一、季節(jié)變化與呼吸系統(tǒng)疾病發(fā)病關(guān)系的分析（論文文獻(xiàn)綜述）
周易[1]（2021）在《南京市PM2.5空氣污染對(duì)呼吸系統(tǒng)疾病的可能效應(yīng)分析》文中指出隨著我國(guó)工業(yè)化與城鎮(zhèn)化的加速推進(jìn),PM2.5污染問(wèn)題越來(lái)越突出,對(duì)居民生活質(zhì)量造成了嚴(yán)重影響,近年來(lái)已成為社會(huì)各界關(guān)注的焦點(diǎn)問(wèn)題。本文以江蘇省南京市為研究對(duì)象,使用空氣污染數(shù)據(jù)、健康數(shù)據(jù)、氣象數(shù)據(jù)、社會(huì)經(jīng)濟(jì)數(shù)據(jù)和人口數(shù)據(jù)等,對(duì)我國(guó)和南京市的PM2.5時(shí)空分布特征進(jìn)行研究,探討了空氣污染因子與呼吸系統(tǒng)疾病的關(guān)聯(lián)性,研究了PM2.5污染和呼吸系統(tǒng)疾病門診量的滯后關(guān)系,通過(guò)訓(xùn)練深度學(xué)習(xí)模型對(duì)南京市日呼吸系統(tǒng)門診量進(jìn)行了模擬,并對(duì)2021-2035年南京市呼吸系統(tǒng)疾病門診量進(jìn)行預(yù)估,分析了PM2.5污染的影響因素。研究結(jié)果為合理調(diào)配醫(yī)療資源、有效治理空氣污染、科學(xué)制定相關(guān)政策法規(guī)提供決策依據(jù)。主要結(jié)論如下:（1）解析了我國(guó)、江蘇省和南京市PM2.5時(shí)空變化特征。我國(guó)PM2.5污染嚴(yán)重區(qū)域?yàn)槿A北平原、長(zhǎng)江中下游平原、四川盆地、柴達(dá)木盆地、天山山脈、河西走廊、河套平原等地區(qū)。從2000年至2018年,我國(guó)絕大部分人口稠密區(qū)經(jīng)歷了一次PM2.5污染加重后減輕的過(guò)程,2014年后我國(guó)PM2.5污染區(qū)域總體上呈現(xiàn)出范圍減小、強(qiáng)度減弱的趨勢(shì)。江蘇省的PM2.5污染空間上呈現(xiàn)出內(nèi)陸地區(qū)高于沿海地區(qū),北部地區(qū)高于南部地區(qū)的分布特征,徐州市和蘇南地區(qū)是2個(gè)污染中心。2014年后江蘇省PM2.5污染改善明顯,尤其是蘇南污染中心的改善最為顯著。人為活動(dòng)是導(dǎo)致江蘇PM2.5污染的主導(dǎo)因素,氣象要素的影響非常小。在人為影響因素中,社會(huì)進(jìn)步、能源利用和交通運(yùn)輸是三個(gè)主要影響因素。2000年至2014年,南京市PM2.5總體上呈現(xiàn)出南部高于北部、主城區(qū)高于郊區(qū)的分布特征,主城區(qū)和南部的高淳區(qū)是兩個(gè)污染中心。2014年后南京市PM2.5改善明顯,尤其是南部地區(qū)和主城區(qū)PM2.5污染狀況改善最為顯著。南京市PM2.5污染濃度有著顯著的季節(jié)效應(yīng),冬季、春初和秋末PM2.5污染較重,夏季和秋初污染較輕;一年12個(gè)月中PM2.5污染濃度呈U形分布,1月和12月PM2.5濃度最高,8月最低;一天24小時(shí)中,PM2.5濃度峰值主要出現(xiàn)在上午8-9時(shí)和夜晚21-23時(shí)。（2）確定了PM2.5是引起南京市呼吸系統(tǒng)疾病關(guān)聯(lián)度最大的空氣污染因素,PM2.5污染對(duì)于南京市因呼吸系統(tǒng)疾病死亡有著約2-8年的滯后期。（3）南京市日均PM2.5濃度每提高10μg/m3會(huì)使得居民患上呼吸系統(tǒng)疾病風(fēng)險(xiǎn)增加0.11倍,絕大多數(shù)患者會(huì)在PM2.5污染出現(xiàn)2至4天后因呼吸系統(tǒng)疾病前往醫(yī)院就診。男性因PM2.5污染患上呼吸系統(tǒng)疾病風(fēng)險(xiǎn)高于女性;0-14歲兒童因PM2.5污染患上呼吸系統(tǒng)疾病風(fēng)險(xiǎn)最高,較低濃度的PM2.5也會(huì)導(dǎo)致兒童患上呼吸系統(tǒng)疾病;其次是65歲以上老人,15至64歲的人群風(fēng)險(xiǎn)最小。（4）未來(lái)PM2.5濃度降低可顯著減少呼吸系統(tǒng)疾病門診的預(yù)估量。構(gòu)建的LSTM（Long Short-Term Memory,長(zhǎng)短期記憶人工神經(jīng)網(wǎng)絡(luò)）模型對(duì)于2015年南京市某三級(jí)甲等醫(yī)院日呼吸系統(tǒng)疾病門診數(shù)據(jù)有著較好的模擬效果。對(duì)全部呼吸系統(tǒng)疾病模擬的R2為0.7319。對(duì)2021-2035年南京市某三級(jí)甲等醫(yī)院呼吸系統(tǒng)疾病門診量的預(yù)估結(jié)果顯示,降低PM2.5濃度可以減少呼吸系統(tǒng)疾病門診量,不同情景下在2035年全部呼吸系統(tǒng)疾病門診量的預(yù)估量最多的為SSP3-7.0,約為8.4萬(wàn),最少的是SSP4-3.4,約為6.6萬(wàn)。
韓玲[2]（2021）在《霾天氣對(duì)北京市居民呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響》文中指出中醫(yī)學(xué)“天人合一”的學(xué)術(shù)思想注重自然環(huán)境對(duì)人體生命的影響,五運(yùn)六氣學(xué)說(shuō)（以下簡(jiǎn)稱運(yùn)氣學(xué)說(shuō)）是“天人合一”思想的高度體現(xiàn),在中醫(yī)學(xué)理論體系中占據(jù)重要地位。如何將“天人合一”思想以現(xiàn)代科學(xué)方法進(jìn)行闡釋與應(yīng)用,是我們面臨的重要課題。近年來(lái),我國(guó)霾天氣頻發(fā),以細(xì)顆粒物（PM2.5）污染為主要特征的區(qū)域性大氣環(huán)境污染問(wèn)題日益突出,嚴(yán)重?fù)p害居民健康,為新時(shí)代“天人合一”理論的重要研究命題。本研究基于北京市氣象數(shù)據(jù)、大氣污染物數(shù)據(jù)及健康數(shù)據(jù),深入研究霾天氣和氣象條件對(duì)北京市居民呼吸系統(tǒng)及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響,對(duì)“天人合一”理論以及運(yùn)氣學(xué)說(shuō)之氣象對(duì)生命活動(dòng)的影響進(jìn)行現(xiàn)代科學(xué)背景下的研究與探討。1研究目的（1）探究《黃帝內(nèi)經(jīng)》（以下簡(jiǎn)稱《內(nèi)經(jīng)》）中對(duì)霧霾含義、形成原因以及霧霾對(duì)人體健康影響的認(rèn)識(shí);（2）以能見(jiàn)度作為霾天氣發(fā)生的指征,研究霾天氣對(duì)北京市居民呼吸系統(tǒng)及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響,并探討霾天氣對(duì)死亡風(fēng)險(xiǎn)的影響在不同能見(jiàn)度水平、不同年齡組人群、不同性別人群及在不同季節(jié)的差異;（3）研究氣溫與霾天氣對(duì)呼吸系統(tǒng)及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的綜合影響。2數(shù)據(jù)與研究方法（1）數(shù)據(jù)來(lái)源:2006年至2016年北京地區(qū)氣象數(shù)據(jù)和大氣能見(jiàn)度數(shù)據(jù)來(lái)源于北京市氣象局;2006年至2016年北京市居民呼吸系統(tǒng)及循環(huán)系統(tǒng)疾病日死亡人數(shù)數(shù)據(jù)來(lái)源于中國(guó)疾病預(yù)防控制中心;不同時(shí)段的北京市PM2.5濃度數(shù)據(jù)分別來(lái)源于北京市氣象局、美國(guó)大使館和北京市生態(tài)環(huán)境局（http://sthjj.beijing.gov.cn/）。（2）研究方法:采用廣義相加模型建立霾天氣與呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的暴露-反應(yīng)關(guān)系,并對(duì)霾天氣進(jìn)行分級(jí),探究輕微霾對(duì)死亡風(fēng)險(xiǎn)的影響;將總?cè)巳喊凑漳挲g和性別分組,研究年齡和性別在霾天氣對(duì)死亡風(fēng)險(xiǎn)影響中的修飾作用;按季節(jié)進(jìn)行分層,研究霾天氣對(duì)死亡風(fēng)險(xiǎn)影響的季節(jié)差異;此外,分兩部分內(nèi)容研究氣溫和霾天氣對(duì)死亡風(fēng)險(xiǎn)的綜合影響,一是采用二元響應(yīng)模型和溫度分層模型,研究在不同氣溫分層下霾天氣對(duì)死亡風(fēng)險(xiǎn)的影響,從而量化評(píng)估氣溫與霾天氣對(duì)死亡風(fēng)險(xiǎn)的協(xié)同影響;二是將大氣穩(wěn)定度劃分為擾動(dòng)、正常、靜穩(wěn)三種狀態(tài),采用歸因人數(shù)和歸因分值兩個(gè)指標(biāo),量化評(píng)估在不同大氣穩(wěn)定狀態(tài)下,由氣溫和PM2.5造成的呼吸及循環(huán)系統(tǒng)疾病的死亡風(fēng)險(xiǎn)。3 研究結(jié)果（1）《內(nèi)經(jīng)》時(shí)期的霧霾可劃分為靜穩(wěn)型霧霾和沙塵型霧霾,當(dāng)時(shí)已經(jīng)認(rèn)識(shí)到,霧霾的發(fā)生可以造成視程障礙,因此以能見(jiàn)度的降低作為霧霾發(fā)生的標(biāo)志,這一認(rèn)識(shí)也沿用至今,這是可以采用能見(jiàn)度來(lái)研究霾天氣對(duì)人群健康影響的理論基礎(chǔ);《內(nèi)經(jīng)》中關(guān)于霧霾天氣對(duì)健康影響的認(rèn)識(shí)是側(cè)重于從形成霧霾天氣的氣象條件對(duì)健康影響的角度闡釋的。（2）能見(jiàn)度的降低可引起北京市居民呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的增加。在單日滯后模式中,能見(jiàn)度每下降1km可引起呼吸系統(tǒng)疾病和循環(huán)系統(tǒng)疾病死亡人數(shù)分別增加 0.78%（95%CI:0.62-0.95）和 0.54%（95%CI:0.45-0.61）;在累積滯后模型中,能見(jiàn)度每下降1km可引起呼吸系統(tǒng)疾病和循環(huán)系統(tǒng)疾病死亡人數(shù)分別增加0.85%（95%CI:0.67-1.03）和 0.53%（95%CI:0.44-0.61）。（3）能見(jiàn)度分層結(jié)果表明,即使在輕微霾下,能見(jiàn)度的降低也可以增加呼吸及循環(huán)系統(tǒng)疾病的死亡風(fēng)險(xiǎn)。（4）性別分層結(jié)果表明,能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病不同性別人群死亡風(fēng)險(xiǎn)的影響無(wú)顯著性差異;年齡分層結(jié)果表明,能見(jiàn)度對(duì)循環(huán)系統(tǒng)疾病老年人群（≥65歲）死亡風(fēng)險(xiǎn)的影響更大。（5）季節(jié)分層結(jié)果表明,能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響具有明顯的季節(jié)差異,在冬季的風(fēng)險(xiǎn)最大,這種季節(jié)差異反映了污染物排放和不利于污染物擴(kuò)散的氣象條件的季節(jié)差異。（6）顆粒物（尤其是PM2.5）不僅是影響能見(jiàn)度的關(guān)鍵因素,也是能見(jiàn)度可影響居民死亡的實(shí)質(zhì)因素。（7）氣溫與能見(jiàn)度對(duì)北京市居民呼吸及循環(huán)系統(tǒng)疾病的死亡風(fēng)險(xiǎn)具有協(xié)同影響,當(dāng)?shù)蜏睾偷湍芤?jiàn)度同時(shí)存在時(shí),能見(jiàn)度對(duì)死亡風(fēng)險(xiǎn)的影響較大。（8）2009年3月1日至2016年12月31日,由氣溫和PM2.5造成的北京市居民呼吸系統(tǒng)和循環(huán)系統(tǒng)疾病死亡的歸因分值分別為23.76%（95%CI:18.96-28.38）和17.54%（95%CI:15.22-19.81）,其中,由低溫造成的歸因風(fēng)險(xiǎn)最大,PM2.5次之,高溫造成的歸因風(fēng)險(xiǎn)最小。氣溫與PM2.5對(duì)死亡風(fēng)險(xiǎn)的綜合影響在不同大氣穩(wěn)定狀態(tài)下不同,其中,在大氣靜穩(wěn)狀態(tài)下,二者對(duì)死亡風(fēng)險(xiǎn)的綜合影響最大,大氣擾動(dòng)狀態(tài)下次之,而大氣正常狀態(tài)下的環(huán)境條件相對(duì)有利于居民健康。4研究結(jié)論（1）《內(nèi)經(jīng)》時(shí)期已經(jīng)認(rèn)識(shí)到,霧霾的發(fā)生可以造成視程障礙,因此以能見(jiàn)度的降低作為霧霾發(fā)生的標(biāo)志。氣象條件是霧霾形成的客觀因素,后世對(duì)易導(dǎo)致霧霾形成的氣象條件的認(rèn)識(shí)與《內(nèi)經(jīng)》中的認(rèn)識(shí)一脈相承。（2）以能見(jiàn)度表征的霾天氣可以增加北京市居民呼吸及循環(huán)系統(tǒng)疾病的死亡風(fēng)險(xiǎn),能見(jiàn)度水平、年齡、季節(jié)、氣溫可以修飾霾天氣對(duì)死亡風(fēng)險(xiǎn)的影響。在沒(méi)有或缺乏顆粒物濃度監(jiān)測(cè)的時(shí)段和地區(qū),尤其是中低收入國(guó)家,以能見(jiàn)度作為備用指標(biāo),開(kāi)展霾天氣對(duì)人的健康影響評(píng)估具有應(yīng)用價(jià)值。（3）全面解讀霾天氣對(duì)人的健康影響,不僅需要研究霾本身的影響,也要重視和考慮形成霾天氣的氣象條件的影響,這是中醫(yī)學(xué)“天人合一”觀以及《內(nèi)經(jīng)》運(yùn)氣學(xué)說(shuō)所蘊(yùn)涵的豐富的醫(yī)療氣象學(xué)思想對(duì)當(dāng)代開(kāi)展大氣污染對(duì)人體健康影響研究的啟示意義所在。
