2. 兰州大学基础医学院;
3. 白银市第二人民医院;
4. 兰州大学公共卫生学院
肺结核(Tuberculosis)主要是由人型结核杆菌侵入肺脏后引起的一种具有强烈传染性的慢性消耗性疾病。中国是全球22个结核病高负担国家之一, 结核病患者数居全世界第二位[1], 每年因结核病死亡的人数高达25万人, 为各种传染病死亡人数总和的2倍[2], 是影响我国人群健康的重要公共卫生问题和社会问题。研究影响结核病疫情的因素, 为制定结核病防治对策和策略提供科学依据。影响结核病疫情的因素包括社会和生活等较多因素[3]。近年来相关学者发现气象因素与肺结核的发病关系密切。湖南的一项研究表明, 相对湿度、气温与肺结核发病呈正相关, 气压、风速、日照时数与肺结核发病呈负相关[4]。昆山市气温、总雨量与肺结核发病呈正相关, 气压与肺结核发病呈负相关[5]。2010—2014年温州市肺结核日就诊人数与气温、相对湿度呈正相关, 与风速和气压呈负相关[6]。通过以上研究我们可以看出, 温度是影响肺结核发病的重要气象因素。随着全球气候变暖, 干旱半干旱地区气温上升的速率远远快于其他地区, 传染病发病风险将明显升高[7]。兰州市位于我国西北干旱地区, 通过收集2008—2016年兰州市肺结核日发病资料与同期气象资料数据, 采用分布滞后非线性模型(Distributed lag non-linear models, DLNM)[8-9]进行气温与肺结核发病的关联研究, 并分析敏感人群, 为干旱及半干旱地区肺结核的防控工作提供理论依据。
1 数据来源与方法 1.1 数据2008年1月—2016年12月兰州市肺结核的逐日发病病例由兰州市疾病预防控制中心负责收集, 来源于全国传染病报告信息管理系统, 同期每日气象数据由甘肃省气象局提供, 包括气温, 气压, 风速, 相对湿度的日均值和日降水量。
1.2 统计分析方法采用Spearman等级相关进行兰州市各气象因子与肺结核日发病人数的相关性及各气象因子之间的相关性分析, 将与肺结核日发病人数相关的气象因子纳入模型, 检验水准为0.05。对肺结核发病数据和气象数据分别建立交叉基矩阵, 日发病人数作为因变量, 采用quasi-Poisson连接函数进行拟合。在控制季节性和长期趋势、星期几效应基础上, 采用分布滞后非线性模型(DLMN)对气象因子与肺结核发病人数的关联进行拟合。气象因子使用日平均气温, 同时控制日平均气压、日降水量的混杂影响, 分析日平均气温与发病人数的关系。并且对气温和滞后时间建立二维矩阵, 研究气温对发病人数影响的滞后效应。基本模型如下:
| $ \begin{array}{l} \log \left[ {E\left( {{Y_t}} \right)} \right] = \alpha + \beta TE{M_{t,l}} + ns\left( {pres{s_t},df = 3} \right) + \\ ns\left( {rai{n_t},df = 3} \right) + ns\left( {Tim{e_t},df = 7/year} \right) + \gamma DO{W_t} \end{array} $ |
式中:Yt—第t天发病人数;
α—常数项;
TEMt, l—应用DLNM中的"cross-basis"函数获得的关于温度或风速的二维矩阵;
β—回归模型中的解释变量系数;
ns(presst, df=3)—使用自由度为3的自然立方样条曲线去控制气压的影响;
ns(raint, df=3)—使用自由度为3的自然立方样条曲线去控制降水量的影响;
Time—作为一个新设的时间序数变量, 将其引入自然立方样条函数来控制季节趋势和长期趋势;
ns(Timet, df=7)—利用每年自由度等于7的自然立方样条曲线去控制季节性和长期趋势的影响;
DOWt—第t天为星期几的哑变量。
参照相关研究, 选取的最大滞后时间为14 d, 以11.11℃(年平均气温)为参照, 计算不同气温P5(-5.2℃)、P25(1.7℃)、P75(20.1℃)、P95(25.4℃)时, 不同的滞后时间下的RR值[10-11]:RR计算:若β为回归模型中的解释变量系数, 温度在整个滞后时间内对肺结核发病的相对危险度可计算为exp(β)。同时分析性别和年龄分层后, 温度对每日肺结核发病人数的影响。
