J Korean Matern Child Health Search

CLOSE


J Korean Matern Child Health > Volume 30(4); 2026 > Article
지역사회 가임연령 여성의 건강취약성 유형과 예방적 건강행동: 잠재프로파일 분석

ABSTRACT

Purpose

This study aimed to identify latent profiles of health vulnerability among women of reproductive age and examine their associations with preventive health behaviors.

Methods

This secondary analysis used data from the 2025 Korea Community Health Survey and included 38,208 women aged 19-49 years. Latent profile analysis was conducted using subjective health status, perceived stress, depressive symptoms, sleep duration, walking inactivity, and body mass index as indicators. Rao-Scott adjusted F tests and complex sample logistic regression analyses were performed to examine differences among profiles and their associations with preventive health behaviors, respectively.

Results

Four latent profiles were identified: healthy group (54.2%), walking-inactivity vulnerable group (30.2%), mental health vulnerable group (13.2%), and multiple health-vulnerable group (2.5%). Significant differences across profiles were observed in health screening, cancer screening, and influenza vaccination. After adjustment for socio-demographic characteristics, the multiple health-vulnerable, walking-inactivity vulnerable, and mental health vulnerable groups were less likely to undergo health screening than the healthy group. The walking-inactivity vulnerable and mental health vulnerable groups were also less likely to receive an influenza vaccination. No significant association was found between health vulnerability profiles and cancer screening.

Conclusion

Women of reproductive age exhibited heterogeneous health vulnerability profiles with differing patterns of association with preventive health behaviors. These findings suggest the need for health promotion and preconception care strategies that account for both health vulnerability profiles and the characteristics of specific preventive health behaviors.

서 론

1. 연구의 필요성

가임연령 여성은 임신·출산 이전 단계에서의 건강상태가 향후 여성 자신의 건강뿐 아니라 임신 결과와 다음 세대의 건강에도 영향을 미친다는 점에서 중요한 모자보건 대상자로 간주된다. 세계보건기구(World Health Organization, WHO)는 가임 연령 여성(women of reproductive age)을 15-49세로 정의하고 있으며(WHO, 2016), 이 연구에서는 만 19세 이상 성인을 대상으로 하는 지역사회건강조사의 조사대상 범위를 고려하여 19-49세 여성을 가임연령 여성으로 정의하였다. 특히 가임연령 여성은 학업, 취업, 직장생활, 결혼 및 출산 준비, 양육과 가족 돌봄 등 다양한 사회적 역할과 생애주기 변화가 집중되는 시기에 해당한다(Lim & Seo, 2021). 이 시기의 건강상태와 생활습관은 여성 자신의 건강뿐 아니라 향후 임신을 준비하는 과정에서도 중요하게 고려될 필요가 있으며, 임신 전 건강관리에서는 신체적·정신적 건강상태와 생활습관 및 예방적 건강관리를 포괄적으로 다루는 접근이 강조되고 있다(Harper et al., 2023; WHO, 2013).
건강취약성(health vulnerability)은 하나의 건강문제나 위험 요인만으로 설명되기보다는 개인이 처한 다양한 건강 관련 요인이 복합적으로 작용하는 다차원적 개념으로 이해할 수 있다. 특히 모자보건 분야에서 건강취약성은 생물학적·심리적·사회경제적 및 환경적 요인 등 다양한 영역을 포함하여 개념화되어 왔으며, 대상과 연구 맥락에 따라 그 구성 요인과 측정 방법이 다양하게 적용되고 있다(Makinde et al., 2022). 따라서 가임연령 여성의 건강취약성을 파악할 때에도 개별 건강문제를 각각 평가하는 것에서 나아가 신체적·정신적 건강상태와 건강 관련 생활습관이 개인 내에서 어떠한 양상으로 함께 나타나는지를 살펴볼 필요가 있다.
가임연령 여성의 건강을 평가하는 선행연구에서도 신체적·정신적 건강상태와 건강 관련 생활습관을 함께 고려하는 접근이 제시되어 왔다. 가임연령 여성의 임신 전 건강감시를 위한 핵심지표에는 우울, 정상체중 및 권장 신체활동 등이 포함되어 있으며(Robbins et al., 2018), 최근 국내 임신준비 여성을 대상으로 한 연구에서도 우울과 함께 수면문제, 신체활동 및 BMI 등 정신적·생활습관 및 신체적 건강 특성이 함께 고려되었다(Lee et al., 2026). 또한 여성의 건강 관련 생활습관에서는 수면, 신체활동 및 좌식행동이 개인 내에서 서로 다른 형태로 군집화될 수 있음이 보고되었다(Full et al., 2019). 이러한 선행연구와 건강취약성의 다차원적 특성을 바탕으로 이 연구에서는 가임연령 여성의 건강취약성을 주관적·정신적·생활습관 및 신체적 건강 특성의 복합적 양상으로 조작적으로 정의하였다. 구체적으로 전반적인 건강인식을 반영하는 주관적 건강상태, 정신건강 특성을 반영하는 스트레스와 우울, 건강 관련 생활습관을 반영하는 수면시간과 걷기 비실천 정도, 신체적 건강 특성을 반영하는 BMI를 잠재프로파일 지표로 구성하였다. 예방적 건강행동은 질병의 조기 발견과 건강증진을 위하여 건강검진, 암 검진 및 예방접종 등을 실천하는 건강관리 행동으로 볼 수 있으며, 여성의 건강증진과 예방적 건강관리 측면에서 중요하다(Orji et al., 2012; Smail et al., 2021). 예방적 건강행동은 개인의 건강상태뿐 아니라 심리적·사회적 특성 및 건강신념 등 다양한 요인과 관련될 수 있으므로(Orji et al., 2012; Smail et al., 2021), 가임연령 여성에게 나타나는 건강취약성의 서로 다른 양상과 예방적 건강행동 간의 관련성을 함께 파악할 필요가 있다.
이러한 복합적인 건강 특성을 확인하기 위한 방법으로 최근 건강행동 연구에서는 개별 변수 간의 평균적 관계에 초점을 두는 변수중심 접근(variable-centered approach)과 달리, 유사한 특성을 공유하는 개인들을 하위집단으로 분류하는 사람중심 접근(person-centered approach)이 활용되고 있다(Howard & Hoffman, 2018). 사람중심 접근은 여러 건강 관련 특성이 개인 내에서 함께 나타나는 양상을 토대로 잠재적인 하위집단을 확인함으로써 집단 간 이질성을 파악할 수 있다는 장점이 있다(Howard & Hoffman, 2018). 실제로 여성 대상 연구에서 수면, 신체활동 및 좌식행동을 이용한 잠재프로파일 분석을 통해 서로 다른 건강행동 유형이 확인된 바 있다(Full et al., 2019). 그러나 선행연구는 주로 특정 건강행동이나 임신 전 건강지표를 개별적으로 평가하거나 일부 건강행동의 프로파일을 확인하는 데 초점을 두어 왔으며, 가임연령 여성을 대상으로 주관적·정신적·생활습관 및 신체적 건강 특성을 함께 고려하여 건강취약성의 이질적인 유형을 확인하고 이러한 유형과 예방적 건강행동의 관련성을 살펴이 연구는 제한적이다.
이에 이 연구는 지역사회건강조사 자료를 활용하여 가임연령 여성의 건강취약성 잠재프로파일 유형을 확인하고, 잠재프로파일 유형과 예방적 건강행동의 관련성을 분석함으로써 가임연령 여성의 건강취약성 특성을 고려한 건강증진 및 예방관리 전략 마련을 위한 기초자료를 제공하고자 한다.