劉衛(wèi)林[3]（2021）在《高齡老年住院患者死因構(gòu)成比及特征回顧性分析》文中研究表明目的:研究高齡老年住院患者的死亡原因疾病譜并對(duì)其特征進(jìn)行分析,為臨床高齡老年患者的預(yù)防保健提供參考依據(jù)。方法:選取吉林大學(xué)第一醫(yī)院干部病房20122016年住院死亡的離退休高齡老年患者485例,查閱所有死亡患者的住院臨床病歷資料,排除資料不全患者共6例,最終納入研究479例,其中男性390例,女性89例。按年齡分為8085歲組、8690歲組、9195歲組和≥96歲組。采用SPSS23.0統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析,計(jì)數(shù)資料以例數(shù)n（%）進(jìn)行描述,組間差異用c2檢驗(yàn);計(jì)量資料采用均數(shù)±標(biāo)準(zhǔn)差（`x±s）描述,兩組間采用t檢驗(yàn)進(jìn)行比較,P<0.05時(shí)表示差異有統(tǒng)計(jì)學(xué)意義。結(jié)果:1.死亡患者年齡、性別分布:本研究入組患者平均年齡87.03±4.046歲,其中8085歲175例（36.5%）;8690歲219例（45.7%）;9195歲67例（14.0%）;≥96歲18例（3.8%）;男性390例,占81.4%,平均死亡年齡87.3±4.018歲;女性89例,占18.6%,平均死亡年齡86.0±4.028歲。2.死亡原因分布情況:前三位死因分別為惡性腫瘤172例（35.9%）、呼吸系統(tǒng)疾病140例（29.0%）、心血管疾病86例（17.7%）,前三類死因占總死亡人數(shù)的82.7%。其次依次為腦血管疾病46例（9.6%）、消化系統(tǒng)疾病17例（3.8%）、泌尿系統(tǒng)疾病9例（1.9%）和血液系統(tǒng)疾病4例（0.8%）,其他原因死亡5例（1.3%）。惡性腫瘤死因前三位分別是肺癌52例（30.2%）、胃癌22例（12.8%）和結(jié)腸癌21例（12.2%）,惡性腫瘤前三位死因累計(jì)百分比為55.2%。呼吸系統(tǒng)疾病最主要死因是肺部感染,占呼吸系統(tǒng)疾病死亡人數(shù)的90.7%（127/140）,其次是慢阻肺急性加重9例（6.4%）、肺栓塞3例（2.1%）、呼吸衰竭1例（0.7%）。在所有病例中,有434例（90.6%）患有心血管疾病,最終因心血管疾病死亡的患者有86例,前三位死因順位為:心力衰竭64例（74.4%）、急性心肌梗死16例（18.6%）、冠心?。ú话毙孕募」Ｋ溃?例（3.5%）。3.不同性別死亡原因分布情況:死亡的男性患者中,前三位死亡原因分別是惡性腫瘤143例（36.7%）、呼吸系統(tǒng)疾病117例（30.0%）、心血管疾病65例（16.7%）;女性患者中,前三位死因順位為惡性腫瘤29例（32.6%）、呼吸系統(tǒng)疾病23例（25.8%）和心血管疾病21例（23.6%）。不同性別前三位死因跟總體死亡原因構(gòu)成一致。4.各年齡段死亡原因分析結(jié)果顯示:8085歲組患者死亡原因前三位依次為惡性腫瘤70例（40.0%）、心血管疾病38例（21.7%）、呼吸系統(tǒng)疾病37例（21.1%）;8690歲組患者死亡原因排在前三位的依次是惡性腫瘤76例（34.7%）、呼吸系統(tǒng)疾病68例（31.1%）、心血管疾病35例（16%）;9195歲組患者前三位死因順位為呼吸系統(tǒng)疾病28例（41.8%）、惡性腫瘤20例（29.9%）和心血管疾病35例（16.4%）;≥96歲組患者死亡原因前三位依次是呼吸系統(tǒng)疾病7例（38.9%）、惡性腫瘤6例（33.3%）和心血管疾病2例（11.1%）。由此可見(jiàn),惡性腫瘤是8085歲年齡組和8690歲年齡組患者最主要死亡原因,呼吸系統(tǒng)疾病是9195歲年齡組和≥96歲年齡組患者最主要死亡原因。年齡對(duì)死亡原因的影響無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。5.高齡老年住院患者春冬季節(jié)死亡率更高,其中春季死亡率最高,占35.3%,其中3、4月份死亡人數(shù)最多,分別占13.8%、13.4%;夏秋季節(jié)死亡病例相對(duì)較少。6.高齡老年住院死亡患者血白細(xì)胞升高,存在不同程度的貧血,紅細(xì)胞分布寬度升高,肌酐升高,血白蛋白降低。在所有死亡病例中,93.9%患者合并3個(gè)以上（包括3個(gè)）系統(tǒng)疾病,45.2%的患者合并5個(gè)以上（包括5個(gè)）系統(tǒng)疾病。高齡老年患者合并癥及并發(fā)癥多,應(yīng)及早進(jìn)行干預(yù),延長(zhǎng)患者生存期。結(jié)論:1.惡性腫瘤、呼吸系統(tǒng)疾病、心血管疾病是高齡老年住院患者死亡的主要原因。其中,肺癌為惡性腫瘤死亡的主要原因,肺部感染為呼吸系統(tǒng)疾病死亡的主要原因,心力衰竭為心血管疾病死亡的主要原因。2.高齡老年住院患者死亡原因疾病譜因性別、年齡、季節(jié)等的不同而存在一定差異,8090歲患者最主要死亡原因是惡性腫瘤,90歲以上患者最主要死亡原因是呼吸系統(tǒng)疾病,對(duì)于不同年齡段老年人群疾病的篩查和防治可各有側(cè)重點(diǎn)。高齡老年患者春冬季節(jié)死亡率更高,夏秋季節(jié)死亡病例相對(duì)較少。3.高齡老年住院患者日常生活能力下降,身體各器官功能減退,存在不同程度的感染、貧血、腎功能不全、低白蛋白血癥等合并癥或并發(fā)癥,臨床治療難度較大,應(yīng)加強(qiáng)對(duì)老年患者基礎(chǔ)疾病的管理,在積極治療基礎(chǔ)疾病的同時(shí)注意預(yù)防各種并發(fā)癥的發(fā)生。
毛中義[4]（2021）在《2014-2019年某中心小兒內(nèi)科病例變化分析》文中提出研究目的:通過(guò)研究大理大學(xué)第一附屬醫(yī)院小兒內(nèi)科住院兒童疾病譜組成及其變化,了解大理地區(qū)兒童疾病構(gòu)成情況及其變化趨勢(shì),評(píng)估大理地區(qū)兒童醫(yī)療保健水平,為當(dāng)?shù)貎和t(yī)療工作及科研指導(dǎo)方向,同時(shí)為當(dāng)?shù)卣C布涉及兒童健康醫(yī)療政策提供科學(xué)參考。研究?jī)?nèi)容:研究方法:統(tǒng)計(jì)大理大學(xué)第一附屬醫(yī)院2014年至2019年共6年間小兒內(nèi)科住院兒童,出院第一診斷參照ICD-10,根據(jù)需要使用統(tǒng)計(jì)圖、統(tǒng)計(jì)表繪制該院小兒內(nèi)科疾病譜,了解該院小兒內(nèi)科就醫(yī)兒童疾病及其相關(guān)信息的組成特點(diǎn)。同時(shí)將收集的6年資料,根據(jù)時(shí)間特點(diǎn),分為2組（3年為1組）,運(yùn)用卡方檢驗(yàn),秩和檢驗(yàn)進(jìn)行統(tǒng)計(jì)學(xué)分析,了解該院住院兒童疾病譜變化的特點(diǎn)。研究結(jié)果:1、2014年-2019住院兒童總體呈現(xiàn)上升趨勢(shì)。男童多于女童,男女性別比為147.67,性別比呈上升趨勢(shì)（X2=5.792,P=0.016）。住院患兒人數(shù)在不同月份與季節(jié)分布存在差異,其中2月最少,10月最多;春季最少,秋季最多。2、住院兒童以新生兒與嬰幼兒為主,青春期兒童最少;新生兒期（X2=35.585,P=0.000）與嬰兒期（X2=58.173,P=0.000）的患兒占比總體上呈現(xiàn)上升趨勢(shì),學(xué)齡期（X2=59.949,P=0.000）及學(xué)齡前期（X2=64.212,P=0.000）的患兒占比呈下降趨勢(shì),差異具有統(tǒng)計(jì)學(xué)意義。3、住院兒童以呼吸系統(tǒng)疾病為主,變化不明顯,其中又以支氣管肺炎最多見(jiàn);第2位是起源于圍生期的某些情況,呈增長(zhǎng)趨勢(shì)（X2=40.854,P=0.000）;神經(jīng)系統(tǒng)疾病處于第3位,呈下降趨勢(shì)（X2=16.292,P=0.000）;傳染病和寄生蟲(chóng)疾病呈下降趨勢(shì)（X2=10.542,P=0.001）。4、排名前10位的疾病依次為:支氣管肺炎、新生兒肺炎、早產(chǎn)兒、病毒性腦炎、腹瀉病、新生兒高膽紅素血癥、喘息性支氣管肺炎、熱性驚厥、過(guò)敏性紫癜及癲癇。明顯增加的疾病有5種,分別為支氣管肺炎（X2=8.368,P=0.004）、早產(chǎn)兒（X2=15.019,P=0.000）、新生兒高膽紅素血癥（X2=29.872,P=0.000）、喘息性支氣管肺炎（X2=29.872,P=0.000）及癲癇（X2=12.243,P=0.000）。明顯下降的疾病有4種,分別為病毒性腦炎（X2=21.006,P=0.000）、腹瀉?。╔2=29.474,P=0.000）、支氣管炎（X2=33.248,P=0.000）及扁桃體炎（X2=65.774,P=0.000）。5、住院兒童以大理地區(qū)為主,呈下降趨勢(shì),外地就醫(yī)人數(shù)增加;次均住院費(fèi)用呈上升趨勢(shì),次均住院天數(shù)呈下降趨勢(shì);自費(fèi)患兒比例下降。研究結(jié)論:1、6年期間住院人數(shù)總體上升。男童多于女童,且男女性別比呈增長(zhǎng)趨勢(shì)。0-3歲兒童是高危兒童,秋冬季是高危季節(jié),需要加強(qiáng)防護(hù)。2、呼吸系統(tǒng)疾病、起源于圍生期的某些情況及神經(jīng)系統(tǒng)疾病的患兒相對(duì)較多,需要加強(qiáng)專科建設(shè)。支氣管肺炎、早產(chǎn)兒、新生兒高膽紅素血癥及癲癇呈增加趨勢(shì),需要引起重視。3、外地就醫(yī)人群增加;次均住院天數(shù)較少,次均住院費(fèi)用增加;自費(fèi)患兒減少。
張泳巧[5]（2021）在《氣溫變化對(duì)北京地區(qū)居民急性心肌梗死發(fā)病和慢性阻塞性肺疾病急性加重住院風(fēng)險(xiǎn)影響的研究》文中指出目的探討2013-2016年期間TV對(duì)北京市常住居民每日AM住院風(fēng)險(xiǎn)的影響及TV-AM發(fā)病暴露反應(yīng)關(guān)系,并進(jìn)一步探討敏感人群和是否存在大氣污染物對(duì)TV-AM發(fā)病影響的效應(yīng)修飾作用。方法收集了 2013-2016年北京市常住居民AM住院數(shù)據(jù)和同時(shí)期的氣象因素?cái)?shù)據(jù),以特定暴露天數(shù)最高溫度和最低溫度的標(biāo)準(zhǔn)差作為TV綜合指標(biāo)計(jì)算方法。采用分布滯后非線性模型的時(shí)間序列分析方法,并控制時(shí)間長(zhǎng)期趨勢(shì)、星期幾效應(yīng)、公共假期效應(yīng)、日平均溫度和相對(duì)濕度等,獲取2013-2016年北京市常住居民TV-AM住院關(guān)聯(lián)以及TV-AM發(fā)病暴露反應(yīng)關(guān)系。進(jìn)一步按性別（男、女）、年齡（<65歲、≥65歲）分層進(jìn)行亞組分析,探討其敏感人群特征。同時(shí),將污染物暴露濃度分為低、中、高三層,進(jìn)行分層分析,探討TV在不同污染物、不同暴露濃度狀況下對(duì)每日AM住院風(fēng)險(xiǎn)的影響,從而揭示污染物對(duì)TV健康效應(yīng)的修飾作用。結(jié)果研究期間,AM住院人數(shù)共有81029人。TV可能是北京市居民每日AM住院風(fēng)險(xiǎn)增加的獨(dú)立危險(xiǎn)因素,其中最高效應(yīng)值出現(xiàn)在TV03,表現(xiàn)為TV03每增加1℃,AM住院風(fēng)險(xiǎn)增加1.09%（95%CI:0.21%,1.98%）,呈現(xiàn)非線性暴露反應(yīng)關(guān)系,對(duì)應(yīng)的最小住院風(fēng)險(xiǎn)TV03值為5.44℃。男性以及年齡≥65歲者可能為易感人群。調(diào)整各污染物后,TV03值有所下降。進(jìn)一步對(duì)各污染物分層分析后,發(fā)現(xiàn)盡管層別間有差異,但差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）,即未發(fā)現(xiàn)污染物暴露在TV與每日AM住院風(fēng)險(xiǎn)關(guān)聯(lián)之間存在效應(yīng)修飾作用。