大气污染对呼吸系统疾病日门诊量的时间序列分析

目的 探究银川市大气污染物浓度对医院呼吸系统疾病日门诊量的影响。方法 收集2019年1月1日至2021年12月31日银川市多院区医院门诊逐日就诊资料、同期气象数据和大气污染物资料。采用Poisson分布的广义相加模型计算不同大气污染物对呼吸系统疾病日门诊量的单日滞后效应(lag0~lag7)和累计滞后效应(lag01~lag07),采用季节分层分析研究不同亚组大气污染与日门诊量的关系。结果 单污染模型中PM_(2.5)、PM_(10)、NO_(2)、O_(3)浓度每增加10μg·m^(-3),日门诊量分别增加1.398%(95%CI:1.229%~1.567%)、17.179%(95%CI:0.678%~36.384%)、2.940%(95%CI:2.470%~3.412%)和0.426%(95%CI:0.175%~0.677%),分别在lag01、lag06、lag07、lag04达到最大效应。季节分层分析显示,除去PM_(10)在冷、暖季最大效应值基本持平外,PM_(2.5)、NO_(2)和O_(3)最大效应值均出现在暖季,最佳滞后天数分别为lag1、lag7、lag2。结论 银川市大气污染物PM_(2.5)、PM_(10)、NO_(2)和O_(3)浓度升高均能增加呼吸系统疾病日门诊量,且具有滞后效应,其中污染物PM_(10)对日门诊量的影响最大。

沙尘天气与儿童呼吸系统疾病日门诊量的关联性分析

目的:了解沙尘天气对儿童呼吸系统健康的影响,为更好地预防和治疗由沙尘粒子引起的儿童呼吸系统疾病提供参考依据。方法:对吉林省长春市6家三级甲等医院2011—2013年沙尘天气高发时段(3—5月)儿童呼吸系统疾病逐日门诊量进行调查,采用非季节性求和自回归滑动平均模型(ARIMA)排除医院日门诊量的长期趋势、气象和随机干扰因素后,分析沙尘天气对儿童呼吸系统疾病日门诊量的影响。结果:2011—2013年3—5月沙尘天气与非沙尘天气比较,空气日均相对湿度、温度、二氧化硫(SO2)和二氧化氮(NO2)水平差异均无统计学意义(P>0.05);与非沙尘天气比较,沙尘天气时,大气中吸入颗粒物(PM10)日均浓度明显升高(P<0.05),2012和2013年风速明显升高(P<0.05)。沙尘天气对儿童呼吸系统疾病日门诊量的增加有影响,且呈滞后效应。与非沙尘天气比较,发生在沙尘天气滞后第2和3天儿童呼吸系统疾病日门诊量增加有统计学意义(P<0.05)。结论:沙尘天气与儿童呼吸系统疾病日门诊量增加有关联,且呈滞后效应。

兰州市医院儿科呼吸系统疾病日门诊量与空气污染的相关性研究

目的探讨兰州市医院儿科呼吸系统疾病日门诊量与空气污染的关系。方法收集2014年、2015年兰州市城关区和西固区监测点覆盖范围内的综合医院、社区卫生服务中心及妇幼保健院等6家医疗机构的儿科呼吸系统疾病门诊量数据及兰州市空气污染物资料,采用两独立样本的秩和检验分析两城区空气质量及两城区与兰州市总体空气质量的比较。采用Poisson广义可加模型的时间序列分析,对兰州市医院儿科呼吸系统疾病日门诊量和空气污染进行分析,同时控制时间趋势、星期效应、气象因素等混杂因素的影响。结果兰州市城关区和西固区SO2日平均浓度分别为26.52和28.78μg/m^3,NO2日平均浓度分别为48.56和51.84μg/m^3,PM10日平均浓度分别为115.82和129.31μg/m^3,PM_(2.5)日平均浓度分别为51.34和62.86μg/m^3。两城区空气污染物的秩和检验结果显示:西固区SO_2、PM_(10)、PM_(2.5)的日平均浓度高于城关区此三种污染物的日平均浓度,且差异有统计学意义。城关区和西固区的空气污染物浓度比兰州市总体的浓度高。广义可加模型分析结果发现SO_2、NO_2、PM_(10)及PM_(2.5)日平均浓度与儿科呼吸系统疾病日门诊量存在正相关关系。进行多污染物模型分析发现,多污染物模型的RR值相对单污染物模型基本没有升降。结论兰州市医院儿科呼吸系统疾病日门诊量与空气污染浓度呈正相关关系,且存在滞后效应。

