I. 서 론

현대 사회의 소리 환경은 쾌적한 소리뿐만 아니라 불쾌감을 유발하는 다양한 형태의 지속적인 소음도 포함한다. 소음은 단순히 불편함을 초래하는 것을 넘어 신체적, 심리적, 정서적 건강에 이르기까지 여러 영역에서 유해한 영향을 미친다. Berglund와 Lindvall^[1]은 85 dB 이상의 강도로 8 h 이상 노출되는 경우, 비정상적 음량 인식, 왜곡, 이명 등을 동반하는 소음성 청력 장애를 유발하는 것으로 보고하였다. 또한, 소음은 내분비계와 자율 신경계 항진을 통해 심혈관 질환 발병 위험을 높이고,^[2] 불안, 스트레스, 긴장, 신경증 등 정신병리적 부작용을 유발한다.^[1] 또한 수면 중 발생하는 소음은 수면의 질을 저하하는데, 만성화되는 경우 우울감 증가 및 업무 능력 저하를 유발하고,^[1] 소음에 대한 민감도를 증가시켜 수면의 질 저하를 가속화 시킨다.^[3]

소음이 삶의 질을 저하시키는 사회 문제로 대두됨에 따라 정부에서는 1990년도부터 소음진동관리법을 제정하여 관리하고 있다.^[4] 대한산업안전협회에서는 소음원을 제거 및 억제, 차단하는 방법, 소음을 상쇄하는 방법, 능동소음제어(Active Noise Control, ANC) 등을 적용하고 있으며,^[5] 소음 노출 시간 감소 및 보호구 착용 등의 방법을 권장하고 있다. 이러한 노력에도 불구하고, 서울시 소음 민원은 2005년 이래로 꾸준히 증가하고 있으며, 특히 2012년 20,166건에서 2022년 74,257건으로 급격하게 증가하는 추세를 보이고 있다.^[6]

소음에 의한 부정적 영향을 관리하기 위한 방안으로 소음 스트레스 측정의 정량화가 요구되면서 선행 연구들에서는 자가보고 설문을 사용하여 소음과 관련된 성가심 등의 스트레스를 측정하였다.^{[7,8,9,10,11,12]} Landström et al.^[9]과 Kjellberg et al.^[10]에서는 소음이 노출되는 동안 소음으로 인한 성가심을 연구 참여자에게 100 mm 길이의 시각적 척도에 표기하게 하였으며(맨 왼쪽: 전혀 성가시지 않는다; 맨 오른쪽: 거의 참을 수 없다), Jakovljevic et al.^[11]과 Schreckenberg et al.^[12]은 5점 척도(예: ‘전혀 불쾌하지 않다’, ‘약간 불쾌하다’, ‘보통’, ‘매우 불쾌하다’, ‘극도로 불쾌하다’)의 설문 문항을 통해 도심 거주자의 소음에 의한 성가심 수준을 측정하였다. Bengtsson et al.^[13]에서는 Stress-energy questionnaire를 이용하여 스트레스와 에너지 수준에 관련된 12개의 형용사를 제시하고 이에 대한 스트레스의 강도를 6점 척도로 응답하도록 하였으며, 자가보고 설문을 사용한 스트레스 정량화는 쉽고 빠르게 측정이 가능하다는 장점이 있지만, 5점 또는 6점과 같은 한정된 범위 내에서의 응답을 요구하기 때문에 스트레스의 정도를 측정하기에 제한이 있다.^[14] 또한, 응답자가 회상과 해석을 거쳐 응답을 하기 때문에 경험 왜곡 및 응답 편향이 유발될 가능성이 있다. 더불어, 의식적인 인지를 바탕으로 응답이 이루어지기 때문에 무의식적인 스트레스 반응이 면밀히 측정되기 어려울 수 있다.

이에 최근 연구들은 소음 스트레스를 뇌파나 ECG와 같은 생체신호를 통해 측정하는 방식에 주목하고 있다. Giannakakis et al.^[15]은 스트레스를 측정하기 위하여 심박수(Heart Rate, HR), 뇌파, 피부전도도(Electrodermal Activity, EDA) 등의 지표가 다양한 방식으로 활용될 수 있다고 보고하고 있으며 다양한 연구에서 결과가 보고되고 있다. Ke et al.^[16]는 기계 소음에 대한 스트레스를 EEG 신호로 측정하여 중간 데시벨(70 dBA)의 기계 소음이 가장 높은 수준의 스트레스를 유발한다고 보고하였으며, Liu et al.^[17]는 고주파의 칠판 소음이 유발하는 스트레스를 ECG 신호를 통해 측정하여 심박변이의 표준편차(Root Mean Square of Successive Differences, RMSSD)가 스트레스에 가장 민감한 지표임을 보고하였다. 이처럼 생체신호의 정량적 분석을 통해 소음 스트레스를 측정하고자 하는 시도들이 지속적으로 이루어지고 있으나, 실험의 소음 청취 환경, 제공되는 소음 종류 및 특성, 측정하는 생체 신호 및 지표 등 연구마다 상이한 요소가 많아 결과를 종합적으로 이해하는 데 어려움이 있다. 또한, 일부 연구에서는 결과가 상이하게 나타나기도 한다.^[16,18]

