共查询到20条相似文献,搜索用时 15 毫秒
1.
目的探讨大气污染物SO_2、NO_2和PM_(2.5)浓度与合肥市滨湖医院肺炎日门诊量之间的关系。方法采用时间序列分析的广义相加Poisson回归模型,在控制长期趋势、星期几效应和气象因素等混杂因素的影响后,定量分析2014年安徽省合肥市大气污染物SO_2、NO_2、PM_(2.5)日均浓度与滨湖医院肺炎日门诊量的关系及滞后效应。结果单污染物模型中,在控制了长期趋势、星期几效应和气象因素的影响后,SO_2在滞后3、4、5 d(lag3、lag4、lag5)时对肺炎日门诊量的影响有统计学意义(P0.05),NO_2滞后2、3、4、5 d(lag2、lag3、lag4、lag5)时的影响有统计学意义(P0.01),PM_(2.5)滞后3、4 d(lag3、lag4)时的影响有统计学意义(P0.05);SO_2、NO_2、PM_(2.5)的滞后效应分别在lag3、lag2、lag4时最明显,当SO_2、NO_2、PM_(2.5)浓度每升高10μg/m~3时,肺炎日门诊量分别增加1.54%(95%CI:0.28%~2.81%),1.98%(95%CI:0.89%~3.08%)和0.28%(95%CI:0.06%~0.50%)。多污染物模型中,当模型中引入两种或两种以上的污染物后,各污染物对肺炎日门诊量的效应估计值均较单污染物模型降低,但并不改变各污染物与肺炎日门诊量之间的正向关联。结论合肥市大气污染物SO_2、NO_2、PM_(2.5)浓度升高可能引起医院肺炎日门诊量增加,且有一定的滞后效应。 相似文献
2.
3.
4.
5.
目的 系统评价IL-6抑制剂治疗重症新冠肺炎的疗效和安全性。方法 检索PubMed、Embase、Cochrane Library、中国知网、维普期刊数据库、万方数据库以及中国生物医学网,收集IL-6抑制剂治疗重症新冠肺炎的相关研究,检索的时间为建库至2021年4月6日,检索的语言仅限中文和英文。筛选并提取文献中死亡率、机械通气率、临床改善率以及严重不良反应发生率等数据,使用Stata 16.0软件进行网状Meta分析。结果 本次网状Meta分析共纳入28篇研究,涉及10 743例重症COVID-19患者。网状Meta分析结果显示:标准治疗(SOC)的死亡率高于托珠单抗(Tocilizumab),差异具有统计学意义[RR=1.31,95%CI(1.07~1.62)];安慰剂(Placebo)的严重不良反应发生率高于托珠单抗(Tocilizumab),差异具有统计学意义[RR=1.46,95%CI(1.06~2.00)];其余两两比较均无统计学意义。概率排序结果显示:鲁索利替尼(Ruxolitinib)治疗后的患者死亡率、机械通气率和严重不良反应发生率可能是最低的;鲁索利替尼(Ruxolitinib)治疗后患者临床改善率可能是最高的。结论 依据现有的文献证据,在IL-6抑制剂中,鲁索利替尼(Ruxolitinib)可能是治疗重症COVID-19疗效最好,安全性最高的药物。 相似文献
6.
目的 通过比较时间序列分析中指数平滑法、移动平均法、自回归分析及自回归综合移动平均法(ARIMA)在洞庭湖区退田还湖濠口试点1990~2002年血吸虫病患病率预测中的优劣。方法 用时间序列分析各方法建模预测,比较各方法1994~2002年预测值的误差平方和,确定最佳预测方法。结果 指数平滑法、移动平均法、自相关分析及ARIMA法中1994~2002年预测值的误差平方和依次为39.40、39.86、26.63、22.54。结论 濠口试点1990~2002年患病率预测中,时间序列分析诸方法中ARIMA模型预测效果较好。 相似文献
7.
目的 研究新冠肺炎防控期间北京市幼儿视屏时间与不健康生活方式间的关系.方法 采用网上问卷调查方法,于2020年2月22-29日对北京地区48家幼儿园的11731名幼儿家长开展调查.结果 有6332名(56.7%)幼儿平均每天视屏时间≥1 h.疫情防控第一个月,运动量不足、不午睡、睡眠时间<11 h/d或≥12 h/d、... 相似文献
8.