假設(shè)存在因果關(guān)系,2013-2016年北京市常住居民中有5776例（95%CI:1173-10101）可歸因TV03暴露,占AM住院人數(shù)的71%（95%CI:1.5-12.5%）。結(jié)論本研究首次提供了TV與AM住院人數(shù)增加之間關(guān)系的證據(jù)。因此,需要適當(dāng)有效的預(yù)防措施來(lái)預(yù)防溫度變化帶來(lái)的不利影響,特別是對(duì)敏感人群。目的本研究旨在評(píng)估兩個(gè)常用溫度指標(biāo)（Tmean和AT）變化對(duì)北京市常住居民2013-2016年AECOPD住院風(fēng)險(xiǎn)的影響。具體目的如下（1）評(píng)估Tmean和AT指標(biāo)對(duì)北京市常住居民全人群AECOPD住院風(fēng)險(xiǎn)影響的整體趨勢(shì)并探究其易感人群。（2）評(píng)估Tmean和AT的極端溫度區(qū)間對(duì)北京市常住居民全人群以及不同性別、年齡人群AECOPD住院風(fēng)險(xiǎn)的影響。（3）比較Tmean和AT指標(biāo)實(shí)用性。方法采用時(shí)間序列設(shè)計(jì)的研究方法,收集北京市二級(jí)以上醫(yī)院2013年1月1號(hào)至2016年12月31號(hào)期間AECOPD患者住院資料,根據(jù)AECOPD患者記錄地址篩選出北京市常住居民,根據(jù)AEEOPD患者的入院日期整理出每日總住院人數(shù)及不同性別、年齡亞組人群的住院人數(shù)。收集同時(shí)期北京市空氣質(zhì)量監(jiān)測(cè)國(guó)控點(diǎn)每日AQI、RH、AP、WS等氣象數(shù)據(jù)。采用DLNM分別分析Tmean和AT對(duì)AECOPD住院風(fēng)險(xiǎn)的影響,評(píng)估比較Tmean和AT在各自極冷區(qū)間（1st vs 25th）、寒冷區(qū)間（10th vs 25th）、極熱區(qū)間（99thvs 75th）、炎熱區(qū)間（90th vs 75th）的AECOPD住院風(fēng)險(xiǎn)大小及探討比較了Tmean和AT不同滯后時(shí)間下對(duì)總?cè)巳杭安煌詣e、年齡亞組人群AECOPD住院風(fēng)險(xiǎn)的影響。結(jié)果研究期間,共收集了 143318例AECOPD住院病例。時(shí)間序列分析發(fā)現(xiàn),Tmean和AT與AECOPD住院風(fēng)險(xiǎn)的暴露-反應(yīng)關(guān)系形狀類似反“J”型曲線（僅在低溫時(shí)風(fēng)險(xiǎn)明顯增高）。Tmean和AT極冷區(qū)間對(duì)AECOPD住院風(fēng)險(xiǎn)的30天累積相對(duì)危險(xiǎn)度（Cumulative Relative Risk,CRR）分別為 1.55（95%CI:1.21,2.00）和 2.08（95%CI:1.44,3.01）,Tmean和AT寒冷區(qū)間也增加AECOPD住院風(fēng)險(xiǎn),但效應(yīng)值小于極冷區(qū)間。此外,AT低溫區(qū)間的效應(yīng)比Tmean的低溫區(qū)間的效應(yīng)估計(jì)值更大,且準(zhǔn)泊松赤池信息準(zhǔn)則（Akaike’s Intormation Criterion tor quast-Poisso,QAIC）更小。低溫對(duì)AECOPD住院風(fēng)險(xiǎn)的滯后效應(yīng)時(shí)間可持續(xù)至少4周。女性和<65歲亞組人群較男性和≥65歲亞組人群對(duì)低溫更敏感。未發(fā)現(xiàn)高溫與AECOPD住院風(fēng)險(xiǎn)存在相關(guān)性。結(jié)論低溫可增加AECOPD的住院風(fēng)險(xiǎn)。女性和較年輕群體對(duì)低溫更敏感。與平均溫度相比,表觀溫度可能是研究溫度健康效應(yīng)更好的預(yù)測(cè)指標(biāo),更應(yīng)受到關(guān)注。未發(fā)現(xiàn)高溫與AECOPD住院風(fēng)險(xiǎn)的相關(guān)性。
李龍燕[6]（2021）在《蘭州市氣象環(huán)境因子對(duì)兒童哮喘影響的研究》文中研究說(shuō)明氣象和環(huán)境變化在我們?nèi)粘Ｉ钪邪缪葜匾巧?關(guān)系生命安全、生產(chǎn)發(fā)展和生活富裕,探究氣象環(huán)境因子與敏感性疾病的關(guān)系,對(duì)敏感性疾病的預(yù)防,保障人們的健康具有重要意義,尤其是對(duì)兒童身體健康發(fā)展具有重要指導(dǎo)意義。蘭州市地處中國(guó)大陸版圖的幾何中心,是我國(guó)西北地區(qū)重要的交通樞紐,研究該地區(qū)氣象環(huán)境因子與兒童哮喘的關(guān)系,并建立相關(guān)敏感性疾病預(yù)報(bào)模型,對(duì)該地區(qū)人們的哮喘疾病預(yù)防具有重要的現(xiàn)實(shí)意義。本文利用2014年1月1日至2017年12月31日4年的氣象觀測(cè)數(shù)據(jù),環(huán)境數(shù)據(jù)以及蘭州市三家三甲醫(yī)院提供的兒童哮喘門診數(shù)據(jù),首先統(tǒng)計(jì)了蘭州地區(qū)兒童哮喘人次的發(fā)病特點(diǎn),并分析了氣象環(huán)境因子在不同時(shí)間尺度上的變化特征,然后使用非線性模型,定量評(píng)價(jià)氣象和環(huán)境因子與兒童哮喘患者的滯后-響應(yīng)關(guān)系,還分析了氣象和環(huán)境因子的交互作用對(duì)兒童哮喘發(fā)病的影響。在此基礎(chǔ)上,利用多元逐步回歸和BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)方法建立兒童哮喘發(fā)病的時(shí)間序列預(yù)測(cè)模型,并對(duì)預(yù)報(bào)結(jié)果進(jìn)行檢驗(yàn)。主要研究結(jié)果如下:（1）2014年至2017年蘭州市兒童哮喘發(fā)病情況主要為過(guò)敏性兒童哮喘患者,男童日均就診人次明顯高于女童。4歲兒童哮喘就診人次最多,發(fā)病率為5.45人次/萬(wàn)人,其次為5歲兒童和3歲兒童;學(xué)齡期兒童日均就診人次高于其它年齡段兒童。粉塵多、細(xì)菌增加、病毒滋生等暴露因素多的夏季和秋季為兒童哮喘的高發(fā)期,代表月份為8月和9月尤其是處暑時(shí)節(jié),因此要注意此時(shí)兒童哮喘疾病的發(fā)生。（2）平均氣溫、風(fēng)速、日較差和PM2.5、PM10是影響蘭州市兒童哮喘發(fā)病的主要?dú)庀蟓h(huán)境因子。平均氣溫與兒童哮喘發(fā)病的整體效應(yīng)基本呈倒“V”形,隨著平均氣溫的升高,相對(duì)危險(xiǎn)度呈先上升后下降的趨勢(shì),在-7.8℃至-4.8℃范圍內(nèi),總兒童的相對(duì)危險(xiǎn)度RR較大,男童和女童與總兒童的整體效應(yīng)變化趨勢(shì)基本一致,女童受平均氣溫的相對(duì)危險(xiǎn)度較男童更高。風(fēng)速對(duì)蘭州市兒童哮喘發(fā)病的影響較小?？諝飧稍铮≧H≤14%）對(duì)兒童哮喘發(fā)病危害較大。日較差與兒童哮喘發(fā)病的整體響應(yīng)曲線為“J”型,日較差大于20.6℃以上對(duì)兒童哮喘的相對(duì)風(fēng)險(xiǎn)較高。PM2.5大于35μg/m3,兒童哮喘發(fā)病風(fēng)險(xiǎn)隨著PM2.5的濃度增加而增大。（3）溫度對(duì)蘭州市兒童哮喘發(fā)病的影響具有滯后性,低溫滯后2天對(duì)兒童哮喘的影響較大,高溫滯后1天對(duì)兒童哮喘的影響較大。（4）交互作用發(fā)現(xiàn):平均氣溫為15℃,濕度為60%,總兒童發(fā)病人次最多,男童和學(xué)齡期兒童在高溫高濕發(fā)病人次最多,女童在高溫、濕度為60%發(fā)病人次最多,嬰幼兒受低溫而學(xué)前期受高溫影響。日較差與濕度交互顯示濕度在60%兒童哮喘發(fā)病人次最多。劇烈降溫或持續(xù)高溫都會(huì)影響兒童哮喘發(fā)病,女童主要受高溫影響,嬰幼兒、學(xué)前期主要受低溫的影響,學(xué)齡期在高溫天氣多發(fā)。平均氣溫與PM2.5交互顯示兒童哮喘發(fā)病人次隨PM2.5的升高而增大,而嬰幼兒主要受氣溫影響。（5）考慮氣象環(huán)境因子的滯后作用,多元逐步回歸模型擬合效果比只考慮當(dāng)天氣象環(huán)境因子的模型穩(wěn)定。整體上BP神經(jīng)網(wǎng)絡(luò)模型較多元逐步回歸的擬合預(yù)報(bào)效果較好。總之,本文探討了與蘭州市兒童哮喘發(fā)病人次相關(guān)的氣象因子和環(huán)境因子,希望能夠?yàn)閺氖卵芯績(jī)和目蒲腥藛T提供參考,也能為蘭州市兒童出行和健康提供科學(xué)依據(jù)。
馮睿[7]（2021）在《昆明市大氣污染因子與地區(qū)人群健康效應(yīng)關(guān)系研究》文中進(jìn)行了進(jìn)一步梳理近幾十年來(lái),國(guó)內(nèi)外環(huán)境流行病學(xué)領(lǐng)域研究發(fā)展迅速,大氣污染對(duì)人群健康效應(yīng)的影響已被學(xué)者廣泛研究。目前大量的毒理學(xué)研究發(fā)現(xiàn),即使短時(shí)間暴露在大氣污染物下也可能產(chǎn)生一定的負(fù)面影響,尤其是容易造成呼吸系統(tǒng)疾病的發(fā)生。空氣污染所導(dǎo)致的負(fù)面健康效應(yīng)尚未取得一致性結(jié)論,研究區(qū)域、模型選擇以及控制變量的選擇不同,都會(huì)對(duì)研究結(jié)果產(chǎn)生影響。國(guó)內(nèi)有關(guān)大氣污染影響公眾健康的研究,主要聚焦于氣候環(huán)境條件特征較為凸顯或大氣污染嚴(yán)峻的區(qū)域,但在氣候變化或環(huán)境空氣污染影響不明顯地區(qū),其所造成的不良健康影響也會(huì)慢慢累積,同時(shí)對(duì)公眾健康影響的相關(guān)研究證據(jù)不足。本研究以昆明市為研究區(qū)域,利用2011年1月至2019年12月的大氣污染數(shù)據(jù)、氣象因素?cái)?shù)據(jù)以及呼吸系統(tǒng)疾病用藥使用量數(shù)據(jù),對(duì)大氣污染所帶來(lái)的健康損害進(jìn)行全面剖析,得到結(jié)論如下。（1）2011年1月至2019年12月的大氣監(jiān)測(cè)數(shù)據(jù)顯示,昆明市大氣污染物整體呈現(xiàn)向好趨勢(shì),污染物濃度總量逐年緩慢下降,但常有波動(dòng)上升。其中臭氧及顆粒物IQR較大,表明其濃度波動(dòng)較為劇烈,SO2、NO2在研究地區(qū)已降低到國(guó)家一級(jí)濃度限值附近,但偶有反彈;CO濃度處于低水平,遠(yuǎn)在一級(jí)限值標(biāo)準(zhǔn)以下;值得注意的是昆明市大氣顆粒物污染整體處于較高濃度,且在2014年大幅降低整體濃度水平后仍處于一二級(jí)限值區(qū)間內(nèi),常有超過(guò)二級(jí)濃度標(biāo)準(zhǔn)情況,且未見(jiàn)降低趨勢(shì);臭氧濃度較低但昆明市地區(qū)臭氧濃度逐年上升,提示臭氧并未得到很好的控制,目前還處于低濃度水平。（2）大氣污染物濃度與藥物使用量情況相關(guān)性較弱,且存在負(fù)相關(guān)趨勢(shì),符合常理。其中藥物使用量與SO2、NO2、PM10、CO、O3＿8h、PM2.5相關(guān)性系數(shù)分別為-0.686、-0.188、-0.160、-0.162、-0.145、0.004,大氣污染物中顆粒物問(wèn)題較為突出,相關(guān)性分析結(jié)果表明氣象因素作為主要協(xié)變量是合理且必要的,呈現(xiàn)出了很好的相關(guān)關(guān)系,氣象因素與大氣污染物之間存在有復(fù)雜的聯(lián)系。在干濕季和花粉季進(jìn)行討論,發(fā)現(xiàn)干季所帶來(lái)的人群疾病負(fù)擔(dān)要遠(yuǎn)遠(yuǎn)高于濕季甚至是完整序列,其中雖有季節(jié)性因素影響,但主要還是通過(guò)影響大氣污染物進(jìn)而對(duì)人群造成負(fù)擔(dān)。花粉季相關(guān)性同樣顯著,一定程度上放大了大氣污染所帶來(lái)的疾病負(fù)擔(dān)表現(xiàn)。（3）對(duì)關(guān)鍵變量進(jìn)行時(shí)間序列分解,發(fā)現(xiàn)呼吸系統(tǒng)藥物使用量在年周期中10月到次年一月是高頻發(fā)生月份,相對(duì)來(lái)說(shuō)5-8月使用量明顯最低水平,將之與大氣污染物進(jìn)行對(duì)照。SO2年周期中11月達(dá)到最高濃度值,直到次年2月,6月份達(dá)到最低濃度水平;NO2濃度波動(dòng)幅度較大,11月到次年4月份是全年高濃度水平時(shí)期,2月開(kāi)始突然降低,6月達(dá)到最低點(diǎn);大氣顆粒物PM10與PM2.5濃度在年周期內(nèi)變化趨勢(shì)相同,11月到次年4月是高濃度水平,6-9月處于全年最低,其余月份均是較低污染水平;CO年周期內(nèi)10月到次年4月是濃度較高月份,7月達(dá)到全年最低,其余月份相對(duì)較低;連年增高的臭氧濃度波動(dòng)幅度較大,2-5月全年最高,最高濃度4月份比最低12月份季節(jié)因子可達(dá)72%。