呼吸系统疾病死亡人数的人工神经网络方法研究

目的利用南京市2004-2009年呼吸系统疾病死亡病例和同期的气象资料,分析了气象因子(包括三种舒适度指数)与呼吸系统疾病死亡人数的相关性。方法通过BP神经网络建立了呼吸系统疾病死亡人数的预报模型,并对其进行评价。结果气象因素及其变化与呼吸系统疾病死亡人数有密切的关系。建立的呼吸系统疾病死亡人数的神经网络预报模型结构为15-20-1(即有15个输入、20个隐含节点和1个输出),训练精度为0.005,训练了26步达到目的,预测准确率达80.11%。结论与统计预报方法相比较,该方法计算简便、误差较小、预测准确率高,对呼吸系统疾病死亡人数有较好的预测效果,为医疗气象预报提供了一种新方法,具有进一步的研究价值。

南京市呼吸系统疾病死亡人数与气象因子的关系

利用2005年1月1日-2008年12月31日南京市逐日呼吸系统疾病死亡人数资料和同期气象资料,研究了气象要素变化对呼吸系统疾病死亡人数的影响.结果表明:南京市呼吸系统疾病死亡人数冬季最高,其次是春季,秋季和夏季较少;南京市逐日呼吸系统疾病死亡人数对气象要素变化的响应存在滞后性,春季滞后6-7 d,夏秋季滞后8-10 d,冬季滞后2-5 d;对风寒指数响应的滞后响应时间,春季7-8 d,夏季和秋季相关弱,冬季2-3 d;前期的空气污染和后期的剧烈降温叠加,可能是南京冬季呼吸系统疾病患者死亡的重要诱因;春季随着气温的回升,空气污染程度减轻,患者对气温变化的耐受性也延长了,但响应敏感性比冬季增强了;通过逐步回归,建立了冬季和春季南京呼吸系统疾病的死亡人数预报方程.

呼吸系统疾病死亡人数与气象条件的相关性分析

使用南京市玄武区1992-2001年资料，对呼吸系统疾病死亡人数与气象条件作了相关性分析，结果表明，呼吸系统疾病月死亡人数与月平均气温、月平均相对湿度呈显著负相关，与月平均气压呈显著正相关。用多元线性回归方法得到呼吸系统疾病死亡人数的月预测方程，并用历史资料进行了检验。

西安呼吸系统疾病死亡人数与气象因素的关系

利用西安市2010—2014年呼吸系统疾病死亡人数和同期气象数据,通过spss17.0对气象因子与呼吸系统疾病逐日死亡人数进行相关分析,通过多元逐步回归方法建立气象因素对呼吸系统疾病死亡人数的预测模型,并应用同期气象数据和呼吸系统疾病死亡人数检验预测模型。结果显示:西安地区呼吸系统疾病死亡人数冬春季明显多于夏秋季,且四季与呼吸系统疾病死亡人数有显著相关的气象因子不同;建立了春季、冬季的呼吸系统疾病死亡人数预报模型,经检验实测与预测人数平均相差分别为1.42人、0.56人,模型预测效果较好,可为预防呼吸系统疾病发生、发展,提高人群自我保健意识提供指导。

