赣南师范学院C国家一等奖论文.docx
- 文档编号:8954214
- 上传时间:2023-02-02
- 格式:DOCX
- 页数:56
- 大小:563.12KB
赣南师范学院C国家一等奖论文.docx
《赣南师范学院C国家一等奖论文.docx》由会员分享,可在线阅读,更多相关《赣南师范学院C国家一等奖论文.docx(56页珍藏版)》请在冰豆网上搜索。
赣南师范学院C国家一等奖论文
脑卒中发病环境因素分析及干预
摘要
脑卒中是急性脑循环障碍迅速导致局限性或弥漫性脑功能缺损的临床事件,是较常见的急性脑血管病,是目前人类疾病的三大死亡原因之一,本文就针对脑卒中发病率与这种疾病的诱发因素进行了探讨,其中引起脑卒中发病的危险因素很多,本文主要针对脑卒中的发病环境因素进行分析。
结合题目中所给出的数据,分别统计各个年份之下病人的基本信息,在EXCEL和SPSS软件中对数据进行处理和分析。
其中把脑卒中发病人数作为因变量,以题目所给出的8个环境因素作为自变量,运用相关系数分析和多元回归分析考察四个季度脑卒中发病人数与同期气象因素指标的关系,从中找出相关的关键因素并列出发病预报方程,再较合理的假设下,对各个模型进行求解,得到了较好的结果。
针对问题一:
本问采用在同一年份下分别进行统计性别发病人数和职业中发病的人数,而年龄是在性别的前提下进行分段统计人数,在EXCEL进行排序和数据处理,得出了发病人群男性总人数比女性总人数更多,在30岁以下和90岁以上,女性患脑卒中概率比男性患脑卒中的病率更大。
而在31岁到90岁之间,男性患脑卒中的概率比女性患脑卒中的概率更大,尤其在81-90岁之间男性患脑卒中的概率是女性患脑卒中概率的8.242344倍,农民工发病人数所占总发病人数的比例最多。
针对问题二:
本问首先对数据进行天换周的处理,在对周按春夏秋冬四个季度进行分类,再利用相关系数分析找出四个季度的分别相关的关键因素,在建立多元回归方程,求得四个季度中每周脑卒中发病与气温、气压、相对湿度的关系为:
春季:
夏季:
秋季:
冬季:
针对问题三:
结合问题一中的统计信息和问题二四个季度单因素分析下相关性以及搜集的相关诱导脑卒中发病率的因素进行给出合理的意见,使得高危人群可以起到预防的作用。
关键词:
相关系数分析环境因素多元回归分析脑卒中
一、问题重述
1.1问题背景
脑卒中(Stroke)是脑中风的学名,是一种突然起病的脑血液循环障碍性疾病。
又叫脑血管意外。
是指在脑血管疾病的病人,因各种诱发因素引起脑内动脉狭窄,闭塞或破裂,而造成急性脑血液循环障碍,临床上表现为一过性或永久性脑功能障碍的症状和体征.脑卒中分为缺血性脑卒中和出血性脑卒中。
临床表现以猝然昏扑、不省人事或突然发生口眼歪斜、半身不遂、舌强言蹇、智力障碍为主要特征。
脑中风包括缺血性中风(短暂性脑缺血发作、动脉粥样硬化性血栓性脑梗塞、腔隙性脑梗塞、脑栓塞)、出血性中风(脑出血、蛛网膜下腔出血)、高血压脑病和血管性痴呆四大类。
据流行病学调查,不同季节的脑卒中发病率不同。
寒冷的冬季发病率最高,春季气候转暖,脑中风发病率也开始下降,夏季发病率最低,秋季又开始上升。
入秋及早春时节也易发生脑卒中。
因为此时节最易受寒流侵袭,寒流袭击,气温骤降,日内最高气温与最低气温之差太大。
对于刚刚度过的炎热夏季或刚刚感受到春天融融暖意的人们,突来的气候变化会使之不适,对老年人和具有脑卒中高危因素的人能带来灾难。
许多医生有这样的体验,气温骤降,街道、商场会显得冷清,医院却恰恰相反,此时急诊室病人明显增多,脑出血、脑血栓病人比平日明显增多。
1.2有关情况
近年来,随着人们生活水平的不断提高,人们的饮食结构发生了巨大的变化,急性脑卒中是危害人类健康的三大疾病之一,其具有发病率高、死亡率高、致残率高的特征,严重危害人类的身心健康和给患者和家里带来了严重的经济负担以及心里压力。
脑卒中的发病受多种因素综合的影响,并且一旦发生,多数患者治疗的效果不能令人满意,完全恢复正常者只占少数,大多数患者会留下严重的后遗症。
结合各国际国内科学研究表明,确定脑卒中是一种可以预防、可干预的一类疾病,因此本文通过某城市各家医院的病例数据信息以及相应期间当地逐日气象资料进行数据处理,找出导致脑卒中疾病发病的关键因子,并建立发病预报模型,为广大市民防范患于未然和医疗机构、医疗行政管理部门制定防治计划提供有价值的参考,是研究气象因素与疾病关系的目的和意义所在。
1.3问题提出
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。
