文摘
背景。到目前为止,调查呼吸道疾病患者访问相关应急部门罚款尘埃是有限的。本研究旨在分析两个多变的气候条件的影响,空气污染对呼吸道疾病的患者去急诊。方法。本研究利用国家应急部门信息系统(NEDIS)数据库。气象数据来自国家气候数据服务。每个天气因素反映了4天的积累数据:病人的访问一天,前3天访问的一天。我们利用RandomForestRegressor scikit-learn进行数据分析。结果。这项研究包括了525579名参与者。本研究发现,多个变量的天气和空气污染影响急诊病人的呼吸道疾病。大部分的呼吸道疾病患者急性上呼吸道感染(J00-J06)流感(J09-J11)和肺炎(J12-J18)点10后温度和蒸汽压力是最有影响力的。的三大主要原因进入急诊室,肺炎(J12-J18)、急性上呼吸道感染(J00-J06)和慢性下呼吸道疾病(J40-J47)非常受点影响10。结论。大部分的呼吸道病人来访EDs被诊断为急性上呼吸道感染,流感和肺炎。后温度、蒸汽压力和点10有影响力的与这些疾病的关系。预计呼吸道疾病患者去急诊的数量将增加一天3时蒸汽压力和温度的值很低,和空气污染的变量是很高的。呼吸道疾病患者去急诊的数量将增加一天3时蒸汽压力和温度的值很低,和空气污染的变量是很高的。
1。介绍
因为空气污染,恶化的兴趣细粉尘对健康的影响也在增加。粉尘是众所周知的作为一个群体1致癌物。此外,有报道称好项目死亡,麻痹神经病变,高血压、心血管和呼吸系统疾病1- - - - - -5根据最近的研究,它会导致抑郁和焦虑(1],神经退行性疾病包括老年痴呆症和帕金森症、皮肤病和儿童疾病的风险增加,如自闭症谱系障碍、发育障碍(6)、哮喘、呼吸道感染和过敏性皮肤炎(2,7- - - - - -9]。然而,没有相关研究调查病人来访急诊(EDs)。
拥挤在EDs是一个全球性的问题,作为一个国家危机处理在一些国家(10]。ED的医疗资源需要根据严重程度,不同类型的访问,和病人的疾病。紧急医疗需求预测可以有效地分配有限资源的好方法(11]。各种各样的研究评估影响因素要求紧急医疗服务(12]。特别是,先前的研究已经报道的特点病人来访EDs和病人的数量根据季节和天气条件(13]。
一些疾病对气候变化很敏感。研究进行了参观的患者数量特征和ED根据季节和气候。此外,大量研究表明,天气和空气污染与心血管和呼吸道疾病的发展密切相关。然而,缺乏研究现有研究多变量因素。研究天气的影响和空气污染都对呼吸道紧急医疗资源的需求仍然不足。
因此,呼吸道疾病患者的数据访问EDs提取EDs的国家数据库,使用机器学习技术,分析了空气污染的复杂影响,天气和呼吸道疾病患者的特点参观3年。基于分析一般特征(年龄、性别、诊断),ED和医院资源的使用天检查。这项研究将帮助提供紧急呼吸系统病人的基本预测模型数据访问相关天气包括空气污染对病人治疗和有限的医疗资源的高效管理。
2。材料和方法
本研究利用国家应急部门信息系统(NEDIS)数据库;二次数据分析是利用随机森林(RF),进行机器学习技术。NEDIS, ED信息网络由卫生部和福利,由国家紧急医疗中心(14]。自2003年的执行系统,它收集了所有患者的临床和管理数据访问全国EDs。韩国国家提供医疗保险,覆盖98%的韩国人(15]。因此,收集的数据非常有影响力。紧急医疗中心在中国接受每年评估一次为了被批准为正式组织和自动传输所有的数字化数据项NEDIS要求的,作为一个原则。因此,本研究使用的数据包括所有的数据EDs在首尔,韩国。
3所示。研究设计和统计分析
每个天气因素反映了4天的积累数据:病人的访问一天,前3天访问的一天。解释变量的数量对应于响应变量Y 48 (4×12)。使用天气和空气污染变量(X)如温度、降水量和点2、5数量(Y) ED患者特定疾病的代码估计。一个射频应用回归模型可以选择重要的变量。一个解释变量的重要性影响因变量是通过计算提取impurity-based特性的重要性。我们使用RandomForestRegressor scikit-learn包中可用的代码。熊猫包(版本1.0.0;美国NumFOCUS、奥斯汀、TX)和Dask包主要用于数据预处理。
