深圳市龙岗区大气污染物与医院呼吸系统疾病门诊量的广义相加模型分析

目的 探讨深圳市龙岗区主要大气污染物(SO₂、NO₂、PM₁₀与PM_2.5)与医院呼吸系统疾病门诊量的关系。 方法 收集2013年1月1日－2015年12月31日深圳市龙岗区2家公立医院呼吸系统疾病逐日门诊量资料,深圳市龙岗区逐日大气污染物浓度及逐日气象资料分别来自深圳市环境监测站及气象局,运用时间序列分析广义相加模型对大气污染物日均浓度与呼吸系统疾病门诊量的关系及滞后效应进行分析。 结果 深圳市龙岗区2013－2015年SO₂ 、NO₂ 、PM₁₀ 与PM_2.5浓度中位数分别为8.08、38.08、46.05 μg/m³及31.04 μg/m³。2家医院三年呼吸系统门诊总量为549 169人次,日门诊量中位数为499人次/d。广义相加模型分析结果表明,除NO₂对呼吸系统疾病门诊量影响差异无统计学意义外,其余三种污染物对呼吸系统疾病门诊量影响均存在滞后效应,污染物每升高10 μg/m³,滞后2 d时SO₂对门诊量影响最强(相对危险度RR为1.030 7,95%CI:1.015 7~1.045 9),滞后3 d时PM₁₀与PM_2.5浓度对呼吸系统疾病门诊量影响最强(PM₁₀:RR=1.005 4,95%CI:1.002 8~1.008 0,PM_2.5:RR=1.006 0, 95%CI:1.002 7~1.009 4)。 结论 深圳市龙岗区大气SO₂、PM₁₀与PM_2.5浓度对医院呼吸系统疾病门诊量影响存在滞后效应。     

淮安市城区大气污染与呼吸系统疾病门诊量的时间序列分析

目的 探讨淮安市城区大气污染物对日呼吸系统疾病发生的急性影响,为呼吸系统疾病的早期预防提供科学依据。方法 收集淮安地区2015全年气象,环保及城区部分医疗机构呼吸系统疾病门诊量数据,采用Poisson分布广义相加模型(GAM)分析主要大气污染物(PM2.5、PM10、SO2、NO2)与呼吸系统疾病门诊量的关系。结果 (1)Spearman等级相关分析发现PM2.5、PM10、SO2和NO2与日呼吸系统疾病门诊量发生成正相关(P<0.01);(2)单污染物模型分析显示:PM2.5、NO2对日呼吸系统疾病门诊量的影响效应均在当日达到最大值,PM10、SO2对日呼吸系统疾病门诊量的影响效应分别在滞后第4天、滞后第3天达到最大值,且日浓度每升高10 μg/m3,对呼吸系统门诊量风险增加分别为0.26%(0.076%~0.44%),2.90%(2.20%~3.60%),0.26%(0.15%~0.38%)和2.40%(1.80%~3.00%);(3)多污染物模型分析显示:SO2与NO2在引入其他污染物时对日呼吸系统疾病门诊量影响均有所下降,且均具有统计学意义。结论 淮安市城区大气污染物(PM2.5、PM10、SO2、NO2)与呼吸系统疾病门诊量密切相关,并且SO2、NO2浓度增加更易增加呼吸系统疾病的发病风险。     

深圳市大气PM_(10)浓度对呼吸系统疾病日门诊量的影响

目的探讨大气PM10对医院呼吸系统疾病日门诊量的影响。方法采用广义相加Poisson回归模型的时间序列分析,在控制长期趋势、星期几效应、气象和环境因素等的影响后,对深圳市2008年大气PM10日均浓度与同期某医院呼吸系统疾病日门诊量的关系进行定量回归分析,同时考虑滞后效应。结果当日大气PM10浓度与当日门诊量的关系无统计学意义(P>0.05)。PM10滞后效应以滞后5日的健康效应最强,每上升10μg/m3,超额危险度为1.113%(95%CI 0.613%～1.616%)。考虑CO、NO2、SO2等的影响后,除单独引入CO降低PM10效应估计值外,其余均使PM10的健康效应估计值有所升高。结论深圳市大气PM10污染与医院呼吸系统疾病日门诊量存在正相关。     

