文摘

本研究旨在创建一个随机模型,命名为巴西气候和健康模型(BCHM),通过泊松回归,为了预测的发生医院呼吸招生(13岁以下儿童)的空气污染物,气象变量和热舒适指标(有效温度等)。本研究中使用的数据来自圣保罗,巴西,1997年和2000年之间。呼吸道疾病分为三个类别:URI(上呼吸道疾病),LRI(下呼吸道疾病)和IP(流感和肺炎)。的总体结果URI、LRI和IP显示明显关联 和有限公司 和 , 分别和ETw4(有效温度)的所有三个疾病组。是非常重要的警告巴西人口最多的城市政府关于这项研究的结果,为它提供有价值的信息,以帮助其更好地管理其资源代表整个人口的城市圣保罗,尤其是那些较低的收入。

1。介绍

环境对人类健康的影响以来一直观察Hipocrates,公元前400年,时,在他的书中空气、水和地方他强调环境的重要性,如大气变量,和普通人类健康的疾病。现在,然而,有另一个影响直接由人引起的,这是空气污染。

地球的大气层被有毒物质污染等人为源排放的车辆,工业,采矿和其他自工业革命。这种污染显然是明显的在大的城市中心,像墨西哥城和圣保罗,等等。

圣保罗是世界上污染最严重的地区之一。根据玻姆et al。1),Saldiva et al。2],布拉加(3),空气污染构成的一个主要公共卫生问题的来源,负责大量的住院患者的呼吸,心血管,胎死腹中,眼科,皮肤和血液学的疾病2- - - - - -9]。根据这些研究,重要的是要注意呼吸道发病率与协会的环境条件,如气象变量,主要空气污染物。

本研究旨在量化环境变量的影响在呼吸道发病率在圣保罗,为了防止他们。还应该指出,呼吸道疾病负责在巴西的总发病率的30%左右,主要分布在南部和东南部地区,使这类研究的重要性(http://www.datasus.gov.br)。

许多研究的影响评估空气污染物对人体健康和大气条件在过去的60年,收益率不住院的预测。通过这种方式,本研究的贡献是预测呼吸住院,以及考虑热舒适的影响指数(tci),除了空气污染物和气象变量的影响。

2。材料和方法

2.1。数据集

这是一个生态的研究使用时间序列MRSP(圣保罗的大都会地区)四年期间(1997 - 2000)。13岁以下儿童的呼吸道发病率是依赖和离散变量的模型,和独立变量环境如下:空气污染物,气象变量和热舒适指标变量都是连续的。假人的月、日和节假日是变量。反是模式是没有必要的,因为数据以年龄和性别选择之前的建模。

2.1.1。呼吸道发病率数据

每日住院记录在研究期间,13岁以下的儿童,来自巴西的卫生部。这些记录与约80医院,公立和私立,分布在城市圣保罗,接受公共卫生系统的支持(http://www.datasus.gov.br)。因此,我们的示例可能是代表最贫穷的部分的人口,因为大多数这类缺乏私人医疗保险。疾病的分类分析基于ICD (国际代码的疾病9日和10日修订),分类如下(我)(URI):上呼吸道感染(J00-J06),和其他疾病的上呼吸道(J30-J39);(2)(LRI):下呼吸道感染(J20-J22)和慢性下呼吸道疾病(J40-J47);(3)(知识产权):流感和肺炎(J10-J18)。

2.1.2。空气污染物的数据

每天的记录 有限公司, , 得到从CETESB(公司环境卫生技术)。

2.1.3。气象数据

每日记录的空气温度、风速、相对湿度、大气压力、沉淀得到的气象站帕克·Estadual das丰特斯做Ipiranga(圣保罗)。

2.1.4。热舒适指标数据

为了有一个清晰的对呼吸道发病率的气象变量的影响,热舒适指数(tci)也进行了计算,并添加到气象数据集,是由Goncalves et al。8]。冷和热应力低和高湿度可以强劲的压力对心脏病人。热舒适指标处理两个或两个以上的气象变量(比如温度、湿度、风),考虑到人体对所有环境变量在同一时间。热舒适指标成为一个有用的工具来测量热应力,主要在患病的人,因此他们在这项研究中使用。

从历史上看,热舒适性分析基于两个特定biometeorological指标,根据口腔外科医生(10,对人体生理的影响评估,如Kalkstein和Valimont所述11]。热舒适的环境,没有热应力应该有经验。这种情况被称为热中立,因此,不需要采取任何行动来保持适当的身体的热量衡算,根据口腔外科医生(10),提供了一个足够广泛的讨论这一主题在他的书中,定义了热舒适条件”,头脑热环境表示满意。“在目前的研究中,主要的气象变量研究了空气温度,相对湿度,风速。

