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。     

气象因素对农田鼠类数量影响的典型相关分析

目的探讨气象因素对农田鼠类数量的影响。方法采用典型相关分析对开江县1978—1993年农田鼠密度与气象因素进行统计分析。结果1978—1993年开江县农田总鼠密度为5．58％～26．57％,黑线姬鼠、褐家鼠、四川短尾嗣密度分别为1．91％～18．41％、0．68％10．86％、0．47％～9．50％。气温、湿度、降雨量、日照数等12种气象因素与总鼠密度,黑线姬鼠、褐家鼠、四川短尾鼢密度4个因变量的典型相关系数中,第1对（r=1．0000）有统计学意义（X＾2=248．7032,P〈O．01）,鼠类数量以总鼠密度标准系数最大（4．7748）,气象因素标准系数最大的依次为7—8月平均日照数（-3．1532）、7—8月平均湿度（-1．6177）和7—8月平均降雨量（-1．4652）,且全部为负相关。结论农田鼠类数量主要受7—8月平均日照数、平均湿度和平均降雨量的影响。     

温州市儿童手足口病与气象因素相关性研究

目的探讨温州市气象因素与手足口病发病的关系,为预测温州市手足口病发病提供依据。方法收集温州市2008—2012年每月气象资料(气压、气温、降雨量、风速和日照时数等)和手足口病发病资料进行相关与回归分析。结果以气压、最高温、降雨量、最大风速和平均风速为自变量代入多元线性回归模型,采用stepwise法进行多因素逐步回归分析显示,平均风速(X1)与手足口病发病例数存在负相关,降雨量(X2)与手足口病发病例数存在正相关。回归方程为Y=6 369.18-5 794.35X1+7.283 X2,回归方程有统计学意义(模型复相关系数=0.727,决定系数R2=0.529,F=32.011,P0.01)。结论气象因素与手足口病发病关系密切,对于建立手足口病早期气象预警系统具有重要意义。     

邯郸市1972-2010年猩红热发病的气象流行病学特征分析

目的 查找研究猩红热发病率和气象因素之间关系的适用方法,探讨邯郸市猩红热的气象流行病学特征. 方法 收集1972-2010年邯郸市猩红热疫情资料、气象资料和人口资料,采用EpiData3.0进行“双重录入”,用SPSS17.0统计分析软件建立数据库,对数据进行统计分析. 结果 ①气象参数的共线性诊断结果显示,本组气象因子数据容差最小为0.014,方差膨胀因子最大达69.998.②Spearman相关分析结果显示,邯郸市1972-2010年猩红热月发病率与月平均风速、月日照时数、月小型蒸发量呈正相关,与月平均气温、月平均相对湿度、月总降雨量、月极端最低气温呈负相关（P＜0.05或P＜0.01）.③猩红热月发病率的曲线估计方程为（Y）=1.369-0.2301n（X）.④猩红热月发病率与月平均风速之间得到曲线拟合方程（Y）=-0.781＋ 1.242X-0.585X2＋0.097X3.⑤气象参数的KMO和Bartlett检验结果显示,本文中的气象参数非常适合做因子分析,通过做主成分多元线性回归分析得到方程（Y）=1.946＋ 0.378Z2（P＜0.01）. 结论 （D邯郸市10个气象参数之间存在严重的多重共线性.②邯郸市猩红热月发病率的模型曲线为对数模型曲线.③猩红热月发病率与月平均风速之间呈三次方程曲线关系,月平均风速是影响猩红热月发病率的主要气象因素.④气象因素对猩红热发病的影响在总的影响因素中所占比例较小.     

蚊媒传染病气象影响因素分析

目的探索气象因素与蚊类种群动态变化和蚊媒传染病[流行性乙型脑炎（乙脑）、疟疾和登革热]发病的关系，为实施蚊媒传染病预防和控制策略提供科学依据。方法收集温州市20042006年疟疾、乙脑和登革热发病资料、2004—2006年蚊类种群密度季节消长监测资料及同期的平均气温、平均最高气温、平均最低气温、相对湿度、日照时间、降雨天数、降雨量等气象资料，用相关分析和多元逐步回归分析方法进行分析。结果2004—2006年蚊类密度与同期平均气温、最高气温、最低气温、降雨量、相对湿度、日照时间有较高的正相关关系，与降雨天数无关。回归方程为Y=23．671＋0．190x3＋0．299x4，x3、x4分别代表最低平均气温和相对湿度。结论气象因素影响着蚊类密度的变化，尤其是平均最低气温和相对湿度，从而成为影响蚊媒传染病发病的主要气象因素。     