2 结果 2.1 一般情况2008—2016年兰州市共报告新发肺结核16 996例, 日均发病5.41例; 其中男性10 369例, 女性6 627例, 男女性别比为1.56:1。各年龄段中, 以(36～64)岁组病例最多, 有6 955例, 占40.92%。同期气压、气温、相对湿度、降水量、风速日均值分别为846.79 hPa、11.11℃、50.29%、1.03 mm、1.25 m/s(表 1)。
| 指标 | x±s | 时间/min | P25 | P50 | P75 | max |
| 日发病人数/例 | 5.41±4.56 | 0.00 | 2.00 | 4.00 | 7.00 | 43.00 |
| 男 | 3.61±3.05 | 0.00 | 2.00 | 3.00 | 5.00 | 31.00 |
| 女 | 2.61±2.03 | 0.00 | 1.00 | 2.00 | 3.00 | 19.00 |
| 0～35岁 | 2.34±1.82 | 0.00 | 1.00 | 2.00 | 3.00 | 16.00 |
| 36～64岁 | 2.69±2.22 | 0.00 | 1.00 | 2.00 | 3.00 | 21.00 |
| ≥65岁 | 2.11±1.57 | 0.00 | 1.00 | 2.00 | 3.00 | 20.00 |
| 日均气压/hPa | 846.79±5.65 | 823.75 | 842.70 | 846.40 | 850.73 | 888.42 |
| 日均气温/℃ | 11.11±10.26 | -16.80 | 1.73 | 12.74 | 20.14 | 31.88 |
| 日均相对湿度/% | 50.29±15.12 | 13.85 | 39.00 | 50.86 | 61.00 | 90.70 |
| 日均降水量/mm | 1.03±0.63 | 0.00 | 0.00 | 0.00 | 0.02 | 44.50 |
| 日均风速/m/s | 1.25±0.39 | 0.00 | 1.00 | 1.13 | 1.50 | 3.00 |
2.2 气象因子和肺结核日发病人数相关性分析
由表 2和表 3可见, 肺结核日发病人数与各气象因子的相关性均有统计学意义(P < 0.05), 其中与日均气温、日均气压、日均降水量、日均相对湿度之间呈负相关, 与日均风速呈正相关; 以气温对肺结核发病影响最为显著。尤其是低温(r低温=-0.214, r高温=-0.103)。
| 变量 | 日均气压/hPa | 日均气温/℃ | 日均相对湿度/% | 日均降水量/mm | 日均风速/(m/s) |
| 日均气压/hPa | 1.000 | - | - | - | - |
| 日均气温/℃ | -0.271a | 1.000 | - | - | - |
| 日均相对湿度/% | 0.124a | -0.107a | 1.000 | - | - |
| 日均降水量/mm | -0.025 a | 0.143a | 0.379a | 1.000 | - |
| 日均风速/m/s | -0.066a | 0.071a | -0.187 a | 0.194a | 1.000 |
| 日发病人数/例 | -0.070a | -0.214a | -0.051 a | -0.020 a | 0.105a |
| 注:“a”:表示P < 0.05;“-”:表示未监测 | |||||
| 变量 | 日均气压/hPa | 日均气温/℃ | 日均相对湿度/% | 日均降水量/mm | 日均风速/m/s |
| 日均气压/hPa | 1.000 | - | - | - | - |
| 日均气温/℃ | -0.613a | 1.000 | - | - | - |
| 日均相对湿度/% | 0.228 a | -0.244a | 1.000 | - | - |
| 日均降水量/mm | -0.108a | 0.109a | 0.504 a | 1.000 | - |
| 日均风速/m/s | -0.269a | 0.251a | -0.281 a | 0.075a | 1.000 |
| 日发病人数/例 | -0.035a | -0.103a | -0.028 a | -0.050 a | 0.093a |
| 注:“a”表示P < 0.05; “-”:表示未监测 | |||||
2.3 不同滞后时间日均气温对肺结核日发病人数的影响
