一、季节变化与呼吸系统疾病发病关系的分析（论文文献综述）
周易[1]（2021）在《南京市PM2.5空气污染对呼吸系统疾病的可能效应分析》文中指出随着我国工业化与城镇化的加速推进,PM2.5污染问题越来越突出,对居民生活质量造成了严重影响,近年来已成为社会各界关注的焦点问题。本文以江苏省南京市为研究对象,使用空气污染数据、健康数据、气象数据、社会经济数据和人口数据等,对我国和南京市的PM2.5时空分布特征进行研究,探讨了空气污染因子与呼吸系统疾病的关联性,研究了PM2.5污染和呼吸系统疾病门诊量的滞后关系,通过训练深度学习模型对南京市日呼吸系统门诊量进行了模拟,并对2021-2035年南京市呼吸系统疾病门诊量进行预估,分析了PM2.5污染的影响因素。研究结果为合理调配医疗资源、有效治理空气污染、科学制定相关政策法规提供决策依据。主要结论如下:（1）解析了我国、江苏省和南京市PM2.5时空变化特征。我国PM2.5污染严重区域为华北平原、长江中下游平原、四川盆地、柴达木盆地、天山山脉、河西走廊、河套平原等地区。从2000年至2018年,我国绝大部分人口稠密区经历了一次PM2.5污染加重后减轻的过程,2014年后我国PM2.5污染区域总体上呈现出范围减小、强度减弱的趋势。江苏省的PM2.5污染空间上呈现出内陆地区高于沿海地区,北部地区高于南部地区的分布特征,徐州市和苏南地区是2个污染中心。2014年后江苏省PM2.5污染改善明显,尤其是苏南污染中心的改善最为显着。人为活动是导致江苏PM2.5污染的主导因素,气象要素的影响非常小。在人为影响因素中,社会进步、能源利用和交通运输是三个主要影响因素。2000年至2014年,南京市PM2.5总体上呈现出南部高于北部、主城区高于郊区的分布特征,主城区和南部的高淳区是两个污染中心。2014年后南京市PM2.5改善明显,尤其是南部地区和主城区PM2.5污染状况改善最为显着。南京市PM2.5污染浓度有着显着的季节效应,冬季、春初和秋末PM2.5污染较重,夏季和秋初污染较轻;一年12个月中PM2.5污染浓度呈U形分布,1月和12月PM2.5浓度最高,8月最低;一天24小时中,PM2.5浓度峰值主要出现在上午8-9时和夜晚21-23时。（2）确定了PM2.5是引起南京市呼吸系统疾病关联度最大的空气污染因素,PM2.5污染对于南京市因呼吸系统疾病死亡有着约2-8年的滞后期。（3）南京市日均PM2.5浓度每提高10μg/m3会使得居民患上呼吸系统疾病风险增加0.11倍,绝大多数患者会在PM2.5污染出现2至4天后因呼吸系统疾病前往医院就诊。男性因PM2.5污染患上呼吸系统疾病风险高于女性;0-14岁儿童因PM2.5污染患上呼吸系统疾病风险最高,较低浓度的PM2.5也会导致儿童患上呼吸系统疾病;其次是65岁以上老人,15至64岁的人群风险最小。（4）未来PM2.5浓度降低可显着减少呼吸系统疾病门诊的预估量。构建的LSTM（Long Short-Term Memory,长短期记忆人工神经网络）模型对于2015年南京市某三级甲等医院日呼吸系统疾病门诊数据有着较好的模拟效果。对全部呼吸系统疾病模拟的R2为0.7319。对2021-2035年南京市某三级甲等医院呼吸系统疾病门诊量的预估结果显示,降低PM2.5浓度可以减少呼吸系统疾病门诊量,不同情景下在2035年全部呼吸系统疾病门诊量的预估量最多的为SSP3-7.0,约为8.4万,最少的是SSP4-3.4,约为6.6万。
韩玲[2]（2021）在《霾天气对北京市居民呼吸及循环系统疾病死亡风险的影响》文中指出中医学“天人合一”的学术思想注重自然环境对人体生命的影响,五运六气学说（以下简称运气学说）是“天人合一”思想的高度体现,在中医学理论体系中占据重要地位。如何将“天人合一”思想以现代科学方法进行阐释与应用,是我们面临的重要课题。近年来,我国霾天气频发,以细颗粒物（PM2.5）污染为主要特征的区域性大气环境污染问题日益突出,严重损害居民健康,为新时代“天人合一”理论的重要研究命题。本研究基于北京市气象数据、大气污染物数据及健康数据,深入研究霾天气和气象条件对北京市居民呼吸系统及循环系统疾病死亡风险的影响,对“天人合一”理论以及运气学说之气象对生命活动的影响进行现代科学背景下的研究与探讨。1研究目的（1）探究《黄帝内经》（以下简称《内经》）中对雾霾含义、形成原因以及雾霾对人体健康影响的认识;（2）以能见度作为霾天气发生的指征,研究霾天气对北京市居民呼吸系统及循环系统疾病死亡风险的影响,并探讨霾天气对死亡风险的影响在不同能见度水平、不同年龄组人群、不同性别人群及在不同季节的差异;（3）研究气温与霾天气对呼吸系统及循环系统疾病死亡风险的综合影响。2数据与研究方法（1）数据来源:2006年至2016年北京地区气象数据和大气能见度数据来源于北京市气象局;2006年至2016年北京市居民呼吸系统及循环系统疾病日死亡人数数据来源于中国疾病预防控制中心;不同时段的北京市PM2.5浓度数据分别来源于北京市气象局、美国大使馆和北京市生态环境局（http://sthjj.beijing.gov.cn/）。（2）研究方法:采用广义相加模型建立霾天气与呼吸及循环系统疾病死亡风险的暴露-反应关系,并对霾天气进行分级,探究轻微霾对死亡风险的影响;将总人群按照年龄和性别分组,研究年龄和性别在霾天气对死亡风险影响中的修饰作用;按季节进行分层,研究霾天气对死亡风险影响的季节差异;此外,分两部分内容研究气温和霾天气对死亡风险的综合影响,一是采用二元响应模型和温度分层模型,研究在不同气温分层下霾天气对死亡风险的影响,从而量化评估气温与霾天气对死亡风险的协同影响;二是将大气稳定度划分为扰动、正常、静稳三种状态,采用归因人数和归因分值两个指标,量化评估在不同大气稳定状态下,由气温和PM2.5造成的呼吸及循环系统疾病的死亡风险。3 研究结果（1）《内经》时期的雾霾可划分为静稳型雾霾和沙尘型雾霾,当时已经认识到,雾霾的发生可以造成视程障碍,因此以能见度的降低作为雾霾发生的标志,这一认识也沿用至今,这是可以采用能见度来研究霾天气对人群健康影响的理论基础;《内经》中关于雾霾天气对健康影响的认识是侧重于从形成雾霾天气的气象条件对健康影响的角度阐释的。（2）能见度的降低可引起北京市居民呼吸及循环系统疾病死亡风险的增加。在单日滞后模式中,能见度每下降1km可引起呼吸系统疾病和循环系统疾病死亡人数分别增加 0.78%（95%CI:0.62-0.95）和 0.54%（95%CI:0.45-0.61）;在累积滞后模型中,能见度每下降1km可引起呼吸系统疾病和循环系统疾病死亡人数分别增加0.85%（95%CI:0.67-1.03）和 0.53%（95%CI:0.44-0.61）。（3）能见度分层结果表明,即使在轻微霾下,能见度的降低也可以增加呼吸及循环系统疾病的死亡风险。（4）性别分层结果表明,能见度对呼吸及循环系统疾病不同性别人群死亡风险的影响无显着性差异;年龄分层结果表明,能见度对循环系统疾病老年人群（≥65岁）死亡风险的影响更大。（5）季节分层结果表明,能见度对呼吸及循环系统疾病死亡风险的影响具有明显的季节差异,在冬季的风险最大,这种季节差异反映了污染物排放和不利于污染物扩散的气象条件的季节差异。（6）颗粒物（尤其是PM2.5）不仅是影响能见度的关键因素,也是能见度可影响居民死亡的实质因素。（7）气温与能见度对北京市居民呼吸及循环系统疾病的死亡风险具有协同影响,当低温和低能见度同时存在时,能见度对死亡风险的影响较大。（8）2009年3月1日至2016年12月31日,由气温和PM2.5造成的北京市居民呼吸系统和循环系统疾病死亡的归因分值分别为23.76%（95%CI:18.96-28.38）和17.54%（95%CI:15.22-19.81）,其中,由低温造成的归因风险最大,PM2.5次之,高温造成的归因风险最小。气温与PM2.5对死亡风险的综合影响在不同大气稳定状态下不同,其中,在大气静稳状态下,二者对死亡风险的综合影响最大,大气扰动状态下次之,而大气正常状态下的环境条件相对有利于居民健康。4研究结论（1）《内经》时期已经认识到,雾霾的发生可以造成视程障碍,因此以能见度的降低作为雾霾发生的标志。气象条件是雾霾形成的客观因素,后世对易导致雾霾形成的气象条件的认识与《内经》中的认识一脉相承。（2）以能见度表征的霾天气可以增加北京市居民呼吸及循环系统疾病的死亡风险,能见度水平、年龄、季节、气温可以修饰霾天气对死亡风险的影响。在没有或缺乏颗粒物浓度监测的时段和地区,尤其是中低收入国家,以能见度作为备用指标,开展霾天气对人的健康影响评估具有应用价值。（3）全面解读霾天气对人的健康影响,不仅需要研究霾本身的影响,也要重视和考虑形成霾天气的气象条件的影响,这是中医学“天人合一”观以及《内经》运气学说所蕴涵的丰富的医疗气象学思想对当代开展大气污染对人体健康影响研究的启示意义所在。