Bayes判别分析在肾综合征出血热发病预测研究中的应用

目的研究肾综合征出血热（HFRS）发病与气象因素和动物宿主的关系并建立合理的数学预报模型。方法首先选取逐月及逐年的气象指标,包括气压、气温、降雨量、相对湿度、日照时数和日照百分率作为代表因素;然后对HFRS与气象因素和动物宿主间的关系进行Pearson、Kendall及Spearman相关分析,最后利用气象因素和包括鼠密度及鼠带病毒率的动物宿主信息作为解释变量进行Bayes判别分析。结果HFRS年发病疫情与鼠密度关系最为密切（r=0．738,P=0．000）,而影响鼠密度最显著的气象因素是日照时数、日照百分率和降雨量。其中日照时数与鼠密度呈正相关（r=0．494,P=0．016）,而降雨量与鼠密度近似呈负相关（r=-0．350,P=0．101）。利用气象及动物宿主资料预测当年的人间发病强度时,逐步判别分析及全变量判别分析均具有良好的效果。逐步判别分析的组内回代及弃一交叉验证准确率均为82．6％（19／23）,而全变量判别分析的组内回代准确率为90．9％（20／22）,弃-交叉验证准确率为81．8％（18／22）。当预测下一年的发病强度时,逐步判别分析的组内回代及弃一验证正确率均为86．4％（19／22）,而全变量判别分析的组内回代分类正确率为100％（21／21）,弃-交叉验证分类正确率仅为57．1％（12／21）。结论气象因素影响动物繁殖及动物间疫情,进而影响人间的HFRS疟情．Bayes诼彤判别分析在预测HFRS疫情方面具有一定实际应用价值。     

北京市蚊虫密度与气象因素关系的研究

目的研究对北京市蚊虫密度产生影响的主要气象因素并分析其影响程度。方法采用北京市疾病预防控制中心2005--2007年5—10月共54旬的蚊虫密度数据及同期的平均气温、平均最低气温、平均最高气温、降雨量、降雨天数、日照时间、相对湿度、平均风速等气象资料,采用SAS9．0统计软件进行多元逐步回归。结果多元回归共线性诊断结果显示平均气温、平均最高气温与平均最低气温三者之间存在严重共线性,三者不能同时进入回归方程。多元逐步回归方程为y=0．53397 X2＋0．078 14X7-2．67329 X8-2．23256。其中墨代表平均最低气温,量代表相对湿度,魁代表平均风速。结论与蚊虫密度相关的气象因素主要为平均最低气温、相对湿度、平均风速;按其影响程度大小依次为平均最低气温、平均风速、相对湿度。     

我国某地区痢疾发病率与气象因素的关系及其预测模型

[目的] 建立我国某地区痢疾发病率的预测模型,并探讨各种气象因素对痢疾发病率影响的相对重要性.[方法] 以2000年1月～2005年12月气象因素为输入神经元,同期痢疾月发病率为输出神经元建立BP人工神经网络模型.同时以气象因素为自变量,痢疾月发病率为应变量,建立多元线性回归模型.以上两模型分别以MIV值和标准化偏回归系数确定各气象因素的相对重要性.以2006年痢疾月发病率检验以上模型的预测效果. [结果] BP人工神经网络模型的平均误差率为17.12%;非线性相关系数为0.76.多元线性回归模型的平均误差率为10.74%:非线性相关系数为0.88.多元线性回归模型表明,影响痢疾发病率的重要气象因素为平均气压、平均最低气温、平均最高气温、平均相对湿度.BP人工神经网络模型的研究结果与其基本一致,平均气压、平均相对湿度、平均最高气温、平均气温为重要性排序前4位的气象因素.[结论] 对我国某地区痢疾发病率的预测可使用以气象因素为自变量的多元线性回归模型进行预测,影响疾病发病率的主要气象因素为平均气压、平均最低气温、平均最高气温、平均相对湿度.     