생체신호로부터 측정되는 스트레스 반응은 자가보고 방식보다 다양한 스트레스 반응을 지속적으로 측정할 수 있으며, 스트레스 자각 역치 이하의 스트레스를 측정할 수 있다는 장점이 있다. 하지만 실험 설계 및 환경에 따라 일관성 있는 결과가 보고되지 않는 바, 본 연구에서는 현재 연구 동향을 살펴보고 이후 보다 실질적이고 체계화된 활용에 기여하고자 소음의 특성, 스트레스 생체 지표 및 반응 경향 등을 종합적으로 분석하고자 하였다. 이에, 본 연구는 주제범위 문헌고찰을 통해 최근 6년간 소음 스트레스 관련 연구를 분석하고, 추후 소음 관리 및 평가 연구에 대한 기초자료를 제시하고자 한다.

II. 연구방법

본 연구는 소음에 대한 스트레스를 측정하기 위하여 생체신호를 사용한 연구에 대한 문헌 고찰을 수행하고자 한다. 이들 연구에서 나타난 소음의 특성에 따른 생체 지표 및 반응의 경향을 살펴보기 위하여 Arksey와 O’Malley의 주제범위 문헌고찰 방식^[19]에 따라 1) 연구 질문 도출, 2) 관련문헌 확인, 3) 문헌선정, 4) 자료 기록, 5) 결과 수집, 요약 및 보고의 총 5단계로 수행되었다.

2.1 연구 질문 도출

소음에 대한 스트레스를 측정하기 위한 실험 환경, 소음 자극, 생체신호 측정 방법 및 지표는 광범위하여 결과 또한 다양하게 해석된다. 이에, 본 연구의 연구 질문은 다음과 같이 도출되었다.

1. 소음 스트레스를 생체지표로 측정한 선행연구의 일반적 특성은 어떠한가?

2. 소음 스트레스를 생체지표로 측정한 선행연구에서 사용한 소음의 특성은 어떠한가?

3. 소음 스트레스를 생체지표로 측정한 선행연구에서 측정 방법 및 지표는 어떠한가?

4. 소음 스트레스를 생체지표로 측정한 선행연구에서 반응의 경향은 어떠한가?

5. 특정 소음 유형에 대한 스트레스를 측정하기에 적합한 방식이 존재하는가?

2.2 관련 문헌 확인

본 연구에서 문헌 검색에 사용한 데이터베이스는 PubMed와 Web of Science이며, 생체 센서 기술과 데이터 분석 방법 발전 등으로 인해 소음에 의한 스트레스를 생체적 지표로 측정한 다양한 연구가 수행되고 있는 최근 6년(2018년부터 2023년)동안 출판된 영문 논문을 대상으로 검색하였다. 문헌에 사용된 검색어는 “Noise”, “Stress”, “EEG or ECG or PPG”으로, 각 데이터베이스의 검색 방식에 따라 도출한 검색 결과를 반복 검토하며 검색식과 검색어를 수정하는 방법을 통해 연구 목적에 적합한 검색어를 선정하였다.

2.3 문헌 선정

본 연구의 문헌고찰 대상은 포함 및 제외기준에 의거하여 선별되었다. 제외기준은 1) 영문으로 작성되지 않은 논문, 2) 2018년 이전에 출판된 논문, 3) 전문을 확인할 수 없는 논문, 4) 문헌고찰 논문, 5) 건강한 성인을 대상으로 하지 않는 연구(환자군 대상 연구 등), 6) 연구 참여자가 소음을 청취하지 않았거나 생체신호 측정 방식에 ECG, EEG, PPG가 포함되지 않는 연구이며, 선정과정은 Fig. 1과 같다. 제외기준에 따라 제목, 초록, 전문의 순서로 선별 작업을 수행하여 최종 문헌고찰 대상을 확정하였으며, 최종적으로 총 18편의 문헌이 본 연구에서 선정되었다.

Fig. 1.

Filtering process of the research.

2.4 자료 기록

본 연구는 최종적으로 선정된 문헌의 내용을 분석틀에 따라 분류하였으며, 분석틀은 일반적 분석 과 주제 분석의 기준을 포함한다. 일반적 분석은 선정된 문헌의 일반적 특성(대상자 연령 및 성별, 대상자 수, 실험실 세팅, 행동지표, 스트레스 유발 시나리오), 소음 특성(소음의 유형, 길이, 레벨), 생체신호 측정 방식 및 지표, 생체신호별 반응의 경향을 정리하였고, 주제 분석은 소음의 유형에 따른 생체신호 지표 및 반응의 경향을 기록하였다. 자료 분석 틀은 Table 1과 같다.