2. 연구 목적

이 연구는 지역사회건강조사 자료를 활용하여 가임연령 여성의 건강취약성 잠재프로파일 유형을 확인하고, 잠재프로파일 유형과 예방적 건강행동 간의 관련성을 분석하기 위하여 수행되었다. 구체적인 목적은 다음과 같다.
  • (1) 가임연령 여성의 건강취약성 잠재프로파일 유형을 확인한다.

  • (2) 건강취약성 잠재프로파일 유형별 특성과 분포를 확인한다.

  • (3) 건강취약성 잠재프로파일 유형에 따른 예방적 건강행동의 차이를 확인한다.

  • (4) 인구사회학적 특성을 보정한 후 건강취약성 잠재프로파일 유형과 예방적 건강행동 간의 관련성을 확인한다.

대상 및 방법

1. 연구 설계

이 연구는 지역사회건강조사 자료를 이용하여 가임연령 여성의 건강취약성 잠재프로파일 유형을 분류하고, 잠재프로파일 유형에 따른 예방적 건강행동의 차이와 관련성을 확인하기 위한 횡단적 이차자료분석 연구이다.

2. 연구자료 및 연구 대상

이 연구에 사용된 자료는 질병관리청 지역사회건강조사 홈페이지를 통해 자료 활용 목적 및 연구 개요를 제출한 후 제공받아 활용하였다. 지역사회건강조사는 「지역보건법」 제4조에 근거하여 지역주민의 건강 수준, 건강행태 및 건강 관련 요인을 파악하기 위해 매년 실시되는 국가승인 통계조사이다. 조사는 훈련된 조사원이 표본가구를 방문하여 만 19세 이상 성인을 대상으로 일대일 면접조사를 통해 자료를 수집한다.
이 연구의 대상자는 2025년 지역사회건강조사 전체 참여자 중 여성을 선별한 후, 19-49세에 해당하는 38,407명을 연구대상으로 추출하였다. WHO에서 제시한 가임연령(women of reproductive age)의 연령 범위인 15-49세와 지역사회건강조사의 조사대상이 만 19세 이상임을 고려하여 이 연구에서는 19-49세 여성을 가임연령 여성으로 정의하였다. 이는 실제 생물학적 가임 여부나 폐경 여부를 확인하여 정의한 것이 아니라, 연령 기준에 따라 정의한 연구대상 집단을 의미한다. 이 중 잠재프로파일 분석에 사용된 6개 건강취약성 지표에 모두 유효한 응답이 있는 대상자를 분석에 포함하였으며, 최종 잠재프로파일 분석 대상자는 38,208명이었다. 예방적 건강행동 변수의 결측값은 각 결과변수를 이용한 분석에서 제외하였으며, 이에 따라 분석별 유효 표본수는 건강검진 38,202명, 암 검진 38,197명, 인플루엔자 예방접종 38,185명이었다.

3. 연구 변수

1) 일반적 특성

일반적 특성은 연령, 교육 수준, 배우자 유무, 가구 소득 및 경제활동 여부를 포함하였다. 연령은 19-29세, 30-39세, 40-49세로 구분하였다. 교육 수준은 고졸 이하와 초·대졸 이상으로 구분하였다. 배우자 유무는 배우자 있음과 배우자 없음으로 구분하였으며, 가구소득은 저소득군, 중위소득군 및 고소득군으로 재분류하였다. 경제활동 여부는 현재 경제활동을 하는 경우와 하지 않는 경우로 구분하였다. 일반적 특성 변수는 건강취약성 잠재프로파일 유형과 예방적 건강행동 간의 관련성을 분석하는 로지스틱 회귀분석에서 보정변수로 활용하였다.

2) 건강취약성 지표

이 연구에서는 주관적·정신적·생활습관 및 신체적 건강 특성이 개인 내에서 복합적으로 나타나는 상태를 건강취약성으로 조작적으로 정의하였다. 건강취약성의 다차원적 특성과 가임연령 여성의 건강 관련 선행연구를 바탕으로 건강취약성 잠재프로파일 유형을 확인하기 위하여 주관적 건강상태, 주관적 스트레스 수준, 우울 수준(Patient Health Questionnaire-9, PHQ-9), 평균 수면시간, 걷기 비실천 정도 및 체질량지수(body mass index, BMI)의 6개 지표를 사용하였다. 주관적 건강상태는 전반적인 건강인식을, 주관적 스트레스와 우울 수준은 정신적 건강 특성을, 수면시간과 걷기 비실천 정도는 건강 관련 생활습관을, BMI는 신체적 건강 특성을 반영하는 지표로 구성하였다. 각 지표는 측정척도와 단위가 상이하므로 잠재프로파일 분석에 투입하기 전에 표준화(z-score)하였다.
주관적 건강상태는 평소 자신의 건강상태에 대한 인식을 의미하며, 1점 ‘매우 좋음’에서 5점 ‘매우 나쁨’까지 측정되어 점수가 높을수록 주관적 건강상태가 좋지 않음을 의미한다. 주관적 스트레스 수준은 일상생활에서 느끼는 스트레스 정도를 의미하며, 원 조사 문항의 응답척도를 사용하여 점수가 낮을수록 스트레스 수준이 높음을 의미한다. 잠재프로파일 분석에서는 원 조사 문항의 코딩 방향을 유지한 상태에서 표준화하여 사용하였다. 다만 Fig. 1에서는 다른 건강취약성 지표와 시각적 방향을 일치시켜 해석의 용이성을 높이기 위해 지각된 스트레스의 표준화 점수 부호를 반전하여 제시하였으며, 이러한 변환은 그림 제시에만 적용되고 잠재프로파일 분석에는 적용되지 않았다. 우울 수준은 지역사회건강조사에서 PHQ-9를 이용하여 조사된 자료를 사용하였다. PHQ-9는 Kroenke 등(2001)이 개발한 9문항의 우울 증상 평가도구로 최근 2주 동안의 우울 증상을 0점(전혀 없음)에서 3점(거의 매일)까지 평가한다. 총점은 0∼27점이며, 점수가 높을수록 우울 수준이 높음을 의미한다. PHQ-9 한국어판의 타당도는 Park 등(2010)의 연구에서 확인되었다.수면시간은 평일과 주말의 하루 평균 수면시간을 이용하여 주 7일을 반영한 가중 평균 수면시간[(평일 수면시간×5+주말 수면시간×2)/7]을 산출하였으며, 연속형 변수로 분석에 사용하였다. 걷기 비실천 정도는 최근 1주일 동안 걷기를 실천한 일수를7에서 차감하여 산출하였으며, 값이 높을수록 주당 걷기 실천일수가 적음을 의미한다. 이 연구에서 이용한 걷기 실천일수만으로 중·고강도 신체활동이나 근력운동 등을 포함한 전반적인 신체활동 수준을 포괄하지 않으므로, 이를 전체 신체활동 부족으로 해석하지 않고 ‘걷기 비실천 정도’로 정의하였다. 체질량지수(body mass index [BMI])는 체중(kg)을 신장(m)의 제곱으로나누어 산출된 연속형 값을 사용하였다. 수면시간과 BMI는 건강위험과의 관계가 단순한 선형관계로 설명되기 어려운 연속형지표이므로(Aune et al., 2016; Liu et al., 2017), 취약성 방향으로 별도의 역코딩이나 범주화를 시행하지 않고 원래의 연속형값을 표준화하여 사용하였다. 잠재프로파일의 특성은 각 지표의 상대적 수준과 지표들의 조합을 종합하여 해석하였다.
Fig. 1.
Standardized mean scores of health vulnerability indicators according to latent profile type. Perceived stress scores were reverse-coded only for graphical presentation so that higher z-scores indicate greater perceived stress. Sleep duration and body mass index retain their original standardized directions; negative sleep z-scores indicate shorter sleep duration relative to the sample mean. PHQ-9, Patient Health Questionnaire-9.
jkmch-2026-30-4-205f1.jpg

