卫星遥感植被指数与海南省疟疾流行地区分布的相关性研究

目的分析诺阿卫星改进型甚高分辨率辐射仪归一化差值植被指数(NOAAAVHRRNDVI)与疟疾流行地区分布的相关性,探讨将遥感技术应用于海南省疟疾监测的可行性。方法收集1995年2月至1996年1月海南省各地疟疾发病资料,并通过其间海南省NOAAAVHRRNDVI10日复合遥感影像片获取各地各类NDVI指标值,计算发病率与相应NDVI值的相关系数。结果海南省各地疟疾年发病率与当地年均NDVI值、年均最大NDVI值、年均NDVI>145的区域面积构成比、NDVI>135的月份数呈显著正相关,与年均NDVI<145的区域面积构成比呈负相关。疟疾高发区分布与月度NDVI>145且持续9个月以上的地区分布较为一致。结论海南省疟疾地区分布与当地NDVI值有相关性,可以进一步考虑应用NDVI值进行疟疾监测的可行性。     

海南省疟疾发病情况及利用气象因子进行发病率拟合的研究

目的 探索海南省气候因素与疟疾流行之间的关系并建立能够表达疟疾发病率变化的气象因子拟合模型，以用于预测海南省疟疾发病率。方法 收集1995～2000年海南省月度气象资料(温度、湿度和降雨量)和月度疟疾发病率资料，应用Spearman等级相关分析气象因子与疟疾发病率之间的相关关系，用逐步回归建立气象因子拟合发病率变化的拟合模型。结果 气温和降雨量与疟疾发病率有相关性。应用逐步回归分析得到的拟合模型为：全省，I=-1.041 0．061t0.2，r^2=0．590(I：全省月发病率，t02：当前月及其前两个月期间的平均气温)；中南部高发地区，I=-5．701 0．382t02-0．147t02min，r^2=0．626，(t02/min：当前月及其前两个月期间的平均最低气温)。而如果引入I2(2个月前发病率)时，可以得到拟合效果更好的回归模型：全省，I=-1．701 0．064t4.2 0．47I2 0．025d2，r^2=0．72(d2:2个月前最高气温和最低气温之差)；中南部高发地区，I=-4．754 0．179t0.2 0．447I2 0．063d2，r^2=0．73。结论 气候因素能够影响疟疾的流行，可以利用气象因子拟合疟疾流行趋势并应用拟合模型对人群未来疟疾发病率进行预测。     

基于RS/GIS的广西流行性乙型脑炎的环境因素研究

目的 运用RS/GIS技术探索性研究影响广西壮族自治区(简称广西)流行性乙型脑炎(简称乙脑)流行的环境因素,为广西乙脑的区域性生态防控提供科学依据.方法 收集2004年广西各市县乙脑的病例数据、人口数、归一化植被指数、地表温度、土地利用类型和高程等资料,利用反距离加权插值和Spearman相关分析研究生态因素与乙脑发病率的关系.结果 Spearman相关分析显示:归一化植被指数、平均高程、林地构成比与乙脑发病率存在正相关关系,差异均有统计学意义(均有P ＜0.05);而地表温度、耕地面积构成比、建筑用地构成比与乙脑的发病率存在负相关关系,差异均有统计学意义(均有P ＜0.05);尚不能认为草地构成比、水域构成比和未利用土地构成比与乙脑的发生有关.反距离加权插值图显示乙脑发病率与环境因素在空间上具有一定的分布一致性.结论 广西乙脑流行的空间格局与多种环境因素有关.通过RS/GIS技术可以提取和分析乙脑相关的环境因素,进而实现乙脑的生态监测,这是对乙脑流行趋势进行早期预测的有效途径.     

