1
基于逐步回归的脑卒中发病环境因素分析及干预模?/p>
摘要
本文通过建立合理的假设,
对某地区
2009-2010
年脑卒中发病率与
8
种气象因素进
行了相关分析,并经多元逐步回归建立了脑卒中发病率的预报模型进行了定量分析,?/p>
到了较为合理的结论。考虑到发病率与气象因素的复杂关系,在逐步线性回归模型的?/p>
础上,引进广义线性回归模?/p>
(GLM)
进行推广?/p>
针对问题一,本文对性别、年龄段、职业和时间序列以及
4
年的平均发病例数进行
统计和分析,
在删除了一些缺失或失真数据的基础上,
对数据分别进行整理分析?/p>
最后,
在性别方面,得到脑卒中发病率男性比女性的高。从年龄结构看,发病人数主要集中?/p>
50~90
这一年龄区间内,其所占比例达
81.10%
。从职业结构看,农民的发病率最大。从
各年的平均发病人数看,在各年季节交替月份的患病人数较多?/p>
针对问题二,考虑到气温、气压和相对湿度对发病率的影响不确定,本文首先建?/p>
?/p>
Pearson
相关分析模型?/p>
通过
r
值的大小来判断发病率与各指标是否存在着某种相关?/p>
经计算得出温度与发病率呈正相关,气压、相对湿度与发病率呈负相关,且各指标与发
病率均呈弱相关,相关度并不显著。其次,考虑到发病率有可能受到多个因素的共同?/p>
响,于是用逐步线性回归模型对各因素逐步分析删除,最后得出脑卒中月平均发病率?/p>
平均气压、最大气压、最小气压、平均温度、最高温度和最高相对湿度这五个因素的一
个多元回归线性预报模型,并进行了一定的定量分析。最后,考虑到逐步线性回归模?/p>
的各指标是相互独立性,而气压和温度之间存在相互作用,通过引入平均气压和平均温
度交互项,对模型二进行了改进,得到了一个更优的模型。通过对模型的定量分析,本
文预报模型具有实际应用价值?/p>
针对问题三,脑卒中高危人群的重要特征有:偏瘫、失语、精神症状等,关键指?/p>
有:高血压、吸烟醉酒、血脂异常、糖尿病等。结合问题一、二的结论,分别针对高危
人群提出预警和干预的建议方案。从这两个方案中得知:减少脑卒中发病率要从提高身
体素质、疾病的认知和膳食均衡这三方面去考虑?/p>
最后,考虑到逐步线性回归模型中脑卒中发病率与气象因素中的线性关系,而实际上?/p>
发病率与气象因素关系的复杂性线性关系并不足以充分刻画,
本文在假设脑卒中发病?/p>
数与整个地区是一个小概率事件上,其实际分布接近于泊松分布,利用广义线性回归模
?/p>
(GLM)
进行推广,一定程度优化了逐步回归模型?/p>
关键?/p>
:脑卒中
气象因素
相关分析
多元逐步回归
GLM
模型