广州市居民呼吸系统疾病每日死亡人数与大气污染的时间序列分析

目的 探讨广州市大气污染对居民每日呼吸系统疾病死亡人数的影响.方法 收集广州市多家医院2006年1月1日～2008年12月31日呼吸系统疾病每日死亡人数的统计资料,结合同时期环境监测和气象资料,建立自回归模型(auto-regression model),进行时间序列分析,在消除了气象、季节等混杂因素的基础上,分析了研究期间广州市大气污染与呼吸系统疾病死亡人数的关系.结果 大气污染在冬季对居民呼吸系统疾病造成的死亡影响高于夏季.呼吸系统疾病日死亡人数较多月份与各污染物浓度较高的月份趋于一致.大气中NO 2和PM 10的浓度每增加10 μg/m 3,居民呼吸系统疾病日死亡人数分别各增加1%(P ＜0.01).灰霾天的空气污染物浓度高于非灰霾天.结论 广州市大气主要污染物NO 2和PM 10浓度的升高,引起居民呼吸系统疾病的日死亡人数相应增加.     

乌鲁木齐大气污染与呼吸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二氧化硫(SO2)、二氧化氮(NO2)、颗粒物(PM10)对居民呼吸系统疾病的影响,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呼吸系统疾病人数的关联性。结果 (1)大气中SO2、NO2、PM10浓度每增加10μg/m3,呼吸系统疾病日住院人数分别增加0.85%(95%CI:0.27～1.36)、0.56%(95%CI:0.24～1.21)、0.63%(95%CI:0.46～1.65)。(2)研究期间的主要污染物浓度总体呈下降趋势,污染较严重的时间段主要集中在2007年和2008年。(3)研究期间呼吸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 (1)乌鲁木齐呼吸系统疾病日住院人数增加的主要污染物是SO2、PM10,NO2影响较小;(2)研究期间乌鲁木齐市3种主要污染物中浓度较高的是SO2、PM10;(3)3种主要污染物与气象因素存在相关性。     

济南市大气污染物O3与居民呼吸系统疾病死亡风险的时间序列分析

目的 探讨济南市大气污染物O₃对居民呼吸系统疾病死亡的急性影响。 方法 收集2013~2015年济南市逐日空气污染物、气象资料和居民呼吸系统疾病死因数据,控制长期趋势和季节趋势、气象因素、星期几效应(DOW)、节假日效应(Holiday)和集中供暖效应(Warm-heating)等混杂因素,采用基于Quasi-Poisson回归的广义线性模型(GLM)进行分析,计算O₃浓度每升高10 μg/m³,呼吸系统疾病死亡率增加的ER及95%CI。敏感性分析实施双污染物模型(O₃+ PM_2.5、O₃+ SO₂、O₃+NO₂)和多污染物模型(O₃+PM_2.5+SO₂+NO₂)拟合。同时进一步对性别、年龄进行分层分析。 结果 2013~2015年济南市O₃日均浓度为102 μg/m³、日均呼吸系统疾病死亡人数为8人。O₃浓度每升高10 μg/m³,居民呼吸系统疾病死亡风险在lag3和lag05时达到最高,分别增加0.95%(95%CI:0.28%~1.63%)和1.70%(95%CI:0.27%~3.16%)。男性和女性的ER值差别不大,但65岁以上人群呼吸系统疾病死亡风险显著增加。 结论 济南市大气污染物O₃对居民呼吸系统疾病死亡风险具有显著急性影响,65岁以上老人更为敏感。     

济南市大气颗粒物与儿童呼吸系统疾病就诊量的时间序列分析

目的 分析济南市2016年大气颗粒物(PM_2.5、PM₁₀)对儿童呼吸系统疾病就诊量的急性影响。 方法 描述性分析逐日呼吸系统疾病就诊量、空气污染物、气象因素的集中趋势与离散趋势,计算污染物、气象因素与各组就诊量之间的Spearman相关系数。采用基于Poisson回归的广义线性模型(GLM)评估大气颗粒物与儿童呼吸系统疾病就诊量的急性效应,并探讨不同性别、不同年龄段(<1岁、1~4岁、5~9岁和≥10岁)人群的脆弱性。 结果 2016年济南市PM_2.5和PM₁₀的日均浓度均值分别为73 μg/m³和138 μg/m³。儿童呼吸系统疾病就诊量日均值为716人次/d。PM_2.5和PM₁₀浓度每升高10 μg/m³,当日呼吸系统疾病就诊量分别增加0.37%(95%CI: 0.04%~0.72%)和0.29%(95%CI: 0.09%~0.50%)。女性效应值略高于男性,随年龄段增加效应值有逐渐升高趋势。 结论 济南市大气颗粒物浓度升高与儿童呼吸系统疾病就诊量增加存在显著急性效应,且女性较男性敏感,年龄增加敏感性增强。     

