脑卒中优秀论文.docx
《脑卒中优秀论文.docx》由会员分享，可在线阅读，更多相关《脑卒中优秀论文.docx（21页珍藏版）》请在冰豆网上搜索。
脑卒中优秀论文
脑卒中发病环境因素分析及干预
摘要
本文主要对影响脑卒中发病率的环境因素进行研究。
首先利用excel表格筛选数据后，得出了发病率与年龄职业等存在的关系，然后建立多元线性回归模型，利用MATLAB软件得出发病率与气温、气压、相对湿度间的关系，最后结合电脑搜集到的相关资料，提出了一些合理的预警和干预的建议方案。
针对问题一，根据Appendix-C1所给的四个表（date1、date2、date3、date4），
在剔除一些错误或者部分缺失数据后，采用控制变量的方法，从年龄、性别、职业三个方面进行统计分析，利用excel表分别绘制数据点折线图、三维饼图、分离型饼图，形象的对不同职业在各个年龄段发病不同程度、发病的性别差异、及发病人处于的不同年龄段进行描述。
针对问题二，对所给数据进行数据进行预处理,利用SPSS13.0软件进行缺失值统计,剔除无效数据,对原始有效数据利用excel表格绘制散点图,得出发病率与气压、温度和湿度都存在高度的相关性；其次用Smooth-ingspline做拟合,得出平均气压、平均温度和平均相对湿度与发病率间的数据关系；最后建立多元回归模型，求得发病率与气温、气压、相对湿度间的关系。
针对问题三，运用网络及查阅相关文献得知：
脑卒中高危人群有以猝然昏扑、不省人事或突然发生口眼歪斜、半身不遂、舌强言蹇、智力障碍等重要特征。
体重、年龄、性别、是否酗酒与吸烟、血糖和血压等均为脑卒中高危人群的关键指标。
根据问题一、二得出的结论，对高危人群提出合理的预警和干预的建议方案。
关键词：
拟合excel多元线性回归模型
一、问题重述
脑卒中（俗称脑中风）是目前威胁人类生命的严重疾病之一，它的发生是一个漫长的过程，一旦得病就很难逆转。
这种疾病的诱发已经被证实与环境因素，包括气温和湿度之间存在密切的关系。
对脑卒中的发病环境因素进行分析，其目的是为了进行疾病的风险评估，对脑卒中高危人群能够及时采取干预措施，也让尚未得病的健康人，或者亚健康人了解自己得脑卒中风险程度，进行自我保护。
同时，通过数据模型的建立，掌握疾病发病率的规律，对于卫生行政部门和医疗机构合理调配医务力量、改善就诊治疗环境、配置床位和医疗药物等都具有实际的指导意义。
数据（见Appendix-C1）来源于中国某城市各家医院2007年1月至2010年12月的脑卒中发病病例信息以及相应期间当地的逐日气象资料（Appendix-C2）。
请你们根据题目提供的数据，回答以下问题：
1．根据病人基本信息，对发病人群进行统计描述。
2．建立数学模型研究脑卒中发病率与气温、气压、相对湿度间的关系。
3．查阅和搜集文献中有关脑卒中高危人群的重要特征和关键指标，结合1、
2中所得结论，对高危人群提出预警和干预的建议方案。
二、问题分析
2.1问题一的分析
要对发病人群进行统计描述，根据Appendix-C1所给的四个表（date1、date2、date3、date4）得知，应先剔除一些错误或者部分缺失数据，然后可从性别、年龄、职业、发病时间和诊断报告时间等方面进行说明。
首先对发病人群根据年龄进行分层抽样，建立数据点折线图，得出不同职业在各个年龄段发病人数的不同；然后以各个年龄段发病人数占发病人数的比例为自变量，建立分离型饼图，清晰看出发病的高危年龄；最后对脑卒中患者按性别建立三维饼图进行比较，分析出男女发病的差异。
2.2问题二的分析
要通过建立数学模型研究脑卒中发病率与气温、气压、相对湿度间的关系，首先对所给数据进行数据进行预处理,利用SPSS13.0软件进行缺失值统计,剔除无效数据：
然后对原始有效数据利用excel表建立散点图,探究出平均气压、平均温度和平均相对湿度与发病率存在相关性：
其次用Smooth-ingspline做拟合,
