贵州省健康气象指数预报模型构建及技术

唐延婧

(贵州省气象服务中心，贵州 贵阳 550002)

1 引言

天气、气候的变化，往往会使人们身体出现不适，引起一些疾病的发生。因此，研究气象环境对人体健康的影响，并及时进行预报预警，也越来越成为气象部门在常规预报之外更贴近民生的气象服务内容。近几十年，国内外已有不少地区先后开展了很多健康气象指数的相关研究［1－8］，形成了多种多样的健康(医疗)气象指数［9－13］。贵州省从2001年开始健康气象指数方面的研究，参考和吸取了众多国内外的经验和成果，在2004年建成了系统的环境气象指数预报方法和业务系统［14－15］。

准确、规范、有代表性的病例治疗是开展医学气象研究的基础。同时贵州省多样性的天气气候特征使得贵州省的健康气象模型具有深入探讨的必要。为了对贵州省健康气象指数业务系统进行改进，重新梳理指数类型及预报方法，本次研究以有一定规模和代表性的病例作为基础开展健康气象指数的研究，得到了贵阳中医学院第二附属医院(下文简称中医二附院)的协助，收集了相关疾病的门诊病例。通过相关疾病的发病率的统计分析，及与各个气象因子的相关性研究和回归分析，构建切合贵州省实际的健康气象指数划分等级和模型。

2 指数类型和资料说明

2.1 健康气象指数类型

国内的健康气象指数有繁有简，多数按照疾病类别来分别建立健康气象指数模型。但不少研究表明同一类型的疾病在同一天气情况下有不同的发病率。文献［16］指出感冒发病率主要受天气变化的影响，肺炎和支气管炎则主要与特定的气候环境关系密切。杨宏青等发现［12］，武汉市呼吸道疾病上呼吸道感染多发于夏季，下呼吸道感染多发于冬季。可见上呼吸道感染(主要表现为感冒)及下呼吸道感染适合分别讨论。国内外诸多研究表明［9－12］，较大幅度的变压、强降温、高温高湿、日较差等气象条件及其变化是心脑血管疾病发病、加重和死亡的诱因之一。

综上所述，并参考贵州省原有的城市环境气象预报业务系统［15］，本次研究选取常见且对天气变化较敏感的几种疾病作为待考察疾病，将贵州省健康气象指数类型暂定为4 个:感冒、(下)呼吸道疾病、心脑血管疾病、中暑。

贵阳夏季凉爽，少有重症中暑患者，病例也极少中暑病症的记录。但贵州省的铜仁、黔东南、黔西南等地夏季常有高温出现，有发生重症中暑的可能，因此仍需制作中暑气象指数预报。贵州省现行的中暑指数模型主要影响因子为气温和湿度，效果较理想，本文仍沿用原有指数模型，不做探讨。同时由于病例人数的限制，本文未将心脑血管疾病进行细分分析。

2.2 病例资料

国内发病率的资料，多是通过收集医院门诊、住院人数或急诊人次间接反映的。本文病例资料来源于三级甲等医院贵阳中医二附院的急诊科、心血管科、呼吸系统科两大类(呼吸系统、心脑血管系统)疾病的门诊和急诊登记资料共5 万多例。该院位于市中心，就诊病源主要是贵阳市市民，具有一定代表性。时间序列从2008年10月25日—2011年5月31日。统计时按照预订的健康气象指数相关疾病分类进行(见表1)。虽然对疾病的发病率要做到全面统计有很大的难度，但门诊就医的人数可以作为发病率的量化表现形式，下文将此作为发病率讨论研究。

表1 贵州省健康气象指数类型

2.3 气象资料

本文选取2008年10月25日—2011年5月31日贵阳站点的08 时总云量、08 时风速、08 时能见度、08 时气压、日最高气温、日最低气温、降雨量、08时相对湿度、14 时相对湿度等9 个基本气象因子。

考虑到人体对天气，即气象要素构成的环境有所反应，需要达到某种天气持续一段时间，或天气变化达一定程度，因此本文在气象因子构建中引入了能见度、气温、气压、相对湿度的3 d 和7 d平均，可表征达到一定时间长度内气象要素的持续情况;还引入了气温、气压的变化量如气温距平、日温差、日变压等，以及变化量的3 d、7 d 绝对值的累加值等表征气象因子的变化程度。共衍生出28 项因子，与9 个基本因子共37 项作为待考察相关性的气象因子(表2)，下文将直接引用各因子对应的代表字符。