银川市大气污染与某社区心肺疾病门诊人次的时间序列研究

目的 了解银川市2018—2020年大气污染状况及某社区呼吸系统、心血管系统疾病门诊就诊分布情况,探讨银川市大气污染物与某社区居民心肺疾病的暴露-反应关系。方法 收集2018年1月1日至2020年12月31日某社区门诊资料并筛选呼吸系统、心血管系统疾病就诊人群;收集同期空气质量监测数据和气象监测数据,采用时间序列分析的广义相加模型分析大气污染与社区心肺疾病门诊就诊人次的暴露-反应关系。结果 2018—2020年银川市某社区门诊呼吸系统、心血管系统疾病就诊总人次分别为5 467人次、5 337人次。2018—2020年大气PM10平均浓度高于我国空气质量二级标准限值。大气PM2.5每升高10μg·m^-3对65岁及以上因呼吸系统疾病就诊人次的超额危险度(excess risk,ER)及95%CI为3.74(0.69,6.79);大气PM10每升高10μg·m^-3对社区门诊呼吸系统疾病及65岁及以上就诊人次ER(95%CI)分别为0.70(0.00,1.40)、2.01(0.44,3.57);大气CO每升高0.1 mg·m^-3...     

应用时间序列分析法预测急诊抢救人次的初步研究

本文应用时间序列分析方法对河北医学院附属第四医院９年来急诊抢救人次的月变化规律进行了研究，配合了趋势季节模型，并作了回顾性和前瞻性两方面的验证。结果表明：模型拟合较好，观察值基本上都落在９５％的预测范围之内，从而为加强急诊工作的日常管理、增强预见性提供了有效的统计学手段。     

空气质量与医院儿科呼吸系统疾病门诊量相关性研究

目的 探讨合肥市空气质量指数(AQI)、气象因素与儿科呼吸系统疾病门诊量之间的关系。方法 收集合肥市某三甲院2012年~2014年儿科门诊呼吸系统疾病门诊量AQI及相关气象指标。采用Spearman相关分析方法,分析AQI、气象因素与儿科呼吸系统疾病门诊量的关系。结果 AQI与上呼吸道感染、支气管感染和肺炎门诊量存在正相关关系,相关系数分别为0.11、0.40和0.17。结论 空气污染增加可能会导致儿童呼吸系统疾病门诊量增加,应进一步加强环境治理,保护儿童身体健康。     

大气颗粒物质量浓度与四川大学华西医院非意外创伤急诊人次的时间序列研究

目的 分析大气颗粒物（PM_2.5和PM₁₀）质量浓度对医院非意外创伤急诊人次的短期效应,探讨大气颗粒物对人群健康的急性危害。方法 采用广义相加模型分析2014～2016年成都市区大气污染物质量浓度对四川大学华西医院非意外创伤急诊人次的短期效应,并在不同年龄组（<65岁组和≥65岁组）中进行分层分析。结果 2014年1月1日至2016年11月30日期间成都市区大气颗粒物PM_2.5和PM₁₀的年平均质量浓度分别为66.47 μg/m3和109.35 μg/m3。在非意外创伤急诊全人群中,大气颗粒物的健康效应在滞后1 d时最大,PM_2.5和PM₁₀的日均质量浓度每增加10 μg/m3,急诊人次数分别增加0.634%（95%CI: 0.273%~0.997%）和0.413%（95%CI: 0.166%~0.660%）。在≥65岁组中,调整全部气态污染物（SO₂+NO₂+CO+O3）的影响后, PM_2.5和PM₁₀的日均质量浓度每增加10 μg/m3,滞后1 d的急诊人次数分别增加1.439%（95%CI:0.599%~2.287%）和 1.150%（95%CI:0.566%~1.738%）。结论 大气颗粒物质量浓度升高与非意外创伤急诊人次数呈正相关,且存在滞后效应,对65岁以上老年人群健康的急性损害较大。     