刘卫林[3]（2021）在《高龄老年住院患者死因构成比及特征回顾性分析》文中研究表明目的:研究高龄老年住院患者的死亡原因疾病谱并对其特征进行分析,为临床高龄老年患者的预防保健提供参考依据。方法:选取吉林大学第一医院干部病房20122016年住院死亡的离退休高龄老年患者485例,查阅所有死亡患者的住院临床病历资料,排除资料不全患者共6例,最终纳入研究479例,其中男性390例,女性89例。按年龄分为8085岁组、8690岁组、9195岁组和≥96岁组。采用SPSS23.0统计软件进行数据分析,计数资料以例数n（%）进行描述,组间差异用c2检验;计量资料采用均数±标准差（`x±s）描述,两组间采用t检验进行比较,P<0.05时表示差异有统计学意义。结果:1.死亡患者年龄、性别分布:本研究入组患者平均年龄87.03±4.046岁,其中8085岁175例（36.5%）;8690岁219例（45.7%）;9195岁67例（14.0%）;≥96岁18例（3.8%）;男性390例,占81.4%,平均死亡年龄87.3±4.018岁;女性89例,占18.6%,平均死亡年龄86.0±4.028岁。2.死亡原因分布情况:前三位死因分别为恶性肿瘤172例（35.9%）、呼吸系统疾病140例（29.0%）、心血管疾病86例（17.7%）,前三类死因占总死亡人数的82.7%。其次依次为脑血管疾病46例（9.6%）、消化系统疾病17例（3.8%）、泌尿系统疾病9例（1.9%）和血液系统疾病4例（0.8%）,其他原因死亡5例（1.3%）。恶性肿瘤死因前三位分别是肺癌52例（30.2%）、胃癌22例（12.8%）和结肠癌21例（12.2%）,恶性肿瘤前三位死因累计百分比为55.2%。呼吸系统疾病最主要死因是肺部感染,占呼吸系统疾病死亡人数的90.7%（127/140）,其次是慢阻肺急性加重9例（6.4%）、肺栓塞3例（2.1%）、呼吸衰竭1例（0.7%）。在所有病例中,有434例（90.6%）患有心血管疾病,最终因心血管疾病死亡的患者有86例,前三位死因顺位为:心力衰竭64例（74.4%）、急性心肌梗死16例（18.6%）、冠心病（不包括急性心肌梗死）3例（3.5%）。3.不同性别死亡原因分布情况:死亡的男性患者中,前三位死亡原因分别是恶性肿瘤143例（36.7%）、呼吸系统疾病117例（30.0%）、心血管疾病65例（16.7%）;女性患者中,前三位死因顺位为恶性肿瘤29例（32.6%）、呼吸系统疾病23例（25.8%）和心血管疾病21例（23.6%）。不同性别前三位死因跟总体死亡原因构成一致。4.各年龄段死亡原因分析结果显示:8085岁组患者死亡原因前三位依次为恶性肿瘤70例（40.0%）、心血管疾病38例（21.7%）、呼吸系统疾病37例（21.1%）;8690岁组患者死亡原因排在前三位的依次是恶性肿瘤76例（34.7%）、呼吸系统疾病68例（31.1%）、心血管疾病35例（16%）;9195岁组患者前三位死因顺位为呼吸系统疾病28例（41.8%）、恶性肿瘤20例（29.9%）和心血管疾病35例（16.4%）;≥96岁组患者死亡原因前三位依次是呼吸系统疾病7例（38.9%）、恶性肿瘤6例（33.3%）和心血管疾病2例（11.1%）。由此可见,恶性肿瘤是8085岁年龄组和8690岁年龄组患者最主要死亡原因,呼吸系统疾病是9195岁年龄组和≥96岁年龄组患者最主要死亡原因。年龄对死亡原因的影响无统计学意义（P>0.05）。5.高龄老年住院患者春冬季节死亡率更高,其中春季死亡率最高,占35.3%,其中3、4月份死亡人数最多,分别占13.8%、13.4%;夏秋季节死亡病例相对较少。6.高龄老年住院死亡患者血白细胞升高,存在不同程度的贫血,红细胞分布宽度升高,肌酐升高,血白蛋白降低。在所有死亡病例中,93.9%患者合并3个以上（包括3个）系统疾病,45.2%的患者合并5个以上（包括5个）系统疾病。高龄老年患者合并症及并发症多,应及早进行干预,延长患者生存期。结论:1.恶性肿瘤、呼吸系统疾病、心血管疾病是高龄老年住院患者死亡的主要原因。其中,肺癌为恶性肿瘤死亡的主要原因,肺部感染为呼吸系统疾病死亡的主要原因,心力衰竭为心血管疾病死亡的主要原因。2.高龄老年住院患者死亡原因疾病谱因性别、年龄、季节等的不同而存在一定差异,8090岁患者最主要死亡原因是恶性肿瘤,90岁以上患者最主要死亡原因是呼吸系统疾病,对于不同年龄段老年人群疾病的筛查和防治可各有侧重点。高龄老年患者春冬季节死亡率更高,夏秋季节死亡病例相对较少。3.高龄老年住院患者日常生活能力下降,身体各器官功能减退,存在不同程度的感染、贫血、肾功能不全、低白蛋白血症等合并症或并发症,临床治疗难度较大,应加强对老年患者基础疾病的管理,在积极治疗基础疾病的同时注意预防各种并发症的发生。
毛中义[4]（2021）在《2014-2019年某中心小儿内科病例变化分析》文中提出研究目的:通过研究大理大学第一附属医院小儿内科住院儿童疾病谱组成及其变化,了解大理地区儿童疾病构成情况及其变化趋势,评估大理地区儿童医疗保健水平,为当地儿童医疗工作及科研指导方向,同时为当地政府颁布涉及儿童健康医疗政策提供科学参考。研究内容:研究方法:统计大理大学第一附属医院2014年至2019年共6年间小儿内科住院儿童,出院第一诊断参照ICD-10,根据需要使用统计图、统计表绘制该院小儿内科疾病谱,了解该院小儿内科就医儿童疾病及其相关信息的组成特点。同时将收集的6年资料,根据时间特点,分为2组（3年为1组）,运用卡方检验,秩和检验进行统计学分析,了解该院住院儿童疾病谱变化的特点。研究结果:1、2014年-2019住院儿童总体呈现上升趋势。男童多于女童,男女性别比为147.67,性别比呈上升趋势（X2=5.792,P=0.016）。住院患儿人数在不同月份与季节分布存在差异,其中2月最少,10月最多;春季最少,秋季最多。2、住院儿童以新生儿与婴幼儿为主,青春期儿童最少;新生儿期（X2=35.585,P=0.000）与婴儿期（X2=58.173,P=0.000）的患儿占比总体上呈现上升趋势,学龄期（X2=59.949,P=0.000）及学龄前期（X2=64.212,P=0.000）的患儿占比呈下降趋势,差异具有统计学意义。3、住院儿童以呼吸系统疾病为主,变化不明显,其中又以支气管肺炎最多见;第2位是起源于围生期的某些情况,呈增长趋势（X2=40.854,P=0.000）;神经系统疾病处于第3位,呈下降趋势（X2=16.292,P=0.000）;传染病和寄生虫疾病呈下降趋势（X2=10.542,P=0.001）。4、排名前10位的疾病依次为:支气管肺炎、新生儿肺炎、早产儿、病毒性脑炎、腹泻病、新生儿高胆红素血症、喘息性支气管肺炎、热性惊厥、过敏性紫癜及癫痫。明显增加的疾病有5种,分别为支气管肺炎（X2=8.368,P=0.004）、早产儿（X2=15.019,P=0.000）、新生儿高胆红素血症（X2=29.872,P=0.000）、喘息性支气管肺炎（X2=29.872,P=0.000）及癫痫（X2=12.243,P=0.000）。明显下降的疾病有4种,分别为病毒性脑炎（X2=21.006,P=0.000）、腹泻病（X2=29.474,P=0.000）、支气管炎（X2=33.248,P=0.000）及扁桃体炎（X2=65.774,P=0.000）。5、住院儿童以大理地区为主,呈下降趋势,外地就医人数增加;次均住院费用呈上升趋势,次均住院天数呈下降趋势;自费患儿比例下降。研究结论:1、6年期间住院人数总体上升。男童多于女童,且男女性别比呈增长趋势。0-3岁儿童是高危儿童,秋冬季是高危季节,需要加强防护。2、呼吸系统疾病、起源于围生期的某些情况及神经系统疾病的患儿相对较多,需要加强专科建设。支气管肺炎、早产儿、新生儿高胆红素血症及癫痫呈增加趋势,需要引起重视。3、外地就医人群增加;次均住院天数较少,次均住院费用增加;自费患儿减少。