为了确定热分类,使用不同的指标,基于几个作者的工作,如下所示。小野和河村建夫12开发有效温度的概念,基于个体敏感性/敏化,结合空气温度和相对湿度。下面的方程被用来确定有效温度 在哪里T(意思是,最大或最小)空气温度在吗 ,RH(意思是,最大或最小)相对湿度在%,然后呢等有效的温度吗 。

另一个指标,从配角et al。13),定义如下: 在哪里v在m / s的平均风速,T(意思是,最大或最小)空气温度在吗 ,RH(意思是,最大或最小)相对湿度在%,然后呢等w是风的有效温度 。

这些指标从气象站收集的数据计算)Estadual das丰特斯Ipiranga。决定,以下组合的温度(最大,最小),空气相对湿度(最大,最小),和平均风力将使用数据,以验证是否存在相关性增加住院和热应力:炎热和干燥(ET1),炎热和潮湿(ET2),指的是(ET3),寒冷和潮湿(ET4),最后冷和干燥(ET5)。这样的组合指标执行等和等w。

在缺乏经验的户外热舒适的研究中,普遍认为,室内热舒适理论适用于室外设置没有修改(14]。此外,由于不存在巴西热舒适指数,上面的索引中,这对巴西被认为是足够的,根据玛雅和Goncalves [15),在这项研究中采用。

2.2。统计工具

本研究利用泊松回归多模型(PRMM)日常招生建模,因为它是这类研究的统计方法推荐(2,3,9]。首先,滞后结构应用于所有的变量(热舒适指标、污染物和气象变量),从1至7天,概略的规模,来验证滞后有更多与住院显著相关。因为使用的滞后结构,例如,空气温度可以直接影响医院呼吸招生当天测量时也在随后的几天。最后,泊松回归建模部署。

模型估计和调整季节性(非参数函数),以及季节,假期,天的周,月,和非呼吸道疾病的发病率16]。泊松分布假设 在哪里ptci,遇到空气污染物,热舒适指标和气象变量,分别。 和 方程的系数。 是污染物的变量, 热舒适指标变量, 是气象变量。 是错误的。

相对危险度(RR)招生增加(AI)和可信区间(CI)也估计如下: 在哪里X估计自变量和阈值吗 是泊松回归参数: se的标准错误在哪里 。

检查适合模型的异常统计和皮尔森统计,分别 在哪里 离散变量的值 是被估计的模型。

平均标准误差(MSE)入院检查预测方程线性化后使用: 在哪里 是招生的估计, 实际发生的招生吗n是样本。

所有使用SPSS 10.0进行分析在5%的显著性水平。

3所示。结果与讨论

3.1。相关矩阵

表1介绍了皮尔森相关矩阵为URI, LRI和IP和气象,空气污染物,和热舒适指标变量。住院的比例相比,总住院是7.6% (URI LRI 1.1%, 10%, 5.9%, IP、职责)。

表1
空气污染物之间的相关性(PM10,所以2有限公司,没有2阿,3)、气象变量(空气温度、相对湿度、气压、降水),和舒适指数(ET和ETw)和URI, LRI和IP。以粗体显示的值有较高的统计意义和相关系数。

所选择的变量,以粗体显示,那些有更高的统计学意义和相关系数。基于这些结果,PRMM部署,如表所示2在部分,如下所示3.2。

表2
泊松回归模型和系数LRI, URI和IP。

建立模型的URI, LRI和IP(部分3.2)、空气温度和相对湿度不应单独使用,作为他们的皮尔森相关系数(ETw)高于相关系数分别通过这些气象变量。

3.2。泊松回归分析

表2显示了三组:泊松系数LRI, URI和IP。在这个模型中,并根据Mazumdar et al。16),控制变量的月、日的一周,季节,假期,像往常一样。在这个表中,选择变量,提出了最高的相关性和统计学意义,是基于相关矩阵(见表1)。

空气污染点10所以2提出了具有类似PRMM权重。因此,由于这两个变量之间的共线性,一个降低的意义的重要性,同时分析。因此,选择标准是选择这些变量的相关系数最高。

压力和降水变量不存在显著相关性与URI, LRI和IP。

从(5)(部分2。2疾病),获得了所有这三个类别,为了评估模型的适合通过皮尔森的统计(图1)。

(一)
(一)
(b)
(b)
(c)
(c)
图1
衡量模型的适合,URI (a)、(b) LRI和(c) IP。

从(6)(部分2。2),平均标准误差(MSE)在2001年获得了所有的三种疾病类别,为了评估模型的技巧(图2)。

(一)
(一)
(b)
(b)
(c)
(c)
图2
PRMM技能(a) URI, LRI (b)和(c)的IP。

为URI发病率,最重要的变量是这样2和公司没有时间滞后和ETw4有一个四天的时间差(lag4)。URI的季节性变化是最小的在所有的疾病群体,呈现类似的数字在整个年,在秋天/秋季和冬季略有增加。在这一分析2,甚至呈现值远低于CETESB安全标准(80 g / m3),与URI发病率的增加(见表1)。