影响海南省疟疾流行的气候因素及植被指数的因子分析

目的应用因子分析方法研究海南省疟疾流行与气候因素和植被指数(NDVI)之间的关系。方法收集1995年海南省各市(县)疟疾月发病率与月平均温度、月最高温度、月最低温度、月降雨量和月相对湿度等资料;从同年3~12月份AVHRR卫星图像中提取月平均NDVI、月最大NDVI、月最小NDVI。利用SPSS 11.0软件对以上各变量进行因子分析,并用公因子得分建立疟疾流行的多元回归模型。结果提取了海南省各市(县)月NDVI与月气候变量的各12个月数据(NDVI为10个月)的主成分,并用方差最大正交旋转后的公因子得分建立了如下回归方程:I′=-0.022 0.463 X1 0.519X2(R2=0.799,P=0.000),其中I′为经标准变量变换的月发病率,X1为月平均NDVI的第2个公因子,X2为月降雨量的第2个公因子。结论平均NDVI和降雨量可能是描述疟疾流行的重要环境因素。     

江苏省疟疾流行地理信息系统预测模型的研究

目的 建立江苏省疟疾地理信息系统(GIS)数据库和疟疾流行GIS模型,对江苏省的疟疾流行区进行空间分析。方法 在ArcView3．0a软件中建立江苏省疟疾流行病学GIS数据库,从世界粮农组织的FAOCLIM气象资料库中提取出江苏省及其周边地区的气象数据,计算疟原虫生长发育累积度-日(TGDD),在Arc View3.0a软件支持下对TGDD进行空间分析。结果 获江苏省疟疾TGDD预测分布图,江苏省疟疾流行的程度由西向东逐渐减轻,并可分为3个地带;获江苏省14年疟疾平均发病率分布图,江苏省中部、西部地区疫情较重,江南太湖流域的苏、锡、常地区、南通及江苏北部边界少数县疫情较轻,其他地区的发病率介于两者之间,江苏省14年疟疾平均发病率分布图与江苏省疟疾TGDD预测分布图基本吻合。结论 基于TGDD的GIS预测模型可应用于江苏省疟疾流行的监测。     

淮河流域疟疾流行的空间分布特征

目的分析淮河流域疟疾流行的空间分布特征,为疟疾防控提供依据。方法运用克立格空间插值法,分析不同地区疟疾发病率的空间自相关性,构建变异函数,制作淮河流域不同区域尺度（县、乡）疟疾流行的空间分布图;比较不同年份空间分布特征的变化观察疟疾流行的态势,推测下一年疟疾流行的可能趋势。结果流域不同地区疟疾发病率存在空间自相关性,制作的空间分布图显示：流域东北部是疟疾的相对高发区,从2004至2006年,疟疾的流行强度增加,流行范围扩大。发病率大于1/万的流行区呈现出以墉桥区、固镇县、蒙城县为中心,向西、南方向蔓延,发病率大于10/万的乡呈现出流行范围由局部区域向西、北和东3个方向蔓延之势。结论淮河流域疟疾的流行总体上仍处于上升阶段,疟防形势较为严峻。     

深圳市罗湖区17年间疟疾流行特征及监测结果分析

目的：了解深圳罗湖区疟疾流行特征及影响因素，总结防治经验，为疟疾防治工作提供科学依据。方法：根据深圳市法定传染病疫情报告系统订正数据及流行病学监测资料，统计分析和探讨罗湖区1984-2000年间疟疾流行特征及监测结果。结果：17年间罗湖区疟疾平均发病率为19.15/10万。年发病率由1984年的157.151/10万下降至2000年间疟疾流行特征及监测结果。结果：17年间罗湖区疟疾平均发病率为19.15/10万，年发病率由1984年的157.151/10万下降至2000年的0.16/10万，下降幅度为99.97%，常住人口与暂住人口平均发病率比值为0.29:1.4-10月占总发病数的82.9%，男性占发病总数的83.32%，15-39岁占发病数的87.9%，民工占75.9%。结论：自1984以来，伴随经济开发而发生的疟疾流行经历了爆发，控制和基本消来阶段，其发病，控制动态与当地经济开发动态和疫情防制动态有关。     