III. 결 과

3.1 일반적 특성

본 연구에서 고찰한 문헌 18건의 일반적 특성은 Table 2에 기술하였다. 먼저, 실험 참여자의 수는 20명 미만인 연구가 6개^{[20,21,22,23,24,25]}로 33.33 %, 20명 이상 30명 미만인 연구가 7개^{[26,27,28,29,30]}로 38.89 %, 그리고 30명 이상의 연구가 5개^{[31,32,33,34,35]}로 27.78 %였다. 평균 참여자 수는 28.5명(표준편차: 18.55명) 이었다. 실험 참가자의 평균 연령은 20대인 연구가 9개(50 %)로 가장 많았으며,^{[17,20,22,26,27,30,31,32,33]} 30대 이상인 연구가 4개(22.22 %),^{[23,28,29,34]} 연령을 범위로 기술한 연구가 4개(22.22 %),^{[16,21,24,25]} 연령 정보를 표기하지 않은 연구가 1개^[35]로 나타났다. 실험 환경은 실험실 혹은 시뮬레이션 환경에서 진행된 연구가 15개^{[16,17,20,21,22,23,24,26,27,29,30,31,32,33,34]}로 전체 연구의 83.33 %를 차지하였으며, 나머지 연구들은 차량 내부 또는 운전 환경,^[28] 지하철 내부,^[35] 그리고 야외 환경^[25] 등 실제 환경에서 진행되었다. 실험실 환경에서 진행된 15개의 연구 중 7개의 연구^{[17,22,23,26,29,31,33]}에서 스피커를 통해 소음 자극을 제공하였고, 그 외의 경우 이어폰 혹은 헤드폰을 사용하였으며,^{[16,21,24,30,32,34]} 2편의 연구에서는 기기에 대한 설명이 제공되지 않았다.^[20,27] 또한, 소음 스트레스 유발에 있어 소음 자극만을 사용한 연구가 7개^{[21,24,25,27,29,33,34]}로 38.89 %를 차지했으며, 소음과 더불어 감각적,^[23,26,35] 인지적,^{[16,20,22,26,28,30,31,32]} 심리사회적^[28,32] 스트레스를 유발하는 자극 및 과제를 함께 사용한 연구가 10개(55.55 %)였다. 이 중 가장 많이 사용된 과제는 N-back task^[26,28,30]였으며, 소음 스트레스로부터 회복될 수 있는 자극(예: 자연풍경, 자연 소리)을 제공한 연구도 있었다.^[25]

3.2 소음 특성

소음의 특성은 소음의 유형, 길이, 레벨에 따라 분석되었으며 Table 3에 기술하였다. 먼저, 소음 유형 중 교통소음이 사용된 문헌은 6건^{[23,25,27,33,34,35]}으로 가장 높은 빈도(33.33 %)로 사용되었고, 공사장 및 기계소음을 포함하는 산업소음^[16,29,32]과 백색소음^[21,26,31]이 각각 3편으로 16.67 %를 차지하였다. 그 외에 사무실 소음,^[20] 선박 환기구 소음,^[22] 칠판 긁는 소음,^[17] 사이렌 소리,^[33] 자기공명영상(Magnetic Resonance Imaging, MRI) 소음^[24]를 사용한 연구가 있었다. 전형적인 소음 외에도 음악, 대화, 자연음향이 자극으로 제공된 경우도 있었다.^{[16,17,21,25,31,33]}

소음의 길이는 1 min 이상 10 min 미만의 소음이 5개^{[21,28,29,31,33]}로 가장 많은 27.78 %를 차지했다. 그 외의 연구에서는 10 min에서 30 min 사이의 길이가 3편^[17,27,34]에서 나타났고, 1 min 이내의 매우 짧은 소음을 제시한 연구^[30]와 30 min 이상의 매우 긴 소음을 제시한 연구^[35]도 각 1편씩 존재하였다. 소음의 길이를 정확히 제시하지 않은 문헌은 소음의 길이에 변동이 있거나 매우 짧게 제공되어 소음의 길이를 잴 수 없는 경우였다.

소음의 레벨 단위로 dB를 사용한 연구들의 소음 크기 평균은 66.88 dB^{[17,27,30,31,32,33]}고, dBA를 사용한 연구들의 소음 크기 평균은 69.1 dBA^{[16,21,22,23,28,29,34]}였다. 또한, 레벨을 여러 수준으로 제시하여 반복 측정한 연구는 5개^{[16,22,23,27,29]}로 27.78 %를 차지하였으며, 이들 연구는 46 dB/dBA ~ 85 dB/dBA 사이의 레벨을 2 ~ 5 단계로 구분하여 제시하였다.

3.3 생체 신호 측정 방식 및 지표

소음 스트레스 측정을 위한 생체 신호 측정 방식과 지표는 Tables 4와 5에 기술하였다. 생체신호 중 EEG를 사용한 논문이 9편이었고^{[16,20,21,22,25,26,29,31,33]}, ECG를 사용한 논문이 12편^{[17,21,22,23,26,27,28,30,32,33,34,35]}, PPG를 사용한 논문이 2편^[24,33]이었다. 그 외의 측정 방식으로는 Functional Near-Infrared Spectroscopy(fNIRS),^[30] Salivary Alpha Amylase(sAA),^[20] EDA,^[26] 타액 코르티졸,^[26,27,32] 혈압^[24,34,35]이 있었다. EEG를 사용한 경우 분석 지표는, 대부분 주파수 대역별 EEG 신호의 크기를 사용하였고, 이를 기반으로 추가적 연산을 통해 2차 지표를 산출한 경우도 있었다. 그 예로, Ke et al.^[16]는 주의력을 반영하는 Frontal theta/beta power, 스트레스를 반영하는 Lateral frontal asymmetry, 정신적 과부하 정도를 반영하는 전두엽 근사계수(Frontal Lobe Approximation, FLA) 계수를 연산하여 사용하였고, Sadeghpoor et al.^[25]은 측정 소프트웨어에서 제공하는 Mean relaxation level을 사용하였다.

