一、气象要素影响心脑血管疾病的机理分析(论文文献综述)
崔秀云,邢银花,张彩霞,程蓉[1](2021)在《兰州市气象因素对心脑血管疾病就诊人次的影响研究》文中认为利用甘肃省第一人民医院2016-2020年心脑血管疾病患者和同期兰州市气象资料,在分析心脑血管疾病患者统计学特征的基础上,探究了气象要素同心脑血管疾病就诊人数的同期和滞后关联性,结果发现:2016年以来兰州市心脑血管疾病就诊人数以中老年人群为主,且男性明显多于女性。从季节对比来看,夏季为心脑血管疾病的高发季节。从年际变化来看,2016年以来兰州市心脑血管疾病就诊人数呈明显减少趋势。从月气象要素与同期心脑血管疾病就诊人数的关系来看,尽管平均气压、平均气温、平均最高气温、平均最低气温、平均水汽压及平均风速与滞后1月的心脑血管疾病就诊人数在统计学上均具有较好的相关性,但影响心脑血管疾病就诊人数的最主要气象因子为平均气压、最高气温及平均风速。利用前1个月的平均气压、最高气温及平均风速建立的兰州市心脑血管疾病就诊人数回归模型原始值与拟合值变化趋势比较一致,因此利用该模型来预测兰州市心脑血管疾病的发作具有一定的可靠性。
高喜旺[2](2021)在《《内经》中风相似病症及吉林省延吉市中风发病与气象要素相关性的研究》文中研究表明目的:基于《内经》五运六气理论,对《内经》中风相似病症理论以及《内经》以降各历史时期中风因机证治的理论进行系统研究。以此为理论基础,探索吉林省延吉市中风发病与五运六气及气象要素的相关性,探索五运六气规律及气象要素对地域性中风相似病症发病的影响,以期为延吉市中风发病的预防和治疗提供重要资料及新思路。方法:1.理论研究以古籍数据挖掘为主,对《黄帝内经》及《内经》以降各历史时期记载中风的相关文献进行梳理,并对其进行深入的因机证治理论研究。2.建立吉林省延吉市延边大学附属医院、延边朝医医院、延边中医院2004年1月21日——2014年1月20日共10年入院病例中风发病数据库及同期气象资料数据库。3.运用描述性统计、完全随机设计R×C表资料的X2检验、Logistic回归分析法、非参数检验Spearman等级相关法等统计学方法,探求中风发病与五运六气及气象要素的相关性。结果:1.《黄帝内经》及《内经》以降各历史时期中风相似病症理论研究:(1)明确《内经》对中风病名及中风相似病症的论述,发现五运六气及气候变化易于导致中风相似病症发病。(2)阐明《内经》中风相似病症的病因病机及其治疗原则,并且在现有的辨治中风的基础上明确了五运六气方面的因机证治。(3)明确《内经》以降各历史时期的中风病名范围、症状表现、病因病机及治则治法,将中风的辨治集中在我们现在论述的脑血管疾病范围。2.延吉市中风发病与五运六气及气象要素相关性研究:(1)中风发病数在岁运太过不及、主气的不同时段存在差异性,均具有统计学意义(P<0.05)。在以十天干循环的岁运年中,癸年、壬年、辛年、庚年为中风的高发年份;在主气六步时段中,太阳寒水、少阴君火、阳明燥金、太阴湿土为中风的高发时段。故中风发病主要受发病年份岁运属性为寒、风、湿、燥的影响,亦受到发病所处主气时段属性为寒、热、燥、湿的影响。(2)中风发病与同期气象要素具有相关性(P<0.05)。其中,中风发病与同期气象要素中日照差、平均风速、最高气压、最低气压相关,且与平均风速呈正相关,与最高气压、最低气压、日照差呈负相关;中风发病与运气同化之岁气象要素中平均风速、最高气压、最低气压、相对湿度相关,且与平均风速呈正相关,与最高气压、最低气压、相对湿度呈负相关,其中与中风发病相关性最高的气象要素为最高气压。(3)中风发病与不同运气时段气象要素具有相关性(P<0.05)。其中,在多个天干时段影响中风发病的气象要素为平均气温、最低气温、最高气温;在多个不同岁运时段影响中风发病的气象要素为最高气压、最低气压;在多个主运、主气时段影响中风发病的气象要素均为平均风速、最高气压、最低气压;在多个不同客气时段影响中风发病的气象要素为平均气温、最低气温、最高气温、相对湿度、最小相对湿度。结论:1.通过对《内经》中风相似病症分析可知,不同运气及气候条件易于导致中风发病。其中岁运太过不及、五运郁发、客主加临、六气司天在泉、六气胜复、客主相胜等运气变化与中风发病密切相关。2.《内经》中风相似病症的病因病机及其治疗原则对中风审因论治具有重要的影响作用,并且在现有的辨治中风的基础上提出了运气病机及治则治法。3.根据《内经》以降各历史时期中风因机证治的研究,明确了中风病名范围、症状表现、病因病机及治则治法,将中风的辨治集中在我们现在论述的脑血管疾病范围。4.中风发病在不同年龄阶段有其高发规律。中风发病年龄多集中在40岁以上的中老年阶段,其中男性患者多于女性患者。5.中风发病与五运六气变化密切相关。其中岁运太过不及、主气时段运气属性变化易于导致中风发病。6.中风易于在气候剧烈变化的运气同化年份发病。其中易于导致气候剧烈变化的运气同化年份有天符、同天符、太乙天符之年。7.不同运气时段导致中风发病而发挥作用的气象要素各不相同,但12种气象要素中气温、气压、风速、湿度的骤然变化对中风发病影响最大。
邢倩[3](2021)在《气候变化背景下北京市温度对心脑血管疾病的影响研究》文中提出应对气候变化是21世纪全球面临的最大挑战之一。气候变化造成了地表温度升高、极端天气事件发生的频率和强度增大,这将对居民的生存和健康造成潜在的威胁。北京面临着应对气候变化、城市化和人口老龄化等多重挑战,但系统开展综合考虑气候变化、城市化和人口老龄化对健康影响的研究还很少。因此,在气候变化背景下开展北京市温度对心脑血管疾病健康影响的研究十分必要。本文首先利用2006~2011年北京市气象因素、大气污染物以及逐日心脑血管疾病死亡数据,结合泊松分布的广义相加模型和分布滞后非线性模型,建立温度与不同人群心脑血管疾病死亡的暴露反应关系;其次,探讨温度对城区和郊区不同性别、年龄、受教育程度人群的健康效应以及城市化水平(城区不同高度建筑群)对温度-健康效应的修饰作用,同时评估了由温度导致的不同人群心脑血管疾病死亡影响的归因风险以及城市热岛(UHI)效应对城区心脑血管疾病死亡归因风险的影响,并利用GIS技术评估了不同季节人口气温暴露水平,计算了人口加权温度;最后,设计5种方案并预测不同方案下未来与温度相关的心脑血管疾病超额死亡人数,探讨气候情景、人口总数、城市化水平和人口老龄化等因素对未来与温度相关的心脑血管疾病超额死亡人数的独立影响和综合影响。主要结果如下:(1)北京市日均温度对心脑血管疾病死亡的影响存在空间和人群的差异性。北京市城区和郊区日均温度对心脑血管疾病死亡总人群滞后14 d的暴露反应曲线呈“U”型,城区的最小死亡温度(MMT)(23℃)高于郊区(21℃)。日均温度变化1℃引起城区人群心脑血管疾病的ER低于郊区人群,城区和郊区不同人群热效应(>MMT)的ER均高于冷效应(<MMT)。在郊区,女性的热效应和冷效应ER都高于男性,但在城区的影响不一致;无论城区还是郊区的人群,≥65岁的老年人群和文盲人群热效应和冷效应的ER都高于<65岁人群和受教育人群。(2)北京市日均温度对心脑血管疾病死亡的归因风险与冷热效应和人群特点相关,且冷效应的死亡负担占主导。北京市日均温度对不同人群心脑血管疾病死亡的归因风险表明,由温度造成的心脑血管疾病AFs男性高于女性,≥65岁人群的心脑血管疾病AFs远高于<65岁人群,小学及以上人群的心脑血管疾病AFs略高于文盲人群;日均温度对心脑血管疾病死亡影响的冷效应AFs为16.75%(95%CI:11.27,21.54)高于热效应的AFs为2.97%(95%CI:2.20,3.68),由中度冷(2.5th日均温度~MMT)引起的AFs为15.57%(95%CI:10.36,20.22)。