首页 > 文献资料
-
孕前及孕期细颗粒物PM2.5对早产效应的因素分析
目的 分析细颗粒物PM2.5暴露与早产的相关性.方法 以河源市全市范围内2014年12月1日至2015年11月30日分娩的单胎活产儿和2013年12月1日至2015年11月30日河源市的细颗粒物PM2.5逐日浓度为研究对象.考虑到孕期的空气污染暴露是一个慢性的、累积的过程,并且每个产妇的孕程不同,首先以新生儿出生时的孕周为起点向后计算,将暴露时间分为4个阶段:孕前3个月,孕早期(1~13周末)、孕中期(14~27周末)和分娩前4周,分别计算PM2.5早产效应的组间差异.以某日为起点向后求和12个月的逐日暴露量作为该日分娩孕妇过去1年的PM2.5暴露总量,建立该日过去1年PM2.5累积暴露量在当日及滞后1~10d内早产例数的回归模型,并计算相对危险度.结果 河源市单胎活产儿的早产发生率为4.25%.逐日PM2.5浓度波动区间为7~108μg/m3,均值37.88μg·(m3)-1·d-1.研究对象孕前3个月、孕早期、孕中期的PM2.5合计暴露水平区间为12470~14960μg/m3,平均值为13700μg/m3.孕前3个月、孕早期、孕中期的PM2.5暴露水平在早产组与足月组间的差异无统计学意义(t值分别为2.199、2.343、0.947,均P>0.05),早产组与足月组间的PM2.5暴露水平在孕晚期的差异有统计学意义(t=4.818,P<0.05).以PM2.5累积暴露量下四分位数及其早产例数为参照(即RR=1),暴露于PM2.5累积量中位数,在滞后的10日内有意义的效应表现在滞后的第8、9、10日,RR值分别为1.49(1.01~2.21)、1.63(1.01~2.63)、1.06(1.01~1.11);暴露于PM2.5累积量中位数在滞后的10日内有意义的效应表现在滞后的第8、9、10日,RR值分别为2.05(1.02~4.15)、2.41(1.02~5.70)、1.11(1.03~1.21),累积暴露量的变化幅度与其对早产的效应呈正比,累积暴露量升高越大,在滞后期内对早产的影响也越大.结论 河源市孕期PM2.5暴露与早产有关,PM2.5暴露对早产存在非线性的滞后影响.
-
上海市徐汇区大气污染物与新生儿早产的关联性研究
目的 本研究旨在分析上海市徐汇区大气污染物对早产发生的影响,定量评估不同大气污染物(PM10、SO2、NO2)对早产发生的影响.方法 根据时间序列研究方法,采用过分散的广义相加模型(GAM),在控制时间平滑趋势、气温、气湿和星期几效应等混杂因素后,分析PM10、SO2、NO2和每日早产发生数的关联.结果 对于不同污染物来说,PM10仅在累积暴露为产前1周时,对早产发生的影响有统计学意义,PM10每升高10 μg/m3,早产发生率上升1.868％(95％CI:0.339％～3.397％);NO2在累积暴露为产前1、2和3周时,对早产发生的影响均有统计学意义,NO2每升高10 μg/m3,早产发生率分别上升6.214％(95％CI:2.294％～10.134％)、7.098％(95％CI:2.100％～12.096％)和6.498％(95％CI:0.344％～12.652％);SO)2无论累积暴露为产前1、2、3周还是4周,对早产发生的影响均无统计学意义(P＞0.05).根据母亲年龄、胎数和是否出生畸形分层后,发现对于单胎、出生畸形、以及母亲年龄为≤24岁和≥35岁的层组来说,产前1周的PM10平均浓度水平上升对早产发生有影响.产前1周的NO2平均浓度水平和早产的发生,仅与母亲年龄≥35岁组有关.各层组均未观察到SO2平均浓度水平的改变和早产发生的效应.3种污染物的单日滞后0～6 d(lag0～lag6)的急性期暴露效应,结果显示仅对于NO2的lag4和lag5的滞后效应有统计学意义.结论 大气污染物PM10和NO2对早产发生的影响有统计学意义,尤其是NO2的累积暴露浓度滞后时间更长,且产前3周内的累积效应比产前7日的急性期滞后效应更有意义,研究中未发现SO2对早产的影响.