EEG로 소음 스트레스를 측정한 문헌들에서 사용된 채널의 수는 문헌마다 다양하였다. 가장 적은 채널을 사용하여 측정한 연구가 Sadeghpoor et al.^[25]로, Fp1만 측정한 1-channel EEG를 사용하였고, 그 다음으로는 5-channel EEG를 사용한 Daud와 Sudirman,^[31] 7-channel을 사용한 Asakura,^[21] 14-channel을 사용한 Ke et al.^[16]와 Mir et al.,^[29] 16-channel을 사용한 Alyan et al.,^[20] 그리고 32-channel을 사용한 Fan et al.^[22] 과 Bottenheft et al.^[26] 순으로 많은 채널을 사용하였다. EEG의 주파수 관심 영역을 살펴보면 α 대역을 관찰한 연구가 8개^{[16,20,21,22,26,29,31,33]} 로 44.44 %를 차지하였고, 그 중 4개^{[21,22,31,33]}가 Relative alpha power를 산출하였다. 다음으로 많이 사용된 주파수 대역은 θ^{[16,22,26,31,33]}와 β^{[16,21,22,31,33]}로 각 5편과 4편의 연구에서 사용되어 27.78 %와 22.22 % 씩 차지하였고, 그 중 3편의 연구^[22,31,33]는 Relative theta power와 Relative beta power를 사용하였다. δ power^[22]와 γ power^[31]를 본 연구는 각각 한 개씩이었으며, 이들은 모두 Relative power로 사용되었다. Relative power를 본 연구들에서는 보고자 하는 주파수 대역의 파워를 Total power로 나누어 비율을 연산하여 사용하였다.

뇌 영역을 기준으로 살펴보면, 사용된 채널 위치를 밝히지 않은 한 개의 연구^[33]를 제외한 모든 연구 8편^{[16,20,21,22,25,26,29,31]}에서 Frontal region을 포함하였다(44.44 %). 4개의 연구^{[22,26,29,31]}(22.22 %)에서는 Temporal region을 포함하였고, Parietal region은 5개의 연구^{[21,22,26,29,31]}(27.78 %)에 포함되었으며, Occipital region은 2개의 연구^[26,29](11.11 %)에서 사용되었다.

ECG를 측정한 연구에서 사용한 지표는 시간 기반 지표와 주파수 기반 지표로 구분된다. 시간 기반 지표는 심박을 측정하는 HR 기반이며 이 지표를 측정한 연구는 8개^{[17,27,28,30,32,33,34,35]}가 있었다. 심박의 변이도를 측정하는 지표인 RMSSD, 심박 표준편차(SDNN), 연속적인 NN간격의 차이가 50 ms를 초과하는 NN간격 수의 백분율(pNN50)을 사용한 연구도 7개^{[17,22,26,28,30,33,35]}가 있었다. 한편, 주파수 기반 지표는 Low Frequency(LF)와 High Frequency(HF), 그리고 이들의 비율을 연산한 LF/HF가 있으며, 6개의 연구^{[17,21,23,30,33,35]}에서 이 지표들을 사용하였다. 그 외에 Total Power(TP)를 본 연구가 1개,^[23] SD2/SD1(연속된 RR 간격을 Poincaré plot으로 나타냈을 때, 타원 형태의 긴 축(SD2)과 짧은 축(SD1)의 표준편차 비율)을 본 연구가 1개^[21]있었다.

PPG를 측정한 연구는 두 편^[24,33]이 있었으나, Yang et al.^[33]은 PPG의 측정 결과를 보고하지 않았다. Pribil et al.^[24]은 Olivia-Roztocil Index(ORi), 연속된 두 수축기 최고점 사이의 시간을 의미하는 TD, 수축기 펄스의 너비를 연산하여 구하는 W23을 사용하였다.

3.4 생체지표별 반응 경향

소음 스트레스에 대한 EEG의 지표별 반응 경향은 Table 6에 기술하였다. 소음 노출 시 δ power가 감소한 연구가 1편,^[22] θ power가 증가한 연구는 1편,^[22] 변화가 없는 연구는 2편^[26,31]이 있었다. α power의 경우, 증가한 연구는 3편,^[22,26,31] 감소한 연구는 1편,^[20,21] 음악조건에서만 증가한 연구는 1편,^[31] 두 가지 음향자극 조건에서 강물소리보다 백색소음에서 감소한 연구는 1편^[21]이 있었다. α power를 활용한 지표인 Frontal Alpha Asymmetry(FAA)를 본 세 개의 연구^[16,20,29] 중 두 개의 연구^[16,20]에서 소음 청취 시 FAA가 감소했다. 그러나 Ke et al.^[16]에서 음악과 대화를 청취할 때는 FAA가 증가하기도 했다. 소음 청취 시 β power가 증가한 연구는 2개,^[21,31] 감소한 연구가 1개^[22]였다. 이중 Asakura^[21]에서는 강물소리보다 백색소음에서 β power가 증가하였다. γ power는 Daud와 Sudirman^[31]에서만 사용되었고, 소음 청취 시 증가하는 양상을 보였다.