射频机监督学习技术,具有多个决策树结合的形式。在传统决策树技术,如果解释变量的数量大,在一个决策树分支的数量也很大。因此,过度拟合(只适合学的数据)。防止过度拟合,RF随机样本的一部分解释变量时生成一个决策树,从而创建多个决策树放回抽样。中值预测的多个决策树生成的过程中,大多数预测价值成为最终的预测价值。在这项研究中,解释变量的数量大,多重共线性存在(图1)。出于这个原因,射频应用,而不是传统的决策树技术。射频性能的评估,袋,评估性能的1/3数据不放回抽样时使用,使用。一个解释变量的重要性影响因变量是提取。解释变量的最有预测力的特性建立模型显示R∧2 / 0.5。
4所示。ER访问数据
患者中访问了首尔的紧急医疗中心提供3年期内从1月1日,2015年12月31日,2017年,那些疾病分类代码(代码;J00-J99)当时他们离开了ED呼吸道疾病根据韩国标准相关疾病分类(kdc)(根据icd - 10)。分析使用的第一个主要诊断紧急中心。当地紧急医疗中心未能传输KTAS被排除在分析之外。记录病人的访问日期和时间没有被排除在外。的年龄、性别、疾病名称、日期和时间的访问研究患者使用。附录1中提供疾病的名字。
5。空气污染和天气数据
细粉尘含有巨大的各种空气污染物,包括重金属离子、有机碳和黑碳。根据粒子大小、颗粒物的直径是10µm或少点10和颗粒物的直径是2·5µm或少点2·5或超细颗粒16]。在这项研究中,一氧化碳、二氧化氮、臭氧(O3),点10下午,2·5和三氧化硫(2)作为变量。
相应的气象数据来自国家气候数据服务系统的天气变量。自动天气观测数据(ASOS)提供的“气象数据开放门户”的韩国气象局和粉尘测量空气朝鲜提供的数据相结合,并使用基于区域(17)、日期和时间。首尔市的天气数据作为参考数据,和疾病发生的最大影响的天数是假定为3。数据平均温度、降水量、相对湿度、蒸汽压力、风速、风向韩国气象局提供的被设置为天气因素。
之间的距离一个在首尔地区紧急医疗中心和一个天文台是计算。五个天文台选择小的距离。值的均值以五个天文台每小时计算。的意思是天文台在该地区也被计算。通过这种方式,该地区平均值的定义。一个缺失值没有加工,是空的。天气数据从2014年12月27日至12月31日,2017年。赛季被归类为春季(3月、4月和5月);夏季(6月、7月和8月);秋季(9月、10月和11月); and winter (December, January, and February).
6。结果
6.1。研究参与者(表的特征1)
全国共有18619252名患者访问EDs在研究期间和4784458年在首尔访问EDs(表1)。其中,525579名患者被诊断出患有呼吸道疾病(J代码)根据kdc。呼吸道疾病患者占病人总数的11.0%。525579名病人访问EDs因为呼吸道疾病3年期内,2015年报告了169538(32·3%),202114年(38·5%)在2016年,2017年和153927 (29·3%)。最多的病人是在2016年报道的。平均年龄为28·1±27·5年。具体地说,这些针对0 - 15岁患者的45%,是益岁37·6%,17·4%是61岁以上。的病人访问了EDs,男性的数量(276142年52·5%)高于女性。约52·2%的病人访问EDs因为急性上呼吸道感染,占最多的患者群。肺炎病人呼吸道疾病患者总数的15%,占43·8%的住院病人。
6.2。分析病人的数量,月,季,和天(表2)
525579年月度分析,参观了EDs,因为患者呼吸道疾病在3年期间,71122年(13·5%,最高)发生在12月,65121年(12·4%,第二个最高)今年2月,和31007年7月(5·95%,最低的)(表2)。在季节性分析中,181905例(34·6%,最高)发生在96967年冬季和夏季(18·4%,最低)。在一周内的分析中,127316名患者(13·9%,最高)周日参观了EDs,而60077(11·4%,最低)周四访问EDs。
6.3。天气因素的特点(表3)
天气因素,风速和风向显示差异。空气污染的变量,二氧化氮,O3下午,2·5,所以2显示差异(表3)。
6.4。天气因素之间的相关性(图1)
