本文選題：氣溫　切入點(diǎn)：濕度　出處：《復(fù)旦大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：研究目的：提出帶自回歸項(xiàng)的廣義相加模型,并研究氣溫,濕度對(duì)上海市每日流感樣病例的影響。 研究意義：流感樣病例人次是一個(gè)時(shí)間序列,而時(shí)間序列分析往往基于數(shù)據(jù)對(duì)發(fā)生在它之前的數(shù)據(jù)的依賴。但常用的GLM和GAM本質(zhì)上是概率模型,沒有使用因變量的自相關(guān)性的信息。另外,采用最大似然法估計(jì)GLM和GAM的參數(shù)值時(shí),一般假定觀測(cè)之間相互獨(dú)立,但這不一定成立。文中提出的GAMAR可以解釋因變量的自相關(guān)性,不僅僅對(duì)本研究的數(shù)據(jù)較好的擬合和解釋提供了方法,而且為其他類似研究方法的選擇提供一種新的可能性。流感是一個(gè)對(duì)人類健康危害極大的疾病。試驗(yàn)證實(shí)了氣候因素與流感病毒的傳播有著密切的關(guān)系。但氣候因素與流感樣病例關(guān)聯(lián)性的流行病學(xué)研究還較少。上海是一個(gè)國(guó)際大都市,面臨著流感季節(jié)性流行和暴發(fā)的風(fēng)險(xiǎn)。了解氣象因素對(duì)流感的作用,有利于人們應(yīng)用相應(yīng)的措施來控制流感的流行,減少流感暴發(fā)的風(fēng)險(xiǎn),有助于醫(yī)院管理人員對(duì)醫(yī)療資源的調(diào)配,也有利于對(duì)流感的暴發(fā)作出預(yù)警。 統(tǒng)計(jì)方法：提出帶自回歸項(xiàng)的廣義相加模型,并用模擬研究來比較GAM與GAMAR在應(yīng)用于因變量有自相關(guān)性的數(shù)據(jù)中的表現(xiàn)。 建立模型：先采用基于GAM的Poisson回歸,利用自然立方樣條函數(shù)來代表長(zhǎng)期趨勢(shì),以及日均氣溫,相對(duì)濕度,日均氣壓,大氣污染物效應(yīng)PM10,SO2,NO2的非線性效應(yīng),用啞變量描述星期效應(yīng),分析流感樣病例與氣候因素的關(guān)聯(lián)性。發(fā)現(xiàn)其Pearson殘差存在自相關(guān)的現(xiàn)象,繼而采用GAMAR進(jìn)行估計(jì)。 預(yù)測(cè)模型：前文中模型包含一個(gè)長(zhǎng)期時(shí)間樣條,這使得它不可能被用于預(yù)測(cè)。若用GAM模型進(jìn)行預(yù)測(cè),未來流感樣病例趨勢(shì)的不確定性可能會(huì)影響預(yù)測(cè)的精度。而采用GAMAR進(jìn)行預(yù)測(cè),由于AR項(xiàng)本來就包含了以往時(shí)間趨勢(shì)的信息,因此GAMAR本質(zhì)上能夠用以往的數(shù)據(jù)來預(yù)測(cè)以后的變化趨勢(shì)。為證明這一點(diǎn),對(duì)調(diào)整時(shí)間趨勢(shì)前后的流感樣病例采用GAM/GAMAR擬合結(jié)果進(jìn)行交叉驗(yàn)證。 結(jié)果和結(jié)論：本文提出了擬合環(huán)境流行病學(xué)中時(shí)間序列的GAMAR模型,模擬研究證明了在擬合有自相關(guān)性的數(shù)據(jù)時(shí),GAM的參數(shù)估計(jì)結(jié)果有錯(cuò)誤,而GAMAR可以給出正確的估計(jì)結(jié)果。接下來采用GAM構(gòu)建了流感樣病例關(guān)于氣候與大氣污染物的統(tǒng)計(jì)模型,但是發(fā)現(xiàn)其Pearson殘差有嚴(yán)重的自相關(guān)性,違背了GAM的模型假設(shè)；因而采用GAMAR建模。GAMAR給出的Pearson殘差基本上沒有自相關(guān)性。通過對(duì)比發(fā)現(xiàn),GAMAR給出的變量效應(yīng)比GAM的更平緩一些。對(duì)GAMAR而言,23天前的日均氣溫在10℃C和30℃C時(shí)對(duì)應(yīng)的當(dāng)天流感樣病例最高,在15～25℃時(shí)對(duì)應(yīng)的流感樣病例最低,效應(yīng)曲線呈雙峰狀。4天前的相對(duì)濕度較低時(shí),當(dāng)天的流感樣病例比較高,然后隨著濕度的增加而降低,在65～80%時(shí)流感樣病例有一些波動(dòng),在高于80%時(shí)繼續(xù)降低。 因?yàn)槲磥淼目傮w變化趨勢(shì)是未知的,所以預(yù)測(cè)模型中不能包括時(shí)間的趨勢(shì)樣條,自然能夠包含過去信息的GAMAR是預(yù)測(cè)模型更好的選擇。通過交叉驗(yàn)證發(fā)現(xiàn),GAMAR果然比GAM在是否調(diào)整長(zhǎng)期趨勢(shì)的問題上更穩(wěn)健。并且無論是否調(diào)整長(zhǎng)期趨勢(shì),GAMAR均比GAM在交叉驗(yàn)證中表現(xiàn)得更好。
[Abstract]:Objective: to propose a generalized additive model with autoregressive term, and to study the influence of temperature and humidity on the daily influenza like cases in Shanghai.
Significance: Ili people is a time series and time series analysis are often based on data dependence on the data before it happened. But the GLM and GAM is essentially a probabilistic model, because without the use of the self correlation of information variables. In addition, using the maximum likelihood method to estimate the parameters of GLM and GAM value, generally assumed that observations are independent of each other, but this is not true. The proposed GAMAR can be explained by self correlation variables, provides a method for the data of this study not only better fitting and interpretation, but also for other similar research methods provide a new possibility for a flu is. Human health harmful diseases. Experiments have confirmed that there is a close relationship between