基于遥感技术和时间序列分析法预测皖北疟疾的发病率

目的 探讨皖北疟疾的发病率与地表温度（land surface temperature,LST）、归一化植被指数（normalized difference vegetation index,NDVI）的关联性,评价用LST、NDVI对疟疾发病率自回归移动平均模型（autoregressive integrated moving average model,ARIMA）预测结果进行校正的效果。方法 以皖北五县为研究现场,收集各县2004-2011年的疟疾疫情数据及LST、NDVI等遥感图像资料,提取、合成遥感相关指标;运用SPSS 17.0软件进行统计学处理。结果 ARIMA模型对2010年各月份的预测结果较报告发病率高（平均误差=0.721/10万）。多因素分析结果显示,当地的疟疾发病率与近三个月的平均LST（lst_{_012},β=0.295）及之前两个月的平均NDVI（ndvi_{_12},β=0.280）有关联（P<0.001）;将二者作为校正因子（相对贡献为2:1时）对2010年的预测结果进行校正,平均误差缩小为0.018/10万。以2004-2010年的发病率数据再次拟合并筛选ARIMA模型,并以2011年的疟疾报告发病数据为参照,再次评价lst_{_012} 与 ndvi_{_12}对模型预测结果的校正效果;发现校正后的预测误差（＜0.001/10万）低于校正前的误差（0.293/10万）。结论 ARIMA模型能较好地用于该地疟疾发病率的拟合与预测,环境遥感替代指标LST、NDVI可在一定程度上改善ARIMA模型的预测效果。     

杭州市1990-2009前后十年疟疾流行病学特征比较分析

目的对杭州市达到基本消灭疟疾标准后,1990-1999年与2000-2009年前后十年疟疾疫情的流行特点进行比较分析,为制定今后的疟疾防治策略提供依据。方法对1990-2009年血检阳性确诊疟疾病例的个案调查资料进行统计分析,采用SPSS 11.5统计软件,采用χ2检验对1990-1999年和2000-2009年的流行特点进行比较分析,P<0.05为差异有统计学意义。结果 1990-2009年平均年发病率0.2/10万,1990-1999年疟疾发病呈高度散发,2000-2009年出现疟疾局部暴发疫情;前后十年疟疾病人在不同性别、职业及年龄组中的构成比差异均有统计学意义(P均<0.05);前后十年本地、外出感染、外来患者在构成上差异有统计学意义(χ2=47.74,P<0.05);2000-2009年本地病人发病高峰(8~10月份)明显滞后外来病人(6~9月份);1990-2009年疟疾病人627例,其中共检出间日疟598例,恶性疟29例,分别占95.37%和4.63%,前后十年间日疟和恶性疟构成比差异无统计学意义(χ2=3.54,P=0.06)。结论 2000-2009年大量外来病人的输入使杭州市疟疾发病总人数明显上升,出现局部暴发疫情,不断加强对来自高疟区流动人口的监测,提高医疗单位疟疾诊治和镜检能力,从源头上控制传染源,是今后杭州市疟疾防治工作的重点。     

