과 기계 학습 접근법 모두에서 일관되게 확인된 이러한 연구 결과는 산업 단지 인근 주민들을 대상으로 한 체계적인 환경 보건 모니터링과 맞춤형 정책 조치의 필요성을 뒷받침한다.
|
KSOEM
