首页 > 文献资料
-
气象因素对北京房山区手足口病发病的短期效应研究
目的 探讨气象因素对北京市房山区手足口病发病短期波动的影响.方法 采用广义相加模型在控制长期趋势、季节性趋势及其它混杂因素基础上,分析房山区2009-2013年周平均温度、相对湿度、日照时数、平均风速对手足口病周发病数的影响.结果 各气象因素滞后一周对手足口病的发病影响大,平均气温每升高1℃,手足口病发病数增加1.454％(95％C.I.0.508 ～2.410);相对湿度每升高1％,手足口病发病数增加0.911％ (95％C.I.0.508 ～2.410);日照时数每增加1h,手足口病发病数降低5.517％(95％C.I.-8.509～-2.426);平均风速每升高1m/s,手足口病发病数升高19.118％ (95％C.I.3.909 ～36.553).结论 平均气温、相对湿度、日照时数和平均风速与房山区手足口病发病相关,可将其作为预报手足口病发病的指标.
-
广州市PM2.5浓度与人群每日死亡风险的空间分布特征
目的 了解广州市大气PM2.5暴露对居民每日死亡的影响及其空间分布特征.方法 收集2013年1月1日-2014年12月31日期间广州市十二个区(县级市)31个大气监测站点的PM2.5每日数据、气象数据和居民每日死亡数据,采用克里格插值模型和分布滞后非线性模型的时间序列分析方法,分别从全市及12个行政区域的大气PM2.5污染状况及其对居民每日死亡的影响进行评估分析.结果 研究期间,全市PM2.5的年平均暴露浓度为49.5±25.6μg/m3,呈西、南部区域PM2.5污染重,东北区域相对较低的区域分布特征;全市范围PM2.5暴露与每日总非意外死亡的滞后累积大效应RR为1.017(1.001,1.034;95％CI);白云区、从化区、南沙区、越秀区和荔湾区PM2.5暴露与每日总非意外死亡佳滞后效应RR值范围1.010 ～1.014(此为各区RR值范围,而非95％ CI),滞后累积大效应RR值范围1.010 ～1.057(此为各区RR值范围,而非95％ CI);从化区、南沙区、越秀区和荔湾区PM2.5暴露与每日心血管系统疾病死亡的佳滞后效应RR值范围1.006 ～1.021(此为各区RR值范围,而非95％CI),滞后累积大效应RR值范围1.017 ～1.059(此为各区RR值范围,而非95％ CI);南沙区和越秀区PM2.5暴露与每日呼吸系统疾病死亡的佳滞后效应RR值分别为1.004和1.034,滞后累积大效应RR值分别为1.018和1.110.结论 广州市不同区域大气PM2.5暴露对当地居民每日死亡的影响各有不同;呈现南、北两端和西部部分人口密集,交通拥挤的区域风险较高,其他区域风险不明显的空间分布特征.
-
济南市重污染区域大气污染物对循环系统疾病门诊量的急性效应
目的 评价济南市空气污染严重区域大气污染物PM2.5、PM10、NO2、SO2及O3对当地居民循环系统疾病门诊就诊的暴露反应关系.方法 收集2014-2016年济南市重污染区域某综合医院循环系统疾病逐日门诊信息、空气污染物浓度及气象信息,并进行描述性分析.采用广义线性模型,定量评估逐日大气污染物PM2.5、PM10、NO2、SO2及O3浓度与当地居民循环系统门诊就诊量之间的相关关系.结果 2014-2016年期间该综合医院循环系统疾病门诊量合计55 858人次,日均就诊量51人次/天,PM2.5、PM10、NO2、SO2及O3日均浓度分别为100、205、53、58及90 μg/m3.PM2.5、PM10、NO2浓度每升高10 μg/m3,当日循环系统疾病门诊量分别增加0.40％ (95％ CI:0.01％ ～ 0.80％)、0.25％ (95％ CI:0.03％ ～ 0.47％)、1.66％ (95％ CI:0.64％ ～2.68％).仅发现NO2与循环系统疾病门诊量存在累积滞后效应,NO2浓度每升高10 μg/m3,在Lag02时,循环系统疾病门诊量可增加2.13％(95％CI:0.81％ ～3.46％).未发现SO2及O3与循环系统疾病门诊量之间存在显著效应.结论 空气污染严重区域大气污染物PM2.5、PM10及NO2与循环系统疾病门诊量之间存在相关关系,未发现SO2及O3与循环系统疾病门诊量之间存在显著效应.