基于双重差分法的宁夏大气PM_(2.5)长期暴露对呼吸系统疾病死亡影响的研究

目的了解宁夏2010—2015年呼吸系统疾病死亡情况和PM_(2.5)的分布状况,探讨宁夏大气PM_(2.5)长期暴露对居民呼吸系统疾病死亡的影响。方法收集2010—2015年宁夏居民死亡监测数据,各街道、乡镇大气PM_(2.5)年均浓度以及气象、人口、地理信息等相关资料。采用改良的双重差分设计(广义非线性模型拟合),分析大气PM_(2.5)长期暴露对呼吸系统疾病死亡的影响。结果在呼吸系统疾病死亡人群中,男性占比55.36%,女性比占44.63%;64岁及以下组占比14.21%,65岁及以上组占比85.79%;大气PM_(2.5)浓度每升高1μg/m 3,对呼吸系统疾病和下呼吸道疾病死亡的OR值及95%置信区间(CI)分别为1.03(1.02~1.04)、1.03(1.02~1.05)。分层分析结果显示,大气PM_(2.5)浓度每升高1μg/m 3,对男性和女性呼吸系统疾病死亡的OR及95%CI分别为1.03(1.02~1.04)和1.03(1.02~1.05);对年龄≤64岁及年龄≥65岁组呼吸系统疾病死亡的OR及95%CI分别为1.02(0.99~1.05)和1.03(1.02~1.04)。结论宁夏地区大气PM_(2.5)长期暴露增加人群呼吸系统疾病、下呼吸道疾病死亡的风险,男性和女性均为敏感人群,年龄≥65岁组人群更加敏感。

2014-2020年西安市慢性呼吸系统疾病过早死亡及潜在减寿变化趋势分析

目的分析2014-2020年西安市慢性呼吸系统疾病过早死亡率及潜在减寿年数,了解过早死亡率的变化趋势,为进一步开展慢性呼吸系统疾病相关防控工作提供科学依据。方法基于中国疾病预防控制系统死因登记报告信息系统收集2014-2020年西安市所有慢性呼吸系统疾病死亡个案,计算构成比、粗死亡率、标化死亡率、过早死亡率、潜在减寿率、标化潜在减寿率、平均潜在减寿年数、年度变化百分比等指标,采用Joinpoint回归分析变化趋势,率的比较采用卡方检验。结果2014-2020年西安市共报告慢性呼吸系统疾病死亡病例16226人,占总死亡人数的4.70%。死亡率由2014年的26.59/10万下降至2020年的19.42/10万,APC为-3.92%,变化趋势差异无统计学意义(t=-2.46,P>0.05)。随着年龄的增加,慢性呼吸系统疾病死亡率呈上升趋势,APC为65.56%,变化趋势差异有统计学意义(t=12.34,P<0.05)。慢性呼吸系统疾病导致的过早死亡率由2014年的1.03%下降到2020年的0.36%,且呈逐年下降趋势,APC为-13.11%,年度变化趋势差异有统计学意义(t=-5.45,P<0.05)。慢性呼吸系统疾病的PYLL率由2014年的1.56‰下降至2020年的0.45‰,APC为-13.06%,变化趋势差异无统计学意义(t=-2.44,P=0.06)。结论慢性呼吸系统疾病是影响西安市居民健康的主要疾病,其死亡率及过早死亡率均呈逐年下降趋势,但其导致的平均减寿年数较高,今后应重点加强全市慢性呼吸系统疾病防控工作。

早期识别,预防呼吸系统疾病

在当今社会,环境污染和生活习惯的改变对人类健康造成了前所未有的挑战,尤其是对呼吸系统的影响更是深远和显著。呼吸系统疾病是指那些影响我们的鼻、咽、喉、气管、支气管以及肺部的疾病。这些疾病可以分为感染性疾病、慢性阻塞性肺疾病(COPD)、哮喘、肺纤维化和肺癌等多个类别。感染性疾病如流感和肺炎,主要由各种微生物引起。慢性疾病如哮喘和COPD,通常与遗传、环境因素和生活方式有关。据世界卫生组织(WHO)报告,每年有数百万人因呼吸系统疾病而死亡,其中肺癌、COPD和肺结核位于死亡原因的前列。这些疾病的流行与多种因素有关,包括吸烟、空气污染、职业暴露和遗传因素。呼吸系统疾病不仅严重影响患者的生活质量,还给家庭和社会带来沉重的经济负担。