3 健康气象模型建立

国内外已有的健康气象指数模型研究成果中，采用时间序列法、回归统计法［2，5，6，2］、自动交互检验法(AID)［7］等建立模型。本文采取常用的回归统计法。

表2 待考察的气象因子

3.1 各疾病发病规律及发病率资料标准化

预报方程的建立是基于各待考察疾病的发病率与气象因子相关的假设成立。因此首先对各发病率规律做分析研究。

通过分析各疾病的门诊就诊人数逐月变化(图1)，发现待考察疾病的发生确有着较明显的月季变化规律:如感冒的发病在冬半年的11月和4月为高峰期，1月或2月为低谷;夏半年在10月为高峰期，7月为低谷。呼吸道和心脑血管疾病也有相似的月变化规律。各疾病在不同年份和季节变化幅度有所不同，是四季气象因子变化对疾病影响的具体体现。可见各待考察疾病与气象因子相关的假设是成立，可做进一步的模型研究。

图1 各待考察疾病就诊日平均人数月变化

门诊就诊人数作为发病率的一个量化表现形式，还受到很多非疾病方面的影响，为了更客观的反应发病率，需要对门诊人数做进一步的处理。取自医疗单位的就诊人数数据必然受到作息制度的影响出现“星期几效应”。另外，每年的春节长假期间就诊人数偏少尤为明显。研究中还发现，由于该医院设施和技术的不断改善，就诊人数呈逐年上升趋势。为消除这些因素的影响，本文参考文献［12］中的做法，将病例以一周7 d 为单位做了滑动平均处理得到新序列，并剔除春节节假日时段。同时考虑到如前述的发病率有明显季节变化，再逐年分冬半年(11月—4月)和夏半年(5月—10月)两季，从2008年11月开始到2011年5月按先后划分为第1，2…… 5年季。最后分年季做标准化(公式1):

得出标准化的发病率实际为发病率相对于平均水平的一个比较值，对于只需要得出具有指导性意见的健康气象指数预报系统来说，具有更好的可预报性。

3.2 相关性分析

考虑到气象要素变化引发或加重疾病之间，以及病患疾病的发生与到医院就诊之间存在着滞后关系，因此把气象资料提前0～6 d 与发病率资料逐一对应进行相关性分析。与各待考察疾病发病率相关(相关系数＞0.1，通过α=0.05的显著性检验)的因子见表3。通过分析发现在冬半年，呼吸道和心脑血管疾病相关系数表中0～6 d的相关系数呈递增趋势，即发病率与前第6 d(6 d)的气象因子相关性最好。夏半年则相反，与当日(0 d)的气象因子相关性最好。反应了这两类疾病对气象因子的敏感性和滞后性的季节差异较明显:在冬半年，疾病发生对于气象因子的变化较为滞后;夏半年疾病发生对气象因子的变化更为敏感，气象因子的变化引起疾病更为突然。而感冒是一年四季的多发病，且多数发病急，在冬半年和夏半年的相关系数表中都表现为与当日(0 d)的气象因子相关系数最好。

表3 与各待考察疾病相关的主要气象因子

①各待考察疾病发病率与气温的相关性在冬半年尤其明显;在夏半年气温与感冒显著相关，与心脑血管疾病相关。且与7 d 平均的气温值相关性最好，3 d 平均值次之，当日气温值最差，可见气温在冬半年是引发疾病的一个重要因子，一定值的气温维持一段时间后对疾病的影响更显著。

②各待考察疾病发病率与气温、气压的相关性在冬半年及夏半年基本相反，即各疾病高发条件指向冬半年高温低压，夏半年高压低温能见度差。结合这两种疾病的月变化来看，高发时段多在春、秋两季，是冬半年气温相对较高，气压相对较低;及夏半年气温相对较低，气压相对较高的时段。进一步验证了前述的疾病发病率月变化规律。