the climate factors and the spread of influenza virus. But the epidemiological association between climate factors and the Ili Shanghai is less. Is an international metropolis, facing the seasonal flu epidemic and outbreak risk. To explore the effects of meteorological factors on influenza, help people apply the corresponding measures to control the flu, reduce the risk of the outbreak, to help hospital managers on medical resources allocation, but also conducive to the early warning of influenza the outbreak.
Statistical methods: a generalized additive model with autoregressive terms is proposed, and the performance of GAM and GAMAR in the data that are applied to dependent variables are compared by simulation.
Model: first using GAM Poisson regression based on the use of natural cubic spline function to represent the long-term trend, and the daily average temperature, relative humidity, average air pressure, air pollutants SO2, PM10 effect, nonlinear effect of NO2, describe the week effect with dummy variables, correlation analysis and climatic factors of influenza like cases are found. The Pearson residual autocorrelation phenomenon, then estimated by GAMAR.
Prediction models: previous model contains a long time spline, which makes it impossible to be used to predict if the use of GAM model to predict the future trend of influenza like illness uncertainty may affect the prediction accuracy. The use of GAMAR to predict, because AR already contains the time trend information therefore, GAMAR can essentially change trend after using past data to predict. To prove this point, of influenza like cases before and after adjustment of time trends using the fitting results of GAM/GAMAR cross validation.
Results and conclusion: This paper proposes a GAMAR model fitting in environmental epidemiology sequence, simulation study proved that fitting self correlation data, GAM parameter estimation results in error, while GAMAR can give the correct estimation results. Then GAM is used to build a statistical model on climate and atmospheric pollutants in Ili but the Pearson has serious residual autocorrelation, contrary to the assumption of GAM model; and using GAMAR modeling.GAMAR Pearson are basically no residual autocorrelation. By comparison, the effect of variables given by GAMAR than GAM. Some more slowly for GAMAR, the daily average temperature of 23 days at 10 degrees C and 30 C C C corresponds to the day of influenza like cases of influenza like cases corresponding to the highest, at 15~25 DEG C when the lowest effect curve of relative humidity in Shuangfeng.4 days ago was low, the day Influenza like cases are higher and then decrease with the increase of humidity. There are some fluctuations in influenza like cases at 65 to 80%, and continue to decrease at higher than 80%.
Because the overall trend of the future is unknown, so the prediction model not including the time trend of spline, nature can contain information in the past GAMAR prediction model is a better choice. The cross validation showed that GAMAR was more than GAM in the long-term trend of adjustment is more robust. And regardless of whether the long-term trend of adjustment, GAMAR better than GAM in cross validation.