(3)北京城市化对日均温度-心脑血管疾病死亡的影响具有不同程度的修饰作用。北京地区的城中心温度最高,全市大部分人口生活在温度较高的地区。日均温度每变化1℃,热效应和冷效应的ER随城区建筑群高度升高而下降,居住在城市化水平较高地区的居民,心脑血管疾病健康风险也较低;由于热岛效应,城区居民心脑血管疾病的热效应AFs增加0.48%,冷效应AFs降低0.57%,冷效应AFs的降低抵消了热效应AFs的增加,热岛效应对城区由温度造成的心脑血管疾病死亡归因风险有保护作用。(4)不同气候变化背景下,城市化水平和人口老龄化等因素对未来与温度相关的心脑血管疾病超额死亡均有一定的影响。仅考虑气候变化,未来与温度相关的心脑血管疾病超额死亡人数随气温升高而增加;考虑气候变化和人口总数变化,未来与温度相关的心脑血管疾病超额死亡人数与相应气候变化情景下对应的人口总数变化趋势一致;与城市化水平不变相比,提高城市化水平使未来与温度相关的心脑血管疾病死亡风险下降1.0%~12.5%;与老龄化不变相比,老龄化加剧使未来与温度相关的心脑血管疾病死亡风险增加21.6%~277.9%;在考虑气候变化和人口总数变化的基础上,只考虑老龄化加剧使未来与温度相关的心脑血管疾病死亡风险增加48.8%~325.9%,综合考虑城市化水平提高和老龄化加剧使未来与温度相关的心脑血管疾病死亡风险增加44.1%~256.6%,其增加幅度略低于只考虑老龄化加剧的增加幅度。综上所述,老龄化加剧是应对气候变化中最大不利因素,明显放大了未来与温度相关的心脑血管疾病死亡风险,尽管城市化的推进将缓解老龄化加剧带来的不利影响,但缓解作用有限。因此,北京市应尽快建立气象和医疗卫生等多部门联合工作和研究机制,制定缓解气候变化和减少基线死亡率(尤其是老年人)的相关政策,提高医疗卫生水平和优化社会资源配置,才能更好地应对气候变化,保障居民的健康。
周静,韩照宇[4](2020)在《太原市大气污染物对心脑血管疾病的关系研究》文中指出为研究太原市大气污染物对心脑血管疾病的关系,利用气象观测数据,SO2、NO2、CO、O3、PM10、PM2.5监测浓度和山西大医院冠心病、脑血管病、心脏病病例资料,利用SPSS22.0分析了2015年1月1日—2015年12月31日太原市大气污染物对心脑血管疾病的影响。结果表明,心脑血管疾病与各种气象要素和大气污染物存在明显关联。单因子模型中相对湿度的相关系数最高。大气污染物中NO2与心血管疾病的相关系数达到0.118,O3与心脑血管疾病的均有很好的相关性。本研究由9个气象因子、6个污染因子参入的逐步回归筛选,只有相对湿度1个气象因子进入方程,说明相对湿度是影响心血管疾病的主要气象要素。而大气污染物除了O3、NO2共2种污染物都进入方程,另外,心血管和脑血管疾病的回归方程因子有差异,心血管疾病因子是NO2、O3,而脑血管疾病因子是相对湿度和O3。说明诱发心血管和脑血管疾病的气象要素和污染物种类稍有不同,NO2和O3对心血管疾病的影响要大于脑血管疾病;相对湿度、O3主要对脑血管疾病产生影响。研究结果显示气象要素和大气污染综合因子的变化可以较好地预测心脑血管疾病趋势,可为政府和公众的疾病的预防控制和措施制定提供参考。
杨天宇[5](2019)在《心血管疾病时空分布与环境健康因子响应遥感诊断》文中研究指明心血管疾病作为严重危害人类生命与健康的常见病之一,其死亡率分布具有空间聚集性特征,高死亡率国家主要分布在东欧与中亚等地区。大量的文献调研表明心血管疾病死亡率空间分布特征受地理环境,气候因子、大气质量、人群生活习惯等多种因子影响。遥感技术(RS)具有获取数据快、周期短、覆盖范围大及数据信息量大等的特点,能获取全球尺度心血管疾病相关环境健康因子的监测数据。地理信息系统技术(GIS)能够直观地展现疾病和相关环境健康因子的关联关系,结合多种空间分析方法定量化地刻画二者之间的响应关系,使得心血管疾病在一定的时空状态下与环境要素的关系研究成为可能。基于3S技术的环境健康遥感诊断指标体系的提出,支撑了环境要素的阈值化地客观把握,并为心血管疾病与环境健康因子响应关系的分析研究提供了新的思路与方法。本文利用RS和GIS等空间信息技术分析全球心血管疾病死亡率的时空分布特征,分析心血管疾病环境健康因子及其响应特征,并基于筛选出的环境健康因子建立心血管疾病死亡率遥感诊断预测模型。主要研究内容和结论如下:(1)提取心血管疾病死亡率时空分布特征:基于文献资料调研分析研究了全球尺度的2000年、2004年、2008年和2012年四个年份的心血管疾病死亡率的时空分布特征。结果显示出了心血管疾病死亡率在四个年份中一直处于较高水平,每个年份的全球死亡率超过250(人/100000人);空间特征上心血管疾病死亡率高发区域集中于东欧地区,中亚地区,而大洋洲和拉丁美洲心血管疾病死亡率相对较低,心血管疾病死亡率分布具有空间自相关性,每个年份正相关高值聚集区的国家超过14个;在区域尺度上心血管疾病死亡率存在时空聚集现象,心血管疾病死亡率较高的国家主要聚集在地中海沿岸,欧洲,北非,中亚等人口稠密的区域。(2)心血管疾病死亡率与环境健康因子响应遥感诊断:基于多源遥感数据,结合心血管疾病死亡率时空分布特征,选取心血管疾病环境健康因子。利用地理统计分析和单要素分析方法通过对心血管疾病死亡率分析研究结果表明了心血管疾病死亡率受NO2柱浓度、SO2柱浓度和O3柱总量等的大气污染因子影响,其响应曲线在一定范围内呈现先降后增的趋势,且当SO2柱浓度超过0.9Du或O3柱总量超过320Du时,心血管疾病死亡率降低。心血管疾病死亡率随气溶胶光学厚度因子增加呈现升高的趋势,高死亡率国家集中于气溶胶光学厚度大于0.3的区域内;气候因素对心血管疾病死亡率分布影响较大,心血管疾病死亡率高发区位于年平均气温在10℃-20℃区域和年平均气压在950-1000h Pa的区域;年均风速与年最大气温日较差对心血管疾病死亡率分布具有显着影响,心血管疾病死亡率高发区位于年平均风速在2-3m/s与年气温最高日较差在20-23℃的区域。(3)心血管疾病死亡率环境健康因子筛选研究。利用广义相加函数,研究心血管疾病死亡率对各环境健康因子响应关系,从而筛选影响心血管疾病的环境健康因子。利用赤池信息准则(Akaike Information Criterion,AIC)的逐步回归分析优化广义相加函数模型,建立心血管疾病死亡率环境健康因子筛选算法。结果表明,除去SO2柱浓度和O3柱总量对模型贡献率为负数外,NO2柱浓度、气溶胶光学厚度、年平均气温、年平均气压、年平均风速和年最大气温日较差等环境健康因素均与心血管疾病死亡率有一定相关性,可以作为预测的环境健康因子。(4)心血管疾病死亡率预测遥感诊断模型构建。基于臭氧检测仪(Ozone Monitoring Instrument,OMI)数据、气象数据及历史心血管疾病死亡率数据,构建全球心血管疾病死亡率预测模型。将筛选出的NO2柱浓度、气溶胶光学厚度、年平均气温、年平均气压、年平均风速和年最大气温日较差共6个环境健康因子作为解释变量,引入历史心血管疾病死亡率做为解释社会因素影响效益的解释因子,建立串联灰度误差反向传播(Back Propagation,BP)神经网络遥感诊断模型。串联模型对心血管疾病死亡率预测具有较好的精度。主要创新点:(1)基于全球尺度分析心血管死亡率时空分布特征及环境健康因子的响应关系:在全球尺度上抓取了自相关性与聚集性的心血管疾病空间分布特征,基于多源遥感数据,反演了大气污染因子、气象因子等环境因子,遥感诊断了心血管疾病与环境健康因子的响应关系;(2)提出了心血管疾病死亡率健康因子筛选遥感诊断算法:基于多源遥感数据与地面监测数据,反演环境健康因子。以赤池信息量(AIC)作为指示参数。利用广义相加函数构建心血管疾病环境健康因子的筛选算法;(3)构建了串联灰度BP神经网络模型的心血管疾病死亡率预测遥感诊断模型:模型基于筛选得到的心血管疾病的环境健康因子,结合疾病死亡率数据的离散性特点与提高精度的模型需求,将灰度模型与神经网络模型串联建立了心血管疾病预测模型。