太原市空气污染与儿童医院日门诊量的相关性研究

[目的 ]探讨空气污染对儿童健康的影响。 [方法 ]应用时间序列分析方法和回归分析方法 ,对 1 998年山西省儿童医院和太原市儿童医院门诊资料、同期杏花岭区和迎泽区的WHO全球大气监测点的空气监测资料及同期山西省气象资料 ,进行空气污染与儿童医院门诊量的相关性分析。 [结果 ]1 998年 ,太原市空气污染物总悬浮颗粒物 (TSP)和SO2 均值在采暖期和非采暖期均高于WHO空气质量推荐标准。门诊量分析结果表明内科门诊量所占的比例最大 ,省儿童医院为 40 92 % ,市儿童医院为 2 6 1 2 %。相关性分析说明在空气污染指标中SO2 浓度与两个医院内科日门诊量的增加呈显著相关。TSP浓度与省儿童医院急诊科日门诊量呈显著相关。 [结论 ]空气污染物SO2 浓度与儿童医院内科日门诊量之间、TSP浓度与省儿童医院急诊科日门诊量之间相关。表明太原市空气污染已经影响了儿童的健康 ,应该受到重视 ,并提示太原市对空气污染要采取控制措施。

2016年苏州市工业园区空气质量指数与呼吸系统疾病日门诊量的时间序列研究

目的利用GAM模型探讨苏州工业园区空气质量指数(AQI)与呼吸系统疾病日门诊量的关系。方法收集2016年1月1日—12月31日苏州市工业园区43个社区卫生服务站和5个社区卫生服务中心的呼吸疾病逐日门诊量、苏州市工业园区主要大气污染物(PM_(2.5)、PM_(10)、SO_2、NO_2、CO、O_(3~1)、O_(3~8))及气象资料,利用主要大气污染物计算AQI,使用半参数广义相加模型(GAM)分析2016年苏州市工业园区AQI与呼吸系统疾病日门诊量的关系。结果空气质量指数(AQI)对呼吸系统疾病的日门诊量产生一定的滞后效应,并且当日至前4 d(lag04)的移动平均值对人群的呼吸系统疾病日门诊量影响最为明显。在此最佳滞后条件下,AQI每升高一个四分位间距时,人群呼吸系统疾病日门诊量增加6.7%(RR=1.067,95%CI:1.061~1.074)。结论 AQI的上升将导致呼吸系统疾病门诊发病人数的增加,对人体呼吸健康会造成一定伤害。

运用传递函数模型预测儿童医院日门诊量

目的建立传递函数模型,预测儿童医院日门诊量,并找出天气相关指标和儿童医院门诊量的相关性,为门诊管理决策提供依据。方法应用SPSS17.1软件,利用2014年前41周日门诊量的数据和天气相关指标建立函数传递模型,预测下一周的日门诊量,计算误差率。结果日门诊总量预测模型的表达式为ARIMA(0,1,2)(0,1,1)7,与最高温度、最低温度显著相关,平均误差率为4.32%。结论传递函数模型能准确预测儿童医院日门诊量,其能为医院门诊管理提供准确的预测数据。

遗传编程在医院日门诊量预测中的应用

目的医院门诊量预测对于提高医院的工作效率具有重要意义。方法针对日门诊量预测问题,提出一种基于遗传编程的日门诊量预测方法,该方法首先采用基于距离的离群点挖掘算法识别节日效应的有效时间范围。同时,用节气作为表示气候变化的最小时间单位,以及其他若干属性来描述日门诊量历史数据。最后,以遗传编程为框架,提出了日门诊量预测函数的分段学习策略。结果算法对日门诊量的预测结果的决定系数均在0.9以上。结论遗传编程方法具有较强的日门诊量预测能力。

