氣溫，濕度對(duì)上海市流感樣病例人次的影響.pdf

1、研究目的:提出帶自回歸項(xiàng)的廣義相加模型，并研究氣溫，濕度對(duì)上海市每日流感樣病例的影響。
　　研究意義:流感樣病例人次是一個(gè)時(shí)間序列，而時(shí)間序列分析往往基于數(shù)據(jù)對(duì)發(fā)生在它之前的數(shù)據(jù)的依賴。但常用的GLM和GAM本質(zhì)上是概率模型，沒有使用因變量的自相關(guān)性的信息。另外，采用最大似然法估計(jì)GLM和GAM的參數(shù)值時(shí)，一般假定觀測(cè)之間相互獨(dú)立，但這不一定成立。文中提出的GAMAR可以解釋因變量的自相關(guān)性，不僅僅對(duì)本研究的數(shù)據(jù)較好的擬合和解釋提

2、供了方法，而且為其他類似研究方法的選擇提供一種新的可能性。流感是一個(gè)對(duì)人類健康危害極大的疾病。試驗(yàn)證實(shí)了氣候因素與流感病毒的傳播有著密切的關(guān)系。但氣候因素與流感樣病例關(guān)聯(lián)性的流行病學(xué)研究還較少。上海是一個(gè)國(guó)際大都市，面臨著流感季節(jié)性流行和暴發(fā)的風(fēng)險(xiǎn)。了解氣象因素對(duì)流感的作用，有利于人們應(yīng)用相應(yīng)的措施來控制流感的流行，減少流感暴發(fā)的風(fēng)險(xiǎn)，有助于醫(yī)院管理人員對(duì)醫(yī)療資源的調(diào)配，也有利于對(duì)流感的暴發(fā)作出預(yù)警。
　　統(tǒng)計(jì)方法:提出帶自回歸項(xiàng)

3、的廣義相加模型，并用模擬研究來比較GAM與GAMAR在應(yīng)用于因變量有自相關(guān)性的數(shù)據(jù)中的表現(xiàn)。
　　建立模型:先采用基于GAM的Poisson回歸，利用自然立方樣條函數(shù)來代表長(zhǎng)期趨勢(shì)，以及日均氣溫，相對(duì)濕度，日均氣壓，大氣污染物效應(yīng)PM10，SO2，NO2的非線性效應(yīng)，用啞變量描述星期效應(yīng)，分析流感樣病例與氣候因素的關(guān)聯(lián)性。發(fā)現(xiàn)其Pearson殘差存在自相關(guān)的現(xiàn)象，繼而采用GAMAR進(jìn)行估計(jì)。
　　預(yù)測(cè)模型:前文中模型包含一個(gè)

4、長(zhǎng)期時(shí)間樣條，這使得它不可能被用于預(yù)測(cè)。若用GAM模型進(jìn)行預(yù)測(cè)，未來流感樣病例趨勢(shì)的不確定性可能會(huì)影響預(yù)測(cè)的精度。而采用GAMAR進(jìn)行預(yù)測(cè)，由于AR項(xiàng)本來就包含了以往時(shí)間趨勢(shì)的信息，因此GAMAR本質(zhì)上能夠用以往的數(shù)據(jù)來預(yù)測(cè)以后的變化趨勢(shì)。為證明這一點(diǎn)，對(duì)調(diào)整時(shí)間趨勢(shì)前后的流感樣病例采用GAM/GAMAR擬合結(jié)果進(jìn)行交叉驗(yàn)證。
　　結(jié)果和結(jié)論:本文提出了擬合環(huán)境流行病學(xué)中時(shí)間序列的GAMAR模型，模擬研究證明了在擬合有自相關(guān)性的數(shù)

5、據(jù)時(shí)，GAM的參數(shù)估計(jì)結(jié)果有錯(cuò)誤，而GAMAR可以給出正確的估計(jì)結(jié)果。接下來采用GAM構(gòu)建了流感樣病例關(guān)于氣候與大氣污染物的統(tǒng)計(jì)模型，但是發(fā)現(xiàn)其Pearson殘差有嚴(yán)重的自相關(guān)性，違背了GAM的模型假設(shè);因而采用GAMAR建模。GAMAR給出的Pearson殘差基本上沒有自相關(guān)性。通過對(duì)比發(fā)現(xiàn)，GAMAR給出的變量效應(yīng)比GAM的更平緩一些。對(duì)GAMAR而言，23天前的日均氣溫在10℃和30℃時(shí)對(duì)應(yīng)的當(dāng)天流感樣病例最高，在15～25℃時(shí)對(duì)

6、應(yīng)的流感樣病例最低，效應(yīng)曲線呈雙峰狀。4天前的相對(duì)濕度較低時(shí)，當(dāng)天的流感樣病例比較高，然后隨著濕度的增加而降低，在65～80％時(shí)流感樣病例有一些波動(dòng)，在高于80％時(shí)繼續(xù)降低。
　　因?yàn)槲磥淼目傮w變化趨勢(shì)是未知的，所以預(yù)測(cè)模型中不能包括時(shí)間的趨勢(shì)樣條，自然能夠包含過去信息的GAMAR是預(yù)測(cè)模型更好的選擇。通過交叉驗(yàn)證發(fā)現(xiàn)，GAMAR果然比GAM在是否調(diào)整長(zhǎng)期趨勢(shì)的問題上更穩(wěn)健。并且無論是否調(diào)整長(zhǎng)期趨勢(shì)，GAMAR均比GAM在交叉驗(yàn)證