③各待考察疾病发病率与能见度在夏半年呈负相关，尤其感冒发病率与之相关性较好;指示了有雾霾等空气污染的天气条件下，易引发疾病。呼吸道和心脑血管疾病发病率与能见度在冬半年呈正相关，但相关性不及夏半年，也许因为冬半年有很多低能见度天气是由静止锋附近的雨雾造成，空气污染相对不严重。

④各待考察疾病在冬半年与相对湿度相关，而在夏半年没有相关。感冒在冬半年仅与3 d 平均14 时湿度(hb3)正相关;呼吸道和心脑血管疾病与相对湿度项为负相关，其中呼吸道与相对湿度相关性较好，反应了冬半年干燥天气容易引发呼吸道疾病的病理。

⑤感冒在冬半年与夏半年都与气温距平正相关，与累计气温变化、雨日呈负相关(冬半年接近通过相关性检验)，即少雨，气温偏高且变化不大的天气条件下，易患感冒。感冒在冬半年与变压幅度呈明显负相关，而夏半年与日温差正相关。说明冬半年气压变化小的稳定天气下、夏半年日温差大的情况下易发生感冒。

⑥呼吸道和心脑血管疾病与气温距平、累计气温变化(心脑血管疾病与3 d 累计最高气温变幅ttb3在冬半年接近通过相关性检验)、变压幅度和能见度在冬半年正相关，夏半年负相关;这两种疾病在冬半年还与雨日呈负相关，呼吸道疾病与之为显著相关。这两种疾病在冬半年更倾向于发生在气温偏高、少雨、天气变化较大的天气条件下。在夏半年易发生在气温偏低、天气较稳定的天气条件下。

⑦与多数研究成果不同［4，9－14］，本文研究的结果显示各待考察疾病的发病率增加没有指向变压、变温明显的冷空气过程、冷高压控制天气或气温日较差较大的天气。一是因为对病例资料的滑动平均处理，对峰值有平滑作用。二是如前述的疾病发病率月变化规律。三是贵州省的气候特征冬暖夏凉，季节之间的气温变化较小;阴天多，常年相对湿度在70%以上;尤其冬半年往往在冷空气过后维持静止锋天气，使得处于锋后的贵州省大部分地区常维持低温阴雨天气，天气稳定，昼夜温差小。

3.3 预报方程的建立

由于疾病发生的复杂性和不确定性，导致实际的发病率的统计及预测非常困难。但通过前述相关性的论证，证实疾病的发生与气象因子之间确实存在相关性。通过建立气象因子模型，得出气象对健康(疾病发病率)的影响指标，而非直接预报发病率，并提出相应指导和指示是可行的。

根据之前得到的相关性结果，筛选出相关性较好的气象因子。在研究中发现疾病发病率与某些气象因子之间的相关是非线性的、复杂的(如图2a)，难以用单纯的线性方程表达。为了取得更好的拟合效果，在两者非线性相关情况下对气象因子进行简单的函数变化得到新的因子，大多数新的因子在与发病率的相关系数上有所提高。从关系分布图(图2b)也可以看出散点分布更易于用方程归纳。结果证实引入了函数变化因子的模型的复相关系数得到很大提高。本文采用逐步逼近法最优化参数，建立气象因子与发病率之间的多个回归方程(方程略)作为备选模型。回归方程都通过α=0.05的显著性检验。

图2 (a)呼吸道发病率与前第6 d hb3关系;(b)呼吸道发病率与前第6 d Ln(100－hb3)关系

4 健康气象指数等级划分及模型效果检验

4.1 划分健康气象指数等级

根据表4 将气象因子对发病率的影响指标划分为5 个等级，并针对不同级别提出相应的建议、措施和合理建议。

表4 健康气象指数等级划分

4.2 模型效果检验

本文采用回代检验法，对各个备选方程进行检验。根据上述的健康气象指数等级划分，筛选出最优方程的检验结果如表5，回归方程均通过了显著性检验。

表5 回代检验统计结果

由于病例资料取自门诊记录，疾病的类型以及资料的准确度都受到很大程度的影响，而且多有资料缺失或失真的情况，回代检验的结果与实际发病率有一定偏差。因此本文将预报与实况一致及相差一级作为正确结果。结果为各方程的预报准确率都在90%以上，达到实际业务运行水平。