王嘉鑫[6](2019)在《我国东西部县域主要气象敏感性疾病变化特征及其医疗费用研究》文中研究表明全球气候异常变化,极端天气气候事件频发,工业化和城市化带来的空气污染问题加剧,在不同程度上助长了某些疾病的流行和蔓延,尤其是气象敏感性疾病(因天气和气候异常变化而诱发或加重的相关疾病),随之造成的医疗负担日趋增多,给人类健康和经济水平带来的负面影响逐渐成为国家和人民关注的热点问题。因此,本文基于安徽省阜南县和贵州省锦屏县相关医疗机构的住院数据和气象资料,在分别探析两县疾病谱构成的基础上,从季节和节气尺度,探明不同地区的高发疾病,进而指出两县对应高发疾病的相应医疗费用及其季节和节气分布特征,确定重点防控时段,并对两县气候舒适度的变化特征及其对气象敏感性疾病和相应医疗费用的影响进行研究,最后总结了气象敏感性疾病预防措施和降低医疗负担的相应对策,以期为当地相关疾病的适时防控、有效降低医疗费用提供科学依据。主要研究结果如下:(1)阜南县人群中住院人次最多的前六位疾病依次是:循环系统疾病、消化系统疾病、呼吸系统疾病、内分泌系统疾病、骨科系统疾病和肿瘤;医疗费用负担最高的前六位疾病依次是:循环系统疾病,肿瘤,损伤、中毒和外因的某些其他后果,消化系统疾病,骨科系统疾病和呼吸系统疾病。锦屏县住院人次最多的前六位疾病依次是:呼吸系统疾病、消化系统疾病、泌尿生殖系统疾病、骨科系统疾病、循环系统疾病以及损伤、中毒和外因的某些其他后果;医疗费用负担最高的前六位疾病依次是:呼吸系统疾病、循环系统疾病、消化系统疾病、泌尿生殖系统疾病、肿瘤和骨科系统疾病。两县排在第一位的气象敏感性疾病有差异,可能与气温和湿度及其它气象要素以及它们的匹配关系在两县之间的差异有关。(2)从季节和节气变化来看,两县循环系统疾病住院人次和医疗费用的最高值均出现在春季3月份,对应的节气是雨水和惊蛰,表明3月份是两县此疾病需重点防控的月份。对于呼吸系统疾病,阜南县住院人次和医疗费用的最高值均出现在冬季1月份,表明1月是阜南县此疾病需重点防控的月份,对应到节气即为立春、雨水、小寒、大寒;锦屏县住院人次和医疗费用的最高值均出现在春季3月份,对应到节气即为雨水到清明,表明3月是锦屏县此疾病需重点防控的月份。两县消化系统疾病住院人次和医疗费用的高发季节均为夏季,7月、8月需重点预防,阜南县对应到节气即夏至,锦屏县为雨水、立秋。锦屏县呼吸与循环系统疾病的住院人数都是在春季最高,春季是当地气象敏感性疾病易患病人群的重点预防季节。(3)通过对两县循环系统疾病夏至节气医疗费用的分析可知当温度基本一致时,湿度是诱发循环系统疾病的重要因素,空气中湿度较低时应适当补充水分,可减少相关气象敏感性疾病发生,有助于降低医疗费用。(4)两县体感温度最接近人体最佳舒适温度的时期为9月份。3月份是人体感觉由冷不舒适向舒适转变的过渡时期,10月是由舒适向冷不舒适转变的过渡时期,季节转变过渡时期冷暖空气交替频繁,此时循环系统疾病住院人次明显升高,尤其需要重点预防;11月至次年3月当冷不舒适占据主导地位时,呼吸系统疾病的住院人次最高,表明冷效应显着。(5)降低医疗费用对策:除了进一步完善当地医疗机构管理制度,提升医疗技术水平,满足群众看大病的需求,减少外出就诊率之外,就气象敏感性疾病而言应着重倡导广大民众关注天气与气候变化,重视相关气象敏感性疾病的预防,积极开展气象健康教育,加强防病措施宣传,提高群众防病意识和疾病预防能力。
蒋雨荷[7](2019)在《贵州黔东南地区锦屏县呼吸系统疾病与气象要素的关系及预测方法》文中研究指明面对气候异常变化、“健康中国2030”战略目标实现的重大需求和应对人口老龄化社会的现实,气象医学作为预防医学新兴的交叉学科应运而生,其所关注的是“因天气和气候的异常变化而诱发或加重的气象敏感性疾病”。本文以贵州省黔东南苗族侗族自治州锦屏县为研究目标区域,主要利用锦屏县2016-2017年新农合门诊医疗补偿数据、1979-2017年的常规气象观测资料对锦屏县呼吸系统疾病发病特征、气候变化特征、气象因子对呼吸系统疾病的响应关系以及气象敏感性疾病预测方程等方面展开研究,所得结论如下:1.通过分析锦屏县2016-2017年的新农合医保数据可知:呼吸系统疾病是锦屏县发病人数最多的一类疾病,其中≥65岁的就诊人数是全年龄段中占比最大的一类人群。冬春季节是锦屏县呼吸系统疾病的高发时段,夏季为低发时段。年内变化时间序列呈现明显的“两头高、中间低”的趋势。分析其与24节气的关系可以看出:呼吸系统疾病发病人数与气温呈现显着的负相关关系。呼吸系统疾病发病的第一高峰出现在寒露到立冬时节,这个时段降温明显,可以在这个时段加强疾病预防的提醒。发病人数的次高峰出现在惊蛰到清明的时段。发病人数的低值区域出现在立夏到处暑期间,表明此时段的气象条件对疾病有一定的康养效应。此外,春分与秋分时节也分别出现两个发病人数的小高峰,主要是由于这两个时节昼夜时间相等,温差在一年中相对较大,从而导致发病人数突增。2.通过分析锦屏县48年的气候特征可以看出:锦屏县整体潮湿程度呈现增加的趋势,气温上升,高温高湿的趋势愈加明显。各个气象要素与呼吸系统疾病呈现出不同程度的相关性:气压、相对湿度对呼吸系统疾病的作用呈现不同程度的正相关,气温、风速、日较差呈现不同程度的负相关。气温与呼吸系统疾病发病人数呈现明显的冷滞后与热及时效应,相对湿度表现为高湿及时效应,24h平均变温和最低气温变温存在明显的冷效应。24h最高气温变温存在明显的冷效应和热效应。48h平均温差和最高温差存在明显的冷滞后与热及时效应。而48h最低温差存在明显的冷效应。3.比较多元逐步回归和基于广义相加模型的时间序列预测模型的方法建立呼吸系统疾病发病人数的预报方程可以看出:时间序列预测模型的准确率相对较高,并且全年的准确率要大于四季的准确率。多元逐步回归模型中,全年的准确率要高于春秋冬季,夏季的相关性最弱,故没有建立方程。考虑到业务化的应用,选用多元逐步回归的方法更具有实用性。根据之前的研究结论,建立气象数据与医疗数据的数据库与气象敏感性疾病的预报系统,以提高锦屏县气象敏感性疾病发病人数预报的自动化程度,提高研究成果的实用性,能够更好的为该地区气象资料、医疗数据查询与疾病预防、发病风险预报等提供服务。
