Purpose: Nurses frequently encounter morally complex clinical situations that generate moral distress, which, if unresolved, may accumulate as moral residue and progress to moral injury. This review synthesizes current evidence on moral resilience and ethical practice environments and proposes an integrated framework for sustainable ethical practice in hospitals. Methods: A narrative review of literature was conducted to examine moral distress, moral injury, moral resilience, ethical climate, psychological safety, and speaking-up climate. Conceptual integration was undertaken to present a multilevel strategy framework and a stepwise model linking individual, relational, and organizational factors. Results: Moral resilience, defined as the capacity to maintain or restore moral integrity under moral adversity, comprises four domains: response to moral adversity, personal integrity, relational integrity, and moral efficacy. Higher moral resilience is associated with lower burnout, turnover intention, and quiet quitting and may mediate the relationship between ethical climate and work engagement. However, individual resilience alone is insufficient in hierarchically structured and psychologically unsafe environments. In such contexts, sustainable ethical practice requires institutionalized ethical climate, psychological safety, protected speaking-up systems, and structured ethics support. Conclusion: Sustainable ethical practice is achieved when moral resilience is strengthened at the individual level and embedded within team culture and organizational policy.

This study addresses the challenge of imputing missing values in incomplete process data collected from high-cost data acquisition environments. Such missingness arises due to insufficient completeness, accuracy, and consistency, which significantly affect the quality of critical-to-quality (CTQ) attributes in manufacturing processes. We systematically evaluate three state-of-the-art imputation methods—Multiple Imputation by Chained Equations (MICE), the machine learning-based missForest algorithm, and a deep learning- based one-dimensional convolutional neural network (1D-CNN)—using real-world industrial data. Our analysis aims to identify the most effective imputation technique for handling complex and noisy process datasets typical in manufacturing settings. The results highlight the strengths and limitations of each method, providing practical guidance for selecting appropriate imputation approaches to improve the reliability of quality prediction and decision-making in industrial applications.

Defect detection in manufacturing processes is a critical requirement for ensuring product reliability and maintaining production stability. As smart manufacturing environments continue to advance, the need for precise and robust vision-based inspection methods has become increasingly significant. This study proposes a hybrid defect analysis framework that integrates YOLOv5-based defect candidate detection with an Attention U-Net–based segmentation module. Experiments conducted on chromate-coated industrial images demonstrate that the proposed framework achieves an accuracy of 0.97, precision of 0.91, recall of 0.89, F1-score of 0.93, and IoU of 0.88, exhibiting stable performance even for small defects and irregular boundaries. The combination of region- of-interest extraction and attention-enhanced pixel-level segmentation improves both computational efficiency and boundary reconstruction quality. The findings extend the applicability of attention-based segmentation to industrial defect inspection and provide practical insights for deploying deep learning–based quality monitoring systems in automated manufacturing environments.

Microorganisms such as pathogens from humans, pets, and plants, as well as bacteria, fungi, and viruses, can cause damage in indoor environments, leading to infections and allergies. Additionally, the presence of indoor microorganisms can result in food contamination and economic damage, along with odors, corrosion, discoloration, and damage to facilities, equipment, and buildings. Therefore, a hygienic approach that includes research on microorganisms in indoor environments should be taken for their management. However, past approaches to indoor microorganism management have been limited to measuring the concentration of airborne bacteria and mold as stipulated in the Ministry of Environment’s Indoor Air Quality Act. Due to the COVID-19 pandemic, interest in microorganisms in indoor environments has been on the rise, along with demands to mitigate the damage they create. Because microorganisms have varying degrees of impact on the environment and organisms, they are classified by risk level and require secure research facilities tailored to target biosafety levels. However, there is a lack of awareness of the application of facilities and biosafety to study indoor microorganisms existing in indoor environments. Accordingly, in this study, both domestic and international biosafety regulations were reviewed, the harmfulness of indoor microorganisms was evaluated, and considerations for handling indoor microorganisms in domestic universities, companies, and public institutions were proposed.

This study analyzes and compares the determinants of accident severity between human-driven vehicle (HDV) and autonomous vehicle (AV) mixed environments using collision data from the California Department of Motor Vehicles . To address the high dimensionality and categorical complexity of the dataset, an XGBoost-based classification model was developed and the Shapley additive explanations method was employed to explain the contribution and directional influence of each explanatory variable. An undersampling and ensemble approach was utilized to mitigate class imbalances and enhance the model stability. The results revealed that in an HDV environment, driver perception and evasive responses were dominant factors influencing crash outcomes, with collision direction and relative speed significantly affecting the severity. By contrast, in the AV–HDV mixed environment, intersection conditions and complex driving contexts were associated with higher accident severity, thus demonstrating the current limitations of AV systems in managing unstructured traffic scenarios. These findings suggest that as AV deployment progresses, the key determinants of crash severity shift from human behavioral factors to system and environmental factors, thus providing empirical insights for future AV safety evaluations and policy frameworks.