图 1为日均气温与肺结核日发布人数的风险关联图。如图 1A所示, 气温在不同滞后日与肺结核日发病数呈非线性关系。不同日均气温与肺结核的关联强度随滞后时间变化而变化, 低温能显著增加肺结核的发病风险, 在-9℃, 间隔6 d天时最为显著, RR值为1.14(95% CI:1.02～1.26), 效应维持约2周。高温对肺结核发病也有影响, 在28.0℃, 间隔3 d时RR值最大, 为1.13(95% CI:1.01～1.26), 之后随滞后天数的增加发病风险迅速下降。图 1B为温度-肺结核的相对危险度的等高图。在高温时, 温度范围在20℃～30℃时, 肺结核发病风险在lag 0～lag 2天时有最大值; 而在低温时, 发病风险在lag 0～lag 6天时有较高值。高温和低温效应均存在一定的滞后期, 且低温持续时间较长。
|
| 图 1 日均气温与肺结核的风险关联图 |
2.4 不同温度下的不同滞后时间对肺结核发病风险的分析
图 2表示温度分别为-9℃(RR值达到极值)、-5.2℃(P5)、1.7℃(P25)、20.1℃(P75)、25.4℃(P95)、28℃(RR值达到极值)时, 以11.11℃(年平均气温)为参照, 肺结核发生危险度与滞后天数的关系图。图中黑色实线表示相对危险度(RR)的点估计值连线, 灰色区域为其95%置信区间(Confidence Interval, 95%CI)。
|
| 图 2 不同温度下肺结核危险度与滞后天数的关系 |
当T=-9℃、-5.2℃和1.7℃时, 呈倒U型, 肺结核发病风险在lag 6～lag 7 d达峰值, 之后缓慢下降; 且-9℃效应大于-5.2℃和1.7℃。当T=20.1℃、25.4℃和28℃时, 呈S型, 肺结核发病风险分别在lag 2～lag 3 d达最大值, 之后迅速下降; 以28℃效应较大。
2.5 不同温度下的不同滞后时间对不同人群的累积效应由表 4可见, 当T=-9℃时, 日均气温对(36～64)岁人群的累积效应RR(95% CI)值均在lag 14 d有统计学意义, 为1.28(1.02～1.59)。对全人群、男性、女性、(0～35)、65岁及以上人群的累计效应在整个滞后期内均无统计学意义。
| 滞后天数/d | 变量 | 性别 | 年龄/岁 | ||||
| 男性 | 女性 | 0～35 | 36～64 | ≥65 | |||
| 0 | 0.52(0.31～0.88) | 0.61(0.36～1.06) | 0.48(0.27～0.85) | 0.43(0.24～0.79) | 0.61(0.34～1.11) | 0.85(0.48～1.51) | |
| 3 | 0.59(0.39～0.89) | 0.61(0.40～0.94) | 0.69(0.45～1.06) | 0.62(0.39～0.99) | 0.82(0.52～1.31) | 0.74(0.47～1.15) | |
| 5 | 0.75(0.50～1.14) | 0.78(0.51～1.21) | 0.82(0.53～1.26) | 0.74(0.47～1.17) | 0.88(0.56～1.39) | 0.73(0.46～1.15) | |
| 7 | 0.97(0.66～1.43) | 1.00(0.67～1.49) | 0.93(0.62～1.40) | 1.01(0.66～1.55) | 1.00(0.66～1.53) | 0.85(0.56～1.29) | |
| 14 | 1.17(0.95～1.44) | 1.12(0.90～1.39) | 1.14(0.92～1.42) | 1.02(0.81～1.29) | 1.28(1.02～1.59) | 1.03(0.82～1.30) | |
由表 5可见, 当T=-5.2℃时, 日均气温对全人群、男性、(36～64)岁、65岁及以上人群的累积效应RR(95% CI)值均在lag 14 d有统计学意义, 分别为1.22(1.05～1.42)、1.30(1.11～1.53)、1.30(1.10～1.55)、1.25(1.06～1.46)。对女性及(0～35)岁人群累计效应在整个滞后期内均无统计学意义。
| 滞后天数/d | 变量 | 性别 | 年龄/岁 | ||||
| 男性 | 女性 | 0～35 | 36～64 | ≥65 | |||
| 0 | 0.63(0.39～1.01) | 0.70(0.43～1.14) | 0.55(0.39～1.08) | 0.57(0.34～0.96) | 0.67(0.40～1.13) | 1.10(0.66～1.84) | |
| 3 | 0.64(0.44～0.92) | 0.70(0.48～1.03) | 0.58(0.46～0.99) | 0.55(0.37～0.83) | 0.85(0.56～1.28) | 0.83(0.56～1.23) | |