天气6空气污染变量之间的相关性和六个因素进行了分析,以及是否存在多重共线性检验。蓝色表示负相关,而红色表示正相关。一个深点的颜色表示变量之间的相关性。空气污染变量正相关性,而O3有一个负相关。空气污染与天气因素变量有负相关性(除了O3)。
6个空气污染变量之间的相关性和6个气象因素比较。蓝色表示负相关,而红色表示正相关。深色的颜色表示更多的相关变量。
6.5。基于随机森林的分析(数据的结果2- - - - - -6和表4)
数据2- - - - - -5说明20天气和空气污染的图形变量,这是高度相关的病人的访问EDs,因为每一个疾病。表4提出了十大变量。数量从0到3后每个变量之间的关系表示为一个病人的访问日期和一个变量测量日期。换句话说,“0”表示当天天气条件之间关系的访问和一个空气污染值;“1”表示天气状况之间关系的当天访问和访问的前一天;“2”表示天气状况之间关系的当天访问和访问前2天;和“3”表示当天天气条件之间的关系访问和前3天的访问。的“意思”是一个价值的意思,而“性病”是一个值的标准偏差表示一个变量的变化在某一天。图2说明了当天的天气和空气污染变量访问,有很高的相关性ED访问根据病人的疾病。流感、肺炎和其它急性下呼吸道感染(J09-J11)是高度相关的温度和蒸汽压力(4罪犯)。肺部疾病由于外部代理(J60-J70)是高度相关的公司,没有2空气污染,降水量变量(4 g)。图3显示了天气和空气污染变量之间的相关性在访问和访问的前一天访问。图4介绍了变量之间的相关性在访问前和2天的访问。图5说明了天气和空气污染变量之间的相关性的一天访问,访问前2天,3天前访问和访问。答:急性上呼吸道感染(J00-J06)主要是相关的2那天和访问点10当天的访问和访问的前一天。b .流感有关的温度和蒸汽压力前3天访问,稍微受点影响10前3天的访问。c .肺炎(J12-J18)是受到温度和蒸汽压力前2 - 3天访问,而不是访问当天,受点影响10。图6是总呼吸道疾病的结果。蒸汽压力,所以2是最情感因素通过呼吸道疾病来访的ED。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
(k)
(一)
(b)
(c)
(d)
点10有很高的相关性与患者的ED访问因为急性上呼吸道感染(J00-J06)和天0和1。在流感的情况下(J09-J11)、肺炎(J12-J18),其他急性下呼吸道感染(J20-J22),和其他疾病的上呼吸道J30-J39,第0天是有影响力的。对于慢性下呼吸道疾病[J40-J47],天0,1,2,3有很高的相关性与病人的访问。在化脓性和坏死的条件下呼吸道(J85-J86)天0影响力(表4)。
气候因素中,蒸汽压力影响0,1,2,3天,和空气污染,没有2影响最大。疾病中最常见的互访急诊科,第一个急性上呼吸道感染(J00-J06)没有影响2,第二个肺炎(J12-J18)是受到压力的影响,第三个流感(J09-J11)非常受温度的影响。关于第二个J40-J47慢性下呼吸道疾病,这是一种疾病,需要住院治疗,温度,和第四(J90-J94)其他疾病胸膜,每个NO2值似乎很大程度上受气候和污染物(第一肺炎(J12-J18)、第三(J00-J06)急性上呼吸道感染上面提到的)。可吸入颗粒物影响j85 - 86。对点2·5对于其他呼吸道疾病主要影响间质[J80-J84],天2和3有很高的相关性与患者的ED的访问。在化脓性和坏死的条件下呼吸道(J85-J86)天(表2和0影响力4。)
7所示。讨论
基于持续和系统化的数据注册中心注册的国家紧急医疗中心,本研究分析了天气和空气污染变量之间的相关性和呼吸道疾病患者访问EDs运用机器学习的方法作为一种人工智能技术。先前的研究已经集中在简单的单一疾病和一个空气过剩系数之间的关系。目前研究认为呼吸系统疾病和各种空气污染和气候变量。与以往的研究不同,它检查了天气和空气污染的影响变量访问前3天。对于空气污染,五个天文台的数据考虑ED的位置。不同于以往的研究,使用空气污染的日均数据变量(18,19],本研究使用的数据访问前3天,每日温差,和其他数据的值来确定详细的天气条件和识别的影响。
因此,病人访问EDs由于呼吸道疾病有相关性的天气和空气污染变量访问当天和前1 - 3天的访问。空气污染的变量,点10和点2·5,最近吸引了很多注意力,影响患者的ED的访问。