在实际运用中，预报模型需要预报未来1～2 d的健康气象指数。模型所需要气象因子为当日或前几日的气象要素，以及未来1～2 d 预报的气象要素，在实际应用中完全可以通过常规气象资料和预报获取。因此在新的贵州省健康气象指数系统中完全可以采用上述预报模型，得出具有指导意义的健康气象指数，并提出相关建议。

5 结论

①各待考察疾病发病率在11月和4月左右的春、秋两季为高峰期，有明显的月变化规律。

②冬半年，呼吸道和心脑血管发病率与前第6 d(6 d)的气象因子相关性最好，夏半年相反。这两类疾病对气象因子的敏感性和滞后性的季节差异明显。而感冒一年四季都与当日(0 d)的气象因子相关系数最好，反应感冒多发病急。

③各疾病发病率与气温、气压、能见度的相关性在冬半年和夏半年基本相反。相对湿度与疾病发病率在冬半年相关，其中呼吸道与相对湿度相关性较好。

④在冬半年气温是引发疾病的一个重要因子，一定值的气温维持一段时间后对疾病的影响更显著。各疾病在春、秋两季多发。有雾霾等空气污染的天气条件下，易引发疾病。冬半年干燥天气容易引发呼吸道疾病。少雨、气温偏高的天气易患感冒。呼吸道和心脑血管疾病更倾向于发生在冬半年气温偏高、少雨、天气变化较大，以及夏半年气温偏低、天气较稳定的天气条件下。

⑤疾病发病率与一些气象因子之间的相关是非线性的，复杂的，引入简单的函数变化因子提高了模型的复相关系。

⑥对健康气象指数等级进行重新划分，并用逐步回归方法得出的健康气象预报模型，回代检验效果较理想，预报准确率都在90%以上。

根据以上结论和研究结果，在新的贵州省的健康气象指数系统中采用上述预报模型以提高健康气象指数预报的效果;并相应提出健康方面的建议，提高服务的效果。

［1］Pan W H，Li L，Tsai M J.Temperature extremes and mortality from coronary heart disease and cerebral infraction in elderly Chinese.Lancet［J］.1995，345(8946):353－355.Epidemiol，2007，8(3):369－372.

［2］张书宇，王宝鉴，谢静芳，等.吉林省心脑血管疾病与气象条件关系分析和预报研究［J］.气象，2010，36(9):106－110.

［3］刘利群，潘小川，郑亚安，等.气象因素与心脑血管疾病急诊人次的时间序列分析［J］.环境与健康杂志，2008，25(7):578－582.

［4］杨贤为，叶殿秀.我国心脑血管病的医学气象研究［J］.气象科技，2003，31(6):376－380.

［5］严明良，缪启龙，沈树勤，等.人体健康气象指数的设计及预报技术探讨［J］.气象科学，2008，28(6):678－682.

［6］夏丽花，刘铭等.福州市呼吸道疾病发生的气象条件分析及预报［J］.气象科技，2003，31(6):P385－388.

［7］韩建康，刘小琦，顾志伟，等.湖州市心脑血管疾病与气象因素的关系分析及预报研究［J］.浙江预防医学，2008，20(12):8－16.

［8］印佩芳，马辛宇，袁军，等.脑卒中与天气过程的关系［J］.气象，1993，19(12):44－47.

［9］沈树勤，严明良，尹东屏，等.江苏环境气象指数开发技术初探［J］.气象，2003，29(2):17－20.

［10］孙凤华，杨素英.沈阳地区气象条件对人体健康影响的研究及预报［J］.气象科学，2004，24(3):367－372.

［11］方汉杰，姜纪红.杭州市人体健康生活气象指数预报系统［J］.浙江气象，2002，23(2):23－27.

［12］杨宏青，陈正洪，肖劲松，等.呼吸道和心脑血管疾病与气象条件的关系及其预报模型［J］.气象科技，2001，29(2):49－52.

［13］米娜，谭建国，姚克敏，等.南京市呼吸道疾病时间序列模型的建立与分析［J］.气象科技，2005，33(6):554－558.

［14］杜正静，黄继用，熊方.贵州省城市环境气象指数预报简介［J］.贵州气象，2004，28(1)，17－21.

［15］吉廷艳，苏静文，唐延婧.城市环境气象预报服务系统［J］.贵州气象，2005，29(4):34－35.