3) 예방적 건강행동 변수

예방적 건강행동은 건강검진, 암 검진 및 인플루엔자 예방접종 시행 여부를 포함하였다. 건강검진과 암 검진은 최근 2년 이내 수검 여부를 기준으로 하였으며, 암 검진은 최근 2년 동안 건강에 특별한 문제가 없는 상태에서 건강상태를 알아보기 위한 목적으로 암 검진을 받은 경험 여부를 기준으로 하였다. 해당 문항은 국가암검진 대상 연령이나 대상 기준에 해당하는지를 확인하는 문항이 아니라, 조사대상자의 실제 암 검진 경험 여부를 확인하는 문항이므로 이 연구에서는 19-49세 전체 대상자의 응답을 분석에 포함하였다. ‘예’는 1, ‘아니오’는 0으로 코딩하였다. 인플루엔자 예방접종은 최근 1년간 인플루엔자 예방접종 여부를 기준으로 하였다. 각 변수는 시행한 경우를 1, 시행하지 않은 경우를 0으로 코딩하여 분석하였다. 예방적 건강행동 변수는 건강취약성 잠재프로파일 유형에 따른 차이 분석을 위한 종속변수로 활용하였으며, 건강취약성 잠재프로파일 유형과 각 예방적 건강행동 간의 관련성을 확인하기 위한 로지스틱 회귀분석의 종속변수로 사용하였다.

4. 자료 분석 방법

수집된 자료는 IBM SPSS Statistics ver. 22.0 (IBM Corp., USA)과 R ver. 4.6.0 (R Foundation for Statistical Computing, Austria)을 이용하여 분석하였다. 예방적 건강행동의 차이 및 관련성 분석에서는 지역사회건강조사의 복합표본설계를 반영하기 위하여 층화변수, 집락변수 및 개인가중치를 적용하였다. 이 연구에서는 kstrata를 층화변수, SPOT_NO를 집락변수, wt_p를 개인가중치로 설정하였다. 구체적인 분석 방법은 다음과 같다.
  • (1) 대상자의 일반적 특성, 건강취약성 지표 및 예방적 건강행동은 빈도와 백분율 또는 평균과 표준편차를 이용하여 기술하였다. 각 분석에서는 해당 변수에 유효한 응답이 있는 대상자를 포함하였다.

  • (2) 가임연령 여성의 건강취약성 잠재프로파일 유형을 확인하기 위하여 R 프로그램을 이용한 잠재프로파일 분석을 실시하였다. 분석에 사용한 6개 지표는 측정단위가 서로 다르므로 각각 z-score로 표준화한 후 잠재프로파일 분석에 투입하였다(Spurk et al., 2020). 표준화는 지표 간 측정단위의 차이를 조정하여 프로파일별 상대적 수준을 비교하기 위한 것으로, 모든 지표의 방향을 건강취약성이 높은 방향으로 일치시키기 위한 것은 아니다. 수면시간과 BMI는 건강 위험과 단순한 선형관계를 가정하기 어려운 연속형 지표이므로 (Aune et al., 2016; Liu et al., 2017), 취약성 방향으로 별도의 역코딩이나 범주화를 시행하지 않고 원래의 연속형 값을 표준화하여 사용하였다. 잠재프로파일의 특성은 각 지표의 상대적인 수준과 지표들의 조합을 종합하여 해석하였다. 잠재집단 수는 2개 집단부터 6개 집단까지 반복적으로 분석하였으며, Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), sample-size adjusted BIC (SABIC), entropy 및 Bootstrap Likelihood Ratio Test (BLRT) 결과를 종합적으로 고려하여 최적 모형을 선정하였다. 또한 잠재집단의 해석 가능성과 최소 집단 비율을 함께 고려하여 최종 잠재프로파일 유형을 결정하였다. 잠재프로파일 분석 자체에는 복합표본 가중치를 적용하지 않았으며, 도출된 잠재프로파일 유형과 예방적 건강행동 간의 차이 및 관련성 분석에서 복합표본설계를 반영하였다.

  • (3) 건강취약성 잠재프로파일 유형별 예방적 건강행동의 차이를 확인하기 위하여 복합표본설계를 반영한 Rao-Scott adjusted F test를 실시하였다. 각 예방적 건강행동 변수의 결측값은 해당 분석에서 제외하였다.

  • (4) 건강취약성 잠재프로파일 유형과 예방적 건강행동 간의 관련성을 확인하기 위하여 복합표본설계를 반영한 다변량 로지스틱 회귀분석(complex samples multivariable logistic regression analysis)을 실시하였다. 종속변수는 건강검진, 암 검진 및 인플루엔자 예방접종 시행 여부로 설정하였으며, 독립변수는 건강취약성 잠재프로파일 유형으로 설정하였다. 건강형(Class 3)을 기준집단으로 하였고, 연령, 교육 수준, 배우자 유무, 가구 소득 및 경제활동 여부를 보정변수로 투입하여 교란효과를 통제하였다. 분석 결과는 오즈비(odds ratio, OR)와 95% 신뢰구간(confidence interval, CI)으로 제시하였다.

5. 윤리적 고려

이 연구는 질병관리청 지역사회건강조사 원시자료를 활용한 이차자료분석 연구로 수행되었다. 연구자는 자료 활용 목적 및 연구 개요 등을 작성하여 지역사회건강조사 홈페이지를 통해 원시자료를 제공받아 활용하였다. 이 연구는 연구자가 소속된 전북대학교 기관생명윤리위원회의(Institutional Review Board, IRB) 심의를 거쳐 심의면제를 승인받은 후 수행되었다(IRB No. 2026-05-040). 이 연구에 사용된 자료는 개인을 식별할 수 없는 익명화 자료로 제공되었으며, 연구자는 연구윤리 지침을 준수하여 자료를 연구 목적 이외에는 사용하지 않았다.