趨勢(shì)分析表明藥物使用量與各大氣污染因子之間變化趨勢(shì)存在明顯關(guān)系,關(guān)聯(lián)程度很強(qiáng)。同時(shí)周期性季節(jié)趨勢(shì)是研究中重要協(xié)變量,與大氣污染因子產(chǎn)生協(xié)同作用。而季節(jié)分解后的大氣污染因子結(jié)果表明,季節(jié)周期趨勢(shì)會(huì)助長(zhǎng)大氣污染因子增長(zhǎng),造成更強(qiáng)烈的污染作用,直接性的放大了地區(qū)污染程度,但對(duì)O3生成和濃度升高會(huì)產(chǎn)生抑制作用。（4）對(duì)比分析了不同健康效應(yīng)替代指標(biāo),以腸胃疾病用藥和運(yùn)動(dòng)性疾病這兩類目前無(wú)相關(guān)研究證明與大氣污染有關(guān)的疾病為例。發(fā)現(xiàn)其相同信息來(lái)源渠道下,藥物使用量與大氣污染周期變化規(guī)律并無(wú)相關(guān)聯(lián)之處。同時(shí)在本應(yīng)造成沉重疾病負(fù)擔(dān)的時(shí)間段里,這兩類疾病藥物使用量的季節(jié)性趨勢(shì)并無(wú)明顯改變,與花粉期和干濕季分析結(jié)果相矛盾?？芍?人群健康結(jié)局的選擇為呼吸系統(tǒng)疾病是妥當(dāng)且合理的。（5）基于前面的研究結(jié)果,本研究最后將大氣污染因子主成分分析得到兩個(gè)沒(méi)有多重共線性的變量Y1、Y2,氣象因素以光滑函數(shù)形式同樣引入模型,機(jī)器學(xué)習(xí)和手動(dòng)調(diào)節(jié)方法設(shè)定函數(shù)自由度。得到擬合效果合理的模型,從而根據(jù)光滑函數(shù)得到暴露反應(yīng)關(guān)系,計(jì)算得到污染物相對(duì)危險(xiǎn)度。研究發(fā)現(xiàn),主成分分析后大氣污染因子的偏相關(guān)性得到明顯提升,代入模型也通過(guò)檢驗(yàn),解釋能力為73.5%,調(diào)整R2=0.705,計(jì)算得到相對(duì)危險(xiǎn)度,當(dāng)污染物每增加1μg/m3,SO2、NO2、PM10、PM2.5所獨(dú)立導(dǎo)致的藥物使用量自然對(duì)數(shù)分別超額增加ER值及95%置信區(qū)間分別為0.244%（95%CI0.263,1.339）、0.236%（95%CI 0.233,4.313）、0.206%（95%CI 0.013,4.375）和0.210%（95%CI 0.100,10.028）,當(dāng)CO每增加1 mg/m3所導(dǎo)致的藥物使用量自然對(duì)數(shù)超額增加0.227%（95%CI 0.948,1.060）。同理,當(dāng)污染物濃度每增加10μg/m3,SO2、NO2、PM10、PM2.5所獨(dú)立導(dǎo)致的藥物使用量自然對(duì)數(shù)分別超額增加ER值分別為2.460%、2.380%、2.080%和2.116%,CO增加10 mg/m3藥物使用量自然對(duì)數(shù)增加2.290%,其結(jié)果均具有統(tǒng)計(jì)學(xué)意義。結(jié)果提示,雖然昆明市地區(qū)大氣污染水平較低,但一些大氣污染物并未達(dá)到安全限值,且低濃度的大氣污染暴露所帶來(lái)的疾病負(fù)擔(dān)不容忽視。人群健康效應(yīng)的敏感性在大氣污染物長(zhǎng)期處于低濃度值情況下偏低,濃度水平的改變所帶來(lái)的藥物使用量增加幅度雖不如某些污染嚴(yán)重地區(qū)的研究結(jié)果,但也由此可見(jiàn)大氣污染并沒(méi)有所謂的安全值下限。
王彤彤[8]（2021）在《院前呼救病種與中醫(yī)時(shí)間醫(yī)學(xué)相關(guān)性研究》文中研究表明目的:本文通過(guò)回顧性分析,了解院前呼救流行病學(xué)特征,為探討院前呼救時(shí)間與中醫(yī)時(shí)間醫(yī)學(xué)的相關(guān)性提供參考,以此制定出更有針對(duì)性的因時(shí)制宜的防治措施。方法:選取蘇州市中醫(yī)醫(yī)院2018年2月4日-2021年2月2日院前呼救患者9096例,收集患者姓名、性別、年齡、呼救時(shí)間、到達(dá)現(xiàn)場(chǎng)時(shí)間、疾病類別、初步診斷及癥狀體征等流行病學(xué)資料,應(yīng)用SPSS 23統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)處理、分析。結(jié)果:1.9096例院前呼救患者中,院前呼救疾病譜前三位分別為損傷、中毒或外因的某些其他后果3610例（占39.69%）,神經(jīng)系統(tǒng)疾病1168例（占12.84%）,消化系統(tǒng)疾病684例（占7.52%）。男性4871例,女性4225例,男女比為1.15:1。年齡集中分布在20～79歲。不同年齡組在各疾病分布差異具有統(tǒng)計(jì)學(xué)意義（P<0.05）。2.神經(jīng)系統(tǒng)疾病發(fā)病在辰時(shí)顯著高于其他時(shí)辰,消化系統(tǒng)疾病發(fā)病在子時(shí)顯著高于其他時(shí)辰,循環(huán)系統(tǒng)疾病和呼吸系統(tǒng)疾病發(fā)病均在巳時(shí)顯著高于其他時(shí)辰,其均具有顯著差異性（P<0.05）。3.死亡病例在不同時(shí)辰上無(wú)顯著差異性,總體來(lái)說(shuō)午時(shí)和戌時(shí)大于其他時(shí)辰。4.神經(jīng)、消化、循環(huán)、呼吸系統(tǒng)疾病發(fā)病時(shí)間及死亡時(shí)間在不同季節(jié)和節(jié)氣上差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。結(jié)論:蘇州市中醫(yī)醫(yī)院2018年2月4日-2021年2月2日院前呼救病例中男性患者多于女性患者,其中以損傷最為多見(jiàn);神經(jīng)、消化、循環(huán)、呼吸系統(tǒng)疾病高發(fā)時(shí)辰分別在辰時(shí)、子時(shí)、巳時(shí)、巳時(shí),提示我們根據(jù)其發(fā)病規(guī)律采取相應(yīng)的防治措施,從而降低其發(fā)病率及致死率;其發(fā)病時(shí)間在四時(shí)節(jié)氣上不存在絕對(duì)的高峰期,提示我們一年四季均要積極預(yù)防。
陳佩弟[9]（2021）在《烏魯木齊市大氣污染物特征及其對(duì)呼吸系統(tǒng)疾病的影響》文中研究說(shuō)明目的:分析烏魯木齊市2015年-2019年大氣污染物(PM2.5、PM10、SO2、NO2)的污染水平及變化特征,找出污染程度較強(qiáng)的污染物,分析其對(duì)呼吸系統(tǒng)疾病的影響,為有關(guān)部門制定相關(guān)政策與措施提供科學(xué)依據(jù)。方法:依據(jù)烏魯木齊市2015年-2019年空氣質(zhì)量實(shí)時(shí)資料,分析大氣污染物的污染水平及時(shí)間特征。在健康風(fēng)險(xiǎn)評(píng)估模型的基礎(chǔ)上,按性別分層,進(jìn)行不同年齡組的暴露風(fēng)險(xiǎn)評(píng)估。根據(jù)烏魯木齊市2015年-2019年呼吸系統(tǒng)疾病死亡數(shù)據(jù),分析疾病分布情況。基于時(shí)間序列模型,對(duì)疾病資料進(jìn)行擬合預(yù)測(cè)分析,找到其趨勢(shì)變化特征。基于泊松回歸的廣義線性模型,結(jié)合大氣污染物資料與疾病死亡資料,將疾病資料按性別、年齡分層,分析烏魯木齊市主要大氣污染物對(duì)呼吸系統(tǒng)疾病死亡數(shù)的影響。結(jié)果:1.2015年-2019年烏魯木齊市大氣污染物的時(shí)間分布特征分析,2015年-2019年大氣污染物濃度值的逐月變化、季節(jié)變化、年際變化,差異均具有統(tǒng)計(jì)學(xué)意義（P<0.01）,逐年減小,其中,PM2.5、PM10每年的濃度年均值,均高于我國(guó)環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)中的二級(jí)標(biāo)準(zhǔn),PM2.5的波動(dòng)范圍大于PM10。NO2年平均濃度接近二級(jí)標(biāo)準(zhǔn),SO2年平均濃度低于一級(jí)標(biāo)準(zhǔn)。4種大氣污染物的濃度值在每年10月至次年3月均較大。4種大氣污染物濃度在春季和冬季的變化均大于夏季和秋季。優(yōu)良天數(shù)的比例逐年增加。2.不同性別年齡段暴露風(fēng)險(xiǎn)評(píng)價(jià)分析,4種大氣污染物的暴露風(fēng)險(xiǎn)值均低于美國(guó)EPA、瑞典和荷蘭等推薦值,對(duì)不同性別年齡段人群暴露風(fēng)險(xiǎn)影響程度排名依次為PM2.5>PM10>NO2>SO2。對(duì)男性暴露風(fēng)險(xiǎn)值高于女性。不同性別暴露風(fēng)險(xiǎn)值最大范圍均集中于6月-5歲年齡段之間。3.呼吸系統(tǒng)疾病死亡的分布趨勢(shì)為男性4785例,女性2717例,60歲以下746例,女性6756例。不同性別疾病死亡數(shù)最大的年齡段均處于60歲及以上;疾病死因構(gòu)成以慢性下呼吸道疾?。?6.7%）、流行性感冒和肺炎（32.1%）為主。ARIMA（0,1,2）（1,0,1）[12]模型能夠很好地?cái)M合原始序列。2015年-2019年,呼吸道疾病死亡人數(shù)逐年下降,但降幅不大。每年的1月、2月、3月、4月、5月、12月死亡數(shù)均高于其余月份,經(jīng)預(yù)測(cè),2020年-2021年呼吸系統(tǒng)疾病死亡數(shù)與以往變化趨勢(shì)一致。4.在研究主要大氣污染物對(duì)呼吸道疾病的影響時(shí),PM2.5和PM10與該疾病死亡人數(shù)呈顯著正相關(guān),且存在滯后效應(yīng)。PM2.5在Lag7時(shí),對(duì)該疾病效應(yīng)值最大為1.45%（95%CI:1.13%-1.67%）,PM10在Lag3時(shí),效應(yīng)值最大為1.18%（95%CI:0.93%-1.43%）;PM2.5在Lag7時(shí),對(duì)男性效應(yīng)值最大為1.42%（95%CI:1.02%-1.82%）,PM10在Lag3時(shí),效應(yīng)值最大為1.19%(95%CI:0.88%-1.51%;PM2.5、PM10在Lag6時(shí),對(duì)女性效應(yīng)值最大為1.51%（95%CI:0.97%-2.04%）、1.23%（95%CI:0.81%-1.65%）;PM2.5在Lag3時(shí),對(duì)60歲以下年齡段效應(yīng)值最大為1.10%（95%CI:0.62%-2.15%）,PM10在Lag1時(shí),效應(yīng)值最大為1.02%（95%CI:0.21%-1.83%）。PM2.5在Lag6時(shí),對(duì)60歲及以上年齡段效應(yīng)值最大為1.44%（95%CI:0.10%-1.78%）;PM10在Lag3時(shí),效應(yīng)值最大為1.20%（95%CI:0.94%-1.46%）。結(jié)論:近五年來(lái),烏魯木齊市空氣污染物(PM2.5、PM10、SO2、NO2)濃度逐年下降,空氣質(zhì)量明顯改善。目前,受PM2.5、PM10污染程度較重,受NO2、SO2污染程度不大,且主要集中于春冬季節(jié)。4種大氣污染物中,PM2.5、PM10對(duì)不同性別年齡段暴露風(fēng)險(xiǎn)影響較大;男性暴露風(fēng)險(xiǎn)影響較女性大,且年齡段均集中在6月-5歲之間。呼吸系統(tǒng)疾病死亡數(shù)男性高于女性,均集中于高齡人群,以慢性下呼吸道疾病、流行性感冒和肺炎疾病為主,春冬季節(jié)為高發(fā)期,整體趨于下降趨勢(shì),下降趨勢(shì)平緩。主要空氣污染物(PM2.5、PM10)對(duì)呼吸道疾病死亡人數(shù)具有滯后效應(yīng),PM2.5對(duì)該疾病死亡的風(fēng)險(xiǎn)更大。PM2.5、PM10對(duì)女性、高齡人群的死亡風(fēng)險(xiǎn)影響較大,PM2.5對(duì)男性、高齡人群的死亡風(fēng)險(xiǎn)影響時(shí)間較長(zhǎng)。
