加纳中部金坦波健康和人口监测区表观温度对死亡率的影响:回顾性时间序列分析

摘要

在全球范围内，研究表明，天气条件和极端天气事件的日变化对死亡率有深远影响。在这里，我们利用11年期间的死亡率和天气数据，评估了表观温度对全因死亡率的影响，以及性别对表观温度-死亡率关系的修正效应。采用过分散泊松回归和分布滞后非线性模型进行分析。利用这些模型，我们分析了10天内不同温度下的相对死亡风险。总的来说，我们观察到日平均表观温度和全因死亡率之间存在非线性关联。对滞后10天内不同温度值的评估表明，从滞后2到滞后4，最低表观温度(18°C)的死亡风险增加，死亡率相对风险最高(RR = 1.61, 95% CI: 1.2, 2.15，值= 0.001)。相对死亡风险在男性(RR = 0.31, 95% CI: 0.10, 0.94)和女性(RR = 4.88, 95% CI: 1.40, 16.99)之间也存在差异。总的来说，雄性对两种极端温度都很敏感，而雌性则更容易受到与低温相关的死亡。因此，我们的研究结果可以为在这种情况下以及其他具有类似环境和人口特征的情况下降低与温度有关的死亡率提供帮助。

1.介绍

不断变化的天气条件及其极端天气对人类健康的影响在环境流行病学中得到了广泛的认可。据报道，特别是温度的变化会显著影响死亡率[1，2］．迄今为止，这一现象对人类生存构成了致命威胁，特别是在全球环境温度主要由于人类活动而快速上升的时代[3.］．

有证据表明，由于气候条件的差异，天气-死亡率的关系在地理区域之间存在差异，这影响了天气事件暴露的严重程度和持续时间。此外，有人提出，除了区域气候条件的变化之外，天气-死亡率关联的空间变化可能是由于人口的社会人口和经济特征的差异以及社区的城市化水平的差异，这些差异改变了冷或热暴露的严重程度和适应机制[4- - - - - -6］．老年人、幼儿和患有心血管和呼吸疾病的人等人口亚组更容易因温度而死亡，因为他们的生理能力较差，无法适应冷或热的暴露[1，4，6］．此外，很明显，由于“城市热岛效应”，城市居民可能比农村和郊区居民暴露在更高的环境温度下[1]因此，在昼夜温度持续较高的城市环境中，与热相关的死亡风险可能更高。

发达国家对多变的天气对人类健康的影响进行了大量的研究[7，8]，为开发天气警报系统提供相关信息，以保护人们免受酷热或严寒事件（包括死亡）的不利后果。最近的证据表明，在美国，酷热和寒冷的极端温度与早产之间存在显著关联[9]而据报道，日平均温度上升超过特定阈值会大幅增加全因死亡的风险，在英国和澳大利亚的空间和人口亚组之间存在显著差异，[10］．同样，Borg和他的同事[11]已经证明了每天气温升高与肾脏疾病发病率之间的显著关联，而Huang等人[12]建立了中国亚热带环境中冷热温度阈值与心血管疾病死亡率之间的关联。此外，Ou等人报道，在类似环境下，相对湿度低对心血管和缺血性心脏病的死亡率有相当大的影响[13］．

虽然在发展中国家，特别是在撒哈拉以南非洲，天气对人口健康的影响尚未得到充分探讨，但非洲一些卫生和人口监测点的调查结果基本上与其他区域的调查结果相一致。例如，在肯尼亚，Egondi等人发现高温有效地影响儿童死亡率和非传染性疾病导致的死亡[14］．此外，Mrema和同事描述了坦桑尼亚的天气因素和五岁以下儿童死亡率之间的强烈关联，而在布基纳法索和加纳，Diboulo等人和Azongo及其同事分别记录了气候因素对死亡率的显著影响，并在人口亚组中进行了不同的影响估计[15- - - - - -17］．

加纳属于热带气候，其特点是天气的季节和空间变化无常，对人口健康产生不利影响。此外，世界卫生组织(WHO)预计，到2080年，由于大气温度不断上升，加纳65岁及以上老年人的高温相关死亡率可能升至每10万人约70人[18]考虑到这一警告和该国气候条件的空间特征，对天气-死亡率关系进行区域性分析是必不可少的。这种分析有望为旨在降低与天气有关的死亡率的地方和国家级公共卫生干预措施的设计提供相关信息。

