马尔可夫的连锁酒店忠诚度奖励急性效应估计空气污染对老年哮喘住院治疗

文摘

背景。哮喘,带来了巨大的经济和医疗负担,容易受到空气污染。尤其是当涉及到老年哮喘病人(65岁以上),这一现象更为明显。本研究的目的是探讨Markov-based空气污染对老年哮喘住院的急性影响,在形式的转换概率。方法。回顾,以人群为基础的研究设计是用来评估时间模式为哮喘住院的四川省,中国。在此期间大约1200万居民都淹没了。相对风险分析和马尔可夫链模型采用每日住院状态估计。结果。中PM2.5, PM10,没有₂,所以₂,只有这样₂是重要的。当空气污染很严重,low-admission状态的转移概率(前一天)high-admission状态(第二天)是35.46%,而20.08%的空气污染是温和的。特别是,female-cold子群,分别为30.06%和0.01%,分别。结论。所以₂是一个重要的危险因素的哮喘住院治疗。当空气污染恶化,每个状态高录取状态的转移概率大大增加。这种现象似乎更明显,尤其是在female-cold子群(在寒冷季节女性招生)。根据我们的工作,招生数量预测,哮喘干预,和相应的医疗配置可以做到的。

1。背景

哮喘是一个重大的公共卫生问题在美国,影响超过2300万人(1]。在中国,哮喘人口已达到3000万2]。哮喘的流行趋向于高城市化和发达地区相比,发展中地区([3];Weiland和皮尔斯,2004)。此外,虽然有一个总体患病率下降趋势在发达国家(穆斯林et al ., 2012),有一个增加的趋势在发展中国家(4]。哮喘的患病率和风险因素在中国几个城市包括北京、成都和广州已经成为与其他发达国家([5];赵et al ., 2010)。

空气污染与哮喘及其相关疾病的发展和恶化在欧洲、北美、韩国、日本和台湾([6];Jaffe et al ., 2003;(7];萨梅特et al ., 2000;纽约州立大学et al ., 1997;(8];杨et al ., 2007;(9- - - - - -11])。尤其是老年哮喘患者(65岁以上)被认为是更脆弱的空气污染(7,12,13),与其他成年人相比,这意味着他们有更高的概率有关消费医疗资源,由于空气污染。除此之外,只有不到1%的中国500个最大城市满足世界卫生组织推荐的空气质量标准,和7这些城市的排名在世界上10个污染最严重的城市(14]。因此,研究空气污染和老承认之间的关系和分析中国的转移概率有很大意义。

这个领域的许多工作已经完成,取得具体成果。斯考滕et al。8]应用卡方(广义线性模型)来评估空气污染之间的短期关系和日常的紧急住院呼吸道疾病。结果表明,短期空气污染和紧急住院的关系并不总是一致的,这些,而低水平的每日住院和空气污染。Szyszkowicz [15检查和评估潜在的ED(急诊室)访问哮喘之间的关系和环境空气污染物的浓度。应用广义线性混合模型,证明了假设ED访问哮喘与风险相关联O₃。Grineski et al。16)探讨了角色的种族,种族,和保险状态修改空气污染对儿童的影响的哮喘住院在凤凰城,亚利桑那州,通过分析哮喘住院数据从亚利桑那州获得卫生服务。研究表明,增加保险登记所有的孩子,特别是拉美裔的孩子,可以减少空气污染的不成比例的风险超过数点。李等人。17)探讨了阈值空气污染物对小儿哮喘的影响,通过分析医疗补助受益人和索赔数据来自密歇根州密歇根社区卫生部门的数据仓库。研究表明,这样的联想₂与哮喘和PM2.5浓度急诊和住院治疗,以及估计PM2.5(颗粒物空气动力学直径不大于2.5毫米)阈值,相当一致的跨时间序列和case-crossover分析和显示效果估计基于线性模型(没有阈值)可能低估了真正的风险。Cai et al。12]overdispersed广义可加模型应用于调查空气污染对哮喘住院的急性效应在上海,中国,发现的影响₂也没有₂调整后被强劲的PM10。的关联似乎是在寒冷的冬季明显比在温暖的季节。曹et al。9)应用条件逻辑回归来调查的短期影响环境空气污染对哮喘的风险。通过分析数据从医疗索赔报告健康保险审查和评估服务(希拉),这是表明如此₂,PM10(颗粒物空气动力学直径不大于10毫米),没有₂,公司积极与ED访问相关的哮喘。

然而,先前的研究已经薮猫的局限性:(1)尽管老年哮喘患者被发现更脆弱的空气污染(12),性和季节性可能是老年哮喘住院治疗的潜在危险因素。然而,以前的工作并没有年龄,性别,和季节性同时考虑。(2)以前作品只关注空气污染的总体增量之间的比例和住院治疗,这在实践中贡献有限。然而,要实现未来住院考虑空气污染的分布更有帮助。强大的工具,如马尔可夫链应该使用,由于其优良的性能在转移概率估计18,19]。