-
北京市丰台区大气PM10与呼吸系统疾病门诊量关系的研究
目的 探讨北京市丰台区大气PM10对人群呼吸系统疾病日门诊量的影响.方法 采用广义相加Poisson回归模型的时间序列研究,在控制门诊量的长期趋势、星期几效应、气象因素等混杂因素的影响后,分析北京市丰台区2010年1月1日-12月31日大气PM10浓度与呼吸系统疾病日门诊量之间的关系.结果 大气PM10浓度每增加10 μg/m3,呼吸系统疾病门诊量平均增加0.7％(95％ CI:0.6％ ～0.8％).结论 北京市丰台区大气PM10浓度与居民呼吸系统疾病门诊量之间存在正相关.
-
兰州市大气污染与居民健康效应的时间序列研究
目的 定量化研究兰州市大气污染物对居民心血管疾病日住院人数及居民日死亡人数的影响.方法 收集2004年1月1日-2007年12月31日兰州市大气主要污染物资料,收集兰州市同期心血管疾病日住院资料及居民日死亡资料,采用Poisson广义相加模型进行兰州市大气污染与居民心血管疾病日住院人数及居民日死亡人数的回归分析.结果 兰州市大气主要污染物对心血管疾病住院人数和居民总死亡人数的影响均有滞后效应,不同污染物对总心血管疾病及居民总死亡人数的影响也不相同.PM 10、SO2及NO2日平均浓度每增加10 μg/m3,总心血管疾病日住院人数分别增加0.21％、1.15％和1.08％,居民日死亡人数分别增加0.71％、1.29％、1.95％.结论 兰州市大气污染物PM10、SO2及NO2浓度与心血管疾病住院人数及居民死亡人数存在一定的相关性,污染物浓度升高,心血管疾病住院及居民死亡的危险性随之增加.
-
2001-2012年北京市API变化趋势分析
随着北京雾霾天气的频繁发生,空气质量状况日益受到关注.运用时间序列分析描述方法,描述2001-2012年间北京市的空气污染指数(air pollution index,API)随时间的变化趋势及与降雨量、风速、气温、湿度等气象因素的相关性.结果表明API指数整体呈下降趋势;春季和冬季的月API指数高,夏季低,存在明显的季节性,3、4月的月API指数较高,7、8月的月API指数低;首要污染物中SO2所占的比例在减少,可吸入颗粒物的比例在升高;API指数与降雨量存在负相关关系,与风速、气温、湿度等存在正相关的关系.
-
北京市房山区手足口病与气象因素的时间序列分析
目的 探讨气象因素对北京市房山区手足口病发病的影响,初步建立手足口病的早期预测模型.方法 选用乘法季节自回归移动平均模型(SARMA)分析房山区手足口病发病与气象因素的关系.利用2009-2013年资料建立模型,并用2014年1-8月资料对模型进行验证.结果 房山区手足口病发病与平均气温、相对湿度、降水量、气压等均有显著相关.SARMA(0,1)(1,0)12模型结果显示,平均温度升高l下,相对湿度增加1％,平均气压降低100 Pa,将分别导致手足口病的发病率升高27.51％,12.40％,1.36％.拟合的模型可以对房山区手足口病发病进行短期预测.结论 气温、相对湿度、气压等气象因素与房山区手足口病发病相关,可将其作为预测房山区手足口病发病的指标.
