测量中国空气污染对呼吸道感染风险的影响外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

测量中国空气污染对呼吸道感染风险的影响

摘要

中国正在面临由空气污染引起的重大公共卫生挑战。很少有动态量化空气污染及其对呼吸道感染风险影响的研究。我们对2010年至2016年11月14日的数据进行分析，量化了中国陕西省11月15日空气质量指数（AQI），气象变化和呼吸道感染风险之间的关系。分析显示：流感样疾病（ILI）病例数与AQI在统计学上显著正相关，呼吸道感染风险随AQI的增加而逐渐增加，时间滞后期为0-3天。我们构建了数学AQI趋势模型和呼吸道感染动态模型，包含AQI依赖性发病率和基于AQI的行为改变干预措施，综合数据和建模分析估计了研究期间的呼吸道感染基本复制数量为2.4076，高于同一省份2009年大流行性流感的基本复制数量。基于模型分析可得出结论：在降低呼吸道感染风险方面，中国蓝天计划对排放的持续控制远比仅在烟雾日期间实施大量的社会经济干预措施更有效。

关键词：空气污染 呼吸道感染 统计分析 动态模型 相对风险

1、绪论

随着经济的不断快速发展，近30多年来，由于环境的变化，中国正面临着重大的公共卫生挑战，特别是空气污染及其对健康的影响。自2013年中国北方重度烟雾袭击造成“污染冲击”以来，空气污染严重程度和空气污染天数（空气质量指数（AQI），AQIgt; 100）均显示出明显增加趋势。

新兴毒理学和流行病学研究提供的证据表明，除了对能见度和全球气候的不利影响外，长期暴露于室外空气污染会导致许多不良健康结果，从心血管疾病到慢性/急性呼吸道疾病。张等人的工作表明，广州的入院与短期暴露于雾霾和空气污染有关。其他研究也证明了环境PM2.5浓度与香港每月流感病例以及流感季节北京的流感样疾病（ILI）风险的显著相关。由于已知流感和其他呼吸道传染病受到气象条件的强烈影响，因此本文研究的呼吸风险与AQI、季节性变化气象条件之间的关联定量仍然不清楚。

我们为这一定量分析制定了一个框架，数据来源于中国西北部的一个大都市，位于关中平原的西安。西安几乎每年都受到烟雾和雾霾的困扰。图1提供了2010年至2016年期间ILI病例（按人口统计年龄分层），AQI和温度，湿度和压力的相关数据。

我们的目标是通过观察到的AQI和预测趋势以及气象信息来研究呼吸道感染风险的变化。统计广义加性模型和AQI进化动态模型均用于为呼吸道传染病传播的流行病学模型提供感染力的参数和分析公式，来评估西安空气污染干预对呼吸道感染的动态影响。

1. 模型和数据
   1. 将ILI病例与AQI联系起来的广义加性模型（GAM）和气象条件

模型选择基于的重要价值，较小的赤池信息准则（AIC）和广义交叉验证（GCV）之上。以下是对数线性广义加性模型（GAM）模型：

Gamma（）；

Log =ns（t，df=12）ns（， df2） （1）

ns（，df=2ns（，df=2）.

其中是观察到的每日ILI病例（在第t天），在Gamma分布后面的，是均值和分散参数1 / v（这里v可以通过最大似然估计获得），是截距，是与每单位空气污染物增加有关的ILI病例的对数相对比率。代表在第t天的AQI，其中滞后1为0至14天。ns是日历时间（t），温度，湿度和压力的非参数平滑B样条函数。该基本模型结合了空气污染变量（AQI）的线性函数和时间和天气条件的平滑B样条函数，提供了日常ILI病例和气象条件之间的非线性和非单调联系的框架。选择结果列于表A2中，模型检查如图A2所示（详见SI（支持信息）部分A）。

• 1. AQI的动力学模型

AQI的动力学由下面的线性微分方程给出

=c(t)–(t)F(t)， （2）

其中c（t）是污染物流入空气的速度，如一氧化碳（或二氧化碳），二氧化硫气体，氮氧化物等，其中包括工业和汽车产生持续释放的污染气体（用常数表示），以及特殊因素导致的季节性释放污染气体，特别是冬季加热系统导致的污染气体（用表示）。

更确切地说，

（3）

和是冬季供暖系统的开始和结束日期。根据我们对西安，陕西省的考虑，，和分别是一年的11月15日，下一年的3月15日和下一个11月14日（见图A1）。请注意，我们认为利息年度是从下一年的11月15日到11月14日，而不是一个日历年。功能是由气象条件调节的污染清除率。周期函数：