不同气候带城市气温对老年呼吸系统疾病死亡影响及趋利降风险效应研究

基于元江、成都与西安3个不同气候带城市的逐日疾病死亡数据与同期气象数据,采用广义相加模型和分布滞后非线性模型探究了这3座不同气候带城市气温对老年呼吸系统疾病死亡风险的影响,使用归因分值(AFs)量化不同气温段对呼吸系统疾病所造成的健康损失,并定量评估三地之间季节性气候趋利可获得的死亡风险降低效应。结果表明:(1)元江、成都与西安地区气温与老年呼吸系统疾病死亡关系大致呈“W”、反“J”、反“J”型分布。(2)气温对元江老年人群呼吸系统疾病死亡的影响以高温即时性更为突出,成都、西安老年人群则以低温滞后性更为显著。(3)元江、成都与西安由气温造成的AFs分别为9.64%、11.25%和18.26%,其中冷效应对呼吸系统疾病产生的死亡风险更大。将气温进一步细分为4个气温段(极端低温、中等低温、中等高温和极端高温),中等低温造成的超额死亡累计人数最多,这与其发生频次多密切相关。(4)若元江、成都、西安有意愿有条件的老年人群采取候鸟式季节性气候趋利避暑或避寒康养,可在一定程度上降低由当地季节性不适气候所产生的健康风险。

2015-2021年江西省慢性呼吸系统疾病死亡情况及变化趋势

目的分析江西省常住居民慢性呼吸系统疾病死亡情况及其变化趋势,为相关防控措施制定提供依据。方法收集江西省2015-2021年死因监测数据,统计分析慢性呼吸系统疾病粗死亡率、标化死亡率、早死所致寿命损失年(YLL)、平均减寿年数(AYLL)、YLL率和平均年度变化百分比(AAPC)等指标。结果2015-2021年江西省慢性呼吸系统疾病导致死亡41969例,粗死亡率和标化死亡率分别为71.30/10万和61.46/10万。男性粗死亡率(83.60/10万)高于女性(58.47/10万)(χ^(2)=1304.50,P<0.001)。慢性呼吸系统疾病标化死亡率(AAPC=-4.05%,P=0.015)和女性标化死亡率(AAPC=-5.79%,P=0.003)呈下降趋势。慢性阻塞性肺疾病(COPD)是导致慢性呼吸系统疾病死亡的主要原因。江西省慢性呼吸系统疾病YLL为37.98万人年,AYLL为9.05人年,YLL率为6.45‰。结论江西省2015-2021年慢性呼吸系统疾病死亡呈现下降趋势,但死亡率与疾病负担仍然较高,应针对高危人群加强综合防控工作。

广州市居民呼吸系统疾病每日死亡人数与大气污染的时间序列分析

目的探讨广州市大气污染对居民每日呼吸系统疾病死亡人数的影响。方法收集广州市多家医院2006年1月1日~2008年12月31日呼吸系统疾病每日死亡人数的统计资料,结合同时期环境监测和气象资料,建立自回归模型（auto-regression model）,进行时间序列分析,在消除了气象、季节等混杂因素的基础上,分析了研究期间广州市大气污染与呼吸系统疾病死亡人数的关系。结果大气污染在冬季对居民呼吸系统疾病造成的死亡影响高于夏季。呼吸系统疾病日死亡人数较多月份与各污染物浓度较高的月份趋于一致。大气中NO2和PM10的浓度每增加10μg/m3,居民呼吸系统疾病日死亡人数分别各增加1%（P〈0.01）。灰霾天的空气污染物浓度高于非灰霾天。结论广州市大气主要污染物NO2和PM10浓度的升高,引起居民呼吸系统疾病的日死亡人数相应增加。

铁死亡与呼吸系统疾病相关性的研究进展

细胞死亡如坏死、凋亡、自噬在哺乳动物发育、体内平衡和疾病的各种分子生理过程中具有重要意义。铁死亡(ferroptosis)是铁依赖性的新型细胞死亡,与细胞凋亡、坏死、自噬在形态、生物化学方面均有显著的差别^([1])。其主要形态特征为线粒体密度降低,线粒体嵴减少或缺失以及线粒体外膜破裂。而在生化上则表现为活性氧(reactive oxygen species,ROS)积累、铁离子过量催化细胞内脂质过氧化(lipid peroxidation,LPO)增强、谷胱甘肽(glutathione,GSH)合成减少及谷胱甘肽过氧化物酶4(glutathione peroxidase 4,GPX4)的失活。铁死亡的特征是复杂的代谢网络微环境。