李全喜[8](2019)在《兰州市气象和环境因子对脑出血和冠心病的影响研究》文中进行了进一步梳理环境变化成为人类迄今为止面临最为严峻的挑战,而环境变化对人类健康的影响关系着人类安全稳定和可持续发展,引起了社会各界的广泛关注。近年来,国内外许多学者在气象要素和大气污染物对人体健康的影响和机理方面已经进行了一系列相关研究,但仍需深入开展。当前,中国心脑血管疾病患病率处在持续上升阶段,在城乡居民疾病死亡构成比中,心脑血管病仍占首位。基于此,本文以我国西北地区典型城市-兰州市为研究地点,利用兰州市2014-2016年的气象要素和大气污染数据资料,分析了气象要素和污染物的分布特征和时间变化规律,以及气象要素和污染物之间的相关性。并在上述分析基础上,利用2014-2016年兰州市某三级甲等医院脑出血和冠心病就诊数据,采用广义相加模型(GAM),分析了气象要素和大气污染物对脑出血和冠心病就诊人数的影响,此外还研究了气象要素和大气污染物的协同效应分别对脑出血和冠心病的影响。得到如下主要结论:(1)2014-2016年兰州市月平均风速变化为“U”型分布,温度(最高、最低)的月平均变化为“V”型分布。PM10月平均浓度变化呈双峰型,CO、NO2和SO2和PM2.5月平均浓度变化呈“U”型;O3浓度的月平均变化为倒“U”型。PM2.5、PM10、CO,NO2和SO2与温度、相对湿度、风速之间存在显着的负相关。O3与气压和相对湿度显着负相关,与其他气象因子呈正相关。气温日较差与各污染物均为显着正相关。(2)兰州市脑出血2014-2016年就诊人数共计5098人次,日均就诊人数为4.65人,男性占总就诊人数的67.7%,成年患者占总人数的59.5%。兰州市冠心病2014-2016年就诊人数共计29820例,男性患者占总就诊人数的77.2%,老年患者占总就诊人数的54.3%,冠心病日均就诊人数为27.21人。春季是兰州市脑出血和冠心病就诊人数最多的季节。(3)兰州市气象要素对脑出血和冠心病就诊人数的影响存在滞后效应,平均气压、平均气温、最低气温和最高气温均是在累积滞后6d与脑出血人数对应的RR值达到最大;当平均气温、最高气温在当天时,相对湿度单滞后4d和平均气压在累积滞后6d时,对应的冠心病就诊人数RR值最大。平均气温,最低温度,最高温度与脑出血和冠心病就诊人数的暴露反应关系均呈倒“U”型分布,脑出血对应的最低、最高温度阈值分别为8.5℃,22.5℃,冠心病对应的最低、最高温度分别为5.5℃和18℃,当低于或高于阈值时,不同气象因子对两种疾病各人群就诊人数的滞后效应有所差异。在性别方面,气象因素对两种疾病男性患者的影响均大于女性;就年龄而言,气象要素对脑出血成年人群的影响更明显,而冠心病则是对老年人群影响更显着。(4)相对湿度与冠心病的暴露-反应关系呈“U”型分布,相对湿度阈值为62%。O3在当天时与冠心病就诊人数相关联的RR值最大。CO和SO2与冠心病就诊人数的暴露-反应关系呈“U”型分布,而O3和NO2与冠心病就诊人数的暴露-反应关系呈倒“U”型分布。O3对男性和老年人群冠心病就诊人数的影响更显着。(5)兰州市平均气温、最高气温和最低气温与O3和CO两种污染物协同作用对脑出血就诊人数的影响表现为:气温处在脑出血高发病的阈值时,污染物浓度升高对脑出血的影响呈现加强效应。兰州市平均气温、最高气温、最低气温和气温日较差与O3协同作用对冠心病就诊人数的影响为气温处于疾病高危险度范围时,污染物浓度升高对冠心病的影响呈现加强效应。而相对湿度分别与PM2.5、PM10协同作用于冠心病时,高湿度高浓度的PM2.5(PM10)对冠心病就诊人数的影响有一个联合增强效果。
李天渝[9](2019)在《成年人心肌肌钙蛋白Ⅰ和血清胆红素参考值的地理环境分布》文中研究说明心肌肌钙蛋白Ⅰ(cTnⅠ)和血清胆红素(SBIL)参考值都是临床医学上重要的医学检测指标。心肌肌钙蛋白Ⅰ参考值常常是作为心脏方面疾病的诊断指标之一,是具有高灵敏度且能够反映机体心肌细胞损伤程度的参考值指标。而血清胆红素参考值是作为肝胆疾病的诊断指标之一,且目前越来越多的用于辅助诊断心脏方面重要疾病。关于心肌肌钙蛋白Ⅰ和血清胆红素参考值的影响因素的研究主要是基于生理因素方面,但是其与地理环境之间仍有着密不可分的关系,所以本文从地理环境影响的角度思考,探寻地理环境因素与心肌肌钙蛋白Ⅰ和血清胆红素这两项医学参考值的联系和机制,并建立与之相关的预测模型,进一步对其机理进行深入探讨和为医学诊断提供便利。本篇研究通过搜集全国范围内的286个市县26759例健康成年人心肌肌钙蛋白Ⅰ实测值和267个市县26980例健康成年人血清胆红素实测值,对其加以统计整理,在此基础上建立预测模型对全国范围内的其他市(县)进行预测;选取地理位置指标、地势指标、气候指标和土壤指标四大类地理指标。其中包括经度、纬度、海拔和年平均气温等25项亚指标。运用相关分析定量研究心肌肌钙蛋白Ⅰ和血清胆红素参考值与地理环境因素的关系。分别采用线性和非线性模型共两种方法3种模型进行预测。通过多重共线性检验,选取适宜方法作为单一预测模型,根据对模型的精度进行比较,分别选出心肌肌钙蛋白Ⅰ和血清胆红素参考值的最优预测模型;利用最优预测模型预测全国范围内2322个地区的两项医学参考值,选择适当的方法进行插值出图。最后通过机理分析探讨地理环境因素与心肌肌钙蛋白Ⅰ和血清胆红素参考值之间的关系。使用统计学方法探索两项医学参考值与地理环境因素的相互关系,主要得出以下结论:(1)结果表明心肌肌钙蛋白Ⅰ和血清胆红素参考值实测值均具有很强的空间自相关性,并非独立和随机分布的。(2)中国健康成年人心肌肌钙蛋白Ⅰ参考值水平与7项地理指标呈现显着相关关系;中国健康成年人血清胆红素参考值水平与10项地理指标呈现显着相关关系。两项医学指标均与海拔等地理环境因素呈现显着的相关性。(3)分别对其心肌肌钙蛋白Ⅰ和血清胆红素参考值医学指标参考值建立三种预测模型,并通过计算均方根误差等方法进行模型择优,最终确定预测模型为岭回归模型。(4)健康成年人心肌肌钙蛋白Ⅰ参考值和血清胆红素参考值整体均呈现明显的从西北向东南递减的趋势。两项医学参考值水平值高的地区主要集中我国西北部如西藏,新疆部分等地区,两项医学参考值水平值较低的地区主要集中在我国东部及东南部地区如广东、江苏、福建等地。本文以中国健康成年人作为研究对象,分析了心肌肌钙蛋白Ⅰ参考值和人血清胆红素参考值与地理环境因素之间的关系,并且得到两项医学参考值与海拔、经纬度等地理环境因素的相关程度。通过建立多种预测模型,对两项医学指标参考值数据进行预测,得出空间分布图并分析地理分布规律,最终分析并解释两项医学参考值受到影响的机理和原因。
谭玉龙[10](2019)在《中国东西部不同地区气象要素对心脑血管疾病的影响及其预测》文中提出随着心脑血管疾病患病率持续走高及其造成的疾病经济负担持续增加,基于“治未病”、“防患于未然”的中国传统医学哲学思想和《“健康中国2030”规划纲要》,针对气象要素对处在不同气候类型的地区和不同人群之间心脑血管疾病影响的风险评估及其相关预测较少涉及的现状,本文以安徽省阜阳市阜南县和贵州省黔东南州锦屏县为研究目标区域,利用两地20152016年气象台地面观测数据和医疗信息化建设完成后的住院病例数据,剖析了研究时段内气象要素和因心脑血管疾病住院的不同人群变化趋势,同时也对因心脑血管疾病住院的不同人群对气象要素的响应及心脑血管疾病住院人数的时间序列预测进行研究,得出以下结论:(1)研究时段两县平均温度和住院人数均呈上升趋势。从心脑血管疾病住院人数的时间变化来看,3月在全年中最多;从季节变化上看,春季是一年四季中最多的。从人群分组分析,中年组3月住院人数均为最多;老年组和中年组占总病例数均超过90%且老年组病例数多于中年组,表明心脑血管疾病患病主体以老年人和中年人为主;两县老年组全年各月各季节女性住院数均多于男性。(2)两县心脑血管疾病对平均温度的响应不一致:阜南县在5℃、27℃累积滞后风险达到峰值,呈现双峰响应的特点;而锦屏县仅在6℃累积滞后风险达到峰值,呈现单峰响应的特点,表明锦屏县夏季适宜避暑康养。(3)剧烈的温度变化(包括24小时大幅降温和较大的昼夜温差)均会导致两县心脑血管疾病相对风险增加,同时存在一定的滞后效应。两县中年组对昼夜温差响应均最大,锦屏县≥65岁的老年人和阜南县男性对24小时大幅降温响应最大。(4)湿度对心脑血管疾病的影响较为明确,即在高湿条件下心脑血管疾病的相对风险相较处于干燥环境下会增加,但湿度对其影响存在滞后效应。(5)求和滑动平均自回归(ARIMA)对峰值的拟合相比多元回归较为精确,对阜南县心脑血管疾病住院数回代和预报的准确率均大于84%,Pearson相关系数0.60,且其短期预报趋势较为符合实际,在基础数据和新数据不断结合并产生短期预报的迭代过程中预测准确率会不断提高,从而助推医疗资源合理配置和管理,具有推广应用的潜力。
