Cancer incidence attributable to dietary factors in Korea

Ji Hyun Kim; Minhee Cho; Jung Eun Lee; Jeongseon Kim

doi:10.5124/jkma.2025.68.2.108

J Korean Med Assoc > Volume 68(2); 2025 > Article

식이요인의 암 발생 기여위험도

Focused Issue of This Month

Cancer Cause and Primary Prevention

J Korean Med Assoc 2025; 68(2): 108-120.

Published online: February 10, 2025

DOI: http://dx.doi.org/10.5124/jkma.2025.68.2.108

식이요인의 암 발생 기여위험도

김지현¹, 조민희², 이정은^2,³, 김정선¹

¹국립암센터 국제암대학원대학교

²서울대학교 생활과학대학 식품영양학과

³서울대학교 생활과학대학 생활과학연구소

Cancer incidence attributable to dietary factors in Korea

Ji Hyun Kim, MPH¹

, Minhee Cho, BS²

, Jung Eun Lee, ScD^2,³

, Jeongseon Kim, PhD¹

¹National Cancer Center Graduate School of Cancer Science and Policy, National Cancer Center, Goyang, Korea

²Department of Food and Nutrition, College of Human Ecology, Seoul National University, Seoul, Korea

³Research Institute of Human Ecology, Seoul National University, Seoul, Korea

Corresponding author: Jung Eun Lee, Jeongseon Kim E-mail: jungelee@snu.ac.kr, jskim@ncc.re.kr

^*Ji Hyun Kim and Minhee Cho contributed equally to this study as cofirst authors.

Received January 13, 2025 Accepted February 13, 2025

This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons.org/licenses/by-nc/4.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

Abstract

Background: The population attributable fraction (PAF) indicates the proportion of disease cases in a given population that can be attributed to a specific factor, assuming a causal relationship. In other words, it quantifies the extent to which that factor contributes to disease occurrence. PAF calculation methods have been applied to studies factors and several, studies have reported PAFs for dietary contributors to overall or specific cancer risks. Our team has conducted several PAF studies and presents findings on the contributions of dietary factors to cancer risk in the Korean population.
Current Concepts: For colorectal cancer, the PAF of dietary factors is 34.9%, with insufficient whole grain intake contributing the largest share (16.6%). For gastric cancer, dietary factors have a PAF of 18.6%, with excessive intake of salted vegetables contributing the most (16.0%). Notably, the PAFs for inadequate whole grain and milk consumption were higher than those reported in previous studies, while the PAFs for other dietary factors fell within the expected range. These findings emphasize the need to prioritize interventions that effectively reduce the diet-attributable cancer burden.
Discussion and Conclusion: Country-specific PAF estimates are crucial for developing effective cancer prevention strategies tailored to the Korean population. To better apply dietary PAF estimates, future studies should (1) integrate data from existing and ongoing cohort studies to determine Korea-specific relative risks, (2) estimate dietary prevalence using assessment tools that capture long-term dietary habits, and (3) establish optimal intake levels specific to the Korean context.

Key Words: Epidemiologic methods; Neoplasms; Incidence; Diet; Epidemiology

찾아보기말: 역학적 방법론; 신생물; 발생률; 식이; 역학

서론

인구집단기여위험분율(population attributable fraction, PAF)은 전체 관심 인구집단에서 발생한 질병이 특정 요인과의 인과성(causality)이 있다고 보고, 특정 요인이 질병 발생에 기여한 정도를 의미한다[1,2]. 이는 해당 인구집단 내(예, 한국인)에서 특정 노출요인위험이 제거되었을 경우, 질병 부담이 감소하는 정도를 나타낸다. PAF는 어떤 질병 사례도 해당 사람이 위험요인에 노출되지 않았다면 노출에 의해 어떤 질병 사례도 발생할 수 없다는 가정을 기반으로 한다. 예를 들어 해당 인구집단의 대장암 발생 위험에서 식이섬유를 낮게 섭취하는 요인의 PAF가 20%라고 한다면, 이는 그 인구집단에서 낮은 식이섬유 섭취 때문에 발생한 대장암이 전체 대장암의 20%가 된다는 것을 의미한다. 즉, 이 집단에서 식이섬유 섭취를 기준 이상으로 높인다면 대장암 발생의 20%를 줄일 수 있다는 뜻이다.

PAF는 다음과 같은 식(식 1)으로 나타낸다. 이는 위험발생률의 차이(risk difference)를 고려한 값이다. 즉, PAF는 전체 인구의 위험과 노출되지 않은 집단의 위험 간의 차이를 나타내며, 이는 전체 인구에서 노출과 연관된 초과위험(excess risk)을 의미한다. 만약 노출요인과 질병과의 관계가 인과성이 있다고 가정한다면, 노출이 없게 되면 전체 인구에서 위험요인으로 인한 질병 발생이 감소할 것으로 예상할 수 있다.

(식 1)

PAF=C∗C=I−I0I

C: 해당 전체 인구집단에서 발생한 질병 수

C*: 특정 요인이 기여하여 발생한 질병 수

I: 해당 전체 인구집단의 질병발생률

I₀: 특정 요인이 없을 경우 해당 전체 인구집단의 질병발생률

상대위험도(relative risk)를 알고 있을 경우, Levin이 제시한 바와 같이 다음과 같은 식(식 2)으로 나타낼 수 있다[3].

(식 2)

PAF=I−I0I=P(RR−1)P(RR−1)+1

I: 해당 전체 인구집단의 질병발생률

I₀: 특정 요인이 없을 경우 해당 전체 인구집단의 질병발생률

P: 노출요인 노출률

RR: 상대위험도

예로 식이섬유를 적게 먹는 집단의 비율이 40%이고, 식이섬유를 적게 먹을 경우 그렇지 않은 경우에 비해 질병이 발생하는 상대위험도가 1.33이라면 다음과 같이 식(식 3)을 완성하여 PAF를 산출할 수 있다.

(식 3)

PAF=0.40∗(1.33−1)0.40∗(1.33−1)+1=12%

이를 해석하면 식이섬유 섭취가 질병을 낮추는 인관성이 있다는 가정하에, 이 인구집단에서 발생한 질병의 12%는 낮은 식이섬유 섭취 때문에 발생하였고, 이는 이 인구집단에서 식이섬유 섭취를 기준 이상으로 높인다면 질병 발생의 12%를 줄일 수 있다는 것을 의미한다.