-
ARIMA模型在梅毒预测中的应用
目的 构建天津市梅毒月发病率预测的ARIMA模型,为梅毒防控工作提供参考依据.方法 利用天津市1996-2008年梅毒月发病率资料,应用SPSS15.0统计软件包,拟合构建佳ARIMA模型.利用2009年梅毒月发病率资料对模型的预测效果进行评价,并对天津市2010年月梅毒发病率进行预测,构建梅毒月发病率预测佳模型,为今后梅毒预防控制工作提供参考依据.结果 拟合ARIMA(2,1,0),(0,1,1)模型为天津市梅毒月发病率预测的佳模型,该模型具有较高的预测精度,预测值与实际值较为接近,且实际值均在预测值的95%可信区间范围内.结论 ARIMA模型能较好的预测梅毒发病率的变化趋势,为梅毒预防控制措施的制定提供重要依据.
-
季节性求和自回归移动平均模型在北京市房山区感染性腹泻发病趋势预测中的应用
目的 构建北京市房山区感染性腹泻发病的季节性求和自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)模型并进行预测.方法 应用R3.0.1软件程序包中的TSA对2004-2013年房山区感染性腹泻月发病率构建模型,并对2014年各月感染性腹泻月发病率进行预测和评价.结果 SARIMA(0,0,2)(0,1,1)12模型较好地拟合既往时间段月发病率,对2014年发病趋势拟合平均相对误差为19.164％,对年发病率拟合平均相对误差为2.303％.结论 SARIMA(0,0,2)(0,1,1)12模型能够很好拟合感染性腹泻月发病率数据,可用于房山区感染性腹泻发病趋势的短期预测,为下一步采取针对性防控措施提供科学依据.
关键词： 感染性腹泻 季节性求和自回归移动平均模型 时间序列分析 -
北京市东城区细菌性痢疾与气象因素的时间序列分析
目的 探讨气象因素变化对细菌性痢疾(菌痢)发病的影响,初步建立菌痢的早期预测模型.方法 选用季节性求和自回归移动平均模型分析东城区菌痢发病与气象因素的关系.结果 东城区菌痢发病与平均气温、平均相对湿度、平均气压、降水量、日照时数、平均风速等均有显著相关,在SARIMA(1,0,1)×(0,0,1)12早期预测模型中平均气温、平均相对湿度、降水量等与菌痢发病有关.结论 气温、相对湿度、降水量等气象因素与东城区菌痢发病相关,可以将其作为预测东城区菌痢发病的指标.
-
北京市2013年1月雾霾天气事件中PM2.5相关人群超额死亡风险评估
目的 估算北京市2013年1月17-31日PM2.5相关的人群超额死亡风险.方法 采用时间序列分析模型计算北京市2008-2011年间PM2.5对人群死亡的暴露-反应关系系数.应用比例风险模型估算北京市2013年1月17-31日(15 d)重度雾霾PM2.5污染造成的超额死亡风险,同时与2008-2011年1月17-31日的年均超额死亡风险比较分析.结果 北京市2008-2011年间,PM2.5浓度每增加10 μg/m3,人群总死亡风险增加0.28％(95％ CI:0.18％ ～0.41％),心脑血管系统疾病和呼吸系统疾病死亡风险分别增加0.32％ (95％ CI:0.16％～0.47％)和0.31％(95％ CI:0.01％ ～0.63％).北京市2013年1月雾霾天气PM2.5污染导致的超额死亡风险为164人/15 d,显著高于2008-2011年1月17-31日的15天超额死亡风险57人/15 d(x2 =51.800,P＜0.01).朝阳区和海淀区超额死亡风险是10个区(县)中高的.结论 研究结果显示心脑血管和呼吸系统疾病是PM2.5污染的敏感性疾病.在重度雾霾天气期间,PM2.5可增加人群超额死亡风险,并表现出一定地区差异,以人口密集和污染浓度高的中心城区健康风险高.