得出平均气压、平均温度和平均相对湿度与发病率间的数据关系；最后建立多元线性回归模型，求得发病率与气温、气压、相对湿度间的关系。
2.3问题三的分析：
运用网络及查阅相关文献得知：
脑卒中发病率与发病人群的职业、年龄、性别、气压、温度、相对湿度等因素均有关系。
根据一、二问题得出的结论，可以对脑卒中高危人群提出预警和干预的建议方案。
三、模型假设
1.假设剔除不合理的数据后，对结果没有影响；
2.假设不考虑个体差异和遗传因素的影响；
3.假设脑卒中的发病率与除了气温、气压、相对湿度外的因素无关；
四、符号说明
：
表示2007年的月平均气压；
：
表示2007年的月平均温度；
：
表示2007年的月平均相对湿度；
：
表示2007年的月发病率；
R：
表示评价模型有效性的决定系数；
F：
表示置信度；
：
表示显著性水平；
：
表示回归系数估计值；
五、模型的建立与求解
5.1问题一模型的建立与求解
5.1.1各职业各年龄段脑卒中发病人数区别
根据Appendix-C1所给的四个表（date1、date2、date3、date4）可知，要对本文发病人群进行统计描述，首先剔除一些不合理的和部分缺失的数据，然后对剩余的数据按年龄段、职业等因素进行统计，得到表1.
表1各职业各年龄段脑卒中发病人数
0-10
10-20
20-30
30-40
40-50
50-60
60-70
70-80
80-90
90以上
农民
0
6
35
198
995
3584
6777
10470
5582
387
工人
0
4
28
158
519
847
622
687
338
27
退休人员
1
1
2
9
61
622
1864
2693
1265
119
教师
0
0
1
5
12
23
34
57
15
0
渔民
0
0
0
2
3
8
23
12
7
0
医务人员
0
0
2
0
0
13
19
7
5
1
职工
0
0
8
25
95
95
34
18
7
1
离退人员
0
0
1
1
8
149
466
690
421
15
其他或缺失
20
25
61
203
659
1516
2400
3381
1833
149
根据表1中的数据，利用excel表绘出数据点折线图（见图2）
图2各职业各年龄段脑卒中发病人数
发病人群的年龄：
本研究把年龄分为10个阶段分别是0—10岁、10-20岁、20-30岁、30-40岁、40-50岁、50-60岁、60-70岁、70-80岁、80-90岁、90岁以上。
由图2可知：
在30-40年龄段之前，脑卒中发病人数相对较少，人数差异并不是很大，各个职业人数几乎趋于平稳状态；在30-40至70-80年龄段，各职业发病人数均呈上升趋势，农民发病人数上升的最快；80-90至90以上年龄段，各职业发病人数均呈下降趋势，农民、教师和退休人员发病人数下降的幅度很大。
老年人的发病率最高，随着年龄的增长，老年人体血管壁发生退行性改变，特别是动脉粥样硬比，则是发生中风的潜在人群，所以老年人要提高警惕，强身健体，做好预防措施，防止患上脑血管疾病特别是脑中风。
5.1.2按职业不同进行分析
为了更好的描述发病人数在各个职业中的不同，建立分离型饼图（见图3）
图3各职业发病人群所占比重图
注：
1代表农民；2代表工人；3代表退休人员；4代表教师；5代表渔民；
6代表医务人员；7代表职工；8代表离退人员；9代表其他或缺失；
由图3得：
农民占55.895%，所占比重最大；失业人员所占次之，为20.319%；退休人员占13.161%，位列第三，比例较大；工人、教师、渔民、医务人员、职工、离退人员所占比重较小，为低危人群。
各职业发病率的高低与职业的性质密不可分。
由于农民长期在工作环境恶劣的地方进行户外作业，从事繁重的体力劳动，导致身体疲惫，抵抗力下降。
在日常生活中，他们缺乏相关的医学常识,不注重生活细节,容易有不良嗜好,如：
抽烟、酗酒、生活规律絮乱等，故脑中风的发病率较高；然而职工、医务人员、教师的发病率较低与他们自身的职业素养相关联，他们的知识水平较高，从事脑力劳动以及所处的工作环境较好，故发病率较低。