PAF는 같은 상대위험도를 적용하더라도, 노출위험요인의 섭취수준 즉 노출률(위 식에서는 P)에 따라 달라지므로, 집단마다 다른 값을 가지게 된다. 예로 사망과 장애보정생존연수(disability-adjusted life year)를 결과요인으로 봤을 때, 식이섬유 섭취량이 낮은 동남아시아(Southeast Asia)가 낮은 식이섬유 섭취로 인한 PAF가 높고, 식이섬유 섭취량이 상대적으로 높은 동아시아(East Asia)는 PAF가 더 낮다[4]. 따라서, PAF는 우선순위 위험요인을 선별할 때 활용될 수 있다. 연구자나 정책 결정자는 관심 질병의 중요 노출위험요인들의 PAF를 산출하여, PAF가 높거나 증가한 경우 우선적으로 감소시키거나 제거할 노출요인으로 선정하여 적극적인 중재나 정책을 계획할 수 있다. 또한, 특정 노출요인이 제거되었을 때 예방할 수 있는 질병 부담을 추정함으로써 현실적이고 측정 가능한 공중보건 목표를 설정할 수 있다. 위험요인 감소 중재에 따른 질병 감소 정도를 예측할 수 있으므로 비용 효과 분석, 정책 효과 평가에 활용될 수 있다.

위험요인 중 식이요인과 관련해서는, 특히 국가별 식사 패턴과 식이요인의 섭취량이 다르므로, 각 국가의 상황에 맞는 PAF 추정이 필요하다. 그러나 국내에서는 암 발생 위험 및 예방 요인으로 제시된 다양한 식이요인의 PAF 연구는 부족하며, 기존 연구는 주로 육류 섭취와 대장암 발생에 초점을 맞추고 있었다[5]. 이러한 배경을 바탕으로, 본 연구진은 리뷰를 통해 연구자들에게 PAF의 개념을 설명하고, 본 연구진이 한국인의 위암 및 대장암 발생과 관련된 개별 및 통합된 식이요인의 PAF를 추정하여 발표한 결과를 고찰하였다. 또한, 국내외 기존 연구와 비교하여 중재가 필요한 주요 식이요인을 탐색하고, 향후 국내 PAF 연구의 방향을 제시하는 것을 목표로 한다.

PAF 산출 방법

PAF는 다음과 같은 과정을 통해 산출할 수 있다(Figure 1).

1. 암 관련 식이요인 선정

PAF를 산출하기 위해 우선 암 관련한 식이요인을 선정하는 과정이 필요하다. 예를 들어 세계암연구재단/미국암연구소(World Cancer Research Fund/American Institute for Cancer Research)의 지속업데이트사업(Continuous Update Project)에서 제시하는 암과 관련하여 확실한(convincing) 또는 가능성 있는(probable) 근거에 해당하거나, 국제암연구소(International Agency for Research on Cancer) 발암물질 평가보고서에서 제시하고 있는 근거 중, 발암물질 등급 1군(carcinogenic to humans)에서 충분한(sufficient) 근거에 해당하는 식이요인을 종합적으로 선정할 수 있다[6-8]. 대장암의 경우 세계암연구재단/미국암연구소의 지속업데이트사업에서 대장암 위험 증가의 확실한 근거에 해당하는 가공육, 가능성 있는 근거에 해당하는 적색육, 위험 감소의 가능성 있는 근거에 해당하는 전곡류, 식이섬유, 칼슘 보충제, 유제품을 관련 식이요인으로 선정할 수 있다[7,9]. 이 중 가공육은 국제암연구소 발암물질 분류 기준에 따르면 1군에 해당되는 식이요인이기도 하다. 위암의 경우 위험 증가의 가능성 있는 근거에 해당하며 국제암연구소 발암물질 등급 1급에 해당하는 염장식품(절인 채소, 절인 해산물)을 식이요인으로 선정할 수 있다[7,10].

2. 암 관련 식이요인의 이상적인 섭취수준 설정

암 관련 식이요인을 선정한 후 노출률을 계산하기 위해, 해당 식이요인의 적정 섭취 범위와 이상적인 섭취 분포를 설정해야 한다. 이상적인 섭취수준은 각 식이요인이 암 발생과 최소한의 연관성을 가지는 노출수준을 의미하며, 이를 설정함으로써 현실적 식이 섭취수준과 비교하여 노출의 위험도를 평가할 수 있다. 구체적으로, 세계 질병 부담(global burden of disease, GBD) 연구에서 제안하는 적정 섭취 기준(optimal level of intake)을 이용하거나, 각 문헌의 비교군(reference group)의 절단값(cut-off value)에 대하여 평균값을 산출하여 이상적 섭취 분포를 설정할 수 있다[8,11]. 예를 들어, GBD 연구에서 제시하는 각 식품군 별 적정 섭취 기준은 적색육 18-27 g/일, 가공육 0-4 g/일, 우유 350-520 g/일, 전곡류 100-150 g/일, 식이섬유 19-28 g/일이다[11]. 절인 채소와 절인 해산물 등과 같이 GBD 연구에서 적정 섭취 기준을 제시하지 않는 경우 세계암연구재단/미국암연구소에서 강한 또는 가능성 있는 근거가 있다고 제시한 암과 식이요인의 관계에 대한 연관성을 고찰한 연구들을 선별하고, 연구마다 해당 식이요인의 비교군에 해당하는 섭취량의 평균값을 산출하여 적정 섭취 기준으로 사용할 수 있다. 적정 섭취 기준 및 이상적 섭취 분포의 예는 Table 1과 같다.

3. 암 관련 식이요인의 섭취 분포 및 노출률 추정

암 발생에 대한 PAF를 추정하기 위해서는 식이요인의 섭취부터 암 발생까지의 잠복기를 고려하여 섭취 분포 및 노출률을 추정해야 한다. 이는 대상 인구의 실제 섭취량을 평가하여 각 식이요인의 평균섭취량 및 분포를 기반으로 암 발생 위험도를 계산하기 위함이다. 식이요인이나 생활습관요인에 의해 발생하는 암의 잠복기는 식이요인의 섭취부터 암 발생까지 10-20년이므로 10년 이상의 잠복기를 고려해야 한다. 예를 들어 암 발생에 대한 PAF를 추정하기 위해 우리나라 국민의 식이요인 섭취의 평균섭취량 및 노출률 정보가 필요한 경우, 국민의 대표성을 지닌 국민건강영양조사[12,13]의 24시간 회상법을 활용하는 방법이 있다. 향후 발생할 암의 PAF (예, 2030년)을 추정하는 경우, 연령 표준화 및 선형 회귀분석을 통해 예측 노출률을 산출할 수 있다.

4. 체계적인 문헌 고찰 및 메타분석을 통한 상대위험도 추정

체계적인 문헌 고찰 및 메타분석을 통해 각 요인과 암의 용량-반응 관계를 파악하고 통합된 상대위험도를 추정할 수 있다. 이를 위해서는 명확한 기준과 절차를 수립하여 데이터를 수집하고 분석해야 한다. 먼저, 문헌 검색은 Meta-analysis of Observational Studies in Epidemiology (MOOSE) 지침과 같은 관찰 연구 메타분석의 보고 지침에 따라 수행하며, PubMed, Embase, KoreaMed와 같은 데이터베이스를 활용하고 적절한 키워드와 검색 기간을 설정해야 한다[14]. 문헌 선정 과정에서는 제목과 초록을 검토하고 초기 후보를 선별하고, 본문 검토를 통해 포함 기준에 부합하는 문헌을 최종 선정해야 한다. 포함 기준은 특정 식이요인과 암 발생 간의 관계를 명확히 분석한 문헌, 상대위험도와 신뢰구간을 산출할 수 있는 데이터를 포함한 문헌, 인간 대상 연구로 제한된 문헌 등으로 설정할 수 있다.

