기본 콘텐츠로 건너뛰기

논문으로 검증된 아연의 효능


아연(Zinc)

- 우리 몸에 2번째로 풍부한 미량 무기질로서 필수 영양소이다. 
- 결핍 증상 : 후각 및 미각 이상, 발기부전, 설사, 체중감소, 야맹증, 면역기능 저하 등
- 대중적으로 가장 널리 섭취하는 성분이다.
- 하루 섭취 권장량은 8.5mg이다.


과학적으로 엄격하게 입증된 효능

  • 면역 기능 : 12개월 동안 시각 장애인 노인의 면역 체계에 아연이 미치는 영향을 측정하였다. 아연 영양제를 섭취한 그룹은 그렇지 않은 그룹보다 감염 발생률, 산화 스트레스가 현저하게 낮았다.
  • 세포 분열 : 정상적인 세포분열에 필요하다.
  • 아연 결핍 증상 완화 : 아연을 섭취하면 후각 및 미각 이상, 발기부전, 설사, 체중감소, 야맹증, 면역기능 저하 등의 아연 결핍 증상을 완화시킨다.

다수의 임상실험으로 밝혀진 효능

  • 설사 : 아연을 섭취하면 영양 부족이나 아연이 부족한 어린이들의 설사의 지속 시간과 심각성을 감소시킨다. 임신과 출산 후 1달 이내의 여성이 아연을 복용하면 생후 1년 동안 유아의 설사 발생률을 감소시킨다.

1개 이상의 신뢰할 수 있는 연구로 밝혀진 효능

  • 감기 회복 : 일반 감기 증상이 나타난지 24시간 이내의 50명을 대상으로 아연의 감기 회복 효과를 측정하였다. 무작위로 매 2~3시간마다 13.3mg의 아연을 복용하는 그룹과 그렇지 않은 그룹으로 나누었다. 아연을 복용한 그룹은 그렇지 않은 그룹보다 전체 감기 기간(4.0일 vs 7.1일), 기침 기간(2.1일 vs 5.0일), 콧물 기간(3.0일 vs 4.5일)이 짧았고 항산화 및 항염증도 개선되었다. 이러한 결과는 흥미롭지만 실험 대상자들이 감기 증상으로 매일 복용해서는 안 될 만큼의 많은 양의 아연을 섭취했다는 점에 유의해야 한다.
  • 여드름 : 여드름이 있는 사람들은 혈액과 피부의 아연 수치가 낮다. 아연을 복용하면 여드름 치료에 도움이 된다. 하지만 여드름 약물과 비교했을 때 얼마나 도움이 되는지는 아직 확실하지 않다.


함께 먹으면 좋은 성분
  • 비타민A : 비타민A와 아연을 함께 복용하면 비타민A가 혈액 속에서 일정한 농도를 유지하며 필요한 곳에 골고루 분포될 수 있도록 돕습니다

주의사항
  • 혈당을 떨어뜨릴 가능성이 크지만 오히려 높일 수도 있습니다.

 참고 논문

 - Duration and severity of symptoms and levels of plasma interleukin-1 receptor antagonist, soluble tumor necrosis factor receptor, and adhesion molecules in patients with common cold treated with zinc acetate. Prasad AS, Beck FW, Bao B, Snell D, Fitzgerald JT., The Journal of Infectious Diseases, 2008
- Zinc supplementation decreases incidence of infections in the elderly: effect of zinc on generation of cytokines and oxidative stress. 
Prasad AS, Beck FW, Bao B, Fitzgerald JT, Snell DC, Steinberg JD, Cardozo LJ., The American Journal of Clinical Nutrition, 2007

- Roy SK, Tomkins AM, Akramuzzaman SM, et al. Randomized, controlled trial of zinc supplementation in malnourished Bangladeshi children with acute diarrhea. Arch Dis Child 1997;77:196-200
- Sazawal S, Black RE, Bhan MK, et al. Zinc supplementation in young children with acute diarrhea in India. N Engl J Med 1995;333:839-44
- Schachner L, Eaglstein W, Kittles C, Mertz P. Topical erythromycin and zinc therapy for acne. J Am Acad Dermatol 1990;22:253-60
- Weismann K, Wadskov S, Sondergaard J. Oral zinc sulphate therapy for acne vulgaris. Acta Derm Venereol 1977;57:357-60
라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

