국민건강영양조사 자료를 이용한 가공식품 데이터베이스 구축

윤미옥; 이현숙; 김기랑; 심재은; 황지윤

추천

검색

질문

자료유형: 학술저널

저자정보: 윤미옥 (한국영양학회) 이현숙 (동서대학교) 김기랑 (단국대학교) 심재은 (대전대학교) 황지윤 (상명대학교)

저널정보: 한국영양학회 Journal of Nutrition and Health Journal of Nutrition and Health Vol.50 No.5

발행연도: 2017.10

수록면: 504 - 518 (15page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 가공식품의 섭취량이 증가하는 현실에서 국민건강영양조사 자료를 통한 정확한 영양소 섭취량 산출을 위해 국민건강영양조사의 원자료 중 최근 5년간 (2010~2014) 등장한 가공식품 4,858건에 대한 영양성분 DB를 구축하고, 이를 제6기 1차 년도 국민건강영양조사 (2013년) 자료에 적용하여 영양소 14종의 섭취량을 산출하여 구축한 DB에 대한 유용성을 검토하였다. 가공식품의 영양성분 DB구축을 위해 국내 국가기관에 신고된 가공식품 목록 8,785건, 반조리 식품 자료배합비, 국내 국립기관에서 발간된 식품성분표 1종, 제조사 및 인터넷 등을 통해 수집된 자료를 모아 가공식품에 대한 수준별 DB를 구축하였다. 매칭 식품과 유사 식품 DB를 모두 적용 후 가공식품 섭취량은 505.8 g (30.8%)로 추정되었으며 총섭취량에 대한 기여율은 각각 에너지 29.5%, 탄수화물 27.0%, 단백질 36.7%, 지방 26.5%, 식이섬유 16.1%로 나타났다. 또한 DB 적용 후 대부분의 영양소 섭취량이 유의한 차이를 보여 구축된 DB의 유용성을 보여준다고 사료된다. 나트륨의 경우 가공식품으로 부터의 섭취량이 DB 적용 전·후 2,527.6 mg에서 3,006.2 mg으로 증가하였다. 국민건강영양조사자료의 영양소 섭취량 추정에 필요한 에너지 및 영양소 14종에 대한국내 분석값 자료가 거의 없는 현실에서 본 연구는 DB 구축을 위한 계산값이나 대체값의 원칙을 세우고 문서화하여 가공식품 DB 구축을 위한 틀을 만들어 향후 DB 구축, 유지, 확대 등 식품영양 DB의 체계적 관리의 기초를 제공하였으며 국민건강영양조사자료를 이용하여 가공식품을 통한 영양소 섭취량 추정을 했다는 측면에서 의미가 있다고 사료된다. 향후 지속적이고 체계적인 가공식품 DB 구축과 관리가 필요하다.

Purpose: The objective of this study was to develop a processed foods database (DB) for estimation of processed food intake in the Korean population using data from the Korea National Health and Nutrition Survey (KNHANES). Methods: Analytical values of processed foods were collected from food composition tables of national institutions (Development Institute, Rural Development Administration), the US Department of Agriculture, and previously reported scientific journals. Missing or unavailable values were substituted, calculated, or imputed. The nutrient data covered 14 nutrients, including energy, protein, carbohydrates, fat, calcium, phosphorus, iron, sodium, potassium, vitamin A, thiamin, riboflavin, niacin, and vitamin C. The processed food DB covered a total of 4,858 food items used in the KNHANES. Each analytical value per food item was selected systematically based on the priority criteria of data sources. Results: Level 0 DB was developed based on a list of 8,785 registered processed foods with recipes of ready-to-eat processed foods, one food composition table published by the national institution, and nutrition facts obtained directly from manufacturers or indirectly via web search. Level 1 DB included information of 14 nutrients, and missing or unavailable values were substituted, calculated, or imputed at level 2. Level 3 DB evaluated the newly constructed nutrient DB for processed foods using the 2013 KNHANES. Mean intakes of total food and processed food were 1,551.4 g (males 1,761.8 g, females 1,340.8 g) and 129.4 g (males 169.9 g, females 88.8 g), respectively. Processed foods contributed to nutrient intakes from 5.0% (fiber) to 12.3% (protein) in the Korean population. Conclusion: The newly developed nutrient DB for processed foods contributes to accurate estimation of nutrient intakes in the Korean population. Consistent and regular update and quality control of the DB is needed to obtain accurate estimation of usual intakes using data from the KNHANES.

#processed foods #nutrient database #KNHANES #evaluation

참고문헌 (37)

참고문헌 신청

Ford ES, Dietz WH. Trends in energy intake among adults in the United States: findings from NHANES. Am J Clin Nutr 2013; 97(4): 848-853. Whitton C, Nicholson SK, Roberts C, Prynne CJ, Pot GK, Olson A, Fitt E, Cole D, Teucher B, Bates B, Henderson H, Pigott S, Deverill C, Swan G, Stephen AM. National diet and nutrition survey: UK food consumption and nutrient intakes from the first year of the rolling programme and comparisons with previous surveys. Br J Nutr 2011; 106(12): 1899-1914. Ministry of Health and Welfare, Korea Centers for Disease Control and Prevention. Korea Health Statistics 2011: Korea National Health and Nutrition Examination Survey (KNHANES V-2). Cheongwon: Korea Centers for Disease Control and Prevention; 2012. Lim AH, Choi SY, Shim JE, Hwang JY, Moon HK, Kim K. Development of dietary behavior items available in Korea National Health and Nutrition Examination Survey. J Nutr Health 2015; 48(5): 407-418. Sohn S. Factors related to the health related quality of life in elderly women. Korean J Women Health Nurs 2009; 15(2): 99-107.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Mi Ock Yoon

소속기관 Korean Nutrition Society

주요연구분야 자연과학 > 생활과학

논문수 21 이용수 1,894

Hyun Sook Lee

소속기관 동서대학교

주요연구분야 자연과학 > 생활과학 TOP 10% 농수해양학 > 식품과학

논문수 85 이용수 8,531

Kirang Kim

소속기관 단국대학교

주요연구분야 자연과학 > 생활과학 TOP 5% 농수해양학 > 식품과학 TOP 10%

논문수 64 이용수 11,965

Jae Eun Shim

소속기관 대전대학교

주요연구분야 자연과학 > 생활과학 TOP 5% 농수해양학 > 식품과학

논문수 85 이용수 12,572

황지윤

소속기관 상명대학교

주요연구분야 자연과학 > 생활과학 TOP 5% 농수해양학 > 식품과학 TOP 5%

논문수 91 이용수 17,522

이 논문과 함께 이용한 논문

부산 거주 20대·30대 직장인의 편의점 편의식 이용 및 식품영양표시 확인 정도

한민혜 , 최기보 , 류은순 한국식품영양과학회지 2014 .02

2010 당뇨병 환자를 위한 식품교환표 개정

주달래 , 장학철 , 조영연 외 7명 한국영양학회지 2011 .12

남녀 고등학생의 식생활태도에 관한 조사 : 식사의 규칙성과 1일 식사횟수에 대하여

김금란 , 김미정 한국식품영양과학회지 2011 .02

중학생의 식품영양표시 교육경험 여부에 따른 식품영양표시에 대한 인식과 가공식품 관련 식행동

이승교 , 최정실 , 원향례 한국지역사회생활과학회 학술대회 자료집 2010 .04

대학생의 영양표시 확인 여부에 따른 영양표시에 대한 지식, 인식 및 유용성 자각 비교

이경애 , 이현진 , 박은주 한국식품영양과학회지 2010 .02

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-594-001414842

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (37)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)