결 과

1. 대상자의 일반적 특성

이 연구의 대상자는 총 38,208명의 가임연령 여성이었다. 연령은 40-49세가 42.7%로 가장 많았으며, 30-39세 31.7%, 19-29세 25.6% 순이었다. 교육 수준은 초·대졸 이상이 79.0%였으며, 배우자가 있는 경우가 56.9%였다. 가구 소득은 저소득군이 46.1%로 가장 높은 비율을 차지하였으며, 경제활동 참여자는 69.2%였다. 건강취약성 지표의 평균은 주관적 건강상태 2.46±0.76점, 스트레스 2.81±0.73점, PHQ-9 점수 2.48±3.35점, 수면시간 7.00±1.11시간, 걷기 비실천 정도 2.57±2.37일, BMI 22.64±3.79 kg/m2였다. 예방적 건강행동에서는 건강검진 수검률이 73.9%로 가장 높았으며, 암 검진 56.5%, 인플루엔자 예방접종 40.5% 순으로 나타났다(Table 1).
Table 1.
General characteristics, health vulnerability indicators, and preventive health behaviors of women of reproductive age (N=38,208)
Variable Value
General characteristics  
  Age group (yr)  
    19-29 9,781 (25.6)
    30-39 12,112 (31.7)
    40-49 16,315 (42.7)
Education level  
    High school or lower 8,024 (21.0)
    Junior College or higher 30,184 (79.0)
Spouse status  
    Living with spouse 21,740 (56.9)
    Without spouse 16,468 (43.1)
Household income  
    Low 17,614 (46.1)
    Middle 11,960 (31.3)
    High 8,634 (22.6)
Employment status  
    Employed 26,440 (69.2)
    Unemployed 11,768 (30.8)
Health vulnerability indicators  
    Subjective health status 2.46±0.76
    Perceived stress 2.81±0.73
    PHQ-9 score 2.48±3.35
    Sleep duration (hrs/day) 7.00±1.11
    Walking inactivity (days/wk) 2.57±2.37
    Body mass index (kg/m2) 22.64±3.79
Preventive health behaviors  
  Health screening  
    Yes 28,245 (73.9)
    No 9,957 (26.1)
Cancer screening  
    Yes 21,585 (56.5)
    No 16,612 (43.5)
Influenza vaccination  
    Yes 15,455 (40.5)
    No 22,730 (59.5)

Values are presented as number (%) or mean±standard deviation.

Missing values in preventive health behavior variables were excluded from the corresponding analysis; valid sample sizes were 38,202 for health screening, 38,197 for cancer screening, and 38,185 for influenza vaccination.

2. 건강취약성 잠재프로파일 모형 적합도

가임연령 여성의 건강취약성 잠재프로파일 유형을 확인하기 위하여 2개 집단부터 6개 집단까지의 잠재프로파일 모형을 비교하였다(Table 2). 분석 결과, 모든 모형에서 BLRT (Bootstrap Likelihood Ratio Test)가 통계적으로 유의하게 나타나(p<0.001), 집단 수가 증가함에 따라 모형 적합도가 향상되는 것으로 확인되었다.
Table 2.
Fit Indices for latent profile models (N=38,208)
No. of profiles AIC BIC SABIC Entropy BLRT (p-value) Smallest class (%)
2 627,255.07 627,418.37 627,347.84 0.939 <0.001 9.2
3 622,174.94 622,417.01 622,312.45 0.832 <0.001 7.64
4 613,881.15 614,162.00 614,040.67 0.817 <0.001 2.47
5 609,497.96 609,839.59 609,692.08 0.808 <0.001 1.09
6 606,043.03 606,445.43 606,271.74 0.801 <0.001 1.08

AIC, Akaike Information Criterion; BIC, Bayesian Information Criterion; SABIC, Sample-Size Adjusted Bayesian Information Criterion; BLRT, Bootstrap Likelihood Ratio Test.

Bold values indicate the selected latent profile model.

모형 적합도 지수 중 BIC는 2개 집단 모형에서 627,418.37, 3개 집단 모형에서 622,417.01, 4개 집단 모형에서 614,162.00으로 감소하였으며, 이후 5개 집단 모형(609,839.59)과 6개 집단 모형(606,445.43)에서도 감소하는 경향을 보였다. Entropy 는 2개 집단 모형에서 0.939, 3개 집단 모형에서 0.832, 4개 집단 모형에서 .817로 나타났으며 5개 집단과 6개 집단 모형에서는 각각 .808과 .801로 소폭 감소하였다.
이 연구에서는 정보기준과 BLRT뿐 아니라 분류 정확도, 잠재집단의 크기, 해석 가능성 및 모형의 간명성을 종합적으로 고려하여 최종 모형을 선정하였다. 3개 집단 모형에서는 건강 관련 특성이 일부 집단 내에 혼재되어 나타난 반면, 4개 집단 모형에서는 건강형, 걷기 비실천 취약형, 정신건강 취약형 및 복합 건강취약형으로 각 집단의 특성이 구분되었다. 또한 4개 집단 모형의 최소 집단 비율은 2.47%인 반면, 5개 및 6개 집단 모형에서는 최소 집단 비율이 각각 1.09%와 1.08%로 감소하여 매우 작은 잠재집단이 형성되었다. 비록 5개 및 6개 집단 모형에서 정보기준이 추가로 감소하고 BLRT가 유의하였으나, 추가 집단의 크기가 매우 작고 entropy가 감소하여 모형의 복잡성 증가에 비해 분류 및 해석 측면에서의 이점이 제한적이었다. 따라서 통계적 적합도, 잠재집단의 크기와 분류 정확도, 해석 가능성 및 간명성을 종합적으로 고려하여 4개 집단 모형을 최종 잠재프로파일 모형으로 선정하였다.

3. 건강취약성 잠재프로파일 유형 특성

최종 선정된 4개 잠재프로파일 유형의 분포는 건강형(Class 3) 20,707명(54.2%), 걷기 비실천 취약형(Class 2) 11,522명(30.2%), 정신건강 취약형(Class 4) 5,040명(13.2%), 복합 건강취약형(Class 1) 939명(2.5%)이었다. 각 잠재프로파일의 특성을 확인하기 위하여 건강취약성 지표의 표준화 점수(z-score)를 비교하였다(Fig. 1). Fig. 1에서는 시각적 해석의 일관성을 위해 지각된 스트레스의 표준화 점수만 부호를 반전하여 제시하였으며, 이는 분석에 사용된 값의 변환을 의미하지 않는다. 건강형(Class 3)은 주관적 건강상태, 스트레스, 우울 수준(PHQ-9) 및 걷기 비실천 정도가 전반적으로 낮은 특성을 보였다. 걷기 비실천 취약형(Class 2)은 걷기 비실천 정도가 가장 높게 나타난 반면, 다른 건강취약성 지표는 상대적으로 낮은 수준을 보였다. 정신건강 취약형(Class 4)은 스트레스와 우울 수준이 상대적으로 높게 나타났다. 복합 건강취약형(Class 1)은 주관적 건강상태, 스트레스 및 우울 수준이 모두 높고 수면시간은 상대적으로 부족한 특성을 보여 여러 건강취약성 지표가 동시에 높은 양상을 나타냈다(Fig. 1).