张泳巧[5]（2021）在《气温变化对北京地区居民急性心肌梗死发病和慢性阻塞性肺疾病急性加重住院风险影响的研究》文中指出目的探讨2013-2016年期间TV对北京市常住居民每日AM住院风险的影响及TV-AM发病暴露反应关系,并进一步探讨敏感人群和是否存在大气污染物对TV-AM发病影响的效应修饰作用。方法收集了 2013-2016年北京市常住居民AM住院数据和同时期的气象因素数据,以特定暴露天数最高温度和最低温度的标准差作为TV综合指标计算方法。采用分布滞后非线性模型的时间序列分析方法,并控制时间长期趋势、星期几效应、公共假期效应、日平均温度和相对湿度等,获取2013-2016年北京市常住居民TV-AM住院关联以及TV-AM发病暴露反应关系。进一步按性别（男、女）、年龄（<65岁、≥65岁）分层进行亚组分析,探讨其敏感人群特征。同时,将污染物暴露浓度分为低、中、高三层,进行分层分析,探讨TV在不同污染物、不同暴露浓度状况下对每日AM住院风险的影响,从而揭示污染物对TV健康效应的修饰作用。结果研究期间,AM住院人数共有81029人。TV可能是北京市居民每日AM住院风险增加的独立危险因素,其中最高效应值出现在TV03,表现为TV03每增加1℃,AM住院风险增加1.09%（95%CI:0.21%,1.98%）,呈现非线性暴露反应关系,对应的最小住院风险TV03值为5.44℃。男性以及年龄≥65岁者可能为易感人群。调整各污染物后,TV03值有所下降。进一步对各污染物分层分析后,发现尽管层别间有差异,但差异无统计学意义（P>0.05）,即未发现污染物暴露在TV与每日AM住院风险关联之间存在效应修饰作用。假设存在因果关系,2013-2016年北京市常住居民中有5776例（95%CI:1173-10101）可归因TV03暴露,占AM住院人数的71%（95%CI:1.5-12.5%）。结论本研究首次提供了TV与AM住院人数增加之间关系的证据。因此,需要适当有效的预防措施来预防温度变化带来的不利影响,特别是对敏感人群。目的本研究旨在评估两个常用温度指标（Tmean和AT）变化对北京市常住居民2013-2016年AECOPD住院风险的影响。具体目的如下（1）评估Tmean和AT指标对北京市常住居民全人群AECOPD住院风险影响的整体趋势并探究其易感人群。（2）评估Tmean和AT的极端温度区间对北京市常住居民全人群以及不同性别、年龄人群AECOPD住院风险的影响。（3）比较Tmean和AT指标实用性。方法采用时间序列设计的研究方法,收集北京市二级以上医院2013年1月1号至2016年12月31号期间AECOPD患者住院资料,根据AECOPD患者记录地址筛选出北京市常住居民,根据AEEOPD患者的入院日期整理出每日总住院人数及不同性别、年龄亚组人群的住院人数。收集同时期北京市空气质量监测国控点每日AQI、RH、AP、WS等气象数据。采用DLNM分别分析Tmean和AT对AECOPD住院风险的影响,评估比较Tmean和AT在各自极冷区间（1st vs 25th）、寒冷区间（10th vs 25th）、极热区间（99thvs 75th）、炎热区间（90th vs 75th）的AECOPD住院风险大小及探讨比较了Tmean和AT不同滞后时间下对总人群及不同性别、年龄亚组人群AECOPD住院风险的影响。结果研究期间,共收集了 143318例AECOPD住院病例。时间序列分析发现,Tmean和AT与AECOPD住院风险的暴露-反应关系形状类似反“J”型曲线（仅在低温时风险明显增高）。Tmean和AT极冷区间对AECOPD住院风险的30天累积相对危险度（Cumulative Relative Risk,CRR）分别为 1.55（95%CI:1.21,2.00）和 2.08（95%CI:1.44,3.01）,Tmean和AT寒冷区间也增加AECOPD住院风险,但效应值小于极冷区间。此外,AT低温区间的效应比Tmean的低温区间的效应估计值更大,且准泊松赤池信息准则（Akaike’s Intormation Criterion tor quast-Poisso,QAIC）更小。低温对AECOPD住院风险的滞后效应时间可持续至少4周。女性和<65岁亚组人群较男性和≥65岁亚组人群对低温更敏感。未发现高温与AECOPD住院风险存在相关性。结论低温可增加AECOPD的住院风险。女性和较年轻群体对低温更敏感。与平均温度相比,表观温度可能是研究温度健康效应更好的预测指标,更应受到关注。未发现高温与AECOPD住院风险的相关性。
李龙燕[6]（2021）在《兰州市气象环境因子对儿童哮喘影响的研究》文中研究说明气象和环境变化在我们日常生活中扮演着重要角色,关系生命安全、生产发展和生活富裕,探究气象环境因子与敏感性疾病的关系,对敏感性疾病的预防,保障人们的健康具有重要意义,尤其是对儿童身体健康发展具有重要指导意义。兰州市地处中国大陆版图的几何中心,是我国西北地区重要的交通枢纽,研究该地区气象环境因子与儿童哮喘的关系,并建立相关敏感性疾病预报模型,对该地区人们的哮喘疾病预防具有重要的现实意义。本文利用2014年1月1日至2017年12月31日4年的气象观测数据,环境数据以及兰州市三家三甲医院提供的儿童哮喘门诊数据,首先统计了兰州地区儿童哮喘人次的发病特点,并分析了气象环境因子在不同时间尺度上的变化特征,然后使用非线性模型,定量评价气象和环境因子与儿童哮喘患者的滞后-响应关系,还分析了气象和环境因子的交互作用对儿童哮喘发病的影响。在此基础上,利用多元逐步回归和BP神经网络预报方法建立儿童哮喘发病的时间序列预测模型,并对预报结果进行检验。主要研究结果如下:（1）2014年至2017年兰州市儿童哮喘发病情况主要为过敏性儿童哮喘患者,男童日均就诊人次明显高于女童。4岁儿童哮喘就诊人次最多,发病率为5.45人次/万人,其次为5岁儿童和3岁儿童;学龄期儿童日均就诊人次高于其它年龄段儿童。粉尘多、细菌增加、病毒滋生等暴露因素多的夏季和秋季为儿童哮喘的高发期,代表月份为8月和9月尤其是处暑时节,因此要注意此时儿童哮喘疾病的发生。（2）平均气温、风速、日较差和PM2.5、PM10是影响兰州市儿童哮喘发病的主要气象环境因子。平均气温与儿童哮喘发病的整体效应基本呈倒“V”形,随着平均气温的升高,相对危险度呈先上升后下降的趋势,在-7.8℃至-4.8℃范围内,总儿童的相对危险度RR较大,男童和女童与总儿童的整体效应变化趋势基本一致,女童受平均气温的相对危险度较男童更高。风速对兰州市儿童哮喘发病的影响较小。空气干燥（RH≤14%）对儿童哮喘发病危害较大。日较差与儿童哮喘发病的整体响应曲线为“J”型,日较差大于20.6℃以上对儿童哮喘的相对风险较高。PM2.5大于35μg/m3,儿童哮喘发病风险随着PM2.5的浓度增加而增大。（3）温度对兰州市儿童哮喘发病的影响具有滞后性,低温滞后2天对儿童哮喘的影响较大,高温滞后1天对儿童哮喘的影响较大。（4）交互作用发现:平均气温为15℃,湿度为60%,总儿童发病人次最多,男童和学龄期儿童在高温高湿发病人次最多,女童在高温、湿度为60%发病人次最多,婴幼儿受低温而学前期受高温影响。日较差与湿度交互显示湿度在60%儿童哮喘发病人次最多。剧烈降温或持续高温都会影响儿童哮喘发病,女童主要受高温影响,婴幼儿、学前期主要受低温的影响,学龄期在高温天气多发。平均气温与PM2.5交互显示儿童哮喘发病人次随PM2.5的升高而增大,而婴幼儿主要受气温影响。（5）考虑气象环境因子的滞后作用,多元逐步回归模型拟合效果比只考虑当天气象环境因子的模型稳定。整体上BP神经网络模型较多元逐步回归的拟合预报效果较好。总之,本文探讨了与兰州市儿童哮喘发病人次相关的气象因子和环境因子,希望能够为从事研究儿童哮喘的科研人员提供参考,也能为兰州市儿童出行和健康提供科学依据。
冯睿[7]（2021）在《昆明市大气污染因子与地区人群健康效应关系研究》文中进行了进一步梳理近几十年来,国内外环境流行病学领域研究发展迅速,大气污染对人群健康效应的影响已被学者广泛研究。目前大量的毒理学研究发现,即使短时间暴露在大气污染物下也可能产生一定的负面影响,尤其是容易造成呼吸系统疾病的发生。空气污染所导致的负面健康效应尚未取得一致性结论,研究区域、模型选择以及控制变量的选择不同,都会对研究结果产生影响。国内有关大气污染影响公众健康的研究,主要聚焦于气候环境条件特征较为凸显或大气污染严峻的区域,但在气候变化或环境空气污染影响不明显地区,其所造成的不良健康影响也会慢慢累积,同时对公众健康影响的相关研究证据不足。本研究以昆明市为研究区域,利用2011年1月至2019年12月的大气污染数据、气象因素数据以及呼吸系统疾病用药使用量数据,对大气污染所带来的健康损害进行全面剖析,得到结论如下。（1）2011年1月至2019年12月的大气监测数据显示,昆明市大气污染物整体呈现向好趋势,污染物浓度总量逐年缓慢下降,但常有波动上升。其中臭氧及颗粒物IQR较大,表明其浓度波动较为剧烈,SO2、NO2在研究地区已降低到国家一级浓度限值附近,但偶有反弹;CO浓度处于低水平,远在一级限值标准以下;值得注意的是昆明市大气颗粒物污染整体处于较高浓度,且在2014年大幅降低整体浓度水平后仍处于一二级限值区间内,常有超过二级浓度标准情况,且未见降低趋势;臭氧浓度较低但昆明市地区臭氧浓度逐年上升,提示臭氧并未得到很好的控制,目前还处于低浓度水平。（2）大气污染物浓度与药物使用量情况相关性较弱,且存在负相关趋势,符合常理。其中药物使用量与SO2、NO2、PM10、CO、O3＿8h、PM2.5相关性系数分别为-0.686、-0.188、-0.160、-0.162、-0.145、0.004,大气污染物中颗粒物问题较为突出,相关性分析结果表明气象因素作为主要协变量是合理且必要的,呈现出了很好的相关关系,气象因素与大气污染物之间存在有复杂的联系。在干湿季和花粉季进行讨论,发现干季所带来的人群疾病负担要远远高于湿季甚至是完整序列,其中虽有季节性因素影响,但主要还是通过影响大气污染物进而对人群造成负担。花粉季相关性同样显着,一定程度上放大了大气污染所带来的疾病负担表现。