这种疾病的诱发已经被证实与环境因素,包括气温和湿度之间存在密切的关系。
对脑卒中的发病环境因素进行分析,其目的是为了进行疾病的风险评估,对脑卒中高危人群能够及时采取干预措施,也让尚未得病的健康人,或者亚健康人了解自己得脑卒中风险程度,进行自我保护。
同时,通过数据模型的建立,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、配置床位和医疗药物等都具有实际的指导意义。
数据(见Appendix-C1)来源于中国某城市各家医院2007年1月至2010年12月的脑卒中发病病例信息以及相应期间当地的逐日气象资料(Appendix-C2)。
请你们根据题目提供的数据,回答以下问题:
1.根据病人基本信息,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率与气温、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、模型的假设与符号说明
1.1模型的假设
1、假设题目所给的数据都是可靠的、真实的;
2、假设问题二中只考虑题目中所给出的8个环境因素指标,其它的环境因素指标对模型的建立不受影响;
3、假设问题一中在统计的性别、年龄的时候数据缺失、有误的可以忽略不计;
4、该城市为我国一典型城市,全国人口比例适用于该市人口比例。
1.2符号说明
符号设定
符号说明
xi
第i个环境因素指标
y
周发病人数回归方程
四、问题分析
根据问题重述,可以知道这是一个脑卒中发病与环境因素的问题。
该问题的关键在于从所给出环境因素指标中找到关键影响指标,并通过分析后建立模型,掌握疾病发病率的规律,对脑卒中高危人群及时采取干预措施和建议。
针对问题一:
要根据题目给出的数据,我们分别找出对应年份下性别、年龄、职业三个特征在发病中发病人数的情况。
由于相同年龄段下男性和女性的发病情况可能会有所不同,所以我们考虑对年龄段分析发病情况时,我们分别在男性和女性下对其分段统计发病的总人数,这样计算出来的结果更准确和合理。
对于问题二:
首先在问题一的基础上统计每一天的发病人数和每一周的发病人数,按春夏秋冬四个季度进行分类。
然后对四个季度的数据进行相关分析,分别以脑卒中每天和每周的发病人数为因变量,对应每一天和每一周环境因素的指标作为自变量,运用SPSS对发病人数和指标进行相关分析,日和周的相关系数哪个更大,再对相对系数更大的进行两两之间的单因素相关分析得出相关的关键因素,再对关键因素进行多元回归分析,得到回归方程即脑卒中发病率与气温、气压、相对湿度间的关系式。
对于问题三:
要对高危人群提出预警和干预的方案,我们通过查找相关脑卒中发病的重要特征情况进行预防和通过以上问题的分析,分析在不同的季度中,哪个因素的影响更大,哪个因素影响更小,分别做出相应的预防工作。
四、模型的建立和求解
4.1问题一的解答
根据问题分析,我们需要先把2007年至2010年脑卒中发病信息中对应的年份在EXCEL里进行整理,同年份的放在一起。
同时在处理数据时把出现有误的数据进行忽略考虑。
4.1.1发病人数性别比率
先分析性别在脑卒中发病人群的情况,首先对四年中各年的性别进行统计,最后得到2007至2010年脑卒中发病的男女性别总数,再利用同一年份下分别计算出脑卒中男性、女性的发病人数比上这年中发病总人数,得出男性和女性发病人数占总发病人数的比值(表1)。
表1:
2007-2010年男性和女性分别在同年中男女所占的比值:
2007
2007
2009
2010
男性
7250
10309
5204
10492
女性
5871
8668
4738
9143
男性所占比
0.5525
0.5432
0.5203
0.5347
女性所占比
0.4474
0.4568
0.4797
0.4653
根据以上统计出四年中男性和女性的人数,我们可以得到如下所示的图形:
(图1)
图1:
2007-2010年脑卒中男性和女性所占同年中发病总数的比例
根据2012年中国人口普查资料,得到如下表2。
表2各年龄段男女性别占总人口的比重
占总人口比重
男性
女性
21岁以下
0.1041
0.0934
21-30
0.1074
0.1044
31-40
0.0956
0.0909
41-50
0.0903
0.0837
51-60
0.0585
0.0571
61-70
0.0313
0.0324
71-80
0.0182
0.0196
81-90
0.0055
0.065
91岁以上
0.0005
0.0008
由表1与表2男女性别分别占总人口的比重值可以计算得到男女性别患脑卒中发病率,如下所示:
