蘭州市氣象因素對心腦血管疾病就診人次的影響研究

崔秀云，邢銀花，張彩霞，程 蓉

(1.甘肅省氣象局，蘭州 730020；2.甘肅省人民醫院，蘭州 730020；3.定西市人民醫院，定西 743000；4.蘭州中心氣象臺，蘭州 730020)

引 言

心腦血管疾病包括心臟疾病、血管疾病及腦血管疾病等。我國心血管疾病總死亡率從 2004年的240人/(10萬人)上升至2010年的269人/(10萬人)。從2009年起，中國心血管疾病死亡率的上升趨勢明顯趨緩。眾多研究表明，氣象因素與人類的很多疾病息息相關[1-4]，當然心腦血管疾病也不例外。近年來無論是氣象學者還是醫學研究者，對氣象因素與心腦血管疾病的關系開展了不少研究[5-10]。有的研究著重就單一氣象因素對心腦血管疾病的聯系進行分析，如氣壓、氣溫、濕度等氣象要素；有的針對天氣現象、天氣過程對心腦血管疾病影響進行了調查研究。但其機制最終歸結于氣壓、濕度、氣溫等氣象因素變化對疾病產生的影響。

國內外關于氣象因素與心腦血管疾病相關研究結果大致可以歸納為某一種氣象因素的劇變與心腦血管疾病發病率或病死率之間的相關關系，即當氣溫、氣壓或相對濕度等氣象因素低于或高于某一臨界值時，隨著其降低或升高，心腦血管疾病的發病率和病死率逐漸升高。有研究表明，心腦血管疾病發病與平均氣壓、平均氣溫、最低氣溫、水汽壓、降水量、日照時數等氣象因子都存在相關性[11]。同時在控制相對濕度、平均氣壓和平均風速的條件下，春季、夏季日最高氣溫每升高1 ℃，心腦血管疾病死亡病例分別增加17.3%和4.2%；而秋季日最高氣溫每升高1 ℃，心腦血管疾病死亡病例反而下降25%[12]。冷暖交替的冬季、春季對心腦血管疾病影響較大，冬季是心腦血管疾病的多發期[13]。低壓悶熱、明顯降溫、陰雨天和高溫等天氣容易引起心腦血管疾病的復發和加重。不同天氣狀況對不同疾病的影響也不同。陰天、悶熱、潮濕和高溫天氣對冠心病的影響最大，降溫對高血壓、腦卒中和冠心病有顯著影響，寒冷天氣對高血壓影響最大。此外近期的研究[14-15]還發現，心血管疾病發作率與日均氣壓呈正相關關系，而氣溫與心血管疾病發作率之間存在“U”“V”或“J”形關系。氣溫下降導致外周血管收縮，血流阻力紊亂，兒茶酚胺分泌升高，出現血管痙攣、斑塊破裂，血小板聚集血栓形成，從而引起心血管疾病發生。

雖然目前國內有不少關于氣象因素與心腦血管疾病關系的研究，但關于蘭州市的氣象因素與心腦血管疾病關系的研究并不多見，特別是在氣候變暖背景下，各種氣象要素也在發生變化[16-23]。因此，本文利用2016-2020年甘肅省第一人民醫院的心腦血管疾病患者資料，探究心腦血管疾病與氣象要素之間的關系，在此基礎上建立心腦血管疾病就診人數的氣象因子預測模型，以期對心腦血管疾病的預測服務和公眾有效防范方法提供參考。

1 資料和方法

1.1 資料來源

2016年1月至2020年12月蘭州市心腦血管病例數據來源于甘肅省第一人民醫院，均為臨床醫生診斷為心腦血管疾病的病例，數據包括患者就診日期、性別、年齡。2016年1月至2020年12月的蘭州市逐月氣象數據來源于國家氣象信息中心，資料包括平均氣壓(hPa)、平均氣溫(℃)、平均最高氣溫(℃)、平均最低氣溫(℃)、平均相對濕度(%)及平均風速(m/s)。本文所指的春、夏、秋、冬分別為3-5月、6-8月、9-11月、12月-翌年2月。

1.2 多元逐步回歸方法

線性回歸模型建立時，雖然部分自變量與因變量之間存在很好的相關關系，但是由于這些自變量可以用另幾個自變量很好地線性表示，因此這樣的自變量應當從模型中刪去。本文采用逐步回歸法建立預報模型[24]。

第一步：選擇兩個F統計量Fin和Fout,且Fin≤Fout。

第二步：擬合僅有常數項，沒有解釋變量的模型：

y=b0+ε

(1)