以传染病病例分布的拟合检验分析传播形势

[目的]以传染病病例的实际空间分布,与泊松(Poisson)分布及负二项分布(negative binomaldistribution)拟合情况的检验,来区分传染病在人群中的传播为散发或为流行。[方法]以汕头市金园区2000年登革热疫情为例,2000年报告病例84例,发病率为2/万。病例分布于29个居委(30.5%)。按泊松分布的数学模型:NPr=Ne-x·(xr/r!)和负二项分布的数学模型Pr=(k+r-1)!/[r!(k-1)!]·q k rPr,将登革热病例的实际空间分布,与泊松分布及负二项分布作拟合检验,并根据拟合结果来推断传染病在人群中的传播为散发或为流行。[结果]金园区2000年按居委分组的登革热病例的实际分布,与泊松分布差异有显著性(P<0.001),而与负二项分布则差异无显著性(P>0.30),说明金园区2000年登革热发病率虽然不高(仅为2/万),病例也较分散(平均每4400多人仅0.88个病例),但按其分布特征提示,该病的传播不呈随机分散状态,续发病例呈聚集性,即该区2000年的登革热传播已非散发,而是在流行。[结论]通过对传染病病例的实际分布与泊松分布和负二项分布的拟合检验,可以早期判断传染病在人群中传播的形势,有利于早期采取措施控制传染病的流行。     

运用空间局部内插研究海南省疟疾空间分布特征

目的：研究海南省疟 疾空间分布特征。方法：收集1995－1999年海南省各市（县）疟疾发病率资料，在AcrGIS8.1软件支持下，建立海南省疟疾发病的地理信息系统，并以此为基础利用空间局部内插分析建立海南省疟疾空间分布图，以交叉评价指标为依据选择无偏最优的空间分布图。结果：1995－1999年海南省疟疾空间分布图显示，南部疟疾发病率显著高于北部；南部地区发病主要集中于五指山、鹦哥岭山脉为中心的地区，且东部沿海的发病率普遍高于西部沿海。交叉评价指标显示，建立的海南省疟疾空间分布图是对海南省疟疾分布的无偏最优估计。结论：空间局部内插法能很好估计海南省疟疾的空间分布特征，可指导相应防制措施的实施。     

智能神经网络模型用于气象因素对疟疾发病影响的初步研究

目的 建立气象因素与疟疾的智能神经网络预测模型。方法 利用Matlab6．1软件中的神经网络工具箱，根据预实验结果，利用云南省红河地区1994～1999年月平均气压、月平均气温、月最高气温、月最低气温、月降水量、月降水日数、月平均相对湿度、月蒸发量、月日照时数等气象数据与疟疾发病率等级数据建立反向传播网络(BP网络)预测模型，并对模型进行验证。结果 神经网络经100次学习和训练，训练误差从3．23608下降至0．035862，通过建立的智能神经网络模型对未来疟疾发病率进行预测，其预测符合率为84．85％。结论 智能神经网络在气象因素与疟疾之间建模是可行的，其预测符合率达80％以上。智能神经网络具有综合能力强，对数据的要求不高，适时学习等突出优点，且操作简便，节省时间，易于掌握和应用。研究中数据的应用、纳入、排出等问题有待于进一步研究。智能神经网络模型可以作为疟疾预测的一种新方法。     

安徽省2004-2006年疟疾环境影响因素研究

目的 研究安徽省2004-2006年疟疾传播的相关环境影响因素.方法 采用空间分析技术建立安徽省乡镇尺度疟疾疫情环境影响因素空间数据库,综合应用主成分分析和logistic回归分析方法对数据进行统计学处理.结果 2004-2006年安徽省疟疾疫情呈现地区聚集性,淮北地区疫情逐年加重.乡镇尺度疟疾疫情主要与当地温度、降雨量、归一化差值植被指数和海拔等因素有关."年最低气温(温度系列指标的第4主成分)"每升高1个单位,疟疾发生的可能性减少33%;"年降雨总量(降雨量系列指标的第1主成分)"每增加1个单位,疟疾发生的可能性将减少27%;"海拔"每升高10m,疟疾发生的可能性减少2%;而归一化差值植被指数与疟疾发生可能性的关系与前3个因素不同,每增加1个单位,疟疾发生的可能性将增加3.28倍.结论 2004-2006年安徽省淮北地区是该省2000年以来疟疾疫情回升后出现的新时空聚集区,淮北地区的地形地貌、温度、降雨量等自然环境因素影响其疟疾发病水平,这将为进一步探索研究2000年后以安徽省为代表的中国中部地区疟疾回升的主要原因提供重要参考.     