張萃藝[10]（2020）在《貝爾面癱發(fā)病與五運(yùn)六氣及氣象因素的關(guān)系研究》文中研究指明目的:以貝爾面癱患者為研究對(duì)象,回顧性分析貝爾面癱發(fā)病與發(fā)病時(shí)運(yùn)氣因素的相關(guān)性,旨在探討運(yùn)氣理論的科學(xué)性,為臨床運(yùn)用運(yùn)氣理論防治貝爾面癱提供依據(jù);同時(shí),為進(jìn)一步明確深圳市的氣候環(huán)境對(duì)貝爾面癱發(fā)病的影響,充分體現(xiàn)中醫(yī)學(xué)運(yùn)氣理論中“天人相應(yīng)”的學(xué)術(shù)思想,本研究選擇分布滯后非線性模型來(lái)分析氣溫、相對(duì)濕度、風(fēng)速、水汽壓、大氣壓、能見(jiàn)度、總云量、日照時(shí)間、日蒸發(fā)量、太陽(yáng)輻射等氣象因素對(duì)貝爾面癱發(fā)病的影響,以獲得更具價(jià)值的研究結(jié)果,為降低氣象因素對(duì)人體健康的不利影響提供科學(xué)依據(jù)。方法:本研究為回顧性研究,研究第一部分根據(jù)病例篩選標(biāo)準(zhǔn),收集2010年1月20日—2020年1月19日全部符合上述標(biāo)準(zhǔn)的住院病例,共納入患者841例,采集所需病例信息并推算出患者準(zhǔn)確的發(fā)病日期。根據(jù)天干地支推演五運(yùn)六氣,同時(shí)收集各運(yùn)氣時(shí)段的住院患者總?cè)藬?shù),計(jì)算出同時(shí)段非貝爾面癱患者的人數(shù)。對(duì)納入的各運(yùn)氣時(shí)段住院患者中貝爾面癱患者人數(shù)及非貝爾面癱患者人數(shù),采用卡方檢驗(yàn)進(jìn)行統(tǒng)計(jì)分析。同時(shí),本研究從節(jié)氣及季節(jié)角度對(duì)貝爾面癱患者住院人數(shù)的占比,采用卡方檢驗(yàn)進(jìn)行統(tǒng)計(jì)分析。研究第二部分根據(jù)病例篩選標(biāo)準(zhǔn),收集2009年1月1日—2020年2月29日全部符合上述標(biāo)準(zhǔn)的住院病例,共納入患者863例,采集所需病例信息并推算出患者準(zhǔn)確的發(fā)病日期。氣象資料根據(jù)深圳市國(guó)家氣候觀象臺(tái)雙龍自動(dòng)氣象觀測(cè)站記錄,由深圳市氣象局提供,包括2009年1月1日—2020年2月29日共11年逐日的平均氣溫（℃）、相對(duì)濕度（%）、風(fēng)速（0.1m/s）、水汽壓（hpa）、大氣壓（hpa）、能見(jiàn)度（km）、總云量（%）、日照時(shí)間（h）、日蒸發(fā)量（mm）和太陽(yáng)輻射（W/m2）等氣象資料。應(yīng)用R軟件,選擇分布滯后非線性模型,在深圳市的氣象環(huán)境條件下分析上述氣象因素對(duì)貝爾面癱發(fā)病的影響效應(yīng)。結(jié)果:1.基于運(yùn)氣學(xué)說(shuō)的貝爾面癱發(fā)病的探索性研究1.1基于歲運(yùn)太過(guò)不及理論對(duì)貝爾面癱患者的住院人數(shù)占比進(jìn)行分析,結(jié)果發(fā)現(xiàn),貝爾面癱患者住院人數(shù)的占比,最高的是辛年,為1.01%,為水運(yùn)不及之年;最低的是庚年,為0.44%,為金運(yùn)太過(guò)之年。且差異有統(tǒng)計(jì)學(xué)意義（χ2=33.864,P=0.000<0.05）。1.2基于主氣六氣理論對(duì)貝爾面癱患者的住院人數(shù)占比進(jìn)行分析,結(jié)果發(fā)現(xiàn),貝爾面癱患者住院人數(shù)的占比,主氣為初之氣—厥陰風(fēng)木時(shí)最高,為0.91%;主氣為二之氣—少陰君火時(shí)最低,為0.63%。但差異無(wú)統(tǒng)計(jì)學(xué)意義（χ2=10.806,P=0.055>0.05）。1.3基于司天六氣理論對(duì)貝爾面癱患者的住院人數(shù)占比進(jìn)行分析,結(jié)果發(fā)現(xiàn),貝爾面癱患者住院人數(shù)的占比,太陰濕土司天時(shí)最高,為0.93%;少陰君火司天時(shí)最低,為0.42%。且差異有統(tǒng)計(jì)學(xué)意義（χ2=13.316,P=0.021<0.05）。1.4基于在泉六氣理論對(duì)貝爾面癱患者的住院人數(shù)占比進(jìn)行分析,結(jié)果發(fā)現(xiàn),貝爾面癱患者住院人數(shù)的占比,少陰君火在泉時(shí)最高,為0.97%;少陽(yáng)相火在泉時(shí)最低,為0.49%。且差異有統(tǒng)計(jì)學(xué)意義（χ2=25.319,P=0.000<0.05）。2.基于節(jié)氣、季節(jié)因素的貝爾面癱發(fā)病的探索性研究2.1基于二十四節(jié)氣對(duì)貝爾面癱患者的住院人數(shù)占比進(jìn)行分析,結(jié)果發(fā)現(xiàn),貝爾面癱患者住院人數(shù)的占比,節(jié)氣為立春時(shí)最高,為1.15%;節(jié)氣為小雪時(shí)最低,為0.44%。但差異無(wú)統(tǒng)計(jì)學(xué)意義（χ2=34.811,P=0.054>0.05）。2.2基于季節(jié)（按節(jié)氣劃分）對(duì)貝爾面癱患者的住院人數(shù)占比進(jìn)行分析,結(jié)果發(fā)現(xiàn),貝爾面癱患者住院人數(shù)的占比,春季時(shí)最高,為0.77%;冬季時(shí)最低,為0.69%;但差異無(wú)統(tǒng)計(jì)學(xué)意義（χ2=2.035,P=0.565>0.05）。根據(jù)二十四節(jié)氣,將四季劃分為十二個(gè)季節(jié)進(jìn)一步分析,結(jié)果發(fā)現(xiàn),貝爾面癱患者住院人數(shù)的占比,孟春時(shí)最高,為1.11%;孟冬時(shí)最低,為0.50%;且差異有統(tǒng)計(jì)學(xué)意義（χ2=27.319,P=0.004<0.05）。3.在深圳市的氣象環(huán)境條件下,基于分布滯后非線性模型分析氣象因素對(duì)貝爾面癱發(fā)病的影響3.1在氣溫的總體效應(yīng)分析中,隨著氣溫的升高RR值呈逐漸減小的趨勢(shì)。當(dāng)日平均氣溫<25℃時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均氣溫>25℃時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均氣溫>30℃時(shí)其與疾病的發(fā)生無(wú)統(tǒng)計(jì)學(xué)關(guān)聯(lián),提示氣溫對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的溫度時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日平均氣溫與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均氣溫在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.2在相對(duì)濕度的總體效應(yīng)分析中,隨著相對(duì)濕度的增加RR值呈逐漸減小的趨勢(shì)。當(dāng)日平均相對(duì)濕度<76%時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均相對(duì)濕度>78%時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn),并且與疾病的發(fā)生均有統(tǒng)計(jì)學(xué)關(guān)聯(lián),提示相對(duì)濕度對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的相對(duì)濕度時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日平均相對(duì)濕度與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均相對(duì)濕度在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.3在風(fēng)速的總體效應(yīng)分析中,隨著日平均風(fēng)速的增加,貝爾面癱的發(fā)病風(fēng)險(xiǎn)也逐漸增加,從日平均風(fēng)速大于2.6m/s開(kāi)始,RR值增加較明顯,提示風(fēng)速對(duì)貝爾面癱發(fā)病的影響是非線性的,隨著風(fēng)速的增加,貝爾面癱的發(fā)病風(fēng)險(xiǎn)呈逐漸增加的趨勢(shì)。不同日平均風(fēng)速與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均風(fēng)速在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.4在水汽壓的總體效應(yīng)分析中,隨著水汽壓的升高RR值呈逐漸增大的趨勢(shì)。當(dāng)日平均水汽壓<229hpa時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均水汽壓>231hpa時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn),并且與疾病的發(fā)生均有統(tǒng)計(jì)學(xué)關(guān)聯(lián),提示水汽壓對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的水汽壓時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日平均水汽壓與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均水汽壓在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.5在大氣壓的總體效應(yīng)分析中,隨著大氣壓的升高,RR值呈先逐漸增大后逐漸減小的趨勢(shì)。當(dāng)日平均大氣壓<1005hpa時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均大氣壓>1006hpa時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn),其中日平均大氣壓在1010-1021hpa區(qū)間時(shí),與疾病的發(fā)病有統(tǒng)計(jì)學(xué)關(guān)聯(lián),提示大氣壓對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的大氣壓時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日平均大氣壓與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均大氣壓在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.6在能見(jiàn)度的總體效應(yīng)分析中,隨著能見(jiàn)度的增加,RR值呈先逐漸減小后逐漸增大的趨勢(shì)。當(dāng)日平均能見(jiàn)度<17km或>26km時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均能見(jiàn)度在18-25km之間時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn),提示能見(jiàn)度對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的能見(jiàn)度時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日平均能見(jiàn)度與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均能見(jiàn)度在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.7在總云量的總體效應(yīng)分析中,隨著總云量的增加,RR值呈先緩慢減小后逐漸增大的趨勢(shì)。當(dāng)日平均總云量<66%或>71%時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均總云量在67-69%之間時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn),提示總云量對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的總云量時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日平均總云量與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均總云量在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.8在日照時(shí)間的總體效應(yīng)分析中,隨著日照時(shí)間的延長(zhǎng),RR值呈先逐漸減小后逐漸增大再逐漸減小的趨勢(shì)。當(dāng)日照時(shí)間<5h或>10h時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日照時(shí)間在6-9h之間時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn),提示日照時(shí)間對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的日照時(shí)間時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日照時(shí)間與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日照時(shí)間在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.9在日蒸發(fā)量的總體效應(yīng)分析中,隨著日蒸發(fā)量的增加,RR值呈先逐漸增大后逐漸減小再逐漸增大的趨勢(shì)。