本研究旨在探讨Markov-based空气污染对老年哮喘住院的急性影响,预测招生数量的钥匙链,通过测量空气污染对老年哮喘的急性影响录取。我们考虑性和季节性因素来实现一个系统的研究。马尔可夫模型特别有用在队列研究和分析风险因素已经成功应用到肺癌的研究,艾滋病毒感染(19),和哮喘的成本18]。结果相对风险和转移概率曲线是实用和容易理解。此外,马尔可夫假设有点限制,假设的概率变化的状态只取决于当前状态,而不是之前的状态转换的历史。我们构建马尔可夫链,这是一个有效的方法不仅描述空气污染和哮喘之间的关系资源需求也达到一个分布的需求。本研究输出马尔可夫转移概率哮喘招生数量国家之间在不同的空气污染情况。当结合空气污染预测连续,招生数量的马尔可夫链可以推断出未来的分布状态对每一天。事实上,托等。20.)开发的一个集成Markov-based容量分配模型,其中包括临床(疾病进展)和操作(容量约束)对慢性疾病方面。然而,他们的研究集中在改善病人的QALY(质量调整生命年)由医疗资源分配,而不考虑需求变化与空气污染,更不用说做相应的干预,然后分配匹配的医疗资源。在这项研究中,我们应用马尔可夫链来描述老年哮喘承认演化过程考虑空气污染。根据我们的工作,招生数量预测,哮喘干预,和相应的医疗配置可以做到的。

2。方法

2.1。数据

我们的研究区域涵盖了四川地区,中国。我们获得的住院记录哮喘住院成年居民之间的1月1日,2014年和2014年12月31日(365天)。在此期间大约1200万居民都淹没了。住院的主要诊断是根据国际疾病分类编码,修改10 (icd - 10):哮喘(J45.001, J45.005, J45.901、J45.902 J45.903)。也以季节和性别分类的数据。温暖的季节被定义为从4月到9月期间,和寒冷季节的定义是一年剩下的时间。年长的人被定义为超过65年。

每日(24小时)空气污染浓度数据包括颗粒物空气动力学直径小于2.5毫米(PM2.5)颗粒物空气动力学直径小于10毫米(PM10)、二氧化硫(₂)、二氧化氮(没有₂),从2014年1月1日,12月31日,2014年,被从网站上获得的环境监测中心(EMC)数据库。允许调整有关住院的天气的影响,气象数据(每日最低温度)是来自气象局的网站。

2.2。统计分析

每日哮喘住院按日期和空气污染水平有关,因此可以用时间序列进行分析设计。因为每天为哮喘住院约遵循泊松分布(12),我们利用广义线性泊松模型来估计哮喘住院的协会与空气污染水平。我们合并的ns功能最小温度(6期df)调整潜在的非线性干扰的天气条件下(21]。建立基本模型后,我们介绍了空气污染物浓度到single-pollutant模型一次估计其对哮喘住院治疗。本周我们还包括作为一个指标变量的基本模型。我们检查了空气污染物的影响与不同的滞后结构lag0(如今)lag0-5(最近6天)。Lag0-5对应日移动平均污染物浓度近六天的RR(相对风险)分析。这些周期模型被用于我们的主要分析,鉴于单日滞后模型可能低估了污染物的累积效应在住院22]。我们也进行了季节和性别分析和子组之间的空气污染影响哮喘住院治疗比较。除非特别说明,并给出了结果的变化百分比为10日住院μg / m³污染物浓度增加和95%置信区间(CIs)。这样,污染物,严重影响老年哮喘可以确认录取。

为目的的医疗资源分配和进度,重要的是要测量空气污染之间的关系和老年哮喘招生数量和做出相应的预测。马尔可夫链是一个有用的方法来描述哮喘住院量演变过程;它不仅能可靠地反映过渡情况也建立一个医疗管理和医疗资源调度优化之间的桥梁。例如,假设每个招生数量之间马尔可夫转移概率分布状态和未来的空气污染状况,然后,未来的招生数量分布状态也知道。因此,医疗资源调度根据未来的招生数量的分布状态将获得更好的性能。马尔可夫模型允许病人随访的造型,一个接一个的状态之间的转换。它们量化表达的过渡和转型。这个模型被认为是均匀的;也就是说,时间的过渡部队是独立的。构建老年哮喘住院马尔可夫链,我们使用洛伦兹曲线和分析来确定录取状态和空气污染的严重性。 In economics, the Lorenz curve is a graphical representation of the distribution of income or of wealth, while in this situation, the Lorenz curve is a graphical representation of the distribution of daily admission amount. In statistics, the odds ratio (OR) is one of three main ways to quantify how strongly the presence or absence of property A is associated with the presence or absence of property B in a given population; while in our research, OR is employed to quantify the association between environmental properties and admission amount states. Then, a multistate model (MSM) was used to calculate the Markov transition probabilities. All models were fitted using R software (version 3.3.2, R Foundation for Statistical Computing,http://cran.r-project.org/)和mgcv msm包。

3所示。结果

表1总结了基本统计信息对我们的研究。从2014年1月1日,12月31日,2014年,共有7503对哮喘住院记录。其中,老人招生需要1567招生。平均每天大约有4招生数量在我们的研究区域,女性占61%。哮喘住院是更高(总共842,也就是说在寒冷的季节。每天2.3人),而温暖的季节(总共725,也就是说。每天2人)。在研究期间,平均每天的浓度是72年μg / m³对PM2.5, 116μg / m³对PM10, 17μg / m³这么₂,52μg / m³没有₂。