我们的目的是探索表观温度(AT)(环境温度和相对湿度的综合测量)对全因死亡率的影响，以及性别对表观温度和死亡率相关性的修正效应。考虑到环境温度和相对湿度对人体舒适度的共同影响，我们使用AT作为暴露变量，因为它考虑了湿度的影响，因此它比单独使用环境温度更好地指示人体热暴露[19］．我们最终利用2005年至2015年收集的时间序列天气和死亡率数据实现了我们的目标。

2.方法

2.1.研究区

金坦波卫生和人口监测区位于加纳中部波诺东部地区。它包括两个毗连的地区，Kintampo北区和南区，两者都位于西经1°20 '和2°10 '之间，北纬8°45 '和7°45 '之间。向西是Banda和bolle地区，而向东是Pru和east Gonja地区。它的北部与黑沃尔塔河接壤，南部与文池市、塔奇曼北部和恩科朗扎北部地区接壤。该地区由161个社区组成，面积约6621平方公里。它的主要特征是森林-草原混合植被，因为它是该国南部森林和北部草原地区之间的过渡地带[20.］．该地区属于热带大陆性气候，经历了两次最大降雨量(大雨季和小雨季)，年平均降雨量在1400至1800毫米之间。地表气温和湿度也具有季节性特征，月平均气温较低，8月24℃，3月30℃。湿度通常很高，在一年的大部分时间在70%和100%之间，而相对低的量(<50%)记录在12月和1月。大部分地区是农村，农民务农是大多数居民的主要支柱。

研究区人口为156,145人[21]，对其进行纵向跟踪，了解有关出生、死亡、移民内外、怀孕、教育、社会经济地位、常识性疾病流行、具体死亡原因的最新情况，以及其他具有公共卫生重要性的健康和人口变量的信息。该地区是多元民族，莫和波诺人是土著民族。此外，它是由许多北方血统的移民部落，Gas, ewees, Dangbes，和其他Akan部落[20.].研究区域内有多个正式的卫生设施，人们可以从这些设施获得卫生服务。其中两个是综合医院，分别位于Kintampo镇和Jema镇，其余为六个公共卫生中心、三十一个社区卫生规划和服务（CHPS）大院、四个私人诊所和两个私人产房。图形1是研究区的地图。

2．2.死亡数据

我们使用KHDSS在2005年至2015年期间记录的每日全因死亡率计数进行分析。这些数据是由受过培训的实地工作者收集的，他们按照明确的周期定期访问研究区域内的所有家庭，通过向户主或有知识的成年家庭成员发放专门设计的问卷，了解最近一次访问后发生的重要健康和人口事件的最新情况。社区关键信息提供者(CKIs)补充了现场工作人员的工作，通过指定的现场主管记录和转发各自社区的事件到HDSS办公室，以确保完整的事件记录或减少丢失的数据。训练有素的现场监督员和研究助理进行了质量检查，以提高数据的完整性。这个月特定日期的死亡堆积使用Azongo及其同事描述的方法进行排序[17］．

2．3.天气数据

我们从加纳气象局和美国国家海洋和大气管理局(NOAA)国家气候数据中心获得了跨越分析期间(2005-2015年)的时间序列天气数据(每日最低和最高温度和相对湿度)。从加纳气象局获得的数据中缺失的数据由NOAA的国家气候数据中心提供。综合测量(日平均表观温度)由日最低和最高温度和相对湿度数据计算。表观温度包括空气温度和相对湿度的综合效应。在以前的几项研究中，这种温度测量方法被用作暴露指数[19，22，23］．表观温度采用Schoen, 2005的公式计算[24]： 为温度，单位为摄氏度(°C)， D为露点温度(°C)，计算方法如下: 在哪里为相对湿度。