當(dāng)日蒸發(fā)量<1mm或在4-7mm區(qū)間時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日蒸發(fā)量在2-3mm區(qū)間或>8mm時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn),提示日蒸發(fā)量對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的日蒸發(fā)量時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日蒸發(fā)量與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日蒸發(fā)量在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。3.10在太陽(yáng)輻射的總體效應(yīng)分析中,隨著太陽(yáng)輻射的增加,RR值呈緩慢減小的趨勢(shì)。當(dāng)日平均太陽(yáng)輻射<157W/m2時(shí),會(huì)增加貝爾面癱的發(fā)病風(fēng)險(xiǎn);當(dāng)日平均太陽(yáng)輻射>159W/m2時(shí),會(huì)降低貝爾面癱的發(fā)病風(fēng)險(xiǎn),其中日平均太陽(yáng)輻射在248-261W/m2區(qū)間時(shí),與疾病的發(fā)病有統(tǒng)計(jì)學(xué)關(guān)聯(lián),提示太陽(yáng)輻射對(duì)貝爾面癱發(fā)病的影響是非線性的,不同的太陽(yáng)輻射時(shí)貝爾面癱的發(fā)病風(fēng)險(xiǎn)不同。不同日平均太陽(yáng)輻射與貝爾面癱發(fā)病關(guān)聯(lián)作用的3D圖和熱力圖均提示不同的日平均太陽(yáng)輻射在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)不同。結(jié)論:1.貝爾面癱患者住院人數(shù)的占比,從歲運(yùn)太過(guò)不及角度看,最高的是辛年,為水運(yùn)不及之年;從六主氣角度看,主氣為初之氣—厥陰風(fēng)木時(shí)最高;從客氣司天六氣角度看,最高的是太陰濕土司天之年;從客氣在泉六氣角度看,少陰君火在泉時(shí)最高;從季節(jié)角度看,孟春（立春、雨水二節(jié)氣）時(shí)最高。2.在深圳市的氣象環(huán)境條件下,各氣象因素對(duì)貝爾面癱發(fā)病的影響均是非線性的。除風(fēng)速外,各氣象因素對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響,隨著日均值的逐漸增加,呈先增加后降低或先降低后增加的趨勢(shì)。而在風(fēng)速的總體效應(yīng)分析中,隨著日平均風(fēng)速的逐漸增加,貝爾面癱的發(fā)病風(fēng)險(xiǎn)呈逐漸增加的趨勢(shì)。此外,各個(gè)氣象因素在不同的滯后天數(shù)下對(duì)貝爾面癱發(fā)病的影響效應(yīng)均是不同的。
二、季節(jié)變化與呼吸系統(tǒng)疾病發(fā)病關(guān)系的分析（論文開(kāi)題報(bào)告）
（1）論文研究背景及目的
此處內(nèi)容要求：
首先簡(jiǎn)單簡(jiǎn)介論文所研究問(wèn)題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問(wèn)題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。
寫法范例：
本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過(guò)程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁(yè)面大小,采用多級(jí)分層頁(yè)表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁(yè)表轉(zhuǎn)換過(guò)程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。
（2）本文研究方法
調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。
觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。
實(shí)驗(yàn)法：通過(guò)主支變革、控制研究對(duì)象來(lái)發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。
文獻(xiàn)研究法：通過(guò)調(diào)查文獻(xiàn)來(lái)獲得資料，從而全面的、正確的了解掌握研究方法。
實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。
定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。
定量分析法：通過(guò)具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。
跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。
功能分析法：這是社會(huì)科學(xué)用來(lái)分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。
模擬法：通過(guò)創(chuàng)設(shè)一個(gè)與原型相似的模型來(lái)間接研究原型某種特性的一種形容方法。
三、季節(jié)變化與呼吸系統(tǒng)疾病發(fā)病關(guān)系的分析（論文提綱范文）
（1）南京市PM2.5空氣污染對(duì)呼吸系統(tǒng)疾病的可能效應(yīng)分析（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景 |
| 1.2 國(guó)內(nèi)外研究進(jìn)展 |
| 1.2.1 PM_(2.5)來(lái)源與影響因素研究 |
| 1.2.2 PM_(2.5)時(shí)空分布研究 |
| 1.2.3 PM_(2.5)對(duì)人口暴露風(fēng)險(xiǎn)研究 |
| 1.3 研究思路與內(nèi)容 |
| 第二章 數(shù)據(jù)和方法 |
| 2.1 研究數(shù)據(jù) |
| 2.1.1 空氣污染數(shù)據(jù) |
| 2.1.2 健康數(shù)據(jù) |
| 2.1.3 氣象數(shù)據(jù) |
| 2.1.4 社會(huì)經(jīng)濟(jì)數(shù)據(jù) |
| 2.1.5 人口數(shù)據(jù) |
| 2.2 研究方法 |
| 2.2.1 基于機(jī)會(huì)約束的隨機(jī)數(shù)據(jù)包絡(luò)分析法 |
| 2.2.2 灰色關(guān)聯(lián)分析 |
| 2.2.3 分布滯后非線性模型 |
| 2.2.4 長(zhǎng)短期記憶人工神經(jīng)網(wǎng)絡(luò) |
| 第三章 PM_(2.5)污染時(shí)空分布與影響因素分析 |
| 3.1 全國(guó)2000-2018年P(guān)M_(2.5)時(shí)空分布特征 |
| 3.2 江蘇省2000-2018年P(guān)M_(2.5)時(shí)空分布特征 |
| 3.3 江蘇省PM_(2.5)污染影響因素分析 |
| 3.3.1 構(gòu)建不同級(jí)別的投入與產(chǎn)出指標(biāo) |
| 3.3.2 基于不同級(jí)別指標(biāo)的PM_(2.5)污染影響要素分析 |
| 3.3.3 二級(jí)投入指標(biāo)對(duì)PM_(2.5)污染影響分析 |
| 3.3.4 二級(jí)投入指標(biāo)對(duì)PM_(2.5)污染影響分析 |
| 3.4 南京市2000-2018年P(guān)M_(2.5)時(shí)空分布特征 |
| 3.5 本章小結(jié) |
| 第四章 南京市空氣污染因子與呼吸系統(tǒng)疾病死亡率的關(guān)聯(lián)性分析 |
| 4.1 南京市居民死亡數(shù)據(jù)特征分析 |
| 4.2 空氣污染影響因子構(gòu)建 |
| 4.3 呼吸系統(tǒng)疾病死亡率與六個(gè)空氣污染影響因子的灰色關(guān)聯(lián)度分析 |
| 4.4 呼吸系統(tǒng)疾病死亡率與更大時(shí)間尺度上PM_(2.5)年均濃度的灰色關(guān)聯(lián)度分析 |
| 4.5 本章小結(jié) |
| 第五章 南京市PM_(2.5)污染對(duì)呼吸系統(tǒng)疾病門診量和滯后期的影響 |
| 5.1 南京市某三級(jí)甲等醫(yī)院門診數(shù)據(jù)特征分析 |
| 5.2 PM_(2.5)濃度升高對(duì)呼吸系統(tǒng)疾病門診量和滯后期的影響 |
| 5.3 不同PM_(2.5)濃度對(duì)于不同人群呼吸系統(tǒng)疾病門診量和滯后期的影響 |
| 5.4 本章小結(jié) |
| 第六章 2021-2035 年南京市某醫(yī)院呼吸系統(tǒng)疾病門診量預(yù)估 |
| 6.1 基于LSTM模型的PM_(2.5)污染與呼吸系統(tǒng)疾病門診量模擬分析 |
| 6.2 未來(lái)不同情景下呼吸系統(tǒng)門診量的預(yù)估 |
| 6.3 本章小結(jié) |
| 第七章 結(jié)論及展望 |
| 7.1 結(jié)論 |
| 7.2 主要?jiǎng)?chuàng)新點(diǎn) |
| 7.3 存在的不足 |
| 7.4 下一步工作展望 |
| 參考文獻(xiàn) |
| 個(gè)人簡(jiǎn)歷 |
| 致謝 |
（2）霾天氣對(duì)北京市居民呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 符號(hào)說(shuō)明 |
| 前言 |
| 第一部分 文獻(xiàn)綜述 |
| 綜述一 霧霾及其致病的中醫(yī)學(xué)研究進(jìn)展 |
| 1 霧霾天氣的形成原因 |
| 2 霧霾的病邪屬性 |
| 3 霧霾發(fā)生與人群健康結(jié)局的關(guān)聯(lián)性 |
| 4 霧霾致病的治療 |
| 5 小結(jié) |
| 綜述二 開(kāi)展大氣能見(jiàn)度對(duì)人群健康影響的研究背景及現(xiàn)狀 |
| 1 我國(guó)與歐美國(guó)家顆粒物濃度的監(jiān)測(cè)情況 |
| 2 影響大氣能見(jiàn)度的主要因素 |
| 3 以能見(jiàn)度數(shù)據(jù)反演PM_(2.5)濃度數(shù)據(jù) |
| 4 采用能見(jiàn)度開(kāi)展大氣污染對(duì)人群的健康影響研究 |
| 5 小結(jié) |
| 第二部分 理論探討 《黃帝內(nèi)經(jīng)》對(duì)霧霾的形成及霧霾對(duì)人體健康影響的認(rèn)識(shí) |
| 1 霧霾的含義 |
| 2 《內(nèi)經(jīng)》中對(duì)易導(dǎo)致霧霾天氣形成的氣象條件的認(rèn)識(shí) |
| 3 《內(nèi)經(jīng)》中對(duì)霧霾現(xiàn)象的描述 |
| 4 《內(nèi)經(jīng)》中對(duì)形成霧霾的氣象條件及霧霾對(duì)人體健康影響的認(rèn)識(shí) |
| 5 小結(jié) |
| 第三部分 數(shù)據(jù)資料與方法 |
| 1 數(shù)據(jù)資料 |
| 1.1 氣象數(shù)據(jù) |
| 1.2 大氣能見(jiàn)度數(shù)據(jù) |
| 1.3 大氣污染物濃度數(shù)據(jù) |
| 1.4 干消光系數(shù) |
| 1.5 靜穩(wěn)天氣指數(shù) |
| 1.6 呼吸及循環(huán)系統(tǒng)疾病死亡數(shù)據(jù) |
| 2 研究方法 |
| 第四部分 數(shù)據(jù)研究結(jié)果 |
| 1 結(jié)果一: 描述性統(tǒng)計(jì) |
| 2 結(jié)果二: 能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響 |
| 3 結(jié)果三: 能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)影響的季節(jié)差異 |
| 4 結(jié)果四: 氣溫在能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)影響中的修飾作用 |
| 5 結(jié)果五: 不同大氣穩(wěn)定度下,氣溫與PM_(2.5)對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的綜合影響 |
| 第五部分 討論 |
| 1 能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響 |
| 1.1 能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病總?cè)巳核劳鲲L(fēng)險(xiǎn)的影響 |
| 1.2 性別和年齡分層結(jié)果 |