表3:
各阶段间男女患脑卒的概率
年龄阶段
21岁以下
21-30
31-40
41-50
51-60
男/女
0.531914
0.988496
1.594677
1.334791
1.178931
年龄阶段
61-70
71-80
81-90
91岁以上
男/女
1.209081
1.044607
8.242344
0.750449
由以上表格数据可以知道,30岁以下和90岁以上,女性患脑卒中概率比男性患脑卒中的病率更大。
而在31岁到90岁之间,男性患脑卒中的概率比女性患脑卒中的概率更大,尤其在81-90岁之间男性患脑卒中的概率是女性患脑卒中概率的8.242344倍。
4.1.2男性和女性中的每一年龄段的所占总人数比
由于考虑到男女脑卒中发病阶段的年龄可能会有所不同,为了更能精确对发病人群信息的了解,我们分别统计在男性和女性下年龄阶段的发病人数情况。
还有考虑到发病年龄的范围比较大以及在20岁以下和91岁以上发病人数相对比较少,所以我们把它们归为一个段,其他的都是以十岁为一个阶段,分别得到相应的男性和女性下年龄阶段总发病人数的数据(见附表一):
利用附表一的数据我们分别可以计算出男性和女性在这四年中男性总发病人数和女性总发病人数占四年总发病人数的比值情况,得出的结果分别如下:
(表4、图2):
表4:
男性在这四年中年龄阶段下发病所占总发病人数的比:
年龄
20岁以下
21-30
31-40
41-50
51-60
所占比列
0.003068
0.004332
0.017417
0.059108
0.1529
年龄
61-70
71-80
81-90
91岁以上
所占比例
0.258302
0.344092
0.151997
0.008784
根据附表一统计的数据,得出对应的图2如下所示:
图2:
2007-2010年总的男性发病人数占总发病人数的比例
由以上的图表:
结合这四年男性中年龄脑卒中发病的数据,可以知道男性在大概71-80阶段以下的年龄段中脑卒中发病人数随着年龄的增长发病人数也在不断的逐步的上升,在71-80阶段以上脑卒中发病的情况随着年龄的增加发病人数的情况相对在不断的减少,对于阶段中的71-80年龄之间的发病人数达到最大。
表5:
女性在这四年中年龄阶段下发病人数占总发病人数的比:
年龄
20岁以下
21-30
31-40
41-50
51-60
所占比列
0.005175
0.00426
0.010385
0.041046
0.126589
年龄
61-70
71-80
81-90
91岁以上
所占比例
0.221143
0.354737
0.217939
0.018728
同理根据附表二统计的数据,我们可以画出如下图:
(图3)
图3:
2007-2010年女性发病人数占四年总发病人数的比
同理由以上的图表并且结合这四年中女性中年龄的数据得出的结论可以看出,女性也大概在71-80阶段以下的年龄中脑卒中发病人数随着年龄的增长发病人数也在不断的逐步的上升,在71-80阶段以上脑卒中发病的情况随着年龄的增加发病人数相对也在不断的减少,对于分段中的71-80岁之间的发病人数达到最大。
综合以上分别在男女性别之下的分析,我们可以看出男性和女性的发病人数最多的阶段都在71-80岁之间,并且他们之间随着年龄的波动发病人数的变化大小大致也相同,没有很明显的差别。
4.1.3不同职业发病率
利用附表二数据,在EXCEL中根据职业代表中的数字进行从大到小排序,分别统计出各年不同类型职业的发病人数,再进行四年对应相同职业发病人数的合并,从而可以计算出四年中各个职业脑卒中总发病人数占四年职业总发病人数的比。
(表6)
表6:
2007-2010年四年中各个职业总发病人数与总发病人数的比值
职业
农民
工人
退休人
教师
渔民
比值
0.48025
0.078259
0.106963
0.003481
0.001052
职业
医务
人员
职工
离职人员
空格
比值
0.001457
0.011883
0.028056
0.288591
为了直接可以知道发病人群在这些职业中的发病情况,我们画出扇形图形如图4所示:
图4:
2007-2010年不同类型职业之间脑卒中发病比例
再根据统计好的各职业数据,我们可以得到它们的柱形图形如图5所示:
图5:
2007-2010年不同职业总发病人数占总发病人数的比
结合职业发病统计的数据表七和表八,在这些职业类型中,发病人群工人所占的比例达到最大,教师、渔民、医务人员三者脑卒中发病所占的比例相对很小。
4.2问题二的解答