公司还提供了一个重要的相关系数的URI(在表0.2741),尽管CETESB控制和恒定浓度下降在过去的年。

关于TCI,ETw4了最高的负相关(TCI值小,呼吸道发病率较高,反之亦然,如预期)与URI相比其他指标( )相同的疾病组,四天的滞后(lag4)。这个结果意味着到达寒冷的质量会影响孩子在四天后,这是按照医院观察。PRMM URI提供了健壮的结果平均误差在15%左右。

为LRI发病率,下午是最重要的变量10没有时间间隔,O3和ETw4都有三天的滞后(lag3)。这种疾病组呈现出明显的季节性,较高的数字在冬天和秋天/秋天。其他季节也呈现发病率虽然较少。

在这个分析中,点10所以2最重要的是空气污染物(0.175和0.154,分别地)。在PRMM,污染物不能在一起,因为所以2下午时失去了它的意义10保持它,由于他们的同线性。此外,点10和O3还提供了一个重要的相关系数(0.093)和可能LRI预测。也发现类似的结果在MRSP等其他作者布拉加et al . 2002年,[17],Goncalves et al . 2007。MRSP中的臭氧产生的车辆排放和挥发性有机化合物的仪器(挥发性有机化合物)的存在(安德拉德。1993年,[18])。

MRSP,臭氧呈现不同的行为,也就是说,在春季高,相比其他污染物,提高在秋天/秋季和冬季。臭氧经常超过CETESB安全标准值(160 g / m3),达到浓度高达200 g / m3,这是空气质量非常糟糕。臭氧是唯一空气污染物CETESB不能正常控制。

关于TCI,ETw4体现了最高的负相关LRI相比其他指标( )的时间间隔三天(lag3)。这意味着ETw4影响LRI发病率超过它影响URI发病率。

PRMM LRI介绍优秀的结果,平均误差小于30%。因此,LRI模型可以预测发病率MRSP以同样的方式作为URI的解释。

关于知识产权,点最重要的空气污染物10所以2(0.321和0.354,分别地)。然而,所以2失去了意义,和点10保持它。

关于TCI,ETw4提出了一个相当强劲和IP最高的负相关,与其他指标( ),滞后三天(lag3)。

PRMM部署IP礼物的平均误差为40%,最坏的疾病组中值,这意味着一个新的建模方法。不管怎样,估计可以,尽管模型的局限性。

3.3。相对风险和增加的承认
3.3.1。URI

表现令人满意的模型,基于URI的发病率估计PRMM方程。从这些结果,可以验证呼吸道发病率的增加是由于增加2公司或减少ETw4(见表1)。从PRMM模型中的系数,可以计算URI发病率的增加,因此增加了10 g / m3在所以的浓度2有关非线性行为的URI发病率增加,在低的值从13.9%吗2在高值的182.9% 也不显示线性行为,考虑到增加2 ppm与低价值的公司增加了9%到99%,高值的有限公司。另一方面,ETw4提出了一种线性行为,至于每一个增加的 在TCI, URI发病率减少大约2.0%(见表3)。因此,寒冷的温度意味着URI发病率的增加。

表3
根据每个独立变量URI发病率增加。

相对风险上升与CI从1到2.895%−1 + 1,所以不等2从0到80不等 g / m3(见图3(一个))。关于公司,相对风险上升与CI从1到1.995%从−0.6 + 1.0,当公司变化从0到16 ppm(见图3(b))。当谈到ETw4,相对风险降低和CI从1到0.895%愤怒的从−1.0 + 0.8当ETw4从0到不等 (见图3(c))。

(一)
(一)
(b)
(b)
(c)
(c)
图3
URI的相对危险度(RR)为不同的解释变量:(a)2,(b)和(c) ETw4。
3.3.2。LRI

模型提出了健壮的结果预测发病率均方误差低于25%。在这种情况下,使用的变量在分析点10阿,3ETw4,如表所示4。对点10,增加20倍 g / m3表明LRI的拟线性增加,平均增加约2.2%的发病率疾病组。一些其他作者,如Zanobetti et al。19),现在类似的结果。关于臭氧,空气污染物,更频繁地通过安全阈值的MRSP [20.),增加40 g / m3并不代表一个线性LRI发病率的增加。关于ETw4,增加 相关的线性减少LRI发病率约1.5%,带来更舒适的保护效应天气温暖和干燥。