北京市大气污染与居民心脑血管疾病死亡的时间序列分析 总被引:8,自引:2,他引:8
目的研究北京市大气污染对城区居民每日心脑血管疾病死亡的短期影响。方法从北京市疾病预防控制中心获得2003年1月1日—12月31日北京市城区居民死亡统计资料,从北京市环境监测中心获得同期大气污染物浓度资料,从北京市气象局获得气象监测资料,采用时间序列的半参数广义相加模型,在控制了长期趋势、短期趋势、气象因素等混杂因素的基础上,分析北京市城区研究期间大气主要污染物(SO2、NO2、PM10)与居民每日死亡数的关系。结果大气SO2、NO2和PM10浓度每升高10μg/m3,心脑血管疾病死亡危险性分别增加0.4%(0.1%~0.8%),1.3%(0.2%~2.4%)和0.4%(0.2%~0.6%)。PM10效应在1日后达到最大,并基本呈线性无阈值。结论目前北京市大气污染对人群健康存在短期影响能增加人群心脑血管疾病死亡。 相似文献
9.
目的:分析2003—2010年武汉市江岸区大气污染物的短期暴露对人群脑卒中死亡的影响。方法收集武汉市江岸区CDC自2003年1月1日至2010年12月31日的脑卒中死亡监测资料和同期环境监测中心大气污染物数据,应用基于广义相加模型的时间序列分析方法,定量评价大气污染中可吸入颗粒物(PM10)、SO2和NO2与人群脑卒中死亡的关系。结果2003—2010年PM10、SO2和NO2日均浓度分别为(115.0±60.0)、(50.2±33.7)和(57.6±25.3)μg/m3,脑卒中总死亡人数为9204例,其中女性4495例,≥65岁人群占7628例。PM10、SO2和NO2滞后1 d的浓度每升高10μg/m3,人群脑卒中死亡率分别增加0.67%(95%CI:0.25%~1.10%)、0.87%(95%CI:0.13%~1.63%)和2.07%(95%CI:1.08%~3.07%)。在调整了其他污染物后的多污染物模型中,仅NO2与脑卒中死亡仍存在统计学关联(β=2.07,95%CI:1.08~3.07,P<0.001)。其中,调整了PM10、SO2、PM10+SO2后,NO2浓度每升高10μg/m3,在滞后1 d的情况下,人群脑卒中死亡率分别增加1.77%(95%CI:0.54%~3.01%)、2.27%(95%CI:0.98%~3.57%)和2.00%(95%CI:0.59%~3.43%)。对不同性别、年龄组人群的分层分析发现,大气污染对女性和≥65岁人群脑卒中死亡的影响较大[滞后1 d时,PM10、SO2、NO2对女性脑卒中死亡率增加的β(95%CI)值分别为0.97%(0.37%~1.57%)、1.73%(0.69%~2.78%)、2.98%(1.59%~4.39%),对年龄≥65岁老人的死亡率增加的β(95%CI)值分别为0.94%(0.47%~1.42%)、1.06%(0.23%~1.90%)、2.50%(1.40%~3.62%)]。结论大气污染物的短期暴露与人群脑卒中死亡有关,且不同性别和年龄组人群的敏感性可能存在一定差异。 相似文献
10.
微分方程模型在基因调控网络构建中的应用 总被引:2,自引:0,他引:2
基因调控网络(Geneticregulatorynetworks,GRN)是指DNA、RNA、蛋白质和其他一些小分子,以及它们之间的相互作用关系所构成的系统。基因调控网络分析的目的就是要建立调控网络的数学模型,通过数学模型来研究基因之间的相互作用关系。随着分子生物学的进步,先进的测量技术能够为网络构建提供大量的实验数据,同时,数学、计算机科学和工程学中一些相关方法的应用,也为研究网络的结构、特性和调控关系提供了有力的工具。因为从本质上,基因调控网络是一个复杂的动力系统,这与物理学中的某些研究对象一定程度上有相似之处,该领域中的方法值得借鉴。 相似文献
11.
目的探讨手足口病流行的时间序列特征与预测方法,为风险评估和政策措施制定提供科学依据。方法收集2010至2017年广州市手足口病每月发病数和气象资料(平均气温、总和降雨量、相对湿度),划分训练数据和验证数据,基于自回归求和移动平均模型(seasonal autoregressive integrated moving average,SARIMA)建立多元时间序列回归预测模型(SARIMA with external regressors,SARIMAX)。结果广州市年平均发病人数为61795例,月平均发病人数为5150例。发病数时间序列具有明显的季节性特征,最终建立模型为SARIMA(0,1,0)(1,1,1)12纳入相对湿度滞后1期变量模型,该模型较基础SARIMA(0,1,0)(1,1,1)12模型AIC值降低16.52%,拟合过程均方根误差(root mean square error,RMSE)降低11.13%,预测过程RMSE降低40.68%。结论 SARIMAX模型可提高手足口病流行预测的精确度,相对湿度是广州地区手足口病流行的重... 相似文献
12.