문헌의 질 평가는 Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) [15], Newcastle-Ottawa scale (NOS) [16], Cochrane Risk of Bias [17] 등과 같은 평가도구 등을 사용하며, 이를 통해 선택된 문헌의 신뢰성을 확보해야 한다. 메타분석으로 통합된 용량-반응 관계 상대위험도나 범주화한 상대위험도를 산출한다. 용량-반응 관계 분석을 위해 각 식이요인의 섭취량 변화에 따른 상대위험도를 평가하며, 이때 1회 제공량은 세계암연구재단이 용량-반응 관계 위험도 산출에 사용한 값 또는 한국인 영양소 섭취 기준을 참고할 수 있다. 연구 간 이질성은 Higgin’s I² 통계량과 Cochrane’s Q 검정을 사용하여 분석할 수 있다[18,19]. 출판 편향은 Egger’s test와 같은 분석 방법을 통해 평가하며, 민감도 분석을 통해 결과의 안정성(robustness)을 확인할 수 있다[20].

5. PAF 산출

암 발생에 대한 특정 식이요인의 PAF를 추정하려면 먼저 암 발생 자료와 식이요인의 노출률 및 상대위험도를 기반으로 분석을 설계해야 한다. 이는 식이요인이 암 발생과 인과적 관계를 가진다는 가정 하에 검증할 수 있으며, 다음과 같은 적분 방법(식 4)을 이용할 수 있다.

(식 4)

PAF=∫x=0mRR(x)P(x)dx−∫x=0mRR(x)P′(x)dx∫x=0mRR(x)P(x)dx

x: 해당 식이요인의 섭취수준

m: 해당 식이요인의 최대 섭취수준

RR(x): 식이요인 섭취수준 x에 대한 상대위험도

P(x): 해당 식이요인의 실제 섭취 분포

P’(x): 해당 식이요인의 이상적인 섭취 분포(counterfactual distribution)

분석 과정에서는 식이요인의 섭취 분포를 실제 섭취 분포 P(x)와 이상적인 섭취 분포 P’(x)로 구분하여 정의한다. 실제 섭취 분포는 평균 및 표준편차를 활용해 절단된 정규분포로 가정하고, 이상적인 섭취 분포는 평균값의 ±20%의 범위를 가지는 균등분포로 설정한다. 이러한 분포를 기반으로 상대위험도 RR(x)와 섭취수준 x 간의 관계를 적분하여 PAF를 계산한다.

PAF의 95% 신뢰구간은 몬테카를로 방법(Monte Carlo method)을 활용할 수 있으며, 상대위험도는 로그정규분포를 가정하고 노출률은 고정된 상태로 유지한다. 무작위 시뮬레이션(예로 10,000번 반복)을 통해 PAF 값의 분포를 생성하고 이 중 5%와 95%에 해당하는 값을 신뢰구간으로 산출한다[21,22].

또한, 연속형으로 고려되는 식이요인의 특성을 반영하여 다음과 같은 변형된 Levin’s 공식(식 5)을 사용할 수 있다[3].

(식 5)

PAF=P(eβ∗ dose −1)P(eβ∗ dose −1)+1

P: 각 식이요인의 노출률

β: 단위섭취량 증가 당 log (상대위험도)

dose: 각 식이요인의 평균섭취량

이와 같이 개별 식이요인의 PAF를 추정한 후, 다음과 같은 공식(식 6)을 사용하여 모든 식이요인의 암에 대한 PAF를 추정할 수 있다[23,24].

(식 6)

PAF=1-∏i=1n(1-PAFi)

i: 각 식이요인

n: 식이요인의 개수

민감도 분석은 결과의 안정성을 확인하기 위해 수행하는 것이 바람직하다. 민감도 분석의 예를 다음과 같이 몇 가지 들 수 있다. 첫째 예, 상대위험도를 구할 때 일부 연구를 제외하여 산출한 상대위험도를 사용하여 PAF를 재계산할 수 있다. 둘째 예, 잠복기를 변경하여 식이요인 노출률을 재계산할 수 있다. 셋째 예, 다른 PAF를 분석방법을 적용하여 재계산할 수 있다. 넷째 예, 국제암연구소 발암물질 등급 2A군을 포함하여 PAF를 재계산할 수 있다. 다섯째 예, 노출률를 산출하기 위한 식이요인의 절단값을 변경하여 PAF를 재계산할 수 있다. 그 외에도 연구자의 필요에 따라 다양한 민감도 분석을 수행할 수 있다.

6. 암 기여 발생자 수 산출

최종적으로, PAF를 실제 암 발생자 수와 곱하여 특정 식이요인으로 인한 기여 발생자 수(attributable case, AC)를 추정할 수 있다. 암 발생 자료는 신뢰할 수 있는 중앙암등록본부와 같은 공식 자료를 이용하여 연령별, 성별, 전체 암 발생자 수를 추출해야 한다. 기여 발생자 수는 다음과 같은 방법(식 7)으로 계산할 수 있다.

(식 7)

AC = PAF × Case N

PAF: 인구집단기여위험분율

Case N: 해당 인구집단에서의 전체 암 발생자 수

예를 들어, 대장암에 대해 남성의 PAF는 20%, 여성의 경우 10%이며, 대장암 발생자 수는 남성은 100명, 여성은 150명이라고 하자. 이때, 기여 발생자 수는 남성, 여성 각각 AC=0.2×100=20명, AC=0.1×150=15명으로 계산할 수 있다. 전체 인구를 대상으로 할 경우, 남성과 여성의 AC를 합산한 값인 35명을 전체 대장암 발생자 수인 250명으로 나누어 구한 값 14%를 전체 PAF로 역추정할 수 있다.

7. 식이요인 기반 PAF 산출 시 고려해야 할 사항

식이요인은 흡연, 음주, 신체활동과 같은 기타 생활습관요인과 비교했을 때 몇 가지 고유한 특성을 가지며, 이에 따라 PAF 산출 시 추가적인 고려가 필요하다. 특히, (1) 식품 및 영양소 분류의 불확실성, (2) 적정 섭취수준(optimal intake level) 설정의 어려움이 주요 이슈로 지적된다.

첫째, 식품 및 영양소 분류의 불확실성이 존재한다. 동일한 식품군이라 하더라도 연구마다 정의가 다르게 설정될 수 있으며, 이에 따라 연구 간 비교가 어려워질 수 있다. 예를 들어, “Whole grain (통곡물)”의 경우 일부 연구에서는 정제된 밀가루가 포함된 곡물 제품도 통곡물으로 간주하는 반면, 다른 연구에서는 100% 통곡물만을 포함하는 등 정의에 차이가 있다. 이는 식품군을 기반으로 한 PAF 산출 시, 노출군과 비노출군의 구분 기준이 불명확해질 수 있음을 의미하며, 결과적으로 연구 간 PAF 값의 차이를 유발할 가능성이 크다. 이러한 문제를 최소화하기 위해서는 연구 설계 단계에서 식품 및 영양소 분류 기준을 명확히 정의하고 기술하는 것이 바람직하다.

