統(tǒng)計分析案例 課件 案例4-1：大氣臭氧暴露與心血管疾病死亡風(fēng)險關(guān)系的實證分析+-基于貝葉斯時空模型

案例4-1：大氣臭氧暴露與心血管疾病死亡風(fēng)險關(guān)系

的實證分析——基于貝葉斯時空模型目錄12案例背景理論分析與研究內(nèi)容模型設(shè)定實證設(shè)計與分析3案例結(jié)論4501案例背景心血管疾病患病率高中國心血管疾病患病率仍處在持續(xù)上長階段，估計現(xiàn)患心血管疾病人數(shù)達3.3億，其死亡率相比于癌癥以及其他疾病都要高，是居民死亡構(gòu)成的四成以上。心血管疾病與氣象因素密切相關(guān)心血管疾病的發(fā)生原因復(fù)雜，往往與環(huán)境和氣象因素密切相關(guān)。近年來關(guān)注大氣顆粒污染物對心血管疾病的影響效應(yīng)的研究也越來越多。流行病學(xué)研究表明短期接觸環(huán)境空氣污染可能導(dǎo)致一系列心血管損害，甚至?xí)?dǎo)致發(fā)病率和死亡率的增加。01案例背景

02理論分析與研究內(nèi)容（1）概述貝葉斯理論在數(shù)理統(tǒng)計中的地位很高，應(yīng)用范圍較廣，并且隨著空間流行病學(xué)的研究方法及其相關(guān)的理論也的迅猛發(fā)展，在疾病的空間分析中加入時間緯度數(shù)據(jù)信息并建立相關(guān)的時空分析模型，已成為空間流行病學(xué)的研究熱點。借助先驗信息和臨近時空信息的貝葉斯時空分析方法已經(jīng)被廣泛應(yīng)用于國內(nèi)外的疾病數(shù)據(jù)的分析中。對于研究區(qū)域的空間上的聯(lián)系，需要定義變量之間的鄰接關(guān)系，一般是由空間權(quán)重矩陣來表達。在一定程度上，空間權(quán)重矩陣表明了空間各個區(qū)域單元間的相互關(guān)聯(lián)和相互依賴的程度，是進行空間統(tǒng)計分析的基礎(chǔ)和前提，正確并合理的選用空間權(quán)重矩陣對于空間模型的檢驗與分析十分重要。對于具體的空間實體，把其本身的空間屬性（面積等）信息用在空間權(quán)重矩陣的判斷方式中，可以更加有效的增強空間單元之間臨近關(guān)系的判斷的適用和更好的表達空間臨近關(guān)系。（1）概述圖

日均溫度、相對濕度、PM2.5、迭代O3插值驗證數(shù)據(jù)（2）過程

03模型設(shè)定（1）研究設(shè)計

珠江三角洲地區(qū)：下文研究中簡稱“珠三角”，由廣東省的廣州市、深圳市、珠海市、東莞市、佛山市、惠州市、中山市、肇慶市和江門市組成。非珠江三角洲地區(qū)：下面簡稱“非珠三角”，由廣東省的揭陽市、潮州市、汕尾市、梅州市、汕頭市、云浮市、湛江市、陽江市、茂名市、清遠市、韶關(guān)市以及河源市組成。（2）數(shù)據(jù)收集死亡數(shù)據(jù)通過廣東省疾病預(yù)防控制中心獲取研究區(qū)（縣）的死亡數(shù)據(jù)，包含年齡、根本死因、性別、ICD編碼以及文化程度等信息。根據(jù)第10版國際疾病分類標識對死因進行分類，并提取其中心血管疾病死因數(shù)據(jù)。通過中國氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺(/)獲取全國698個氣象站點2014年2017年每天的氣象數(shù)據(jù)，包括風(fēng)速、平均溫度和相對濕度。使用氣象空間插值方法Anusplin對數(shù)據(jù)進行插值，形成全國柵格數(shù)據(jù)，并提取每個研究區(qū)（縣）每日平均氣溫與相對濕度。氣象數(shù)據(jù)（2）數(shù)據(jù)收集使用每日PM2.5平均濃度和每日O3的8h滑動平均最大濃度數(shù)據(jù)進行分析，其中每日PM2.5平均濃度作為分析O3濃度與心血管疾病死亡風(fēng)險關(guān)系的大氣污染物控制變量。在全國城市空氣質(zhì)量實時發(fā)布平臺(33:20035/)得到2014年-2017年每日PM2.5平均濃度數(shù)據(jù)和O3濃度數(shù)據(jù)。大氣污染數(shù)據(jù)死亡率本案例的死亡風(fēng)險由死亡率（MortalityRate，MR）來體現(xiàn)。公式如下：