兰州市大气污染与居民健康效应的时间序列研究 总被引:1,自引:0,他引:1
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。PM10、SO2及NO2日平均浓度每增加10μg/m^3,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PM10SO2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。 相似文献
13.
目的研究时间序列分析与机器学习方法在预测肺结核发病趋势中的应用。方法使用江苏省2009-2018年肺结核月度发病率数据,构建时间序列分析(ARIMA模型)、机器学习方法(支持向量回归(SVR)、BP神经网络)和两者的组合方法(ARIMA-SVR、ARIMA-BPANN)共5种预测模型,分析评价各模型预测性能。结果 ARIMA、SVR、BP神经网络、ARIMA-SVR、ARIMA-BPANN均方误差分别为0.0356、0.0364、0.0384、0.0329、0.0336;平均相对误差分别为5.76%、6.19%、6.20%、5.63%、5.70%。结论时间序列分析优于机器学习方法,而二者组合模型预测效果优于单独方法,ARIMA-SVR模型在江苏省肺结核发病趋势预测分析中具有较好的应用价值。 相似文献
14.
目的 研究天津市大气气态污染物二氧化硫(SO2)和二氧化氮(NO2)与城区居民每日死亡间的相关性.方法 收集天津市城区2005-2007年大气主要污染物[SO2、NO2和可吸入颗粒物(PM10)]日平均浓度、日平均气温和相对湿度以及每日死因别死亡人数,采用广义相加模型,控制长期和季节趋势、气温和相对湿度等气象因素的影响,探讨SO2和NO2日平均浓度与每日死因别死亡间的相关性,分析PM10及模型参数对其相对危险度估计的影响.结果 大气SO2和NO2与人群每日非意外死亡和循环系统疾病死亡间显著相关,与呼吸系统疾病间无显著关联.SO2浓度每升高10μg/m3,人群非意外死亡和循环系统疾病死亡分别增加0.56%(0.23%~0.89%)和0.49%(0.06%~0.93%);NO2浓度每升高10 μg/m3,人群非意外死亡和循环系统疾病死亡分别增加0.94%(0.17%~1.70%)和1.29%(0.29%~2.30%).结论 天津市大气SO2和NO2污染与城区居民每日非意外死亡和循环系统疾病死亡显著相关. 相似文献
15.
目的 探索合肥市某医院成人哮喘门诊量与空气污染的关系.方法 收集合肥市某医院2014—2020年哮喘门诊量;获取同时期大气污染数据及气象指标.采用R统计软件建立广义相加模型分析大气污染对哮喘门诊量的滞后效应.结果 某医院哮喘门诊人数共7220例,男3104例,女4116例,暖季患者3798例,冷季3422例.单污染物模... 相似文献
16.
翁创伟陈力曾珏卢嘉明 《环境卫生学杂志》2021,11(3):250-254
目的探讨广州市越秀区大气NO_(2)对儿童呼吸系统疾病门诊量的影响。方法收集2014—2016年大气污染物NO_(2)数据、气象资料和越秀区某儿童医院呼吸系统疾病门诊量资料。采用Spearman秩相关分析和广义相加模型时间序列分析研究大气NO_(2)浓度与同期儿童呼吸系统疾病门诊量的关系和滞后效应。结果2014—2016年越秀区大气NO_(2)浓度年均值分别为61.30、60.46和60.81μg/m^(3),超标天数分别为70、64和62 d。时间序列分析结果表明,大气NO_(2)浓度对呼吸系统疾病门诊量第(0~7)d有明显影响,当天(lag0 d)的影响最大,超额危险度ER(95%CI)为1.45%(0.93%~1.98%);累积滞后(0~6)d(lag06 d)时累积效应最强,超额危险度ER(95%CI)为3.07%(2.04%~4.10%)。结论2014—2016年广州市越秀区NO_(2)浓度增加会导致呼吸系统疾病门诊量增加。 相似文献
17.