둘째, 적정 섭취수준 설정의 어려움이 있다. 흡연이나 음주의 경우, 비노출군(예: 비흡연자, 비음주자)을 기준(reference)으로 설정하는 것이 상대적으로 명확하다. 그러나 식이요인의 경우 완전한 ‘0 섭취(비노출)’를 기준으로 설정하는 것이 현실적으로 어렵다. 예를 들어, 포화지방(saturated fat)이나 나트륨(sodium)의 과다 섭취는 건강에 해로운 영향을 미치지만, 일정 수준 이하로 섭취하는 것이 필수적인 영양소이기도 하다. 따라서 식이요인 기반 PAF 산출에서는 단순히 노출과 비노출을 이분법적으로 구분하는 것이 아니라, 섭취량을 연속형 변수로 고려하고, 비선형적(non-linear) 관계를 반영하는 접근이 필요하다.

암 발생 식이요인 PAF 연구

1. 국내 식이요인과 암 발생의 PAF 연구결과

2018년 한국 성인의 대장암 발생에 대한 식이요인의 PAF는 34.9%로, 총 28,174명의 대장암 발생자 중 9,820명이 식이요인에 의해 발생했음을 의미한다. 개별 식이요인의 PAF는 불충분한 전곡류 섭취(16.6%), 불충분한 우유 섭취(13.7%), 적색육 섭취 과잉(5.9%), 가공육 섭취 과잉(3.1%), 불충분한 식이섬유 섭취(0.5%) 순으로 높았다[8].

2018년 한국 성인의 위암 발생에 대한 식이요인에 의한 PAF는 18.6%로, 총 29,405명의 위암 발생자 중 5,307명이 식이요인으로부터 기인했음을 설명한다. 개별 식이요인의 PAF는 절인 채소 섭취 과잉(16.0%), 절인 해산물 섭취과잉(2.4%) 순으로 높았다[8].

2. 국내외 식이요인과 암 발생의 PAF 비교

국내외 선행 문헌 검색 키워드와 흐름도는 Figure 2, Table 2와 같다. 국내 연구에서는 지속 업데이트 사업에서 제시된 근거를 바탕으로 암 발생과의 연관성이 확실하거나 가능한 암종과 식이요인을 포함하였다. 문헌 검색 결과 과일 및 채소 섭취와 암 발생의 연관성에 대한 근거 수준은 제한적이나, 많은 선행 PAF 연구에서는 불충분한 과일 및 채소 섭취를 암 발생의 잠재적 위험 요인으로 고려하고 있다. 또한, 개별 암종과 함께 여러 종류의 암에 대한 식이 기여 위험이 보고된 바 있다. 이를 반영하여 본 요약에서는 과일 및 채소에 대한 결과와 전체 또는 여러 암종에 대한 PAF를 함께 제시하였다(Table 3) [5,8,25-49].

1) 전체 암

(1) 개별 식품군: 국외 연구에 의하면, 개별 식품군의 암 발생에 대한 PAF는 낮은 수준으로 확인되었다. 적색육 0.1-12%, 가공육 0.2-6.1% [25-36], 적색육과 가공육 통합 2.2-2.7% [37,38]. 소금 0.2-5.3% [25,28,31,35,37,39]. 유제품 0.3-2.3% [27,30,35], 우유 2.5-2.9% [34], 전곡류 1.8-3.6% [30,34], 식이섬유 0.7-3.5% [26-29,31,33,35,37,38]로 나타났다. 과일과 채소의 암 발생 PAF는 각 0.5-5.7%, 0.3-4.9% [25,27,30,32,34,35,38,39]로 추정되었다. 과일과 채소를 합한 암 발생 PAF는 1.0-4.7% [28,29,31,33,36,37,40,41]로 보고되었다.

(2) 복합적 식이요인: 부 연구에서는 복합적인 식이요인에 의한 암 발생에 미치는 PAF를 산출하였고, 이는 1.8-22.4%로 보고되었다. 동지중해 22개국을 대상으로 한 연구에서는 2012년 전체 암 발생에 대한 복합적인 식이요인(적색육, 가공육, 과일, 채소, 소금)의 PAF가 남성에서는 12.2%, 여성에서는 6.2%로 추정되었다[25]. 이란에서 수행된 연구에 따르면, 2020년 전체 암 발생의 1.8%가 복합적인 식이요인(가공육, 과일 및 채소, 칼슘 섭취)에 기인하는 것으로 확인되었다[42]. 영국에서 수행된 연구에 따르면, 2010년 모든 암 발생의 9.2%가 적색육 및 가공육, 식이섬유, 과일 및 채소, 소금 섭취와 관련된 것으로 나타났다[37]. 프랑스 연구에서는 2015년 모든 암 발생의 5.4%가 적색육, 가공육, 식이섬유, 유제품, 과일, 채소 섭취와 관련된 것으로 보고되었으며[27], 이탈리아에서는 적색육, 가공육, 과일, 비전분 채소, 식이섬유, 유제품, 커피를 포함한 복합 식이요인으로 인한 2020년 전체 암 발생의 PAF가 남성 6.3%, 여성 4.5%로 나타났다[43]. 미국 연구에 의하면 적색육, 가공육, 유제품, 전곡류, 과일, 채소, 가당 음료 섭취를 포괄하는 식이요인이 2015년 모든 암 발생의 5.2%를 차지했다[30]. 브라질에서는 적색육, 가공육, 식이섬유, 칼슘, 과일, 채소 섭취를 통합한 식이요인이 2012년 전체 암 발생의 6.2%를 차지했다[33]. 호주에서는 적색육 및 가공육, 식이섬유, 과일, 채소 섭취와 관련된 전체 암 발생의 PAF가 2010년에는 6.1%, 2013년에는 5.4%로 추정되었다[38,44]. 독일에서는 적색육, 가공육, 과일 및 비전분 채소, 식이섬유, 소금 섭취를 포함한 복합 식이요인에 의한 2018년 비만 관련 암 발생 PAF가 7.8%로 추정되었다[28]. 세계 184개국을 대상으로 복합적 식이요인(적색육, 가공육, 과일, 채소, 전곡류, 우유, 해산물, 가당 음료)이 소화기 암 발생에 미치는 PAF를 산출한 결과, 1990년에는 22.4%, 2018년에는 21.5%로 보고되었다[34].

2) 대장암

(1) 적색육 및 가공육: 대장암 발생의 가능한 위험요인인 적색육과 확실한 위험요인인 가공육의 적정 섭취수준 차이를 반영한 개별 PAF를 추정한 결과, 적색육과 가공육은 각 0.7-19%, 0.2-15%로 나타났다[8,25-35,40,43,45-47]. 일부 연구에서는 적색육과 가공육을 통합한 대장암 발생의 PAF는 8.3-21.1%로 추정되었다[5,37,38]. 그 중 국내 연구에서는 적색육과 가공육을 합친 PAF가 남성 결장암의 10.1%, 직장암의 9.2%, 여성 결장암의 9.2%, 직장암의 8.3%로 추정되었고[5], 적색육과 가공육 각각의 PAF는 5.9%와 3.1%로, 다른 연구들의 보고 범위 이내에 해당하였다[8].