5.1.3对性别差异进行分析
根据Appendix-C1所给的四个表（date1、date2、date3、date4），对发病人群的性别进行分类，分别计算出男、女发病人数占总发病人数的百分比，制得
三维饼图如下：
图4男女脑卒中发病比例图
由图4可得：
男人患病机率为54%，女人患病机率为46%，男人所占比重比女人所占的比重大。
可能是男人的生活习惯如吸烟、喝酒等影响身体健康或者
长期从事体力或脑力劳动而影响健康。
5.2模型二的建立与求解
5.2.1建立模型前的准备
根据数据的统计分析可以得到患病人数在不同环境下的发病情况，其中
分别表示平均气压、平均温度、平均相对湿度，
表示中国某城市的脑卒中的患病率，则不同月份的患病率如下表5所示：
（患病率=总的患病人数/该地区的总人数）
表5：
2007年气压、温度、相对湿度与发病率的统计表
月份
1
1028.23
4.50
73.23
0.0671
2
1020.71
8.73
70.79
0.0585
3
1018.30
11.57
69.29
0.0811
4
1016.54
15.37
62.57
0.0865
5
1008.39
22.62
61.77
0.0860
6
1006.17
24.68
75.50
0.0837
7
1002.97
29.39
73.32
0.0819
8
1004.93
29.56
69.10
0.0951
9
1010.45
24.30
76.07
0.0974
10
1018.95
19.34
71.65
0.1030
11
1026.14
12.57
62.03
0.0898
12
1025.88
7.93
67.77
0.0698
根据5得到的平均气压、平均温度、平均相对湿度与发病率的散点图（见图6）
图6平均气压、平均温度、平均相对湿度与发病率的散点图
由图6可知：
平均气压、平均温度、平均相对湿度与发病率都有一定的线性关系。
然后利用Matlab软件对气温、气压、相对湿度基本数据进行性质分析.用Smooth-ingspline做拟合,分别建立脑卒中发病率与气温、气压、相对湿度间的关系模型。
气压
图7气压与患病率的关系
气压：
由图7可以看出气压有两个区域相对比较集中，一个气压在1005-1011百帕之间，另一的气压是在1016-1021百帕之间，其他情况下的相对很少有患者。
由此，可以确定气压与患病人数是属于单元线性回归相关的。
气温
图8 温度与患病率的关系
温度:
由图8可以看出在2007年在不同温度下的患病人数的情况，一般温度在
4℃-32℃的患者较多。
温度低于温度低于4℃的和高于32℃以上的患病人会相对的较少。
由此，可以确定温度与患病人数是属于单元线性回归相关的
平均相对湿度
图9相对湿度与患病率的关系
湿度：
由9可以知道湿度在60%以下的的患病人数基本为0，一般发病情况的湿度都集中在60%-80%之间。
根据上图的散点图可以确定相对湿度与患病人数是属于单元线性回归相关的。
综上的数据及图形的分析描述，可以确定患病率与压强、温度、相对湿度的关系是正相关，由此可以根据图表建立多元线性回归模型。
5.2.2模型的建立
假设影响脑卒中的发病率
的因素有平均压强
、平均相对湿度
、平均温度，首先通过以上图7、8、9中可以发现，随着
的增加，y的值在一个点上下波动的趋势，图9中的散点可以用Excel拟合模型 ：
表示常数，
从图9中可以发现，随着平均相对湿度
的增加，发病率
都集中在一个区域，图9中的散点可以用Excel拟合模型：
表示常数
从图9中可以发现，随着温度
的增加，患病人数在一条直线上下波动，图9中散点图的可以用Excel拟合模型：
表示常数
综上所述建立如下的回归模型：
所以
其中
表示
称回归变量（自变量），
是
给定时，患病人数的平均值，参数
成为回归系数。
5.2.3模型的求解