虽然这一指标包括相对湿度的影响，但先前的分析表明，不同的温度测量方法通常对死亡率有类似的影响[25］．

２.４.统计分析

一种过分散泊松回归模型及分布滞后非线性模型[26，27]用于检验日平均视在温度（AT）与全因死亡率的短期相关性。过度分散的泊松回归模型已用于许多研究，以评估天气与死亡率的相关性[28- - - - - -31]，并解释泊松过度分散[28］．利用DLNM同时模拟了温度、湿度和滞后的非线性效应。DLNM适用于评估温度-死亡率的关系，通常表现为J-， W-， V-或u型关系[28，29］．采用自然三次样条DLNM处理表观温度和滞后的非线性效应。采用10天的滞后期来捕捉表观温度的延迟效应。定义总体最低死亡率的表观温度(24.8°C)为计算相对死亡率风险的参考值。拟泊松模型AIC (Q-AIC)用于选择AT和滞后的自由度(df) [28，32］．最终的模型采用表观温度为4 df的自然三次样条和滞后日为3 df的自然三次样条。为了控制死亡率的趋势和季节模式，使用了每年7 df的自然三次样条[26，29].此外，我们还将一周中的某一天的分类变量作为控制变量。

我们对总体累积相对风险进行了估计，测量了整个滞后时期的净效应，以及滞后特定贡献。此外，我们还以图形形式总结了在不同温度值下的总体累积暴露响应曲线和滞后响应曲线。通过与参考值比较，计算了低、第一、第三和高四分位表观温度的相对风险。此外，还进行了性别分层分析。

对于所有的统计检验，报告了相对风险和95%置信区间。数据分析使用Stata 14.0和R3.4.3版本。采用Stata进行数据准备R使用“样条”和“DLNM”包用于DLNM [33］．

3.结果

在研究期间(2005-2015年)，金坦波卫生和人口监测地区共记录了10 865例全因死亡(表)1)．人群日平均死亡率为2.7 (SD = 1.3，范围1-11)。在分析期间，男性的死亡率明显高于女性(56.6% vs. 43.4%;值< 0.001)。5 - 19岁年龄组的死亡率最高(35.7%)，其次为60岁及以上年龄组。尽管在研究期间没有明显的下降或上升趋势，但死亡人数每年有轻微的变化(图)2)．

气温也有季节性波动，在旱季开始时(11月至12月)气温相对较低。然而，1月至4月间的气温普遍较高，在雨季(5月至8月)的开始和高峰期，气温普遍较低，随后在9月和10月气温稳步上升(图)2)．相对湿度也呈现季节性模式，在11月至1月的旱季早期记录的相对湿度较低，当时东北信风盛行。平均而言，该地区日平均相对湿度为76.9%，最小和最大日平均相对湿度所占比例分别为65.9%和87.9%2)．

３．１．日平均表观温度与死亡率的关系

我们研究了日常平均表观温度与普通人群全因死亡风险之间的关系。如图所示3.，日平均表观温度与死亡率之间存在非线性关系。此外，我们评估了特定表观温度在最低表观温度(18°C)、第1 / 4 at(23°C)、第3 / 4 at(26°C)和最高at(31°C)的10天滞后期内对死亡风险的影响(图)4)．在此之后，从落后2到落后4的最低at观察到死亡风险增加。在最低At 18°C时，死亡率的相对风险最高(RR = 1.61, 95% CI: 1.21, 2.15， -值= 0.001)4)．第一四分位AT、第三四分位AT、最高AT与每日死亡率之间无显著关系(图)4)．

同样，对AT对死亡率的滞后特异性影响的探索显示，在18°C的表观温度下，相对风险较高(RR = 1.61, 95% CI: 1.21, 2.15， -值= 0.001)和19°C (RR = 1.32, 95% CI: 1.10, 1.57, -值= 0.003)。然而，在其他特定时滞中，AT与死亡率之间没有显著关系，如图所示5．

3.2. 表观温度与死亡率关系的性别特异性分析

进一步分析不同表观温度和滞后时间下性别对温度-死亡率关系的修正效应表明，死亡的相对风险显著降低（RR = 与滞后0到1时的参考表观温度相比，暴露于最低表观温度（18°C）后的雄性的0.31,95%CI:0.10,0.94）。然而，在18°C的相同表观温度下，死亡率的相对风险（RR = 4.88,95%CI:1.40,16.99）与参考温度相比，暴露后2至4天的雌性大鼠的CI更高。此外，相对死亡风险（RR = 在暴露于最高表观温度（31°C）2至4天后，观察到雄性大鼠的2.19,95%CI:1.03,4.65）。然而，其他特定的表观温度（第一个四分位、第三个四分位和最高AT）与指定滞后的女性死亡率之间没有显著关联（表1）3.)．