) （4）

= 2 / 365用于基线模型参数估计和呼吸道感染潜在评估（基本再生数），但为了加入缓慢增加的具有高AQI值的日期持续时间，我们还将使用时间依赖函数来确定清除率

) （5）

具有小振幅增加率。注意，这里假定污染清除率是周期性或非周期性函数，其中参数，，，是根据可用数据估计的（4）和（5）。

2.3呼吸道感染动态与空气污染

基线模型是通常的SEIS（易感染暴露感染易感）型流行病模型，反映了呼吸道感染传播和相关公共卫生干预措施的关键流行病学特性。在该模型中，群体包括易感（S），暴露但尚未传染（E），有和无症状感染（和）的个体类别，

（6）

我们专注于AQI依赖的发病率（t）

=(1g(F(t)))S （7）

这里N表示总人口，其他参数和变量在表1中有解释。关键假设是关于AQI依赖传输概率和AQI信息行为变化的。一方面，烟雾和雾霾天气会影响疾病的传染性，从而影响传播概率。这样，传输概率是AQI的函数，即. 另一方面，在烟雾和阴霾的天气中，建议更多人戴口罩或呆在室内，如果遵循此建议，可能会降低接触率。因此，对于这种潜在的行为变化，应该包括一个因子(1-g(F(t)))，这里g是F(t）的递增函数，其中0 lt;g(F(t))lt;1并且0 lt; g(F(t)) lt; 1 并且 g(0) =0.

2.4数据

ILI案例数据来自陕西省疾病预防控制中心的监测系统，这是西安市陕西省的公共卫生机构。该数据包括2010年11月15日至11月14日期间每日接受流感疾病（ILI）（定义为体温超过38℃，咳嗽或喉咙痛）患者人数的报告， 2016年在西安如图1（A）所示。数据来自西安市中心医院，西安市第一医院，西安市第四医院，西安市儿童医院，西安市第12医院，咸阳市第一医院等7家哨点医院和咸阳市中心医院。数据信息包括相关诊所和急诊科报告的ILI病例所有年龄阶段的每日数量。请注意，由于多种流感病毒株的共同循环，ILI病例数可能会受到某些菌株影响，略有偏差（例如，2015年新出现的H3N2菌株）。由于陕西省研究期间没有发生重大疫情（H7N9仅发生在中国东南部），报告工作持续稳定，因此我们对ILI病例的数据相对准确。此外，我们在此假设以下用于数据分析的ILI的发生率在我们的数据集中是独立的。请注意，可能会有重复发作，然而，根据我们的经验，如果有重复发作，他们很可能留在医院或去某些特殊医院，因此哨兵医院重复发作的ILI病例非常有限，因此假设是合理的。

AQI的数据来自www. tianqihoubao.com网站，我们使用的数据如图1（B）所示。AQI现在经常被中国的政府机构和公众使用。不同的国家有符合不同国家空气质量标准的空气质量指数。AQI基本上是指定平均时段内空气污染物浓度的分段线性函数。如果在监测现在，空气污染被正式分为6级，用于公共预警和公共卫生干预：优秀，AQI（0,50）; 好，AQI（51,100）; 轻微污染，AQI（101,150）; 中度污染，AQI（151,200）; AQI（201,300）; 严重污染，AQI大于300。跨越研究期间的日常温度，相对湿度和压力可从气象员派地下组织（www.wunderground.com）获得，其中气象数据在西安咸阳国际机场的固定站点收集。相信，监测标准符合世界气象组织标准。 相关数据如图1（C-D）所示。

2.5模拟

我们使用自适应Metropolis-Hastings（M-H）算法来执行马尔可夫链蒙特卡罗（MCMC）过程（详见SI章节B），并且在500000次迭代的老化期后，随后 1000000个采样器给出估计值。我们根据2010年11月15日至2016年11月14日期间的AQI或ILI病例数据估算平均值，包括与空气污染相关的一些参数以及与呼吸道感染流行病学相关的其他参数。我们最初将模型（2）与（3）拟合到研究期间的AQI数据，并获得与AQI相关的参数（即，，，）的估计。其次，一旦我们估算了模型（2）（3）中涉及的所有参数，我们使用相同的程序通过将模型（6）拟合ILI病例的数据（和初始数据S(0), E(0), (0))）来估计与呼吸道感染流行病学相关的未知参数(, , , , , )

<td

全文共12321字，剩余内容已隐藏，支付完成后下载完整资料</td

资料编号：[103]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 基于一个幂GARCH模型对黄金市场的研究外文翻译资料
• 主成分分析教程外文翻译资料
• 逐步回归的显著性检验外文翻译资料
• 大数据挖掘：回顾外文翻译资料
• DSSAE-BBOA：基于深度学习的气象大数据分析和可视化外文翻译资料
• 使用G或K点模式空间统计的统计推断外文翻译资料
• 李代数的扩张结构外文翻译资料
• 灾民居住偏好转变：以2016年日本熊本地震后益城三波面板数据为例外文翻译资料
• 影响印尼证券交易所投资的因素-增进对资本市场的了解外文翻译资料
• 基于JMP的教育数据挖掘外文翻译资料