【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：R511.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 寧芳;段瑋;高培;松凱;周素梅;沈壯;;流感樣病例監(jiān)測(cè)系統(tǒng)數(shù)據(jù)異常波動(dòng)與預(yù)警分析[J];中國(guó)公共衛(wèi)生;2007年10期

2 龍江;李勤;戚曉東;肖達(dá)勇;趙寒;馬穎;周超;謝君;易娟;;重慶市30個(gè)區(qū)縣城區(qū)居民流感樣病例電話調(diào)查快速評(píng)估[J];疾病監(jiān)測(cè);2007年12期

3 李鐵鋼;劉維斯;楊智聰;王玉林;李美霞;;2003-2007年廣州市流感樣病例暴發(fā)疫情分析[J];華南預(yù)防醫(yī)學(xué);2008年06期

4 閉福銀;康寧;譚毅;;2005～2006年廣西流感樣病例暴發(fā)分析[J];應(yīng)用預(yù)防醫(yī)學(xué);2008年01期

5 梅玉發(fā);趙國(guó)兵;楊紅梅;胡少輝;董芳;王喜云;;2004-2007年湖北省十堰市流感樣病例暴發(fā)疫情監(jiān)測(cè)[J];疾病監(jiān)測(cè);2008年08期

6 劉敏;姚文清;孫佰紅;陳丹;韓仰歡;于偉;張眉眉;宋亦春;趙卓;;沈陽市類流感樣病例病原檢測(cè)分析[J];中國(guó)公共衛(wèi)生;2009年01期

7 楊旭輝;謝立;王麟;鄧晶;;2006-2007年浙江省杭州市聚集性流感樣病例疫情特征[J];疾病監(jiān)測(cè);2009年03期

8 林琳;劉鳳仁;張啟文;曹桂華;陳嘉慧;;2005-2008年深圳市龍崗區(qū)學(xué)校流感樣病例暴發(fā)疫情分析[J];華南預(yù)防醫(yī)學(xué);2009年03期

9 逯建華;程小雯;房師松;呂星;吳春利;;深圳市2005～2008年流感樣病例暴發(fā)疫情特征分析[J];中國(guó)熱帶醫(yī)學(xué);2009年11期

10 涂銀萍;田耕;王晶;吳波峰;;353例流感樣病例的強(qiáng)化監(jiān)測(cè)結(jié)果與分析[J];現(xiàn)代預(yù)防醫(yī)學(xué);2010年07期

相關(guān)會(huì)議論文 前8條

1 郭汝寧;湯洪偉;康敏;羅會(huì)明;鄭慧貞;;廣州市居民流感樣病例發(fā)病率電話調(diào)查[A];第八屆粵港澳臺(tái)預(yù)防醫(yī)學(xué)學(xué)術(shù)交流會(huì)議論文匯編[C];2008年

2 朱碧柳;梁文佳;康敏;王立華;賴輝兵;李書劍;廖國(guó)平;曾廣富;鐘杏華;徐八一;楊澤鋒;唐文釗;;廣東省甲型H1N1流感大流行高峰前后廣州市居民流感樣疾病發(fā)病情況及就診行為電話調(diào)查[A];2012廣東省預(yù)防醫(yī)學(xué)會(huì)學(xué)術(shù)年會(huì)資料匯編[C];2013年

3 李際強(qiáng);陸建榮;羅翌;胡聰;;531例流感樣病例病原學(xué)及其與SIRS的相關(guān)性分析[A];2012中國(guó)中西醫(yī)結(jié)合學(xué)會(huì)急救醫(yī)學(xué)專業(yè)委員會(huì)學(xué)術(shù)年會(huì)論文集[C];2012年