| 1.3 輕微霾對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響 |
| 1.4 PM_(2.5)在能見(jiàn)度對(duì)死亡風(fēng)險(xiǎn)影響中的貢獻(xiàn) |
| 1.5 啟示意義 |
| 2 能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)影響的季節(jié)差異 |
| 2.1 能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響在冬季最為顯著 |
| 2.2 顆粒物在能見(jiàn)度對(duì)死亡風(fēng)險(xiǎn)影響的季節(jié)差異中的貢獻(xiàn) |
| 2.3 啟示意義 |
| 3 氣溫在能見(jiàn)度對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)影響中的修飾作用 |
| 3.1 氣溫與能見(jiàn)度對(duì)死亡風(fēng)險(xiǎn)的協(xié)同影響 |
| 3.2 近年來(lái)北京市極端溫度事件和靜穩(wěn)天氣指數(shù)的變化情況 |
| 3.3 啟示意義 |
| 4 不同大氣穩(wěn)定度下,氣溫與PM_(2.5)對(duì)呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的綜合影響 |
| 4.1 氣溫與PM_(2.5)對(duì)死亡影響的歸因風(fēng)險(xiǎn) |
| 4.2 氣溫與PM_(2.5)對(duì)死亡風(fēng)險(xiǎn)的綜合影響在不同大氣穩(wěn)定度下的差異 |
| 4.3 《大氣十條》實(shí)施前后變化情況對(duì)比 |
| 4.4 啟示意義 |
| 5 本研究的創(chuàng)新之處和局限性 |
| 第六部分 結(jié)語(yǔ) |
| 參考文獻(xiàn) |
| 致謝 |
| 附錄 |
| 個(gè)人簡(jiǎn)歷 |
（3）高齡老年住院患者死因構(gòu)成比及特征回顧性分析（論文提綱范文）
| 中文摘要 |
| abstract |
| 中英文縮略詞表 |
| 第1章 緒論 |
| 第2章 綜述 |
| 2.1 近年來(lái)我國(guó)居民死亡原因疾病譜變化情況 |
| 2.1.1 20 世紀(jì)50 年代前 |
| 2.1.2 20 世紀(jì)中期 |
| 2.1.3 20 世紀(jì)后期 |
| 2.1.4 21 世紀(jì)初期居民主要死亡原因分布情況 |
| 2.2 慢性病已成為危害我國(guó)居民生命的最主要原因 |
| 2.3 影響我國(guó)居民死亡原因變化的因素分析 |
| 2.3.1 性別因素 |
| 2.3.2 年齡因素 |
| 2.3.3 生活方式 |
| 2.3.4 經(jīng)濟(jì)因素 |
| 2.3.5 環(huán)境因素 |
| 2.4 展望 |
| 第3章 資料與方法 |
| 3.1 資料 |
| 3.1.1 研究對(duì)象 |
| 3.1.2 樣本來(lái)源 |
| 3.1.3 入選標(biāo)準(zhǔn) |
| 3.1.4 排除標(biāo)準(zhǔn) |
| 3.1.5 主要指標(biāo)解釋 |
| 3.2 方法 |
| 3.2.1 研究方法 |
| 3.2.2 資料統(tǒng)計(jì) |
| 3.2.3 統(tǒng)計(jì)方法 |
| 第4章 結(jié)果 |
| 4.1 死亡患者基本資料分析 |
| 4.2 死亡原因與性別的關(guān)系 |
| 4.3 死亡原因與年齡的關(guān)系 |
| 4.4 患者死亡季節(jié)分布情況 |
| 4.5 患者死亡月份分布 |
| 4.6 合并癥多少分布情況 |
| 4.7 死亡原因分布情況 |
| 4.7.1 總體死亡原因分布情況 |
| 4.7.2 惡性腫瘤死因構(gòu)成比分析 |
| 4.7.3 呼吸系統(tǒng)疾病死因構(gòu)成比分析 |
| 4.7.4 心血管疾病死因構(gòu)成比分析 |
| 第5章 討論 |
| 第6章 結(jié)論 |
| 參考文獻(xiàn) |
| 作者簡(jiǎn)介 |
| 致謝 |
（4）2014-2019年某中心小兒內(nèi)科病例變化分析（論文提綱范文）
| 摘要 |
| Abstract |
| 前言 |
| 1、研究背景 |
| 2、研究目的與意義 |
| 資料與方法 |
| 1、研究對(duì)象 |
| 2、研究方法 |
| 3、統(tǒng)計(jì)分析 |
| 結(jié)果 |
| 1 一般情況 |
| 2 住院兒童疾病譜的構(gòu)成及變化 |
| 討論 |
| 1 概況 |
| 2 一般情況的探討 |
| 3 疾病譜變化的探討 |
| 3.1 呼吸系統(tǒng)疾病是兒童健康首要危害 |
| 3.2 圍生期的某些情況不容忽視 |
| 3.3 神經(jīng)系統(tǒng)疾病仍然常見(jiàn) |
| 3.4 消化系統(tǒng)疾病需要注意 |
| 3.5 其他疾病譜變化 |
| 結(jié)論 |
| 特點(diǎn)與不足 |
| 參考文獻(xiàn) |
| 綜述 住院兒童疾病譜研究現(xiàn)狀 |
| 參考文獻(xiàn) |
| 致謝 |
（5）氣溫變化對(duì)北京地區(qū)居民急性心肌梗死發(fā)病和慢性阻塞性肺疾病急性加重住院風(fēng)險(xiǎn)影響的研究（論文提綱范文）
| 英文縮略詞表 |
| 一 前言 |
| (一)研究背景 |
| (二)研究意義 |
| (三)研究局限性 |
| 二 本研究數(shù)據(jù)來(lái)源與回歸建模方法 |
| 第一部分 氣溫變異對(duì)北京常住居民AMI住院風(fēng)險(xiǎn)的影響 |
| 中文摘要 |
| Abstract |
| 一 背景 |
| 二 研究方法 |
| (一)描述性資料 |
| (二)基本統(tǒng)計(jì)分析模型 |
| (三)效應(yīng)修飾評(píng)估模型 |
| (四)敏感性分析 |
| (五)人群歸因危險(xiǎn)度 |
| (六)統(tǒng)計(jì)軟件 |
| 三 研究結(jié)果 |
| (一)基本特征描述 |
| (二)環(huán)境相關(guān)性 |
| (三)氣溫變異對(duì)AMI住院風(fēng)險(xiǎn)的影響 |
| (四)大氣污染物對(duì)氣溫變異的AMI住院風(fēng)險(xiǎn)的效應(yīng)修飾作用 |
| (五)歸因危險(xiǎn)度結(jié)果 |
| (六)敏感性分析結(jié)果 |
| 四 討論 |
| (一)氣溫變異與每日AMI住院風(fēng)險(xiǎn)關(guān)聯(lián)的暴露反應(yīng)曲線 |
| (二)氣溫變異對(duì)每日AMI住院風(fēng)險(xiǎn)的影響 |
| (三)氣溫變異相關(guān)的每日AMI住院風(fēng)險(xiǎn)敏感人群 |
| (四)大氣污染物對(duì)氣溫變異與每日AMI住院風(fēng)險(xiǎn)關(guān)聯(lián)的影響 |
| 六、結(jié)論 |
| 第二部分 溫度對(duì)北京常住居民AECOPD住院風(fēng)險(xiǎn)的影響 |
| 中文摘要 |
| Abstract |
| 一 背景 |
| 二 研究方法 |
| (一)描述性資料 |
| (二)基本統(tǒng)計(jì)分析模型構(gòu)建過(guò)程 |
| (三)溫度對(duì)AECOPD住院率的效應(yīng)分析 |
| (四)統(tǒng)計(jì)軟件 |
| 三 研究結(jié)果 |
| (一)基本特征描述 |
| (二)氣象因素與污染物的相關(guān)性分析 |
| (三)溫度對(duì)AECOPD住院的影響 |
| 四 討論 |
| 五 結(jié)論 |
| 六 參考文獻(xiàn) |
| 綜述一 細(xì)顆粒物暴露與心血管疾病隊(duì)列研究進(jìn)展 |
| 參考文獻(xiàn) |
| 綜述二 環(huán)境溫度與慢性阻塞性肺疾病的研究進(jìn)展 |
| 參考文獻(xiàn) |
| 致謝 |
（6）蘭州市氣象環(huán)境因子對(duì)兒童哮喘影響的研究（論文提綱范文）
| 中文摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 研究背景及意義 |
| 1.2 國(guó)內(nèi)外研究現(xiàn)狀 |
| 1.2.1 氣象因子和環(huán)境因子健康效應(yīng)的研究現(xiàn)狀 |
| 1.2.2 預(yù)報(bào)的研究現(xiàn)狀 |
| 1.3 研究?jī)?nèi)容 |
| 第二章 資料與方法 |
| 2.1 研究區(qū)域 |
| 2.1.1 地理位置 |
| 2.1.2 氣象條件和環(huán)境條件 |
| 2.2 環(huán)境質(zhì)量標(biāo)準(zhǔn) |
| 2.3 研究資料 |
| 2.3.1 氣象資料 |
| 2.3.2 空氣質(zhì)量資料 |
| 2.3.3 兒童哮喘疾病資料 |
| 2.4 研究方法 |
| 2.4.1 描述性統(tǒng)計(jì) |
| 2.4.2 Spearman相關(guān)分析 |
| 2.4.3 分布滯后非線性模型 |
| 2.4.4 廣義相加模型 |
| 2.4.5 相對(duì)危險(xiǎn)度 |
| 2.4.6 多元逐步回歸預(yù)報(bào) |
| 2.4.7 BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào) |
| 第三章 兒童哮喘的分布特征 |
| 3.1 ICD-10疾病分類標(biāo)準(zhǔn) |
| 3.2 兒童哮喘的年變化特征 |
| 3.3 兒童哮喘的年齡分布 |
| 3.4 兒童哮喘的不同時(shí)間尺度分布 |
| 3.4.1 兒童哮喘的逐月分布和季節(jié)分布 |
| 3.4.2 兒童哮喘的二十四節(jié)氣分布 |
| 3.5 本章小結(jié) |
| 第四章 蘭州市氣象環(huán)境因子與兒童哮喘的關(guān)系分析 |
| 4.1 蘭州市氣象因子的時(shí)間變化特征 |
| 4.2 蘭州市環(huán)境因子的時(shí)間變化特征 |
| 4.3 氣象環(huán)境因子分別對(duì)兒童哮喘的影響 |
| 4.3.1 平均氣溫與兒童哮喘患者的暴露-響應(yīng)關(guān)系 |
| 4.3.2 低溫對(duì)兒童哮喘的影響 |
| 4.3.3 平均氣溫與兒童哮喘的暴露-滯后-響應(yīng)關(guān)系 |
| 4.3.4 相對(duì)濕度與兒童哮喘的暴露-滯后-響應(yīng)關(guān)系 |
| 4.3.5 日較差與兒童哮喘的暴露-滯后-響應(yīng)關(guān)系 |
| 4.3.6 風(fēng)速、相對(duì)濕度和日較差與兒童哮喘發(fā)病的整體響應(yīng) |
| 4.3.7 PM_(2.5)和PM_(10)與兒童哮喘的關(guān)系 |
| 4.4 氣象因子與環(huán)境因子交互作用對(duì)兒童哮喘的影響 |
| 4.4.1 平均氣溫與相對(duì)濕度交互作用對(duì)兒童哮喘患者的影響 |
| 4.4.2 日較差與相對(duì)濕度的交互作用對(duì)兒童哮喘患者的影響 |
| 4.4.3 平均氣溫與日較差的交互作用對(duì)兒童哮喘患者的影響 |
| 4.4.4 平均氣溫與PM_(2.5)交互作用對(duì)兒童哮喘患者的影響 |
| 4.5 本章小結(jié) |
| 第五章 蘭州市兒童哮喘預(yù)報(bào)模型研究 |
| 5.1 多元逐步回歸預(yù)報(bào)模型 |
| 5.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型 |
| 5.3 本章小結(jié) |
| 第六章 結(jié)論與展望 |
| 6.1 主要結(jié)論 |
| 6.2 本文特色與創(chuàng)新點(diǎn) |
| 6.3 存在的問(wèn)題及下一步計(jì)劃 |
| 參考文獻(xiàn) |
| 在學(xué)期間的研究成果 |
| 致謝 |
（7）昆明市大氣污染因子與地區(qū)人群健康效應(yīng)關(guān)系研究（論文提綱范文）
| 摘要 |
| Abstract |
| 第一章 緒論 |
| 1.1 引言 |
| 1.2 研究綜述 |
| 1.2.1 大氣污染數(shù)據(jù)指標(biāo) |
| 1.2.2 人群健康效應(yīng)指標(biāo) |
| 1.2.3 氣象數(shù)據(jù)指標(biāo) |
| 1.3 研究?jī)?nèi)容及意義 |
| 1.3.1 研究?jī)?nèi)容 |
| 1.3.2 技術(shù)路線 |
| 1.3.3 研究意義 |
| 第二章 資料與研究方法 |
| 2.1 研究區(qū)域概況 |
| 2.2 數(shù)據(jù)來(lái)源與處理 |
| 2.2.1 大氣污染指標(biāo)數(shù)據(jù) |
| 2.2.2 區(qū)域氣象數(shù)據(jù) |
| 2.2.3 呼吸系統(tǒng)疾病特異性藥物銷售數(shù)據(jù) |
| 2.3 研究方法 |
| 2.3.1 資料描述性分析 |
| 2.3.2 相關(guān)及偏相關(guān)分析方法 |
| 2.3.3 時(shí)間序列分析方法 |
| 2.3.4 主成分分析方法 |
| 2.3.5 回歸分析及模型選擇 |
| 2.3.6 相對(duì)危險(xiǎn)度 |
| 第三章 大氣污染因子與人群健康效應(yīng)的相關(guān)性分析 |
| 3.1 各變量描述性分析 |
| 3.2 變量數(shù)據(jù)分布特征 |