（3）对关键变量进行时间序列分解,发现呼吸系统药物使用量在年周期中10月到次年一月是高频发生月份,相对来说5-8月使用量明显最低水平,将之与大气污染物进行对照。SO2年周期中11月达到最高浓度值,直到次年2月,6月份达到最低浓度水平;NO2浓度波动幅度较大,11月到次年4月份是全年高浓度水平时期,2月开始突然降低,6月达到最低点;大气颗粒物PM10与PM2.5浓度在年周期内变化趋势相同,11月到次年4月是高浓度水平,6-9月处于全年最低,其余月份均是较低污染水平;CO年周期内10月到次年4月是浓度较高月份,7月达到全年最低,其余月份相对较低;连年增高的臭氧浓度波动幅度较大,2-5月全年最高,最高浓度4月份比最低12月份季节因子可达72%。趋势分析表明药物使用量与各大气污染因子之间变化趋势存在明显关系,关联程度很强。同时周期性季节趋势是研究中重要协变量,与大气污染因子产生协同作用。而季节分解后的大气污染因子结果表明,季节周期趋势会助长大气污染因子增长,造成更强烈的污染作用,直接性的放大了地区污染程度,但对O3生成和浓度升高会产生抑制作用。（4）对比分析了不同健康效应替代指标,以肠胃疾病用药和运动性疾病这两类目前无相关研究证明与大气污染有关的疾病为例。发现其相同信息来源渠道下,药物使用量与大气污染周期变化规律并无相关联之处。同时在本应造成沉重疾病负担的时间段里,这两类疾病药物使用量的季节性趋势并无明显改变,与花粉期和干湿季分析结果相矛盾。可知,人群健康结局的选择为呼吸系统疾病是妥当且合理的。（5）基于前面的研究结果,本研究最后将大气污染因子主成分分析得到两个没有多重共线性的变量Y1、Y2,气象因素以光滑函数形式同样引入模型,机器学习和手动调节方法设定函数自由度。得到拟合效果合理的模型,从而根据光滑函数得到暴露反应关系,计算得到污染物相对危险度。研究发现,主成分分析后大气污染因子的偏相关性得到明显提升,代入模型也通过检验,解释能力为73.5%,调整R2=0.705,计算得到相对危险度,当污染物每增加1μg/m3,SO2、NO2、PM10、PM2.5所独立导致的药物使用量自然对数分别超额增加ER值及95%置信区间分别为0.244%（95%CI0.263,1.339）、0.236%（95%CI 0.233,4.313）、0.206%（95%CI 0.013,4.375）和0.210%（95%CI 0.100,10.028）,当CO每增加1 mg/m3所导致的药物使用量自然对数超额增加0.227%（95%CI 0.948,1.060）。同理,当污染物浓度每增加10μg/m3,SO2、NO2、PM10、PM2.5所独立导致的药物使用量自然对数分别超额增加ER值分别为2.460%、2.380%、2.080%和2.116%,CO增加10 mg/m3药物使用量自然对数增加2.290%,其结果均具有统计学意义。结果提示,虽然昆明市地区大气污染水平较低,但一些大气污染物并未达到安全限值,且低浓度的大气污染暴露所带来的疾病负担不容忽视。人群健康效应的敏感性在大气污染物长期处于低浓度值情况下偏低,浓度水平的改变所带来的药物使用量增加幅度虽不如某些污染严重地区的研究结果,但也由此可见大气污染并没有所谓的安全值下限。
王彤彤[8]（2021）在《院前呼救病种与中医时间医学相关性研究》文中研究表明目的:本文通过回顾性分析,了解院前呼救流行病学特征,为探讨院前呼救时间与中医时间医学的相关性提供参考,以此制定出更有针对性的因时制宜的防治措施。方法:选取苏州市中医医院2018年2月4日-2021年2月2日院前呼救患者9096例,收集患者姓名、性别、年龄、呼救时间、到达现场时间、疾病类别、初步诊断及症状体征等流行病学资料,应用SPSS 23统计软件进行数据处理、分析。结果:1.9096例院前呼救患者中,院前呼救疾病谱前三位分别为损伤、中毒或外因的某些其他后果3610例（占39.69%）,神经系统疾病1168例（占12.84%）,消化系统疾病684例（占7.52%）。男性4871例,女性4225例,男女比为1.15:1。年龄集中分布在20～79岁。不同年龄组在各疾病分布差异具有统计学意义（P<0.05）。2.神经系统疾病发病在辰时显着高于其他时辰,消化系统疾病发病在子时显着高于其他时辰,循环系统疾病和呼吸系统疾病发病均在巳时显着高于其他时辰,其均具有显着差异性（P<0.05）。3.死亡病例在不同时辰上无显着差异性,总体来说午时和戌时大于其他时辰。4.神经、消化、循环、呼吸系统疾病发病时间及死亡时间在不同季节和节气上差异无统计学意义（P>0.05）。结论:苏州市中医医院2018年2月4日-2021年2月2日院前呼救病例中男性患者多于女性患者,其中以损伤最为多见;神经、消化、循环、呼吸系统疾病高发时辰分别在辰时、子时、巳时、巳时,提示我们根据其发病规律采取相应的防治措施,从而降低其发病率及致死率;其发病时间在四时节气上不存在绝对的高峰期,提示我们一年四季均要积极预防。
陈佩弟[9]（2021）在《乌鲁木齐市大气污染物特征及其对呼吸系统疾病的影响》文中研究说明目的:分析乌鲁木齐市2015年-2019年大气污染物(PM2.5、PM10、SO2、NO2)的污染水平及变化特征,找出污染程度较强的污染物,分析其对呼吸系统疾病的影响,为有关部门制定相关政策与措施提供科学依据。方法:依据乌鲁木齐市2015年-2019年空气质量实时资料,分析大气污染物的污染水平及时间特征。在健康风险评估模型的基础上,按性别分层,进行不同年龄组的暴露风险评估。根据乌鲁木齐市2015年-2019年呼吸系统疾病死亡数据,分析疾病分布情况。基于时间序列模型,对疾病资料进行拟合预测分析,找到其趋势变化特征。基于泊松回归的广义线性模型,结合大气污染物资料与疾病死亡资料,将疾病资料按性别、年龄分层,分析乌鲁木齐市主要大气污染物对呼吸系统疾病死亡数的影响。结果:1.2015年-2019年乌鲁木齐市大气污染物的时间分布特征分析,2015年-2019年大气污染物浓度值的逐月变化、季节变化、年际变化,差异均具有统计学意义（P<0.01）,逐年减小,其中,PM2.5、PM10每年的浓度年均值,均高于我国环境空气质量标准中的二级标准,PM2.5的波动范围大于PM10。NO2年平均浓度接近二级标准,SO2年平均浓度低于一级标准。4种大气污染物的浓度值在每年10月至次年3月均较大。4种大气污染物浓度在春季和冬季的变化均大于夏季和秋季。优良天数的比例逐年增加。2.不同性别年龄段暴露风险评价分析,4种大气污染物的暴露风险值均低于美国EPA、瑞典和荷兰等推荐值,对不同性别年龄段人群暴露风险影响程度排名依次为PM2.5>PM10>NO2>SO2。对男性暴露风险值高于女性。不同性别暴露风险值最大范围均集中于6月-5岁年龄段之间。3.呼吸系统疾病死亡的分布趋势为男性4785例,女性2717例,60岁以下746例,女性6756例。不同性别疾病死亡数最大的年龄段均处于60岁及以上;疾病死因构成以慢性下呼吸道疾病（46.7%）、流行性感冒和肺炎（32.1%）为主。ARIMA（0,1,2）（1,0,1）[12]模型能够很好地拟合原始序列。2015年-2019年,呼吸道疾病死亡人数逐年下降,但降幅不大。每年的1月、2月、3月、4月、5月、12月死亡数均高于其余月份,经预测,2020年-2021年呼吸系统疾病死亡数与以往变化趋势一致。4.在研究主要大气污染物对呼吸道疾病的影响时,PM2.5和PM10与该疾病死亡人数呈显着正相关,且存在滞后效应。PM2.5在Lag7时,对该疾病效应值最大为1.45%（95%CI:1.13%-1.67%）,PM10在Lag3时,效应值最大为1.18%（95%CI:0.93%-1.43%）;PM2.5在Lag7时,对男性效应值最大为1.42%（95%CI:1.02%-1.82%）,PM10在Lag3时,效应值最大为1.19%(95%CI:0.88%-1.51%;PM2.5、PM10在Lag6时,对女性效应值最大为1.51%（95%CI:0.97%-2.04%）、1.23%（95%CI:0.81%-1.65%）;PM2.5在Lag3时,对60岁以下年龄段效应值最大为1.10%（95%CI:0.62%-2.15%）,PM10在Lag1时,效应值最大为1.02%（95%CI:0.21%-1.83%）。PM2.5在Lag6时,对60岁及以上年龄段效应值最大为1.44%（95%CI:0.10%-1.78%）;PM10在Lag3时,效应值最大为1.20%（95%CI:0.94%-1.46%）。结论:近五年来,乌鲁木齐市空气污染物(PM2.5、PM10、SO2、NO2)浓度逐年下降,空气质量明显改善。目前,受PM2.5、PM10污染程度较重,受NO2、SO2污染程度不大,且主要集中于春冬季节。4种大气污染物中,PM2.5、PM10对不同性别年龄段暴露风险影响较大;男性暴露风险影响较女性大,且年龄段均集中在6月-5岁之间。呼吸系统疾病死亡数男性高于女性,均集中于高龄人群,以慢性下呼吸道疾病、流行性感冒和肺炎疾病为主,春冬季节为高发期,整体趋于下降趋势,下降趋势平缓。主要空气污染物(PM2.5、PM10)对呼吸道疾病死亡人数具有滞后效应,PM2.5对该疾病死亡的风险更大。PM2.5、PM10对女性、高龄人群的死亡风险影响较大,PM2.5对男性、高龄人群的死亡风险影响时间较长。
