应用时间序列方法研究空气污染与人群健康的关系.pdfVIP

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NOX， 对空气污染对最敏感的反应变罱序列可能为日总呼吸系统疾病入院age65人 数、日慢性阻塞性呼吸系统疾病入age65人数两个序列。 4．讨论 目前在其他领域尤其是经济学研究中，季节调整方法较多，用的较多的为 根据经验而定的非参滑动平均法，由有经验的专家所定的滑动平均阶数、次数、 Ⅱ 权重和带宽往往较正确，其结果与实际较吻合。而ARMAX模型要求序列平稳， 对于不平稳的处理采用差分，而不是经验的滑动平均的办法，处理时不需要太多 的经验。但由于空气污染与健康关系研究的时间序列长、周期复杂，有短到七天， K到两年的周期，如果直接采用差分，则要用到多种方式的差分，最后的序列意 义根本无法解释。并且由于空气污染与健康序列较难获得，因此，要根据大量的 序列来获得较好的经验滑动平均方法也非常困难，因此，如何选择合适的季节调 整方法应该成为时问序列研究在空气污染与健康关系研究中的重点。 本研究探讨了用状态空间法、Bayes、小波、及小波包分解法对于长期趋势 与波动进行季节调整，对季节调整后的序列对调整后的序列建立单污染物和多污 染物传递函数模型，进而得到相对危险度估计，比较各种调整方法对本资料的适 应性，认为小波分析方法与状态空问方法较适用于本资料。同时与广义线性模型 的结果进行比较，认为广义线性模型的结果是可接受的。 相对危险度及其95％可信区间来看，广州市主要污染物为TSP，其次重要 的污染物为NOX，CO也能对稍敏感的人群序列有影响，S02仅仅对敏感人群有 影响，日总呼吸系统疾病入院age65人数、日慢性阻塞性呼吸系统疾病入age65 人数两个序列是研究宁气污染与健康关系中最敏感的反应变量。 本研究为同类研究提供参考，为定量评价空气污染对健康状况的影响提供 决策依据，并为新空气污染指数的计算方法提供依据。 由于共线性的影响，多污染物模型及气象等混杂对传递函数的影响未能消 除，气象凼子未能引入模型。 关键词：空气污染人群健康时问序列传递函数状态空间Bayes小波 小波包相对危险度 m health Timeseries ofair and