乌鲁木齐市呼吸系统疾病死亡人数的时间序列分析

目的对新疆乌鲁木齐市历年呼吸系统疾病死亡资料进行拟合和预测分析,找到其趋势变化特征,为采取有效预防措施提供依据。方法依据2015—2019年乌鲁木齐市呼吸系统疾病逐月死亡人数资料,应用求和自回归移动平均模型(autoregressive integrated moving average model,ARIMA),分析其趋势变化特征,并对2020—2021年呼吸系统疾病月死亡人数进行预测。结果最优预测模型为ARIMA(0,1,2)(1,0,1)[12];2015—2019年呼吸系统疾病死亡人数逐年呈下降趋势,每年的1、2、3、4、5、12月死亡数均高于其余月份;经预测,2020—2021年乌鲁木齐市呼吸系统疾病死亡人数与以往变化趋势一致。结论 ARIMA模型预测拟合效果较好,可用于短期预测与动态分析。乌鲁木齐市呼吸系统疾病死亡人数呈季节性周期变化,主要集中于春冬季节,逐年降低。模型反映出呼吸系统疾病死亡人数变化规律,对呼吸系统疾病预防控制具有一定的实际应用价值。

兰州市空气污染对呼吸系统疾病入院人数的影响

为评价兰州市空气污染对居民呼吸系统疾病日入院人数的影响,采用时间序列半参数广义相加模型（GAM）,在控制了长期趋势、＂星期几效应＂及气象因子等混杂因素的影响后,分析2007~2009年兰州市空气污染物与呼吸系统疾病日入院人数的暴露-反应关系,并按性别和年龄层建立模型.3种空气污染物有一定的滞后效应,PM10滞后2d或5d,SO2滞后3d,NO2在当天或滞后3d对呼吸系统疾病入院人数的相对危险度（RR）值达到最大,其中PM10、SO2和NO2对呼吸系统疾病全人群的RR值分别为1.015、1.049和1.040.年龄15岁的人群对兰州市空气污染最为敏感,其次为年龄65岁的老年人群;空气污染对男性的影响较女性明显.

北京市空气污染物对呼吸系统疾病门诊人数的影响

为评价北京市大气污染对居民呼吸系统疾病门诊人数的影响,采用时间序列半参广义相加模型（GAM）,在控制了长期趋势、“星期几效应”及气象因素的影响后,分析2009～2011年北京市空气污染物与呼吸系统疾病门诊人数的暴露-反应关系,并按性别和年龄层建立模型.结果表明,3种污染物有一定的滞后效应,PM10在滞后0～3d（avg03）或0～5d（avg05）的移动平均值,SO2和NO2均在滞后0～2d（avg02）的移动平均值使呼吸系统疾病门诊人数的增加百分比（PI%）值达到最大,其中 PM10、SO2和 NO2浓度每增加10μg/m^3,对应的呼吸系统疾病全人群的 PI%分别为1.72%、1.34%和2.57%.年龄≥65岁的老年人群对北京市空气污染物最为敏感,其次为年龄≤14岁的人群；空气污染对女性的影响较男性明显.