张萃艺[10]（2020）在《贝尔面瘫发病与五运六气及气象因素的关系研究》文中研究指明目的:以贝尔面瘫患者为研究对象,回顾性分析贝尔面瘫发病与发病时运气因素的相关性,旨在探讨运气理论的科学性,为临床运用运气理论防治贝尔面瘫提供依据;同时,为进一步明确深圳市的气候环境对贝尔面瘫发病的影响,充分体现中医学运气理论中“天人相应”的学术思想,本研究选择分布滞后非线性模型来分析气温、相对湿度、风速、水汽压、大气压、能见度、总云量、日照时间、日蒸发量、太阳辐射等气象因素对贝尔面瘫发病的影响,以获得更具价值的研究结果,为降低气象因素对人体健康的不利影响提供科学依据。方法:本研究为回顾性研究,研究第一部分根据病例筛选标准,收集2010年1月20日—2020年1月19日全部符合上述标准的住院病例,共纳入患者841例,采集所需病例信息并推算出患者准确的发病日期。根据天干地支推演五运六气,同时收集各运气时段的住院患者总人数,计算出同时段非贝尔面瘫患者的人数。对纳入的各运气时段住院患者中贝尔面瘫患者人数及非贝尔面瘫患者人数,采用卡方检验进行统计分析。同时,本研究从节气及季节角度对贝尔面瘫患者住院人数的占比,采用卡方检验进行统计分析。研究第二部分根据病例筛选标准,收集2009年1月1日—2020年2月29日全部符合上述标准的住院病例,共纳入患者863例,采集所需病例信息并推算出患者准确的发病日期。气象资料根据深圳市国家气候观象台双龙自动气象观测站记录,由深圳市气象局提供,包括2009年1月1日—2020年2月29日共11年逐日的平均气温（℃）、相对湿度（%）、风速（0.1m/s）、水汽压（hpa）、大气压（hpa）、能见度（km）、总云量（%）、日照时间（h）、日蒸发量（mm）和太阳辐射（W/m2）等气象资料。应用R软件,选择分布滞后非线性模型,在深圳市的气象环境条件下分析上述气象因素对贝尔面瘫发病的影响效应。结果:1.基于运气学说的贝尔面瘫发病的探索性研究1.1基于岁运太过不及理论对贝尔面瘫患者的住院人数占比进行分析,结果发现,贝尔面瘫患者住院人数的占比,最高的是辛年,为1.01%,为水运不及之年;最低的是庚年,为0.44%,为金运太过之年。且差异有统计学意义（χ2=33.864,P=0.000<0.05）。1.2基于主气六气理论对贝尔面瘫患者的住院人数占比进行分析,结果发现,贝尔面瘫患者住院人数的占比,主气为初之气—厥阴风木时最高,为0.91%;主气为二之气—少阴君火时最低,为0.63%。但差异无统计学意义（χ2=10.806,P=0.055>0.05）。1.3基于司天六气理论对贝尔面瘫患者的住院人数占比进行分析,结果发现,贝尔面瘫患者住院人数的占比,太阴湿土司天时最高,为0.93%;少阴君火司天时最低,为0.42%。且差异有统计学意义（χ2=13.316,P=0.021<0.05）。1.4基于在泉六气理论对贝尔面瘫患者的住院人数占比进行分析,结果发现,贝尔面瘫患者住院人数的占比,少阴君火在泉时最高,为0.97%;少阳相火在泉时最低,为0.49%。且差异有统计学意义（χ2=25.319,P=0.000<0.05）。2.基于节气、季节因素的贝尔面瘫发病的探索性研究2.1基于二十四节气对贝尔面瘫患者的住院人数占比进行分析,结果发现,贝尔面瘫患者住院人数的占比,节气为立春时最高,为1.15%;节气为小雪时最低,为0.44%。但差异无统计学意义（χ2=34.811,P=0.054>0.05）。2.2基于季节（按节气划分）对贝尔面瘫患者的住院人数占比进行分析,结果发现,贝尔面瘫患者住院人数的占比,春季时最高,为0.77%;冬季时最低,为0.69%;但差异无统计学意义（χ2=2.035,P=0.565>0.05）。根据二十四节气,将四季划分为十二个季节进一步分析,结果发现,贝尔面瘫患者住院人数的占比,孟春时最高,为1.11%;孟冬时最低,为0.50%;且差异有统计学意义（χ2=27.319,P=0.004<0.05）。3.在深圳市的气象环境条件下,基于分布滞后非线性模型分析气象因素对贝尔面瘫发病的影响3.1在气温的总体效应分析中,随着气温的升高RR值呈逐渐减小的趋势。当日平均气温<25℃时,会增加贝尔面瘫的发病风险;当日平均气温>25℃时,会降低贝尔面瘫的发病风险;当日平均气温>30℃时其与疾病的发生无统计学关联,提示气温对贝尔面瘫发病的影响是非线性的,不同的温度时贝尔面瘫的发病风险不同。不同日平均气温与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均气温在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.2在相对湿度的总体效应分析中,随着相对湿度的增加RR值呈逐渐减小的趋势。当日平均相对湿度<76%时,会增加贝尔面瘫的发病风险;当日平均相对湿度>78%时,会降低贝尔面瘫的发病风险,并且与疾病的发生均有统计学关联,提示相对湿度对贝尔面瘫发病的影响是非线性的,不同的相对湿度时贝尔面瘫的发病风险不同。不同日平均相对湿度与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均相对湿度在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.3在风速的总体效应分析中,随着日平均风速的增加,贝尔面瘫的发病风险也逐渐增加,从日平均风速大于2.6m/s开始,RR值增加较明显,提示风速对贝尔面瘫发病的影响是非线性的,随着风速的增加,贝尔面瘫的发病风险呈逐渐增加的趋势。不同日平均风速与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均风速在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.4在水汽压的总体效应分析中,随着水汽压的升高RR值呈逐渐增大的趋势。当日平均水汽压<229hpa时,会降低贝尔面瘫的发病风险;当日平均水汽压>231hpa时,会增加贝尔面瘫的发病风险,并且与疾病的发生均有统计学关联,提示水汽压对贝尔面瘫发病的影响是非线性的,不同的水汽压时贝尔面瘫的发病风险不同。不同日平均水汽压与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均水汽压在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.5在大气压的总体效应分析中,随着大气压的升高,RR值呈先逐渐增大后逐渐减小的趋势。当日平均大气压<1005hpa时,会增加贝尔面瘫的发病风险;当日平均大气压>1006hpa时,会降低贝尔面瘫的发病风险,其中日平均大气压在1010-1021hpa区间时,与疾病的发病有统计学关联,提示大气压对贝尔面瘫发病的影响是非线性的,不同的大气压时贝尔面瘫的发病风险不同。不同日平均大气压与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均大气压在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.6在能见度的总体效应分析中,随着能见度的增加,RR值呈先逐渐减小后逐渐增大的趋势。当日平均能见度<17km或>26km时,会增加贝尔面瘫的发病风险;当日平均能见度在18-25km之间时,会降低贝尔面瘫的发病风险,提示能见度对贝尔面瘫发病的影响是非线性的,不同的能见度时贝尔面瘫的发病风险不同。不同日平均能见度与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均能见度在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.7在总云量的总体效应分析中,随着总云量的增加,RR值呈先缓慢减小后逐渐增大的趋势。当日平均总云量<66%或>71%时,会增加贝尔面瘫的发病风险;当日平均总云量在67-69%之间时,会降低贝尔面瘫的发病风险,提示总云量对贝尔面瘫发病的影响是非线性的,不同的总云量时贝尔面瘫的发病风险不同。不同日平均总云量与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均总云量在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.8在日照时间的总体效应分析中,随着日照时间的延长,RR值呈先逐渐减小后逐渐增大再逐渐减小的趋势。当日照时间<5h或>10h时,会降低贝尔面瘫的发病风险;当日照时间在6-9h之间时,会增加贝尔面瘫的发病风险,提示日照时间对贝尔面瘫发病的影响是非线性的,不同的日照时间时贝尔面瘫的发病风险不同。