（3）模型設(shè)定（3）模型設(shè)定（3）模型設(shè)定04實證設(shè)計與分析（1）變量的描述性統(tǒng)計分析（1）變量的描述性統(tǒng)計分析（2）空間相關(guān)性分析結(jié)果如圖所示，在2014-2017年，共1461天中，Moran’sΙ指數(shù)隨機的分布在y=0兩側(cè)，系數(shù)為負的天數(shù)比例更大，系數(shù)范圍主-0.2~0.3之間，說明各研究區(qū)（縣）在不同的時期具有不同的空間相關(guān)性。有時呈正相關(guān)，說明臨近區(qū)縣的心血管疾病死亡風(fēng)險相似；有時呈負相關(guān)，說明不同的區(qū)縣的心血管疾病死亡風(fēng)險不相似。同時，莫蘭指數(shù)的檢驗表明，呈空間正相關(guān)時P值均小于0.05，說明存在空間聚集性，提示可進一步考慮空間屬性，進行時空分析。圖4-1-42014-2017年每日殘差全局Moran’sI自相關(guān)（3）時空貝葉斯模型分析由圖可知每年心血管疾病的死亡風(fēng)險會有3-4個峰值，且在不同時間段內(nèi)發(fā)病風(fēng)險下降速度存在差異。2014-2016年的冷季（1-4月，11-12月份）、暖季（5-10月）中均有心血管疾病死亡的高峰值，且在暖季到達當(dāng)年的死亡風(fēng)險最大值；而2017年，死亡風(fēng)險的最大值在冷季（1-4月）。圖4-1-5心血管疾病死亡的相對風(fēng)險隨時間變化趨勢圖時間趨勢分析（3）時空貝葉斯模型分析空間趨勢分析圖4-1-6心血管疾病死亡相對風(fēng)險的空間分布圖（3）時空貝葉斯模型分析空間趨勢分析（3）時空貝葉斯模型分析空間趨勢分析圖4-1-7熱點、冷點和非熱點非冷點區(qū)縣的分布圖（3）時空貝葉斯模型分析空間趨勢分析（3）時空貝葉斯模型分析時空交互項分析（3）時空貝葉斯模型分析暴露反應(yīng)關(guān)系分析本案例選用5天滯后期，分別計算不同滯后日對人群心血管疾病死亡風(fēng)險的影響，同時計算臭氧在0~5天滯后期對總?cè)巳旱睦鄯e滯后效應(yīng)。由圖4-1-9可見，最強滯后效應(yīng)主要為累積滯后4天(lag04)，即，O3（lag04）每升高10μg/m3，可導(dǎo)致心血管疾病死亡風(fēng)險分別增加0.44%(95%CI:0.34%~0.47%)。因此在后續(xù)分析中均采用lag04。圖4-1-9O3對人群心血管疾病死亡風(fēng)險影響的滯后效應(yīng)[ER(95%CI),%]（3）時空貝葉斯模型分析探究修飾因子（3）時空貝葉斯模型分析探究修飾因子（4）穩(wěn)健性檢驗（4）穩(wěn)健性檢驗圖4-1-10參數(shù)迭代軌跡圖和核密度圖模型收斂性檢驗。將模型迭代次數(shù)設(shè)為300000，初始burnin值設(shè)置為30000以穩(wěn)定初始值對自變量參數(shù)的影響，本次研究的模型的影響因素參數(shù)的估計密度估計圖以及迭代軌跡圖如圖4-1-10所示，表明每個影響因素變量的回歸系數(shù)的迭代軌跡趨于穩(wěn)定，核密度圖呈現(xiàn)類似正態(tài)分布圖，可以認為迭代已經(jīng)收斂。05案例結(jié)論本案例采用時空貝葉斯模型評估了O3暴露濃度對心血管疾病死亡風(fēng)險的暴露反應(yīng)關(guān)系，同時探究了其修飾因子，并探索了心血管疾病死亡風(fēng)險的時空分布規(guī)律。本研究建立的