淄博市大气污染物浓度与急救人次关联的时间序列分析

目的 探讨淄博市大气污染物［SO₂、NO₂、细颗粒物(PM_2.5)］浓度对急救人次的影响。 方法 收集2016年1月1日至2017年12月31日淄博市的急救医疗数据,按照WHO国际疾病分类(ICD-10)统计每日因非意外总急救及呼吸系统疾病急救的人次,结合同期逐日空气污染数据和气象数据,利用广义相加模型(GAM)控制长期趋势、季节趋势、星期几效应及气象因素的影响后,分析SO₂、NO₂、PM_2.5日均浓度与非意外、呼吸系统疾病急救人次的关系。 结果 淄博市2016年至2017年SO₂日均浓度52.6 μg/m³,NO₂日平均浓度57.0 μg/m³,PM_2.5日平均浓度70.4 μg/m³。2016年至2017年日平均急救366.78人次,其中日均非意外急救63.98人次,日均呼吸系统急救8.04人次。相关性分析表明,日均非意外急救及呼吸系统急救人次均与PM_2.5、SO₂、NO₂、CO浓度呈正相关。时间序列分析单污染物模型显示,SO₂和NO₂浓度均对非意外急救人次的影响存在滞后效应,滞后1 d健康效应最强,其中SO₂浓度每增加10 μg/m³,非意外急救人次增加0.423%(95%CI:0.253%~0.601%),NO₂浓度每增加10 μg/m³,非意外急救人次增加0.412%(95%CI:0.218%~0.621%);PM_2.5浓度均对呼吸系统疾病急救人次的影响存在滞后效应,滞后3 d健康效应最强,其中PM_2.5浓度每增加10 μg/m³,呼吸系统疾病急救人次增加0.314%(95%CI:0.178%~0.533%)。双污染物模型中,在分别引入PM_2.5和O₃后,SO₂浓度每升高10 μg/m³,非意外总急救人次的超额危险度(ER)分别为0.286%(95%CI:0.061%~0.519%)、0.389%(95%CI:0.229%~0.671%),NO₂浓度每升高10 μg/m³,非意外总急救人次的ER分别为0.176%(95%CI:0.117%~0.561%)、0.427%(95%CI:0.287%~0.663%)。双污染物模型中,分别引入SO₂和NO₂后,PM_2.5浓度每升高10 μg/m³,呼吸系统疾病急救人次的ER分别为0.219%(95%CI:0.128%~0.456%)、0.193%(95%CI:0.101%~0.429%)。 结论 大气中SO₂或NO₂浓度的升高可能增加居民非意外急救的风险,PM_2.5浓度的升高可能增加居民呼吸系统疾病急救的风险,应加强环保整治力度,加快能源改革,发展清洁能源,减少大气污染物的排放,促进居民身体健康。     

应用时间序列分析气象因素对手足口病流行的影响

目的：探讨气象因素对手足口病（HFMD）流行的影响,为该地区HFMD防控与政策制定提供依据。方法：收集河南省郑州市二七区2008年5月至2014年6月气象资料（气温、气压、相对湿度、平均风速、降雨量、平均日照时间）和HFMD疫情资料。采用Spearman秩相关分析气象参数与HFMD的相关性,采用互相关分析气象参数对HFMD流行的滞后效应,采用时间序列分析构建该地区HFMD季节性自回归移动平均（ SARIMA）模型,比较引入气象参数前后模型的拟合优度和预测精度。结果：该地区HFMD流行集中于3～7月份,4～5月份达到高峰。HFMD周发病人数与每周日平均气温滞后2周（rS ＝0．248,P＜0．05）、最高气温滞后2周（rS ＝0．170,P＜0．05）、最低气温滞后2周（rS ＝－0．223,P＜0．05）相关。每周日平均气温滞后2周纳入HFMD周发病人数SARIMA（1,1,0）（0,1,0）52预测模型。引入气象参数前、后模型的拟合度为0．797、0．833,预测精度为11．573、10．611。结论：平均气温可影响HFMD的流行,引入平均气温构建的SARIMA模型能较好地拟合和预测HFMD的流行。     

夏季日温差与医院门诊呼吸系统疾病就诊量的关系

目的 定量分析夏季日温差对呼吸系统疾病门诊就诊量的影响。 方法 收集浙江省苍南县第三人民医院2010~2013年夏季(7~9月)呼吸系统疾病门诊就诊数据和同期气象日数据,采用广义相加模型,探讨滞后效应和累积效应,分析日温差对呼吸系统疾病就诊量的暴露-反应关系,并进行人群亚组分析。 结果 研究期间,苍南县日温差的变化范围为1.4 ℃~11.3 ℃,苍南县第三人民医院呼吸系统疾病门诊病例27 770例。日温差升高可导致门诊呼吸系统疾病就诊量增加。在滞后4 d出现最大单独效应,在累积13 d出现最大累积效应,RR值分别为1.033(95%CI: 1.022~1.045)、1.349(95%CI: 1.318~1.381)。累积效应对儿童组(<15岁)的影响较大。 结论 在苍南县,夏季日温差增大可能导致呼吸系统疾病发病风险增加,并存在滞后性,应特别注意儿童呼吸系统疾病的发作,及时采取积极的应对措施以减少呼吸系统疾病的发生。     

