《脑卒中发病环境影响因素分析.doc》由会员分享，可在线阅读，更多相关《脑卒中发病环境影响因素分析.doc（24页珍藏版）》请在金锄头文库上搜索。
1、脑卒中发病环境影响因素分析摘要 本文通过分析某城市各家医院2007年1月至2010年12月的脑卒中发病病例信息及相应期间当地的逐日气象资料，结合柱状图、折线图以及使用SPSS软件进行单因素相关分析、多元线性回归分析等，建立数学模型，解决了脑卒中与环境因素的问题，得出脑卒中与气温、气压、相对湿度间的关系，并对高危人群提出了预警和干预的建议方案。 首先，分析某市各家医院2007年1月至2010年12月的脑卒中发病病例信息及相应期间当地的逐日气象资料的所有数据，通过分析数据可得到以下几点： 1、男性患者多于女性患者； 2、一年中从1月到12月男女患者比例呈先上升后下降的趋势，7月份最大，为1.27：
2、1； 3、在1、3、4、5、10月份患者人数较多，所以该市春冬季更容易患脑卒中； 4、30岁到59岁，男女患者比例为2.35:1，高于平均比例； 5、患者中，小于45岁的占9.14%，大于45岁的占90.86%； 6、男女均以6685岁为高峰。 其次，利用Excel 软件画出了相关数据折线图，包括一年中月平均气压、月最高气压、月最低气压、月平均温度、月最高温度、月最低温度、月相对温度、月最小相对湿度图，以及月份与发病人数的关系图表、折线图，运用统计学的知识和SPSS软件，采用单因素相关、回归分析, 建立多元回归方程： 得出了脑卒中发病人数与气温、气压、相对湿度的关系：1、 脑卒中发病人数与气压
3、正相关，气压越高，发病人数越多。2、 脑卒中发病人数与气温负相关，气温越低，发病人数越多。另外，温差越大，发病人数越多。3、 脑卒中发病人数与相对湿度正相关，相对湿度越高，发病人数越多。 最后，通过查阅和搜集文献中有关高危人群的重要特征和关键指标，结合问题一二所得的结论，提出以下预警和干预方案： 1.避免在气压过高，温度过低的潮湿环境中长久逗留。 2.对于老年人要特殊的照顾，老年人身体抵抗力差，容易受环境因素的影响，社区一定要做好对老年人的身体各项指标的检测，给予及时的预防法案。 3.随着四季气温气压的变化，及时调整生活习惯，做好每一季度的危险疾病防范措施。对于脑卒中病尤其要在春冬季节做好防护
4、。关键词：SPSS软件 相关系数 Excel 单因素相关分析 多元线性回归方程 一、 问题重述 脑卒中（俗称脑中风）是目前威胁人类生命的严重疾病之一，它的发生是一个漫长的过程，一旦得病就很难逆转。影响脑卒中事件发生的危险因素有三类：1）不可改变的因素；2）人体内外环境影响；3）个人生活习惯和方式。 脑卒中的诱发与环境因素密切相关，突出表现在气温、湿度和气压三个方面。通过对脑卒中环境因素的分析可以对疾病进行风险评估，通过一级预防，二级预防，三级预防对脑卒中进行有效的控制,从而降低发病率。建立数据模型，掌握疾病发病率的规律，对于卫生行政部门和医疗机构合理调配医务力量、改善就诊治疗环境、配置床位和医
5、疗药物等都具有实际的指导意义。以研究脑卒中发病率为出发点，我们利用数学模型来完成以下三个目标： （1）通过对发病人群的性别、年龄等基本信息的分析统计，对发病人群进行统计描述。 （2）建立数学模型研究脑卒中发病人数与气温、气压、相对湿度间的关系。 （3） 查阅和搜集文献中有关脑卒中高危人群的重要特征和关键指标，结合1、2中所得结论，对高危人群提出预警和干预的建议方案。二、 问题分析 脑卒中的发生与环境因素有关，所以为了预防该病发生，对脑卒中的发病环境因素进行分析很有必要。根据某市各家医院2007年1月至2010年12月的脑卒中发病病例信息及相应期间当地的逐日气象资料的所有数据，建立数学模型，研究
6、脑卒中发病人数与气温、气压、相对湿度间的关系，非常有意义。 首先，为了能够更准确、直观地研究该城市脑卒中的患病情况，应该先观察分析该市各家医院2007年1月至2010年12月的脑卒中发病病例信息及相应期间当地的逐日气象资料的所有数据，排除那些存在错误而无法使用的数据，比如职业与年龄不相符的数据、数据不全无法使用的数据、发病时间比诊断时间迟等不符合逻辑的数据。整理归类留下来的数据，以供以后的研究所使用。并将以上归类整理的数据做出表格、折线图、扇形图、柱状图，分析统计出发病人群在性别、年龄、职业、发病时间、诊断延误时间以及气象因素方面的情况。 然后，采取上一步所得经过筛选整理的数据，重新整理列表并
7、画出相关折线图，列出月份与月平均气压、最高气压、最低气压、平均温度、最高温度、最低温度、相对温度、最小相对湿度以及月份与人数关系的图表、折线图、柱状图等，让读者能够更直观的看出两者之间的关系。建立数学模型，设出未知数，运用统计学的知识和SPSS软件求出脑卒中发病人数与气温、气压、相对湿度的函数关系，验证其正确性。 最后，针对以上所建立的数学模型，对其优缺点评价分析，并提出改进的方向。查阅和搜集文献中有关脑卒中高危人群的重要特征和关键指标，结合上面所得结论，对高危人群提出预警和干预的建议方案。三、 模型假设 1. 假设在研究单一因素变量时，其他因素相对稳定； 2. 假设题中所给数据为200720