	N	的意思是	SD	最小值^一个	第一季度^一个	第二季^一个	第三季^一个	马克斯^一个	位差^一个

所有的老人	1567年	4.29	2.30	0	4	3	6	13	3
性
男性	605年	1.66	1.33	0	1	1	2	7	1
女	962年	2.64	1.76	0	2	13	10	2
季节^b
温暖的	725年	3.96	1.97	0	4	3	5	11	2
冷	842年	4.63	2.55	0	4	36	13	3
空气污染浓度(24小时平均值)
PM2.5 (μg / m³)	- - - - - -	72年	52	10	38	55	88年	396年	50
PM10 (μg / m³)	- - - - - -	116年	72年	20.	68年	96年	147年	562年	79年
所以₂(μg / m³)	- - - - - -	17	10	3	11	15	21	61年	10
没有₂(μg / m³)	- - - - - -	52	16	20.	41	50	60	109年	19
气象措施
最低温度	- - - - - -	13	7	−2	7	15	20.	24	13

PM2.5:颗粒物空气动力学直径不大于2.5毫米;可吸入颗粒物:颗粒物空气动力学直径不大于10毫米;所以₂:二氧化硫;没有₂:二氧化氮;^一个分钟:最低;Q1:第25百分位;Q2: 50百分位;Q3: 75;马克斯:最大;差:四分位范围(Q3-Q1)。^b寒冷的季节:从10月至3月;温暖的季节:从4月到9月。

一般来说,PM2.5, PM10₂,没有₂彼此适度高相关系数(表吗2)。表3显示的结果期滞后(lag0 lag0-5)住院每10百分比增加μg / m³增加污染。在上述四个空气污染物中,只有如此₂很重要,当谈到lag0 lag0-1, lag0-2。最强的效果观察lag0-2 PM2.5, PM10,没有₂和lag0-1所以₂。一个10μg / m³增加每个空气污染物浓度对应0.82 (PM2.5, 95%置信区间CI:−0.24, 1.89), 0.5 (PM10, 95%置信区间CI:−0.29, 1.3), 7.27 (₂,95%置信区间CI: 1.1, 13.82),和3.26(没有₂,95%置信区间CI:−0.66, 7.33)的风险增加哮喘住院治疗。显示值的百分比。滞后,PM2.5的影响总是比那些PM10,这表明PM2.5的哮喘住院治疗。所有四个污染物显示效果增加的模式滞后首先然后山峰在一定的滞后。


	PM2.5	可吸入颗粒物	所以₂	没有₂

PM2.5	1
可吸入颗粒物	0.86	1
所以₂	0.51	0.53	1
没有₂	0.55	0.56	0.47	1

缩写词表是一样的1。


	PM2.5	可吸入颗粒物	所以₂	没有₂

Lag0	0.54 (−0.44,1.52)	0.24 (−0.47,0.95)	6.59 (1.11,12.36)	2.4 (−0.87,5.77)
Lag0-1	0.79 (−0.23,1.82)	0.49 (−0.27,1.25)	7.27 (1.1,13.82)^§	3.2 (−0.45,6.98)
Lag0-2	0.82 (−0.24,1.89)^§	0.5 (−0.29,1.3)^§	6.94 (0.4,13.91)	3.26 (−0.66,7.33)^§
Lag0-3	0.74 (−0.35,1.84)	0.42 (−0.4,1.24)	5.83 (−0.95,13.09)	2.69 (−1.44,6.99)
Lag0-4	0.65 (−0.47,1.78)	0.34 (−0.5,1.19)	4.41 (−2.55,11.87)	2.01 (−2.28,6.49)
Lag0-5	0.54 (−0.61,1.7)	0.23 (−0.63,1.1)	3.12 (−3.97,10.74)	1.76 (−2.69,6.41)

缩写词表是一样的1。。^§最强效果最好(滞后)。

定义不同的招生量状态,我们使用了洛伦茨曲线分析承认总额。图1是老年哮喘病人入院的洛伦茨曲线,呈现均匀程度的哮喘承认每一天的承认。的x设在表示承认的累积比例天,y设在表示的累积比例录取。曲线表明,70%承认天最低的入学录取入学总额的50%;因此,入学前30%天(天的招生量不小于5)被贴上“高天。”

在马尔可夫链的框架下,不同状态之间的转移概率不同,当决定或情况变化。例如,当空气污染将从轻微到严重,转移概率从low-admission high-admission数量增加明显。在我们的研究中,我们构建了两个不同状态之间的转移概率矩阵,对轻微和严重的空气污染,空气污染。结果表3表明,空气污染是一个风险因素对老年哮喘住院;然而,空气污染指数是老年哮喘配合适的关联仍然是未知的。因此,我们应该构建一个有意义的和易于理解的指数反映了马尔可夫转换过程。一个可行的方法是衡量是否在近期内,空气污染浓度超过了阈值不低于特定时间。如果它是真的,空气污染严重;否则,温和。表4介绍了中国环境保护部的浓度阈值为每个污染物。


污染物	浓度阈值
污染物	主要标准	第二个标准

PM2.5	35μg / m³	75年μg / m³
可吸入颗粒物	50μg / m³	150年μg / m³
所以₂	50μg / m³	150年μg / m³
没有₂	80年μg / m³	- - - - - -