式中，y為因變量，b0為常數項，ε為零均值隨機變量。

第三步：若解釋變量x1,…,xm-1,xm中xs1,…,xsk-1,xsk是顯著的，則選入回歸模型：

y=b0+b1xs1+…+bkxsk+ε

(2)

對每一個未被選入的解釋變量，計算它的統計量Fi，若Fi>Fin，則將Fi最大的變量選入模型；若無解釋變量被選入，則停止逐步回歸過程，輸出計算結果。

第四步：若解釋變量xs1,…,xsp-1,xsp已被選入回歸模型:

y=b0+b1xs1+…+bpxsp+ε

(3)

對于xs1,…,xsp-1,xsp中每一個解釋變量，計算將它剔除的Fi。若Fi

2 結果分析

2.1 心腦血管患者的統計學特征

據統計，2016-2020年5年間甘肅省第一人民醫院心腦血管疾病就診人數共1206例，從性別來看，男性733例，占60.8%，女性473例，占39.2%。從年齡結構來看(圖1)，明顯呈單峰型，70歲之前隨年齡增大人數逐漸增多，70歲以后隨年齡增大人數逐漸減少，而51-80歲的人數占71.8%。當然80歲以后就診人數減少的一個原因可能與80歲以上的人數在總人口中的占比偏少有關系，但總體來說51-80歲是心腦血管疾病的高發年齡。

圖1 2016-2020年蘭州市心腦血管疾病就診人數隨年齡的變化

從近5年來心腦血管疾病就診人數的逐年變化來看(圖2)，雖然2018年的較2017年的偏多，但總體來看，自2016年以來就診人數呈明顯減少趨勢，減少率為25人/年。其中2020年就診人數僅占近5年總人數的14.4%，而且與2016年就診人數相比，也僅是2016年的60%。

圖2 2016-2020年蘭州市心腦血管疾病就診人數逐年變化

另外，從近5年來心腦血管疾病每個月就診人數的變化來看(圖3)，2月份的最少，3月份的次少，5月份的最多，其他月份的差別不大。從季節分布來看(圖4)，春、夏、秋三季就診人數接近，冬季就診人數明顯偏少。從各月的就診人數來看，冬季人數偏少，主要原因是2月份人數明顯偏少所致。2月份心腦血管就診人數明顯偏少，而1月份的明顯偏多，可能與春節多在2月份有關。統計發現，2016、2017、2018、2019及2020年的春節分別是2月8日、1月28日、2月16日、2月5日和1月25日。近5年的春節在1月底和2月份，非急診病人一般不會選擇住院，因此2月份病人明顯比1月份的偏少。但總體來看，冬季就診人數明顯偏少可能與氣候因素有關。

圖3 2016-2020年蘭州市心腦血管疾病就診人數的逐月變化

圖4 2016-2020年蘭州市心腦血管疾病就診人數的季變化

2.2 心腦血管患者人數與主要氣象要素之間的關系

為了明確蘭州市心腦血管疾病就診人數同氣象要素的關系，表1給出了逐月的主要氣象要素同心腦血管就診人數的相關系數。從同期的相關系數來看，只有平均氣壓與就診人數呈負相關，而平均氣溫、最高氣溫、最低氣溫、平均水汽壓、平均相對濕度及平均風速6個氣象要素與就診人數均呈正相關，但只有平均水汽壓的相關性通過了0.1的顯著性檢驗。

為了進一步明確蘭州市氣象要素同心腦血管疾病就診人數的滯后相關性，表1給出了主要氣象要素同滯后1個月和2個月就診人數之間的相關系數，結果發現，除了平均相對濕度外，其他氣象要素滯后2個月的相關性均小于滯后1個月的，而且比同期的相關性也小，而滯后1個月的相關性明顯偏大，且均通過了0.1的顯著性檢驗，特別是平均氣溫、最高氣溫、最低氣溫與心腦血管疾病就診人數的相關性均通過了0.01的顯著性檢驗，因此蘭州市心腦血管就診人數與主要氣象要素存在滯后1個月的顯著相關性。具體來說，平均氣壓越低，氣溫、水汽壓及風速越大(高)，越有利于心腦血管疾病的發作；從氣溫的相關性來看，最高氣溫比平均氣溫及最低氣溫與就診人數的相關系數更大。平均相對濕度與同期的就診人數存在正相關，但同滯后1個月的就診人數相關性較差。