目的 探讨大气污染对医院呼吸系统疾病日门诊量的影响.方法 收集广州市某医院2006年1月1日-2008年12月31日呼吸系统疾病日门诊量的统计资料,结合同时期环境监测和气象资料,采用自回归模型(auto-regressionmodel),在消除了气象、季节等混杂冈素的基础上,分析了广州市研究期问大气污染与呼吸系统疾病日门诊量的关系.结果 呼吸系统疾病日门诊的就诊量具有明显的星期效应(医院周六、周日休息所致),呼吸系统疾病就诊量较大月份与各污染物浓度较高的月份趋于一致.大气中SO_2和NO_2的浓度每增加10μg/m~3居民呼吸系统疾病的日门诊就诊最分别各增加3%(P<0.01).灰霾天气的窄气污染物浓度高于非灰霾天气.结论 广州市大气主要污染物SO_2和NO_2浓度的升高引起居民呼吸系统疾病的日门诊就诊量相应增加.Abstract: Objective To know the relationship between air pollutants and daily hospital visits for respiratory diseases in Guangzhou. Methods The data of daily hospital visits for respiratory diseases in a hospital in Guangzhou during 2006 to 2008, along with the daily meteorological factors, air pollutants concentration (NO_2, PM10.FM2.5 and SO_2) were collected. The time series analysis auto-regression model was used, considering the potential confounding factors such as seasonal and meteorological factors. Results Daily hospital visits for respiratory diseases presented a significant week effect, the time of higher daily hospital visits for respiratory diseases was the same of higher concentration of pollutants. When SO_2 and NO_2 increased by 10 μg/m~3, the daily hospital visits increased by 3%(P<0.01). The concentration of pollutants in haze days was higher than that in non-haze days. Conclusion Increase in daily hospital visits for respiratory diseases in Guangzhou can be caused by air pollutant level increasing. 相似文献
18.
目的探讨巢湖市平均温度对心血管疾病死亡人数影响的规律和特点。方法收集2008—2011年巢湖市居民心血管疾病死亡资料和同时期的气象数据与空气污染数据,采用时间序列的半参数广义相加Poisson回归模型,在控制长期趋势、空气污染和其他气象因素的影响后,定量分析平均温度对心血管疾病死亡人数的影响及其滞后效应。结果日平均温度对滞后5 d心血管疾病死亡人数的效应有统计学意义(P0.01),其相对危险度为0.984(95%CI:0.982~0.997);平均风速滞后5d时的效应有统计学意义(P0.01),平均风速的增加会导致心血管疾病死亡人数的上升。结论巢湖市心血管疾病死亡人数随平均温度的增加而呈下降趋势。 相似文献
19.
目的 分析大气中主要气态污染物二氧化硫(SO2)急性暴露对北京市居民每日呼吸系统疾病死亡人数的影响.方法 采用时间序列的广义相加模型,在控制时间趋势和气象因素、“星期几效应”等混杂因素的基础上,分析北京市2006年1月1日2009年12月31日大气SO2浓度与居民每日呼吸系统疾病死亡人数的关系.结果 北京市大气SO2浓度每升高10 μg/m3,居民当日呼吸系统疾病死亡人数、滞后1d的每日肺炎死亡人数分别增加0.88%(95%CI:0.34%~1.41%)和1.43%(95%CI:0.51%~2.35%).结论 北京市大气SO2污染与居民每日呼吸系统疾病死亡人数和肺炎死亡人数有统计学关联. 相似文献
20.
天津市可吸人颗粒物与城区居民每日死亡关系的时间序列分析 总被引:6,自引:3,他引:3
目的 研究天津市大气可吸入颗粒物(PM10)与城区居民每日死亡间的相关性.方法 通过收集天津市城区2005-2007年空气污染数据、日平均气温和相对湿度及每日死亡人数,采用广义相加模型,控制长期和季节趋势、气温和相对湿度等气象因素及二氧化硫(SO2)和二氧化氮(NO2)等气态污染物的影响,分析天津市PM10与居民每日死亡之间的关系.结果 大气PM10与人群每日非意外死亡、循环系统疾病死亡和呼吸系统疾病死亡间显著相关.PM10浓度每升高10 μg/m3,人群每日非意外死亡、循环系统疾病死亡和呼吸系统疾病死亡分别增加0.45%(0.21~0.69)、0.60%(0.29~0.91)和0.82%(0.04~1.61).结论 天津市大气PM10污染与城区居民每日死亡显著相关,尤其是循环系统疾病和呼吸系统疾病死亡. 相似文献