缩写词表是一样的1。:表示不存在。

优势比分析大大使用的方法来选择一个相关的指数。表5显示了空气污染指数之间的比值比和高老哮喘住院。如果比值比大于1,自变量是更有可能的危险因素;否则,它就变成了保护性因素。因此,该指数最大的优势比被认为是最合适的空气污染指数。对PM2.5,适当的索引措施是否在最近的6天,PM2.5日均浓度超过了主要标准不少于6次。PM10,适当的索引措施是否在最近3天,PM10日平均浓度超过了主要标准不低于2次。这么₂,适当的索引措施是否在最近2天,所以₂每日平均浓度超过主标准不低于1次。没有₂,适当的索引措施是否在最近的6天,没有₂每日平均浓度超过主标准不低于1次。考虑到所以₂最大的优势比(4.02,95%置信区间CI:(2.26, 7.18),严重的空气污染是指是否在最近2天,所以呢₂每日平均浓度超过35μg / m³不少于1次。


优势比		项天超过国家标准
		主要标准						第二个标准
		1	2	3	4	5	6	1	2	3	4	5	6

PM2。5	Lag0	1.61 (1.31,1.99)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	- - - - - -	2.04 (1.82,2.29)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	- - - - - -
	Lag0-1	1.89 (1.26,2.84)	1.9 (1.61,2.23)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	1.84 (1.65,2.06)	1.9 (1.67,2.16)	- - - - - -	- - - - - -	- - - - - -	- - - - - -
	Lag0-2	0.89 (0.56,1.4)	1.75 (1.37,2.23)	2.55 (2.18,2.97)	- - - - - -	- - - - - -	- - - - - -	1.54 (1.37,1.71)	1.9 (1.69,2.13)	1.87 (1.61,2.17)	- - - - - -	- - - - - -	- - - - - -
	Lag0-3	0.41 (0.23,0.71)	1.13 (0.85,1.51)	1.89 (1.53,2.32)	2.7 (2.35,3.1)	- - - - - -	- - - - - -	1.46 (1.31,1.63)	1.69 (1.51,1.89)	1.79 (1.57,2.03)	2.43 (2.06,2.85)	- - - - - -	- - - - - -
	Lag0-4	0.52 (0.15,1.84)	0.89 (0.64,1.25)	1.28 (1.02,1.61)	2.11 (1.74,2.55)	2.83 (2.49,3.22)	- - - - - -	1.27 (1.14,1.42)	1.52 (1.36,1.7)	1.7 (1.51,1.92)	2.05 (1.79,2.35)	2.88 (2.4,3.47)	- - - - - -
	Lag0-5	0.26 (0.05,1.38)	0.72 (0.45,1.16)	1.25 (0.94,1.65)	1.66 (1.32,2.07)	2 (1.69,2.37)	3.03 (2.69,3.43)	1.2 (1.07,1.35)	1.33 (1.19,1.48)	1.58 (1.41,1.77)	2.04 (1.8,2.31)	2.53 (2.17,2.95)	3.32^§(2.71,4.06)
	Lag0	3.13 (1.67,5.86)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	- - - - - -	1.69 (1.48,1.93)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	- - - - - -

可吸入颗粒物	Lag0-1	NA	1.82 (1.39,2.38)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	1.86 (1.65,2.09)	1.37 (1.16,1.63)	- - - - - -	- - - - - -	- - - - - -	- - - - - -
	Lag0-2	NA	3.34^§(1.33,8.38)	1.99 (1.59,2.48)	- - - - - -	- - - - - -	- - - - - -	1.63 (1.45,1.82)	1.69 (1.47,1.94)	1.81 (1.48,2.21)	- - - - - -	- - - - - -	- - - - - -
	Lag0-3	NA	2.68 (0.43,16.84)	1.89 (1.26,2.84)	2.65 (2.14,3.3)	- - - - - -	- - - - - -	1.83 (1.64,2.05)	1.54 (1.35,1.74)	2.01 (1.71,2.37)	2.07 (1.63,2.62)	- - - - - -	- - - - - -
	Lag0-4	NA	NA	1.33 (0.67,2.64)	1.77 (1.31,2.39)	2.33 (1.95,2.79)	- - - - - -	1.69 (1.51,1.89)	1.51 (1.34,1.7)	2.07 (1.8,2.39)	2.14 (1.77,2.58)	3.19 (2.43,4.18)	- - - - - -
	Lag0-5	NA	NA	1.59 (0.23,11.13)	1.63 (0.98,2.71)	1.86 (1.42,2.44)	2.1 (1.8,2.46)	1.61 (1.44,1.8)	1.49 (1.33,1.67)	2.1 (1.84,2.39)	2.16 (1.84,2.52)	2.97 (2.39,3.7)	3.2 (2.32,4.42)
	Lag0	3.9 (1.27,12.01)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	- - - - - -	NA	- - - - - -	- - - - - -	- - - - - -	- - - - - -	- - - - - -