This study aims to provide a basis for selecting the appropriate traffic-flow evaluation indicators by quantitatively analyzing the relative importance of such indicators in mixed traffic environments in which automated vehicles (AVs) and conventional vehicles coexist. As AV technology progresses and its adoption increases, establishing reliable evaluation criteria that accurately reflect the characteristics and performance of traffic systems under transitional conditions is crucial. Thus, approximately 40 domestic and international studies were reviewed in this study, from which 45 evaluation indicators were identified. These indicators were classified into three major categories: mobility, safety, and environment. Five frequently used and representative indicators were selected from each category based on the appearance frequency and relevance. An analytic hierarchy process survey was conducted with a group of transportation experts to derive the relative importance (weights) of both the major categories and individual indicators. The analysis revealed that safety (0.53676) was the most important category, followed by mobility (0.34795) and environment (0.11528). After combining the weights of the categories and sub-indicators, the top three indicators, i.e., time to collision (TTC), time exposed to TTC, and deceleration rate to avoid crashes, appeared to be safety related and associated directly with the collision risk. These findings suggest that, in the early stages of AV deployment, traffic evaluations should prioritize safety considerations over mobility or environmental factors to ensure the successful integration of AVs into existing traffic systems.

기존의 정서 연구는 주로 전통적인 2D 영상을 이용하여 특정 정서를 유발하였다. 이와 대조적으로, 360° 영상은 시청자의 전체 시야를 차지하여 몰입적이고 상호작용적인 경험을 제공한다. 본 연구에서는 VR 기기를 통해 시청하 는 360° 영상 자극에 대한 정서 반응을 알아보고자 하였다. 50명의 참가자들은 5가지 조건(무서운, 신나는, 지루한, 역겨운, 차분한)에 대해 각각 6개의 영상을 시청한 후 정서를 평정했다. 선정된 영상자극들이 의도한 정서 조건에 맞게 조작되었는지 확인하기 위해 실시한 일원변량분석 결과, 영상 자극 조건에 따라 정서가와 각성가에서 전반적으 로 유의미한 차이가 나타났으며, 각 정서 조건은 의도한 핵심 정서 차원에 적절히 표상되었다. 또한 참가자간 상관분 석 결과, 긍정적인 정서조건에서 부정적인 정서조건보다 참가자 간 반응이 더 일관적임을 확인하였다. 본 연구의 결과는 정서 연구의 새로운 자극 도구로써 VR 기반 360° 영상이 핵심 정서 차원에서 효과적으로 정서를 유발할 수 있음을 체계적으로 검증하였다는 점에서 의의가 있다.

2019년 기준 국내 인체 항생제 사용량(DDD/1,000명/일)은 26.1로 OECD 29개국 중 세 번째로 높으며, 2024년에는 가축 및 반려동물에 약 850톤의 항생제가 판매되는 등 다량으로 사용되고 있다. 특히 낙동강 인근 하수 및 축산폐수 처리장 방류수에서는 sulfonamide 계열 항생제가 높은 빈도와 농도로 검출되며, 기존의 생물학적 처리공정만으로는 완전히 제거되지 않아 수계로 유출된다. 항생제는 주로 복합 혼합물 형태로 환경에 유입되며, 물질 간 상호작용 (가산효과, 상승작용, 길항작용 등)에 따라 독성이 달라질 수 있다. 이에 본 연구에서는 sulfonamide 계열 항생제 3종(sulfamethoxazole, sulfamethazine, sulfathiazole)을 대상으로, 이들의 혼합물이 물벼룩(Daphnia magna)에 미치는 급성독성을 평가하였다. 급성독성 시험 결과, 단일 물질의 48hr-EC₅₀은 sulfamethoxazole(SMX) 50.17 mg/L, sulfamethazine(SMZ) 45.83 mg/L, sulfathiazole(STZ) 26.73 mg/L로 나타났으며, 혼합물은 M1(SMX+SMZ) 45.94mg/L, M2(SMZ+STZ) 31.65 mg/L, M3(SMX+STZ) 42.52 mg/L, M4(SMX+SMZ+STZ) 52.16 mg/L로 확인되었다. 또한, 비시험 독성 예측방법인 UN-GHS 모델과 Similar Mode of Action(MOA) 기반 분석을 통해 혼합 독성을 예측하였다. UN-GHS 모델을 이용한 예측은 실험값과 유사한 경향을 보였으나, 최대 21%의 상대오차가 발생하여 단순 가산으로 환경 내 독성영향을 평가하는 데 한계가 있음을 검증하였다. Similar MOA 분석 결과, M1은 단순 가산효과, M2는 상승작용, M3⋅M4는 길항작용을 보였다. 이는 항생제 혼합물이 항상 상승효과를 보이지 않음을 시사한다. 길항작용은 동일 표적 또는 수용체 경쟁, 연관 경로 내 영향, 혹은 한 물질의 독성 억제 등으로 발생할 수 있다. 본 연구 결과, 혼합물질의 독성은 단일물질 기반 비시험 예측법으로 정확히 평가하기 어렵고, 혼합물질의 조성과 종류에 따라 오차가 발생함을 규명하였다. 따라서 향후 연구에서는 다양한 조건에서의 실험적 데이터를 축적하고 보정인자를 도출하여 모델 신뢰도를 향상시킬 필요가 있으며, 다양한 작용 기작과 성분을 가진 혼합물을 대상으로 실험적 검증을 수행함으로써 혼합물의 실제 독성을 보다 정확하게 평가해야 한다.