웨딩 드레스 스케치 도안

웨딩 드레스샵 투어를 다니면서 샘플로 드레스를 입는 경우에는 드레스 사진을 찍지 못하게 하는 샵이 많다. ​ 그래서 투어를 돌고 나면 어떤 샵의 어떤 스타일이 신부에게 잘 어울렸는지 헷갈릴 수가 있다. ​ 하지만 투어를 다닐 때 드레스샵에서 입은 드레스의 특징과 느낌을 잘 기록하면 샵을 선택하는 데 도움이 될 수 있다. ​ 드레스 투어를 다닐 때 드레스를 기록할 스케치 도안은 아래 링크에서 확인/다운로드 할 수 있다. 웨딩 드레스 스케치 도안 확인/다운로드 하기 투어를 마친 후 드레스샵과 계약을 하고, 드디어 본식 드레스를 고를 때에는 사진을 찍을 수 있는 경우가 많다. ​ 이 땐 사진을 잘 찍어서 어떤 드레스를 입을지 잘 선택하도록 하자. ​ ​
댓글 쓰기
자세한 내용 보기

파이썬(Python)을 이용한 피어슨 상관계수 구하기

피어슨 상관계수(Pearson correlation coefficient)는 두 변수 간의 상관관계를 확인하기 위한 가장 기본적인 방법이다. 피어슨 상관계수를 사용할 때 주의해야할 사항은 아래와 같다. - 상관관계가 인과관계를 의미하는 것은 아니다. 단순히 두 변수의 연관성을 확인하는 것이다. - 두 변수가 정규분포일 때 잘 작동한다.  - 이상치(outlier)에 민감하므로, 이상치는 제거하는 것이 좋다. - 두 변수가 완전히 동일하면 피어슨 상관계수는 1.0이다. 완전히 반대방향으로 동일하면 -1.0, 전혀 상관 없으면 0이다. 세부적인 해석은 아래와 같이 한다. - -1.0과 -0.7 사이이면, 강한 음적 선형관계 - -0.7과 -0.3 사이이면, 뚜렷한 음적 선형관계 - -0.3과 -0.1 사이이면, 약한 음적 선형관계 - -0.1과 +0.1 사이이면, 거의 무시될 수 있는 선형관계 - +0.1과 +0.3 사이이면, 약한 양적 선형관계 - +0.3과 +0.7 사이이면, 뚜렷한 양적 선형관계 - +0.7과 +1.0 사이이면, 강한 양적 선형관계 파이썬을 통해 피어슨 상관계수를 쉽게 구할 수 있다. 예시를 통해 알아보자. height, weight의 두 변수를 가지는 body라는 DataFrame을 만들었다. DataFrame을 만드는 과정은 아래의 포스트에서 확인할 수 있다.  "파이썬(Python) Pandas를 이용한 데이터프레임(DataFrame) 만들기" body 데이터프레임으로 피어슨 상관계수를 구하는 코드는 아래와 같다.  1 2 corr = body . corr(method = 'pearson' ) corr Jupyter Notebook으로 구하면 아래와 같은 결과를 얻는다. 표의 행과 열을 살펴보면 "height - height", "weight - weight"는 1이...
댓글 쓰기
자세한 내용 보기

파이썬(Python)을 이용한 선형 회귀분석(linear regression)

파이썬의 statsmodels 라이브러리를 이용해 간단하게 선형 회귀분석을 해볼 수 있다. 예시를 통해 살펴보자. 먼저 아래와 같이 예시 데이터프레임을 만든다. 1 2 3 4 5 6 7 8 9 10 11 12 import pandas as pd height = [ 170 , 168 , 177 , 181 , 172 , 171 , 169 , 175 , 174 , 178 , 170 , 167 , 177 , 182 , 173 , 171 , 170 , 179 , 175 , 177 , 186 , 166 , 183 , 168 ] weight = [ 70 , 66 , 73 , 77 , 74 , 73 , 69 , 79 , 77 , 80 , 74 , 68 , 71 , 76 , 78 , 72 , 68 , 79 , 77 , 81 , 84 , 73 , 78 , 69 ] body = pd . DataFrame( { 'height' : height, 'weight' : weight } ) body . tail() 위 코드에 대한 설명은 "파이썬(Python) Pandas를 이용한 데이터프레임(DataFrame) 만들기" 포스팅을 통해 확인할 수 있다. 위 코드를 Jupyter Notebook을 통해 실행해보면 아래와 같이 데이터 프레임이 만들어진 것을 확인할 수 있다. 선형 회귀분석은 아래와 같은 가정을 만족해야 한다. 선형 회귀분석을 할 때에는 데이터가 아래의 가정을 따르는지 먼저 생각해보는 습관을 기르자. - 변수의 선형 상관관계 : 선형 회귀분석은 종속변수(Y)와 독립변수(X)가 선형의 상관 관계를 가지는 것을 가정한다. 선형의 상관관계가 아닐 경우, 다른 회귀분석 방법을 사용하거나, 새로운 변수를 추가하거나, 기존의 변수를 로그, 지수등의 방법으...
댓글 1개
자세한 내용 보기