| 3.3 相關(guān)性分析 |
| 3.4 干濕季、花粉季差異分析 |
| 第四章 大氣污染因子與人群健康效應(yīng)的時(shí)間序列分析 |
| 4.1 序列圖 |
| 4.2 大氣污染因子季節(jié)分解 |
| 4.3 結(jié)果分析 |
| 第五章 不同健康結(jié)局選擇與大氣污染因子間關(guān)系分析 |
| 5.1 相關(guān)性分析 |
| 5.2 時(shí)間序列分析——季節(jié)分解 |
| 第六章 主成分分析及主成分偏相關(guān)分析 |
| 6.1 KMO和 Bartlett檢驗(yàn)表 |
| 6.2 主成分分析 |
| 6.3 主成分偏相關(guān)分析 |
| 第七章 廣義相加模型及定量效應(yīng)分析 |
| 7.1 GAM建立 |
| 7.2 模型診斷及結(jié)果解讀 |
| 7.3 相對(duì)危險(xiǎn)度 |
| 第八章 總結(jié)與討論 |
| 8.1 總結(jié) |
| 8.2 特色與創(chuàng)新點(diǎn) |
| 8.3 研究不足及展望 |
| 致謝 |
| 參考文獻(xiàn) |
| 附錄 A 攻讀碩士學(xué)位期間發(fā)表論文及研究成果目錄 |
| 附錄 B 攻讀碩士期間參與的科研項(xiàng)目 |
| 附錄 C 研究藥物信息表 |
（8）院前呼救病種與中醫(yī)時(shí)間醫(yī)學(xué)相關(guān)性研究（論文提綱范文）
| 摘要 |
| ABSTRACT |
| 前言 |
| 第一部分 文獻(xiàn)綜述 |
| 綜述一 中醫(yī)時(shí)間醫(yī)學(xué)及其臨床研究 |
| 1. 中醫(yī)時(shí)間醫(yī)學(xué)的起源 |
| 2. 子午流注理論與疾病的相關(guān)性研究 |
| 2.1 子午流注理論概述 |
| 2.2 子午流注理論臨床應(yīng)用 |
| 3. 四時(shí)節(jié)氣與疾病的相關(guān)性研究 |
| 3.1 四時(shí)節(jié)氣概述 |
| 3.2 四時(shí)節(jié)氣與生理相應(yīng) |
| 3.3 四時(shí)節(jié)氣與疾病診治 |
| 4. 十二時(shí)辰與疾病的相關(guān)性研究 |
| 4.1 十二時(shí)辰概述 |
| 4.2 十二時(shí)辰與人體生理病理節(jié)律 |
| 4.3 十二時(shí)辰與疾病診治 |
| 5. 六經(jīng)病欲解時(shí)與疾病的相關(guān)性研究 |
| 綜述二 西醫(yī)時(shí)間醫(yī)學(xué)及其臨床研究 |
| 1. 西醫(yī)時(shí)間醫(yī)學(xué)概述 |
| 2. 西醫(yī)時(shí)間醫(yī)學(xué)與疾病的相關(guān)性 |
| 2.1 循環(huán)系統(tǒng)與西醫(yī)時(shí)間醫(yī)學(xué)相關(guān)研究 |
| 2.2 神經(jīng)系統(tǒng)與西醫(yī)時(shí)間醫(yī)學(xué)相關(guān)研究 |
| 2.3 消化系統(tǒng)與西醫(yī)時(shí)間醫(yī)學(xué)相關(guān)研究 |
| 2.4 泌尿系統(tǒng)與西醫(yī)時(shí)間醫(yī)學(xué)相關(guān)研究 |
| 2.5 內(nèi)分泌系統(tǒng)與西醫(yī)時(shí)間醫(yī)學(xué)相關(guān)研究 |
| 2.6 腫瘤與西醫(yī)時(shí)間醫(yī)學(xué)相關(guān)研究 |
| 第二部分 臨床研究 |
| 1. 研究對(duì)象 |
| 1.1 病例來(lái)源 |
| 1.2 納入標(biāo)準(zhǔn) |
| 1.3 排除標(biāo)準(zhǔn) |
| 2. 研究方法 |
| 2.1 調(diào)查研究?jī)?nèi)容 |
| 3. 統(tǒng)計(jì)分析方法 |
| 4. 研究結(jié)果 |
| 4.1 院前呼救患者的疾病譜構(gòu)成 |
| 4.2 不同性別院前呼救疾病譜構(gòu)成 |
| 4.3 不同年齡組院前呼救疾病譜構(gòu)成 |
| 4.4 疾病發(fā)病與各時(shí)辰的關(guān)系 |
| 4.5 疾病與季節(jié)的關(guān)系 |
| 4.6 疾病與二十四節(jié)氣的關(guān)系 |
| 5. 討論 |
| 5.1 院前呼救患者疾病譜構(gòu)成分析 |
| 5.2 不同性別、年齡組院前呼救疾病譜構(gòu)成分析 |
| 5.3 疾病與時(shí)間醫(yī)學(xué)的相關(guān)性分析 |
| 5.4 疾病的預(yù)防調(diào)攝 |
| 5.5 中西醫(yī)時(shí)間醫(yī)學(xué)理論差異 |
| 第三部分 結(jié)語(yǔ) |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果 |
| 致謝 |
（9）烏魯木齊市大氣污染物特征及其對(duì)呼吸系統(tǒng)疾病的影響（論文提綱范文）
| 中英文縮略詞對(duì)照表 |
| 摘要 |
| Abstract |
| 前言 |
| 研究?jī)?nèi)容與方法 |
| 1 研究對(duì)象 |
| 1.1 大氣污染資料 |
| 1.2 疾病資料 |
| 2 內(nèi)容與方法 |
| 2.1 烏魯木齊市大氣污染物時(shí)間分布特征分析 |
| 2.2 健康風(fēng)險(xiǎn)評(píng)價(jià)模型 |
| 2.3 2015 年-2019 年烏魯木齊市居民呼吸系統(tǒng)疾病死亡數(shù)分布趨勢(shì) |
| 2.4 烏魯木齊市大氣污染物對(duì)呼吸系統(tǒng)疾病的影響研究 |
| 3 質(zhì)量控制 |
| 4 統(tǒng)計(jì)分析方法 |
| 5 技術(shù)路線圖 |
| 結(jié)果 |
| 討論 |
| 小結(jié) |
| 致謝 |
| 參考文獻(xiàn) |
| 綜述 大氣污染與人群健康關(guān)系研究進(jìn)展 |
| 參考文獻(xiàn) |
| 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文 |
| 導(dǎo)師評(píng)閱表 |
（10）貝爾面癱發(fā)病與五運(yùn)六氣及氣象因素的關(guān)系研究（論文提綱范文）
| 摘要 |
| Abstract |
| 引言 |
| 第一章 文獻(xiàn)研究 |
| 1.1 疾病發(fā)病與發(fā)病時(shí)五運(yùn)六氣的相關(guān)性研究 |
| 1.1.1 呼吸系統(tǒng)疾病 |
| 1.1.2 循環(huán)系統(tǒng)疾病 |
| 1.1.3 消化系統(tǒng)疾病 |
| 1.1.4 泌尿系統(tǒng)疾病 |
| 1.1.5 風(fēng)濕性疾病 |
| 1.1.6 神經(jīng)系統(tǒng)疾病 |
| 1.1.7 精神心理疾病 |
| 1.1.8 惡性腫瘤 |
| 1.1.9 皮膚病 |
| 1.1.10 傳染性疾病 |
| 1.1.11 小結(jié) |
| 1.2 貝爾面癱發(fā)病與季節(jié)變化及氣象因素的關(guān)系研究 |
| 1.2.1 季節(jié)因素與貝爾面癱發(fā)病 |
| 1.2.2 氣象因素與貝爾面癱發(fā)病 |
| 1.2.3 小結(jié) |
| 第二章 貝爾面癱發(fā)病與發(fā)病時(shí)運(yùn)氣因素的關(guān)系研究 |
| 2.1 研究對(duì)象 |
| 2.1.1 資料來(lái)源 |
| 2.1.2 病例篩選 |
| 2.2 數(shù)據(jù)處理 |
| 2.2.1 根據(jù)天干地支推演五運(yùn)六氣 |
| 2.2.2 二十四節(jié)氣與季節(jié)劃分 |
| 2.2.3 統(tǒng)計(jì)貝爾面癱患者發(fā)病日期的五運(yùn)六氣分布情況 |
| 2.2.4 統(tǒng)計(jì)貝爾面癱患者發(fā)病日期的節(jié)氣及季節(jié)分布情況 |
| 2.2.5 計(jì)算同時(shí)段住院患者中貝爾面癱患者人數(shù)及非貝爾面癱患者人數(shù) |
| 2.3 統(tǒng)計(jì)方法 |
| 2.4 結(jié)果 |
| 2.4.1 一般資料 |
| 2.4.2 貝爾面癱患者發(fā)病日期的五運(yùn)分布情況 |
| 2.4.3 貝爾面癱患者發(fā)病日期的六氣分布情況 |
| 2.4.4 貝爾面癱患者發(fā)病日期的節(jié)氣、季節(jié)分布情況 |
| 2.4.5 基于運(yùn)氣學(xué)說(shuō)的貝爾面癱發(fā)病的探索性研究 |
| 2.4.6 基于節(jié)氣、季節(jié)因素的貝爾面癱發(fā)病的探索性研究 |
| 2.5 討論 |
| 2.5.1 從歲運(yùn)太過(guò)不及角度探討貝爾面癱發(fā)病與運(yùn)氣因素的關(guān)系 |
| 2.5.2 從六主氣角度探討貝爾面癱發(fā)病與運(yùn)氣因素的關(guān)系 |
| 2.5.3 從客氣司天角度探討貝爾面癱發(fā)病與運(yùn)氣因素的關(guān)系 |
| 2.5.4 從客氣在泉角度探討貝爾面癱發(fā)病與運(yùn)氣因素的關(guān)系 |
| 2.5.5 從季節(jié)角度探討貝爾面癱發(fā)病與運(yùn)氣因素的關(guān)系 |
| 第三章 基于分布滯后非線性模型分析氣象因素對(duì)貝爾面癱發(fā)病的影響 |
| 3.1 資料與方法 |
| 3.1.1 資料來(lái)源 |
| 3.1.2 病例篩選 |
| 3.1.3 統(tǒng)計(jì)分析 |
| 3.2 結(jié)果 |
| 3.2.1 一般資料 |
| 3.2.2 氣象資料的統(tǒng)計(jì)描述 |
| 3.2.3 氣象因素與貝爾面癱發(fā)病的關(guān)聯(lián)研究 |
| 3.3 討論 |
| 3.3.1 氣溫對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.2 相對(duì)濕度對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.3 風(fēng)速對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.4 水汽壓對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.5 大氣壓對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.6 能見(jiàn)度對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.7 總云量對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.8 日照時(shí)間對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.9 日蒸發(fā)量對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.10 太陽(yáng)輻射對(duì)貝爾面癱發(fā)病風(fēng)險(xiǎn)的影響 |
| 3.3.11 本研究的優(yōu)勢(shì)和局限性 |
| 結(jié)語(yǔ) |
| 參考文獻(xiàn) |
| 附錄 |
| 在校期間發(fā)表論文情況 |
| 致謝 |
| 統(tǒng)計(jì)學(xué)審核證明 |
四、季節(jié)變化與呼吸系統(tǒng)疾病發(fā)病關(guān)系的分析（論文參考文獻(xiàn)）
- [1]南京市PM2.5空氣污染對(duì)呼吸系統(tǒng)疾病的可能效應(yīng)分析[D]. 周易. 南京信息工程大學(xué), 2021(01)
- [2]霾天氣對(duì)北京市居民呼吸及循環(huán)系統(tǒng)疾病死亡風(fēng)險(xiǎn)的影響[D]. 韓玲. 北京中醫(yī)藥大學(xué), 2021
- [3]高齡老年住院患者死因構(gòu)成比及特征回顧性分析[D]. 劉衛(wèi)林. 吉林大學(xué), 2021(01)
- [4]2014-2019年某中心小兒內(nèi)科病例變化分析[D]. 毛中義. 大理大學(xué), 2021(09)
- [5]氣溫變化對(duì)北京地區(qū)居民急性心肌梗死發(fā)病和慢性阻塞性肺疾病急性加重住院風(fēng)險(xiǎn)影響的研究[D]. 張泳巧. 北京協(xié)和醫(yī)學(xué)院, 2021
- [6]蘭州市氣象環(huán)境因子對(duì)兒童哮喘影響的研究[D]. 李龍燕. 蘭州大學(xué), 2021(09)
- [7]昆明市大氣污染因子與地區(qū)人群健康效應(yīng)關(guān)系研究[D]. 馮睿. 昆明理工大學(xué), 2021(01)
- [8]院前呼救病種與中醫(yī)時(shí)間醫(yī)學(xué)相關(guān)性研究[D]. 王彤彤. 南京中醫(yī)藥大學(xué), 2021(01)
- [9]烏魯木齊市大氣污染物特征及其對(duì)呼吸系統(tǒng)疾病的影響[D]. 陳佩弟. 新疆醫(yī)科大學(xué), 2021(08)
- [10]貝爾面癱發(fā)病與五運(yùn)六氣及氣象因素的關(guān)系研究[D]. 張萃藝. 廣州中醫(yī)藥大學(xué), 2020(09)
標(biāo)簽：能見(jiàn)度論文; 貝爾面癱論文; 呼吸道疾病論文; 氣象北京論文; 大氣污染物論文;