장기 우주 임무와 우주 농업에 대한 관심이 커짐에 따라 이 러한 임무 중 생명 유지에 필수적인 신뢰성 높은 우주 농업 시 스템의 개발이 요구되고 있다. 그러나 저기압과 같은 환경 스 트레스 요인이 식물 생장에 미치는 영향은 아직 완전히 규명 되지 않았으며 이는 생물재생 생명 유지 시스템 설계의 있어 핵심적인 기초자료가 된다. 본 연구에서는 밀폐된 환경에서 서로 다른 기압 조건(101.3, 67, 33kPa)에서 케일(Brassica oleracea var. acephala)의 생장 반응을 정량적으로 분석하였 다. 발아 2주 후 맞춤형 아크릴 압력 챔버에서 19일간 재배되 었으며 1일차와 9일차에는 물(20mL)을 공급하였다. 엽장, 엽 폭, 엽록소 함량은 1, 9, 19일차에 측정되었다. 1일차에는 유의한 차이가 없었지만(p > 0.05), 9일차에는 A 그룹(101.3kPa)과 B 그룹(67kPa)에서 유의미한 생장 증진 이 나타났고 특히 B 그룹에서 일시적 생장 향상이 관찰되었다 (p < 0.05). 19일차에는 A 그룹이 가장 높은 생장을 보였으며 (잎 길이 44.72 ± 2.74mm, 잎 폭 39.19 ± 5.99mm), B 그룹은 비교적 높은 생장을 유지하였고 C 그룹(33kPa)은 가장 낮은 생장을 보였다. 엽록소 함량(SPAD)은 초기에는 증가하였고 특히 C 그룹에서 가장 높은 수치가 관찰되어 저기압이 엽록소 생합성 또는 유지 기작을 일시적으로 활성화할 수 있음을 시 사하였다. 그러나 19일차에는 모든 그룹에서 엽록소 함량이 감소하며 장기적으로 광합성 능력을 유지하는 데 어려움이 있 음을 확인하였다. 이러한 결과는 저기압 환경이 초기에는 생 리 활성을 자극할 수 있지만, 궁극적으로는 생장을 억제할 수 있음을 보여준다. 본 연구는 향후 우주 기반 폐쇄형 재배 시스 템의 기압 설정 및 생명 유지 시스템 설계의 기초 자료로 활용 될 수 있을것이다.

하수 및 폐수 환경에서의 콘크리트 구조물은 부식성이 강한 황산 환경에 노출되어 석고와 에트링가이트 형성을 통해 심각한 열화를 초래한다. 본 연구는 이를 해결하기 위해 그래핀 나노플레이트릿(GNP)이 시멘트 모르타르의 내산성 향상에 미치는 효과에 대 해 연구하였다. GNP는 시멘트 중량 기준으로 0.05 wt.%, 0.10 wt.%, 0.15 wt.%로 혼합하였으며, 시편은 28일간의 수중양생 후 0.05 M 황산에 30일 동안 노출시켰다. 내구성 성능은 수분 흡수율, 질량 손실률, 잔류 압축강도 시험을 통해 평가했다. 그 결과, 0.10 wt% GNP는 수분 흡수율을 감소시키고, 질량 손실을 제한하며, 98.9%의 압축강도를 유지함으로써 내산성을 크게 향상시켰다. GNP 함량이 0.15 wt% 이상으로 증가하면 응집이 발생하여 열화가 심화되었다. 이 연구는 GNP를 최적 농도인 0.10 중량%로 첨가하면 황산에 대한 내구성이 향상되고 가혹 환경에서의 장기 인프라 개발 분야에 유망한 잠재력이 있다는 결론을 내렸다.