时间序列分析气候因素对银屑病患者门诊就诊的影响

目的 通过平均气温、相对湿度和日照时长等气候因素与银屑病患者门诊就诊人数之间的联系,探讨气候因素对银屑病发病的影响。方法 收集自2016年1月1日到2018年12月31日海南省第五人民医院银屑病患者门诊每周的就诊人数。同时收集同一时间的气象资料,包括平均气温、相对湿度、日照时长等,所有气候数据均来自海南省气象局。首先通过时序图观察获知平均气温、相对湿度、日照时长的变化趋势,初步确定时序图的平稳性,再通过自相关图、偏自相关相关图确定是否存在自相关性、周期性、以及延迟阶数,并通过简单线性回归确定各因素之间的关系,最后通过时间序列分析中带自变量的求和自回归移动平均模型（Autoregressive Integrated Moving Average with an Independent variable,ARIMAX）来拟合模型,最终确定哪些气候因素是银屑病发病的影响因素。ARIMAX模型参数通过R语言软件中的自动定阶auto.arima函数来计算获得。结果 每周银屑病就诊人数与周平均日照时长和周平均气温之间存在相关性,与相对湿度不存相关性;而周平均气温与周日照时长之间存在明显相关性,两者间回归方程：平均气温=183.427+0.159 23×周日照时长（R²=0.512 4,P<0.001）。结论 平均气温或日照时长的变化可以引起海南省银屑病患者门诊就诊人数的变化,此两项气候因素可能是海南省银屑病患者发病的影响因素。     

石家庄市大气颗粒污染物浓度对儿童呼吸系统疾病门诊量的影响

目的 探讨石家庄市大气颗粒物PM₁₀和PM_2.5对儿童呼吸系统疾病门诊量的影响。 方法 收集2013年1月1日至2017年12月31日石家庄市大气颗粒物PM₁₀和PM_2.5日均质量浓度(以下简称“浓度”)、气象因素(日均温度、日均相对湿度)以及每日门诊数据并进行描述。采用广义相加模型的时间序列分析方法分析儿童呼吸系统疾病门诊量与PM₁₀和PM_2.5浓度的关系。 结果 石家庄市2013~2017年PM₁₀、PM_2.5的平均浓度分别为195.03 μg/m³和107.13 μg/m³。时间序列分析表明,PM₁₀(lag0)、PM_2.5(lag0)浓度每升高10 μg/m³,儿童呼吸系统疾病门诊量分别增加0.11%(95%CI:0.07%~0.16%)和0.22%(95%CI:0.15%~0.28%);调整气态污染物O₃/SO₂/NO₂后,PM₁₀对呼吸系统疾病门诊量的效应消失,PM_2.5的健康效应略微下降。 结论 石家庄市PM_2.5和PM₁₀浓度升高可能导致儿童呼吸系统疾病门诊量增加,提示有必要加强空气污染的治理控制措施,保护儿童健康。     

Application of change point analysis to daily influenza-like illness emergency department visits

Background

The utility of healthcare utilization data from US emergency departments (EDs) for rapid monitoring of changes in influenza-like illness (ILI) activity was highlighted during the recent influenza A (H1N1) pandemic. Monitoring has tended to rely on detection algorithms, such as the Early Aberration Reporting System (EARS), which are limited in their ability to detect subtle changes and identify disease trends.

Objective

To evaluate a complementary approach, change point analysis (CPA), for detecting changes in the incidence of ED visits due to ILI.

Methodology and principal findings

Data collected through the Distribute project (isdsdistribute.org), which aggregates data on ED visits for ILI from over 50 syndromic surveillance systems operated by state or local public health departments were used. The performance was compared of the cumulative sum (CUSUM) CPA method in combination with EARS and the performance of three CPA methods (CUSUM, structural change model and Bayesian) in detecting change points in daily time-series data from four contiguous US states participating in the Distribute network. Simulation data were generated to assess the impact of autocorrelation inherent in these time-series data on CPA performance. The CUSUM CPA method was robust in detecting change points with respect to autocorrelation in time-series data (coverage rates at 90% when −0.2≤ρ≤0.2 and 80% when −0.5≤ρ≤0.5). During the 2008–9 season, 21 change points were detected and ILI trends increased significantly after 12 of these change points and decreased nine times. In the 2009–10 flu season, we detected 11 change points and ILI trends increased significantly after two of these change points and decreased nine times. Using CPA combined with EARS to analyze automatically daily ED-based ILI data, a significant increase was detected of 3% in ILI on April 27, 2009, followed by multiple anomalies in the ensuing days, suggesting the onset of the H1N1 pandemic in the four contiguous states.