Bayes判别分析在海南省疟区分层中的应用

本文试对与疟疾流行有关的社会经济和地理诸因素进行Bayes逐步判别分析,进而建立高、中、低三类疟区的判别函数式,以探索疟区分层的新方法。
1990年在海南省12个县选择了不同流行程度的自然村55个,以自然村为调查单位,进行社会经济因素调查,以其33个自然村作为建模样本,22个自然村为考核样本。用包括12项社会经济和地理诸因素的统一调查表,逐户进行访问调查。将收集的资料输入IBM/PC-XT微机进行Bayes逐步判别分析。结果选出地形地貌、反映经济水平的劳动力比例、人均收入、居住条件,以及疟防知识和人的特殊行为(上山作业过夜者的比例)等6项对疟区分层有判别意义的变量,并以此6项指标建立了代表高、中、低3个不同流行水平的判别函数式。经建模样本的回代检验,并对照原疟区分层,正确判别率为91.0%。又经考核样本的外部检验,正确判别率为77.3%。表明此种判别分析方法在疟区分层中具有实用价值,在特定条件下有可能代替发病率、原虫率、媒介等指标进行疟区分层。     

荆门市脑出血发病与气象因子相关性分析及预测

目的 探讨气象因子对脑出血发病的影响及其相关性,并建立基于气象因子的脑出血发病的预报模型,为预防和控制脑出血发病提供参考依据.方法 收集2008-2010年荆门市脑出血逐日病例数和同期气象资料,应用SPSS 13.0软件,分析气象因子与脑出血发病的相关性,构建多元线性回归和前馈型神经网络(BP神经网络)模型预测脑出血发病人数,并对模型进行评价.结果 气象因子与脑出血发病密切相关.线性回归模型为y=18.248-0.873x1(x1为气温,r=0.708,F=18.13,P＜0.01),BP神经网络模型结构为7-6-1,2种模型预测的平均误差率分别为16.15％和8.08％,非线性相关系数分别为0.795和0.907.结论 荆门市脑出血发病与气温呈显著负相关,BP神经网络模型有较好的预测效果.     

Factors associated with suicide mortality among the elderly in Brazilian municipalities between 2005 and 2007

This scope of this paper was to conduct an ecological analysis of suicide mortality of people aged 60 years or more in Brazilian municipalities between 2005 and 2007, by investigating factors associated with the event. Data on suicide deaths were extracted from the Mortality Information System, codes X60 to X86 and Y87.0 (ICD-10). Poisson, negative binomial and zero-inflated negative binomial (ZINB) regression models were adjusted. The latter exhibited the best results when comparing models. The proportion of non-whites (negative association), the rate of hospitalization for mood disorders (positive association) and sex ratio (negative association) were identified as factors associated with suicide.     

猩红热的发病率与气象因素的负二项回归分析

目的通过负二项回归模型探讨气象因素与猩红热发病的关系。方法对1985—2005年安徽省某市猩红热月平均发病率和月平均降水量、月平均气压、月平均气温、月平均相对湿度、月平均最低气温5项气象资料的数据进行描述性分析,然后拟合负二项回归模型,并且对2006年每个月份的发病率做一个预测。结果模型的超离散度K=0．41（95％CI：0．32-0．53）,进行似然比）x2检验x2=306．42,P〈0．001,认为发现负二项回归是适合的模型。猩红热的发生与月平均气压、月平均相对湿度和月平均最低气温有统计学意义（均有P〈0．05）。对2006年各个月份的月发病率预测的结果表明（Wilcoxon符号秩和检验,Z=0．24,P=0．814）,预测值与实际值之间差异无统计学意义,提示预测效果比较理想。结论通过拟合负二项回归模型发现,对猩红热的发生和预测,月平均气压、月平均相对湿度和月平均最低气温是不可忽略的气象因素。