空气污染对妇幼医院儿内科呼吸系统日门诊量的影响研究

目的探讨空气污染对妇幼医院儿内科呼吸系统日门诊量的影响。方法收集2014—2017年银川市空气污染资料、气象资料、妇幼保健院小儿内科日门诊就诊资料,描述银川市空气污染趋势,采用基于Poisson回归的广义相加模型分析空气污染与妇幼医院儿内科呼吸系统门诊量的暴露—反应关系。结果2014—2017年银川市大气PM_(10)、PM_(2. 5)和NO_2年平均浓度均超过《环境空气质量标准》(GB 3095-2012)中相应空气污染物二级浓度限值,控制了温度、湿度、时间趋势和星期几效应的时间序列分析结果显示PM_(2. 5)、PM_(10)、SO_2和NO_2每升高10μg/m^3对小儿内科呼吸系统日门诊量存在滞后效应。结论空气污染对妇幼医院儿内科呼吸系统日门诊量存在影响,尤其是空气污染物PM10、NO_2和SO_2。

我院一日门诊量剖析

随着国家医疗卫生制度改革的不断深入,医疗服务市场的重新划分,门诊服务是基层医院、乃至多数高层医院竞争的热点.纵观我院历史资料,一直是以门诊业务为主,门诊部运营的好坏,直接左右着医院的经济效益和社会效益.本文拟通过对一日门诊量的全面调查,剖析门诊就诊人员基本情况,从中发现影响门诊量的相关因素和病人的医疗需求,以便更好地适应竞争日益激烈的医疗市场变化,在改革中求生存、求发展.

西安市空气污染对呼吸系统门诊量的影响

目的探讨西安市空气污染对当地居民呼吸系统疾病的影响,为控制空气污染、减少呼吸系统疾病的发生提供参考。方法收集西安市2016年1月1日至2019年12月31日每日空气污染状况、气象数据及某三甲医院呼吸科日门诊就诊人数。采用病例交叉设计分析空气污染物与门诊就诊量之间的关系。结果大气污染物细颗粒(PM_(2.5))与一氧化碳(CO)在累计滞后4 d(lag04)时危害最明显[RR=1.017(95%CI 1.001~1.034)、1.027(95%CI 1.001~1.054)],仅会增加>65岁人群的呼吸系统门诊就诊量。可吸入颗粒物(PM_(10))与二氧化硫(SO_(2))在累计滞后7 d(lag07)时每增加四分位间距(IQR)浓度,总人群呼吸系统门诊就诊风险分别增加4.26%(95%CI 1.73%~6.87%)和7.03%(95%CI 2.43%~11.84%),PM_(10)对<35岁人群危害效应最明显,SO_(2)对>65岁人群效应十分强烈。二氧化氮(NO_(2))和臭氧(O_(3))浓度的升高仅会增加>65岁人群呼吸系统门诊就诊量。结论西安市大气污染物PM_(2.5)、PM_(10)、SO_(2)、CO浓度的升高可导致呼吸系统门诊就诊量的增加,并且存在滞后效应,老年人群更应该注重NO_(2)和O_(3)对于呼吸系统的危害。

基于时序模型空气污染物对糖尿病日门诊量的影响

目的通过分析空气质量对糖尿病门诊量的影响,为医院门诊糖尿病病人的管理提供参考。方法以2018年7月1日至2022年7月31日某院糖尿病门诊量为研究对象,结合该时间段的空气质量情况,采用分布滞后非线性模型分析空气质量与糖尿病就诊人数的相关性。结果大气中污染物PM_(2.5)、PM_(10)浓度的升高与增加糖尿病日门诊量的增加相关,且呈滞后效应。受高浓度的PM_(2.5)的影响,男性在第5 d(lag5)、女性在第6 d(lag6)日门诊量达到最大值。青中年人群日门诊量的累积效应不论是在低浓度PM_(2.5)还是高浓度PM_(2.5)暴露情况下,差异均无统计学意义(P>0.05)。而老年人群差异有统计意义(P<0.05),特别是暴露在高浓度PM_(2.5)情况下,日门诊量上升明显。结论空气中PM_(2.5)、PM_(10)等有害物质,会给糖尿病患者的日门诊量带来影响,会增加该类人群的就诊次数。

