腦血管病的氣象危險指數預報研究

張 楠，尚可政，劉繼鋒，喬 麗

(1.西安市氣象局，西安 710016；2.蘭州大學，蘭州 730000；3.西安市疾病預防控制中心，西安 710054)

腦血管病(cerebrovascular disease)指由于腦部血管病變所引起的腦部疾病，包括腦動脈粥樣硬化、血栓形成、狹窄、閉塞、腦動脈損傷、血管畸形等，其共同特點是引起腦組織的缺血或出血性意外，所以通常可分為缺血性和出血性腦血管病，導致患者殘疾或死亡，又稱腦血管意外。在我國, 每年有新發腦血管病患者約270萬人, 每年死于腦血管病的患者約130萬人, 腦血管病已經成為我國居民的“第一殺手”[1]。數據顯示，2010—2014年，西安地區腦血管疾病死亡人數逐年增加，2014年，因腦血管病死亡的人數占西安地區總死亡人數的26.0%。已有研究顯示[2],氣壓、氣溫等氣象因素的異常變化是誘發腦血管病發病的危險因素之一。本研究通過分析氣象因素與腦血管病死亡的相關關系，建立腦血管病日死亡人數的預報模型，并依據模型建立相應的氣象危險指數等級標準，為預防腦血管意外的發生，提高人群自我保健意識提供參考。

1 資料與方法

1.1 資料選取

2010—2014年腦血管病日死亡數據來自西安市疾病預防控制中心，數據選取西安市11個區、2個縣的日死亡人數數據中的腦血管病部分；同期氣象數據來自西安市氣象局，包括：日平均氣溫，日平均最高氣溫、最低氣溫，日平均氣壓，日平均相對濕度，日照時數，日平均風速，降水量及氣溫日較差。

1.2 研究方法

國內外研究發現，氣象因素與腦血管病死亡具有一定相關關系，且氣象因素對腦血管病死亡的影響存在明顯的滯后和累積效應[3-4]。選取當天、前1～10 d單日氣象要素及2～7 d累積平均后的氣象要素，逐一與腦血管病日死亡人數進行相關分析，研究氣象因素對腦血管病死亡的滯后影響和累積效應。

腦血管病發病總體呈夏季發病率低、冬季發病率高的季節變化特征，但同一季節各月的發病率也存在較大差異[5]。為到達更好的預測效果，故在建立模型及等級劃分時按月進行。應用多元逐步回歸法，利用2010—2013年腦血管病及氣象資料按月建立腦血管病日死亡人數回歸預報模型，并根據預報模型建立相應的氣象危險指數等級預報標準。利用2014年腦血管病及氣象資料對預報模型及等級標準進行檢驗。

回歸分析方程表達式[6]為

(1)

其中，Si(i=1，2，…，12)表示各月腦血管病日死亡人數，b為回歸方程的常數項，αj為回歸系數，kj為氣象因子，j=1，2，…，m，m為入選因子的個數，顯著水平取5%。

2 結果分析

2.1 腦血管病死亡分布特征

2010—2014年西安腦血管疾病死亡人數男女比例為1∶0.84，年齡<25歲、25～<45歲、45～<60歲、≥60歲的人數，分別占腦血管病死亡人數的0.2%、2.6%、13.5%、83.7%。腦血管病月平均死亡人數統計分析表明，腦血管疾病死亡人數冬半年多(占55.4%)，夏半年少(占44.5%)，死亡人數最多的月份依次為1月、12月、2月；死亡人數最少的月份依次為7月、6月、5月。12月、1月是腦血管疾病的死亡的高峰，而8月份是腦血管疾病在夏半年的一個死亡小高峰，可能與西安地區冬季寒冷、多霧霾，8月酷暑炎熱、高溫熱浪頻發，體感不適有關(圖1)。