北京市丰台区大气PM10与呼吸系统疾病门诊量关系的研究

目的探讨北京市丰台区大气PM10对人群呼吸系统疾病日门诊量的影响。方法采用广义相加Poisson回归模型的时间序列研究,在控制门诊量的长期趋势、星期几效应、气象因素等混杂因素的影响后,分析北京市丰台区2010年1月1日-12月31日大气PM10浓度与呼吸系统疾病日门诊量之间的关系。结果大气PM10浓度每增加10μg／m^3,呼吸系统疾病门诊量平均增加0．7％（95％CI：0．6％～0．8％）。结论北京市丰台区大气PM10浓度与居民呼吸系统疾病门诊量之间存在正相关。     

兰州市大气PM10与呼吸系统疾病入院人数的时间序列研究

目的定量评价兰州市大气PM10对居民呼吸系统疾病每日入院人数的影响。方法采用时间序列的半参数广义相加模型(GAM),在控制了长期趋势、"星期几效应"及气象因子等混杂因素的影响后,分析2001—2005年兰州市PM10与呼吸系统疾病日入院人数的暴露-反应关系,并按性别和年龄层建立模型。结果不同人群的呼吸系统疾病日入院人数相对危险度(RR)在最佳滞后天数(第4天)均有统计学意义。单污染模型中,当PM10日均浓度每升高1个四分位间距(IQR)时,总人群、男性和女性人群、老年人群(年龄≥65岁)、年龄65岁人群日入院人数分别增加2.4%,2.5%,2.9%,3.5%,2.5%。结论 PM10浓度升高会引起呼吸系统疾病入院人数的增加,且均表现为滞后影响,而老年人群(年龄≥65岁)和女性人群对PM10浓度升高更敏感。     

空气污染物对呼吸系统疾病门诊量影响的时间序列分析

目的 了解空气中PM2.5、PM10、SO2、NO2污染物每日质量浓度和气温、湿度与呼吸系统疾病门诊量的关联性,以评估4种污染物对呼吸系统疾病发病的影响.方法 收集宿迁市2018年空气污染物浓度数据、气象数据和医院呼吸系统疾病门诊量数据并整理成时间序列,建立泊松分布广义相加模型,以分析污染物浓度和逐日呼吸系统疾病门诊量...     

大气污染与呼吸系统疾病日门诊量的时间序列分析

目的 探讨大气污染对医院呼吸系统疾病日门诊量的影响.方法 收集广州市某医院2006年1月1日-2008年12月31日呼吸系统疾病日门诊量的统计资料,结合同时期环境监测和气象资料,采用自回归模型(auto-regressionmodel),在消除了气象、季节等混杂冈素的基础上,分析了广州市研究期问大气污染与呼吸系统疾病日门诊量的关系.结果 呼吸系统疾病日门诊的就诊量具有明显的星期效应(医院周六、周日休息所致),呼吸系统疾病就诊量较大月份与各污染物浓度较高的月份趋于一致.大气中SO_2和NO_2的浓度每增加10μg/m~3居民呼吸系统疾病的日门诊就诊最分别各增加3%(P<0.01).灰霾天气的窄气污染物浓度高于非灰霾天气.结论 广州市大气主要污染物SO_2和NO_2浓度的升高引起居民呼吸系统疾病的日门诊就诊量相应增加.

Abstract：

Objective To know the relationship between air pollutants and daily hospital visits for respiratory diseases in Guangzhou. Methods The data of daily hospital visits for respiratory diseases in a hospital in Guangzhou during 2006 to 2008, along with the daily meteorological factors, air pollutants concentration (NO_2, PM10.FM2.5 and SO_2) were collected. The time series analysis auto-regression model was used, considering the potential confounding factors such as seasonal and meteorological factors. Results Daily hospital visits for respiratory diseases presented a significant week effect, the time of higher daily hospital visits for respiratory diseases was the same of higher concentration of pollutants. When SO_2 and NO_2 increased by 10 μg/m~3, the daily hospital visits increased by 3%(P<0.01). The concentration of pollutants in haze days was higher than that in non-haze days. Conclusion Increase in daily hospital visits for respiratory diseases in Guangzhou can be caused by air pollutant level increasing.     

