选取安徽省阜阳市阜南县14个乡镇2013年1月1日-2016年12月31日呼吸系统疾病日住院就诊资料50 881例,在Spearman相关性分析的基础上,用分布滞后非线性模型与广义相加模型相结合,对呼吸系统疾病住院人数与各气象要素的相关性进行了分析,其与平均气温、相对湿度和热指数呈负相关,与平均气压、平均风速呈正相关.结果表明,热指数是比温度、湿度等单独作用更全面的气象指标.引起呼吸系统疾病发病风险增高的主要原因是低热指数,低热指数对呼吸系统疾病住院人数的影响表现为长期效应,滞后6~8 d是主要发病时间.不同季节热指数滞后效应的结果不同,夏季的低热指数易导致患病风险增加;冬季高热指数滞后8 d时易增加患病风险.
类型: 期刊论文
作者: 赵笑颜,张渊,黎檀实,李亚鹏,尹岭,尚可政,王式功
关键词: 呼吸系统疾病,热指数,滞后性,非线性,关联性
来源: 兰州大学学报(自然科学版) 2019年01期
年度: 2019
分类: 基础科学,医药卫生科技
专业: 气象学,呼吸系统疾病
单位: 兰州大学大气科学学院气象环境与人体健康研究中心,中国人民解放军总医院,成都信息工程大学大气科学学院
基金: 国家自然科学基金项目(91644226),国家基础科技条件平台建设项目(NCMI-SBS17-201807,NCMI-SJS15-201807),国家科技支撑计划项目(2012BAJ18B08)
分类号: R56;P467
DOI: 10.13885/j.issn.0455-2059.2019.01.019
页码: 134-140
总页数: 7
文件大小: 1672K
下载量: 110
本文来源: https://www.lunwen90.cn/article/b1bc0b67a4eb15f47c7a6691.html