大气污染与呼吸系统疾病日门诊量的时间序列分析

目的探讨大气污染对医院呼吸系统疾病日门诊量的影响。方法收集广州市某医院2006年1月1日—2008年12月31日呼吸系统疾病日门诊量的统计资料,结合同时期环境监测和气象资料,采用自回归模型(auto-regression model),在消除了气象、季节等混杂因素的基础上,分析了广州市研究期间大气污染与呼吸系统疾病日门诊量的关系。结果呼吸系统疾病日门诊的就诊量具有明显的星期效应(医院周六、周日休息所致),呼吸系统疾病就诊量较大月份与各污染物浓度较高的月份趋于一致。大气中SO2和NO2的浓度每增加10μg/m3,居民呼吸系统疾病的日门诊就诊量分别各增加3%(P<0.01)。灰霾天气的空气污染物浓度高于非灰霾天气。结论广州市大气主要污染物SO2和NO2浓度的升高引起居民呼吸系统疾病的日门诊就诊量相应增加。

深圳市大气PM_(10)浓度对呼吸系统疾病日门诊量的影响

目的探讨大气PM10对医院呼吸系统疾病日门诊量的影响。方法采用广义相加Poisson回归模型的时间序列分析,在控制长期趋势、星期几效应、气象和环境因素等的影响后,对深圳市2008年大气PM10日均浓度与同期某医院呼吸系统疾病日门诊量的关系进行定量回归分析,同时考虑滞后效应。结果当日大气PM10浓度与当日门诊量的关系无统计学意义(P>0.05)。PM10滞后效应以滞后5日的健康效应最强,每上升10μg/m3,超额危险度为1.113%(95%CI 0.613%～1.616%)。考虑CO、NO2、SO2等的影响后,除单独引入CO降低PM10效应估计值外,其余均使PM10的健康效应估计值有所升高。结论深圳市大气PM10污染与医院呼吸系统疾病日门诊量存在正相关。

广州市2015年大气PM_(2.5)与呼吸系统疾病日门诊量的关系

目的定量研究广州市大气细颗粒污染物(PM_(2.5))对呼吸系统疾病门诊量的影响。方法采用环境流行病学方法,收集2015年1月1日—12月31日大气PM_(2.5)等污染物资料、气象资料以及广州市1家三级甲等综合性医院呼吸系统疾病日门诊量资料,采用广义相加模型研究广州市大气PM_(2.5)与呼吸系统疾病日门诊量的关系(同时控制长期趋势、星期几效应和气象因素等混杂因素的影响)。结果 2015年广州市大气PM_(2.5)平均浓度为38.6μg/m^3,Spearman相关性分析表明,呼吸系统疾病日门诊量与SO_2、NO_2、CO、气压均成正相关,均有统计学意义(P<0.05)。GAM模型分析结果显示,PM_(2.5)对呼吸系统疾病日门诊量呈现出0~3 d的明显的滞后效应,均有统计学意义。PM_(2.5)滞后1 d效应最大,滞后1 d时,模型结果预测ER(%)为2.847(1.310,4.408),PM_(2.5)每增加10μg/m3,呼吸系统疾病门诊量增加2.847%。结论广州市大气PM_(2.5)与呼吸系统疾病日门诊量成正相关关系,且存在滞后效应。

武威市沙尘天气对儿童呼吸系统疾病日门诊量的影响

目的探讨武威市沙尘天气对儿童呼吸系统健康的影响。方法收集2015-2016年沙尘天气高发期(3-5月)武威市0~14岁儿童呼吸系统疾病门诊逐日资料和同期气象环境资料,采用分布滞后非线性模型(DLNM)进行沙尘天气PM10和PM2.5浓度与儿童呼吸系统疾病日门诊量的关联性研究。结果与非沙尘天气比较,沙尘天气日均风速(3.31 m/s)、PM10日均浓度(287.32μg/m^3)、PM2.5日均浓度(92.57μg/m^3)均较高(P<0.05)。沙尘天气PM10浓度上升与儿童呼吸系统疾病门诊量的增加相关,呈滞后效应;PM10累积效应对0~14岁儿童、6~14岁儿童分别在滞后3~5 d、3~8 d有统计学意义,分别于第5、8天达最大,RR(95%CI)值分别为1.9936(1.0397~3.8227)、3.7958(1.0645~13.5344);对0~5岁儿童累计效应在整个滞后期均无统计学意义。PM2.5的累积效应对不同年龄儿童在整个滞后期均无统计学意义。结论武威市沙尘天气高浓度PM10污染可增加儿童呼吸系统疾病日门诊量,呈滞后效应,6~14岁儿童是敏感人群。