(2) 전곡류 및 식이섬유: 불충분한 전곡류 섭취로 인한 대장암 발생의 PAF는 한국 16.6%로, 미국(19.4%)과 비슷한 수준이었고, 전 세계(8.4-9.3%), 중국(10.9%)보다 높았다[8,30,34,48]. 반면, 불충분한 식이섬유 섭취로 인한 PAF는 한국의 경우 0.5%인 반면, 국외 연구에서는 그보다 높은 값인 6.0-28.0%로 나타났다[8,26-29,31,33,35,37,38,40,43,46]. 한국인에서 전곡류 섭취 부족의 PAF는 높은 반면 식이섬유 섭취 부족의 PAF가 낮게 나타난 것은, 식이섬유 급원이 전곡류보다 채소인 식이 특성이 반영된 근거로 판단된다[8].

(3) 유제품: 국내 연구에서 불충분한 우유 섭취로 의한 PAF는 13.7%로 보고되었으며[8], 해외 연구에서는 우유 또는 유제품 섭취 부족으로 인한 PAF는 미국 13.2%, 중국 11.1%, 전 세계 6.7-7.7%, 스위스 8.6%, 이탈리아 4.3-4.8%, 프랑스 2.4%이며[27,30,34,35,43,47], 한국과 미국의 값이 비교적 유사한 결과를 나타내었다.

(4) 과일, 채소: 국외 연구에 의하면, 과일과 채소의 불충분한 섭취로 인한 대장암 발생 PAF는 각각 과일 0.2-6.1%, 채소 0.1-7.1%로 확인되었고(27, 30, 32, 34, 43), 두 식품군을 합친 PAF는 3.6%로 보고되었다[28].

(5) 복합적 식이요인: 식이 위험요인을 종합한 대장암 발생 PAF를 추정한 결과, 미국 38.3%, 한국 34.9%, 전세계 33.2-36.7%, 프랑스 22.9%, 독일 29.1%, 이란 10%로 나타났다[8,27,28,30,34,42]. 특히 한국과 미국에서는 식이요인에 전곡류가 포함되어 PAF가 높게 산출되었으며, 이는 두 국가 모두 전곡류가 개별 식이요인 중 대장암 발생의 기여도가 가장 높았던 결과(한국 16.6%, 미국 19.4%)에 의해 뒷받침된다.

3) 위암

(1) 염장식품: 세계암연구재단은 염장식품을 위암 발생의 가능한 위험요인으로 제시하고 있으나, 대부분의 국외 연구에서는 대체로 소금 섭취로 인한 PAF를 추정해서 8.7%에서 32.4% 사이의 값이 도출되었고[25,28,31,35,37,39,42], 절인 채소의 PAF는 0.1-8.1%로 나타났다[35,49]. 국내 연구에서는 절인 채소와 절인 해산물의 1회 제공량 차이를 반영하기 위해 소금 섭취량 대신 개별 식품 섭취량을 활용했다. 절인 채소와 해산물 섭취로 인한 위암 발생의 PAF는 각 16%와 2.4%로, 특히 절인 채소의 높은 PAF를 김치류를 주로 섭취하는 한국인의 식습관이 반영된 결과로 예상된다. 두 식품의 PAF를 합산한 결과는 국외 연구와 유사한 수준을 보였다[8].

(2) 가공육: 가공육과 위암 발생의 연관성에 대한 근거는 제한적이며, 국외 연구에서는 가공육에 의한 PAF가 0.2-11.3%로 도출되었다[27,29,30,32-35,40].

(3) 과일, 채소: 과일 섭취와 위암 발생의 연관성에 대한 근거는 제한적이다. 과일의 PAF는 0.2-12.8%, 채소는 0.2-23.7%로 도출되었다[25,27,30,32,34,35,38,39,43]. 과일과 채소 통합 PAF를 추정한 결과, 영국 35.8%, 캐나다 18.6%로 나타났다[31,37].

(4) 복합적 식이요인: 개별 식이 위험요인을 종합한 PAF를 추정한 결과, 한국 18.9%, 전 세계 13.2-13.8%, 프랑스 7.1%, 독일 8.7%, 미국 6.8%, 이란 1.8%로 나타났다[8,27,28,30,34,42]. 한국 연구에서는 상대적으로 높은 값이 도출되었으며, 이는 특히 한국인의 위암 발생에 기여하는 개별 식이요인 중 절인 채소 섭취의 높은 PAF (16.0%)의 영향이 반영된 결과로 판단된다[8].

결론

국내외에서 식이요인에 의한 암 발생의 PAF 연구가 다각도로 이루어지고 있다. 이러한 연구결과는 암 예방 정책의 우선순위 설정과 기존 정책 효과 평가의 근거로 활용될 뿐만 아니라, 국민을 대상으로 한 식사 가이드라인과 같은 예방적 중재 전략의 개발에도 기여할 것으로 기대된다. 이에 따라, 본 연구진은 한국인을 대상으로 식이요인이 대장암과 위암 발생에 미치는 PAF 산출 방법론을 구체적으로 제시하고, 이를 바탕으로 PAF를 산출한 후, 선행 연구와 비 하였다. 연구결과, 2018년 한국에서 대장암 발생에 대한 식이요인(적색육과 가공육 섭취 과잉, 우유, 전곡류 및 식이섬유 섭취 불충분)의 PAF는 34.9%, 위암 발생에 대한 식이요인(절인 채소와 절인 해산물 섭취 과잉)의 PAF는 18.6%로 추정되었다. 식이요인 중 기여도가 높은 항목은 대장암의 경우 전곡류(16.6%), 위암의 경우 절인 채소(16.0%)로 나타났다. 선행 연구와 비교했을 때, 전곡류와 우유 섭취량 불충분의 PAF는 국외 연구에 비해 상대적으로 높은 편이었으며, 다른 식이요인들의 PAF 또한 기존 연구에서 보고된 범위 내에 있었다. 따라서 식이요인에 의한 암 발생 부담을 줄이기 위해 우선순위를 설정하고, 이에 기반한 예방 정책을 마련할 필요가 있다.

본 연구진은 향후 신뢰성 높은 한국의 PAF 산출을 위해 다음을 제안한다. 전 세계 또는 아시아 지역 연구결과를 활용한 상대위험도는 국가 및 인종별 식사 패턴 차이를 충분히 반영하기 어려울 수 있으므로, 국내 코호트 연구를 통합하여 한국인 대상의 상대위험도를 산출할 필요가 있다. 또한, 국민건강영양조사의 24시간 회상자료는 평균섭취량을 과소 또는 과대 추정할 가능성이 있어 보다 정밀한 데이터 수집과 활용이 고려되어야 한다. 아울러, GBD 및 국외 데이터를 기반으로 한 적정 섭취수준은 한국인의 식사 환경을 충분히 반영하기 어렵기 때문에, 한국인에 적합한 섭취수준 설정이 요구된다. 결론적으로, 한국인에 적합한 상대위험도, 평균섭취량, 적정 섭취수준을 반영한 식이요인의 암 발생 PAF의 보완이 필요함을 시사한다.