4.讨论

本研究探讨了两种气候因素，温度和相对湿度(表观温度)，对加纳中部带主要农村人口11年期间的全因/年龄死亡率的影响。总的来说，我们的分析表明，在研究人群中，每日平均at较低时，死亡率较高的统计显著证据。准确地说，死亡风险在最低的18°C时最高。在我们的滞后层分析后，表观温度也显示了对死亡率的延迟效应，在暴露后2至4天的最低日平均水平观察到最高的死亡风险。虽然我们在目前的分析中没有检查具体的死亡原因，但我们认为，对观察到的低AT的强效应估计可能来自可归因于心血管和呼吸疾病的死亡[4，6，这通常与低温有关。

虽然以前的研究除了使用AT以外，还使用了各种指数，这使得直接比较变得复杂，但我们赞同这样的观点，即所有的温度测量对死亡率都有可比性的影响[25］．因此，我们在本研究人群中发现低AT对死亡风险有相当大的影响，这与之前在其他管辖区对天气-死亡关系的几项研究的结果是一致的[15，34- - - - - -36］．一般来说，我们发现低表观温度对普通人群全因死亡率的强烈影响，与Dang等人记录的寒冷暴露对全因和女性死亡率的影响估计相似[34]在越南。同样，在孟加拉国农村的阿比纳格尔进行的一项基于人群的研究表明，低周平均气温与死亡率之间存在着密切的关联[35］．这些发现与我们的结果一致可能是因为在各自的研究环境中热带生态条件的普遍存在。然而，在目前的研究中观察到的低表面温度的滞后效应与普遍的观念相矛盾，即寒冷天气对人类健康具有渐进和持久的影响，因为在低at时，这种影响似乎更为直接(滞后0-1)，特别是对男性群体。比暴露后2到4天内产生的高AT的影响要大。

相反，Azongo和他的同事17]发现低温和死亡率之间没有显著关联，尽管他们报告了加纳北部纳夫朗戈的高温显著影响。我们的研究结果与纳夫朗戈的研究结果之间的一个相似之处是，观察到在最高at(31°C)时，男性死亡率的风险更高，而在纳夫朗戈，温度高于30.06°C时，男性死亡率上升[17尽管有不同的滞后期(纳夫朗戈的滞后期为0-1，金坦波的滞后期为2-4)。此外，目前的分析结果和Navrongo研究的结果之间的分歧是可以预期的。这是因为加纳北部的当地环境条件不同于本研究所在的加纳中部地带的普遍环境条件。例如，加纳北部位于几内亚大草原气候区，只有一次最大的降雨，之后通常是长时间的干旱，在哈马坦时期(11月至3月)，夜晚寒冷，白天炎热。相反，中部地区经历了两个最大降雨状态，在每个雨季的高峰期气温较低，在哈马坦时期，其他生态条件存在显著变化。

此外，我们的研究结果与以前的研究结果之间的差异可能源于被研究人群的社会人口学和经济特征的差异，这些特征已知会改变天气-死亡率的关系[5，6］．例如，金坦波是一个以农村为主的农业社会，大多数居民在雨季和哈马坦季节工作时暴露在寒冷的天气中。因此，农业活动和当地的住房特点可能会加剧人们对寒冷相关的死亡的脆弱性，因为农村社区的大多数房屋是用篱笆、涂抹和茅草建造的，很难在夜间吸引和保留热量。我们进一步认为，研究地区的乡村性是使居民易受寒冷天气的高死亡率风险的一个因素，因为众所周知，由于缺乏“城市热岛效应”，农村地区气温较低[1］．相反，观察到的高AT(31°C)对所有死亡和男性特定死亡率的显著影响可能是由于在炎热季节(1月至4月)长期暴露在高温下以及人们无力负担制冷系统和防护服的结果。此外，我们的研究发现，男性对低和高的表观温度都很敏感，而女性对低的表观温度更敏感，这为在研究区域降低温度相关死亡率的干预措施提供了适当的目标。