二、气象要素影响心脑血管疾病的机理分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、气象要素影响心脑血管疾病的机理分析(论文提纲范文)
(1)兰州市气象因素对心脑血管疾病就诊人次的影响研究(论文提纲范文)
引 言 |
1 资料和方法 |
1.1 资料来源 |
1.2 多元逐步回归方法 |
2 结果分析 |
2.1 心脑血管患者的统计学特征 |
2.2 心脑血管患者人数与主要气象要素之间的关系 |
2.3 气象要素与心脑血管患者人数的回归模型检验 |
3 结论与讨论 |
(2)《内经》中风相似病症及吉林省延吉市中风发病与气象要素相关性的研究(论文提纲范文)
摘要 |
Abstract |
引言 |
第一章 文献综述 近十年中风发病与五运六气及气象要素相关性的研究综述 |
1.中风发病与五运六气关系的研究 |
1.1 中风病因病机与五运六气变化的关系 |
1.2 中风发病季节节律与五运六气变化的关系 |
1.3 运气先天禀赋对中风发病的影响 |
2.中风发病与气象要素关系的研究 |
2.1 中风病因病机与气象要素的关系 |
2.2 中风发病季节节律与气象要素的关系 |
2.3 中风发病与地域气候的关系 |
3.五运六气理论与气象要素的相关研究 |
3.1 五运六气理论与气象要素的相关性 |
3.2 气象资料论证五运六气理论的科学性 |
4.结论 |
第二章 《黄帝内经》及《内经》以降各历史时期中风相似病症理论研究 |
1.《黄帝内经》中的中风相似病症理论研究 |
1.1 《黄帝内经》对中风病名的研究 |
1.1.1 名为中风,古今异义 |
1.1.2 症属中风,病名各异 |
1.1.3 小结 |
1.2 《黄帝内经》对中风相似病症症状的研究 |
1.2.1 神昏迷蒙,人事不省 |
1.2.2 肢体偏废,痿弱不用 |
1.2.3 气血失司,运行不畅 |
1.2.4 筋脉损伤,功能失常 |
1.2.5 小结 |
1.3 《黄帝内经》对中风相似病症病因病机的研究 |
1.3.1 外感六淫,邪中经络 |
1.3.2 运气胜复,波及脏腑 |
1.3.3 七情不遂,化火动风 |
1.3.4 肥贵之体,痰浊郁阻 |
1.3.5 劳伤虚损,血行稽迟 |
1.3.6 小结 |
1.4 《黄帝内经》对中风相似病症治则治法的研究 |
1.4.1 顺时而治,以平为期 |
1.4.2 调其虚实,和其逆顺 |
1.4.3 扶正祛邪,标本同治 |
1.4.4 小结 |
1.5 总结 |
2.《内经》以降各时期中风理论的研究 |
2.1 汉代至唐宋时期对中风因机证治的研究 |
2.1.1 中风病名的研究 |
2.1.2 中风病因病机的研究 |
2.1.3 中风症状及分类研究 |
2.1.4 治则治法及预后研究 |
2.1.5 小结 |
2.2 金元时期对中风因机证治的研究 |
2.2.1 中风病名的研究 |
2.2.2 中风病因病机的研究 |
2.2.3 中风症状及分类研究 |
2.2.4 治则治法及预后研究 |
2.2.5 小结 |
2.3 明清时期对中风因机证治的研究 |
2.3.1 中风病名的研究 |
2.3.2 中风病因病机的研究 |
2.3.3 中风症状及分类研究 |
2.3.4 治则治法及预后研究 |
2.3.5 小结 |
2.4 总结 |
第三章 延吉市中风发病与五运六气及气象要素相关性研究 |
1.研究资料的收集与整理 |
1.1 研究资料来源 |
1.2 研究资料筛选 |
1.3 病例统计结果基本情况 |
2.本文的时间计算及干支年份与公元纪年转化 |
2.1 五运时段划分 |
2.2 五运交运规律 |
2.3 六气时段划分 |
2.4 六气交接规律 |
3.延吉市中风发病与五运六气变化相关性的研究 |
3.1 中风发病病例统计结果与性别年龄相关性的研究 |
3.2 中风发病与岁运太过不及时段变化相关性的研究 |
3.3 中风发病与主运五步时段变化相关性的研究 |
3.4 中风发病与主气六步时段变化相关性的研究 |
3.5 中风发病与客气六步时段变化相关性的研究 |
3.6 岁运太过不及对中风发病影响的研究 |
3.7 主气六步对中风发病影响的研究 |
3.8 小结 |
4.延吉市中风发病与五运六气变化及气象要素相关性的研究 |
4.1 中风发病与同期气象要素相关性的研究 |
4.2 中风发病与运气同化之岁气象要素相关性的研究 |
4.3 中风发病与十天干时段气象要素相关性的研究 |
4.4 中风发病与五岁运时段气象要素相关性的研究 |
4.5 中风发病与主运时段气象要素相关性的研究 |
4.6 中风发病与主气时段气象要素相关性的研究 |
4.7 中风发病与客气时段气象要素相关性的研究 |
4.8 小结 |
第四章 延吉市中风发病与五运六气及气象要素相关性研究结果与讨论 |
1.研究方法的合理性分析 |
1.1 疾病资料 |
1.2 气象资料 |
1.3 统计方法 |
2.延吉市中风发病与五运六气变化相关性的分析 |
2.1 中风发病病例统计结果与性别年龄相关性的分析 |
2.2 中风发病与岁运太过不及时段变化相关性的分析 |
2.3 中风发病与主气六步时段变化相关性的分析 |
2.4 小结 |
3.延吉市中风发病与五运六气变化及气象要素相关性的分析 |
3.1 中风发病与当年同期气象要素相关性的分析 |
3.2 中风发病与运气同化之岁气象要素相关性的分析 |
3.3 中风发病与十天干时段气象要素相关性的分析 |
3.4 中风发病与五岁运时段气象要素相关性的分析 |
3.5 中风发病与主运时段气象要素相关性的分析 |
3.6 中风发病与主气时段气象要素相关性的分析 |
3.7 中风发病与客气时段气象要素相关性的分析 |
3.8 小结 |
结论 |
本文创新点 |
参考文献 |
致谢 |
在学期间研究成果 |
个人简介 |
(3)气候变化背景下北京市温度对心脑血管疾病的影响研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 气温对人群死亡的影响 |
1.2.2 城市化对气温-人群死亡的影响 |
1.2.3 气候变化对人群健康的预估研究 |
1.3 研究内容 |
1.4 技术路线 |
第二章 资料与方法 |
2.1 数据来源 |
2.1.1 气象及环境监测数据 |
2.1.2 健康数据 |
2.1.3 建筑群高度和人口数据 |
2.1.4 气候模式数据 |
2.2 研究方法 |
2.2.1 广义相加模型(GAM) |
2.2.2 分布滞后非线性模型(DLNM) |
2.2.3 死亡风险评价 |
2.2.4 城市热岛效应强度 |