-
集团军山地进攻战斗减员的时间序列模型
目的: 建立集团军山地进攻战斗减员的时间序列模型,提供计算机模拟研究的基础. 方法: 收集了我军某次作战一梯队3个军的经验数据,计算每日减员率,采用柯尔莫哥洛夫-斯米尔诺夫方法进行统计分布的拟合优度检验,运用博克斯-詹金斯方法建立时间序列模型. 结果: 2个军减员率分布符合对数正态分布,1个军减员率符合指数分布,3个军减员率均可用ARIMA(0,1,1)建模. 结论: 集团军减员率的统计分布可能与战斗激烈程度有关,时间序列模型能够较好地说明减员分布的统计学特征.
-
西安市空气污染物与出生缺陷的时序变化及相关性的生态学研究
目的 分析西安市出生缺陷、空气污染的趋势变化和季节规律,探讨空气污染暴露与出生缺陷结局的相关性.方法 利用时间序列乘法模型,分解出生缺陷发病人数和空气污染物浓度的时间序列,描述二者的长期趋势及季节变动;采用生态学研究思路,分析出生缺陷与空气污染物的秩相关和交叉相关关系.结果 2010-2015年西安市空气污染分析结果显示,NO2总体趋势在2013年出现上升,随后在高水平波动;SO2总体呈缓慢下降趋势,但在2012和2013年出现2次高峰;PM10总体趋势在2013和2014年出现2个小高峰,其余时间变化较为平稳;PM2.5总体趋势呈现缓慢下降,但在2015年后出现小幅上升.2010-2015年西安市出生缺陷分析结果显示,总出生缺陷和先天性心脏病的长期趋势在2010～2014年呈上升态势,之后迅速下降;唇腭裂和神经管畸形的长期趋势在低水平小范围波动.空气污染物与出生缺陷的相关性分析结果显示,总出生缺陷、先天性心脏病在孕前3个月和孕早期3个月与NO2正相关;先天性心脏病在孕前3个月与PM10正相关.结论 西安市出生缺陷、空气污染存在趋势变化及季节规律,妊娠妇女在孕前3个月和孕早期3个月暴露于NO2与先天性心脏病的发生正相关.
-
季节模型在某医院月门诊量预测中的研究与应用
根据海南省某医院月门诊量时间序列的特征，首先识别出多个可能的季节模型，经模型检验对比后构建了优的乘积季节模型；然后利用季节模型分析了该医院月门诊量的周期性及趋势性变化规律；后基于优模型对该医院月门诊量进行预测，进而验证了月门诊量变化规律符合生活实际情况，建立的优季节模型具有科学性及可行性，季节模型分析的预测值为医院门诊管理工作提供参考建议。
-
一般交通事故预测中自回归滑动平均模型的建立及效果评价
目的 建立预测一般交通事故的自回归滑动平均(auto regression moving average,ARMA)模型,观察其时间序列展示特征与发生频数的分布差异,为探索稳定、准确的交通事故预测模型奠定基础.方法 从重庆市道路交通管理局收集重庆市某城市发展新区2000-2006年的一般交通事故登记信息,采用流行病学描述性研究方法,对该区交通事故月分布规律进行分析,建立ARMA模型并进行回顾和前瞻性预测,分析并比较预测数据.结果 从不同月份的分布特征看,该区一般交通事故发生频数有一定周期规律;建立的以月为单位的一般交通事故发生频数的ARMA预测模性预测值与实际值的符合率基本稳定在80%以上.结论 ARMA模型可以用于一般交通事故发生频数的时间序列指标预测,并且其短期预测的精度优于长期预测.