在这项研究中,不仅天气和空气污染的影响变量在每个疾病,而且他们的水平的影响进行了分析。许多空气污染变量高相关性急性上呼吸道感染(J00-J06),慢性下呼吸道疾病(J40-J47)化脓性和坏死的条件下呼吸道(J85-J86)。在疾病的情况下,高度受到空气污染的影响,蒸汽压力没有影响。因此,蒸汽压力与空气污染有负相关变量。在急性上呼吸道感染的情况下(J00-J06),空气污染变量具有重要影响;因此,他们有很高的相关性。流感和肺炎是由空气蒸汽压力等因素的影响;下呼吸道感染受到空气的影响因素,和上呼吸道疾病由空气污染变量。
在一些疾病的情况下,相比之下,点2·5下午,10对患者有更大的影响力去。然而,这并不意味着点吗2·5对呼吸道疾病的发病率几乎没有影响。然而,表明点是合理的10(大颗粒大小)更有影响力的急性疾病,引发病人访艾德在短期内(当天访问前3天访问)。应该进行更多的研究来确定点的长期影响2·5(20.),这是众所周知的,持续并影响人类的身体。可吸入颗粒物影响呼吸道疾病患者的访问紧急部门。
在流感的情况下,温度和蒸汽压力的日子访问是最有影响力的。在肺炎、呼吸道疾病的占多数病人来访EDs,这是更多的蒸汽压力和温度的影响。的疾病包括哮喘(J40-J47)是受点影响10蒸汽压力。急性上呼吸道感染大多是受空气污染影响的变量,尤其是没有2和点10。
有趣的是,急性上呼吸道感染(J00-J06)流感(J09-J11)和肺炎(J12-J18),占多数的呼吸道疾病的病人访问EDs,高度受到点吗10后温度和蒸汽压力点10也非常有影响力的三大疾病促使访问艾德:肺炎(J12-J18),急性上呼吸道感染(J00-J06)和慢性下呼吸道疾病[J40-J47]。因此,空气污染的变量,点10最影响呼吸道疾病患者的访问。
唐纳森等人报道,哮喘症状恶化的点的影响10。这一发现与本研究的结果是一致的(21]。接触点可以通过多条路径触发哮喘反应。据推测,与气道炎症,增加平滑肌收缩,脂质介质的直接刺激,额外的氧化应激,和促炎的负担21,22]。其他研究也报道,增加点10有关增加哮喘药物的使用(23,24),根据最近的一项研究由孙et al。25)在韩国,每日温度变化影响了肺炎病人的访问EDs在首尔。崔et al。26)报道,最高温度、降雨、相对湿度、和点10例如:社区获得性肺炎有相关性。这项研究还显示,肺炎病人的访问EDs受到天气和空气污染的影响变量,如蒸汽压力、温度、CO10阿,3(图2 (c))。
Arbex et al。(巴西)27]报道急性上呼吸道感染(J00-J06)之间的相关性和空气污染变量。根据他们的报告,落后0不相关的疾病2,所以2阿,3下午,10。在这项研究中,急性上呼吸道感染也受到落后0的顺序2,米10,所以3(图2(一个))。急性上呼吸道感染占患者总数的52.2%访问EDs和呼吸道疾病患者住院病人的12.8%。因此,大量的这些疾病患者参观EDs被空气污染直接影响变量。
根据德国Wanka等人的研究(28)、天气和空气污染变量影响呼吸道疾病在一个复杂的方式。这项研究还显示,各种变量互相联系和影响不同疾病组以复杂的方式。
Zhang et al。29日)报道,低浓度的点2·5有关急性呼吸道感染前3天访问,而高浓度的点2·5与感染有关的前一天。在这项研究中,点2·5影响急性呼吸道感染在落后0和滞后2。天气和空气污染变量比其他疾病更直接影响呼吸系统疾病组。也得到了相似的结果对所有疾病组(30.]。
呼吸道疾病患者的数量将增加一天3时蒸汽压力和温度的值很低,和空气污染变量的值都高。与天气有关的健康指数预测呼吸道疾病患者参观EDs是有待开发。如果另外开发预测模型基于研究结果,可以提供一个基本物质对预防呼吸道疾病与天气变化有关,帮助医疗机构有效地利用了他们的设施和人力管理患者呼吸道感染。
