安徽省白垩市环境要素与方案设计的关系研究.docxVIP

安徽省白垩市环境要素与方案设计的关系研究 嗜热是由型溶血性培养基引起的呼吸道疾病。这种疾病通常发生在所有年龄段，通常在冬季和冬季1c下。安徽省某市地处中纬度地带,为亚热带湿润季风气候,猩红热发病率常年处于一个较为低发水平［2］,但流行规律尚不是很清楚。为了解和掌握安徽省某市猩红热的发病趋势与一些气象因素的关系,本文将对1985 -2005年猩红热发病资料与部分气象因素拟合负二项回归模型,为猩红热防治工作提供参考依据。 1 模型拟合与预测 1. 1资料来源1985 - 2006年猩红热发病率资料来源于安徽省某市疾病控制中心,所需气象资料来源于安徽省某市气象局提供的统计数据的月平均降水量,月平均气压,月平均气温,月平均相对湿度和月平均最低气温5项气象资料的数据。 1. 2模型理论拟合计数资料的广义线性模型,主要是探讨事件发生强度 λ 与自变量线性组合之间的关系。事件数的多少除了取决于总体参数的大小外,还取决于暴露单位、暴露事件的多少。对于这种资料,可通过负二项回归模型来考察其性质。用负二项回归模型对事件发生强度 λ 建模( 假设影响 λ 的因素为X1,X2,…,Xm,联接函数为对数) : 在负二项回归中,事件数的方差等于 λ( 1 + κλ) ,κ 为负二项分布的离散参数,表示超离散的程度,当 κ =0时,退化为Poisson回归,使用似然比检验比较两者的拟合程度,如果P 0. 05,说明资料拟合负二项回归模型比Poisson回归模型效果好［3］。 对于模型的预测效果,我们可以通过偏差残差图散点的分布情况和正态性来判断。 1. 3统计分析用1985 - 2005年的数据进行拟合模型,再对2006年进行预测。所有的统计分析和统计图均利用STATA 11. 0完成,负二项回归连接函数用对数函数［4］,检验水准 α =0. 05。 2 资料的聚集方向poisson回归回归数据主要考 1985 - 2005年安徽省某市共报告猩红热病例1 546例。从表1中看出: 发病人数最多的是2005年( 172例) ,最少的是1987年( 19例) ,发病率每年的变化较大,没有明显的流行规律。表2描述了五项气象因素的中位数和四分位数间距等指标。 对患病人数做正态性检验,W = 0. 85,P 0. 001,患病人数不符合正态分布,还有13个0计数的个案,用传统的线性回归的方法不合适。并且发病人数的s和ue0af分别是29. 57和6. 21,数据存在一定的聚集趋向,提示数据可能不符合Poisson回归。 以猩红热每年每月的患病人数作为结局变量,调查人数作为偏移变量,拟合逐步负二项回归模型,见表3。( 选入变量的检验水准 α≤0. 05,剔除变量的检验水准 α≥0. 06) 。 对负二项回归模型进行似然比 χ2检验,χ2= 38. 43,P 0. 001,说明气象因素对猩红热的发病率有影响。资料的超离散 κ = 0. 41( 95% CI: 0. 32 ~ 0. 53) ,进行似然比 χ2检验,χ2= 306. 42,P 0. 001,说明资料拟合负二项回归比Poisson回归适合。根据分析结果得出回归方程: Log( λ) = 40. 42- 0. 04* 月平均相对湿度-0. 05* 月平均气压- 0. 05* 月平均最低气温。可见,月平均相对湿度,月平均气压,月平均最低气温是主要的影响气象因素。然后运用此模型对发病人数做预测,从图1猩红热的预测人数与实际的发病人数基本的趋势是一致的。对残差值进行正态性检验,W = 0. 99,P = 0. 056,符合正态分布,可以认为此模型拟合的数据较好。从图2中的负二项回归的Deviance残差图［5］中,Deviance残差值落有98. 41%( 248/252) 落在( -2,+2) 区间内,且不带有任何系统趋势、完全随机地分布在该带状之中,说明采用的回归方程对样本数据的拟合是良好的［6］。 对2006年各个月份的发病率做预测( 表4) ,经Wilcoxon符号秩和检验( Z =0. 24,P = 0. 814) ,表明预测值与实际值之间差异无统计学意义,提示预测效果比较理想。 3 使用线性回归时可能存在的问题 国内有学者已经关注到疾病的发生与气象因素存在一定的关系［7-10］,并做了大量的研究工作,取得了一定的成果。对本次研究猩红热的发生与气象因素的关系起到了一定的借鉴作用。以前的研究者在研究猩红热与气象因素关系时多用相关或者线性回归的方法［7，8］。由于猩红热是法定的乙类传染病, 在使用线性回归时可能存在如下问题,线性回归模型的预测值可能是负数,取值是0的个案难以转化或者回归模型的残差项可能不是同方差等［7］。本文研究表明负二项回归模型是比较适合的模型,研究结果与其他略有差别［5，6］,例如,