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。     

广东省登革热流行与气候因素变化的相互关系研究

目的　探索登革热发病与伊蚊种群动态变化和气候因素的关系。方法　收集广东省 1990～ 2 0 0 1年的登革热发病资料 ,收集了潮州市的 1995～ 2 0 0 1年伊蚊媒介监测资料及同期的平均气温、最低气温、最高气温、日照时间、降雨量、相对湿度等气象资料 ,用相关分析和多元逐步回归分析的方法进行分析。结果　与媒介伊蚊密度有关的气象参数是 :降雨量、日照时间、降雨天数、平均气温、最低平均气温、相对湿度 ;经逐步回归分析得到回归方程 :YBI=2 4 .80 0 +0 .82 6 X1 +0 .0 2 0X2 - 0 .4 18X3其中 X1 代表最低平均气温、X2 代表降雨量、X3代表相对湿度。登革热发病的 L ogis-tic回归方程 :P（1） =1/[1+e- （ - 7.850 + 0 .391 BI） ]。讨论　气候因素对伊蚊媒介密度的影响是复杂的 ,但其主要影响因素是最低平均气温、降雨量、相对湿度 ;影响登革热发病的主要因素是伊蚊密度（BI）。当然伊蚊密度的变化和登革热的发病还与当地居民生活水平、生活习俗密切相关     

广州市蚊虫密度与气候因素的相关性

目的分析气候因素对蚊虫密度的影响,为蚊虫介导传染病的监测和防控提供科学依据。方法将1995-2002年广州市主要城区人工小时捕蚊数监测资料与同期的月平均气压、月平均气温、月平均相对湿度、月平均绝对湿度、月平均蒸发量、月平均降雨量、月日照时间、月平均风速等气候资料进行等级相关和多元回归分析。结果广州市在连续7年里人工小时捕蚊总数(包括多种蚊虫)即总蚊虫密度与同期的蒸发量、相对湿度、绝对湿度、日照、温度、降雨量均呈正相关关系(P0.05),而与气压有负相关关系(P0.05);而人工小时捕获白纹伊蚊数即白蚊伊蚊密度与同期的蒸发量、相对湿度、日照、温度、降雨量均呈正相关关系(P0.05),与气压呈负相关关系(P0.05)。在回归分析中,对人工小时捕蚊总数有影响的仅绝对湿度一个因素,复相关系数为0.835,决定系数为0.697;而对人工小时捕获白纹伊蚊数有影响的因素为日照、绝对湿度和温度,复相关系数为0.850,决定系数为0.723。结论绝对湿度对总蚊虫密度有明显的影响,日照、绝对湿度和温度对白纹伊蚊密度有明显影响。     

2008-2009年深圳市龙岗区蚊媒监测及蚊密度影响因素分析

目的了解龙岗区的蚊媒分布情况并探索气象因素对蚊媒密度的影响,为蚊媒传染病的预防与控制提供科学依据。方法回顾性收集2008-2009年深圳市龙岗区蚊媒传染病发病资料、蚊媒密度监测资料及同期气象资料进行相关分析和多元逐步回归分析。结果 2008-2009年,共捕蚊1 665只,平均密度为0.99只/h,致倦库蚊为优势蚊种(81.62%);医院、居民区的成蚊密度显著高于其他场所;不同场所蚊媒种类构成差异有统计学意义(χ2=208.29,P0.01);不同环境中伊蚊监测容器指数差异有统计学意义(χ2=24.00,P=0.000);相关性分析显示,成蚊密度、伊蚊房屋指数与气象因素无显著性相关,成蚊密度与蚊媒传染病发病无显著性相关;伊蚊密度、诱蚊诱卵指数、布雷图指数、容器指数与多个气象因素相关;进一步多元逐步回归分析显示,伊蚊诱蚊诱卵指数主要受月平均最低温度的影响:y2=-5.891+0.53x2;伊蚊密度(y3)、布雷图指数(y4)、容器指数(y5)主要受月平均气压的影响:y3=7.529-0.007x5;y4=2 877.878-2.825x5;y5=1 347.05-1.321x5。结论月平均最低温度和月平均气压为影响蚊媒密度的主要气象因素。     