| 5 | 0.75(0.52～1.07) | 0.81(0.55～1.18) | 0.67(0.52～1.11) | 0.62(0.41～0.92) | 0.86(0.58～1.28) | 0.90(0.61～1.34) | |
| 7 | 0.95(0.68～1.34) | 1.02(0.71～1.45) | 0.89(0.62～1.27) | 0.86(0.59～1.26) | 1.00(0.68～1.45) | 0.99(0.69～1.43) | |
| 14 | 1.22(1.05～1.42) | 1.30(1.11～1.53) | 1.13(0.96～1.33) | 1.08(0.91～1.28) | 1.30(1.10～1.55) | 1.25(1.06～1.46) | |
由表 6可见, 当T=20.1℃时, 日均气温对(36～64)岁人群的累积效应RR(95% CI)值在lag 3 d～lag 7 d有统计学意义, 对全人群、男性在lag 5 d有统计学意义, 并均于lag 5 d达最大值, 分别为1.51(1.14～2.00)、1.30(1.01～1.66)、1.31(1.00～1.71)。对女性(0～35)岁、65岁及以上人群累计效应在整个滞后期内均无统计学意义。
| 滞后天数/d | 变量 | 性别 | 年龄/岁 | ||||
| 男性 | 女性 | 0～35 | 36～64 | ≥65 | |||
| 0 | 0.90(0.71～1.14) | 1.00(0.78～1.29) | 0.76(0.59～0.99) | 0.90(0.69～1.17) | 0.80(0.61～1.05) | 1.12(0.87～1.45) | |
| 3 | 1.21(0.96～1.53) | 1.24(0.96～1.59) | 1.14(0.90～1.46) | 1.04(0.8～1.34) | 1.46(1.13～1.90) | 1.12(0.88～1.43) | |
| 5 | 1.30(1.01～1.66) | 1.31(1.00～1.71) | 1.24(0.96～1.60) | 1.17(0.89～1.55) | 1.51(1.14～2.00) | 1.20(0.92～1.55) | |
| 7 | 1.25(0.98～1.6) | 1.24(0.96～1.62) | 1.23(0.95～1.58) | 1.19(0.90～1.57) | 1.40(1.07～1.85) | 1.13(0.87～1.46) | |
| 14 | 1.03(0.87～1.23) | 1.07(0.89～1.28) | 0.99(0.83～1.18) | 0.95(0.78～1.14) | 1.18(0.97～1.43) | 1.08(0.91～1.30) | |
由表 7可见, 当T=25.4℃时, 日均气温对(36～64)岁人群的累积效应RR(95% CI)值在lag 3d～lag 5 d有统计学意义, 并于lag 5 d达最大值1.50(1.06～2.14)。对全人群、男性、女性、(0～35)、65岁及以上人群累计效应在整个滞后期内均无统计学意义。
| 滞后天数/d | 变量 | 性别 | 年龄/岁 | ||||
| 男性 | 女性 | 0～35 | 36～64 | ≥65 | |||
| 0 | 0.88(0.64～1.21) | 0.98(0.70～1.38) | 0.71(0.51～1.00) | 0.88(0.62～1.25) | 0.79(0.55～1.12) | 1.03(0.73～1.45) | |
| 3 | 1.09(0.81～1.48) | 1.11(0.80～1.54) | 1.08(0.79～1.48) | 0.99(0.71～1.38) | 1.43(1.02～2.00) | 0.98(0.71～1.35) | |
| 5 | 1.26(0.92～1.72) | 1.24(0.89～1.74) | 1.25(0.90～1.73) | 1.20(0.85～1.70) | 1.50(1.06～2.14) | 1.13(0.81～1.58) | |
| 7 | 1.20(0.88～1.63) | 1.18(0.85～1.64) | 1.21(0.88～1.66) | 1.23(0.87～1.74) | 1.34(0.94～1.89) | 1.06(0.76～1.47) | |
