南京市呼吸系统疾病死亡人数与气象因子的关系

利用2005年1月1日-2008年12月31日南京市逐日呼吸系统疾病死亡人数资料和同期气象资料,研究了气象要素变化对呼吸系统疾病死亡人数的影响.结果表明:南京市呼吸系统疾病死亡人数冬季最高,其次是春季,秋季和夏季较少;南京市逐日呼吸系统疾病死亡人数对气象要素变化的响应存在滞后性,春季滞后6-7 d,夏秋季滞后8-10 d,冬季滞后2-5 d;对风寒指数响应的滞后响应时间,春季7-8 d,夏季和秋季相关弱,冬季2-3 d;前期的空气污染和后期的剧烈降温叠加,可能是南京冬季呼吸系统疾病患者死亡的重要诱因;春季随着气温的回升,空气污染程度减轻,患者对气温变化的耐受性也延长了,但响应敏感性比冬季增强了;通过逐步回归,建立了冬季和春季南京呼吸系统疾病的死亡人数预报方程.     

诱发南京地区呼吸系统疾病的气象条件与天气类型分析

利用南京地区2005-2008年冬半年(10月-次年3月)逐日气象资料和同期呼吸系统疾病死亡人数资料,采用"黄金分割法"计算体感温度,划分舒适度指数的方法,分析冬半年呼吸系统疾病死亡人数与舒适度(体感温度)之间的关系,归纳总结了诱发冬半年呼吸系统疾病患者死亡的天气类型.结果表明,呼吸系统疾病死亡人数随着平均体感温度的降低而升高,当冬半年体感温度达12℃和2℃C时,为南京地区呼吸系统疾病的警戒温度,呼吸系统疾病患者需注意防范.极端低温的天气条件是呼吸系统疾病患者死亡的高发期,尤其是舒适度等级为微冷时,微冷日数约占死亡高峰日总数的61.1%;诱发冬半年呼吸系统疾病患者死亡的天气类型可以分为6种,冷空气活动引起的气温低和气温日较差大是导致冬半年呼吸系统疾病患者发病、病情加重或死亡的主要原因.     

南京地区风寒指数对呼吸系统疾病的影响

基于2005-2008年南京市呼吸系统疾病死亡人数监测资料、同期气象数据和NCEP/NCAR再分析数据,在风寒指数基础上研究气象要素与呼吸系统疾病死亡人数的相关关系,并进行合成分析和个例分析.结果表明,南京市呼吸系统疾病死亡人数存在季节性差异,高峰期出现在每年的1、2和12月;气温、气压与呼吸系统疾病死亡人数之间存在显著的相关,相关系数分别为-0.460、0.379,表明气温和气压对呼吸系统疾病死亡人数影响较大,主成分分析法结果也证明了这一点.风寒指数作为反映综合气象因子的指数,相关系数为-0.428,通过了0.01的显著性检验.气象因子和风寒指数对呼吸系统疾病的影响均存在明显的滞后效应,气压和气温在第5天达到最大,风寒指数则在第4天影响最大.利用合成分析发现,造成呼吸系统疾病死亡人数异常偏多的冷空气过程中,显著相关的气象因子是变压、变湿和风寒指数,其阈值分别为8.6 hPa、±0.1和-1.83.利用2005年3月10-12日冷空气过程进行个例分析,结果显示冷空气过程会带来气象要素的一系列变化,该次个例过程地面增压22.1 hPa,风速增加4~m/s,24 h变温达-14℃,并带来降水,风寒指数3 d平均为-2.3,均显著超过阈值范围,最终导致平均呼吸系统疾病日死亡人数远大于4 a日平均值,进一步证实了冷空气过程会导致呼吸系统疾病日死亡人数显著增加,并存在3~4 d的滞后效应.     

冷空气过程与兰州市呼吸系统疾病的关系分析

收集兰州市2001-2005年呼吸系统疾病资料、气象资料和空气污染资料,对呼吸系统疾病发病人数进行统计分析.结果表明:冷空气过程对于呼吸系统疾病有同期、滞后和前期影响.同期影响中,过程持续时间、最低温度降幅、气压升幅以及降水对呼吸系统发病人数影响较大;滞后影响主要存在于冷空气过程后1~4 d,受气压增幅、持续天数、最低温度降幅和降水影响较大;冷空气过程发生前1~3 d对呼吸系统疾病发病有影响,最低温度降幅、持续时间和平均温度降幅影响较大.冷空气过程之前第3天和之后第3、4天大气中可吸入颗粒物浓度对呼吸系统疾病发病有影响.冷空气过程前后气象要素的变化会对呼吸系统疾病产生影响,还可以通过影响大气可吸入颗粒物浓度而进一步影响呼吸系统疾病发病.     

兰州市大气污染对人体呼吸系统疾病的影响

通过分析2001-2005年兰州市呼吸系统疾病日就诊人数和主要大气污染物的年变化特征,采用时间序列的半参数广义相加模型,在控制人群的长期趋势、节假日效应、星期几效应和气象要素等混杂因素的基础上,定量分析了不同季节兰州市主要大气污染物质量浓度变化与呼吸系统疾病日就诊人数之间的关系.结果表明,兰州市夏、秋季人体呼吸系统疾病受气温、气压等气象要素和其他因素的影响较大,冬、春季受大气污染物的影响较显著,研究兰州市大气污染对人体呼吸系统疾病的影响以冬、春季为主.冬季3种污染物对人体呼吸系统疾病均有一定的影响,春季SO_2和NO_2的影响更明显,当SO_2质量浓度增加10μg/m~3时,呼吸系统疾病影响较大的人群入院人数的相对危险度(RR)依次为:全人群1.015(1.005~1.025),男性1.015(1.001~1.028),60岁人群1.028(1.011~1.046);当NO_2质量浓度增加10μg/m~3时,影响较大人群人院人数的RR依次为:全人群1.039(1.014~1.066),女性1.050(1.009~1.094),≥60岁人群1.038(1.00l~1.075).兰州市大气污染对人体呼吸系统疾病的影响冬、春季比较显著;冬季3种污染物均有一定的影响,春季SO_2和NO_2对人体呼吸系统疾病日入院人数影响较明显,且冬、春季污染物对人体呼吸系统疾病影响的滞后效应具有一定差异;呼吸系统疾病在冬季时3种污染物均是≥60岁的人群比60岁的人群敏感,女性比男性敏感;春季时,女性和≥60岁的人群对NO_2敏感,男性和60岁的人群对SO_2敏感.     

