论文部分内容阅读
目的：(1)定量分析北京主要气象要素对上呼吸道感染急诊日就诊人数的影响；(2)对上呼吸道感染急诊就诊情况进行预测预报研究,为预防天气变化引起疾病的发生提供理论依据。方法：收集2009-2012年北京市海淀区某3家大型综合性三级甲等医院4年上呼吸道感染急诊逐日就诊患者数据和同期北京市气象、大气污染物资料,采用广义相加模型拟合主要气象要素对上呼吸道感染急诊日就诊人数影响的暴露-反应关系。分别采用广义相加模型、多元逐步回归、BP神经网络模型和决策树4种模型方法对上呼吸道感染急诊日就诊人数等级按比例划分、等宽分箱及等深分箱法,分全人群、脆弱性人群和青壮年人群进行预测预报研究。结果：(1)2009-2012年北京市3家医院上呼吸道感染急诊日就诊人数以年为单位呈类似于“U"字形的周期性变化,就诊人数与温度、相对湿度、降水量、平均风速等气象要素呈负相关,.与气压、SO2、NO2浓度呈正相关(P<0.01)。(2)日均气温与上呼吸道感染日急诊就诊人数暴露-反应关系均呈近似U型分布,日均气温分别为18.1℃、7.1℃和20.0℃时全人群、脆弱性人群和青壮年人群上呼吸道感染急诊日就诊人数最少。滞后4天的日均气温(tlag4)对上呼吸道感染急诊日就诊人数影响最大,RR为1.0053(95%CI：1.0043-1.0063)；滞后4天的气压(plag4)对上呼吸道感染急诊日就诊人数影响最大,RR为1.0037(95%CI：1.0029～1.0045)；随着相对湿度和平均风速的变化,上呼吸道感染急诊日就诊人数的相对危险度RR分别为：1.0007(95%CI：1.0003-1.0011)和1.0113(95%CI：1.0050～1.0177)。平均气压、相对湿度、平均风速对上呼吸道感染急诊日就诊人数影响的阈值分别为：1019.5hpa、41%和3.9m/s。(3)四种预测模型均以等宽分箱法对三组人群(全人群、脆弱性人群、青壮年人群)上呼吸道感染急诊日就诊人数等级预测效果最好,广义相加模型预测准确率分别为84.50%、83.40%和89.42%；多元逐步回归预测准确率分别为71.16%、78.65%和为69.66%；BP神经网络模型预测准确率分别为74.66%、63.70%和80.14%；决策树预测准确率分别为78.58%、66.05%和85.22%。结论：(1)上呼吸道感染急诊日就诊人数与气象环境要素变化有关,并存在一定的滞后影响,低温、干燥、大风容易引起上呼吸道感染日急诊就诊人数增加,气象要素可以作为上呼吸道感染的动态诱因进行预防。(2)单从模型预测准确率考虑,4种模型中以去除其他的混杂效应影响的广义相加模型对疾病的预测准确率最高,模型方法的比较需扩充数据后进一步验证研究。