圖1 2010—2014年西安地區腦血管疾病月平均死亡人數

2.2 氣象要素與腦血管病的相關分析

應用SPSS17.0對各氣象要素與腦血管病逐日死亡人數進行單因素相關性分析，結果表明各月份與腦血管死亡人數具有顯著相關的氣象要素不同；同一氣象要素各月份與腦血管死亡人數的正負相關關系不同；同一氣象要素不同滯后時間與日死亡人數的相關程度也存在明顯差異。總體來說，各月氣象要素在某一滯后時間或經過累加平均后與腦血管病日死亡人數相關關系不同，其中風速與之正相關最顯著，相對濕度與之負相關最為顯著。前6～8 d風速與腦血管死亡人數正相關系數較高，風速在4～7 d累加平均后與腦血管病日死亡人數相關系數較高；相對濕度2～3 d累加平均后與之相關系數較高；其他氣象要素與腦血管死亡的相關關系及關系強弱趨勢各月差異較大。這說明氣象要素對腦血管死亡確實存在滯后和累積效應。

2.3 預報模型的建立

相關分析和已有研究證實，氣溫、氣壓、風速、相對濕度等氣象要素對腦血管病存在明顯的滯后和累積效應[7]。目前，多數研究選取3～5 d累加平均的氣象因子進行相關分析和建立模型，為了更充分的研究氣象因素對腦血管病死亡的累積及滯后效應，在建立預報模型時，將2010—2013年氣溫、氣壓、風速、濕度等當天、前1～10 d單日氣象要素及2～7 d累加平均后的氣象要素均作為自變量因子，2010—2013年腦血管疾病日死亡人數作為因變量，自變量因子共693個，各預報因子的意義如表1。

表1 預報因子及意義

693個自變量因子共包含9種氣象要素。每種氣象要素包含77個因子，每11個因子為一組、共7組。每種氣象要素的77個因子依次按照表2中類似的累加平均順序排列定義。

采用多元逐步回歸分析法，將自變量因子逐步剔除，選取最佳擬合模型，分別建立1—12月西安腦血管病日死亡人數的多元逐步回歸預報模型，并對模型進行統計檢驗，12個預報模型均通過P<0.000 1顯著性水平檢驗(表3)。

表2 K1～K77排列順序及意義

表3 腦血管病日死亡人數預報模型及檢驗結果

2.4 預報等級的劃分

利用2010—2014年腦血管病日死亡人數資料，按月統計得出腦血管病日死亡人數的平均值, 即樣本平均值設為X，樣本標準差為SX，S為日死亡人數，將日死亡人數劃分為五個等級，分級預報稱為氣象危險指數等級[8](表4)。

表4 腦血管病氣象危險指數等級劃分及含義

按表4統計計算2010—2014年西安腦血管病日死亡人數的氣象危險指數等級，發現1—12月均以III級最多、I級最少，各等級所占比例依次為III級71.0%，IV級14.2%、II級11.8%、V級2.9%、I級0.1%。

2.5 預報效果的檢驗

2.5.1 模型預報檢驗 將2014年的氣象實況數據代入預報方程，計算出腦血管病死亡人數，并與實際死亡人數進行對比檢驗。對比檢驗分析采用誤差ε來完成，計算公式[9]為

(2)

結果顯示，2014年日死亡人數預報誤差≤30%的概率為81.9%，1—12月日死亡人數預報的月平均誤差分別為：16.4%、14.0%、15.3%、15.0%、20.3%、18.0%、15.9%、46.8%、17.3%、20.6%、14.9%，除8月外其他各月的平均誤差均小于21%，預報準確率均在79%以上，預報效果較好(圖2)。

圖2 2014年西安地區腦血管病日死亡人數預報相對誤差

從2014年各月的日死亡人數預報誤差可見，8月的預報準確率較其它月份低，可能與西安地區2014年入夏后氣候異常，導致的非氣象因素對腦血管病患者個體帶來的差異增大有關。氣象資料顯示，2014年6月至8月初西安持續高溫少雨，出現了1977年以來最嚴重的氣象干旱。居民頻繁使用空調，室內外溫差增大，如果不能及時適應這種溫度急劇變化，就容易誘發腦血管病；8月西安還出現3 d大霧天氣，個體的體感舒適度差，這時個人防護措施尤為重要，如若個體自身防護不當，也易誘發腦血管病，而這些因氣候異常所致的非氣象因素對疾病的影響在研究時較難把握。