Notes

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

Acknowledgement

This review study was supported by the National Cancer Center intramural research grant (Grant No. 24H1080) and by the Korea Institute of Planning and Evaluation for Technology in Food, Agriculture, Forestry and Fisheries (IPET) through High Value-added Food Technology Development Program, funded by Ministry of Agriculture, Food and Rural Affairs (MAFRA) (Grant No. 122029-4).

Figure 1.

Flowchart of population attributable fraction (PAF) estimation for cancers related to dietary factors.

Figure 2.

Study selection flowchart for cancer incidence attributable to dietary factors.

Table 1.

Cut-off levels for risk and counterfactual distribution of dietary factors

Dietary factor	Cut-off levels for risk (the optimal intake range, g/day)	Counterfactual distribution (mean±SD, g/day)
Red meat^a)	>27 (18-27)	23±2.7
Processed meat^a)	>4 (0-4)	2±0.2
Milk^a)	<350 (350-520)	435±50.2
Whole grain^a)	<100 (100-150)	125±14.4
Dietary fiber^a)	<19 (19-28)	24±2.8
Pickled vegetables^b)	≥9 (<9)	9±1.0
Salted fish^b)	≥3 (<3)	3±0.3

Standard deviation (SD) was estimated byusing the following method: SD=mean*0.2/square root of 3.

a) The optimal intake level suggested by the Global Burden of Disease Study 2017;

b) The average intake values of reference groups were adopted from published studies.

Table 2.

Search terms used in each literature database

Database	Search term
PubMed	((“diet” OR “dietary factors” OR “intake” OR “modifiable risk factors”)
	AND (“population attributable fraction” OR “population attributable fractions” OR “attributable fraction” OR “attributable risk” OR “attributable burden” OR “preventable cancer burden”) AND (“cancer risk" OR “cancer incidence” OR “cancer burden”))
	AND (humans[Filter])
	AND (english[Language])
	AND (“2005”[Date - Publication] : “2024”[Date - Publication])
Embase	((“diet” OR “dietary factors” OR “intake” OR “modifiable risk factors”)
	AND (“population attributable fraction” OR “population attributable fractions” OR “attributable fraction” OR “attributable risk” OR “attributable burden” OR “preventable cancer burden”) AND (“cancer risk” OR “cancer incidence” OR “cancer burden”))
	AND [humans]/lim
	AND [english]/lim
	AND [2005-2024]/py

Table 3.

Literature review of cancers attributable to suboptimal dietary factors

Study	Country	Incidence or mortality	Year of cancer	Cancer site	Population attributable fraction (%)
					Excessive intake			Inadequate intake				Combined dietary factors
					Red meat (probable)	Processed meat (convincing)	Salt or salted food (convincing)	Dairy products or milk (probable)	Whole grains (probable)	Dietary fiber (probable)	Fruits and vegetables (limited-suggestive)	Combined dietary factors
Cho and Shin [5]	Korea	Incidence	2015	CC	Mean, 10.1; women, 9.2
Cho and Shin [5]	Korea	Incidence	2015	RC	Men, 9.2; women, 8.3
Cho et al. [8]	Korea	Incidence	2018	CRC	5.9	3.1		13.7 (milk)	16.6	0.5		34.9
Cho et al. [8]	Korea	Incidence	2018	GC			16.0 (salted vegetables), 2.4 (salted fish)					18.9
Inoue et al. [39]	Japan	Incidence	2005	GC			8.9 (salt)				Men, 1.3; women, 5.1 (fruits); men, 1.3; women, 2.2 (vegetables)
Inoue et al. [39]	Japan	Incidence	2005	Total^a)			1.6 (salt)				0.7 (fruits), 0.7 (vegetables)
Wu et al. [35]	China	Incidence	2011	CRC	19.0	2.0		11.1 (dairy products)		16.8
				GC	14.1	7.7	16.6 (salt), 0.1 (salted vegetables)				11.7 (fruits), 4.2 (vegetables)
				Total^b)	12.0	4.1	5.3 (salt)	2.3 (dairy products)		3.5	4.5 (fruits), 2.9 (vegetables)
Song et al. [48]	China	Incidence	2011	CRC					10.9
He et al. [49]	China	Incidence	2015	GC			8.1 (salted vegetables)
Nemati et al. [42]	Iran	Incidence	2020	CRC								10.0
				GC			10.3 (salt)					1.8
				Total^a)			1.2 (salt)					1.8
Tozduman and Ergor [40]	Turkey	Incidence	2018	CRC	1.6	0.2				7.3
				GC		0.2
				Total^a)							2.7 (fruits and vegetables)
Kulhánová et al [25]	22 East Mediterranean countries	Incidence	2012	CRC	Men, 2.2; women, 2.1	Men, 3.1; women, 3.0
				GC			Men, 32.4; women, 27.3 (salt)				Men, 12.6; women, 12.8 (fruits); men, 23.6; women, 23.7 (vegetables)
				Total^a)	Men, 0.2; women, 0.1	Men, 0.2; women,0.2	Men, 2.0; women, 0.9 (salt)				Men, 5.4; women, 2.6 (fruits); men, 4.9; women, 2.7 (vegetables)	Men, 12.2; women, 6.2
Parkin et al. [37]	UK	Incidence	2010	CRC	21.1					12.2
				GC			24.0 (salt)				35.8 (fruits and vegetables)
				Total^c)	2.7		0.5 (salt)			1.5	4.7 (fruits and vegetables)	9.2
Brown et al. [26]	UK	Incidence	2015	CRC	12.8					28.0
Brown et al. [26]	UK	Incidence	2015	Total^a)	1.5					3.3
Shield et al. [27]	France	Incidence	2015	CRC	4.8	11.1		2.4 (dairy products)		6.7	3.4 (fruits), 2.0 (vegetables)	22.9
				GC		11.3					7.0 (fruits), 15.5 (vegetables)	7.1
				Total^a)	0.6	1.3		0.3 (dairy products)		1.4	1.5 (fruits), 0.6 (vegetables)	5.4
Behrens et al. [28]	Germany	Incidence	2018	CRC	0.7	11.4				16.4	3.6 (fruits and vegetables)	29.1
				GC			8.7 (salt)					8.7
				Total^d)	0.4	2.1	0.3 (salt)			3.3	2.1 (fruits and vegetables)	7.8
Turati et al. [43]	Italy	Incidence	2020	CRC	Men, 3.3; women, 2.0	Men, 10.5; women, 7.0		Men, 4.8; women, 4.3 (dairy products)		Men, 7.9; women, 9.0	Men: 1.1, women: 1.2 (vegetables)
				GC							Men: 0.8, women: 0.6 (fruits)
				Total^c)								Men: 6.3, women: 4.5
Jiang et al [47]	Switzerland	Incidence	2015-2019	CRC	3.7	11.0		8.6 (dairy products)		11.1
Islami et al. [29]	USA	Incidence	2014	CRC	5.4	8.2				10.3
				GC		4.8
				Total^a)	0.5	0.8				0.9	1.9 (fruits and vegetables)
Zhang et al. [30]	US	Incidence	2015	CRC	3.4	8.5		13.2 (dairy products)	19.4	-	0.2 (fruits), 0.1 (vegetables)	38.3
				GC	0.1	6.1		-	0.1		0.2 (fruits), 0.2 (vegetables)	6.8
				Total^a)	0.4	1.0		1.2 (dairy products)	1.8		0.5 (fruits), 0.8 (vegetables)	5.2
Islami et al. [46]	US	Incidence	2019	CRC	7.3	12.8				10.5
Grundy et al. [31]	Canada (Alberta)	Incidence	2012	CRC	9.5	2.9				6.0	18.6 (fruits and vegetables)
				GC			11.7 (salt)
				Total^a)	0.8	0.6	0.2 (salt)			0.7	1.8 (fruits and vegetables)
Poirier et al. [32]	Canada	Incidence	2015	CRC	5.3	4.3					6.1 (fruits), 2.2 (vegetables)
				GC	5.4	2.6					2.8 (fruits)
				Total^a)	1.2	0.9					3.6 (fruits), 1.9 (vegetables)
de Vries et al. [45]	Columbia	Incidence	2010	CRC	Men, 13, women; 10	Men, 15; women, 14
Rezende et al. [33]	Brazil	Incidence	2012	CRC	5.6	5.1				10.5
				GC		5.2
				Total^a)	0.4	0.6				0.8	2.6 (fruits and vegetables)	6.2
De La Cruz-Vargas et al. [36]	Peru	Incidence	2018	Total^a)	2.2	0.9					1.0 (fruits and vegetables)
Rezende et al. [41]	Chile	Incidence	2018	Total^a)							1.5 (fruits and vegetables)
Whiteman et al. [38]	Australia	Incidence	2010	CRC	17.6					17.6
				GC							6.5 (fruits), 1.6 (vegetables)
				Total^c)	2.2					2.2	1.3 (fruits), 0.3 (vegetables)	6.1
Wilson et al. [44]	Australia	Incidence	2013	Total^a)								5.4
Li et al. [34]	Worldwide	Incidence	1990, 2018	CRC	1990, 4.1; 2018, 5.4	1990, 5.9; 2018, 6.0		1990, 7.7; 2018, 6.7 (milk)	1990, 9.3; 2018, 8.4		1990, 4.4; 2018, 4.0 (fruits); 1990, 7.1; 2018, 3.7 (vegetables)	1990, 36.7; 2018,33.2
				GC		1990, 7.0; 2018, 7.0					1990, 7.2; 2018, 6.6 (fruits)	1990, 13.8; 2018,13.2
				Total^b)	1990, 1.3; 2018, 2.3	1990, 6.1; 2018, 5.9		1990, 2.5; 2018, 2.9 (milk)	1990, 3.3; 2018, 3.6		1990, 5.7; 2018, 4.8 (fruits); 1990, 3.9; 2018, 2.2 (vegetables)	1990, 22.4; 2018, 21.5