南京市呼吸系统和循环系统疾病死亡人数与气象因子的关系分析

利用南京市2004-2009年居民死亡资料和同期气象资料,分析了2004-2009年南京市呼吸系统和循环系统疾病死亡人数的年内变化规律,在计算3种人体舒适度基础上研究了上述两大系统疾病死亡人数与气象因子(包括气象要素及人体舒适度在内)之间的关系.结果表明:南京市年内气温呈"Λ"型分布,人体舒适度呈"M"型分布,呼吸系统和循环系统疾病死亡人数的年内分布正好与气温分布呈反位相,即两大系统疾病死亡人数整体上均呈现出冬半年多,夏半年少的分布特点,说明寒冷是诱发两大系统疾病患者死亡的主要气象因素.值得注意的是,两大系统疾病死亡人数在8-9月份又呈现出一个死亡小高峰,这主要是由于高温和季节交替所造成的.呼吸系统和循环系统疾病逐日死亡人数与气象因子显著相关,并对气象因子的响应具有一定的持续效应和滞后性.     

热指数对阜南地区呼吸系统疾病的影响

选取安徽省阜阳市阜南县14个乡镇2013年1月1日-2016年12月31日呼吸系统疾病日住院就诊资料50 881例,在Spearman相关性分析的基础上,用分布滞后非线性模型与广义相加模型相结合,对呼吸系统疾病住院人数与各气象要素的相关性进行了分析,其与平均气温、相对湿度和热指数呈负相关,与平均气压、平均风速呈正相关.结果表明,热指数是比温度、湿度等单独作用更全面的气象指标.引起呼吸系统疾病发病风险增高的主要原因是低热指数,低热指数对呼吸系统疾病住院人数的影响表现为长期效应,滞后6～8 d是主要发病时间.不同季节热指数滞后效应的结果不同,夏季的低热指数易导致患病风险增加;冬季高热指数滞后8 d时易增加患病风险.     

广义相加模型在高温热浪对呼吸系统疾病影响研究中的应用

运用广义相加模型探讨南京市高温热浪对当地居民每日呼吸系统疾病死亡人数的影响,结果表明呼吸系统疾病总人数受到当日最高温度、死亡前1d、6d的日最高气温的影响。影响最大的因素是当日最高温度,其RR值为0.886(95%CI:0.771～0.972)。男性主要受到死亡前6d的日最高气温影响,女性受到当日最高温度以及死亡前1d的日最高气温的影响。60岁以上的老年人主要受到当日的平均温度、死亡前1d以及死亡前6d的日最高气温的影响。影响最大的因素是死亡前1d的日最高温度,其RR值1.095(95%CI:1.03～1.163)。广义相加模型预测的呼吸系统疾病死亡人数与实际死亡人数较相近,上升与下降的变化趋势基本一致。     

A市大气污染物浓度与呼吸系统疾病发病率的相关性分析

依据A市2004年的环境监测资料,即可吸入颗粒物(PM10)、二氧化氮(NO2)和二氧化硫(SO2)的浓度数据和A市第一人民医院2004年呼吸系统疾病的住院人数,对主要的呼吸系统疾病类型(支气管炎、哮喘和肺炎)和大气监测的各项指标要素进行了相关分析.研究结果发现:支气管炎住院人数与二氧化氮(NO2)和可吸入颗粒物(PM10)的浓度显著相关,哮喘住院人数与可吸入颗粒物(PM10)浓度关系密切,肺炎的住院人数与SO浓度之间关系较密切.研究结果与国内其他污染城市的研究具有可比性.     

北京市主要天气敏感性疾病发病与流行的24节气特征分析和预报模型构建

利用北京市2009-2011年疾病数据和同期气象资料,从24节气的角度分析了北京市近年来上呼吸道感染、支气管炎和脑梗死的发病与流行时间变化特征,发现呼吸系统疾病的发病受干冷空气影响较大,体现了以冷效应为主的特征,春季此类疾病的发病人数明显减少;循环系统疾病发病峰值期的出现,主要是秋末冬初冷暖空气频繁交替所致,与气温的变化幅度与频次密切相关.两种疾病发病的气象成因有一定差异,建立了北京市相关天气敏感性疾病发病的逐月预报方程,分别进行了回代检验和试预报检验,结果表明,回代检验中3种疾病的逐月预报方程均较好的反映了当天的患病人数;试预报结果不如回代检验的结果,且呈现夏季暖湿天气条件下呼吸系统疾病发病人数最少,干冷的冬季及粉尘较多的春季为呼吸系统疾病流行高发期的季节变化特征.预报方程在描述呼吸系统疾病发病高峰期时在数值上存在一定偏差,说明发病高峰期并不仅仅与气象因子有关,可能还受环境、空气污染及社会因素等影响.构建的逐月预报方程充分考虑了疾病发病的滞后效应和周末效应,利用了扩展后的368个气象因子进行优化筛选,充分体现了主控因子的主导作用,能够对相关天气敏感性疾病发病情况做出较好预报.