2.2.5 人口加权暴露水平评估 |
2.2.6 健康影响评估 |
第三章 北京市日均温度对心脑血管疾病死亡的影响 |
3.1 描述性统计 |
3.2 日均温度及心脑血管疾病死亡的时间序列特征 |
3.2.1 日均温度的时间序列特征 |
3.2.2 心脑血管疾病死亡的时间序列特征 |
3.2.3 Spearman相关分析 |
3.3 日均温度对心脑血管疾病死亡的健康效应 |
3.3.1 日均温度与心脑血管疾病死亡的暴露反应关系 |
3.3.2 日均温度对不同人群心脑血管疾病死亡的健康效应 |
3.4 日均温度对心脑血管疾病死亡影响的归因风险 |
3.4.1 日均温度对心脑血管疾病死亡总人群的归因风险 |
3.4.2 日均温度对不同人群心脑血管疾病死亡的归因风险 |
3.5 本章小结 |
第四章 北京城市化对日均温度-心脑血管疾病死亡影响的修饰作用 |
4.1 描述性分析 |
4.1.1 城区和郊区心脑血管疾病、气象因素及大气污染物的描述性统计 |
4.1.2 热岛效应强度时间分布特征 |
4.2 北京市居民温度暴露水平 |
4.2.1 人口和不同季节日均温度的空间分布 |
4.2.2 居民不同季节温度的暴露水平 |
4.3 城市化对日均温度-心脑血管疾病死亡的健康效应影响 |
4.3.1 城区和郊区人群的健康效应差异 |
4.3.2 不同高度建筑群居住人群的健康效应差异 |
4.4 城市化对日均温度-心脑血管疾病死亡影响的归因风险 |
4.4.1 日均温度对城区和郊区心脑血管疾病死亡总人群的归因风险 |
4.4.2 热岛效应对城区心脑血管疾病死亡总人群的归因风险影响 |
4.5 本章小结 |
第五章 不同气候变化情景下温度对北京市居民心脑血管疾病超额死亡的影响 |
5.1 温度变化趋势 |
5.1.1 1900~2100 年温度的时间变化趋势 |
5.1.2 不同气候情景下温度空间分布 |
5.2 未来情景下与温度相关心脑血管疾病超额死亡的预估 |
5.2.1 方案一的超额死亡预测 |
5.2.2 方案二的超额死亡预测 |
5.2.3 方案三的超额死亡预测 |
5.2.4 方案四的超额死亡预测 |
5.2.5 方案五的超额死亡预测 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 不足与展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(5)心血管疾病时空分布与环境健康因子响应遥感诊断(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 .国内外本学科领域的发展现状与趋势 |
1.2.1 遥感与地理信息系统对于慢性疾病监测与预测研究进展 |
1.2.2 影响心血管疾病死亡率的环境健康因子 |
1.2.3 心血管疾病诊断预测模型研究进展 |
1.3 论文研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 论文组织与结构 |
1.5 本章小结 |
第2章 数据收集与处理 |
2.1 遥感数据的收集与处理 |
2.1.1 臭氧检测仪(OMI)数据收集与处理 |
2.1.2 CERES数据收集与处理 |
2.2 疾病、人口等社会数据来源及处理 |
2.2.1 心血管疾病数据与人口数据 |
2.2.2 人口数据 |
2.2.3 心血管疾病时空数据库建立 |
2.3 气象数据收集与处理 |
2.4 本章小结 |
第3章 心血管疾病死亡情况时空分布特征分析 |
3.1 心血管疾病死亡情况时间分布特征提取 |
3.2 心血管疾病死亡率空间分布特征提取 |
3.2.1 基于国家尺度空间分布特征分析 |
3.2.2 基于区域尺度空间分布特征分析 |
3.3 空间自相关性分析 |
3.4 心血管疾病的时空聚集性分析 |
3.4.1 时空扫描统计量 |
3.4.2 时空聚集性分析结果 |
3.5 小结 |
第4章 心血管疾病死亡率对环境健康因子响应研究 |
4.1 心血管疾病对大气污染环境健康因子的响应分析 |
4.1.1 心血管疾病死亡率对NO_2柱浓度响应分析 |
4.1.2 心血管疾病死亡率对SO_2柱浓度响应分析 |
4.1.3 心血管疾病死亡率对O_3柱总量响应分析 |
4.1.4 心血管疾病死亡率对气溶胶厚度响应分析 |
4.2 心血管疾病环境危险因素的响应分析 |
4.2.1 心血管疾病死亡率对气温的响应分析 |
4.2.2 心血管疾病死亡率对气压的响应分析 |
4.2.3 心血管疾病死亡率对风速的响应分析 |
4.3 心血管疾病对社会危险因素的响应分析 |
4.3.1 心血管疾病死亡率对烟草的使用的响应分析 |
4.3.2 心血管疾病死亡率对酒精摄入的响应分析 |
4.3.3 心血管疾病死亡率对不同区域的响应分析 |
4.4 小结 |
第5章 心血管疾病环境健康因子筛选 |
5.1 心血管疾病环境健康因子筛选方法 |
5.1.1 广义相加函数 |
5.1.2 赤池信息量准则AIC |
5.2 心血管疾病环境健康因子筛选 |
5.2.1 基于广义相加模型的心血管疾病环境健康因子筛选 |
5.2.2 基于AIC的心血管疾病环境健康因子筛选模型优化 |
5.3 小结 |
第6章 心血管疾病死亡率预测遥感诊断 |
6.1 心血管疾病预测遥感诊断模型 |
6.1.1 人工神经网络模型 |
6.1.2 误差反向传播算法 |
6.2 基于神经网络的心血管疾病预测遥感诊断模型 |
6.2.1 神经网络设计 |
6.2.2 基于BP人工神经网络的心血管疾病死亡率预测分析研究 |
6.2.3 基于串联灰色BP人工神经网络的预测模型优化 |
6.3 模型的评价与分析 |
6.3.1 模型评价 |
6.3.2 模型预测验证 |
6.3.3 模型分析 |
6.4 小结 |
第7章 结论与展望 |
7.1 研究工作总结 |
7.2 主要创新点 |
7.3 研究工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(6)我国东西部县域主要气象敏感性疾病变化特征及其医疗费用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究进展 |
1.2.1 对气象敏感性疾病的研究 |
1.2.2 对疾病负担的研究 |
1.2.3 存在的问题 |
1.3 研究内容及目标 |
1.3.1 研究内容 |
1.3.2 研究目标 |
第二章 资料与方法 |
2.1 研究区域概况 |
2.2 资料来源 |
2.2.1 疾病资料 |
2.2.2 气象资料 |
2.3 研究方法 |
2.3.1 资料处理方法 |
2.3.2 季节和节气的划分 |
2.3.3 Pearson相关系数 |
2.3.4 人体舒适度分析 |
2.3.5 相对危险度 |
2.3.6 综合指标法 |
第三章 阜南县和锦屏县疾病特征研究 |
3.1 两县疾病谱排序 |
3.1.1 阜南县疾病谱统计分析 |
3.1.2 锦屏县疾病谱统计分析 |
3.2 主要气象敏感性疾病的变化趋势分析 |
3.2.1 住院人次的变化趋势 |
3.2.2 医疗费用的变化趋势 |
3.3 两县人体舒适度探析 |
3.4 舒适度对循环和呼吸系统疾病的影响 |
3.5 本章小结 |
第四章 主要气象敏感性疾病的医疗费用分析 |
4.1 循环系统疾病医疗费用分析 |