表4
根据每个独立变量LRI发病率增加。

相对风险上升与CI从1到1.295%从 时+ 1点10从0到160不等 g / m3(见图4(一))。关于阿3从1到2,相对风险上涨CI95%从 在O + 1.03从0到320不等 g / m3(见图4(b))。当谈到ETw4,相对风险降低和CI从1到0.895%从1.0到 当ETw4从0到不等 (见图4(c))。

(一)
(一)
(b)
(b)
(c)
(c)
图4
LRI相对危险度(RR)为不同的解释变量:(a)点10臭氧,(b)和(c) ETw4。
3.3.3。知识产权

关于IP,结果是相似的其他疾病组,以便有一个减少的IP发病率增加ETw4,如预期。减少 表明IP发病率平均增长3.3%,大大高于减少观察到URI和LRI(见表4)。

另一方面,增加点10有关IP发病率的增加(见表5)。一个20 g / m3增量与IP发病率平均提高约5%,这是超过两倍,LRI(见表4)。

表5
根据每个独立变量IP发病率增加。

相对风险上升与CI从1到1.595%从 时+ 1点10从0到160不等 g / m3(见图5(一个))。对于ETw4,相对风险降低和CI从1到0.695%从 从0到+ 0.8当ETw4各不相同 (见图5 (b))。

(一)
(一)
(b)
(b)
图5
IP相对危险度(RR)为不同的解释变量:(a)点10和(b) ETw4。
3.3.4。URI、LRI和IP总结

总之,对空气污染物,URI的影响2和有限公司关于LRI,受点影响10和臭氧。关于知识产权,这是受点影响10。因此,不同的空气污染物不同影响每个疾病组,如预期。关于TCI(索引获得气象变量),ETw4显示了三个疾病组影响,更大大IP。也不奇怪,有更多从寒冷和潮湿的天气不适,产生较高的发病率。

系数估计的URI, LRI和IP模型,就可以预测住院的变化以及它们的相对风险,根据每个相关变量的个体变异。

所以的增加280年左右 m / m3在圣保罗,这是一个可行的变异,提高URI住院,可能达到182.9%。这个结果令人担忧的是,据CETESB, 365 g / m3空气污染物的最大可接受的水平,这是相当高的。关于公司,以防有16个ppm增加,住院预计将增长99.0%。

关于LRI,它注意到,增加点10高达160 g / m3,这被认为是可以接受的,招生将增长17.4%,相对风险将从1增加到1.2。关于阿3,它是指出,如果它增加到160 g / m3根据CETESB,这被认为是可接受的。然而招生将增长37.7%,相对风险将从1.0上升到2.0。这种污染物经常超过安全水平的空气质量,达到峰值为283.4 m / m3,导致住院上升75.0%。

关于知识产权,这是观察到,如果TCI变化是积极的,它的行为作为一个保护因素,指数越高的更舒适(冷)的感觉。然而,应该考虑这些指标往往是不舒服,很自然的,因为它使用最低温度的计算。如果ETw4不同 来 ,招生由于这种变化将减少16.1%,14.8%,33%,URI, LRI,分别和IP。

4所示。结论

部署PRMM后,混合模型建成,名为巴西气候(BCHM)和健康模型,能够预测住院环境变量,其值可以被测量或者获得一个气象预报的数学模型。这种方法允许使用变量来自气象预报数学模型所采用的方法相似模型输出数据(卡尔,1979,(21])。

根据本文的分析,可以说明空气污染物,热舒适指标,和气象变量与LRI表现出显著相关性,URI,和IP住院。

LRI和URI的预计模型显示了强劲的整体结果的均方误差低于25%,而IP模型精度不如其他两个,MSE的大约40%。误差小于30%,可以预测URI和LRI发病率基于热舒适指标和空气污染的措施,以及基于气象变量预测。

相对风险结果显示相关联的URI有限公司等2下午,LRI10下午和臭氧和IP10。ETw4也与所有相关疾病组。

总的来说,这些模型是令人满意的,因为本文的目的是显示环境变量可以用来估计住院。然而,健康不仅取决于环境因素,还有其他几个因素:遗传、营养,例如,和经济。这解释了模型的一部分的错误。然而,BCHM,除了从实际数据估计住院,也可以用来预测场景所引起的气候变化和极端天气事件(冷热气团)。

确认

这项研究是金融支持的国家科学和技术发展委员会(CNPq)(奖学金)。本研究是大气科学部门开发的,研究所的天文学、地球物理学和大气科学,巴西圣保罗大学(技术支持)和斗篷(finantial支持印刷)。空气污染物从公司获得的数据环境卫生技术(CETESB)和呼吸道发病率数据是来自巴西的卫生部。最后,我们感谢塞尔吉奥·s到审查这篇论文。