沙尘天气对呼吸系统疾病日入院人数影响的时间序列研究（1995-2003年）

为了探讨沙尘天气，特别是沙尘暴对人群呼吸系统健康的影响。对过去9年（1995-2003）沙尘暴高发地区甘肃省武威市的6所大中型医院沙尘天气高发季节（3月1日-5月31日）每日呼吸系统疾病入院人数进行了调查．采用半参数广义相加模型（Semi-parametric generalized additive model，GAM），在控制了长期趋势、日历效应（calendar effect）以及气象因子等混杂因素后，考虑到具体年份的差异。分别对每年建立GAM回归模型（滞后7d）并进行分析．然后应用Meta-分析方法的固定效应模型对各年GAM分析结果（即相对危险度RR）进行效应量合并，计算合并效应量（RR＋），以此表示沙尘天气对呼吸系统疾病日入院人数的综合影响．结果表明：（1）对于沙尘暴的影响，各年呼吸系统疾病日入院相对危险度（RR）合并效应量（RR＋）随沙尘暴滞后天数的不同而不同。且在滞后3、4、5d时每天的RR＋均有统计学意义，其RR＋分别为1．40（95％CI为1．06-1．86）、1．34（95％CI为1．01-1．77）、1．73（95％CI为1．35～2．23）；（2）扬沙天气在其滞后第6天RR＋有统计学意义（RR＋为1．14（95％CI为1．01-1．30）；（3）浮尘天气与扬沙天气类似，也在其滞后第6天RR＋有统计学意义，其RR＋为1．12（95％CI为1．00-1．25）．（4）沙尘天气对人群健康的影响，可根据滞后不同天的RR＋值变化，分为滞后早期效应、滞后中期效应和滞后后期效应三类；（5）沙尘天气引发和加重的呼吸系统疾病主要为各种肺炎、上呼吸道感染和感冒以及急、慢性支气管炎．这些结果表明。呼吸系统日入院人数沙尘天气。特别是沙尘暴与有关联系。且均表现为滞后效应。而且沙尘暴的影响强度大于扬沙天气或浮尘天气的影响．

综合型医院老年呼吸系统疾病死亡分析

目的探讨综合型医院老年患者死于呼吸系统疾病的部分特点.方法回顾性分析我院1996～2003年呼吸内科住院及死亡病例资料.结果①老年住院患者死于呼吸系统疾病的第一位、第二位原因:60岁～、70岁～年龄段,为慢性支气管炎、肺癌;80岁～年龄段,为慢性支气管炎、肺炎.而<60岁年龄段中,肺癌所占比例明显高于慢性支气管炎及肺炎.②老年男性死于慢性支气管炎占54.60%,肺癌占23.68%;而在老年女性中,慢性支气管炎占40.54%,肺癌、肺炎及其他呼吸疾病所占比例无明显差异.③随增龄,慢性支气管炎、肺癌病死率呈现逐渐上升趋势,而肺炎病死率在<60岁年龄段为1.39%,60岁～为2.64%,70岁～、80岁～年龄段中明显增高,分别达8.33%、8.89%.④≥60岁的各年龄段,男性病死率均高于女性,<60岁年龄段,男女病死率相近,约为2%.结论在综合型医院,慢性支气管炎仍是目前不同性别、不同年龄段老年患者死亡的第一位呼吸系统疾病;60～80岁年龄段中肺癌居第二位,80岁以上老年中肺炎居第二位;男性中肺癌居第二位,而女性中肺癌与肺炎等无明显差异;随增龄,呼吸系疾病病死率呈上升趋势,老年男性病死率高于同年龄段女性.

沙尘天气与呼吸系统疾病日入院人数关系

目的研究沙尘天气与呼吸系统疾病日入院人数的关系。方法采用时间序列的半参数广义相加模型(GAM),在控制了长期趋势、日历效应以及气象因子等混杂因素的影响后,分析1994-2003年沙尘天气与呼吸系统日入院人数的关系,并按性别不同分层建立模型(滞后7 d)。结果(1)总的呼吸系统疾病日入院相对危险度(RR)和上呼吸道感染(URTI)日入院RR,在沙尘天气滞后第3 d差异均有统计学意义,其RR分别为1.14(95%CI=1.02-1.27),1.16(95%CI=1.00-1.36);(2)在分层分析中,沙尘天气在滞后第3 d对总的呼吸系统疾病男女性日入院数均有影响,RR分别为1.14(95%CI=1.01-1.29),1.18(95%CI=1.00-1.41),且仅URTI和肺炎的男性日入院人数差异有统计学意义,RR分别为1.28(95%CI=1.04-1.59),1.17(95%CI=1.00-1.38)。结论沙尘天气与呼吸系统日入院人数有联系,且均表现为滞后影响,而男性URTI和肺炎的发生人群较女性与沙尘天气的联系更为密切。