한편, 여러 주파수 대역을 연산한 지표로는 θ / β와 (θ + α) / β가 있었다. θ / β가 사용된 2개의 연구^[16,33] 중 Ke et al.^[16]의 음악, 기계, 대화 소리, Yang et al.^[33]의 사이렌, 음악 소리에서 θ / β가 증가하였고, Yang et al.^[33]의 목소리 자극에서 감소하였다. (θ + α) / β는 Yang et al.^[33]의 모든 음향 조건에서 증가했다. 뇌 영역별로 나누어 연산한 지표 중 FLA는 Ke et al.^[16]에서 사용됐고, 음악과 기계소음 조건에서는 감소했지만 대화소리 조건에서는 증가하였다. Laterality Index (LI)는(Right frontal - Left frontal) / (Right frontal + Left frontal)로 연산되는 지표로, Mir et al.^[29]에서 소음 청취 시 감소하였다. Mir et al.^[29]에서는 다른 지표들도 사용하였는데, F7/F8, Left frontal/Right frontal, T7/T8은 소음 청취로부터 영향을 받지 않았고, Frontal Lobe(FL)는 불도저 소리에서만 증가하였다. 그 외 Sadeghpoor et al.^[25]에서는 Mean relaxation level이 Green, Car-oriented, Pedestrian street 순서로 감소하였다.

ECG의 지표별 반응 경향을 살펴보면, 시간 관련 지표 중 HR은 3개의 연구^[17,27,34]와 Yang et al.^[33]의 음악 조건에서 소음 노출 시 감소했으나, Yang et al.^[33]의 목소리, 사이렌 조건, 그리고 Yang et al.^[35]에서는 증가하였다. Mathissen et al.^[28]은 HR을 수치가 아닌 그래프로 제시하였는데, 소음 조건에서 Baseline보다 감소하는 경향을 보이는 것으로 나타났다. 시간 관련 지표 중 변이성 관련 지표로는 RMSSD, SDNN, pNN50이 사용되었다. RMSSD는 3개의 연구^[17,26,35]와 Yang et al.^[33]의 음성, 사이렌 조건에서 소음 청취 시 감소하였으나, 다른 2개의 연구^[22,28]와 Yang et al.^[33]의 음악 조건에서는 증가하였다. SDNN은 Yang et al.^[35]과 Yang et al.^[33]의 음성, 사이렌 조건에서 감소하였고, Fan et al.^[22]과 Yang et al.^[33]의 음악 조건에서 증가하였다. pNN50는 Yang et al.^[35]에서는 감소하고, Fan et al.^[22]에서는 증가했는데 두 결과 모두 유의하게 나타났다. 또한 pNN50은 Yang et al.^[33]에서 음성, 사이렌 조건에서 감소, 음악 조건에서 증가하여 방향성이 다르게 나타났다. 주파수 관련 지표 중에서는 HF가 문헌 2개^[23,35] 모두에서 소음 청취 시 감소하였고, LF는 Stockfelt et al.^[23]에서는 증가, Yang et al.^[35]에서는 감소하였으나, Stockfelt et al.^[23]에서의 증가만이 유의하였다. 주파수 관련 지표에서 가장 많이 사용된 것은 LF/HF로, 4개의 연구^{[17,23,33,35]}와 Asakura^[21]의 백색소음 조건에서 증가하였고, Yang et al.^[33]의 음악 조건에서만 감소하였다. 그 외 ECG 지표로 사용된 TP는 Stockfelt et al.^[23]에서 감소하였고, SD2/SD1은 Asakura^[21]의 백색소음 조건에서 유의하게 감소하였다. PPG 생체 지표 결과를 기술하고 있는 연구는 Pribil et al.^[24] 한 개였고, 해당 연구에서 소음 청취 시 ORi와 W23이 증가했고 TD가 감소하였다.

EEG, ECG, PPG 외에 사용된 생체 신호 측정방식에 따르면, 소음이 발생했을 때 sAA 수치가 높아졌고,^[20] 안구의 평균 속도가 감소하였으며,^[22] 코르티졸 농도가 증가하였다.^[27,32] 한편 Ke et al.^[16]는 FLA를 정신적 작업부하와 관련된 지표로 정의하고, 기계 소음을 청취했을 때 해당 지표가 증가하는 것을 밝히기도 했다.