-
安徽省滁州市细菌性痢疾发病率ARIMA模型建立与分析
目的 构建安徽省滁州市细菌性痢疾发病率的ARIMA模型,预测细菌性痢疾发病趋势.方法 收集1987 ～2013年安徽省滁州市细菌性痢疾年发病率资料,通过SPSS软件拟合ARIMA模型,采用大似然法估计模型参数,依据赤池信息准则与贝叶斯信息准则确定模型的阶数,用Q统计量对模型适应性进行检验,建立ARIMA预测模型.结果 通过对参数和模型的拟合优度检验以及残差白噪声序列的检验,终确定模型为ARIMA(1,1,1).AIC =5.573,BIC=8.165,统计量Q=8.857＜x20.05.26.模型预测值与实际值的平均误差率MER=0.338.结论 ARIMA模型能够应用于安徽省滁州市细菌性痢疾流行趋势的预测及预警,为实施干预提供依据.
-
ARIMA模型预测深圳宝安区流感样病例发病率的可行性
目的 建立预测宝安区流感样病例发病率的ARIMA模型,并验证其可行性.方法 应用SPSS 19.0软件对2010年1月～2015年6月宝安区流感样病例每月发病率进行模型拟合,以2015年7～9月每月流感样病例发病率作为考核样本评价模型预测效果.结果 ARIMA(2,1,0)(0,1,1)12拟合2010年1月～2015年6月宝安区每月新增感染率的变动趋势较为理想,实际值均在预测值的95％可信区间内,预测结果与实际值相对误差大值为20.94％,小为3.05％.结论 ARIMA(2,1,0)(0,1,1)12模型,该模型在宝安流感样病例发病率短期趋势的预测与实际发病率吻合,可考虑纳入周期性自变量或者选用其他模型加强预测精度.
-
浅析江苏进境植物疫情截获时间的驼峰效应
基于江苏植物疫情数据和江苏检验检疫报检数据等信息,运用大数据统计分析方法,对植物疫情、截获时间、业务种类、进口来源地区等4个要素进行关联性分析,发现江苏植物疫情截获时间的“驼峰效应”,并以此对植物疫情的截获提供指导性意见,便于植物检疫人员以此开展风险分析,提升检验检疫效率,更有效地保障国门生物安全.
-
六西格玛理论对医院药品采购策略和库存管理系统优化研究
目的:在基于六西格玛理论的药品分类后,对药品供应建立预测和控制模型,借助医院信息系统可掌握药品库存运营的优状态,从而实现药品的零库存管理.方法:获取药库历史药品消耗情况,结合六西格玛理论,测定药品的波动性,并将其应用于医院库存管理系统和医院对外的药品采购中.结果:通过优化系统的实施前后对比,药库药品的每周库存周转率、药品供应及时率和零库存达成率分别提高了5.81%、13.29%、14.05%,断货率和紧急补货率分别下降6.44%和4.59 %.结论:通过将医院药品科学分类,使药库人员的工作效率明显提高,实现了医院药品的科学化管理.
-
应用直线回归和时间序列建立诊疗人次预测模型
目的:运用统计学方法对医院诊疗人次进行预测,为医院的现代化管理提供依据.方法:应用直线回归和时间序列建立预测模型.结果:通过时间序列算出各季度的季节比率,剔除季节比率,通过对相关系数r的检验,证明线性关系显著,建立预测模型YC=143929.8+5515.05t,在此基础上预测2017年和2018年诊疗人次的点估计值以及95%置信区间下的区间估计值.结论:该预测方法比较合理,接近实际,为医院领导各项计划的制定,各项政策的正确实施,正确的决策提供可靠的数据保证和理论支持.
-
时间序列ARIMA模型在乙型肝炎疫情预测中的应用
目的 应用时间序列模型中的自回归-求和-移动平均模型(Autoregressive Integrated Moving Average madel,ARIMA),分析乙肝发病,为乙肝的预警预测提供科学依据.方法 利用上海市闸北区传染病监测系统7a多乙肝发病情况数据,建立乙肝疫情ARIMA预测模型.结果 上海市闸北区2002～2009年乙肝时间序列符合ARIMA(1,1,1)模型(Ljung.Box检验,P=0.799),模型残差自相关系数均在±0.5之间,预测值与观测值具有较高的吻合度.结论 乙肝ARIMA模型对乙肝疫情预测有较好的效果.