| 14 | 0.93(0.79～1.09) | 0.95(0.80～1.13) | 0.91(0.76～1.08) | 1.04(0.87～1.25) | 0.99(0.82～1.19) | 0.98(0.82～1.17) | |
当T=1.7℃时, 全人群、不同性别、年龄别人群在整个滞后期内的累计效应均无统计学意义, 相关数据未列表显示。
由表 8可见, 当T=28℃时, 日均气温对全人群、不同性别、年龄别人群在整个滞后期内的累计效应均无统计学意义。
| 滞后天数/d | 变量 | 性别 | 年龄/岁 | ||||
| 男性 | 女性 | 0～35 | 36～64 | ≥65 | |||
| 0 | 0.92(0.62～1.36) | 0.74(0.49～1.11) | 0.74(0.49～1.11) | 0.92(0.59～1.42) | 0.86(0.55～1.33) | 0.94(0.62～1.44) | |
| 3 | 1.00(0.69～1.47) | 1.04(0.71～1.53) | 1.04(0.71～1.53) | 1.01(0.67～1.52) | 1.29(0.84～1.97) | 0.86(0.58～1.3) | |
| 5 | 1.19(0.81～1.76) | 1.24(0.84～1.85) | 1.24(0.84～1.85) | 1.26(0.82～1.93) | 1.36(0.88～2.11) | 1.04(0.68～1.58) | |
| 7 | 1.13(0.77～1.65) | 1.18(0.79～1.75) | 1.18(0.79～1.75) | 1.26(0.83～1.91) | 1.18(0.76～1.83) | 1.00(0.67～1.51) | |
| 14 | 0.88(0.66～1.17) | 0.89(0.66～1.21) | 0.89(0.66～1.21) | 1.18(0.86～1.62) | 0.83(0.60～1.15) | 0.93(0.69～1.26) | |
2.6 风速对肺结核日发病人数的影响
兰州市风速与肺结核发病风险关联的总体效应见图 3。日平均风速与肺结核发病呈正相关关系。日平均风速达到最大值(4 m/s)时, 滞后14 d的发病风险值(RR)为1.12(95%CI:1.03～1.68);对于风速而言, 当风速在(2.0 m/s, 4.0 m/s)时, 发病风险有统计学意义。可能原因是较高风速有利于提升病毒的快速传播, 使得影响范围增加, 导致隐性感染者增加, 从而使发病风险升高。
|
| 图 3 兰州市风速滞后14 d时与肺结核发病风险关联的总体效应图 |
3 讨论
一般特征结果显示, 兰州市肺结核病例男性多于女性, 高发于(36～64)岁, 与刘高嶕等[12]研究结果一致, 说明男性、青壮年人群是兰州市肺结核重点防控人群。
温度是影响肺结核发病的重要气象因素[4-6]。本研究Spearman相关分析结果也显示各气象因子中以温度对肺结核发病的影响最显著, 与肺结核发病呈负相关, 与华北地区的研究结果一致[13]。但各地区研究结果也不尽相同, 如江苏省气温对肺结核发病无明显影响[14], 而湖南省肺结核发病与气温呈正相关[4]。这可能与各个地区整体气象环境因素不同相关, 且气象因子之间也存在共线性的问题[15]。因此, 进一步采用DLNM, 控制了气压、降水量等的混杂影响, 探讨了温度与肺结核发病的关联性。
DLNM分析结果显示, 温度对肺结核的影响呈现非线性关系, 低温和高温均能显著增加肺结核的发病风险。低温效应呈倒U形, 在-9℃, lag 6 d天时最为显著, RR值为1.14(95% CI:1.02～1.26);低温累计效应在lag 14 d达最大值, 男性、(36～64)岁人群和65岁及以上人群是敏感人群。究其原因, 一方面, 低温对肺结核发病的影响可能与冬季兰州市气候环境相关。兰州市冬季寒冷干燥, 颗粒物污染严重。而肺结核主要通过呼吸道传播, 结核杆菌可在干痰中存活(6～8)个月, 若黏附于尘埃上, 可保持传染性(8～10)天。同时, 冬季低温人群暴露于日光的时间比其他季节更短, 因而减少了维生素D的摄入, 使得免疫力减低, 尤其是老年人抵抗力更低, 所以容易造成肺结核的传播与流行[16-17]。另一方面, 可能和人群生活习惯相关。邹博等[18]对近20年影响中国人肺结核病患病率的生活习惯进行分析, 发现吸烟、饮酒是诱发肺结核病的危险因素, 而参加体育锻炼、室内通风良好是预防肺结核病的保护因素。