2014年武汉市大气颗粒物数浓度与呼吸系统疾病日门诊量的时间序列研究

[目的]探讨武汉市不同粒径颗粒物数浓度（PNCs）对市民呼吸系统疾病日门诊量的短期影响。[方法]收集2014年武汉市不同粒径颗粒物的日均数浓度、同期气象参数资料以及部分市级医院呼吸系统疾病日门诊量数据。采用时间序列的半参数广义相加模型分析颗粒物数浓度对呼吸道疾病日门诊量影响的最佳滞后时间及暴露-反应关系。[结果]单污染物模型结果显示,在最佳滞后条件下,PNC0.25-0.5每升高一个四分位间距值时,全人群和男性呼吸系统疾病日门诊量分别增加5.60%（RR=1.056 0,95%CI：1.004 5~1.110 2）和8.63%（RR=1.086 3,95%CI：1.027 0~1.148 9）;PNC0.5-1.0每升高一个四分位间距值时,全人群和男性呼吸系统疾病日门诊量分别增加2.42%（RR=1.024 2,95%CI：1.006 7~1.042 1）和3.29%（RR=1.032 9,95%CI：1.013 4~1.052 8）;PNC1.0-2.5每升高一个四分位间距值时,全人群和男性的呼吸系统疾病日门诊量分别增加4.45%（RR=1.044 5,95%CI：1.013 4~1.076 5）和3.89%（RR=1.038 9,95%CI：1.003 6~1.075 4）。双污染物模型结果显示,当分别调整可吸入颗粒物、细颗粒物、二氧化硫、二氧化氮、一氧化碳和臭氧质量浓度后,PNC0.5-1.0与全人群及男性的呼吸系统疾病日门诊量仍呈正相关关系（P〈0.05）,但PNC0.25-0.5仅与男性呼吸系统疾病日门诊量的相关性稳健（P〈0.05）。[结论]当调整了颗粒物及气态污染物的质量浓度后,粒径〈1.0μm颗粒物数浓度对全人群和男性呼吸系统疾病日门诊量的影响较明显。

太原市辖区空气污染状况对医院门诊量影响初探

近年来,＂雾霾天气＂已经成为一种灾害性天气,给我们的出行带来了很大的不便,雾霾天气导致近地层紫外线的减弱,使空气中的传染性病菌的活性增强,对呼吸系统影响最大,这已成为多数人的共识,感冒、过敏等疾病在雾霾天更易发作或加重;另外,雾霾天空气中污染物多,气压低,容易诱发心血管疾病的急性发作。

2015-2018年石家庄市大气PM_(2.5)与儿童神经系统疾病门诊量的时间序列分析

目的探讨石家庄市大气PM_(2.5)质量浓度与儿童神经系统疾病日门诊量的关系。方法收集2015—2018年石家庄市的空气污染物日均质量浓度、日均温度、日均相对湿度以及每日儿童神经系统疾病门诊个案数据并进行统计描述,采用基于Poisson分布的广义相加时间序列模型,定量评估PM_(2.5)质量浓度与儿童神经系统疾病门诊量的关系,并进行性别、年龄和疾病种类分层分析。结果2015—2018年石家庄市PM_(2.5)日均质量浓度的中位数为63.50μg/m^(3),儿童神经系统疾病日门诊量的中位数为74人次。时间序列分析显示:PM_(2.5)质量浓度(lag7 d)每升高10μg/m^(3),儿童神经系统疾病的门诊量(95%CI)增加0.20%(0.02%,0.39%);分层分析发现,PM_(2.5)质量浓度与女性、(0~6)岁、中枢炎性和脑损伤性儿童神经系统疾病门诊量存在关联,超额就诊风险(95%CI)分别为0.30%(0.08%,0.52%)、0.23%(0.04%,0.43%)、0.43%(0.08%,0.79%)、0.44%(0.10%,0.77%)。结论石家庄市PM_(2.5)质量浓度的升高可能增加儿童神经系统疾病的患病风险,且女性、(0~6)岁儿童更敏感,中枢炎性和脑损伤性神经系统疾病可能为PM_(2.5)的敏感性疾病。