共查询到16条相似文献,搜索用时 62 毫秒
2.
在全球气候背景下,气象要素的变化对呼吸系统疾病的影响不可忽视。基于2004—2010年南京地区呼吸系统死因监测资料、人口资料和同期气象数据,利用主成分分析法,讨论区域呼吸系统疾病患者死亡率的分布特征和对气象要素的响应及疾病死亡率预测模型的建立。结果表明:呼吸系统疾病死亡率在7月最低,1月最高,上半年变化幅度大于下半年。夏半年,气候以低压、高温和多降水为特点,呼吸系统疾病患者死亡率低;冬半年,气候有相对湿度大、日照时间短的特点,呼吸系统疾病死亡率呈上升趋势。回代检验结果 r=0.755,预测检验的拟合系数为r=0.795,均通过了0.01的显著性水平检验。主成分回归模型的拟合效果较好,可为相应预报工作提供参考。 相似文献
3.
利用2007—2012年南京市逐日气象资料和同期某三甲医院呼吸系统疾病逐日急诊和门诊就诊人数资料,采用常规统计方法,分析了主要气象要素与疾病就诊人数的关系,揭示了气象条件对人群呼吸系统疾病的影响程度,为当地居民防病养生提供气象指导。结果表明:呼吸系统疾病发病与气象要素之间存在1~2 d的滞后效应,且与日平均气温、日最高气温和日最低气温的相关最显著,尤其当平均气温低于0℃时,全人群就诊人数明显增加;此外,当寒潮过程发生时,全人群和老年人(65岁)就诊人数增加率分别为35%和53%,且表现出1 d的滞后性;与之相比,儿童(6岁)就诊人数没有表现出滞后效应,寒潮结束当日,就诊人数增加了2倍以上。 相似文献
4.
使用南京市玄武区1992~2001年资料,对呼吸系统疾病死亡人数与气象条件作了相关性分析,结果表明,呼吸系统疾病月死亡人数与月平均气温、月平均相对湿度呈显著负相关,与月平均气压呈显著正相关。用多元线性回归方法得到呼吸系统疾病死亡人数的月预测方程,并用历史资料进行了检验。 相似文献
5.
6.
7.
基于2006年1月至2010年12月北京市120急救中心的逐日脑血管急症接诊病例数据资料,首先探讨北京市急性脑血管疾病与气象要素的关系,选取不同季节的影响因子,然后根据概率积分方法将发病人数划分为4个级别,并采用人工神经元网络方法(artificial neural network,ANN)分别建立了北京市不同季节的急性脑血管疾病预测模型。研究结果表明:(1)急性脑血管疾病发病人数存在明显的季节性变化和日变化特征,冬春季发病人数高于夏、秋季,发病主要集中在早晨到中午的09—14时;(2)发病人数相对于气象要素存在明显的滞后效应,夏和冬秋季发病分别与高温高湿、冷空气活动有关;(3)脑血管疾病预测模型通过对新样本进行预报,除夏季外,完全准确率高于30%,预报误差≤±1级的准确率高于60%,研究成果对于预防急性脑血管疾病发病和调度120急救车辆等应急措施具有较好的科学参考价值。 相似文献
8.
利用成都市金牛区妇幼保健院2014年1~7月的儿童呼吸系统疾病病例,与同期环境监测资料、气象资料进行分析。结果表明,气象条件对大气污染有明显影响,在无降雨、风速小、能见度低的情况下,大气污染浓度高,空气质量差。大气污染对呼吸系统疾病发病有明显影响,且对下呼吸系统疾病发病的影响更为显著,大气污染对上呼吸系统疾病发病的影响具有2天的滞后性,而对下呼吸系统疾病的影响一般具有3天或7天的滞后性。大气污染物方面,PM_(10)对上呼吸系统疾病发病有显著影响,而NO_2、PM_(10)、PM_(2.5)和SO_2对下呼吸系统疾病发病影响均呈显著正相关,其中SO_2的影响最显著。 相似文献
9.
10.
上呼吸道疾病与气象环境的关系 总被引:2,自引:0,他引:2
分析潍坊市上呼吸道疾病的月分布及上呼吸道疾病发病率与气象要素的关系,并且分季节建立多元回归预报方程,对该疾病的发病率作等级预报。 相似文献
11.
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。 相似文献
12.
13.
14.
15.