冬季兰州室外气温较低, 人们更容易聚集于室内, 而室内空气不流通, 増加了肺结核传播的可能性。(36～64)岁人群, 尤其是男性, 正是社会各个行业的骨干力量, 应酬繁多, 吸烟、饮酒频率较高而缺乏体育锻炼, 因而更容易罹患结核病。结果还显示, 高温对肺结核发病效应呈S型, 在28.0℃, lag 3 d时 RR值最大, 为1.13(95% CI:1.01～1.26);高温累计效应在lag 5 d达最大值, 主要影响男性和(36～64)岁人群。温度的变化会引起个体行为发生改变, 包括室外活动频率、范围等[19]。高温天气兰州市居民, 尤其是男性和青壮年居民外出活动频繁, 人口密集程度较高, 增加了和病原体接触的机会。另外, 夏季相对较高的湿度使含结核分枝杆菌直径在一定大小范围的飞沫核在空气中停留的时间延长, 也可能增加肺结核病的传播和流行[20]。
日平均风速达到最大值(4 m/s)时, 滞后14 d的发病风险值(RR)为1.12(95%CI:1.03～1.68);对于风速而言, 当风速在(2.0, 4.0 m/s)时, 发病风险有统计学意义。风速越高, 肺结核发病风险越高。一方面, 可能是由于风速有利于肺结核病毒的传播, 且兰州风中多夹杂有灰尘, 因而加速了肺结核的感染率。另一方面, 由于风速可能影响气湿, 较大风速可降低气温, 从而间接使得发病率增加。同时, 风速也可影响人类对传染病的敏感性。
因此, 气温和风速对肺结核发病的影响可能是通过影响其发病的各个环节(传播途径、居民自身抵抗力和生活习惯等方面)的综合作用的结果。因此, 要以男性和青壮年人为重点人群, 大力提倡健康生活方式, 戒烟戒酒, 强身健体。同时, 针对季节变化, 要采取相应的预防措施。如冬季低温尽量开窗通风, 增加日照时间等; 夏季高温尽量减少人群积聚活动频率和在人口密集的场所滞留较长时间等。总之, 多管齐下, 有效降低肺结核发病率, 改善居民生命质量。
4 结论温度对兰州市肺结核的影响呈现非线性关系, 低温和高温均能显著增加肺结核的发病风险。低温效应呈倒U形, 在-9℃, lag 6 d天时最为显著; 低温累计效应在lag 14 d达最大值, 男性、36岁以上人群是敏感人群。高温效应呈S型, 在28.0℃, lag 3 d时 RR值最大; 高温累计效应在lag 5 d达最大值, 主要影响男性和(36～64)岁人群。风速与肺结核的风险效应呈正向关联, 风速越高, 肺结核发病风险越高。
| [1] | 肖东楼, 赵明刚, 王宇. 中国结核病防治规划实施工作指南(2008年版)[M]. 北京: 中国协和医科大学出版社, 2009: 1. |
| [2] | 张会民, 张联英, 陈海峰, 等. 不同健康促进干预措施对肺结核病人发现率的影响[J]. 中国防痨杂志, 2006, 28(6): 373–375. Zhang HM, Zhang LY, Chen HF, et al. The impact of different health promotion activities on case finding of pulmonary tuberculosis[J]. J Chin Antitubercul Assoc, 2006, 28(6): 373–375. (in Chinese). |
| [3] | 李娜, 马征. 影响国内结核病疫情的主要因素分析[J]. 河北联合大学学报(医学版), 2013, 15(5): 649–650. |
| [4] | 李林林. 湖南省肺结核发病率及气象因素分析[D]. 济南: 山东大学, 2013. In English: Li LL. The Incidence of Tuberculosis and the Influence of Related Meteorological Factors in Hunan Province[D]. Ji'nan: Shandong University, 2013. |
| [5] | 江伟. 昆山市肺结核流行病学特征及其与气象因素关系分析[D]. 苏州: 苏州大学, 2014. In English: Jiang W. Epidemiological Characteristics of Pulmonary Tuberculosis and Its Relationships with the Meteorological Factors in Kunshan City[D]. Suzhou: Soochow University, 2014. |