这项研究的优势在于我们使用了在整个分析期间不断更新的人口死亡率数据。然而，我们的一个主要弱点是不能按年龄分层分析，这主要是由于各年龄组人口的死亡率较低。这种分层分析的尝试产生的结果具有不合理的广泛的置信区间，我们认为这是不可靠的。因此，我们无法评估研究区域中年龄对表观温度相关死亡率的修正效应，这本可以提供更多的信息，以降低温度相关死亡率的干预策略。

5.结论

本研究揭示了加纳农村中部带表观温度对死亡率的影响。核心研究结果表明，Kintampo地区的种群对低和高表观温度都很敏感，雄性种群对两种极端温度都敏感，而雌性种群对低表观温度更敏感。我们已经证明，低表观温度对雄性死亡率的影响要快于对雌性死亡率的影响，尽管低表观温度和高表观温度对所有死亡的影响似乎都在同一滞后时期。因此，我们的研究结果有可能为地方和国家规模的干预提供信息，旨在降低与温度有关的死亡率，特别是在这个全球变暖的时代，其公共卫生影响难以估量。

缩写

美国国家航空航天局(NASA):	美国国家航空航天局
:	表观温度
GSS:	加纳统计局
热电厂:	以社区为基础的卫生规划和服务
KHDSS:	金坦波卫生和人口监测系统
长江基建:	社区的关键线人
DLNM:	分布滞后非线性模型。

数据可用性

在目前的研究中使用和/或分析的数据集可在enquiries@kintampo-hrc.org在合理的要求。

信息披露

作者承认这篇文章的摘要在31^圣2019年8月在荷兰乌得勒支举行的国际环境流行病学学会年会。这份文件是作为金坦波健康研究中心研究活动的一部分编写的。

的利益冲突

作者声明他们没有利益冲突。

作者的贡献

K. W.构思了这项研究。f.b.， o.a.和r.a.清理了死亡率和天气数据集。f.b.o.， o.a.， o.e.n, c.z .， k.p.a.和a.g.对研究设计有贡献。f.b.o.进行了统计分析。K. W.， F. B. O.和O. A.解释了研究结果。K. W.起草了手稿，f.b. O.， O. A.， O. E. N.， R. A.， C. Z.， A. G.和K. P. A.对它进行了批判性的审查。所有作者阅读并批准了最终的手稿。

致谢

作者非常感谢Kintampo卫生和人口监测系统(KHDSS)的现场和数据管理团队为本次分析提供了涵盖研究期间的死亡率数据。作者还真诚地感谢所有社区成员，特别是研究区域的户主自愿提供其已故亲属的信息，这是持续更新KHDSS死亡档案的关键。