本研究具有以下限制。首先,进行了分析与数据已经整理和收集;因此,它是不可能确定的临床特点、预后、感染的来源,和每个病人的基础疾病。本研究的主要结果是评估使用大数据趋势。因此,有必要分析个别疾病的临床数据组。第二,研究只持续了三年。如本文所述,一群慢性疾病和急性疾病包括在分析中。特别是空气污染变量所需的长期影响分析。然而,ED患者数据系统提供基于三年数据。因此,有必要分析研究变量的长期影响。 Third, this study set the time lag to 3 days. If a general incubation period is taken into account, the lag of 14 days can be set. However, given the large number of variables, the time lag was set within a short-term period. At last, the data from the observatory near the hospital were used, not the data from the observatory near the patient’s house. The reason for including the data from the observatory near the hospital is that if we use the observatory data near the patient's address, data cannot be obtained with personal information (address), and it has to be assumed that the patient has visited a nearby hospital.
在这项研究中,天气和空气污染的影响变量对呼吸道疾病患者的访问EDs进行了分析。大部分的呼吸道病人来访EDs被诊断为急性上呼吸道感染(J00-J06)流感(J09-J11)和肺炎(J12-J18)。点10后温度和蒸汽压力有影响力与这些疾病的关系。(J12-J18)肺炎患者,急性上呼吸道感染(J00-J06)和慢性下呼吸道疾病(J40-J47)三大疾病管理EDs、点10非常有影响力。结果,空气污染变量中,点10发现影响呼吸道疾病患者的访问。呼吸道疾病患者访ED预计将增加第三天当蒸汽压力和温度的值很低,和空气污染的变量是很高的。此外,必须建立呼吸道疾病预测指数预测模型。
附录
包含icd - 10编码(我)(J00-J06)急性上呼吸道感染。(2)(J09-J18)流感和肺炎。(3)其他急性下呼吸道感染(J20-J22)。(iv)[J30-J39]其他上呼吸道疾病。(v)J40-J47慢性下呼吸道疾病。(vi)由于外部代理(J60-J70)肺部疾病。(七)[J80-J84]其他呼吸道疾病主要影响间质。(八)(J85-J86)化脓性和坏死的条件下呼吸道。(第九)(J90-J94)胸膜的其他疾病。(x)(J95-J99)呼吸系统的其他疾病。
数据可用性
数据共享并不是适用于本文,因为数据支持本研究的发现来自NEDIS韩国。适用于这些数据的可用性的限制,在许可用于这项研究。
伦理批准
本研究机构审查委员会批准韩国大学医院(没有古鲁。2019 gr0197)。要求参与者的知情同意被董事会放弃。
信息披露
的资金来源没有参与这项研究的设计;数据收集、分析和解释;和决定发布或准备的手稿。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
李概念化是由司法院金姆和ES。方法是由Yoon和某人金姆。结果的解释是由HG Kahng和JH公园。计算是由JH金姆,他黄,和乔丹·李。ES李写的文章。所有作者审查和编辑文章。
确认
这项研究受到了韩国大学古鲁医院“韩国研究医院”格兰特(O1905501)。本研究使用NEDIS数据(N20191920711)。本文在以下链接(预印31日]:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3705299。这项研究受到了格兰特建立研发平台项目通过韩国大学医学中心和古鲁韩国大学医院,由韩国大学古鲁医院(批准号:O1905201)。的资金来源没有参与这项研究的设计;数据收集、分析和解释;和决定发布或准备的手稿。相应的作者有完全访问所有数据研究中,最终的责任决定提交出版。