基于径向基函数神经网络的口岸鼠密度动态预测

目的建立口岸鼠密度变化的动态模拟径向基函数神经网络模型,分析预测效果。方法监测鼠密度,分析鼠密度与气象因子相关性,运用多元回归方程分析气象因子对鼠密度的影响,建立鼠密度变化的动态模拟径向基函数神经网络模型,分析模型的准确性。结果建立的模型的训练准确率为91.34%,检验准确率为91.17%,测试准确率为89.03%,平均准确率为90.51%。模型认为自变量的重要性排序依次为月均最低气温、月均相对湿度、日照、降水量。结论径向基函数神经网络技术能够较好地应用到鼠密度动态预测工作中,为口岸鼠类防控提供了科学依据。     

南京市江宁区2010年气象因素对SO2等大气污染物浓度的影响

目的探讨气象因素对大气污染物浓度的影响,以期建立气象因素与大气污染物浓度关系的模型。方法收集南京市江宁区2010年气象资料(日平均气压、日最高气压、日最低气压、日平均气温、日最高气温、日最低气温、日平均相对湿度、日最小相对湿度、日降水量、日平均风速、日照时数)和大气主要污染物(SO2、NO2、PM2.5)浓度资料,以气象因素对大气污染物浓度进行多元线性回归分析,建立多元回归方程。结果 SO2日平均浓度与日最高气压和日最高气温呈负相关,与最低气压呈正相关;NO2日平均浓度与最低气温呈负相关;PM2.5日平均浓度与日最小相对湿度和日平均风速呈负相关。结论气象因素的变化对于大气污染物浓度有一定影响。在污染物特征及地形地貌基本不变、总的污染物排放相对稳定的情况下,通过建立多元回归方程可以预测气象因素变化对大气污染物浓度的影响。     

疟疾与气象因素关系不同模型预测效果比较

目的 分析气象因素与海南省万宁市疟疾发病率的相关性,比较BP神经网络模型和逐步回归模型对疟疾发病率的预测效果。方法 收集1995年1月-2007年12月万宁市每月气象数据和疟疾发病率数据,应用Spearman等级相关分析方法分析气象因素与疟疾发病率之间的相关性,分别用BP人工神经网络方法和逐步回归方法建立疟疾发病率的气象因子拟合模型,预测2008年各月的疟疾发病率。结果 万宁市疟疾月发病率与前1个月的平均气温、最高气温、最低气温、降雨量、日照时间均呈正相关（均P<0.05）,与前1个月的平均相对湿度、平均气压均呈负相关（均P<0.01）;将7种气象因素作为输入变量,疟疾发病率作为输出变量,构建内含1个隐含层的BP神经网络模型,在隐单元数为16时拟合效果最优,经过300次训练达到设定的最小训练误差为0.001,模型的均方误差和决定系数R²分别为0.002 7和0.99;将7种气象因素作为自变量,疟疾发病率作为因变量构建逐步回归模型,进入模型的变量为平均气温和平均相对湿度,模型的决定系数R²为0.40;应用2种模型对2008年各月疟疾发病率进行预测,平均绝对误差分别为1.24/10 000和0.44/10 000。结论 万宁市疟疾发病率与气象因素明显相关,利用气象因素构建的BP神经网络模型较逐步回归模型具有更好的发病率拟合效果,但逐步回归模型的预测效果更好,BP神经网络模型的泛化能力需要进一步提高。     

气象因素对上海市长宁区脑卒中死亡的影响

目的 探索气象因素对脑卒中死亡的影响。方法 收集2004—2016年上海市长宁区脑卒中患者死亡数据以及同期气象数据,分析气象因素对脑卒中患者死亡的影响。结果 脑卒中死亡与平均气温、日照时间、降水量、蒸发量、降雨日都存在负相关关系,与平均气温的相关关系最强(r=-0.71,P<0.001)。在逐步回归模型中,月平均气温每升高1 ℃,当月脑卒中死亡人数减少1.347人(F=156.3,P<0.001)。非参数回归模型显示,气温对脑卒中死亡影响并非呈线性变化,在月均气温小于10 ℃时,月均气温每上升1 ℃,脑卒中死亡人数即可下降1.879人。随着气温的上升,气温对脑卒中死亡的影响逐渐减小,当月平均气温到27 ℃,气温对脑卒中死亡影响达到最低。结论 加强低温和高温季节的脑卒中患者和高危人群的主动预防,完善脑卒中发病人群的救治途径,并且积极提供脑卒中患者病后康复治疗,减少并发症(如致残)的产生,可以降低脑卒中的死亡率。