脑卒中病发环境因素探析及干预.docVIP

脑卒中病发环境因素探析及干预 　　摘 要 本文针对脑卒中的并发环境因素进行统计分析。根据病人基本信息，将不同人群的发病人数进行整理筛选，从而对发病人群进行统计描述。针对发病率与气温、气压、相对湿度之间的联系，计算得出总平均气压差和总平均温度差、总平均相对湿度与发病率的回归模型。通过查阅和搜集文献中高危人群的重要特征和关键指标，性别、年龄、职业、气温差和温度差对发病率的影响，可以很好的对疾病的前兆的认识和防护 关键词 数据统计 逐步回归模型 脑卒中 发病率 0引言 病人的基本信息包括性别、年龄、职业这三个基本信息都有可能影响发病几率。但由于一些数据存在部分缺失或存在不同的时间格式以及错误，所以将筛选后的数据。利用逐步回归数学模型研究脑卒中发病率与平均最高气温、气压、相对湿度等10个因素之间的关系并建立回归模型。搜索有关脑卒中高危人群的重要特征和重要指标，对高危人群提出预警和干预的建议方案 1模型的建立与求解 首先，将数据进行统计整理，用Excel软件绘制柱形图可知脑卒中发病人数随着年龄的增长而逐步增多，在70-79岁时，发病人数达到高峰，80岁发病人数后又逐渐减少。而在脑卒中发病人群中男性患者明显多于女性，男女发病比例为1.20：1 将整理出的不同职业的发病人数进行统计，可绘出不同职业发病人数的条形图可知，农民为脑卒中发病率最高的职业，占总人数的68%；教师、医务人员和渔民共370例，占总人数的0.62%。根据两种不同分类方式综合考虑来看：30岁以下的渔民女性患者发病率最低；70-79岁的农民男性患者发病率最高；其他患者发病率介于两者之间 为了明确脑卒中发病率与气温、气压以及相对湿度之间的关系，统计出07-10年各个参数总平均值。经过对数据的分析认为，所列的10个影响因素，不一定每个因素都对发病率有显著的影响，并且各因素之间也可能存在相关性，希望得到一个总发病人数与对其有显著影响的因素之间的模型，并且可以根据此模型，给出高危人群提出预警和干预的建议方案。因此可以利用逐步回归从10个因素中，选出有有显著影响的因素，建立回归模型 利用MATLAB统计软件工具箱中的逐步回归命令stepwise进行求解，?⒈?1的数据排成X，Y，其X中是自变量数据，排成12?？0矩阵，Y是因变量数据，排成12维向量，用stepwise（X，Y）命令，得到窗口Stepwise Regression，如图1 可以看到除x4和x8外其它自变量的回归系数置信区间都接近零点，将x1，x2，x3，x4，x5，x6，x7，x9，x10，一一移去，当模型中仅含x4和x8时的结果看到仅含x4和x8模型的回归系数置信区间还依然远离零点，和对因变量Y的影响是显著的，虽然剩余的标准差（RMSE）没有减少，但f值依然很大，回归系数依然远离零点，这些表明，仅含x4和x8模型是合适的，x4和x8的回归系数分别为b4=2.06，b8=167.57，可以由以下算法得到： 在最终的模型里回归变量只有x4和x8，是一个简单的模型，据此可把平均气压差和平均温度差列入发病率的重点，和发病率呈正比关系，与其它因素影响较低 根据搜集的脑卒中高危人群的重要特征和重要指标，对高危人群提出预警和干预建议。70-79岁是高峰期，农民为脑卒中发病率最高的职业，并且男性患病率比女性高，以及温度、气压的骤降等都影响发病率，入秋及早春时节也易发生脑卒中。因为此时节最易受寒流侵袭，寒流袭击，气温骤降，日内最高气温与最低气温之差太大。对于刚刚度过的炎热夏季或刚刚感受到春天融融暖意的人们，突来的气候变化会使之不适，对老年人和具有脑卒中高危因素的人能带来灾难 参考文献 [1] 姜启源，谢金星，叶俊.数学模型（第三版）[M].北京：高等教育出版社，2003. [2] 刘峰.物流运筹学[M].上海：交通大学出版社，2008. 1