CC, colon cancer; RC, rectal cancer; CRC, colorectal cancer; GC, gastric cancer.

a) All cancers;

b) all gastrointestinal cancers;

c) all cancers excluding non-melanoma skin cancer;

d) all obesity-related cancers.

References

1. Mansournia MA, Altman DG. Population attributable fraction. BMJ 2018;360:k757.

2. Greenland S RK, Lash TL. Measures of effect and measures of association. In: Rothman KJ, Greenland S, Lash TL, editors. Modern epidemiology. 3rd ed. Lippincott Williams & Wilkins; 2008. p. 51-70.

3. Levin ML. The occurrence of lung cancer in man. Acta Unio Int Contra Cancrum 1953;9:531-541.

4. Zhuo M, Chen Z, Zhong ML, et al. The global disease burden attributable to a diet low in fibre in 204 countries and territories from 1990 to 2019. Public Health Nutr 2023;26:854-865.

5. Cho S, Shin A. Population attributable fraction of established modifiable risk factors on colorectal cancer in Korea. Cancer Res Treat 2021;53:480-486.

6. Clinton SK, Giovannucci EL, Hursting SD. The World Cancer Research Fund/American Institute for Cancer Research third expert report on diet, nutrition, physical activity, and cancer: impact and future directions. J Nutr 2020;150:663-671.

7. Pearce N, Blair A, Vineis P, et al. IARC monographs: 40 years of evaluating carcinogenic hazards to humans. Environ Health Perspect 2015;123:507-514.

8. Cho HJ, Woo HD, Park S, et al. Gastric and colorectal cancer incidence attributable to dietary factors in Korea. J Gastrointest Oncol 2024;15:963-973.

9. World Cancer Research Fund International/American Institute for Cancer Research. Continuous update project expert report 2018: diet, nutrition, physical activity and colorectal cancer Accessed January 12, 2025. https://www.wcrf.org/wp-content/uploads/2024/10/Colorectal-cancer-report.pdf

10. World Cancer Research Fund International/American Institute for Cancer Research. Continuous update project expert report 2018: diet, nutrition, physical activity and stomach cancer Accessed January 12, 2025. https://www.wcrf.org/wp-content/uploads/2024/10/stomach-cancer-report.pdf

11. GBD 2017 Diet Collaborators. Health effects of dietary risks in 195 countries, 1990-2017: a systematic analysis for the Global Burden of Disease Study 2017. Lancet 2019;393:1958-1972.

12. Ministry of Health and Welfare, The Korean Nutrition Society. Dietary reference intakes for Koreans 2015. Ministry of Health and Welfare; 2015.

13. Ministry of Health and Welfare, The Korean Nutrition Society. Dietary reference intakes for Koreans 2020. Ministry of Health and Welfare; 2020.

14. Stroup DF, Berlin JA, Morton SC, et al. Meta-analysis of observational studies in epidemiology: a proposal for reporting. Meta-analysis Of Observational Studies in Epidemiology (MOOSE) group. JAMA 2000;283:2008-2012.

15. von Elm E, Altman DG, Egger M, et al. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet 2007;370:1453-1457.

16. Stang A. Critical evaluation of the Newcastle-Ottawa scale for the assessment of the quality of nonrandomized studies in meta-analyses. Eur J Epidemiol 2010;25:603-605.

17. Lundh A, Gøtzsche PC. Recommendations by Cochrane Review Groups for assessment of the risk of bias in studies. BMC Med Res Methodol 2008;8:22.

18. Cochran WG. The combination of estimates from different experiments. Biometrics 1954;10:101-129.

19. Higgins JP, Thompson SG, Deeks JJ, Altman DG. Measuring inconsistency in meta-analyses. BMJ 2003;327:557-560.

20. Egger M, Davey Smith G, Schneider M, Minder C. Bias in meta-analysis detected by a simple, graphical test. BMJ 1997;315:629-634.