对文件Appendix-C2中所给的某城市各家医院2007年1月至2010年12月的脑卒中发病病例信息以及相应期间当地的逐日气象的数据进行处理对应每一天的发病人数(附录一),再统计2010年这座城市的发病人数为61783人。
4.2.1每一个季度以当天的环境因素与当天发病人数直接进行单因素相关分析
对题目所给的数据进行数据处理,统计每一季度每一天的发病人数,以日发病人数为因变量,环境8个因素作为自变量进行单因素相关分析。
春季单因素的相关分析显示:
这座城市春季脑卒中日平均气压、最高气压、最小相对湿度呈正相关,与最低气温、平均气温、最高气温、最低气温、平均相对湿度负相关。
结果见表7和图6。
表7:
春季脑卒中日发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均气温
最高气温
最低气温
平均相对湿度
最小相对湿度
脑卒中
0.005
0.009
-0.004
-0.093
-0.079
-0.082
-0.034
0.017
图6:
春季脑卒中日发病人数与环境因素的相关系数
夏季单因素的相关分析显示:
这座城市春季脑卒中日平均气压、最高气压、最低气压呈显著正相关,与最低气温、平均气温、最高气温呈正相关,与平均相对湿度、最小相对湿度呈负相关。
结果见表8和图7。
表8:
夏季脑卒中日发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均气温
最高气温
最低气温
平均相对湿度
最小相对湿度
脑卒中
0.137
0.138
0.138
0.013
0.017
0.008
-0.065
-0.057
图7:
夏季脑卒中日发病人数与环境因素的相关系数
秋季单因素的相关分析显示:
这座城市秋季脑卒中日平均气压、最高气压、最低气压呈负相关,与最低气温、平均气温、最高气温呈正相关,与平均相对湿度、最小相对湿度呈负相关。
结果见表9和图8。
表9:
秋季脑卒中日发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均气温
最高气温
最低气温
平均相对湿度
最小相对湿度
脑卒中
-0.049
-0.060
-0.037
0.077
0.080
0.064
-0.025
-0.045
图8:
秋季脑卒中日发病人数与环境因素的相关系数
秋季单因素的相关分析显示:
这座城市春季脑卒中日平均气压、最高气压、最低气压呈正相关,与最低气温、平均气温、最高气温、平均相对湿度、最小相对湿度呈负相关。
结果见表10和图8。
表10:
冬季脑卒中日发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均气温
最高气温
最低气温
平均相对湿度
最小相对湿度
脑卒中
0.103
0.115*
0.095
-0.093
-0.058
-0.110*
-0.156**
-0.028
图8:
冬季脑卒中日发病人数与环境因素的相关系数
4.2.2以周脑卒中的发病人数与周天气的环境因素指标进行单因素相关分析
对附录一进行处理,将发病人数按周合并,环境因素中的平均气压、平均气温、平均相对湿度取一周当中的中位数,最高气压、最高气温取一周当中的最大数,最低气压、最低气温、最小相对湿度取一周当中最小的(附录三),再按春夏秋冬四个季度进行分类(附录四),用SPSS对四个季度的数据分别进行单因素分析。
春季单因素相关分析显示:
这座城市春季脑卒中周发病人数与最高气压、最低气压呈正相关,与最小相对湿度呈负相关,与平均气温、最高气温、最低气温、最小相对湿度呈显著负相关,与平均气压无明显关系。
结果见表11和图10。
表11:
春季脑卒中周发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均气温
最高
气温
最低
气温
平均
相对
湿度
最小
相对
湿度
脑卒中
-0.008
0.034
0.031
-0.11
-0.123
-0.132
-0.089
-0.211
图10:
春季脑卒中周发病人数与环境因素的相关性
夏季单因素相关分析显示:
这座城市夏季脑卒中周发病人数与平均气压、最高气压最低气压呈显著正相关,与最高气温、最小相对湿度呈正相关,与平均气温、最低气温、平均相对湿度呈负相关。
结果见表12和图11。
表12:
夏季脑卒中周发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均气温
最高气温
最低气温
平均相对湿度
最小相对湿度
脑卒中
0.246
0.279*