4. 건강취약성 잠재프로파일 유형에 따른 예방적 건강행동의 차이

건강취약성 잠재프로파일 유형에 따른 예방적 건강행동의 차이를 분석한 결과, Rao-Scott 보정 검정에서 건강검진(F=16.16, p<0.001), 암 검진(F=15.45, p<0.001) 및 인플루엔자 예방접종(F=7.42, p<0.001) 모두 잠재프로파일 유형에 따라 유의한 차이를 보였다(Table 3). 건강검진 가중 수검률은 걷기 비실천 취약형(Class 2)에서 74.6%로 가장 높았으며, 건강형(Class 3) 74.2%, 정신건강 취약형(Class 4) 70.8%, 복합 건강취약형(Class 1) 64.5% 순으로 나타났다. 암 검진 가중 수검률은 걷기 비실천 취약형(Class 2)에서 57.8%로 가장 높았으며, 건강형(Class 3) 53.6%, 정신건강 취약형(Class 4) 52.6%, 복합 건강취약형(Class 1) 48.9% 순으로 나타났다. 인플루엔자 예방접종 가중 시행률은 건강형(Class 3)에서 40.9%로 가장 높았으며, 걷기 비실천 취약형(Class 2) 40.3%, 정신건강 취약형(Class 4) 37.5%, 복합 건강취약형(Class 1) 34.6% 순으로 나타났다.
Table 3.
Differences in preventive health behaviors according to health vulnerability profiles
Variable  Class 1 (n=939, 2.5%) Class 2 (n=11,522, 30.2%) Class 3 (n=20,707, 54.2%) Class 4 (n=5,040, 13.2%) Rao-Scott F (p-value)
Health screening, yes 600 (64.5) 8,628 (74.6) 15,440 (74.2) 3,577 (70.8) 16.16 (<0.001)
Cancer screening, yes 476 (48.9) 6,835 (57.8) 11,520 (53.6) 2,754 (52.6) 15.45 (<0.001)
Influenza vaccination, yes 318 (34.6) 4,607 (40.3) 8,605 (40.9) 1,925 (37.5) 7.42 (<0.001)

Values are presented as number (%).

Class 1, Multiple health-vulnerable group; Class 2, Walking-inactivity vulnerable group; Class 3, Healthy group; Class 4, Mental health vulnerable group.

Rao-Scott adjusted F tests were performed considering the complex sampling design. Missing values for each preventive health behavior were excluded from the corresponding analysis. Class sizes and proportions in the column headings are based on unweighted modal class assignment.

5. 건강취약성 잠재프로파일 유형과 예방적 건강행동의 관련성

연령, 교육 수준, 배우자 유무, 가구 소득 및 경제활동 여부를 보정한 복합표본 로지스틱 회귀분석 결과(Table 4), 건강검진 수검 가능성은 건강형(Class 3)에 비해 복합 건강취약형(Class 1) (OR, 0.72; 95% CI, 0.59-0.86), 걷기 비실천 취약형(Class 2) (OR, 0.89; 95% CI, 0.83-0.95), 정신건강 취약형(Class 4) (OR, 0.81; 95% CI, 0.74-0.89)에서 모두 유의하게 낮았다. 암 검진 수검 가능성은 건강형(Class 3)과 비교하여 복합 건강취약형(Class 1), 걷기 비실천 취약형(Class 2) 및 정신건강 취약형(Class 4) 모두에서 통계적으로 유의한 차이가 나타나지 않았다. 인플루엔자 예방접종 가능성은 걷기 비실천 취약형(Class 2) (OR, 0.93; 95% CI, 0.87-0.98)과 정신건강 취약형(Class 4) (OR, 0.88; 95% CI, 0.82-0.95)에서 건강형보다 유의하게 낮았으며 복합 건강취약형(Class 1)에서는 건강형과 유의한 차이가 나타나지 않았다.
Table 4.
Associations between health vulnerability profiles and preventive health behaviors: Results from complex sample logistic regression analysis
Variable Multiple health-vulnerable group Walking-inactivity vulnerable group Mental health vulnerable group
Health screening 0.72 (0.59-0.86) 0.89 (0.83-0.95) 0.81 (0.74-0.89)
Cancer screening 0.95 (0.79-1.14) 0.95 (0.89-1.02) 0.93 (0.85-1.01)
Influenza vaccination 0.85 (0.72-1.00) 0.93 (0.87-0.98)* 0.88 (0.82-0.95)*

Values are presented as odds ratio (95% confidence interval).

Reference group: Healthy group (Class 3).

Adjusted for age, education level, spouse status, household income, and employment status.

Complex sampling design variables (strata, cluster, and sampling weights) were applied.

* p<0.05.