4.2 呼吸系统疾病医疗费用分析 |
4.3 消化系统疾病医疗费用分析 |
4.4 本章小结 |
第五章 两县主要气象敏感性疾病预防和降低医疗费用对策研究 |
5.1 预防对策研究 |
5.1.1 循环系统疾病预防对策 |
5.1.2 呼吸系统疾病预防对策 |
5.1.3 消化系统疾病预防对策 |
5.2 降低医疗费用对策 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 特色和创新点 |
6.3 存在的不足与展望 |
参考文献 |
作者在读期间科研成果简介 |
致谢 |
(7)贵州黔东南地区锦屏县呼吸系统疾病与气象要素的关系及预测方法(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 气温对呼吸系统疾病影响的研究现状 |
1.2.2 相对湿度对呼吸系统疾病的影响 |
1.3 研究目标与内容 |
1.3.1 研究目标 |
1.3.2 研究内容 |
第二章 研究方案 |
2.1 研究区域概况 |
2.2 资料来源与方法 |
2.2.1 气象要素观测资料 |
2.2.2 呼吸系统疾病资料 |
2.2.3 研究方法 |
2.3 统计软件 |
第三章 锦屏县近48年(1970-2017)基本气候特征 |
3.1 平均气温的基本变化特征 |
3.1.1 平均气温的年际变化特征 |
3.1.2 平均气温的年变化特征 |
3.1.3 平均气温的季节变化特征 |
3.2 锦屏县近48年(1970-2017)相对湿度基本特征 |
3.2.1 相对湿度年际变化特征 |
3.2.2 相对湿度的年内变化特征 |
3.2.3 相对湿度的季节变化特征 |
3.3 锦屏县近48年降水量基本特征 |
3.3.1 降水量的年际变化特征 |
3.3.2 降水量的年内变化特征 |
3.4 锦屏县比湿变化基本特征 |
3.5 小结与讨论 |
第四章 锦屏县 2016-2017 年呼吸系统疾病分布特征及其与主要气象要素的相关性 |
4.1 呼吸系统疾病的一般分布特征 |
4.2 呼吸系统疾病的季节分布特征 |
4.3 呼吸系统疾病与24节气的分布关系 |
4.4 呼吸系统疾病与主要气象因素的相关性分析 |
4.4.1 呼吸系统疾病与平均气象要素的关系 |
4.4.2 呼吸系统疾病与累积变气象要素之间的关系 |
4.4.3 呼吸系统疾病就诊人数与各季节气象要素的相关性 |
4.5 小结与讨论 |
第五章 气温对呼吸系统疾病的影响 |
5.1 平均气温对呼吸系统疾病的影响 |
5.2 最低气温对呼吸系统疾病的影响 |
5.3 最高气温对呼吸系统疾病的影响 |
5.4 当日最高、最低温差对呼吸系统疾病的影响 |
5.5 24h、48h变温对呼吸系统疾病的影响 |
5.6 小结与讨论 |
第六章 相对湿度对呼吸系统疾病的影响 |
6.1 平均相对湿度对呼吸系统疾病的影响 |
6.2 最小相对湿度对呼吸系统疾病的影响 |
6.3 小结与讨论 |
第七章 基于气象条件的呼吸系统疾病预报模型研究 |
7.1 多元逐步回归 |
7.1.1 总呼吸系统疾病多元逐步回归模型 |
7.1.2 春季多元回归方程 |
7.1.3 秋季多元回归方程 |
7.1.4 冬季多元回归方程 |
7.2 呼吸系统疾病的时间序列预测模型 |
7.3 预测系统展示 |
7.4 本章小结 |
第八章 结论与展望 |
8.1 结论 |
8.1.1 锦屏县呼吸系统疾病发病特征分析 |
8.1.2 锦屏县气候变化及其与疾病的关系分析 |
8.1.3 锦屏县气象敏感性疾病预报模型研究 |
8.2 本文特色与创新点 |
8.3 讨论与展望 |
参考文献 |
作者在读期间研究成果简介 |
致谢 |
(8)兰州市气象和环境因子对脑出血和冠心病的影响研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 气象要素对心脑血管疾病健康效应研究现状 |
1.2.2 大气污染物对心脑血管疾病健康效应研究现状 |
1.2.3 气象和环境因子对心脑血管疾病协同效应的研究现状 |
1.3 研究目的和内容 |
第二章 资料与方法 |
2.1 资料来源 |
2.1.1 污染物资料 |
2.1.2 气象资料 |
2.1.3 疾病资料 |
2.2 研究方法 |
2.2.1 描述统计 |
2.2.2 相关分析 |
2.2.3 广义相加模型 |
第三章 兰州市气象要素和大气污染物变化特征 |
3.1 研究区域概况 |
3.2 气象要素变化特征 |
3.2.1 气象要素频数分布特征 |
3.2.2 气象要素时间变化特征 |
3.3 大气污染物浓度变化特征 |
3.3.1 大气污染物频数分布特征 |
3.3.2 大气污染物时间变化特征 |
3.4 气象要素和大气污染物间相关分析 |
3.5 小结 |
第四章 脑出血和冠心病就诊人数分布特征 |
4.1 脑出血就诊人数分布特征 |
4.1.1 脑出血就诊人数频率分布 |
4.1.2 脑出血就诊人数时间变化特征 |
4.2 冠心病就诊人数分布特征 |
4.2.1 冠心病就诊人数频率分布 |
4.2.2 冠心病就诊人数时间变化特征 |
4.3 小结 |
第五章 气象和环境因子对脑出血的健康效应 |
5.1 气象要素对脑出血就诊人数的影响 |
5.1.1 气温对兰州市脑出血就诊人数的影响 |
5.1.2 气温对兰州市脑出血不同人群就诊人数的影响 |
5.2 大气污染物对脑出血就诊人数的影响 |
5.3 混杂因素对脑出血的健康效应 |
5.3.1 气象要素与混杂因素对脑出血的健康效应 |
5.3.2 大气污染物与混杂因素对脑出血的健康效应 |
5.4 小结 |
第六章 气象和环境因子对冠心病的健康效应 |
6.1 气象要素对冠心病就诊人数的影响 |
6.1.1 气温对兰州市冠心病就诊人数的影响 |
6.1.2 气温对兰州市冠心病不同人群就诊人数的影响 |
6.2 相对湿度对冠心病就诊人数的影响 |
6.3 大气污染物对冠心病就诊人数的影响 |
6.4 混杂因素对冠心病的健康效应 |
6.4.1 气象要素与混杂因素对冠心病的健康效应 |
6.4.2 大气污染物与混杂因素对冠心病的健康效应 |
6.5 小结 |
第七章 气象和环境因子对脑出血和冠心病的协同作用 |
7.1 气温与大气污染物协同作用对脑出血就诊人数的影响 |
7.2 气温与大气污染物协同作用对冠心病就诊人数的影响 |
7.3 个例分析 |
7.3.1 温度对脑出血的影响个例 |
7.3.2 温度和PM2.5对冠心病的影响个例 |
7.4 结论 |
第八章 结论和展望 |
8.1 主要结论 |
8.2 特色与创新点 |
8.3 存在的不足和展望 |
参考文献 |
在学期间研究成果 |
致谢 |
(9)成年人心肌肌钙蛋白Ⅰ和血清胆红素参考值的地理环境分布(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.1.1 研究背景 |
1.1.2 两项医学参考值研究价值及意义 |
1.2 心肌肌钙蛋白Ⅰ、血清胆红素医学指标参考值及研究 |
1.2.1 心肌肌钙蛋白Ⅰ及其研究现状 |
1.2.2 血清胆红素及其研究现状 |
1.3 研究目标与思路 |
1.3.1 研究目标 |
1.3.2 研究思路及技术路线图 |
第二章 资料的获取 |
2.1 医学指标参考值数据的获取 |
2.1.1 样本选取 |
2.1.2 心肌肌钙蛋白Ⅰ和血清胆红素数据获取、来源及分布 |