-
利用ARIMA模型预测北京市顺义区手足口病发病趋势
目的 探讨利用ARIMA模型预测手足口病发病趋势的可行性和意义,为预警手足口病防控提供依据.方法 应用SPSS 19.0对2008-2013年手足口病逐月发病率建立ARIMA模型,并对2013年手足口病各月发病率进行拟合.结果 ARIMA(1,0,0)(1,1,0)12能够较好拟合既往时间段手足口的发病率,2013年各月的预测值符合手足口病实际发病率变动趋势.结论 模型能够有效地预测手足口病发病趋势,对预警、预测产生积极指导作用.
-
时间序列分析法在北京市食物中毒预测中的应用
目的 探索时间序列分析方法在北京市食物中毒预测中的应用,为食物中毒的预防和控制提供依据.方法 收集2004-2015年北京市食物中毒发生人数,采用ARIMA模型进行拟合,用2016年的事件数据验证模型拟合效果,并预测2017年北京市食物中毒发病人数.结果 ARIMA(1,0,0)×(1,1,0)4较好的拟合了既往时间段食物中毒发病人数的时间序列,拟合平均相对误差为6.00％,实际值均在预测值的95％CI内,预测2017年北京市食物中毒发生人数为264人.结论 ARIMA模型能够较好的拟合食物中毒发生趋势,在食物中毒发病人数预测中具有一定的应用价值.
-
北京市大气污染与城区居民死亡率关系的时间序列分析
为定量评价北京市大气污染对居民每日疾病死亡率的影响,运用时间-序列分析方法,控制了流感、季节等混杂因素的影响后,对北京市主要大气污染物CO、SO2、NOX、TSP、PM10与居民相应疾病死亡率的相关关系进行了定量评价.以呼吸系统疾病、循环系统疾病、冠心病、慢性阻塞性肺病和消化系统肿瘤疾病死亡人数分别为因变量,大气污染物浓度和平均温度、湿度为自变量,进行了泊松回归分析.单变量分析结果表明,除TSP对冠心病死亡率的影响无显著意义外,大气中CO、SO2、NOX、TSP浓度与呼吸系统、心脑血管疾病、慢性阻塞性肺病和冠心病死亡率之间的正相关关系均有显著意义,而多因素泊松回归得到的暴露-反应关系模型显示,SO2浓度每提高100μg/m3,呼吸系统、循环系统、冠心病和慢性阻塞性肺病疾病死亡率分别增加4.21%、3.97%、10.68%和19.22%;总悬浮颗粒物每增加100μg/m3,呼吸系统疾病死亡率增加3.19%,循环系统死亡率增加0.62%.提示大气污染物浓度的升高会引起相应疾病死亡率的增加.
-
空气污染与疾病关系的时间序列分析中门急诊数据快速清洗及自动分类汇总方法的研究
目的 探索空气污染与疾病关系的时间序列分析中门急诊数据快速清洗及自动分类统计汇总的方法.方法 根据数据特征,制定清洗规则集,使用SQL语言分模块编写程序组,实现数据快速清洗和统计报表自动生成.结果 该方法能够快速准确地清洗不同特征的个案数据,根据ICD-10自动计算分病种日就诊量,自动生成统计报表.结论 该方法可以灵活、准确、快速地处理大量级数据,适用于医院、急救、死因、健康档案等个案数据,具有较强的实用价值,是开展空气污染健康风险评估的必要手段.
-
乌鲁木齐大气污染与循环系统疾病日住院人数的时间序列分析
目的 定量评估乌鲁木齐城区主要大气污染物(SO2 NO2 、PM1o)对居民循环系统疾病的影响,建立大气污染对人群健康影响的预测模型.方法 采用时间序列的广义相加模型(GAM),在控制了时间的长期趋势、季节趋势、周效应、气象因素等混杂因素的基础上,研究乌鲁木齐市区2005年1月1日-2009年12月31日大气污染物浓度与居民所患循环系统疾病人数的关联性.结果 大气中SO2、NO2和PM10浓度每增加10μg/m3,循环系统疾病日住院人数相对危险度分别增加1.063(95％CI1.024～1.091)、1.0341 (95％ CI 1.011～1.067)和1.057 (95％ CI1.021～1.088).研究期间主要污染物浓度总体呈逐年上升的趋势,循环系统疾病日住院人数不仅持续增加而且是呈周期性的波动存在(夏季偏低,冬季偏高).结论 对鸟鲁木齐循环系统疾病日住院人数影响较大的污染物为SO2 PM10,并且与气象因素存在相关性.