不同日照时间与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日照时间在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.9在日蒸发量的总体效应分析中,随着日蒸发量的增加,RR值呈先逐渐增大后逐渐减小再逐渐增大的趋势。当日蒸发量<1mm或在4-7mm区间时,会降低贝尔面瘫的发病风险;当日蒸发量在2-3mm区间或>8mm时,会增加贝尔面瘫的发病风险,提示日蒸发量对贝尔面瘫发病的影响是非线性的,不同的日蒸发量时贝尔面瘫的发病风险不同。不同日蒸发量与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日蒸发量在不同的滞后天数下对贝尔面瘫发病的影响效应不同。3.10在太阳辐射的总体效应分析中,随着太阳辐射的增加,RR值呈缓慢减小的趋势。当日平均太阳辐射<157W/m2时,会增加贝尔面瘫的发病风险;当日平均太阳辐射>159W/m2时,会降低贝尔面瘫的发病风险,其中日平均太阳辐射在248-261W/m2区间时,与疾病的发病有统计学关联,提示太阳辐射对贝尔面瘫发病的影响是非线性的,不同的太阳辐射时贝尔面瘫的发病风险不同。不同日平均太阳辐射与贝尔面瘫发病关联作用的3D图和热力图均提示不同的日平均太阳辐射在不同的滞后天数下对贝尔面瘫发病的影响效应不同。结论:1.贝尔面瘫患者住院人数的占比,从岁运太过不及角度看,最高的是辛年,为水运不及之年;从六主气角度看,主气为初之气—厥阴风木时最高;从客气司天六气角度看,最高的是太阴湿土司天之年;从客气在泉六气角度看,少阴君火在泉时最高;从季节角度看,孟春（立春、雨水二节气）时最高。2.在深圳市的气象环境条件下,各气象因素对贝尔面瘫发病的影响均是非线性的。除风速外,各气象因素对贝尔面瘫发病风险的影响,随着日均值的逐渐增加,呈先增加后降低或先降低后增加的趋势。而在风速的总体效应分析中,随着日平均风速的逐渐增加,贝尔面瘫的发病风险呈逐渐增加的趋势。此外,各个气象因素在不同的滞后天数下对贝尔面瘫发病的影响效应均是不同的。
二、季节变化与呼吸系统疾病发病关系的分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、季节变化与呼吸系统疾病发病关系的分析（论文提纲范文）
（1）南京市PM2.5空气污染对呼吸系统疾病的可能效应分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 PM_(2.5)来源与影响因素研究 |
| 1.2.2 PM_(2.5)时空分布研究 |
| 1.2.3 PM_(2.5)对人口暴露风险研究 |
| 1.3 研究思路与内容 |
| 第二章 数据和方法 |
| 2.1 研究数据 |
| 2.1.1 空气污染数据 |
| 2.1.2 健康数据 |
| 2.1.3 气象数据 |
| 2.1.4 社会经济数据 |
| 2.1.5 人口数据 |
| 2.2 研究方法 |
| 2.2.1 基于机会约束的随机数据包络分析法 |
| 2.2.2 灰色关联分析 |
| 2.2.3 分布滞后非线性模型 |
| 2.2.4 长短期记忆人工神经网络 |
| 第三章 PM_(2.5)污染时空分布与影响因素分析 |
| 3.1 全国2000-2018年PM_(2.5)时空分布特征 |
| 3.2 江苏省2000-2018年PM_(2.5)时空分布特征 |
| 3.3 江苏省PM_(2.5)污染影响因素分析 |
| 3.3.1 构建不同级别的投入与产出指标 |
| 3.3.2 基于不同级别指标的PM_(2.5)污染影响要素分析 |
| 3.3.3 二级投入指标对PM_(2.5)污染影响分析 |
| 3.3.4 二级投入指标对PM_(2.5)污染影响分析 |
| 3.4 南京市2000-2018年PM_(2.5)时空分布特征 |
| 3.5 本章小结 |
| 第四章 南京市空气污染因子与呼吸系统疾病死亡率的关联性分析 |
| 4.1 南京市居民死亡数据特征分析 |
| 4.2 空气污染影响因子构建 |
| 4.3 呼吸系统疾病死亡率与六个空气污染影响因子的灰色关联度分析 |
| 4.4 呼吸系统疾病死亡率与更大时间尺度上PM_(2.5)年均浓度的灰色关联度分析 |
| 4.5 本章小结 |
| 第五章 南京市PM_(2.5)污染对呼吸系统疾病门诊量和滞后期的影响 |
| 5.1 南京市某三级甲等医院门诊数据特征分析 |
| 5.2 PM_(2.5)浓度升高对呼吸系统疾病门诊量和滞后期的影响 |
| 5.3 不同PM_(2.5)浓度对于不同人群呼吸系统疾病门诊量和滞后期的影响 |
| 5.4 本章小结 |
| 第六章 2021-2035 年南京市某医院呼吸系统疾病门诊量预估 |
| 6.1 基于LSTM模型的PM_(2.5)污染与呼吸系统疾病门诊量模拟分析 |
| 6.2 未来不同情景下呼吸系统门诊量的预估 |
| 6.3 本章小结 |
| 第七章 结论及展望 |
| 7.1 结论 |
| 7.2 主要创新点 |
| 7.3 存在的不足 |
| 7.4 下一步工作展望 |
| 参考文献 |
| 个人简历 |
| 致谢 |
（2）霾天气对北京市居民呼吸及循环系统疾病死亡风险的影响（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 前言 |
| 第一部分 文献综述 |
| 综述一 雾霾及其致病的中医学研究进展 |
| 1 雾霾天气的形成原因 |
| 2 雾霾的病邪属性 |
| 3 雾霾发生与人群健康结局的关联性 |
| 4 雾霾致病的治疗 |
| 5 小结 |
| 综述二 开展大气能见度对人群健康影响的研究背景及现状 |
| 1 我国与欧美国家颗粒物浓度的监测情况 |
| 2 影响大气能见度的主要因素 |
| 3 以能见度数据反演PM_(2.5)浓度数据 |
| 4 采用能见度开展大气污染对人群的健康影响研究 |
| 5 小结 |
| 第二部分 理论探讨 《黄帝内经》对雾霾的形成及雾霾对人体健康影响的认识 |
| 1 雾霾的含义 |
| 2 《内经》中对易导致雾霾天气形成的气象条件的认识 |
| 3 《内经》中对雾霾现象的描述 |
| 4 《内经》中对形成雾霾的气象条件及雾霾对人体健康影响的认识 |
| 5 小结 |
| 第三部分 数据资料与方法 |
| 1 数据资料 |
| 1.1 气象数据 |
| 1.2 大气能见度数据 |
| 1.3 大气污染物浓度数据 |
| 1.4 干消光系数 |
| 1.5 静稳天气指数 |
| 1.6 呼吸及循环系统疾病死亡数据 |
| 2 研究方法 |
| 第四部分 数据研究结果 |
| 1 结果一: 描述性统计 |
| 2 结果二: 能见度对呼吸及循环系统疾病死亡风险的影响 |
| 3 结果三: 能见度对呼吸及循环系统疾病死亡风险影响的季节差异 |
| 4 结果四: 气温在能见度对呼吸及循环系统疾病死亡风险影响中的修饰作用 |
| 5 结果五: 不同大气稳定度下,气温与PM_(2.5)对呼吸及循环系统疾病死亡风险的综合影响 |
| 第五部分 讨论 |
| 1 能见度对呼吸及循环系统疾病死亡风险的影响 |
| 1.1 能见度对呼吸及循环系统疾病总人群死亡风险的影响 |
| 1.2 性别和年龄分层结果 |
| 1.3 轻微霾对呼吸及循环系统疾病死亡风险的影响 |
| 1.4 PM_(2.5)在能见度对死亡风险影响中的贡献 |
| 1.5 启示意义 |
| 2 能见度对呼吸及循环系统疾病死亡风险影响的季节差异 |
| 2.1 能见度对呼吸及循环系统疾病死亡风险的影响在冬季最为显着 |
| 2.2 颗粒物在能见度对死亡风险影响的季节差异中的贡献 |
| 2.3 启示意义 |
| 3 气温在能见度对呼吸及循环系统疾病死亡风险影响中的修饰作用 |
| 3.1 气温与能见度对死亡风险的协同影响 |
| 3.2 近年来北京市极端温度事件和静稳天气指数的变化情况 |
| 3.3 启示意义 |
| 4 不同大气稳定度下,气温与PM_(2.5)对呼吸及循环系统疾病死亡风险的综合影响 |
| 4.1 气温与PM_(2.5)对死亡影响的归因风险 |
| 4.2 气温与PM_(2.5)对死亡风险的综合影响在不同大气稳定度下的差异 |
| 4.3 《大气十条》实施前后变化情况对比 |
| 4.4 启示意义 |
| 5 本研究的创新之处和局限性 |
| 第六部分 结语 |
| 参考文献 |
| 致谢 |
| 附录 |
| 个人简历 |
（3）高龄老年住院患者死因构成比及特征回顾性分析（论文提纲范文）
| 中文摘要 |
| abstract |
| 中英文缩略词表 |
| 第1章 绪论 |
| 第2章 综述 |
| 2.1 近年来我国居民死亡原因疾病谱变化情况 |
| 2.1.1 20 世纪50 年代前 |