3.5 소음 유형별 생체지표와 반응

소음으로 인하여 유발된 스트레스를 소음의 유형에 따른 생체 지표 반응의 유의성을 중심으로 Table 7에 기술하였다. 대화에 의해 유발된 스트레스는 EEG 지표 중 θ / β와 FLA의 증가로 나타났고,^[16] 대화 소음을 주 소음원으로 포함하는 사무실 소음은 FAA의 감소를 유발했다.^[20] 한편, 모차르트와 팝송과 같은 음악에 의해 유발된 스트레스는 EEG의 γ 주파수 대역의 증가^[31]와 FLA의 증가^[16]로 나타났다. 교통소음 중 지하철 소음에 의해 유발된 스트레스는 ECG 지표 중 RMSSD, SDNN, pNN50과 HF 감소 및 LF/HF ratio의 증가로 나타났다.^[35]

산업 소음 중 기계 소음은 대화와 음악 소리와 비교했을 때, FAA와 FLA에서 유의한 차이가 나타났다.^[16] 또한, 건설 소음들을 비교한 Mir et al.^[29]는 LI, Frontal lobe, 그리고 FAA와 같은 전두엽 활성화 지표 및 비대칭 지표에서 유의미한 결과를 보였다. 백색소음의 경우, 강물소리와 소음이 없는 조건에 비해 EEG의 α와 γ, ECG의 SD2/SD1에서 유의미한 변화를 나타냈고,^[21,31] 선박 환기구 소음과 칠판 긁는 소리(혐오 소음)는 ECG 지표에서 유의한 변화가 관찰됐다.^[17,22]

IV. 논 의

연구에 대한 일반적인 특성을 분석한 결과, 연구 대상자의 평균 연령은 20대가 가장 많았고, 실험실 환경에서 스피커를 통해 소음을 제공하였다. 소음 스트레스 유발을 위하여 소음과 함께 인지적, 심리사회적 과제를 제공하였다. 대부분의 선행연구가 초기 성인기 대상자에게 시행되었기 때문에, 연구 결과를 다양한 연령군의 대상자에게 일반화하기에 제한점이 있다는 점을 시사한다.^{[17,22,33,35]} 실험 환경의 경우 세 편의 연구^[25,28,35]가 실제 음향 환경에서 진행되어, 일상 속에서의 소음 환경의 특성을 재연하기에 한계가 존재한다.^[16,17,33] 스트레스 유발 시나리오는 소음 외에도 인지적 과제가 많이 사용되었는데, 이는 스트레스를 유발하는 데는 더 효과적일 수 있으나 소음에 의해 유발된 스트레스를 측정 및 평가하기에 적절하지 않다는 한계점을 갖는다. 따라서 추후 연구에서는 다양한 인구학적 변인의 대상자를 선정하고 실제 소음 환경에서 발생할 수 있는 시나리오를 적용하여 실제 경험에 근접한 대상자의 경험을 평가할 수 있는 방법론의 도출이 필요하다.

둘째, 본 연구에서는 선행연구에서 사용한 소음을 소음의 유형, 길이, 레벨로 나누어 분석하였다. 소음 유형은 총 6개로 구분되었고 이중 중 교통 소음이 가장 빈번하게 사용되었다. 소음의 레벨은 평균 66.88 dB와 69.1 dBA이었으며 1 min 이상 10 min 미만으로 제시하였다. 일부 연구^{[16,22,23,27,29]}에서는 동일한 소음의 레벨을 여러 단계로 구분하여, 레벨 변화에 따른 스트레스 반응의 변화를 반복 측정하는 방법론이 적용되었다. 이러한 결과는 소음 스트레스 관련 연구 사용된 소음의 특성이 유형, 레벨, 길이, 음향적 특성 등의 측면에서 제한적임을 나타내며, 다양한 소음원으로 확장할 필요가 있다는 점을 의미한다. Asakura^[21]는 실험에 사용된 소리의 종류를, Fan et al.^[22]은 제공하는 소음의 크기와 음질의 지표를 다양화하여 이에 대한 반응을 확인하는 연구를 제안하였다. 특히, Fan et al.^[22]의 연구에서 소음의 음질 지표로 날카로운 정도를 사용하였는데, 거친 정도와 심리음향학적 성가심 정도 등이 추가적으로 고려될 수 있을 것이라 제안하였다.

셋째, 소음 스트레스에 대한 생체반응 지표로서 EEG는 주파수 대역별 세기 분석을 사용하였으며, ECG는 시간 및 주파수 기반 지표를 사용해 심박 주기성, 변이성, 자율신경계 활동과의 연관성을 분석하였다. EEG 지표 중 가장 많은 연구에서 사용된 α 주파수 대역의 활동은 정신적, 신체적 이완을 의미하며,^[36] 일반적으로 스트레스 경험 시 감소하는 것으로 보고되고 있다. θ주파수 대역의 활동은 기억 산출, β 주파수 대역의 활동은 인지적 각성을 의미하는 것으로^[35] 소음에 대한 각성 유발과 스트레스를 유발하기 위하여 사용한 인지 과제로 인한 인지 기능을 반영한 결과로 해석될 수 있다. 일부 연구에서 사용된 δ와 γ 주파수 대역은 각각 집중력과 주의력, 작업 기억력과 관련된 지표로^[37,38] 소음 청취 시 나타나는 다양한 인지반응을 보기 위한 추가적 지표로 사용될 수 있다. ECG 지표 중 심전도의 주기성은 심박, 변동성은 심박 변이도, 자율신경계 활동은 고주파-저주파 비율로서, 스트레스 반응에서 나타나는 교감신경과 부교감신경의 변화가 생리적지표로 사용되는데, 각각 HR, RMSSD, LF/HF 각 특성을 반영하기 위하여 빈번하게 사용되는 지표임을 알 수 있었다.