-
深圳市大气PM10浓度对呼吸系统疾病日门诊量的影响
目的 探讨大气PM10对医院呼吸系统疾病日门诊量的影响.方法 采用广义相加Poisson回归模型的时间序列分析,在控制长期趋势、星期几效应、气象和环境因素等的影响后,对深圳市2008年大气PM10日均浓度与同期某医院呼吸系统疾病日门诊量的关系进行定量回归分析,同时考虑滞后效应.结果 当日大气PM10浓度与当日门诊量的关系无统计学意义(P＞0.05).PM10滞后效应以滞后5日的健康效应强,每上升10μg/m3,超额危险度为1.113%(95%CI0.613%～1.616%).考虑CO、NO2、SO2等的影响后,除单独引入CO降低PM10效应估计值外,其余均使PM10的健康效应估计值有所升高.结论 深圳市大气PM10污染与医院呼吸系统疾病日门诊量存在正相关.
-
基于自回归积分滑动平均模型的医用低值耗材需求量预测研究
目的 探讨时间序列分析方法 在医院医用低值耗材管理中的应用,分析和预测未来一段时间内医用低值耗材的使用需求.方法采用自回归积分滑动平均模型(Autoregressive Integrated Moving Average,ARIMA)对上海某三甲医院医用低值耗材2008年1月~2016年7月的逐月使用量进行数据挖掘及预测.结果 ARIMA(6,1,3)(1,1,1)模型的绝对误差为8.58%,在实际业务可接受范围之内,因此模型拟合效果较好,预测结果接近实际产生值.结论 ARIMA(6,1,3)(1,1,1)模型能够准确的进行医用低值耗材的短期预测,并将其应用于医院物资管理信息系统中,系统根据预测值,合理生成申领、采购计划,实现对医院耗材的合理管控,并为科室医用耗材的资金预算申请提供可靠依据.
-
ARIMA模型在医院非医用低值耗材预算管理中的应用研究
目的 探讨时间序列分析方法在医院非医用低值耗材管理中的应用,分析和预测未来一段时间内非医用低值耗材的使用需求.方法 采用自回归积分滑动平均模型(Autoregressive Integrated Moving Average,ARIMA)对北京某三甲医院某科室非医用低值耗材2015年1月至2017年7月的逐月领用金额进行数据汇总及预测.结果 ARIMA(1,1,7)模型的绝对误差为8.49％,与实际符合较好,预测值接近实际值.结论 ARIMA(1,1,7)模型能够准确地进行非医用低值耗材的短期预测,为科室乃至全院非医用低值耗材的资金预算申请提供可靠依据.
-
ARIMA模型在手足口病预测预警中的应用
目的：研究时间序列分析在手足口病预测预警中的应用,并探讨提高模型预测准确性和实用性的思路。方法应用SPSS 18.0软件对深圳市盐田区2008年1月-2014年4月手足口病发病率进行ARIMA模型拟合，预测2014年5月~12月手足口病发病率。结果模型ARIMA(0，1，0)（0,1,1）12的参数估计值为0.761，t=2.552，P=0.013，经检验参数有统计学意义。且BIC=6.066，在拟合比较的模型中小，故选定为佳拟合模型。利用2013年10月-2014年4月实际发病数与预测发病数进行比较，实际值与预测值相对误差的中位数为71%。结论用时间序列分析对手足口病发病情况的拟合结果满意,预测和预警效果良好。
