교대근무 소방공무원의 주간졸림 위험 요인에 대한 탐색적 연구

Abstract

본 연구는 머신러닝 기법을 활용하여 교대근무하는 소방공무원을 대상으로 주간졸림의 위험 요인을 탐색하고자 하였다. 오프라인 및 온라인 설문을 통해 교대근무 중인 소방공무원 136명(연령 평균 38.1±8.7세, 남성 86.8%)을 대상으로 인구통계학적 정보(연령, 성별, BMI(Body Mass Index), 결혼 상태, 교대근무 기간), 자기보고식 질문지(주간졸림, 악몽 심각도, 불면증 심각도, posttraumatic stress disorder(PTSD) 증상, 우울 증상), 그리고 수면 일지(수면 잠복기, 입면 후 각성 횟수, 입면 후 각성 시간, 수면 효율)를 수집하였다. 연구 참여자 중 42명(30.9%)이 주간졸림 고위험군으로 분류되었다. 수집한 지표를 바탕으로 주간졸림 고위험군을 분류하는 XGBoost 분류 모델을 생성하였다. 가장 높은 성능을 보이는 모델의 정확도는 75.6%, 민감도는 42.8%, 특이도는 82.3%였다. AUC 값은 0.71로 중간 정도의 정확도를 나타냈다. 주간졸림 고위험군 분류의 주요 요인은 수면 효율(기여도 26.1%), 연령(20.6%), 악몽 심각도(20.4%), BMI(10.4%)였다. 다중 로지스틱 회귀분석 결과, BMI(OR = 1.182, p < .05)와 악몽 심각도(OR = 1.110, p < .01)가 주간졸림 고위험군 여부에 유의미한 정적 영향을 미치는 것으로 나타났다. 본 연구 결과는 교대근무자의 주간졸림 위험 요인을 확인하였음에 의의를 가지며, 교대근무자의 주간졸림을 개선하는 데 있어 수면 효율 및 악몽 증상의 관리와 연령 및 BMI를 고려한 맞춤형 수면 개입의 필요성을 제안하였다.|This study aimed to explore the risk factors for daytime sleepiness in shift working firefighters using machine learning methods. Through offline and online surveys, demographic information (age, gender, body mass index (BMI), marital status, and years of shift work service), self-report questionnaires (daytime sleepiness, nightmare severity, insomnia severity, posttraumatic stress disorder (PTSD) symptoms, and depressive symptoms), and sleep diaries (sleep onset latency, number of awakenings, wake after sleep onset, and sleep efficiency) were collected from 136 shift working firefighters (38.1±8.7 years, 86.8% male). Forty-two (30.9%) of the study subjects were at-risk group for daytime sleepiness. Based on the collected indicators, we created XGBoost classification models to classify the risk group for daytime sleepiness. The best performing model had an accuracy of 75.6%, sensitivity of 42.8%, and specificity of 82.3%. The AUC value was 0.71, indicating moderate accuracy. The main factors in the classification model were sleep efficiency (26.1% contribution to model), age (20.6%), nightmare severity (20.4%), and BMI (10.4%). Multiple logistic regression analysis showed that BMI (OR = 1.182, p < .05) and nightmare severity (OR = 1.110, p < .01) had a significant positive effect on the risk group for daytime sleepiness. This study holds great significance as it identifies risk factors for daytime sleepiness in shift workers. The study’s limitations and recommendations for further research were discussed, highlighting the need to manage sleep efficiency and nightmare symptoms, and customize sleep interventions that consider age and BMI, to prevent daytime sleepiness in shift workers.