이외에도 다양한 생체 반응을 소음 스트레스의 지표로서 활용하는 것에 논의가 제시되었는데, Fan et al.^[22]은 호흡, 코르티졸, 혈압, 근전도 등 더 많은 생체신호를 고려할 것을 제안하였고, Sadeghpoor et al.^[25]은 정확성과 타당성의 개선을 위하여 다채널 EEG를 사용하는 것을 제안하였다. Daud와 Sudirman^[31]는 기존에 사용한 EEG 지표와 더불어 시간 영역, 주파수 영역, 그리고 시간-주파수 영역의 추가적인 지표를 함께 고려할 것을 제안하였다. 이는 EEG 신호에 포함된 정보를 보다 완전하게 파악하는데 다양한 지표의 정보가 사용될 수 있기 때문이다.

넷째, 소음 스트레스를 생체 반응의 경향을 분석한 결과, EEG 측정을 통해 확인된 α 주파수 대역의 크기는 소음 노출에 따라 감소하는 경향을 보이는 것으로 나타났으며, 이는 소음으로 인하여 심리적, 신체적 이완 상태가 감소되는 것을 의미하는 것으로 볼 수 있다. 소음의 유형에 따라 α 주파수 대역의 크기 변화의 방향이 일관적이지 않은 것으로 나타났는데, 이는 음악^[21]이나 자연의 소리(예: 강물 소리)^[21]를 소음으로 적용한 경우인 것으로 나타났다. 또한, Yang et al.^[33]의 연구에서는 터널에 진입했을 때 사이렌 소음에 대해 α 파워가 크게 감소하였지만, 터널 내부에서는 α 파워가 증가한다고 보고하였다. 이는 사이렌이 노출 초기에는 소음으로 경험되었지만, 신호로서 해석 가능한 맥락에서는 정보로서 작용할 수 있다는 가능성을 제시한다. β파는 소음 노출에 따라 증가하는 것으로 나타났는데, 이는 소음이 주의를 요하는 자극으로 작용함으로써 인지적 각성을 유발한 것으로 해석될 수 있다.^[31] 그러나 Fan의 연구에서는 β파가 소음 노출 시 감소하는 결과도 나타났는데, 이는 소리의 자극 강도나 개인의 소음 민감도에 따라 차이가 있을 수 있음을 시사한다.^[22] 특히 백색소음보다는 강물 소리와 같은 자연 소리에서 β파가 증가하는 경향이 관찰되었고, 이는 자연 소리가 주의력 향상에 도움을 줄 수 있음을 시사한다.^[21] θ파는 소음 노출 시 증가하는 경향을 보였으며, 이는 소음이 인지적 자극을 유발하면서 주의력과 기억 형성에 관여하는 뇌의 반응으로 해석된다.^[22]

ECG 중 심박 주기성 지표인 HR은 목소리나 사이렌과 같은 경고성 소음, 강도가 높은 소음 등에 노출 시 증가하는 경향을 보였는데, 이는 소음이 스트레스를 유발함으로써 교감신경을 활성화하기 때문인 것으로 해석될 수 있다.^{[17,27,33,34]} 심박 변이성 지표 중 RMSSD와 SDNN은 음악이나 소음의 음질이 개선되는 조건에서는 증가하였지만,^[22] 소음 노출 시 유의하게 감소하였는데^{[17,26,33,35]} 이는 자율신경계의 불균형, 즉 스트레스 반응을 의미한다고 볼 수 있다.^[39] pNN50의 경우 문헌 간에 상이한 경향을 보였는데, Fan et al.^[22]의 연구에서는 소음 강도가 80 dBA에서 85 dBA로 증가할 때 pNN50이 증가하였으며, Yang et al.^[35]의 연구에서는 소음 차단 전보다 차단 후에 pNN50이 감소하는 경향을 보였다. LF/HF 비율은 소음 노출 시 증가하는 경향을 보였으며, 음악이나 대화 소리 조건에서는 감소하는 경향을 보였다.^[33] HF는 고주파 대역(0.15 Hz – 0.4 Hz), LF는 저주파 대역(0.04 Hz – 0.15 Hz)의 활동을 나타내며, HF는 부교감신경계 활성화, LF는 교감신경계 활성화를 의미한다.^[39] 이러한 결과는 소음 스트레스에 대한 생체지표별 반응이 소음의 유형, 소음의 특성, 소음이 제시되는 맥락 등에 따라 상이할 수 있다는 것을 나타내며, 추후 소음 스트레스 연구에서는 이러한 요인을 고려하여 EEG와 ECG 지표를 활용하는 것이 필요하다는 점을 의미한다.