广州市越秀区大气NO2污染与儿童呼吸系统疾病门诊量的时间序列分析

目的探讨广州市越秀区大气NO_(2)对儿童呼吸系统疾病门诊量的影响。方法收集2014—2016年大气污染物NO_(2)数据、气象资料和越秀区某儿童医院呼吸系统疾病门诊量资料。采用Spearman秩相关分析和广义相加模型时间序列分析研究大气NO_(2)浓度与同期儿童呼吸系统疾病门诊量的关系和滞后效应。结果2014—2016年越秀区大气NO_(2)浓度年均值分别为61.30、60.46和60.81μg/m^(3),超标天数分别为70、64和62 d。时间序列分析结果表明,大气NO_(2)浓度对呼吸系统疾病门诊量第(0~7)d有明显影响,当天(lag0 d)的影响最大,超额危险度ER(95%CI)为1.45%(0.93%~1.98%);累积滞后(0~6)d(lag06 d)时累积效应最强,超额危险度ER(95%CI)为3.07%(2.04%~4.10%)。结论2014—2016年广州市越秀区NO_(2)浓度增加会导致呼吸系统疾病门诊量增加。     

2019—2021年浙江省嘉兴市大气颗粒物与呼吸系统疾病门诊量关系的时间序列分析

【目的】探讨浙江省嘉兴市大气颗粒物(PM)与呼吸系统疾病门诊量的关系。【方法】收集嘉兴市2019—2021年逐日大气污染物、气象和呼吸系统疾病门诊量资料。采用广义相加模型(GAM),控制长期趋势、星期几效应、节假日效应和气象因素等混杂因素,分析PM含量与呼吸系统疾病门诊量的关系及滞后效应。【结果】PM_2.5、PM₁₀、臭氧(O₃)和二氧化氮(NO₂)存在日均浓度超标情况,超标天数占比分别为3.4%、1.3%、11.0%和0.8%。PM_2.5每增加10μg·m^-3,呼吸系统疾病门诊总量、成人和儿童呼吸系统疾病门诊量效应值均在lag07时达到最大,超额风险ER(95%CI)分别为2.29%(1.35%～3.24%)、2.31%(1.39%～3.23%)和2.65%(1.36%～3.96%);PM₁₀每升高10μg·m^-3,呼吸系统疾病门诊总量、成人和儿童门诊量效应值分别在lag07、lag06、lag07时达到最大,...     

兰州市大气气态污染物与呼吸系统疾病日入院人数的时间序列分析

目的探讨兰州市大气气态污染物NO2和SO2对呼吸系统疾病住院的健康效应。方法采用时间序列的半参数广义相加模型(GAM),在控制了时间的长期趋势、"星期几效应"及气象因子等混杂因素的影响后,分析2001-2005年兰州市大气NO2和SO2浓度与呼吸系统疾病入院人数的暴露-反应关系。结果大气NO2和SO2浓度对呼吸系统疾病入院人数具有不同程度的影响。单污染物模型中,NO2和SO2分别以滞后1天和0天对呼吸系统健康的影响最强。滞后1天NO2和无滞后SO2浓度增加一个四分位数间距时,呼吸系统疾病入院人数增加的相对危险度分别为:1.060(95%CI 1.046～1.074)和1.048(95%CI 1.031～1.065);女性和老年人为易感人群;2种污染物在秋冬季的作用比春夏季更明显。结论兰州市大气NO2和SO2浓度对呼吸系统疾病的日入院人数有影响。     

我国PM2.5污染与儿童呼吸系统疾病门诊量关系的Meta分析

目的 探究我国PM2.5污染与儿童呼吸系统疾病门诊量的暴露反应关系。方法 通过搜集并整理国内外数据库中2010—2020年发表的我国PM2.5浓度变化与儿童呼吸系统疾病门诊量的相关文献,运用Stata 11.0软件进行meta分析。结果 共纳入21篇文献,22组数据。我国PM2.5质量浓度每升高10 μg/m3,儿童呼吸系统疾病门诊量的相对危险度RR为1.003（95%CI:1.003,1.004）,发表偏倚校正后的RR为1.002（95%CI:1.002,1.003）。结论 我国PM2.5污染与儿童呼吸系统疾病的门诊量之间呈正相关。     

合肥市大气PM2.5污染与居民呼吸系统疾病住院量的关系

目的 探讨合肥市大气PM2.5暴露对居民呼吸系统疾病住院量的影响.方法 收集合肥市2019年逐日大气污染物监测资料、气象资料及呼吸系统疾病住院资料.采用基于Poisson分布的GAM模型,评估PM2.5暴露对居民呼吸系统疾病住院量的影响.计算PM2.5浓度每升高10 μg/m3,居民呼吸系统疾病住院量增加的超额风险(E...     

