排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
本文综合探究了日平均气温、24h变温和气温日较差变化对缺血性心脑血管疾病发病人数的影响,采用分布滞后非线性模型(DLNM)与广义相加模型(GAM),分别探析了2015—2016年安徽省阜南县和贵州省锦屏县日平均气温、24h变温和气温日较差与缺血性心脑血管住院病人数的暴露—反应关系。结果表明:气温日较差大于15℃缺血性心脑血管疾病相对风险剧烈升高,并呈现明显的即时效应,且其相对风险随滞后日增加和气温日较差增加达到叠加效应的峰值。当24h内气温下降7℃以上,缺血性心脑血管疾病相对风险开始明显上升,下降10℃以上呈现显著的即时效应。统计分析发现,两县在春季达到上述阈值概率最高,因此缺血性心脑血管疾病住院人数也在春季达到峰值,特别是雨水至清明节气时段为两县住院人数共同最高峰时段;值得注意的是,地处西部的锦屏县夏季缺血性心脑血管疾病发病人数也较多。此外,降温过程与节气转换也是导致两县缺血性心脑血管疾病住院人数阶段性增多的主要天气与气候因素。 相似文献
2.
利用2009-2012年北京市467例中暑病例与同期9个气象要素资料和当日及前期1-4 d累积平均气象要素共45个气象因子,采用相关分析法分析北京夏季中暑发病人数与气象因子之间的关系|采用多元线性回归和非线性拟合方法构建了改进的北京中暑气象预报模型,选取拟合优度较好的模型对中暑人数进行回代及预测检验,并与现用模型进行对比。结果表明：气温是引发北京夏季中暑的决定性因子|气温、水汽压、气压及降水的两日累积效应均高于当日效应,表明气象要素的连续累积作用对人体中暑影响较大|建立的中暑预报模型具有较好的历史拟合及预测效果,中暑等级划分较合理,对北京市中暑气象等级预报服务和公众有效防范中暑有实际的指导意义。 相似文献
3.
基于2008—2012年北京市4家三甲医院的脑卒中疾病急诊就诊资料及同期气象观测资料和环境监测资料,筛选气象和环境预报因子,采用广义相加(Generalized Additive Model,GAM)、逐步回归、BP(Back Propagation)神经网络及决策树4种方法编辑数据训练集(2008—2011年)和验证集(2012年)输入模型,建立北京市脑卒中疾病预报模型,计算各模型的拟合优度和预报准确率,对比分析脑卒中疾病各预报模型并确定最优预报方法。结果表明:北京市四季脑卒中疾病不同模型选取的预报因子不同,其中时间序列为重要的预报因子。GAM模型对高等级脑卒中疾病的预报效果最好,逐步回归模型对中间等级脑卒中疾病的预报效果最好,决策树模型对低等级脑卒中疾病的预报效果最好。4种脑卒中疾病预报模型四季平均的预报准确率依次为:GAM神经网络模型逐步回归模型决策树。GAM模型脑卒中疾病的平均和高等级预报准确率均为最高,其中出血性脑卒中预报模型的完全预报准确率为68.3%,预报误差≤±1级的准确率达98.0%,可以满足天气变化对出血性脑卒中疾病预报预警的业务需求。 相似文献
1