所以₂	Lag0-1	4.02^§(2.26,7.17)	NA	- - - - - -	- - - - - -	- - - - - -	- - - - - -	NA	NA	- - - - - -	- - - - - -	- - - - - -	- - - - - -
	Lag0-2	3.27 (2.19,4.88)	NA	NA	- - - - - -	- - - - - -	- - - - - -	NA	NA	NA	- - - - - -	- - - - - -	- - - - - -
	Lag0-3	2.96 (2.17,4.05)	NA	NA	NA	- - - - - -	- - - - - -	NA	NA	NA	NA	- - - - - -	- - - - - -
	Lag0-4	2.81 (2.17,3.65)	NA	NA	NA	NA	- - - - - -	NA	NA	NA	NA	NA	- - - - - -
	Lag0-5	3.13 (2.51,3.9)	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
	Lag0	3.2 (2.32,4.42)	- - - - - -	- - - - - -	- - - - - -	- - - - - -	- - - - - -

没有₂	Lag0-1	2.97 (2.39,3.7)	1.65 (0.73,3.72)	- - - - - -	- - - - - -	- - - - - -	- - - - - -
	Lag0-2	2.87 (2.4,3.42)	2.82 (1.84,4.33)	1.92 (0.54,6.79)	- - - - - -	- - - - - -	- - - - - -
	Lag0-3	2.44 (2.09,2.86)	3.58 (2.63,4.86)	2.23 (1.14,4.38)	NA	- - - - - -	- - - - - -
	Lag0-4	2.37 (2.06,2.73)	3.51 (2.7,4.55)	3.16 (1.8,5.18)	0.95 (0.12,7.63)	NA	- - - - - -
	Lag0-5	2.04 (1.78,2.33)	3.77 (3.02,4.71)	3.89^§(2.83,5.34)	2.61 (1.28,5.33)	NA	NA

缩写词表是一样的1。^§最大的或。:表示不存在。NA是无法计算的。

图2展示了high-admission状态和low-admission状态之间的转移概率在不同空气污染情况。当空气污染很严重,low-admission状态的转移概率(最后一天)high-admission状态(第二天)是35.46%,和low-admission状态(第二天),它是64.54%;high-admission状态的转移概率(最后一天)low-admission状态(第二天)是33.66%,和high-admission状态(第二天),它是66.34%。虽然空气污染是温和的,但从一个low-admission状态转移概率(最后一天)high-admission状态(第二天)是20.08%,和low-admission状态(第二天),它是79.92%;high-admission状态的转移概率(最后一天)low-admission状态(第二天)是35.57%,和high-admission状态(第二天),它是64.43%。这些结果可以用来构造一个哮喘资源优化框架考虑空气污染。这些跃迁概率也表明,当空气污染变得更糟的是,low-admission状态的转移概率(最后一天)high-admission状态(第二天)增加15.26%,high-admission状态的转移概率(最后一天)high-admission状态(第二天)增加1.91%。

表6比较了RR在上海,米兰和本研究。对米兰来说,Santus et al。23)测量空气污染和老人之间的急性影响紧急访问。虽然承认可以被视为紧急访问的加重,和招生数量与紧急访问有紧密的关系。对所有四种污染物,上面的空气污染物在米兰的RRs是3.30(95%置信区间CI:−0.44, 11.70), 3.00(95%置信区间CI:−3.60, 10.10), 9.90(95%置信区间CI:−15.40, 42.80),和0.80(95%置信区间CI:−4.30, 6.30),分别而在这项研究中相对应的是0.79(95%置信区间CI:−0.23, 1.82), 0.49(95%置信区间CI:−0.27, 1.25), 3.57(95%置信区间CI: 0.55, 6.68),和3.2(95%置信区间CI:−0.45, 6.98),分别。可吸入颗粒物PM2.5的影响,₂在米兰的比那些在这项研究中,哪些可能在于这样一个事实:紧急访问对空气污染更加敏感。然而,任何的影响₂在米兰远低于在这项研究中,这个缺口需要进一步研究。


		PM2.5	可吸入颗粒物	所以₂	没有₂

上海(承认)12]	滞后(增量)	- - - - - -	Lag0-1 (60μg / m³)	Lag0-1 (36μg / m³)	Lag0-1 (29μg / m³)
上海(承认)12]	RR(95%置信区间)	- - - - - -	1.88 (3.58,7.35)	4.79 (1.69,11.27)	9.38 (3.24,15.51)

本研究(承认)	滞后(增量)	- - - - - -	Lag0-1 (60μg / m³)	Lag0-1 (36μg / m³)	Lag0-1 (29μg / m³)
本研究(承认)	RR(95%置信区间)	- - - - - -	1.44 (−2.8,5.86)	25.81 (4.05,52.12)	7.11 (−2.5,17.67)

米兰(紧急访问)23]	滞后(增量)	Lag0-2 (10μg / m³)	Lag0-2 (10μg / m³)	Lag0-2 (5μg / m³)	Lag0-2 (10μg / m³)
米兰(紧急访问)23]	RR(95%置信区间)	3.30 (−4.40,11.70)	3.00 (−3.60,10.10)	9.90 (−15.40,42.80)	0.80 (−4.30,6.30)

本研究(承认)	滞后(增量)	Lag0-1 (10μg / m³)	Lag0-1 (5μg / m³)	Lag0-1 (10μg / m³)	Lag0-1 (10μg / m³)
本研究(承认)	RR(95%置信区间)	0.79 (−0.23,1.82)	0.49 (−0.27,1.25)	3.57 (0.55,6.68)	3.2 (−0.45,6.98)