大气污染物与呼吸系统疾病急诊就诊关系的病例交叉研究

目的 分析大气污染急性暴露对呼吸系统疾病急诊人次的影响.方法 收集2004年1月1日至2005年12月31日北京大学第三医院急诊科呼吸系统疾病急诊资料和北京市环境监测中心大气污染物数据,应用时间分层的病例交叉设计研究方法进行数据分析,同时比较单向回顾性对照设计和双向对照设计研究结果的差异.结果 在调整气象因素并采用单向回顾性(多污染物)模型中,无滞后大气可吸入颗粒物(PM10)、二氧化硫(SO2)、滞后2 d二氧化氮(NO2)日平均浓度每增加10 μg/m3,呼吸系统疾病总急诊的OR值(95%CI)分别为1.010(1.005～1.014)、1.010(1.001～1.018)、0.996(0.983～1.009);双向对称性(多污染物)模型中,其相应OR值(95%CI)分别为1.002(0.998～1.005)、1.011(1.003～1.018)、1.012(1.001～1.022).采用不同对照选择方案,病例交叉设计的研究结果有变化.结论 区域内大气污染物暴露对居民呼吸系统疾病急诊人次有急性效应.     

青岛市市南区1959～2000年病毒性肝炎流行特征分析

为全面了解病毒性肝炎的发病情况及其流行规律 ,为制订防制措施提供依据 ,现将青岛市市南区 4 2年来的病毒性肝炎疫情资料分析如下。1.流行概况 :本区自 195 9年有疫情记载以来至 2 0 0 0年病毒性肝炎累计发病 2 170 2例 ,死亡 11例 ,病死率为 0 .0 5 %。4 2年平均发病率为 196 .86 / 10万 ,发病率波动在 2 7.0 2 /10万～ 6 5 2 .94 / 10万 ,其中 196 0年发病率最高 ,为 6 5 2 .94 /10万 ;2 0 0 0年最低 ,为 2 7.0 2 / 10万 ,进入 1989年以来未发生死亡病例。肝炎发病位次由 2 0世纪 70年代至 90年代初的第 2位 ,逐步下降至 1999～ 2 0 0 0…     

不同季节PM_(10)与呼吸系统疾病暴露-反应关系研究

目的研究兰州地区不同季节主要污染物对人体健康的影响。方法收集2001年1月1日至2005年12月31日兰州市四所大型综合医院呼吸系统疾病逐日住院病例数据、兰州市三种主要大气污染物(PM_(10)、SO2、NO2)日均浓度数据、兰州市逐日地面气象资料,利用半参数广义相加模型(GAM)分析了2001—2005年兰州市四个季节PM_(10)与呼吸系统疾病日住院人次的暴露-反应关系,并建立了单污染物模型和多污染物模型。结果单污染模型中,区分季节,PM_(10)浓度每增加一个IQR,呼吸系统疾病不同人群住院人次相对危险度(RR)依次为:春季≥65岁的老年人群RR最高,为1.053(95%CI:1.000~1.109),对应的最佳滞后时间为lag0;夏季男性人群RR最高,为1.032(95%CI:0.998~1.066),对应的最佳滞后时间为lag0;秋季65岁的人群RR最高,为1.779(95%CI:1.026~3.088),对应的最佳滞后时间为lag3;冬季女性人群RR最高,为1.097(95%CI:1.062~1.134),对应的最佳滞后时间为lag4。当GAM模型中引入SO2和NO2后,不同人群PM_(10)每增加1个IQR,呼吸系统疾病住院人次的危险度有所下降,且以女性人群和≥65岁的人群对气态污染物更加敏感。结论不同季节PM_(10)浓度增加致呼吸系统疾病住院人次增加,尤其是女性和≥65岁人群。     