0.246
-0.032
0.015
-0.053
-0.079
0.011
图11:
夏季脑卒中周发病人数与环境因素的相关性
秋季单因素相关分析显示:
这座城市秋季脑卒中周发病人数与最低气温呈显著正相关,与最低气压、平均气温、平均相对湿度呈正相关,与平均气压、最小相对湿度呈负相关,与最高气压呈显著负相关。
结果见表13和图12。
表13:
秋季脑卒中周发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均气温
最高气温
最低气温
平均相对湿度
最小相对湿度
脑卒中
-0.060
-0.122
0.095
0.095
0.084
0.159
0.056
-0.041
图12:
秋季脑卒中周发病人数与环境因素的相关性
冬季单因素相关分析显示:
这座城市秋季脑卒中周发病人数与平均气压、最高气压、呈显著正相关,与最低气压呈正相关,与平均气温、最高气温、最低气温、平均相对湿度、最小相对湿度呈显著负相关。
结果见表14和图13。
表14:
冬季脑卒中周发病人数与环境因素的相关系数
环境因素
平均气压
最高气压
最低气压
平均
气温
最高
气温
最低
气温
平均
相对
湿度
最小
相对
湿度
脑卒中
0.196
0.200
0.016
-0.260
-0.111
-0.141
-0.120
-0.332*
图13:
秋季脑卒中周发病人数与环境因素的相关性
发病人数每一季度按周合并的相关性更大,所以直接对按周合并的单因素之间进行两两分析,找出相关的关键因素。
4.2.3各环境因素之间的单因素分析
以环境因素之间两两进行直接单因素相关分析,结果:
春季当周的最高气压与平均气压呈显著正相关,与最低气压、平均气温、最高气温、平均相对湿度呈显著负相关。
最低气温与平均气压呈显著负相关,与最低气压、平均气温、最高气温、平均相对湿度呈显著正相关。
最小相对湿度与平均气压呈正相关,与最低气压、平均气温、最高气温、平均相对湿度呈负相关。
结果见表15。
表15:
春季环境因素之间的相关系数(当周)
平均气压
最低气压
平均气温
最高气温
平均相对湿度
最高气压
0.922**
-0.902**
-0.902**
-0.827**
-0.910**
最低气温
-0.822**
0.959**
0.959**
0.911**
0.943**
最小相对湿度
0.057
-0.158
-0.158
-0.139
-0.114
夏季当周的最高气压与平均气压、最低气压呈显著正相关,与平均气温、最高气温、平均相对湿度负相关。
最低气温与平均气压、最低气压呈负相关,与平均气温、最高气温、平均相对湿度呈显著正相关。
最小相对湿度与平均气温、最高气温呈显著正相关,与最低气压、平均气压、平均相对湿度呈负相关,结果见表16。
表16:
夏季环境因素之间的相关系数(当周)
平均气压
最低气压
平均气温
最高气温
最低相对湿度
最高气压
.841**
.665**
-.171
-.251
-.083
最低气温
-.185
-.159
.913**
.802**
-.375**
平均相对湿度
-.285*
-.290*
.950**
.868**
-.105
秋季单周最高气压与平均气压、最低气压呈显著正相关,与平均气温、最高气温呈显著负相关、与平均相对湿度负相关。
最低气温与平均气压、最低气压呈显著负相关,与平均气温、最高气温呈显著正相关,与平均相对湿度呈正相关。
平均相对湿度与平均气压、最低气压呈显著负相关,与平均气温、最高气温呈显著正相关、与平均相对湿度正相关,结果表17。
表17:
秋季环境因素之间的相关系数(当周)
平均气压
最低气压
平均气温
最高气温
最低相对湿度
最高气压
0.928**
0.758**
-0.884**
-0.815**
-0.280*
最低气温
-0.862**
-0.736**
0.946**
0.875**
0.158
平均相对湿度
-0.924**
-0.834**
0.985**
0.948**
0.289*
冬季单周最高气压与平均气压、最低气压呈显著正相关,与平均气温、最高气温呈显著负相关、与平均相对湿度负相关。
最低气温与平均气压、最低气压呈显著负相关,与平均气温、最高气温呈显著正相关,与平均相对湿度呈正相关。
平均相对湿度与平均气压、
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 师范学院 国家 一等奖 论文
![提示](https://static.bdocx.com/images/bang_tan.gif)