应用时间序列方研究空气污染与人群健康的关系.pdfVIP

应用时间序列方法研究空气污染与人群健康的关系 导师方积乾教授 200l级硕士研究生陈雄飞 摘要 随着工业活动导致空气污染情况的加重及公众健康意识的提高，公众对空 Pollution 气质量的关注目益提高，空气污染指数(Ak Index，API)是一种反映每 Protection 日空气质量的报告方法，由美国环保署(Environment Agent，EPA)于 20世纪70年代研究制定。该方法被世界很多国家或地区采用，多数是直接引用 或部分引用美国EPA的分级标准。目前我国香港的空气质量分级完全按照美国 的标准，内地采用与EPA相似的体系，将我国空气环境质量标准中的2级标准 值作为APll00点的限值。API采用分段线性的方法，先按各污染物浓度决定其 所在的分级范围，然后假定在此范围内污染物与污染指数呈线性关系，计算各污 染物的污染指数，取各污染物指数中最大值作为该天的空气污染指数。目前学术 界对APl的计算、分级和相应的健康含义的解释尚有很多争论，争议主要存在 于各分指数这种分段线性的办法是否能刻画污染和疾病的剂量一反应关系?由 于API反映的只是最大污染分指数的污染物，是否能准确评价其总的影响?而 空气污染对健康状况影响的研究是研究合理的污染指数的基础，是定量评价空气 污染对健康状况的影响的依据。 1．本研究目的： (1)利用欧盟所拟定APHEA协议中的广义加法(线性)模型，以反映健康 状况的医院就诊人数和住院人数日序列作为应变量，与三种气象资料日序列和四 种污染物浓度日序列建立带ARMA误差的广义线性模型，得到各污染物的相对 危险度的估计。评价上述四种污染物对人群健康的影响，寻找能反映广州市污染 程度的合适的反应变量，同时鉴别出广州市主要的污染物。 (2)利用状态空间、Bayes、小波、小波包四种方法对总呼吸道入院病人总 数、空气污染物浓度及气象因素各序列进行趋势和季节调整，比较各种调整方法 对本资料的适应性，并与广义线性模型的函数拟合方法进行比较。 (3)对调整后的序列建立单污染物和多污染物传递函数模型(ARMAX模 型1，进而得到相对危险度估计 2．对象与方法 1995．828--199912．3 l广州市市区5间大型综合性医院日记录资料(门、急 诊日志资料和医院住院病案登记资料及按年龄分层资料)、6个空气污染自动监 4项指标浓度的耳均值数据(分析时用6个站点的平均数)、4个时点 6 8．0。 除小波与小波包分析使用Matlab5以外，其他计算过程使用SAS 3．结果 结合对长期趋势、长周期与短周期的调整结果及相对危险度的结果，状态 空间方法与小波方法较优，除Bayes方法不太适应于本资料外，其他方法都可以 接受。从单日滞后及相对危险度大小来看，小波包调整结果最差。严格来说，由 于季节调整方法的评判并无一客观标准，且由于方法的好坏不仅与方法本身有关 系，也与数据的性质有关，不同的资料可能适用不同的方法，要在实际应用中结 合专业知识及应用目的考虑。 9606—1 各污染物对总呼吸道入院的单污染物模型的相对危险度从o 0544， 反映了空气污染物为弱效应，最大相对危险度大多都在污染后第二天(一天滞 后)，说明污染发生变化后，对第二天的总呼吸道入院的影响最大。各污染物的 单日冲脉冲影响最多应该为4．7天左右，各污染物的累积相对危险度基本上小于 第一日和最大日的单日相对危险度。 多污染物模型中共线性的处理仍然不是太理想。 从相对危险度的统计学意义来看，广州市的主要污染物可能为TSP和