换一批2020-2022年百色市极端气象因素对高血压就诊量影响的时间序列分析
Time series analysis of the impact of extreme meteorological factors on hypertension visits in Baise City from 2020 to 2022
摘要目的 分析广西百色市极端气象因素对当地居民高血压病就诊的影响,为疾病的区域性防控提供循证依据.方法 收集2020-2022年期间到百色市两家三级甲等综合性医院就诊的高血压病例资料及同期当地气象因素、空气污染物数据.运用广义加性模型(generalized additive model,GAM)结合分布滞后非线性模型(distributed lag nonlinear mod-el,DLNM),以气象因素的第5百分位数(P5)和第95百分位数(P95)来评估极端气象因素在不同滞后天数对高血压病就诊的滞后效应(RR)及累积滞后效应(CumRR).结果 研究期间,共58 139例患者因高血压病就诊,日均就诊量53人.Spearman相关性分析显示,温度和压强均与高血压就诊存在相关性,两者与高血压患者就诊的暴露—反应曲线分别呈近似线性和近似"J"型.在单日滞后效应中,极端低温和极高气压表现出危害延迟效应,两者均在lag21 d时影响最显著,RR值分别为1.026(95％CI:1.013,1.040)和1.025(95％CI:1.015,1.035);极低气压表现急性危害效应,不利影响在lag0 d时最显著,RR为1.016(95％CI:1.003,1.029),随后危害效应逐渐下降.极端低温和极高气压的累积效应在lag0-21 d时最强,极低气压的累积效应在lag0-4 d时最强;而极端高温对人群高血压病就诊量的影响无统计学意义.结论 高血压病易受环境气象因素影响,极端低温、极低气压和极高气压均能增加高血压病就诊风险并且存在不同程度的滞后性.
更多相关知识
关键词
高血压气象因素时间序列分析分布滞后非线性模型广义加性模型hypertensionmeteorological factorstime series analysisdistributed lag nonlinear modelgeneralized additive model
栏目名称
DOI
10.3969/j.issn.1001-5817.2025.06.013
发布时间
2026-01-19（万方平台首次上网日期，不代表论文的发表时间）
基金项目
广西研究生教育计划创新项目（YCSW2024541）
- 浏览2
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