缩写词表是一样的1。:表示没有提及。。

的急性影响PM10₂,没有₂在上海都是重要的(12];然而,只有这样₂这些是显著的。此外,上述三种污染物的RRs上海1.88(95%置信区间CI: 3.58, 7.35), 4.79(95%置信区间CI: 1.69, 11.27),和9.38(95%置信区间CI: 3.24, 15.51),分别,而本研究的是1.44(95%置信区间CI:−2.8, 5.86), 25.81(95%置信区间CI: 4.05, 52.12),和7.11(95%置信区间CI:−2.5, 17.67),分别。结果表明,(1)PM10和没有₂,效果略低于那些在上海和(2)₂,效果显著强于那些在上海。这些差异可能是当性和季节因素没有被考虑。

表7总结了季节和性别影响的估计为每一个污染物,这一部分所涉及的落后是最好的滞后3。PM2.5的急性效应没有显著的季节时没有考虑。male-warm子群,效果显著,取得了最强的(10.09),这表明PM2.5重要男性在温暖的季节。PM10都遵循同样的模式,最大意义和RR 4.84,也小于PM2.5。然而,对于这样₂,所有的男性子组显示是无关紧要的,而重大影响出现在寒冷季节或整个女性群体。最大的和重要的RR 13.71 female-cold子群。没有₂男子群也没有意义;然而,意义出现在寒冷和温暖的子组。我们可以发现一个有趣的现象,男性组只是敏感在温暖的季节,尤其是对PM2.5和PM10。对于男性来说,效果是重要的只有在温暖季节PM2.5和PM10。然而,对于女性来说,每一个冷天影响是显著的。因为最强的影响对于每个污染物在female-cold子群,这表明female-cold群更脆弱的空气污染,我们决定只构造马尔可夫转移概率矩阵female-cold子群。


性	季节	PM2.5 (lag0-2)	PM10 (lag0-2)	所以₂(lag0-1)	没有₂(lag0-2)

这两个	这两个	0.82 (−0.24,1.89)	0.5 (−0.29,1.3)	7.27 (1.1,13.82)	3.2 (−0.45,6.98)
	温暖的	4.72 (2.26,7.23)	2.48 (0.98,4.01)	3.53 (−8.6,17.26)	12.98−7.73 (−−2.16)
	冷	0.94 (0.15,1.74)	0.93 (0.31,1.55)	9.18 (4.27,14.32)	7.39 (4.26,10.62)

男性	这两个	−−0.13 (1.83,1.59)	−−0.12 (1.39,1.16)	2.95 (−6.47,13.31)	0.77 (−5.34,7.28)
	温暖的	10.09 (14.33)	4.84 (2.41,7.33)	12.31 (−7.64,36.56)	−−1.06 (9.79,8.51)
	冷	−−0.02 (1.26,1.24)	0.28 (−0.7,1.26)	1.95 (−5.07,9.5)	3.28 (−1.4,8.18)

女	这两个	1.38 (0.03,2.75)	0.88 (−0.12,1.89)	9.93 (1.95,18.54)	4.71 (−0.31,9.99)
	温暖的	0.92 (−2.3,4.25)	0.74 (−1.26,2.78)	2.36 (−13.31,20.85)	18.04−11.39 (−−4.19)
	冷	1.5 (0.44,2.57)	1.32 (0.49,2.16)	13.71 (6.87,20.99)	9.31 (5.04,13.76)

缩写词表是一样的1。寒冷的季节:从10月至3月;温暖的季节:从4月到9月。 ; 。

图3显示了female-cold马尔可夫转移概率矩阵子群,及其对应的参数表8。当空气污染很严重,low-admission状态的转移概率(最后一天)high-admission状态(第二天)是30.06%,和low-admission状态(第二天),它是69.94%;high-admission状态的转移概率(最后一天)low-admission状态(第二天)是31.14%,和high-admission状态(第二天),它是68.86%。然而,当空气污染轻微,low-admission状态的转移概率(最后一天)high-admission状态(第二天)是0.01%,和low-admission状态(第二天),它是99.99%;high-admission状态的转移概率(最后一天)low-admission状态(第二天)是39.38%,和high-admission状态(第二天),它是60.62%。这些结果可以用来构造一个哮喘资源优化框架考虑空气污染。这些跃迁概率也表明,当空气污染变得更糟的是,low-admission状态的转移概率(最后一天)high-admission状态(第二天)增加29.07%,high-admission状态的转移概率(最后一天)high-admission状态(第二天)增加8.24%。


子群	A1	A2	A3	A4	A5	A6

Female-cold	PM2.5	Lag0-4	35μg / m³	4天	2人/天	15.11 (2.72,83.78)

A1:污染物;A2:滞后;A3:浓度阈值;A4:计数超过浓度阈值;A5:招生数量阈值;A6:或。

4所示。讨论

本研究证明空气污染不利短影响老年哮喘住院。这种气体(这样的效果观察₂也没有₂)和颗粒物(PM10和PM2.5)污染物在所有不同性别组和季节组。可吸入颗粒物PM2.5,没有₂显示对长辈没有显著影响,而如此₂从对lag0-2 lag0显然是重要的。

我们也做了一个对比在其他研究的影响:(1)相比,米兰(紧急访问),PM2.5的影响,可吸入颗粒物,所以₂比那些在这项研究中,可能在于这样一个事实:紧急访问对空气污染更加敏感。然而,任何的影响₂在米兰远低于在这项研究中,这个缺口需要进一步研究。(2)与上海相比(入学),PM10和没有₂,效果比上海略弱,而如此₂,效果显著强于那些在上海。这些差异可能是当性和季节因素没有被考虑。