Conclusions and significance

As a complementary approach to EARS and other aberration detection methods, the CPA method can be used as a tool to detect subtle changes in time-series data more effectively and determine the moving direction (ie, up, down, or stable) in ILI trends between change points. The combined use of EARS and CPA might greatly improve the accuracy of outbreak detection in syndromic surveillance systems.     

华北地区主要呼吸道传染病与气象条件的关系

目的:了解华北地区5种主要呼吸道传染病高发聚集区,评价气象条件对不同呼吸道传染病的影响,为预防和控制呼吸道传染病提供科学依据。方法:选择华北地区为研究对象,从中国疾病控制预防中心获得华北地区1994～2000年主要呼吸道传染病发病资料,从国家气象局气象数据共享网获得该地区同期气象资料;应用SatScan 8.0软件对华北地区高发病区进行空间聚类分析;然后应用STATA 10.0统计软件构建基于面板数据的泊松回归模型,进行气象因素与传染病发病率的相关性分析,评价该地区气象因素(气温、湿度、日照)对呼吸道传染病传播的影响。结果:空间聚类分析结果显示,不同呼吸道传染病的高发聚集区空间分布存在异质性;面板数据的相关分析结果显示,肺结核发病率与平均最高气温呈负相关(IRR=0.507,P<0.001),麻疹、流行性脑脊髓膜炎发病率与平均气温呈负相关(IRR分别为0.652和0.610,P<0.001),猩红热发病率与平均气温呈正相关(IRR=4.271,P<0.001);麻疹发病率与最小相对湿度,猩红热、百日咳发病率与平均相对湿度呈正相关(IRR分别为1.206、2.130和0.999,P<0.001)。结论:华北地区呼吸道传染病的空间分布呈非随机分布;温度、湿度是影响华北地区呼吸道传染病传播流行的主要气象因素。     

广州市某区大气PM2.5浓度与儿童呼吸门诊量相关性

目的 分析广州市某区大气细颗粒污染物(PM_2.5)对儿童医院呼吸系统日门诊量的影响。方法 收集广州市某儿童医院2013年1月1日—2016年12月31日呼吸系统疾病日门诊量,结合同期环保与气象资料,采用时间序列分析方法,运用广义相加模型(GAM)控制时间趋势、温度、湿度以及星期几效应后对PM_2.5与门诊量进行单污染物模型分析,得出当天及滞后1~5 d的效应值,采用最大效应值作为PM_2.5对门诊量影响的评估值。结果 广州市2013—2016年大气PM_2.5年均值分别为54.11、48.58、39.74和35.11 μg/m³。Spearman相关分析得呼吸系统疾病日门诊量与PM_2.5、PM₁₀、NO₂、SO₂为正相关,均有统计学意义(P<0.05)。时间序列分析显示PM_2.5浓度升高与当天以及滞后1~5 d的呼吸系统疾病就诊量呈显著相关,并在滞后第二天达到高峰,PM_2.5浓度每增加10 μg/m³,呼吸系统疾病就诊量增加1.11%(95%CI:0.59%,1.64%)。结论 2013—2016年广州市某区大气PM_2.5污染对儿童呼吸系统门诊量有显著影响,PM_2.5浓度增加会导致儿童呼吸系统门诊量增加。     

Temperature and Daily Mortality in Shanghai： A Time-series Study

Objective To investigate the association between temperature and daily mortality in Shanghai from June 1, 2000 to December 31,2001. Methods Time-series approach was used to estimate the effect of temperature on daily total and cause-specific mortality. We fitted generalized additive Poisson regression using non-parametric smooth functions to control for long-term time trend, season and other variables. We also controlled for day of the week. Results A gently sloping V-like relationship between total mortality and temperature was found, with an optimum temperature (e.g.temperature with lowest mortality risk) value of 26.7℃ in Shanghai. For temperatures above the optimum value, total mortality increased by 0.73% for each degree Celsius increase; while for temperature below the optimum value, total mortality decreased by 1.21% for each degree Celsius increase. Conclusions Our findings indicate that temperature has an effect on daily mortality in Shanghai, and the time-series approach is a useful tool for studying the temperature-mortality association.