| [6] | 李娟. 基于GAM模型大气污染及气象因素的健康效应研究[D]. 西安: 长安大学, 2016. In English: Li J. Research on the Effects of Mereorological Factors and Air Pollutants on Health Based on the GAM Model[D]. Xi'an: Chang'an University, 2016. |
| [7] | 吴晓旭, 田怀玉, 周森, 等. 全球变化对人类传染病发生与传播的影响[J]. 中国科学:地球科学, 2014, 57(2): 189–203. Wu XX, Tian HY, Zhou S, et al. Impact of global change on transmission of human infectious diseases[J]. Sci China Earth Sci, 2014, 57(2): 189–203. (in Chinese). |
| [8] | Gasparrini A. Distributed lag linear and non-linear models in R:the package dlnm[J]. J Stat Softw, 2011, 43(8): 1–20. |
| [9] | Gasparrini A. Modeling exposure-lag-response associations with distributed lag non-linear models[J]. Stat Med, 2014, 33(5): 881–899. doi: 10.1002/sim.5963 |
| [10] | Xu MM, Yu WW, Tong SL, et al. Non-linear association between exposure to ambient temperature and children's hand-foot-and-mouth disease in Beijing, China[J]. PLoS One, 2015, 10(5): e0126171. doi: 10.1371/journal.pone.0126171 |
| [11] | Yin F, Zhang T, Liu L, et al. The association between ambient temperature and childhood hand, foot, and mouth disease in Chengdu, China:a distributed lag non-linear analysis[J]. Sci Rep, 2016, 6: 27305. doi: 10.1038/srep27305 |
| [12] | 刘高嶕, 王志远, 罗青, 等. 2005-2014年吉安市肺结核流行病学特征分析[J]. 现代预防医学, 2016, 43(14): 2512–2514, 2523. Liu GJ, Wang ZY, Luo Q, et al. Analysis of epidemiological characteristics of pulmonary tuberculosis in Ji'an from 2005 to 2014[J]. Mod Prev Med, 2016, 43(14): 2512–2514, 2523. (in Chinese). |
| [13] | 霍爱梅, 赵达生, 方立群, 等. 华北地区主要呼吸道传染病与气象条件的关系[J]. 中国医药导报, 2011, 8(32): 153–156. doi: 10.3969/j.issn.1673-7210.2011.32.071 Huo AM, Zhao DS, Fang LQ, et al. Relationship between main aspiratory infectious diseases and meteorological factors in North China[J]. China Med Her, 2011, 8(32): 153–156. doi: 10.3969/j.issn.1673-7210.2011.32.071 (in Chinese). |