参考文献

1. R. Basu，“高环境温度和死亡率:2001年至2008年流行病学研究综述”，环境卫生，第8卷，第2期1，第40页，2009。视图:出版商的网站|谷歌学术搜索
2. 王志强，张志强，周明明等，“不同温度区极端温度与死亡率之间的非线性关系：中国大陆122个社区的系统研究，”全环境科学， vol. 586, pp. 96-106, 2017。视图:出版商的网站|谷歌学术搜索
3. R.K.Pachauri、M.R.Allen、V.R.Barros等人。，气候变化2014:综合报告。第一、二、三工作组对政府间气候变化专门委员会第五次评估报告的贡献， IPCC，瑞士日内瓦，2014年。
4. A. Analitis, K. Katsouyanni, A. Biggeri等人，“寒冷天气对死亡率的影响:PHEWE项目中15个欧洲城市的结果，”美国流行病学杂志第168期12，第1397-1408页，2008。视图:出版商的网站|谷歌学术搜索
5. b·g·安德森和m·l·贝尔，《与天气有关的死亡率》，流行病学，第20卷，第2期。2，第205页，2009。视图:出版商的网站|谷歌学术搜索
6. J.-Y。儿子,J.-T。李，G. B. Anderson, M. L. Bell，《韩国首尔与温度有关的死亡率的脆弱性》，环境研究快报，第6卷，第2期3、条款ID 034027, 2011。视图:出版商的网站|谷歌学术搜索
7. G. Masato, a . Bone, a . charton - perez等人，“改善英格兰寒冷天气和热浪的健康预报警报系统:使用温度-死亡率关系的证明概念，”公共图书馆，第10卷，第5期。10、文章编号e0137804, 2015。视图:出版商的网站|谷歌学术搜索
8. a . Gasparrini, Y. Guo, M. Hashizume等，“高和低环境温度下的死亡风险:一项多国观察研究，”《柳叶刀》第386期第2 - 3页，2015。视图:出版商的网站|谷歌学术搜索
9. S. Sun, K. R. Weinberger, K. R. Spangler, M. N. Eliot, J. M. Braun，和G. a . Wellenius，“环境温度和早产:3200万美国单胞胎出生的回顾性研究，”国际环境，第126卷，第7-13页，2019。视图:出版商的网站|谷歌学术搜索
10. S. Vardoulakis, K. Dear, S. Hajat, C. Heaviside, B. Eggen, and A. J. McMichael，“气候变化对英国和澳大利亚热和冷相关死亡率影响的比较评估”，环境健康展望第122卷12, p. 1285, 2014。视图:出版商的网站|谷歌学术搜索
11. M. Borg, P. Bi, M. Nitschke, S. Williams, S. McDonald，“每日温度对肾脏疾病发病率的影响:一项生态学研究”，环境卫生，第16卷，第5期。1, p. 114, 2017。视图:出版商的网站|谷歌学术搜索
12. 黄志强、王志强和于伟，“中国亚热带气候区温度效应对心血管疾病死亡率的滞后效应和脆弱性，”国际环境研究与公共卫生杂志，第11卷，第4期，第3982-39942014页。视图:出版商的网站|谷歌学术搜索
13. 欧清秋，杨静，欧秋秋等，“相对湿度和大气压力对广州市人口死亡率的影响，”生物医学与环境科学:BES，第27卷，第12期，第917-925页，2014年。视图:出版商的网站|谷歌学术搜索
14. T. Egondi, C. Kyobutungi, S. Kovats, K. Muindi, R. Ettarh, J. Rocklöv，“内罗毕非正式住区天气和死亡率模式的时间序列分析”，全球卫生行动，第5卷，第5期。1, p. 19065, 2012。视图:出版商的网站|谷歌学术搜索
15. S.Mrema、A.Shamte、M.Selemai和H.Masanja，“天气对坦桑尼亚农村死亡率的影响：1999-2010年的时间序列分析，”全球卫生行动，第5卷，第5期。1, p. 19068, 2012。视图:出版商的网站|谷歌学术搜索
16. E. Diboulo, a . Sié， J. Rocklöv等，“天气和死亡率:对布基纳法索全民健康和人口监测系统的10年回顾性分析，”全球卫生行动，第5卷，第1期，第19078页，2012年。视图:出版商的网站|谷歌学术搜索
17. D. K. Azongo, T. Awine, G. Wak, F. N. Binka，和A. Rexford Oduro，“1995-2010年加纳北部卡塞纳-南卡纳地区天气变量和全因死亡率的时间序列分析”，全球卫生行动，第5卷，第5期。1, p. 19073, 2012。视图:出版商的网站|谷歌学术搜索
18. 谁,2015年气候和卫生国家概况:全球概览，世界卫生组织，日内瓦，瑞士，2015年。
19. A. Zanobetti和J. Schwartz，《美国9个城市的温度和死亡率》，流行病学第19卷第2期4，页563,2008。视图:出版商的网站|谷歌学术搜索