고 찰

이 연구는 지역사회건강조사 자료를 활용하여 가임연령 여성의 건강취약성 잠재프로파일 유형을 확인하고, 건강취약성 유형에 따른 예방적 건강행동의 차이와 관련성을 분석하기 위해 수행되었다. 분석 결과 건강형, 걷기 비실천 취약형, 정신건강 취약형 및 복합 건강취약형의 4개 잠재프로파일이 도출되었으며, 건강취약성 유형에 따라 건강검진, 암 검진 및 인플루엔자 예방접종의 분포에 유의한 차이가 있는 것으로 나타났다. 가임연령 여성은 향후 임신과 출산을 준비하는 중요한 생애주기로 이 시기의 건강상태는 여성 자신의 건강뿐 아니라 향후 임신 결과와 자녀 건강에도 영향을 미칠 수 있다. 따라서 가임연령 여성의 건강취약성을 유형화하고 예방적 건강행동과의 관련성을 파악하는 것은 모자보건 정책 및 건강증진 전략 수립을 위한 중요한 기초자료로 활용될 것으로 생각된다. 연구 결과별 구체적 논의는 다음과 같다.
첫째, 이 연구에서는 건강형, 걷기 비실천 취약형, 정신건강 취약형 및 복합 건강취약형의 4개 잠재프로파일이 도출되었으며, 건강형이 가장 많은 비율을 차지하였고 걷기 비실천 취약형이 두 번째로 높은 비율을 보였다. 특히 걷기 비실천 취약형은 다른 건강취약성 지표는 상대적으로 낮은 수준을 보인 반면, 걷기 비실천 정도가 두드러지게 높은 특성을 나타냈다. 이는 가임연령 여성에서 다른 건강지표가 비교적 양호하더라도 일상적인 걷기 실천이 상대적으로 부족한 별도의 건강취약성 프로파일이 존재할 수 있음을 보여준다. 최근 연구에서는 신체활동, 수면 및 식생활과 같은 여러 건강행동이 정신건강 및 웰빙과 상호 관련되어 있으며(Wickham et al., 2020), 다양한 건강행동이 개인 내에서 서로 다른 양상으로 군집화될 수 있음이 보고되고 있다(Rabel et al., 2019). 걷기를 포함한 규칙적인 신체활동은 건강증진을 위한 중요한 생활습관 요소이므로, 이 연구에서 확인된 걷기 비실천 특성은 가임연령 여성의 건강관리에서 함께 고려할 필요가 있다. 또한 이 연구에서 건강형이 전체 대상자의 절반 이상을 차지하였으나, 걷기 비실천 취약형, 정신건강 취약형, 복합 건강취약형 역시 전체의 상당 부분을 차지하는 것으로 나타났다. 이는 가임연령 여성 집단이 단일한 건강집단이 아니라 서로 다른 건강취약성 특성을 가진 이질적인 집단으로 구성되어 있음을 의미한다. 최근 ‘사람중심 접근’을 적용한 연구에서도 생활습관 관련 요인들이 개인 내에서 서로 다른 프로파일로 나타날 수 있으며, 이러한 프로파일이 정신건강과 관련될 수 있음이 보고되었다(Maitiniyazi et al., 2025). 따라서 가임연령 여성의 건강관리를 위해서는 평균 중심의 획일적 접근보다 건강취약성 유형을 고려한 맞춤형 접근이 필요할 것으로 생각한다.
둘째, 이 연구에서는 정신건강 취약형이 별도의 잠재프로파일로 도출되었다. 해당 집단은 스트레스와 우울 수준이 상대적으로 높고 수면시간도 평균보다 짧은 특성을 보였다. 이는 가임연령 여성에서 신체적·생활습관 관련 취약성과 구별되는 정신건강 중심의 취약성 양상이 존재할 수 있음을 보여준다. 최근 연구에서는 수면의 질 개선이 우울과 불안 등 정신건강 개선과 관련되는 것으로 보고되었으며(Scott et al., 2021), 불충분한 수면 또한 빈번한 정신적 고통과 관련되는 것으로 나타났다(Blackwelder et al., 2021). 이러한 결과는 이 연구에서 정신건강 취약형이 별도의 건강취약성 프로파일로 도출된 결과를 이해하는 데 근거를 제공한다. 특히 가임연령 여성의 스트레스와 수면 문제는 건강행동 실천 및 임신 전 건강관리 측면에서 함께 고려할 필요가 있다.
다음으로 예방적 건강행동과의 관련성을 분석한 결과, 보정 전 분포에서는 건강검진과 암 검진 수검률이 걷기 비실천 취약형에서 가장 높았고, 인플루엔자 예방접종률은 건강형에서 가장 높아 예방적 건강행동의 종류에 따라 서로 다른 양상을 보였다. 연령, 교육 수준, 배우자 유무, 가구 소득 및 경제활동 여부를 보정한 후 건강검진 수검 가능성은 건강형에 비해 복합 건강취약형, 걷기 비실천 취약형 및 정신건강 취약형에서 모두 유의하게 낮았다. 인플루엔자 예방접종 가능성은 걷기 비실천 취약형과 정신건강 취약형에서 건강형보다 유의하게 낮았으나, 복합 건강취약형에서는 유의한 차이가 없었다. 반면 암 검진 수검 가능성은 건강형과 비교하여 복합 건강취약형, 걷기 비실천 취약형 및 정신건강 취약형 모두에서 유의한 차이가 나타나지 않았다. 이는 건강취약성 유형과 예방적 건강행동 간의 관련성이 특정 방향으로 일관되게 나타나는 것이 아니라, 예방행동의 종류와 인구사회학적 특성의 보정 여부에 따라 서로 다른 양상으로 나타날 수 있음을 시사한다. 예방적 건강행동은 가임연령 여성의 건강관리와 임신 전 건강관리에서 중요하게 고려되는 요소이며, 특히 임신 전 건강관리는 위험 요인 선별, 건강증진, 예방접종 및 건강행동 개선을 통해 모성 및 영유아 건강을 향상시키는 전략으로 제시되고 있다(Harper et al., 2023; WHO, 2013). 따라서 이 연구 결과는 가임연령 여성의 예방적 건강행동을 지원하기 위해 건강취약성 유형과 예방행동의 특성을 함께 고려할 필요가 있음을 시사한다.
이 연구에서 정신건강 취약형은 건강형에 비해 건강검진 수검과 인플루엔자 예방접종 가능성이 유의하게 낮은 것으로 나타났다. 반면 암 검진에서는 건강형과 유의한 차이가 확인되지 않았다. 이러한 결과는 정신건강 취약성이 일부 예방적 건강행동의 실천과 관련될 가능성을 보여준다. 선행연구에서는 여성의 예방적 의료서비스 이용이 우울과 같은 개인의 심리적 요인뿐 아니라 인구사회학적 및 지역사회 요인과 복합적으로 관련될 수 있으며, 이러한 관련성은 예방서비스의 종류와 대상자의 특성에 따라 다르게 나타날 수 있음이 보고되었다(Veldhuis et al., 2020). 또한 우울의 자기관리에는 목표설정, 자기모니터링, 문제해결 및 건강행동 실천과 같은 다양한 자기조절 과정이 포함되는 것으로 제시되고 있다(Duggal, 2019). 이러한 선행연구를 고려할 때, 이 연구에서 정신건강 취약형의 건강검진 및 인플루엔자 예방접종 가능성이 건강형보다 낮게 나타난 결과는 가임연령 여성의 예방적 건강행동을 이해할 때 정신건강 상태와 함께 개인 및 사회환경적 특성을 종합적으로 고려할 필요가 있음을 시사한다. 따라서 정신건강 취약성을 가진 가임연령 여성의 예방적 건강행동 향상을 위해서는 정신건강 상태와 예방적 건강행동을 함께 평가하고 지원하는 통합적 접근을 고려할 필요가 있다.
한편 암 검진의 경우 복합표본 교차분석에서는 잠재프로파일 유형에 따라 유의한 차이가 나타났으나, 연령, 교육수준, 배우자 유무, 가구소득 및 경제활동 여부를 보정한 복합표본 로지스틱 회귀분석에서는 유의한 관련성이 확인되지 않았다. 이는 보정 전 나타난 집단 간 차이가 인구사회학적 특성을 고려한 후에는 유지되지 않았음을 보여준다. 실제로 국내 연구에서는 낮은 가구 소득과 교육 수준을 가진 여성에서 자궁경부암 검진의 사회경제적 격차가 보고되었으며(Shin et al., 2022), 최근 체계적 문헌고찰에서도 교육 수준은 유방암 및 자궁경부암 검진 참여와 관련되었고, 가구 소득과 혼인 상태는 자궁경부암 검진 참여와 관련된 요인으로 보고되었다(Bae et al., 2025).
따라서 가임연령 여성의 암 검진 참여를 이해하고 관련 중재를 계획할 때에는 건강취약성 유형뿐 아니라 연령 및 사회경제적 특성을 함께 고려할 필요가 있다. 특히 복합 건강취약형은 기술적 분석에서 건강검진, 암 검진 및 인플루엔자 예방접종의 시행률이 모두 가장 낮았으며, 인구사회학적 특성을 보정한 후에도 건강검진 수검 가능성이 건강형보다 유의하게 낮았다. 다만 암 검진과 인플루엔자 예방접종에서는 보정 후 건강형과 유의한 차이가 나타나지 않았다. 이러한 결과는 복합 건강취약형의 예방적 건강행동이 예방서비스의 종류에 따라 서로 다른 양상을 보일 수 있음을 보여준다. 또한 이 집단은 주관적 건강상태, 스트레스, 우울, 수면 등 여러 건강취약성 지표가 동시에 나타난다는 점에서 단일 영역보다는 여러 건강영역을 함께 고려한 지원이 필요한 집단으로 볼 수 있다. 따라서 지역사회 보건사업에서는 건강취약성 유형별 특성을 고려한 맞춤형 건강관리 전략을 마련할 필요가 있다. 걷기 비실천 취약형에는 일상생활에서의 걷기 실천을 촉진하는 전략을, 정신건강 취약형에는 스트레스와 우울 등 정신건강 상태를 평가하고 지원하는 전략을 고려할 수 있으며, 복합 건강취약형에는 신체적·정신적 건강문제를 함께 평가하는 통합적 접근을 고려할 수 있다.
WHO는 임신 이후의 관리뿐 아니라 임신 이전 단계에서의 건강관리를 모자보건 향상을 위한 핵심 전략으로 제시하고 있으며, 가임연령 여성의 건강행동과 만성질환 위험요인을 임신 전에 관리하는 것이 모성 및 영유아 건강증진에 중요하다고 강조하였다(WHO, 2013). 이 연구에서 확인된 건강취약성 유형은 가임연령 여성에게 나타나는 서로 다른 건강취약성 양상을 파악하고, 임신 전 건강관리에서 개인의 건강 특성에 따른 지원 요구를 확인하는 데 기초자료로 활용될 수 있다. 특히 정신건강 취약형에서는 건강검진과 인플루엔자 예방접종 가능성이 건강형보다 유의하게 낮았으며, 복합 건강취약형에서는 건강검진 수검 가능성이 유의하게 낮게 나타났다. 이러한 결과는 임신 전 건강관리에서 신체적 건강상태뿐 아니라 정신건강, 걷기 실천 및 예방적 건강행동을 함께 평가할 필요성을 보여준다.
이 연구는 지역사회 가임연령 여성의 건강취약성이 단일한 양상이 아니라 정신건강, 걷기 실천 및 복합적 건강위험 특성에 따라 서로 다른 잠재집단으로 구분될 수 있음을 확인하였다는 점에서 의의가 있다. 또한 건강취약성 유형에 따라 예방적 건강행동 실천 수준에 차이가 있음을 확인함으로써 가임연령 여성의 건강취약성을 개인의 다양한 건강 특성이 결합된 유형으로 이해하고, 각 유형의 특성을 고려한 건강증진 전략을 마련할 필요성을 제시하였다. 이 연구 결과는 지역사회 기반 여성건강증진사업과 모자보건 정책 수립을 위한 기초자료로 활용될 수 있을 것으로 기대된다.
이 연구의 제한점은 다음과 같다. 첫째, 이 연구는 횡단적 조사자료를 활용하였으므로 건강취약성 잠재프로파일 유형과 예방적 건강행동 간의 인과관계나 시간적 선후관계를 확인하는 데 한계가 있다. 이에 이 연구의 결과는 인과관계가 아닌 관련성의 관점에서 해석할 필요가 있으며, 향후 종단자료를 활용하여 건강취약성 유형의 변화와 예방적 건강행동 간의 관계를 확인할 필요가 있다. 둘째, 지역사회건강조사의 자가보고 자료를 이용하였으므로 건강상태와 건강행동에 대한 회상오류 및 사회적 바람직성에 따른 응답편향 등 측정오차의 가능성을 배제할 수 없다. 또한 이차자료분석의 특성상 건강취약성을 구성하는 변수는 원 조사에서 수집된 항목의 범위 내에서 선정되었으므로 건강취약성의 모든 측면을 포괄하지 못했을 가능성이 있다. 셋째, 걷기 비실천 정도는 최근 1주일간의 걷기 실천일수를 바탕으로 산출한 지표로, 중·고강도 신체활동이나 근력운동 등을 포함한 전반적인 신체활동 수준을 반영하지 못한다. 넷째, 암 검진 변수는 최근 2년간 암 검진 경험 여부를 측정한 것으로, 암종별 국가암검진 대상 연령이나 개인별 검진 적응 여부를 구분하지 못하였다. 따라서 건강취약성 유형과 암 검진의 관련성은 이러한 측정 특성을 고려하여 해석할 필요가 있다. 다섯째, 이 연구에서 확인된 잠재프로파일은 2025년 지역사회건강조사에 참여한 19-49세 여성의 자료와 선정된 지표에 기반한 경험적 분류이므로, 다른 자료와 집단에서 동일한 유형이 재현되는지 확인할 필요가 있다. 이러한 제한점에도 불구하고, 이 연구는 대규모 지역사회 기반 자료를 활용하여 가임연령 여성의 건강취약성을 단일 요인이 아닌 다차원적 프로파일로 파악하고, 각 유형과 예방적 건강행동의 관련성을 복합표본설계를 고려하여 분석하였다는 점에서 의의가 있다.