| [14] | 成芳. 气候因素与江苏省常见传染病发病关联的研究[D]. 南京: 南京信息工程大学, 2014. In English: Cheng F. The Relationship of Meteorological Factors to the Epidemic Activity of Main Communicable Diseases in Jiangsu Province[D]. Nanjing: Nanjing University of Information Science & Technology, 2014. |
| [15] | 罗爱芳, 王洪, 邓健, 等. 邯郸市1997～2010年肺结核发病的气象流行病学特征分析和探讨[J]. 医学综述, 2013, 19(22): 4173–4175. doi: 10.3969/j.issn.1006-2084.2013.22.048 Luo AF, Wang H, Deng J, et al. The meteorological epidemiological analysis and discussion of the onset of pulmonary tuberculosis in Handan from 1997 to 2010[J]. Med Recapit, 2013, 19(22): 4173–4175. doi: 10.3969/j.issn.1006-2084.2013.22.048 (in Chinese). |
| [16] | Nnoaham KN, Clarke A. Low serum vitamin D levels and tuberculosis:a systematic review and meta-analysis[J]. Int J Epidemiol, 2008, 37(1): 113–119. doi: 10.1093/ije/dym247 |
| [17] | 崔国强. 北京市怀柔区2008年网络直报肺结核病人流行病学特征分析[J]. 职业与健康, 2009, 25(15): 1632–1633. Cui GQ. Analysis of epidemiological characteristics of patients with tuberculosis reported directly by network in Huairou district of Beijing city in 2008[J]. Occup Health, 2009, 25(15): 1632–1633. (in Chinese). |
| [18] | 邹博, 吴日娜, 吴俐健, 等. 中国人20年间肺结核病患病率与生活习惯的相关因素荟萃分析[J]. 现代预防医学, 2013, 40(11): 1993–1996. Zou B, Wu RN, Wu LJ, et al. Meta-analysis on related habits factors on incidence of pulmonary tuberculosis in China during 20 years[J]. Mod Prev Med, 2013, 40(11): 1993–1996. (in Chinese). |
| [19] | Ma WJ, Zeng WL, Zhou MG, et al. The short-term effect of heat waves on mortality and its modifiers in China:an analysis from 66 communities[J]. Environ Int, 2015, 75: 103–109. doi: 10.1016/j.envint.2014.11.004 |
| [20] | 邓斌, 周志刚, 马泽粦, 等. 肺结核病与气象因素关系的BP神经网络模型研究[J]. 国际医药卫生导报, 2008, 14(1): 17–20. Deng B, Zhou ZG, Ma ZL, et al. The model of back-propagation neural network about the relationship between meterological factors and pulmonary tuberculosis[J]. Int Med Health Guid News, 2008, 14(1): 17–20. (in Chinese). |