21. Greenland S. Interval estimation by simulation as an alternative to and extension of confidence intervals. Int J Epidemiol 2004;33:1389-1397.

22. Lee S, Moon S, Kim K, et al. A comparison of Green, Delta, and Monte Carlo methods to select an optimal approach for calculating the 95% confidence interval of the population-attributable fraction: guidance for epidemiological research. J Prev Med Public Health 2024;57:499-507.

23. Ezzati M, Hoorn SV, Rodgers A, et al. Estimates of global and regional potential health gains from reducing multiple major risk factors. Lancet 2003;362:271-280.

24. Steenland K, Armstrong B. An overview of methods for calculating the burden of disease due to specific risk factors. Epidemiology 2006;17:512-519.

25. Kulhánová I, Znaor A, Shield KD, et al. Proportion of cancers attributable to major lifestyle and environmental risk factors in the Eastern Mediterranean region. Int J Cancer 2020;146:646-656.

26. Brown KF, Rumgay H, Dunlop C, et al. The fraction of cancer attributable to modifiable risk factors in England, Wales, Scotland, Northern Ireland, and the United Kingdom in 2015. Br J Cancer 2018;118:1130-1141.

27. Shield KD, Freisling H, Boutron-Ruault MC, et al. New cancer cases attributable to diet among adults aged 30-84 years in France in 2015. Br J Nutr 2018;120:1171-1180.

28. Behrens G, Gredner T, Stock C, Leitzmann MF, Brenner H, Mons U. Cancers due to excess weight, low physical activity, and unhealthy diet. Dtsch Arztebl Int 2018;115:578-585.

29. Islami F, Goding Sauer A, Miller KD, et al. Proportion and number of cancer cases and deaths attributable to potentially modifiable risk factors in the United States. CA Cancer J Clin 2018;68:31-54.

30. Zhang FF, Cudhea F, Shan Z, et al. Preventable cancer burden associated with poor diet in the United States. JNCI Cancer Spectr 2019;3:pkz034.

31. Grundy A, Poirier AE, Khandwala F, Grevers X, Friedenreich CM, Brenner DR. Cancer incidence attributable to lifestyle and environmental factors in Alberta in 2012: summary of results. CMAJ Open 2017;5:E540-E545.

32. Poirier AE, Ruan Y, Volesky KD, et al. The current and future burden of cancer attributable to modifiable risk factors in Canada: summary of results. Prev Med 2019;122:140-147.

33. Rezende LFM, Lee DH, Louzada MLDC, Song M, Giovannucci E, Eluf-Neto J. Proportion of cancer cases and deaths attributable to lifestyle risk factors in Brazil. Cancer Epidemiol 2019;59:148-157.

34. Li Y, Jia X, Li C, et al. The global incident gastrointestinal cancers attributable to suboptimal diets from 1990 to 2018. Gastroenterology 2024;167:1141-1151.

35. Wu Y, Li Y, Giovannucci E. Potential impact of time trend of lifestyle risk factors on burden of major gastrointestinal cancers in China. Gastroenterology 2021;161:1830-1841.

36. De La Cruz-Vargas JA, Ramos W, Chanduví W, et al. Proportion of cancer cases and deaths attributable to potentially modifiable risk factors in Peru. BMC Cancer 2024;24:477.

37. Parkin DM, Boyd L, Walker LC. 16. The fraction of cancer attributable to lifestyle and environmental factors in the UK in 2010. Br J Cancer 2011;105 Suppl 2((Suppl 2):S77-S81.

38. Whiteman DC, Webb PM, Green AC, et al. Cancers in Australia in 2010 attributable to modifiable factors: summary and conclusions. Aust N Z J Public Health 2015;39:477-484.

39. Inoue M, Sawada N, Matsuda T, et al. Attributable causes of cancer in Japan in 2005: systematic assessment to estimate current burden of cancer attributable to known preventable risk factors in Japan. Ann Oncol 2012;23:1362-1369.

40. Tozduman B, Ergor G. The fraction of cancer attributable to modifiable risk factors in Turkey in 2018. Int J Cancer 2024;Dec. 24. [Epub]. https://doi.org/10.1002/ijc.35317

41. Rezende LFM, Murata E, Giannichi B, et al. Cancer cases and deaths attributable to lifestyle risk factors in Chile. BMC Cancer 2020;20:693.

42. Nemati S, Mohebbi E, Toorang F, et al. Population attributable proportion and number of cancer cases attributed to potentially modifiable risk factors in Iran in 2020. Int J Cancer 2023;153:1758-1765.

43. Turati F, Alicandro G, Collatuzzo G, et al. Cancers attributable to diet in Italy. Int J Cancer 2025;156:1181-1190.

44. Wilson LF, Antonsson A, Green AC, et al. How many cancer cases and deaths are potentially preventable?: estimates for Australia in 2013 Int J Cancer 2018;142:691-701.

45. de Vries E, Quintero DC, Henríquez-Mendoza G, Herrán OF. Population attributable fractions for colorectal cancer and red and processed meats in Colombia: a macro-simulation study. Colomb Med (Cali) 2017;48:64-69.

46. Islami F, Marlow EC, Thomson B, et al. Proportion and number of cancer cases and deaths attributable to potentially modifiable risk factors in the United States, 2019. CA Cancer J Clin 2024;74:405-432.

47. Jiang X, Pestoni G, Vinci L, et al. Cancer cases attributable to modifiable lifestyle risk factors in Switzerland between 2015 and 2019. Int J Cancer 2024;154:1221-1234.

48. Song X, Feng X, Chen S, et al. Potential impact of time trend of whole grain intake on burden of major cancers in China. Prev Med 2023;175:107674.

49. He F, Wang S, Zheng R, et al. Trends of gastric cancer burdens attributable to risk factors in China from 2000 to 2050. Lancet Reg Health West Pac 2024;44:101003.

Peer Reviewers’ Commentary

이 논제에서는 암 원인 중 식이 요인으로 인하여 암 발생에 미치는 영향을 심층적으로 분석하여 기술하였고, 특정 식이 요인 노출이 어떠한 암 발생과 연관되어 있는지 그에 대한 기여도가 어느 정도인지를 정리하여 보여주고 있다. 위험요인으로 작용하는 식이 요인은 과다 섭취가, 예방요인으로 작용하는 식이 요인은 과소섭취가 암 발생과 연관성이 있음을 분석하였고, 적절한 식이 섭취가 암 예방과 관련되어 있음을 확인하였다. 잘못된 식이는 암 발생 원인 중 5-12%를 차지하고 있어 상당히 높은 기여도가 시사되었다. 이 정보는 인구집단에서 암 예방 정책의 우선순위 설정과 기존 정책 효과 평가의 근거로 활용되며 환자 진료에서도 적절한 섭취 가이드라인, 암 발생 및 예방과 관련된 식이 제안 등에 상담에 활용할 수 있을 것이다.

[정리: 편집위원회]