2.2 地理指标的选取 |
2.2.1 空间地势指标的选取 |
2.2.2 气候指标的选取 |
2.2.3 土壤指标的选取 |
第三章 医学指标与地理指标的相关分析 |
3.1 空间自相关 |
3.1.1 空间自相关方法简介 |
3.1.2 心肌肌钙蛋白Ⅰ样本数据的空间自相关结果 |
3.1.3 血清胆红素样本数据的空间自相关结果 |
3.2 相关分析 |
3.2.1 相关分析简介 |
3.2.2 心肌肌钙蛋白Ⅰ样本数据与地理指标的相关分析 |
3.2.3 血清胆红素样本数据与地理指标的相关分析 |
3.3 本章小结 |
第四章 建立预测模型 |
4.1 多重共线性诊断 |
4.1.1 多重共线性诊断概述 |
4.1.2 心肌肌钙蛋白Ⅰ参考值解释变量的共线性诊断 |
4.1.3 血清胆红素参考值解释变量的共线性诊断 |
4.2 支持向量机预测模型 |
4.2.1 支持向量机模型简介 |
4.2.2 健康成年人心肌肌钙蛋白Ⅰ参考值的SVM预测模型 |
4.2.3 健康成年人血清胆红素参考值的SVM预测模型 |
4.3 岭回归模型 |
4.3.1 岭回归模型简介 |
4.3.2 心肌肌钙蛋白Ⅰ样本数据的岭回归分析预测模型 |
4.3.3 健康成年人血清胆红素参考值的岭回归分析预测模型 |
4.4 人工神经网络模型 |
4.4.1 人工神经网络模简介 |
4.4.2 心肌肌钙蛋白Ⅰ样本数据的神经网络预测模型 |
4.4.3 血清胆红素参考值的神经网络预测模型 |
4.5 最优模型选取 |
4.5.1 评价方法简介 |
4.5.2 心肌肌钙蛋白Ⅰ参考值与地理因素的最优模型选取 |
4.5.3 血清胆红素参考值地理因素的最优模型选取 |
4.6 小结 |
第五章 空间分布趋势图的构建 |
5.1 空间统计分析简介 |
5.2 空间插值简介 |
5.3 探索性空间数据分析 |
5.3.1 心肌肌钙蛋白Ⅰ预测数据正态性检验 |
5.3.2 血清胆红素预测数据正态性检验 |
5.4 趋势效应分析 |
5.4.1 趋势效应简介 |
5.4.2 心肌肌钙蛋白Ⅰ参考值空间趋势分析 |
5.4.3 血清胆红素参考值空间趋势分析 |
5.5 空间插值出图 |
5.5.1 健康成年人心肌肌钙蛋白Ⅰ参考值空间分布规律 |
5.5.2 健康成年人血清胆红素参考值空间分布规律 |
第六章 分析与讨论 |
6.1 人体健康与地理环境 |
6.2 健康成年人心肌肌钙蛋白Ⅰ参考值与地理环境因素的关系 |
6.3 健康成年人血清胆红素参考值与地理环境因素的关系 |
第七章 总结与展望 |
7.1 结论 |
7.2 创新点 |
7.3 不足与展望 |
参考文献 |
致谢 |
攻读硕士期间的研究成果 |
(10)中国东西部不同地区气象要素对心脑血管疾病的影响及其预测(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的和意义 |
1.2 国内外研究进展 |
1.2.1 气象与人体各系统疾病研究进展 |
1.2.2 气象因子与心脑血管发病关系研究进展 |
1.2.3 国内外医疗气象业务成果简介 |
1.3 本文研究的目标和内容 |
1.3.1 研究目标 |
1.3.2 研究内容简介 |
第二章 数据与方法 |
2.1 研究区域地理概况 |
2.2 医疗数据资料 |
2.3 气象数据资料 |
2.4 研究方法介绍 |
2.4.1 相对风险 |
2.4.2 分布滞后非线性模型 |
2.4.3 广义线性模型 |
2.4.4 Spearman相关分析 |
2.4.5 多元逐步回归 |
2.4.6 求和滑动平均自回归过程 |
2.4.7 人群亚组划分 |
2.4.8 模型预测准确率 |
第三章 心脑血管疾病住院数变化特征与气象要素统计分析 |
3.1 阜南县气象要素分析及其描述性统计 |
3.2 阜南县心脑血管疾病住院数变化分析及其描述性统计 |
3.3 锦屏县气象要素分析及其描述性统计 |
3.4 锦屏县心脑血管疾病住院数变化分析及其描述性统计 |
3.5 小结 |
第四章 阜南县气象要素与心脑血管疾病的人群分析和关系研究 |
4.1 气象因子与心脑血管疾病的相关性分析 |
4.2 气象因子对心脑血管疾病人群的影响及其滞后性分析 |
4.2.1 心脑血管疾病对平均气温的响应 |
4.2.2 心脑血管疾病对相对湿度的响应 |
4.2.3 心脑血管疾病对气温日较差的响应 |
4.2.4 心脑血管疾病对24小时变温的响应 |
4.3 小结 |
第五章 锦屏县气象要素与心脑血管疾病的人群分析和关系研究 |
5.1、气象因子与心脑血管疾病的相关性分析 |
5.2、气象因子对心脑血管疾病人群的影响及其滞后性分析 |
5.2.1 心脑血管疾病对气温的响应 |
5.2.2 心脑血管疾病对相对湿度的响应 |
5.2.3 心脑血管疾病对气温日较差的响应 |
5.2.4 心脑血管疾病对24小时变温的响应 |
5.3 小结 |
第六章 心脑血管疾病住院人数的时间序列预测 |
6.1 阜南县心脑血管疾病住院人数预测 |
6.1.1 多元逐步回归后退法 |
6.1.2 求和滑动平均自回归过程 |
6.1.3 阜南县预报方程评估及预测 |
6.1.4 小结 |
6.2 锦屏县心脑血管疾病住院人数预测 |
6.2.1 多元逐步回归后退法 |
6.2.2 求和滑动平均自回归过程 |
6.2.3 锦屏县预报方程评估 |
6.2.4 小结 |
第七章 结论与展望 |
7.1 全文总结 |
7.1.1 气候变化特征和心脑血管疾病住院数变化特征分析 |
7.1.2 气象要素对心脑血管疾病的影响分析 |
7.1.3 心脑血管疾病的预报模型 |
7.2 本文特色与创新点 |
7.3 讨论与展望 |
参考文献 |
附录 |
作者在读期间科研成果简介 |
致谢 |
四、气象要素影响心脑血管疾病的机理分析(论文参考文献)
- [1]兰州市气象因素对心脑血管疾病就诊人次的影响研究[J]. 崔秀云,邢银花,张彩霞,程蓉. 气象与环境科学, 2021(06)
- [2]《内经》中风相似病症及吉林省延吉市中风发病与气象要素相关性的研究[D]. 高喜旺. 长春中医药大学, 2021(01)
- [3]气候变化背景下北京市温度对心脑血管疾病的影响研究[D]. 邢倩. 兰州大学, 2021(11)
- [4]太原市大气污染物对心脑血管疾病的关系研究[A]. 周静,韩照宇. 2020中国环境科学学会科学技术年会论文集(第四卷), 2020
- [5]心血管疾病时空分布与环境健康因子响应遥感诊断[D]. 杨天宇. 中国科学院大学(中国科学院空天信息创新研究院), 2019(06)
- [6]我国东西部县域主要气象敏感性疾病变化特征及其医疗费用研究[D]. 王嘉鑫. 成都信息工程大学, 2019(05)
- [7]贵州黔东南地区锦屏县呼吸系统疾病与气象要素的关系及预测方法[D]. 蒋雨荷. 成都信息工程大学, 2019(05)
- [8]兰州市气象和环境因子对脑出血和冠心病的影响研究[D]. 李全喜. 兰州大学, 2019(09)
- [9]成年人心肌肌钙蛋白Ⅰ和血清胆红素参考值的地理环境分布[D]. 李天渝. 陕西师范大学, 2019(01)
- [10]中国东西部不同地区气象要素对心脑血管疾病的影响及其预测[D]. 谭玉龙. 成都信息工程大学, 2019(05)
标签:心血管病论文; 气象要素论文; 机理分析论文; 心血管疾病的症状论文; 中风的症状论文;