| 2.1.2 20 世纪中期 |
| 2.1.3 20 世纪后期 |
| 2.1.4 21 世纪初期居民主要死亡原因分布情况 |
| 2.2 慢性病已成为危害我国居民生命的最主要原因 |
| 2.3 影响我国居民死亡原因变化的因素分析 |
| 2.3.1 性别因素 |
| 2.3.2 年龄因素 |
| 2.3.3 生活方式 |
| 2.3.4 经济因素 |
| 2.3.5 环境因素 |
| 2.4 展望 |
| 第3章 资料与方法 |
| 3.1 资料 |
| 3.1.1 研究对象 |
| 3.1.2 样本来源 |
| 3.1.3 入选标准 |
| 3.1.4 排除标准 |
| 3.1.5 主要指标解释 |
| 3.2 方法 |
| 3.2.1 研究方法 |
| 3.2.2 资料统计 |
| 3.2.3 统计方法 |
| 第4章 结果 |
| 4.1 死亡患者基本资料分析 |
| 4.2 死亡原因与性别的关系 |
| 4.3 死亡原因与年龄的关系 |
| 4.4 患者死亡季节分布情况 |
| 4.5 患者死亡月份分布 |
| 4.6 合并症多少分布情况 |
| 4.7 死亡原因分布情况 |
| 4.7.1 总体死亡原因分布情况 |
| 4.7.2 恶性肿瘤死因构成比分析 |
| 4.7.3 呼吸系统疾病死因构成比分析 |
| 4.7.4 心血管疾病死因构成比分析 |
| 第5章 讨论 |
| 第6章 结论 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（4）2014-2019年某中心小儿内科病例变化分析（论文提纲范文）
| 摘要 |
| Abstract |
| 前言 |
| 1、研究背景 |
| 2、研究目的与意义 |
| 资料与方法 |
| 1、研究对象 |
| 2、研究方法 |
| 3、统计分析 |
| 结果 |
| 1 一般情况 |
| 2 住院儿童疾病谱的构成及变化 |
| 讨论 |
| 1 概况 |
| 2 一般情况的探讨 |
| 3 疾病谱变化的探讨 |
| 3.1 呼吸系统疾病是儿童健康首要危害 |
| 3.2 围生期的某些情况不容忽视 |
| 3.3 神经系统疾病仍然常见 |
| 3.4 消化系统疾病需要注意 |
| 3.5 其他疾病谱变化 |
| 结论 |
| 特点与不足 |
| 参考文献 |
| 综述 住院儿童疾病谱研究现状 |
| 参考文献 |
| 致谢 |
（5）气温变化对北京地区居民急性心肌梗死发病和慢性阻塞性肺疾病急性加重住院风险影响的研究（论文提纲范文）
| 英文缩略词表 |
| 一 前言 |
| (一)研究背景 |
| (二)研究意义 |
| (三)研究局限性 |
| 二 本研究数据来源与回归建模方法 |
| 第一部分 气温变异对北京常住居民AMI住院风险的影响 |
| 中文摘要 |
| Abstract |
| 一 背景 |
| 二 研究方法 |
| (一)描述性资料 |
| (二)基本统计分析模型 |
| (三)效应修饰评估模型 |
| (四)敏感性分析 |
| (五)人群归因危险度 |
| (六)统计软件 |
| 三 研究结果 |
| (一)基本特征描述 |
| (二)环境相关性 |
| (三)气温变异对AMI住院风险的影响 |
| (四)大气污染物对气温变异的AMI住院风险的效应修饰作用 |
| (五)归因危险度结果 |
| (六)敏感性分析结果 |
| 四 讨论 |
| (一)气温变异与每日AMI住院风险关联的暴露反应曲线 |
| (二)气温变异对每日AMI住院风险的影响 |
| (三)气温变异相关的每日AMI住院风险敏感人群 |
| (四)大气污染物对气温变异与每日AMI住院风险关联的影响 |
| 六、结论 |
| 第二部分 温度对北京常住居民AECOPD住院风险的影响 |
| 中文摘要 |
| Abstract |
| 一 背景 |
| 二 研究方法 |
| (一)描述性资料 |
| (二)基本统计分析模型构建过程 |
| (三)温度对AECOPD住院率的效应分析 |
| (四)统计软件 |
| 三 研究结果 |
| (一)基本特征描述 |
| (二)气象因素与污染物的相关性分析 |
| (三)温度对AECOPD住院的影响 |
| 四 讨论 |
| 五 结论 |
| 六 参考文献 |
| 综述一 细颗粒物暴露与心血管疾病队列研究进展 |
| 参考文献 |
| 综述二 环境温度与慢性阻塞性肺疾病的研究进展 |
| 参考文献 |
| 致谢 |
（6）兰州市气象环境因子对儿童哮喘影响的研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气象因子和环境因子健康效应的研究现状 |
| 1.2.2 预报的研究现状 |
| 1.3 研究内容 |
| 第二章 资料与方法 |
| 2.1 研究区域 |
| 2.1.1 地理位置 |
| 2.1.2 气象条件和环境条件 |
| 2.2 环境质量标准 |
| 2.3 研究资料 |
| 2.3.1 气象资料 |
| 2.3.2 空气质量资料 |
| 2.3.3 儿童哮喘疾病资料 |
| 2.4 研究方法 |
| 2.4.1 描述性统计 |
| 2.4.2 Spearman相关分析 |
| 2.4.3 分布滞后非线性模型 |
| 2.4.4 广义相加模型 |
| 2.4.5 相对危险度 |
| 2.4.6 多元逐步回归预报 |
| 2.4.7 BP神经网络预报 |
| 第三章 儿童哮喘的分布特征 |
| 3.1 ICD-10疾病分类标准 |
| 3.2 儿童哮喘的年变化特征 |
| 3.3 儿童哮喘的年龄分布 |
| 3.4 儿童哮喘的不同时间尺度分布 |
| 3.4.1 儿童哮喘的逐月分布和季节分布 |
| 3.4.2 儿童哮喘的二十四节气分布 |
| 3.5 本章小结 |
| 第四章 兰州市气象环境因子与儿童哮喘的关系分析 |
| 4.1 兰州市气象因子的时间变化特征 |
| 4.2 兰州市环境因子的时间变化特征 |
| 4.3 气象环境因子分别对儿童哮喘的影响 |
| 4.3.1 平均气温与儿童哮喘患者的暴露-响应关系 |
| 4.3.2 低温对儿童哮喘的影响 |
| 4.3.3 平均气温与儿童哮喘的暴露-滞后-响应关系 |
| 4.3.4 相对湿度与儿童哮喘的暴露-滞后-响应关系 |
| 4.3.5 日较差与儿童哮喘的暴露-滞后-响应关系 |
| 4.3.6 风速、相对湿度和日较差与儿童哮喘发病的整体响应 |
| 4.3.7 PM_(2.5)和PM_(10)与儿童哮喘的关系 |
| 4.4 气象因子与环境因子交互作用对儿童哮喘的影响 |
| 4.4.1 平均气温与相对湿度交互作用对儿童哮喘患者的影响 |
| 4.4.2 日较差与相对湿度的交互作用对儿童哮喘患者的影响 |
| 4.4.3 平均气温与日较差的交互作用对儿童哮喘患者的影响 |
| 4.4.4 平均气温与PM_(2.5)交互作用对儿童哮喘患者的影响 |
| 4.5 本章小结 |
| 第五章 兰州市儿童哮喘预报模型研究 |
| 5.1 多元逐步回归预报模型 |
| 5.2 BP神经网络预报模型 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 本文特色与创新点 |
| 6.3 存在的问题及下一步计划 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（7）昆明市大气污染因子与地区人群健康效应关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究综述 |
| 1.2.1 大气污染数据指标 |
| 1.2.2 人群健康效应指标 |
| 1.2.3 气象数据指标 |
| 1.3 研究内容及意义 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 研究意义 |
| 第二章 资料与研究方法 |
| 2.1 研究区域概况 |
| 2.2 数据来源与处理 |
| 2.2.1 大气污染指标数据 |
| 2.2.2 区域气象数据 |
| 2.2.3 呼吸系统疾病特异性药物销售数据 |
| 2.3 研究方法 |
| 2.3.1 资料描述性分析 |
| 2.3.2 相关及偏相关分析方法 |
| 2.3.3 时间序列分析方法 |
| 2.3.4 主成分分析方法 |
| 2.3.5 回归分析及模型选择 |
| 2.3.6 相对危险度 |
| 第三章 大气污染因子与人群健康效应的相关性分析 |
| 3.1 各变量描述性分析 |
| 3.2 变量数据分布特征 |
| 3.3 相关性分析 |
| 3.4 干湿季、花粉季差异分析 |
| 第四章 大气污染因子与人群健康效应的时间序列分析 |
| 4.1 序列图 |
| 4.2 大气污染因子季节分解 |
| 4.3 结果分析 |
| 第五章 不同健康结局选择与大气污染因子间关系分析 |
| 5.1 相关性分析 |