20. 加纳统计局，人口和住房普查:地区分析报告-金坦波北区。阿克拉,加纳2014，加纳统计局，加纳阿克拉，2010年。
21. 金坦波健康研究中心GHS，金坦波，G. 2017年年度报告。
22. S.P.Almeida、E.Casimiro和J.Calheiros，“葡萄牙里斯本和波尔图的表观温度对每日死亡率的影响，”环境卫生，第9卷，第1期，第12页，2010年。视图:出版商的网站|谷歌学术搜索
23. A. Biggeri, M. Baccini, P. Michelozzi等人，“欧洲城市表观温度对死亡率的短期影响:phewe项目的结果，”流行病学，第16卷，第5期。5, p. S140, 2005。视图:出版商的网站|谷歌学术搜索
24. C. Schoen，“温度-湿度指数的新经验模型”，应用气象学杂志，第44卷，第5期。9，页1413-1420,2005。视图:出版商的网站|谷歌学术搜索
25. A. G. Barnett, S. Tong，和A. C. A. Clements，“什么样的温度测量是死亡率的最佳预测?”环境研究号，第110卷。6, pp. 604-611, 2010。视图:出版商的网站|谷歌学术搜索
26. A. Gasparrini，“时间序列数据的分布滞后线性和非线性模型”，2015，https://cranR-Projectorg/web/packages/dlnm/．视图:谷歌学术搜索
27. B. Armstrong，“环境温度和每日死亡率之间关系的模型”，流行病学，第十七卷，第二期6，第624-631页，2006。视图:出版商的网站|谷歌学术搜索
28. 郭勇，a . G. Barnett, Pan X.， Yu W.， and S. Tong，“温度对天津地区死亡率的影响:一个基于分布滞后非线性模型的案例交叉设计”，环境健康展望，第119卷，第2期。12，页1719,2011。视图:出版商的网站|谷歌学术搜索
29. j .杨C.-Q。欧颖，丁艳霞。周,P.-Y。陈，“日气温与死亡率:广州地区分布滞后非线性效应及效应修正研究”，环境卫生，第11卷，第5期。1, p. 63, 2012。视图:出版商的网站|谷歌学术搜索
30. Lin H.， Zhang Y.， Xu Y. et al.，“一种分布滞后非线性时间序列分析方法，”公共图书馆，第8卷，第2期6、文章编号e66403, 2013。视图:出版商的网站|谷歌学术搜索
31. 詹志刚，赵颖，庞胜，钟旭东，吴昌武，丁志刚，“美国气温变化与死亡率的全国性研究”，全环境科学， vol. 584-585, pp. 1152-1161, 2017。视图:出版商的网站|谷歌学术搜索
32. R. D. Peng, F. Dominici, and T. A. Louis，“空气污染和死亡率时间序列研究中的模型选择”，皇家统计学会学报:A辑(社会统计)第169卷第1期2，页179 - 203,2006。视图:出版商的网站|谷歌学术搜索
33. A. Gasparrini和B. Armstrong，R中的分布滞后非线性模型:Dlnm '软件包, 2012,https://www.google.com/search?client=firefox-b-d&ei=cDFnX-CjCIKLlwTq3quwCw&q=Antonio+Gasparrini+和+Ben+Armstrong:+Distributed+lag+non-linear+models+in+R:+the+package+dlnm+2012&oq=Antonio+Gasparrini+和+Ben+Armstrong:+Distributed+lag+non-linear+models+in+2012&gs_lcp=CGZWC3KTYWIQAQA13FituwCFVWCCAB4AIAB4AIAB6ABKIAFJGEHMYLJUMZBAKABAAOB2D3CY13AXRAAQE&sclient=psy ab&ved=0ahUKEwjgm(U XQXFFRAHWCXYUKWRRVCRYQ4DUDCAW&uact&5．
34. Dang，X.T.Seposo，N.H.C.Duc等人，“热带和亚热带城市温度与死亡率之间关系的特征：越南顺化的分布滞后非线性模型分析，”全球卫生行动，第9卷，第5期。1、Article ID 28738, 2016。视图:谷歌学术搜索
35. N. Alam, W. Lindeboom, D. Begum，和P. Kim Streatfield，《1983-2009年孟加拉国的天气和死亡率之间的联系》，全球卫生行动，第5卷，第1号，第。19121, 2012.视图:出版商的网站|谷歌学术搜索
36. V. Ingole, S. Juvekar, V. Muralidharan, S. Sambhudas，和J. Rocklöv，“Vadu健康和人口监测系统中温度和降雨量与死亡率的短期关联:人口水平时间序列分析”，全球卫生行动，第5卷，第1期，第19118页，2012年。视图:出版商的网站|谷歌学术搜索

版权

版权所有©2020 Kenneth Wiru等人。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。