[发明专利]细颗粒物对不同报道次序下法定传染病影响的评估方法

说明书

本发明提供一种细颗粒物对不同报道次序下法定传染病影响的评估方法，属于传染病研究领域。提取目标城市在研究周期内公开的法定传染病数据，法定传染病数据包括法定传染病种类数、感染人数和死亡人数；获取目标城市在对应法定传染病期间PM2.5的平均浓度数据；将法定传染病数据与PM2.5的小时平均浓度数据进行数据关联，合成目标数据集；对目标数据集进行相关性分析，以确定PM2.5浓度和法定传染病之间的相关关系，筛选出相关性显著变量；利用相关性显著变量构建法定传染病在不同报道次序下的贝叶斯回归模型，基于贝叶斯回归模型提取各种传染病名称下PM2.5浓度和感染人数变量间的边际效应曲线，根据边际效应曲线评估不同报道次序下PM2.5浓度和患病数量间的量化关系。

技术领域

本发明涉及传染病研究技术领域，尤其涉及一种细颗粒物对不同报道次序下法定传染病影响的评估方法。

背景技术

随着经济发展和生活水平的提高，工业和交通的排放以及自然现象导致空气污染水平不断上升，空气污染特别是环境细颗粒物PM2.5已经成为一个备受关注的公共卫生问题。金等人对韩国法定传染病发病率与气候、空气污染和医院水平之间的关系进行探讨发现空气污染与传染病发病率(细菌性痢疾、梅毒、肺结核等)呈强烈的相关性。You等人采用泊松线性回归的方法对北京市和中国香港特别行政区室外PM2.5浓度和肺结核(Tuberculosis，TB)季节性关系进行了研究，发现冬季PM2.5浓度每增加10μg/m³，在下一个春季和夏季TB病例数将增加3％，且TB的季节波动性在老人和儿童中更为突出。Mahara等人采用空间回归方法对北京地区2013～2014年空气污染物与猩红热发病率之间关系进行了分析，发现空气污染因子能够提高猩红热的发病率。现有研究也表明PM2.5污染浓度的差异性所导致健康效应出现差异，其机理可能与PM的组分及含量、作用路径及其环境变化如温度间存在复杂的交互作用。近年来，国内外学者研究了空气污染与各种类传染病发生发展情况，却鲜有探究PM2.5与不同报道次序下法定传染病发病和死亡情况的关联关系。

法定传染病的报道次序是在一定周期内按报告病例数多少对传染病的排序，通常排序靠前的疾病会引起更多的重视和关注，而开展对不同报道次序下疾病对健康的影响则可以提升对排序靠后的疾病的重视，对于控制传染病具有极大意义。

基于上述内容，为了研究PM2.5对不同报道次序下法定传染病的影响，有必要提供一种细颗粒物对不同报道次序下法定传染病影响的评估方法。

发明内容

本发明的目的是提供一种细颗粒物对不同报道次序下法定传染病影响的评估方法。

为解决上述技术问题，本发明采用的技术方案是：

一种细颗粒物对不同报道次序下法定传染病影响的评估方法，其包括如下步骤：

S1，提取目标城市在研究周期内公开的法定传染病数据，所述法定传染病数据包括法定传染病种类数、感染人数和死亡人数；

S2，获取目标城市在对应法定传染病期间PM2.5的平均浓度数据，定义疾病报道日当天PM2.5浓度为即刻浓度PM-0day、报道日之前7天和15天内的日均PM2.5浓度为短期平均浓度PM-7day和PM-15day、距报道日之前30天内的日均PM2.5浓度为中期平均浓度PM-30day、距报道日之前60天内的日均PM2.5 浓度为长期平均浓度PM-60day；

S3，将法定传染病数据与PM2.5的平均浓度数据进行数据关联，合成目标数据集；

S4，对目标数据集进行相关性分析，以确定PM2.5浓度和法定传染病之间的相关关系，并筛选出相关性显著变量；

S5，利用相关性显著变量构建法定传染病在不同报道次序下的贝叶斯回归模型，所述贝叶斯回归模型的参数预测变量为感染数量，预测因子为PM2.5浓度和不同报道次序的传染病名称及其二者的交互因子；