性,season-specific分析表明,男性,效果是很有意义的只有在温暖的季节PM2.5和PM10;然而,对于女性来说,每一个冷天影响是显著的。

精确的马尔可夫转移概率high-admission状态和low-admission状态之间通过一个多态模型。也表明,当空气污染变得更糟糕的是,从low-admission状态和high-admission状态转换概率high-admission显著增加。当我们专注于female-cold子群,这一现象更明显:出现概率增加由于空气污染恶化female-cold群比完整的戏剧性的样本。

当这些跃迁概率的预测结合空气污染,我们可以获得哮喘的分布承认,关于哮喘医疗资源需求(如专业医疗人员、病房)很长一段时期。进一步,基于这些分布,哮喘医疗资源分配可以通过行动研究方法。

有三个点,应该关注:(1)在PM2.5, PM10₂,没有₂,只有这样的增量₂是重要的长者哮喘住院治疗。可吸入颗粒物PM2.5的影响,₂在米兰的比那些在这项研究中,哪些可能在于这样一个事实:紧急访问对空气污染更加敏感。然而,任何的影响₂在米兰远低于在这项研究中,这个缺口需要进一步研究。(2)对于男性来说,效果是重要的只有在温暖季节PM2.5和PM10。然而,对于女性来说,每一个冷天影响是显著的。最强的影响对于每个污染物在female-cold子群,这表明female-cold子群更脆弱的空气污染,这就是为什么我们构造马尔可夫转移概率矩阵只female-cold子群。(3)全样本和female-cold子群之间的区别是很明显的:概率增加由于空气污染恶化female-cold群比完整的戏剧性的样本。也就是说,空气污染问题female-cold子群超过完整的样品。这种差距可能说谎当每个空气污染物之间的急性效应和老年哮喘承认性和季节变化因素。

5。结论

总之,本研究主要实现三个目标:(1)验证(PM2.5, PM10,没有空气污染₂,所以₂对老年哮喘入学)有很大的影响。对不同空气污染条件下,该指数预测高录取不同。(2)输出一个有效的空气污染指数是用于将它与长者哮喘住院。(3)输出马尔可夫转移概率之间high-admission执行状态和low-admission状态,可用于预测哮喘医疗资源需求与空气污染预报相结合,然后导致医疗资源配置优化。

我们的研究有一定的局限性。首先,研究设计在本质上是生态的,这可能会限制其因果推论的能力。第二,我们只是平均跨站的监测结果,作为代理人口空气污染暴露水平,这可能会提高很多问题考虑到污染物的测量可以监测之间的不同位置和环境监测结果不同于个人对空气污染的暴露水平。由此产生的测量误差可能实质性含义解释时序空气污染研究。最后,本研究只关注老年哮喘。事实上,哮喘门诊和紧急病人采取的很大一部分哮喘医疗资源。然而,我们没有哮喘门诊病人和紧急。

我们的工作是小说和基本研究哮喘资源管理。它不仅提供了一个新的前景在空气污染和哮喘之间的关系承认但也导致了一个实用的框架来实现哮喘干预并分配相应的资源(如专业医疗人员、病房)。未来的工作将在预测方面完成招生数量,哮喘干预,和相应的资源分配。

缩写

PM2.5:	颗粒物在空气动力学直径不大于2.5毫米
可吸入颗粒物:	颗粒物空气动力学直径不大于10毫米
所以₂:	二氧化硫
没有₂:	二氧化氮
提升:	质量调整生命年。

附加分

可用性的数据和材料。研究结果支持的数据将不会被共享,因为它是一个组织的财产。数据是匿名的,研究对象不能被识别。

伦理批准

这项研究不涉及人类受试者和遵守所有现行法律的中国。

知情同意是收到参与者。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

李罗概念作出了巨大的贡献,设计,分析和解释数据。丰益张参与起草了手稿,同意负责所有方面的工作在确保相关问题的准确性或完整性的任何部分工作适当的调查和解决。手稿(音译)曾参与起草或修订它至关重要的知识内容。林太阳,Chunyang李、黄Debin汉族高,本王有参与本研究的概念和设计。所有作者阅读和批准最终的手稿。

确认

作者要感谢编辑和匿名评论者的洞察力和建设性的意见和建议,使论文的改进版本。部分支持的工作是由中国国家自然科学基金(没有。71532007,没有。71131006,没有。71172197)。