成都市PM_(2.5)水平与人群呼吸系统疾病死亡的时间序列研究

目的探讨成都市空气PM_(2.5)对人群呼吸系统疾病死亡的影响。方法收集成都市2013—2015年空气污染物日平均浓度、呼吸系统疾病每日死亡人数及气象因素,采用时间序列的广义相加模型(generalized additive models,GAM),在控制时间的长期趋势、气象因素等混杂因素的基础上,分析PM_(2.5)浓度对人群呼吸系统疾病死亡的影响。结果单污染物模型中,PM_(2.5)浓度对呼吸系统疾病死亡的效应在滞后1d(lag1)时最大,PM_(2.5)浓度每升高10μg/m^3呼吸系统疾病死亡超额危险度增加0.31%(95%CI:0.10%~0.52%)。多污染物模型中,纳入SO_2、NO_2后,PM_(2.5)浓度对呼吸系统疾病死亡影响消失;纳入O_3后,PM_(2.5)浓度升高对呼吸系统疾病死亡影响有所降低,超额危险度为0.27%(95%CI:0.02%~0.47%)。结论成都市PM_(2.5)浓度升高可能与人群呼吸系统疾病死亡增加有关。

抚顺城区大气悬浮颗粒物污染与呼吸系统疾病死亡率相关性的定量分析

为了定量分析大气总悬浮颗粒物(TSP)对居民呼吸系统疾病死亡率的影响,采用单因素泊松(Poisson)回归分析法,研究了辽宁省抚顺市城区TSP浓度变化与市区1999～2003年呼吸系统疾病死亡率的相关关系.结果发现,在消除了时间、气象等因素影响后,滞后4日TSP浓度每增加50μg·m-3,呼吸系统疾病总人群组死亡率相对危险度(OR)增加1.02195(95%CI=1.00195～1.04245),即滞后4日TSP浓度变化造成总人群组呼吸系统疾病死亡率明显增加的超额死亡率为2.195%.抚顺城区大气TSP污染可能是市区居民呼吸系统疾病死亡率增加的原因之一.

兰州城区大气污染对呼吸系统疾病日住院人数的影响

为了探讨兰州城区大气污染对居民呼吸系统疾病日住院人数的影响,收集2004年1月1日—2007年10月31日兰州城区每日空气污染指数(API)、气象(日均气压、气温、气湿、风速和降水量)资料,以及同时段的居民呼吸系统疾病住院数据,选用广义相加模型(GAM)的Poisson回归,利用非参数平滑函数控制长期趋势、星期效应、气象因素的基础上,研究大气污染对居民呼吸系统疾病日住院人数的影响,并按性别、年龄和呼吸系统疾病类型进行分层分析。结果表明,研究当日API上升1个四分位间距(48个单位)时,当日总的呼吸系统疾病住院人数增加5.50%(95%CI 4.03%～6.99%),并且这种影响具有一定的滞后效应。男性在API上升滞后第1d RR值最高,为1.058 3(95%CI1.039 7～1.077 2),女性则在API上升当日RR值最高,除滞后第3 d和第4 d,其他滞后各天RR值均低于男性。API上升对16～64岁人群的影响只在当日和滞后第1 d有意义,对≤15岁者和≥65岁者有显著的滞后效应,以滞后第5 d和第4 d RR值最高,分别为1.063 6(95%CI 1.043 4～1.084 1)和1.047 6(95%CI 1.017 6～1.0786)。API上升当日肺炎和上呼吸道感染(URTI)患者日住院人数增幅最大,RR分别为1.059 5(1.040 7～1.078 7)和1.056 0(1.030 6～1.082 1),肺炎患者日住院人数滞后效应高于URTI。研究表明,大气污染可增加居民呼吸系统疾病住院人数,并对不同性别、年龄和呼吸系统疾病类型的影响存在差异。