2015-2017年广州市番禺区大气PM2.5污染对某医院儿童呼吸系统疾病门诊量的影响

目的 探讨广州市番禺区大气PM_2.5对儿童呼吸系统疾病门诊量的影响。方法 通过医院信息系统收集广州市番禺区某医院2015—2017年儿科呼吸系统疾病日门诊量资料,同时通过广州市环保局收集同期环保资料,通过中国气象数据网收集同期气象资料,采用Spearman相关分析、时间序列广义相加模型（GAM）分析大气PM_2.5浓度与同期医院儿科呼吸系统疾病门诊就诊量的关系。结果 Spearman相关分析结果显示,儿科呼吸系统疾病门诊量与PM_2.5浓度呈正相关（r=0.16, P<0.05）。时间序列分析结果显示,儿科呼吸系统疾病门诊量在滞后3~5 d均有显著性增加效应（P<0.05）,滞后第4天PM_2.5浓度对呼吸系统疾病门诊量的影响最强,PM_2.5浓度每增加10 μg/m³,呼吸系统疾病门诊量增加0.72%（95%CI：0.22%~1.23%）。结论 2015—2017年广州市番禺区大气PM_2.5污染对儿童呼吸系统疾病门诊量有显著影响,且存在滞后效应,PM_2.5浓度增加会导致儿童呼吸系统疾病门诊量增加。     

济南市空气污染对呼吸系统疾病门诊量的影响

目的探讨空气污染对济南市某医院呼吸系统疾病的短期影响及在人群中的差异。方法收集济南市某医院2010年1月1日至2012年12月31日呼吸系统疾病门诊资料、同期气象及空气污染数据,采用分布滞后非线性模型和温度分层等方法研究空气污染的滞后效应及其与气温的交互作用。结果空气污染当日即可引起呼吸系统门诊量升高,且效应可持续18 d;空气污染指数每升高10时,14 d累积效应可使呼吸系统门诊量增加4.26%(95%CI:1.89%~6.69%);将日最高气温按照P10和P90分为低、中、高3个水平后,空气污染指数每升高10可使呼吸系统疾病门诊量分别增加0.24%(95%CI:-4.65%~5.39%),2.54%(95%CI:0.55%~4.57%)和11.24%(95%CI:4.69%~18.20%),其中高温与空气污染的交互作用有统计学意义(P0.05),且在0~14岁人群中效应更明显。结论空气污染加重会导致呼吸系统疾病门诊人数升高且持续时间较长,并与高温有交互作用。提示高温天气时更应加强对空气污染的防护,尤其应关注儿童等脆弱人群。     

利用综合医院门诊病例数据开展呼吸道疾病症候群监测的探讨

目的 了解综合医院门诊呼吸道症候群信息的来源与构成,描述不同呼吸道症候群的分布特征与相互关系;探讨呼吸道症候群数据应用于呼吸道疾病暴发、流行预警监测的可行性.方法 回顾性调查广州市某综合医院的信息系统(HIS)资料,对门诊病例信息进行症候群分类;比较不同呼吸道症候群数据的时间分布,选择与流感样病例(ILI)有相似趋势的数据,通过交叉相关分析探讨其应用于呼吸道疾病预警监测的意义.结果 门诊主要呼吸道症候群包括上呼吸道感染(51.20%)、气管/支气管感染(18.80%)、哮喘(17.52%)等,肺部感染仅占2.26%.上呼吸道感染、气管/支气管炎、肺部感染、咳嗽、哮喘等症候群以及门诊X线检查例数、肺炎/急性呼吸窘迫综合征(ARDS)表现病例数的时间分布趋势类似,均存在两个季节高峰.对1～28周数据进行时间交叉相关分析,显示肺部感染与前移4周的ILI相关性最佳(r=0.739,P＜0.01),上呼吸道感染与前移5周的ILI相关性最佳(r=0.714,P＜0.01);X线检查例数及肺炎/ARDS表现病例数均与前移1周的ILI相关性最佳(r=0.858,P＜0.001;r=0.821,P＜0.001).结论 HIS中的门诊病例信息可应用于流感等呼吸道传染病的症候群预警监测.门诊肺部感染数据具有良好的特异性与及时性,可作为首选预警症候群资料;上呼吸道感染、咳嗽数据的意义次之;X线检查及肺炎/ARDS表现病例数据的监测及时性稍差,但特异性较好,可辅助预警监测.