다섯째, 소음 유형에 따른 생체 지표 및 반응의 경향을 분석한 결과, 대화 소음은 EEG 지표 중 θ / β 비율과 전두엽 근사계수인 FLA의 유의한 증가를 유도하였으며, 이는 주의력과 인지부하를 반영한 결과로 해석될 수 있다. 음악 소음은 EEG의 γ 주파수 대역 활동과 FLA에서 유의한 증가를 보였으며,^[16,31] 이는 감각과 인지 처리 활동에 관여하는 감마 주파수 대역^[40,41]과 정신적 과부하와 연관된 FLA^[42]의 활성화를 의미한다. 이러한 결과는 음악 소음이 인지적 부하를 증가시킬 수 있음을 시사한다.

반면, 산업 소음은 FLA와 전두엽 활성화 지표인 FL에서 유의한 증가를 나타냈으며, 전두엽 비대칭 지표(FAA)와 대뇌 반구 편측성 지표(LI)에서는 유의한 감소가 관찰되었다.^[16,29] 특히, 파일 드라이버 소음 및 높은 강도의 산업 소음에 노출될 때 FAA와 LI 지표가 유의하게 감소하였으며,^[29] 이는 전두엽 좌우 반구의 활성화가 불균형해질수록 스트레스 수준이 높아짐을 의미한다.^[43] 즉, 톱에 비해 파일 드라이버에 노출되었을 때, 또는 더 큰 산업 소음에 노출되었을 때 스트레스가 증가함을 보여준다. 또한, Ke et al.^[16]에서는 대화 및 음악 소음보다 기계 소음에서 FAA 수치가 유의하게 낮게 관찰되었는데, 이는 기계 소음이 더 높은 스트레스를 유발했을 가능성을 시사한다.

백색 소음의 경우 EEG의 α 주파수 대역 활동은 감소하고 γ 주파수 대역 활동은 증가하며, ECG의 SD2/SD1 비율이 유의하게 감소하는 양상을 보였다.^[21,31] 이러한 결과는 백색 소음이 각성을 증가시키고 인지적 부하를 높이며, 교감신경 활성 비율(SD2/SD1)의 감소를 통해 스트레스 반응이나 불편감을 유발할 수 있음을 나타낸다. 따라서 백색 소음은 자연 소음에 비해 스트레스를 유발할 가능성이 높음을 의미한다.^[21] 교통 소음과 혐오 소음의 경우 ECG 지표 중 LF/HF 비율의 유의한 증가와 RMSSD의 유의한 감소가 관찰되었는데,^[17,35] 이는 교감신경이 부교감신경보다 더 활발하게 작용하여 스트레스 상태에 있음을 시사한다.^[44]

이를 종합하면, 대화와 음악 소음은 인지적 부하 및 주의력으로 인하여 유발되는 스트레스를 유발하며 EEG 지표에서 더 명확히 관찰되는 경향을 보였으며, 교통 소음과 혐오 소음은 교감신경 활성화를 유발하며 ECG 지표를 통해 명확하게 관찰되는 경향을 보였다. 이는 각 소음의 특성에 따라 EEG와 ECG 지표의 적합성이 달라짐을 의미하며, 추후 연구에서는 소음 유형에 따른 적절한 측정 방식과 지표의 선택이 필요함을 시사한다.

V. 결 론

본 연구는 소음이 유발하는 스트레스 반응을 생체 신호 지표로 측정한 선행 연구들을 살펴보기 위하여, 3개의 데이터베이스를 활용하여 최근 6년간의 연구를 기술 분석과 주제 분석으로 나누어 주제범위 문헌고찰을 실시하였다. 연구의 일반적 특성(연구 대상자, 실험 환경), 소음의 특성(유형, 길이, 레벨), 측정 지표와 방법(EEG 주파수 대역별 크기, ECG 주기성, 변이성, 자율신경 관련반응), 각 지표별 스트레스 반응을 분석하여, 최종적으로 소음의 유형에 따른 지표와 반응의 경향을 도출하였다. 본 연구의 제한점으로는 일부 문헌이 누락되었을 가능성을 배제할 수 없다는 점과, 문헌 선정 기간 및 문헌 수가 제한적이어서 결과의 일반화에 한계가 있다는 점을 들 수 있다. 선정 기간을 확장하고 다양한 생체 반응 측정 지표와 방법을 포함한 후속 연구가 이루어진다면, 보다 기여도 높은 연구 결과를 도출할 수 있을 것으로 사료된다. 그럼에도 불구하고, 본 연구는 소음으로 인한 스트레스 반응을 측정하는 데 있어 소음 유형별 스트레스를 특정하기에 적합한 생체 신호 지표와 측정 방법을 제시하는 기초 자료로서 의의를 지닌다. 또한, 이러한 결과는 생체 반응이 기존의 자가 보고 설문과 더불어 다양한 소음 환경의 스트레스를 다각적, 통합적으로 측정하는 평가 지표로 활용될 수 있을 뿐만 아니라 소음 저감 기술의 효과를 객관적으로 검증함으로써, 보다 효과적인 소음 관리 방안 도출에 기여할 수 있을 것으로 기대된다.