氣溫，濕度對上海市流感樣病例人次的影響.pdf

1、研究目的:提出帶自回歸項的廣義相加模型，并研究氣溫，濕度對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時間序列，而時間序列分析往往基于數(shù)據(jù)對發(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GLM和GAM的參數(shù)值時，一般假定觀測之間相互獨立，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。流感是一個對人類健康危害極大的疾病。試驗證實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)性的流行病學研究還較少。上海是一個國際大都市，面臨著流感季節(jié)性流行和暴發(fā)的風險。了解氣象因素對流感的作用，有利于人們應用相應的措施來控制流感的流行，減少流感暴發(fā)的風險，有助于醫(yī)院管理人員對醫(yī)療資源的調(diào)配，也有利于對流感的暴發(fā)作出預警。
　　統(tǒng)計方法:提出帶自回歸項

3、的廣義相加模型，并用模擬研究來比較GAM與GAMAR在應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)來代表長期趨勢，以及日均氣溫，相對濕度，日均氣壓，大氣污染物效應PM10，SO2，NO2的非線性效應，用啞變量描述星期效應，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進行估計。
　　預測模型:前文中模型包含一個

4、長期時間樣條，這使得它不可能被用于預測。若用GAM模型進行預測，未來流感樣病例趨勢的不確定性可能會影響預測的精度。而采用GAMAR進行預測，由于AR項本來就包含了以往時間趨勢的信息，因此GAMAR本質(zhì)上能夠用以往的數(shù)據(jù)來預測以后的變化趨勢。為證明這一點，對調(diào)整時間趨勢前后的流感樣病例采用GAM/GAMAR擬合結(jié)果進行交叉驗證。
　　結(jié)果和結(jié)論:本文提出了擬合環(huán)境流行病學中時間序列的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，GAM的參數(shù)估計結(jié)果有錯誤，而GAMAR可以給出正確的估計結(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)計模型，但是發(fā)現(xiàn)其Pearson殘差有嚴重的自相關(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。通過對比發(fā)現(xiàn)，GAMAR給出的變量效應比GAM的更平緩一些。對GAMAR而言，23天前的日均氣溫在10℃和30℃時對應的當天流感樣病例最高，在15～25℃時對

6、應的流感樣病例最低，效應曲線呈雙峰狀。4天前的相對濕度較低時，當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％時流感樣病例有一些波動，在高于80％時繼續(xù)降低。
　　因為未來的總體變化趨勢是未知的，所以預測模型中不能包括時間的趨勢樣條，自然能夠包含過去信息的GAMAR是預測模型更好的選擇。通過交叉驗證發(fā)現(xiàn)，GAMAR果然比GAM在是否調(diào)整長期趨勢的問題上更穩(wěn)健。并且無論是否調(diào)整長期趨勢，GAMAR均比GAM在交叉驗證