8、10年该市所有医院全部发病病例信息，且信息没有重复； 3. 约定题中职业一栏为空格的按照其他职业即第9职业来处理，且对结果无影响； 4. 假定题中所给错误信息如年龄与职业不符，缺失年龄，或诊断时间比发病时间早等不合理信息，删去对总体结果均无影响； 5. 为了避免过失误差，将错误数据删除，按缺失数据处理。 6. 空白数据按缺失数据处理。 7. 有错误代码的数据删除，按缺失数据处理。四、 符号说明及名词定义 平均气压 最高气压 最低气压 平均温度 最高温度 最低温度 平均相对湿度 最小相对湿度 温差 发病人数五模型建立和求解5.1 发病人群基本信息资料分析5.1.1 资料与方法（1）资料来源 中国
9、某城市2007年1月到2010年12月脑卒中所有发病病例信息以及相应期间当地的逐日气象资料的统计数据。其中病例信息2007年9729例，2008年19510例，2009年9355例，2010年15012例。（2） 方法 运用描述性流行病学的方法，对47388例脑卒中患者病例进行流行病学分析。并采用SPSS13.0统计软件和Excel 2003对2007、2008、2009、2010年数据进行分析。 气象资料信息在分析时采用月平均气压，月最高气压，月最低气压，月平均气温，月最高气温，月最低气温，月平均相对湿度，月最低相对湿度8种气象资料。5.1.2 分析 （一）人群分布 对患病人群进行详细严谨的
10、统计分析，可以对疾病进行风险评估，从而有效的控制患病者的数量。让人们生活在一个相对健康的优良环境中。要掌握一种疾病的发病规律，我们首先从性别、年龄、职业、季节、环境等方面逐一分析研究并归纳。（1）性别 在47388例患者中，男性25742例，占54.31%；女性21646例，占45.68%，男女性发病比例为1.19:1。见表1。表1 20072010年脑卒中患者性别统计表 SexTotal男女month1224219744216221201803392332349197343224223118934124523171946426362054163336877211816733791821341
11、73838729201817273745102243190941521120611740380112185516373492Total257422164647388（2）年龄分布 由表2可见，患者的年龄在45岁以下1416例，占2.99%，4585岁39376例，占83.09%，85岁以上3490例，占7.36%。表2 20072010年脑卒中患者年龄统计表年龄(岁)454655566566757685869596105105人数20072967511708300928845661612008428113129644784486510443012009268352651690628824020
12、104241154278442806741178400总人数14163388810712763151183440502 通过SPSS软件分析，得到患者的平均年龄为70.4370岁。即脑卒中患者多为老年人。见表3。经医学阐述是因老年人机体调节能力下降，血管壁脆性增加，舒张能力下降，一旦受到冷刺激易引发血流动力学改变形成微血栓而促发脑卒中的发生。表3 患者年龄计算的SPSS计算结果 NMeanStd. DeviationStd. Error95% Confidence Interval for MeanMinimumMaximumLower BoundUpper Bound1421670.7747
13、11.98900.184670.412771.136711002392370.546012.00480.191770.170270.921851003432270.713811.97930.182270.356571.071011034412470.463611.84450.184470.102070.825211005426370.579611.76720.180270.226370.93301976368770.107711.95680.196969.721670.493701077379170.337911.94450.194069.957670.718221018387270.398212.04230.193570.018870.777701009374570.370412.02220.196469.985270.7555110410415270.144511.86560.184169.7835