| 5.2 时间序列分析——季节分解 |
| 第六章 主成分分析及主成分偏相关分析 |
| 6.1 KMO和 Bartlett检验表 |
| 6.2 主成分分析 |
| 6.3 主成分偏相关分析 |
| 第七章 广义相加模型及定量效应分析 |
| 7.1 GAM建立 |
| 7.2 模型诊断及结果解读 |
| 7.3 相对危险度 |
| 第八章 总结与讨论 |
| 8.1 总结 |
| 8.2 特色与创新点 |
| 8.3 研究不足及展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士学位期间发表论文及研究成果目录 |
| 附录 B 攻读硕士期间参与的科研项目 |
| 附录 C 研究药物信息表 |
（8）院前呼救病种与中医时间医学相关性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 前言 |
| 第一部分 文献综述 |
| 综述一 中医时间医学及其临床研究 |
| 1. 中医时间医学的起源 |
| 2. 子午流注理论与疾病的相关性研究 |
| 2.1 子午流注理论概述 |
| 2.2 子午流注理论临床应用 |
| 3. 四时节气与疾病的相关性研究 |
| 3.1 四时节气概述 |
| 3.2 四时节气与生理相应 |
| 3.3 四时节气与疾病诊治 |
| 4. 十二时辰与疾病的相关性研究 |
| 4.1 十二时辰概述 |
| 4.2 十二时辰与人体生理病理节律 |
| 4.3 十二时辰与疾病诊治 |
| 5. 六经病欲解时与疾病的相关性研究 |
| 综述二 西医时间医学及其临床研究 |
| 1. 西医时间医学概述 |
| 2. 西医时间医学与疾病的相关性 |
| 2.1 循环系统与西医时间医学相关研究 |
| 2.2 神经系统与西医时间医学相关研究 |
| 2.3 消化系统与西医时间医学相关研究 |
| 2.4 泌尿系统与西医时间医学相关研究 |
| 2.5 内分泌系统与西医时间医学相关研究 |
| 2.6 肿瘤与西医时间医学相关研究 |
| 第二部分 临床研究 |
| 1. 研究对象 |
| 1.1 病例来源 |
| 1.2 纳入标准 |
| 1.3 排除标准 |
| 2. 研究方法 |
| 2.1 调查研究内容 |
| 3. 统计分析方法 |
| 4. 研究结果 |
| 4.1 院前呼救患者的疾病谱构成 |
| 4.2 不同性别院前呼救疾病谱构成 |
| 4.3 不同年龄组院前呼救疾病谱构成 |
| 4.4 疾病发病与各时辰的关系 |
| 4.5 疾病与季节的关系 |
| 4.6 疾病与二十四节气的关系 |
| 5. 讨论 |
| 5.1 院前呼救患者疾病谱构成分析 |
| 5.2 不同性别、年龄组院前呼救疾病谱构成分析 |
| 5.3 疾病与时间医学的相关性分析 |
| 5.4 疾病的预防调摄 |
| 5.5 中西医时间医学理论差异 |
| 第三部分 结语 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（9）乌鲁木齐市大气污染物特征及其对呼吸系统疾病的影响（论文提纲范文）
| 中英文缩略词对照表 |
| 摘要 |
| Abstract |
| 前言 |
| 研究内容与方法 |
| 1 研究对象 |
| 1.1 大气污染资料 |
| 1.2 疾病资料 |
| 2 内容与方法 |
| 2.1 乌鲁木齐市大气污染物时间分布特征分析 |
| 2.2 健康风险评价模型 |
| 2.3 2015 年-2019 年乌鲁木齐市居民呼吸系统疾病死亡数分布趋势 |
| 2.4 乌鲁木齐市大气污染物对呼吸系统疾病的影响研究 |
| 3 质量控制 |
| 4 统计分析方法 |
| 5 技术路线图 |
| 结果 |
| 讨论 |
| 小结 |
| 致谢 |
| 参考文献 |
| 综述 大气污染与人群健康关系研究进展 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 导师评阅表 |
（10）贝尔面瘫发病与五运六气及气象因素的关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 第一章 文献研究 |
| 1.1 疾病发病与发病时五运六气的相关性研究 |
| 1.1.1 呼吸系统疾病 |
| 1.1.2 循环系统疾病 |
| 1.1.3 消化系统疾病 |
| 1.1.4 泌尿系统疾病 |
| 1.1.5 风湿性疾病 |
| 1.1.6 神经系统疾病 |
| 1.1.7 精神心理疾病 |
| 1.1.8 恶性肿瘤 |
| 1.1.9 皮肤病 |
| 1.1.10 传染性疾病 |
| 1.1.11 小结 |
| 1.2 贝尔面瘫发病与季节变化及气象因素的关系研究 |
| 1.2.1 季节因素与贝尔面瘫发病 |
| 1.2.2 气象因素与贝尔面瘫发病 |
| 1.2.3 小结 |
| 第二章 贝尔面瘫发病与发病时运气因素的关系研究 |
| 2.1 研究对象 |
| 2.1.1 资料来源 |
| 2.1.2 病例筛选 |
| 2.2 数据处理 |
| 2.2.1 根据天干地支推演五运六气 |
| 2.2.2 二十四节气与季节划分 |
| 2.2.3 统计贝尔面瘫患者发病日期的五运六气分布情况 |
| 2.2.4 统计贝尔面瘫患者发病日期的节气及季节分布情况 |
| 2.2.5 计算同时段住院患者中贝尔面瘫患者人数及非贝尔面瘫患者人数 |
| 2.3 统计方法 |
| 2.4 结果 |
| 2.4.1 一般资料 |
| 2.4.2 贝尔面瘫患者发病日期的五运分布情况 |
| 2.4.3 贝尔面瘫患者发病日期的六气分布情况 |
| 2.4.4 贝尔面瘫患者发病日期的节气、季节分布情况 |
| 2.4.5 基于运气学说的贝尔面瘫发病的探索性研究 |
| 2.4.6 基于节气、季节因素的贝尔面瘫发病的探索性研究 |
| 2.5 讨论 |
| 2.5.1 从岁运太过不及角度探讨贝尔面瘫发病与运气因素的关系 |
| 2.5.2 从六主气角度探讨贝尔面瘫发病与运气因素的关系 |
| 2.5.3 从客气司天角度探讨贝尔面瘫发病与运气因素的关系 |
| 2.5.4 从客气在泉角度探讨贝尔面瘫发病与运气因素的关系 |
| 2.5.5 从季节角度探讨贝尔面瘫发病与运气因素的关系 |
| 第三章 基于分布滞后非线性模型分析气象因素对贝尔面瘫发病的影响 |
| 3.1 资料与方法 |
| 3.1.1 资料来源 |
| 3.1.2 病例筛选 |
| 3.1.3 统计分析 |
| 3.2 结果 |
| 3.2.1 一般资料 |
| 3.2.2 气象资料的统计描述 |
| 3.2.3 气象因素与贝尔面瘫发病的关联研究 |
| 3.3 讨论 |
| 3.3.1 气温对贝尔面瘫发病风险的影响 |
| 3.3.2 相对湿度对贝尔面瘫发病风险的影响 |
| 3.3.3 风速对贝尔面瘫发病风险的影响 |
| 3.3.4 水汽压对贝尔面瘫发病风险的影响 |
| 3.3.5 大气压对贝尔面瘫发病风险的影响 |
| 3.3.6 能见度对贝尔面瘫发病风险的影响 |
| 3.3.7 总云量对贝尔面瘫发病风险的影响 |
| 3.3.8 日照时间对贝尔面瘫发病风险的影响 |
| 3.3.9 日蒸发量对贝尔面瘫发病风险的影响 |
| 3.3.10 太阳辐射对贝尔面瘫发病风险的影响 |
| 3.3.11 本研究的优势和局限性 |
| 结语 |
| 参考文献 |
| 附录 |
| 在校期间发表论文情况 |
| 致谢 |
| 统计学审核证明 |
四、季节变化与呼吸系统疾病发病关系的分析（论文参考文献）
- [1]南京市PM2.5空气污染对呼吸系统疾病的可能效应分析[D]. 周易. 南京信息工程大学, 2021(01)
- [2]霾天气对北京市居民呼吸及循环系统疾病死亡风险的影响[D]. 韩玲. 北京中医药大学, 2021
- [3]高龄老年住院患者死因构成比及特征回顾性分析[D]. 刘卫林. 吉林大学, 2021(01)
- [4]2014-2019年某中心小儿内科病例变化分析[D]. 毛中义. 大理大学, 2021(09)
- [5]气温变化对北京地区居民急性心肌梗死发病和慢性阻塞性肺疾病急性加重住院风险影响的研究[D]. 张泳巧. 北京协和医学院, 2021
- [6]兰州市气象环境因子对儿童哮喘影响的研究[D]. 李龙燕. 兰州大学, 2021(09)
- [7]昆明市大气污染因子与地区人群健康效应关系研究[D]. 冯睿. 昆明理工大学, 2021(01)
- [8]院前呼救病种与中医时间医学相关性研究[D]. 王彤彤. 南京中医药大学, 2021(01)
- [9]乌鲁木齐市大气污染物特征及其对呼吸系统疾病的影响[D]. 陈佩弟. 新疆医科大学, 2021(08)
- [10]贝尔面瘫发病与五运六气及气象因素的关系研究[D]. 张萃艺. 广州中医药大学, 2020(09)