題目2012c題腦卒中發病環境因素分析及乾預數據.ppt

3.2 分性别讨论发病人数与当日温差的关系、高危人群与当日温差的分析以及农民与当日温差与整体一致，不同温差水平下回归分析与方差分析结果均不显著。 3.3 对发病人数大于等于60人的时期与最高、最低温度及温差分析，其矩阵图见图11。 可以看出，每天的最高和最低温度有明显的线性关系，而将发病人数（60）与当日的最高、最低温度、温差分别做回归分析，发现发病人数与当日的最低气温（LOWTEMP）有明显的线性相关关系，这也是区别于前面的很明显的一个结果，回归方程如下： 从而对于发病人数较多的时期，发病人数与当日最低温度呈负相关关系。 4、 发病人数与季节（月份） 4.1 依照时间顺序画出每日发病人数的时间序列图（见下图）。可以看出数据分成4部分，分别对应着07-10年4个年份。07、09年发病人数明显少于08年和10年。 首先用Bartlett检验不同月份下的发病人数的方差是否有显著差异。其值0.05，说明不同月份之间的方差存在显著差异，其箱线图见下图。 将12个月份的方差排序，方差最大的三个月为1-3月份。我们用单因素方差分析讨论不同月份的发病人数有无差异。其结果见下表。说明了不同月份存在显著差异，1-5月份的均值偏大。结合方差检验的结果可知，在冬季（1-3月份）属于发病的高发期，应注意防范。 387 137 1 460 合计 262 379 493 1 449 误差 0.002 2.653 4 695 7 644 11 因子 P F MS SS 自由度 来源 4.2 分性别讨论脑卒中发病以及对高危人群发病的高发期，与整体讨论的结论是一致的。 4.3 对于不同年份，对农民发病人数绘制散点图见右图。 农民发病人数的时间序列图（上图）也分成了比较明显的4个部分。关于农民发病人数与月份的单因子方差分析结果也是显著的，1-3月份亦为其发病高发期。 农民每日发病人数的时序图 4.4 发病人数（=60）与不同季节（月份） 上图可以看出，发病人数（=60）在1月份有明显的区别于其他月份的异常值，可见1月份发病人数波动会较大。其Bartlett检验的，也证明了不同月份中的发病人数（=60）的方差有显著差异，方差最大的三个月为：1，2，3月份。另外，相对于1-5月份，6-12月份发病人数较多的天数也较少。下面将发病人数与月份做单因子方差分析，其结果见下表。 387 137 205 合计 155.7 30 211.7 194 误差 0.925 0.461 2 71.8 790.0 11 因子 P F MS SS 自由度 来源 方差分析的，可见发病人数在平均水平上没有很明显的差异。从而，冬季（1-3月份）发病人数(=60)的均值没有显著差异，但由于其方差要比其他月份大，这也使得发病人数增加的可能性加大，应注意防范。 5 发病人数与气压 5.1 高危人群发病人数与气压 上图的散点图呈现喇叭状，当气压增大时，高危人群发病人数有增大的趋势。但是由线性回归的结果并不显著，即高危人群发病人数与平均气压没有显著的线性关系。下面讨论不同气压水平下的高危人群发病人数的差异。其方差分析的结果见下表。 172 920 1 460 合计 120 133 163 1 113 误差 0.684 6 0.957 6 115 39 757 347 因子 P F MS SS 自由度 来源 其P值0.05，则不同气压水平下高危人群的发病人数的均值没有显著差异。由于气压数据重复性不高，要进行齐次性Bartlett检验，可将气压水平适当分组，每5个单位一组得到的P值0.05。当气压超过1004时高危人群发病人数有较大的波动。 5.2 男性发病人数与平均气压也没有显著的线性关系。将气压数据分组，建立与男性发病人数的对应，进行等方差检验，其P值0.05，可见不同组别之间男性发病人数的方差有显著的差异。当气压超过1004(第三组)时，发病人数有增加趋势。单因素方差结果不显著。 5.3 发病人数（=60）与气压 从上图第一行的三个散点图可以看出，图形都呈现喇叭状，当气压增大时，发病人数有增大趋势。线性回归的结果也是显著的。发病人数(=60)与气压有显著的正相关关系。 1 经过查阅和搜集文献得知脑卒中高危人群的重要特征包括：高血压（最危险因素）；短暂性脑缺血发作；心脏病；糖尿病；脑卒中史；吸烟；酗酒；高血脂症；高同型半胱氨酸血症；超重与肥胖；体力活动与运动少；高盐饮食；药物滥用；不可改变因素（年龄，性别，遗传（家族史）等）；诱发因素（过度紧张，激动，兴奋，愤怒和疲劳等）。 2 可以把上述危险因素和诱发因素作为高危对象的指标项目，其中可测量的一部分为：血