4 錢燕華;石平;何恩奇;邵潔;孫納;祖榮強(qiáng);喻榮彬;;無錫市發(fā)熱呼吸道癥狀監(jiān)測(cè)在甲型H1N1流感大流行中的早期預(yù)警效果分析[A];華東地區(qū)第十次流行病學(xué)學(xué)術(shù)會(huì)議暨華東地區(qū)流行病學(xué)學(xué)術(shù)會(huì)議20周年慶典論文匯編[C];2010年

5 錢燕華;石平;何恩奇;邵潔;孫納;祖榮強(qiáng);喻榮彬;;無錫市發(fā)熱呼吸道癥狀監(jiān)測(cè)在甲型H1N1流感大流行中的早期預(yù)警效果分析[A];第五次全國(guó)免疫診斷暨疫苗學(xué)術(shù)研討會(huì)論文匯編[C];2011年

6 涂銀萍;王晶;張北;;細(xì)胞培養(yǎng)法與快速試紙法在流感樣病例中的臨床應(yīng)用[A];中華醫(yī)學(xué)會(huì)全國(guó)第九次感染病學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2006年

7 劉明斌;;流行性感冒傳播的影響因素研究[A];中華醫(yī)學(xué)會(huì)第一屆全國(guó)公共衛(wèi)生學(xué)術(shù)會(huì)議暨第四屆中國(guó)現(xiàn)場(chǎng)流行病學(xué)培訓(xùn)項(xiàng)目匯編[C];2009年

8 楊紹金;陳斌;賀圓圓;余楓華;周紅雨;潘淼;李桂林;;湖北省宜昌市2004年流行性感冒監(jiān)測(cè)報(bào)告[A];中南地區(qū)第八屆流行病學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2005年

相關(guān)重要報(bào)紙文章 前10條

1 李學(xué)梅;流感樣病例比例回落至5%[N];北京日?qǐng)?bào);2007年

2 李學(xué)梅;本市流感樣病例本月下降80%[N];北京日?qǐng)?bào);2007年

3 記者　李學(xué)梅;流感減九成風(fēng)疹數(shù)倍增[N];北京日?qǐng)?bào);2007年

4 錢峰;規(guī)范流感樣病例暴發(fā)疫情管理[N];健康報(bào);2006年

5 鄭靈巧 白瑩;北京流感樣病例明顯回落[N];健康報(bào);2007年

6 鄭靈巧;北京流感樣病例數(shù)歷史同期較低[N];健康報(bào);2007年

7 記者 張芹 通訊員 梁曉雷;我市重啟流感樣病例監(jiān)測(cè)[N];連云港日?qǐng)?bào);2009年

8 記者 任珊珊邋通訊員 粵衛(wèi)信 曾衛(wèi)康 荔宣;廣東今年已報(bào)告5起流感樣疫情[N];廣州日?qǐng)?bào);2008年

9 本報(bào)記者 李穎;北京大中型醫(yī)院?jiǎn)?dòng)流感樣病例監(jiān)測(cè)[N];科技日?qǐng)?bào);2009年

10 記者 王麗強(qiáng);發(fā)現(xiàn)流感樣病例要立即采取控制措施[N];石家莊日?qǐng)?bào);2009年

相關(guān)碩士學(xué)位論文 前5條

1 楊蕾;氣溫，，濕度對(duì)上海市流感樣病例人次的影響[D];復(fù)旦大學(xué);2013年

2 施敏;杭州市流感樣病例與氣象因素關(guān)系的研究[D];浙江大學(xué);2013年

3 蔣薇薇;合肥市蜀山區(qū)2010年居民甲型H1N1流感血清學(xué)及感染情況研究[D];安徽醫(yī)科大學(xué);2013年

4 梁大海;運(yùn)氣環(huán)境與流感樣病例發(fā)病病機(jī)的相關(guān)性研究[D];廣州中醫(yī)藥大學(xué);2014年

5 李水英;2011年河北省石家莊市流感樣病例病毒病原譜研究[D];河北醫(yī)科大學(xué);2012年

本文編號(hào)：1600056