气象因素与CO中毒人数的关系研究

利用济南1998-2005年气象资料和济南几家医院约3万病例中挑选的CO中毒病例资料,进行3d滑动处理和标准化处理,通过概率加权平均的数据处理和多元回归方法,分析了CO中毒人数与气象因素的关系,并建立了CO中毒人数的预测模型。     

北京非职业性一氧化碳中毒气象条件分析

为了探讨北京市观象台地面气象要素与北京城八区非职业性一氧化碳(CO)中毒人次的相关性,收集了北京16个急救中心日CO 中毒人次与同期日平均气温、日最高气温、日最低气温、日平均海平面气压等气象要素的时间序列,利用线性回归分析分别统计CO 中毒人次与各气象要素的月平均气候及9天滑动平均的相关关系.CO中毒人数主要集中在冬半年(10月至次年4月),1月平均 CO中毒人数最高,每千万人口为8.1人;北京月平均 CO中毒人数与月平均海平面气压成正相关、与月平均极端最低气温呈反相关;过去9天的平均极端最低气温与未来9天CO中毒人数的相关系数达-0.7661,统计学意义明显(P＜0.01).气象部门在冬季通过预测天气变化来提醒使用燃气、煤炭等取暖的居民预防CO 中毒,做好公共事件气象服务工作.     

北京地区非职业性CO中毒模型及气象指数

为了减少北京冬季非职业性CO中毒(以下简称CO中毒)事件,搜集整理了北京城近郊区16个急救中心2002-2005年的逐日煤气中毒人数,经过研究冬半年(10月至翌年4月)逐日CO中毒人次与北京观象台气象要素以及北京周边(河北省8个气象站)海平面气压场的相关关系,采用准多元回归指数概率分级技术,建立了CO中毒指数(4分级)预报及相应风险水平评估模式.结果发现,CO中毒人次有明显的季节变化,每年1-3月中毒人数偏高,10月和4月相对较低;CO中毒气象指数24、48和72 h预报时效的历史拟合率达50.2％～60.5％(预报等级完全正确),预报与实况误差小于等于1级的历史拟合率为85.2％～88.2％.该研究结果经过2008年1月至2009年4月在电视、报纸、电台和手机短信等媒体中的应用,在科学预防一氧化碳中毒事件发生,为北京市煤气中毒事件和死亡人数下降7％发挥了作用.     

忻州市CO中毒气象潜势预报方法

CO的传播、扩散、转移和沉降受多种气象因素制约,本文根据2006年-2007年忻州市人民医院CO中毒人员病历资料,统计分析了CO中毒与大气环流形势、天气系统、气象要素等的相互关系,利用统计方法建立了冬季采暖期CO中毒气象条件等级预报方程,并进行相应潜势预警预报。     

2009年3月济南一次严重CO中毒事件气象条件分析

2009年3月14—19日济南市发生严重CO中毒事件,中毒人数达78例,中毒患者绝大部分出现在15日夜间至16日早晨,具有暴发性特征。对中毒事件发生期间的天气形势、气团性质和气象要素等进行了分析。结果表明：此次CO中毒事件发生在一次冷空气过后天气异常转暖的过程中;气团干暖、中低层大气层结稳定;气温呈明显大幅持续升温,气压呈现大幅持续下降等特征;弱风速时段与中毒人数的激增时段相吻合。分析影响此次事件的不良气象条件主要有：500 hPa暖脊的东移发展,引导我国西北地区干燥暖气团东移控制济南地区,造成本地的气温、气压剧烈变化,导致空气密度显著降低,使济南较长时间处在低密度气团中,严重影响室内的自然通风和烟囱的抽吸效应,造成室内CO积聚引发中毒事件;夜间在弱风速与低密度气团对室内通风、烟囱抽吸效应产生的双重负面作用,是引发中毒人数激增的主重要原因。     

武汉市居民中暑与气象因子的统计特点研究

利用武汉市1994～2006年共13年1464个中暑病例资料和同期逐日气象资料,分别统计逐日中暑人数、日平均中暑人数与气象因子的线性、非线性相关系数,筛选出关键气象因子,建立中暑与多气象因子的非线性模型,制订中暑气象等级标准.结果表明:气温是中暑发生的最关键影响因子,不利气象因子3天或3天以上的累积效应才能导致中暑群发,中暑人数与气象因子呈现非线性关系.建立了日平均中暑人数与前3日平均气温、前3 日平均最小相对湿度的指数模型.将日平均中暑人数划分为5级,并应用该等级标准进行历史样本同代检验和独立样本预报检验,效果较好.     

市域脑卒中疾病与气象因素的关系及预测

为了帮助医疗机构合理调配医务力量、床位和医疗药物,同时也帮助脑卒中高危人群及时采取干预措施,降低发病风险。本文对某市[1]四家医院2013—2016年脑卒中的就诊病例进行数据分析,将日就诊人数分为6个等级。然后,调取相应时段当地的逐日气象资料,采用支持向量机(SVM)和随机森林(RF)方法分别建立了日就诊人数预测模型和日就诊人数与气象因素的关系模型。研究结果表明:(1)脑卒中的日就诊人数为不平衡数据,这种数据特征将导致传统的预测模型正确率较低;(2)通过不断调整SVM预测模型的初始权重,经历了4次优化之后,使得日就诊人数的预测正确率从52.46%上升到94.56%;(3)随机森林模型的结果显示,影响脑卒中发病率的三大气象因素分别是最高气温、最低气温和平均气温。基于机器学习模型的脑卒中疾病与气象因素的研究成果,提高了医疗气象统计模型的预报准确率,具有较高的应用和推广价值。     

京、沪两地脑卒中发病率及其预测模型的对比分析

1　病例资料和气象资料的收集整理本研究采用的病例资料由北京安贞医院心脑血管防治研究所提供。北京的普查对象为城区、近郊区共 42个医院所负责保健地段的自然人群。自 1 984年开始 ,通过对上述自然人群的持续跟踪观测 ,获取了一系列脑卒中发病人数的资料 ,在 2 5～ 74岁的年     

气象因素对自贡市呼吸道传染病的影响与预警技术研究

为探讨气象要素变化对呼吸道传染病发生的影响,本文利用2009~2013年自贡市疾病预防控制中心呼吸道传染病病例资料和自贡市地面气象观测站的气象资料,对呼吸道传染病与气象因素的关系进行相关性分析,得出了自贡地区呼吸道传染病发病人数的时空变化规律;采用多要素回归积分法建立自贡市呼吸道传染病四季医疗气象预报模型,通过检验该预报模式稳定性较好,将为自贡市各级疾病预防控制中心指导广大城乡居民卫生防疫提供科学依据。      

上呼吸道感染的气象条件分析及预报

通过对2010年1月至2015年12月济宁市第一人民医院65083例上呼吸道感染病例和同期气象资料进行分析,研究上呼吸道感染与气象因素的关系。按实际上呼吸道感染发病数量将全年分为6个时段,每一时段内与上呼吸道感染发病人数相关性高的气象因素不同。应用逐步回归分析法基于6个时段分别建立了对上呼吸道感染发病的等级预报方程,确定了预报等级划分标准。应用预报方程进行等级回代验证,预报结果显示其对上呼吸道感染发病人数具有较强的预报能力。