引用

t·s·埃斯蒂斯”,向有效的慢性疾病管理:哮喘作为一个范例,”慢性呼吸道疾病,8卷,不。3、163 - 170年,2011页。视图:出版商的网站|谷歌学术搜索
z h·陈,p . l . Wang和h·h·沈,“哮喘研究在中国:五年回顾”,Respirology,18卷,不。S3, 10 - 19, 2013页。视图:出版商的网站|谷歌学术搜索
n . Atkhaled d Enarson, j . Bousquet“慢性呼吸道疾病在发展中国家:预防和管理负担和策略,”《世界卫生组织,卷79,不。10日,971 - 979年,2001页。视图:谷歌学术搜索
m . s . Alhajjaj”,发展中国家的支气管哮喘:一个主要的社会和经济负担,”胸医学年鉴,3卷,不。2,39-40,2008页。视图:出版商的网站|谷歌学术搜索
y z陈儿童哮喘和国家合作小组”一项全国性的调查在中国城市儿童哮喘患病率,”中国儿科杂志》第41卷。。2、123 - 127年,2003页。视图:谷歌学术搜索
t·安倍y德田,s . Ohde s Ishimatsu t .中村和r . b .出生,“短期空气污染和天气的关系为哮喘ED访问在日本,“美国急诊医学杂志》上,27卷,不。2、153 - 159年,2009页。视图:出版商的网站|谷歌学术搜索
m .公园,美国罗,j . Kwon et al .,“空气污染对哮喘住院率的影响在不同的年龄段在韩国城市,“空气质量、大气与健康》第六卷,没有。3、1118 - 1122年,2013页。视图:出版商的网站|谷歌学术搜索
思腾,j . p . j . m . Vonk和a·格拉夫,“短期内的影响空气污染对呼吸道疾病的紧急住院:APHEA项目的结果在两个主要城市在荷兰,1977 - 89,”流行病学和社区卫生杂志》上,50卷,补充1,没有。2条8758220 S22-S29, 1996页。视图:出版商的网站|谷歌学术搜索
崔j .赵y . j . m . Suh et al .,“空气污染作为一个风险因素对抑郁发作患者的心血管疾病,糖尿病,哮喘,”情感障碍杂志》,卷157,不。3,45-51,2014页。视图:出版商的网站|谷歌学术搜索
a·彼得斯i f·戈尔茨坦,拜尔et al .,“急性暴露于高水平的空气污染对健康的影响在东欧,”美国流行病学杂志》,卷144,不。6,570 - 581年,1996页。视图:出版商的网站|谷歌学术搜索
a·j·汤普森·m·d·盾牌,c·c·帕特森“急性哮喘急性加重和空气污染物在儿童生活在贝尔法斯特北爱尔兰,”环境&职业健康档案卷,56号3、234 - 241年,2001页。视图:出版商的网站|谷歌学术搜索
j . Cai a .赵j .赵et al .,“空气污染对哮喘住院的急性效应在上海,中国,“环境污染卷,191年,第144 - 139页,2014年。视图:出版商的网站|谷歌学术搜索
f . w . Ko, w . Tam, t . w . Wong et al .,“空气污染对哮喘住院率的影响在不同的年龄段在香港,“临床与实验过敏,37卷,不。9日,第1319 - 1312页,2007年。视图:出版商的网站|谷歌学术搜索
亚洲开发银行”,对一个环境可持续的未来:中华人民共和国国家环境分析,“2013年,http://www.Adb.Org/publications/toward-environmentally-sustainable-future-countryenvironmental-analysis-prc。视图:谷歌学术搜索
m . Szyszkowicz“环境空气污染对缺血性中风和日常急诊在埃德蒙顿,加拿大,”头痛,48卷,不。7,1076 - 1081年,2008页。视图:出版商的网站|谷歌学术搜索
s e . Grineski j·g . Staniswalis y,和c . Atkinson-Palombo”儿童哮喘住院和相对风险由于二氧化氮(没有₂):修改影响的种族,种族,和保险状态。”环境研究,卷110,不。2、178 - 188年,2010页。视图:出版商的网站|谷歌学术搜索
s, s . Batterman大肠Wasilevich et al .,”协会日常哮喘的急诊和住院儿科医疗补助计划人口与环境空气污染物在底特律:时间序列和time-stratified case-crossover与阈值的影响,分析”环境研究,卷111,不。8,1137 - 1147年,2011页。视图:出版商的网站|谷歌学术搜索
c . Chouaid a . Vergnengre诉”等,“哮喘在法国的成本:一个由马尔可夫模型,经济分析”Revue des疾病Respiratoires3、卷。21日,第1部分,493 - 499年,2004页。视图:谷歌学术搜索
r . c .绅士,j . f .无法无天的j·c·林赛和p .严,“多态马尔可夫模型来分析疾病不完整的历史数据与插图艾滋病毒疾病,”医学统计,13卷,不。8,805 - 821年,1994页。视图:出版商的网站|谷歌学术搜索
托,s . Iravani t .江,k . Smilowitz和美国萨缪尔森,“改善卫生结果通过更好的产能分配在一个以社区为基础的长期护理模式,”运筹学,卷61,不。6,1277 - 1294年,2013页。视图:出版商的网站|谷歌学术搜索
h . r . Chen菅直人b . Chen等人“协会微粒空气污染与每日死亡率:中国空气污染和健康影响的研究,”美国流行病学杂志》,卷175,不。11日,第1181 - 1173页,2012年。视图:出版商的网站|谷歌学术搜索
m·l·贝尔、j·m·萨梅特和f . Dominici“时序对颗粒物的研究”公共卫生的年度审查,25卷,不。25日,第280 - 247页,2004年。视图:出版商的网站|谷歌学术搜索
p . Santus a . Russo大肠Madonini et al .,“空气污染如何影响呼吸系统疾病的临床管理。在米兰case-crossover研究。”呼吸系统的研究,13卷,不。1、1 - 12,2012页。视图:出版商的网站|谷歌学术搜索

医疗保健工程