2.5.2 等級預報檢驗 將2010—2013年氣象實況數據代入各預報方程進行回代檢驗，并將 2014 年的氣象實況數據代入各預報方程對日死亡人數進行預報預測，并根據表4對計算結果進行等級劃分，比較其與實際等級的一致率。由表5可見，除7、8、11月外，其它月份的回代檢驗等級預報一致率均在70%以上，未出現等級相差3～4級的現象。若將等級完全相同或相差 1 級均視為預報正確，則預報準確率均達到90%以上。7、8、11月回代檢驗等級一致率較低，可能與西安當地氣候特征對腦血管患者個體影響差異較大有關。7、8月正值西安的夏季，不僅炎熱多雨，且雷暴大風等強對流天氣多發；而11月西安正值深秋，秋冬交替，霧霾頻發，氣溫逐漸下降。應對多變天氣和秋冬季節轉換時，患者自身的耐受和防護能力有較大的差異，使得非氣象因素對疾病的影響加大，導致預報等級與實際等級一致率較低。

表5 腦血管病氣象危險指數回代檢驗預報等級與實際等級一致率 %

預測2014年腦血管病氣象危險指數等級與實際等級完全一致率為57%，實際與預報等級相差一級的概率為39%，相差兩級的概率為4%，未出現等級級數相差3～4級的現象。2014年等級預報完全一致率較低，與樣本量較少有關。若等級完全相同或相差 1 級均視為預報正確，則等級預報準確率達96%，建立的腦血管病氣象危險指數等級預報效果較好。

3 結論與討論

(1)利用西安市2010—2013年腦血管疾病日死亡人數及同期氣象資料，建立腦血管疾病日死亡人數的多元逐步回歸預報模型及氣象危險指數預報等級，并對預報模型及等級預報進行回代及預報檢驗。預報模型檢驗結果，除8月外其他各月的預報準確率均在79%以上；氣象危險指數預報等級檢驗結果，等級完全相同或相差1級的預報準確率達96%。預報模型及氣象危險指數等級預報效果較好。

(2)西安市目前業務應用的健康預報模型均為依據經驗將其它地區模型本地化，雖然經過本地化后具有一定適應性，但也存在一定局限，且西安市目前沒有適用于業務使用的氣象危險指數等級預報指標。本文采用西安市長期、規范的氣象及醫學資料，充分考慮了氣象因素對腦血管病的滯后及累積影響，按月建立預報模型及等級標準，符合西安地區當地氣候及人文情況，更為合理，為健康預報進一步業務應用提供了理論基礎，以期對預防腦血管意外發生、腦血管疾病發展提供合理的引導。

(3)疾病的發生發展是一個復雜的過程，除了氣象因素影響外，還與很多非氣象因素關系密切，如疾病本身的病理發展、病患的自身狀況、治療情況、生活習慣及個人養護等，而本研究由于條件限制目前只考慮了氣象因素對腦血管病的影響，對疾病的危險程度預測存在一定局限。另外，資料序列長度較短，使研究結果也有一定局限性。因此，導致個別預報模型的預報準確率較低，等級預報還存在誤差。

[1] 王擁軍.中國腦血管病防治面臨的特殊問題[J].科學通報，2016，61(18)：2020-2021.

[2] 劉世玲，劉濟躍，李志莉，等.腦血管病發病和氣象條件的關系[J].臨床神經病學雜志，1999(2)：76-78.

[3] BARNETT Adrian gerard. Temperature and cardiovascular deaths in the US elderly: Changes Over Time[J]. Epidemiol, 2007,18(3)：369-372.

[4] 宋慧麗，劉蘇平，趙增毅，等.日最高氣溫與心腦血管疾病死亡的關系探討[J].中國醫藥指南，2013，11(6)：73-75.

[5] 張書余.城市環境氣象預報技術[M].北京：氣象出版社，2011：178.

[6] 黃嘉佑.氣象統計分析與預報方法[M].北京：氣象出版社，1990：81-100.

[7] 楊宏青，陳正洪，肖勁松，等.呼吸道和心腦血管疾病與氣象條件的關系及其預報模型[J].氣象科技，2001，22(2)：49-52.

[8] 李永紅.氣象因素對南京市居民健康影響的初步研究[D].南京：東南大學.2005.

[9] 鄭學山，山義昌，徐太安，等.濰坊市腦中風疾病與氣象條件的關系及預報[J].山東氣象，2002，22(2)：23-24.