表1 2016-2020年蘭州市氣象要素同心腦血管疾病就診人數的逐月相關系數

盡管蘭州市平均氣壓、平均氣溫、最高氣溫、最低氣溫、平均水汽壓及平均風速6個氣象要素與滯后1個月的心腦血管疾病就診人數具有較好的相關性，但由于氣象要素本身之間存在一定的相關性，因此哪些氣象要素的影響最大，僅僅從二者的相關系數很難看出。表2給出了平均氣壓、平均氣溫、最高氣溫、最低氣溫、平均水汽壓及平均風速相互之間的相關系數。由表2可以看出，以上6個氣象要素之間均存在很高的相關性，特別是平均氣溫、最高氣溫及最低氣溫之間的相關系數幾乎為1，因此想要確定哪些氣象要素是影響心腦血管的主要因子，還需進一步的分析。

表2 2016-2020年蘭州市各類氣象要素相關系數

2.3 氣象要素與心腦血管患者人數的回歸模型檢驗

多元逐步回歸在氣象環境與健康領域的研究中得到了廣泛的應用 ，多用于預測不同氣象環境因子水平下疾病的發生情況 ，通過建立一個影響疾病發生或者預測疾病的自變量最優回歸方程預測疾病發生的人數或等級[25-28]。前面的相關分析表明，蘭州市2016-2020年平均氣壓、平均氣溫、最高氣溫、最低氣溫、平均水汽壓及平均風速與滯后1個月的心腦血管就診人數之間存在較好的相關性，因此本文首先利用2016年1月至2019年12月的氣象資料與2016年2月至2020年1月的心腦血管就診人數的資料，通過逐步回歸方法建立模型，并利用2020年1月至2020年11月的氣象資料對2020年2月至2020年12月的心腦血管就診人數進行回歸模型檢驗。

在逐步回歸建立模型中發現，篩選的最優氣象因子為平均氣壓、最高氣溫及平均風速，其他3個與心腦血管疾病就診人數呈顯著相關的平均氣溫、最低氣溫及平均水汽壓均被剔除，建立的回歸模型如下：

y=-741.05924+0.86784x1+0.49087x3+14.48923x6

(4)

式中，y為心腦血管疾病就診人數(個)，x1為平均氣壓(hPa),x3為最高氣溫(℃),x6為平均風速(m/s)。

通過比較2016年1月與2019年12月心腦血管就診人數擬合值與實況值，發現二者之間的相關系數為0.44，而2020年1月至2020年12月的預測值與實況值的相關系數為0.66，預測與實況值的相關性較高，因此具有一定的預測性(圖5)。當然，氣象因素僅僅是影響心腦血管發病的一個因素。

圖5 2016-2020年蘭州市心腦血管疾病就診人數擬合值、預測值與實際值對比

3 結論與討論

本研究采用2016-2020年甘肅省第一人民醫院心腦血管疾病就診人數和同期蘭州市氣象資料，分析了主要氣象要素與心腦血管疾病就診人數的關聯性。結果發現，近5年心腦血管疾病就診人數男性(60.8%)多于女性(39.2%)，以中老年人群為主 (51-80歲占71．8%)。夏季為心腦血管疾病的高發季節 ，其中以5-9月和11月份發病人數較多。可能是心腦血管疾病發作與氣溫偏高有關，5-9月是蘭州市一年氣溫較高的月份，當然11月份就診人數偏多可能與冬季供暖有關，11月份蘭州市開始供暖，同時溫度不算太低，因此導致人的體感溫度仍然較高。此外，2月份就診人數最少，其主要原因是每年的春節都在2月份前后，春節作為中國的傳統佳節，非急診病人一般不會選擇住院，致使2月心腦血管疾病就診人數最少。

從2016年至2020年蘭州市心腦血管疾病就診人數的變化趨勢來看，近5年呈明顯減少趨勢，可能是因為隨著社會的發展與進步，人們對心腦血管疾病的認知程度及平時注意與防護的意識不斷增強。

平均氣壓、平均氣溫、平均最高氣溫、平均最低氣溫、平均水汽壓及平均風速與滯后1個月的心腦血管疾病就診人數在統計學上都具有較好的相關性，這也與趙云亮[6]的研究結論基本一致。但由于以上6個氣象要素相互之間存在較好的相關性，因此通過逐步回歸方法建立的心腦血管就診人數的回歸模型，僅保留了月平均氣壓、最高氣溫及平均風速3個因子，而且回歸模型的原始值與擬合值趨勢比較一致，也就是說平均氣壓、最高氣溫及平均風速是影響心腦血管就診人數的最主要的氣象因子。因此，有心腦血管疾病史，或有心腦血管疾病征兆的人，特別是中老年人一定要關注氣壓、最高氣溫及風速的變化情況，適當做好防護，以免該疾病的發作。