결 론

이 연구는 지역사회건강조사 자료를 활용하여 가임연령 여성의 건강취약성 잠재프로파일 유형을 확인하고, 건강취약성 유형에 따른 예방적 건강행동의 차이를 분석하였다. 분석 결과 건강형, 걷기 비실천 취약형, 정신건강 취약형 및 복합 건강취약형의 4개 잠재프로파일이 도출되었으며, 건강취약성 유형에 따라 건강검진, 암 검진 및 인플루엔자 예방접종의 분포에 유의한 차이가 있는 것으로 나타났다. 인구사회학적 특성을 보정한 후 건강검진 수검 가능성은 세 취약형 모두에서 건강형보다 유의하게 낮았으며, 인플루엔자 예방접종 가능성은 걷기 비실천 취약형과 정신건강 취약형에서 유의하게 낮았다. 반면 암 검진은 보정 후 잠재프로파일 유형과 유의한 관련성이 나타나지 않았다. 건강취약성 유형과 예방적 건강행동의 관련성이 예방행동의 종류에 따라 다르게 나타날 수 있다는 점에서 가임연령 여성 건강관리에 있어 획일적인 접근보다는 각 건강취약성 유형의 특성을 고려한 건강관리 접근이 필요함을 시사한다. 따라서 지역사회 모자보건사업에서는 걷기 비실천 취약형의 일상생활 속 걷기 실천을 지원하고, 정신건강 취약형의 스트레스와 우울 등 정신건강 상태를 평가·지원하며, 복합 건강취약형에서는 신체적·정신적 건강문제를 함께 고려하는 통합적 건강관리 접근을 모색할 필요가 있다. 또한 가임연령 여성의 건강취약성 유형과 예방적 건강행동을 함께 고려하여 건강검진과 예방접종 참여를 지원하고, 임신 전 건강관리와 연계한 생애주기 기반 여성건강증진 전략을 마련할 필요가 있다.

Notes

이해상충(CONFLICT OF INTEREST)

저자는 이 논문과 관련하여 이해관계의 충돌이 없음을 명시합니다.

REFERENCES

Aune D, Sen A, Prasad M, Norat T, Janszky I, Tonstad S, et al. BMI and all cause mortality: Systematic review and non-linear dose-response meta-analysis of 230 cohort studies with 3.74 million deaths among 30.3 million participants. BMJ 2016;353:i2156.https://doi.org/10.1136/bmj.i2156
crossref pmid pmc
Bae S, Kang YJ, Ahn J, Jang BH, Choi KS, Lee HJ, et al. Socioeconomic factors affecting breast and cervical cancer screening compliance in Asian National Cancer Centers Alliance countries: a systematic review. Epidemiol Health 2025;47:e2025050.https://doi.org/10.4178/epih.e2025050
crossref pmid pmc
Blackwelder A, Hoskins M, Huber L. Effect of inadequate sleep on frequent mental distress. Prev Chronic Dis 2021;18:e61.https://doi.org/10.5888/pcd18.200573
crossref
Duggal HS. Self-management of depression: beyond the medical model. Perm J 2019;23:18-295. https://doi.org/10.7812/TPP/18-295
crossref pmid pmc
Full KM, Moran K, Carlson J, Godbole S, Natarajan L, Hipp A, et al. Latent profile analysis of accelerometer-measured sleep, physical activity, and sedentary time and differences in health characteristics in adult women. PLoS One 2019;14:e0218595.https://doi.org/10.1371/journal.pone.0218595
crossref pmid pmc
Harper T, Kuohung W, Sayres L, Willis MD, Wise LA. Optimizing preconception care and interventions for improved population health. Fertil Steril 2023;120(3 Pt 1): 438-48. https://doi.org/10.1016/j.fertnstert.2022.12.014
crossref pmid
Howard MC, Hoffman ME. Variable-centered, person-centered, and person-specific approaches: where theory meets the method. Organ Res Methods 2018;21:846-76. https://doi.org/10.1177/1094428117744021
crossref
Kroenke K, Spitzer RL, Williams JB. The PHQ-9: validity of a brief depression severity measure. J Gen Intern Med 2001;16:606-13. https://doi.org/10.1046/j.1525-1497.2001.016009606.x
crossref pmid pmc
Lee HJ, Shin W, Han JY, Choi HZ, Kang J, Woo SY. Depressive symptoms and associated factors among women preparing for pregnancy: a population-based study from the Seoul metropolitan preconception health management program. BMC Womens Health 2026;26:320.https://doi.org/10.1186/s12905-026-04506-y
crossref pmid pmc
Lim BI, Seo HR. The relationship between women's family values and their intention to get married and have children. Health Soc Welf Rev 2021;41:123-40. https://doi.org/10.15709/hswr.2021.41.2.123
crossref
Liu TZ, Xu C, Rota M, Cai H, Zhang C, Shi MJ, et al. Sleep duration and risk of all-cause mortality: a flexible, non-linear, meta-regression of 40 prospective cohort studies. Sleep Med Rev 2017;32:28-36. https://doi.org/10.1016/j.smrv.2016.02.005
crossref pmid pmc
Maitiniyazi G, Dilimulati M, Abulaiti R, Nijiati Z, Tuergong N, Ma T, et al. Clustering of lifestyle factors and the relationship with mental health among college students: a latent profile analysis. BMC Public Health 2025;25:3181.https://doi.org/10.1186/s12889-025-24501-6
crossref pmid pmc
Makinde OA, Uthman OA, Mgbachi IC, Ichegbo NK, Sule FA, Olamijuwon EO, et al. Vulnerability in maternal, new-born, and child health in low- and middle-income countries: findings from a scoping review. PLoS One 2022;17:e0276747.https://doi.org/10.1371/journal.pone.0276747
crossref pmid pmc
Orji R, Vassileva J, Mandryk R. Towards an effective health interventions design: an extension of the health belief model. Online J Public Health Inform 2012;4:ojphi.v4i3.4321., https://doi.org/10.5210/ojphi.v4i3.4321
crossref pmid
Park SJ, Choi HR, Choi JH, Kim KW, Hong JP. Reliability and validity of the Korean version of the Patient Health Questionnaire-9 (PHQ-9). Anxiety Mood 2010;6:119-24.

Rabel M, Laxy M, Thorand B, Peters A, Schwettmann L, Mess F. Clustering of health-related behavior patterns and demographics: results from the population-based KORA S4/F4 cohort study. Front Public Health 2019;6:387.https://doi.org/10.3389/fpubh.2018.00387
crossref pmid pmc
Robbins CL, D'Angelo D, Zapata L, Boulet SL, Sharma AJ, Adamski A, et al. Preconception health indicators for public health surveillance. J Womens Health (Larchmt) 2018;27:430-43. https://doi.org/10.1089/jwh.2017.6531
crossref pmid pmc
Scott AJ, Webb TL, Martyn-St James M, Rowse G, Weich S. Improving sleep quality leads to better mental health: a meta-analysis of randomized controlled trials. Sleep Med Rev 2021;60:101556.https://doi.org/10.1016/j.smrv.2021.101556
crossref pmid pmc
Shin HY, Lee YY, Song SY, Park B, Suh M, Choi KS, et al. Trends in cervical cancer screening rates among Korean women: results of the Korean National Cancer Screening Survey, 2005-2020. J Gynecol Oncol 2022;33:e39.https://doi.org/10.3802/jgo.2022.33.e39
crossref pmid pmc
Smail E, Schneider KE, DeLong SM, Willis K, Arrington-Sanders R, Yang C, et al. Health beliefs and preventive behaviors among adults during the early COVID-19 pandemic in the United States: a latent class analysis. Prev Sci 2021;22:1013-22. https://doi.org/10.1007/s11121-021-01273-0
crossref pmid pmc
Spurk D, Hirschi A, Wang M, Valero D, Kauffeld S. Latent profile analysis: a review and “how to” guide of its application within vocational behavior research. J Vocat Behav 2020;120:103445.https://doi.org/10.1016/j.jvb.2020.103445
crossref pmc
Veldhuis CB, Maki P, Molina K. Psychological and neighborhood factors associated with urban women's preventive care use. J Behav Med 2020;43:346-64. https://doi.org/10.1007/s10865-019-00122-4
crossref pmid pmc
Wickham SR, Amarasekara NA, Bartonicek A, Conner TS. The big three health behaviors and mental health and well-being among young adults: a cross-sectional investigation of sleep, exercise, and diet. Front Psychol 2020;11:579205.https://doi.org/10.3389/fpsyg.2020.579205
crossref pmid pmc
World Health Organization. Preconception Care: Maximizing the Gains for Maternal and Child Health. Geneva: World Health Organization; 2013.

World Health Organization. World health statistics 2016: monitoring health for the SDGs, sustainable development goals. Geneva: World Health Organization; 2016.



ABOUT
BROWSE ARTICLES
EDITORIAL POLICY
FOR CONTRIBUTORS
Editorial Office
College of Nursing, Chungnam National University
266 Munwha-ro, Jung-gu, Daejeon 35015, Korea
Tel: +82-42-580-8324    E-mail: editors@ksmch.or.kr                

Copyright © 2026 by The Korean Society of Maternal and Child Health.

Developed in M2PI

Close layer
prev next