利用线性回归分析可得到，回归系数估计值及其置信区间结果如下：
由表10可得
指因变量
（发病率）的99.0721%可由模型确定，
远远低于默认的置信水平，
值远远小于
（默认值为
=0.05） ，
有以上可知：
在冬季时节,气压高、湿度小、温度低，人体易发生脑出血，而在夏季时节,气压低、湿度大、温度高，人体易产生脑血栓。
5.3问题三的建议方案
5.3.1脑卒中高危人群的重要特征
经查阅资料得知脑卒中高危人群的重要特征有：
脑中风家族史、糖尿病、心脏病、属于中医的血瘀、一过性脑缺血发作、有高血压或高血压病史和脑动脉粥样硬化等。
脑卒中发病主要特征有：
（1）突然眩晕、特别是突然感到眩晕或者跌倒；
（2）短暂性的视力障碍、一过性的黑朦、视力模糊；
（3）突然说话困难或听不懂别人说话，暂时性吐字不清或讲话不灵；
（4）一侧面部或者上下肢体突然感到麻木、无力、口角歪斜、流口水；
（5）突发对近期的事情遗忘；短暂意识丧失或个性和智力的突然变化；
（6）出现难以忍受的头痛，恶心、呕吐；
（7）双眼突感一时看不清眼前出现的事物或看东西成双影；
（8）发音、吃饭困难，饮水呛咳，说话舌头发笨；
（9）走路不稳，左右摇晃不定，动作不协调；
（11）一侧或某一侧肢体不自主地抽动。
5.3.2脑卒中的关键指标
脑卒中高危人群的重要指标：
1、高血压病，无论是出血性中风还是缺血性中风，高血压是最主要的独立危险因素。
通过降压药、低盐饮食等将血压逐渐降至140/90mmHg以下。
2、糖尿病，通过控制饮食、降糖药，将血糖降至3.9-6.1mmol/L正常范围。
3、心脏疾病，如风湿性心脏病、冠心病。
尤其防止心房颤动引起栓子脱落造成脑栓塞。
4、血脂代谢紊乱，极低密度脂蛋白、低密度脂蛋白是引起动脉粥样硬化的最主要脂蛋白，高密度脂蛋白是抗动脉硬化脂蛋白。
5、短暂性脑缺血发作（TIA），TIA本身是缺血性中风分类的一个类型，也可以是脑梗塞的先兆或前区症状，应及时治疗。
6、吸烟与酗酒；
7、血液流变学紊乱，特别是全血黏度增加时脑血流量下降，其中红细胞比积增高和纤维蛋白原水平增高是缺血性中风的主要危险因素；
8、肥胖，肥胖与超重均为缺血性中风的危险因素，与出血性中风无关。
9、年龄和性别，年龄是动脉粥样硬化的重要危险因素，粥样硬化程度随年龄增高而增加。
50岁以上随着年龄增加中风发病率亦有增加，但笔者发现青中年中风发病者亦有增加，不可忽视。
一般来说女性中风发病率低于男性
5.3.3.建议方案
为了缓解与减少脑卒中及其并发症的发生，必须对脑卒中高危人群进行干预与管理。
除了监测血压，血糖与血脂，检查检测外，当高温、低温、气温骤降时，注意及时添减衣物，尤其是老年人。
在冬天到来的时候，首先要对气温的变化有所掌握，天冷时尽量减少出门。
若一定外出，最好先通过走廊或过道预先适应下气温再出门。
在寒冷的天气，脑卒中高温人群要注意防寒，多穿衣服，要关注气温的变化。
出门的时候多穿一些衣服，注意头部和四肢的保暖，室内的温度也保持正常，并常到阳光充足的地方晒晒太阳。
当高温低气压、低温、气温起伏大时，卫生行政部门和医疗机构应该比平时多调配医务力量、多配置床位和治疗药物、并且当医院的就诊治疗环境湿度偏小（低于50%RH）就必须采取有效的措施，增加空气中的湿度。
我国北方比南方要干燥，相对湿度较低，脑卒中的发病率较高，所以住在北方的脑卒中高危人群要进行保湿。
同时户外重体力劳动者的发病率较高，因此，这些人要注意自己的身体，防暑防寒，定期去医院检查，进行自我保护。
六、模型的评价与改进
6.1模型的优点
i.关于线性回归统计模型，在模型的建立过程中，剔除一些缺失及格式错误的数据，使结果变得更加精确；
ii.合理的运用了拟合模型，清晰反映出脑卒中发病率与气温、气压、相对湿度间的关系，可预测未来几年脑卒中的发病率；
6.2模型的缺点
i．剔除了一些病人信息不完全的数据，计算结果可能不够精确；
ii.在问题二中，以2007年为例，分析了气压，气温，相对湿度对脑卒中发病的影响，有一定的局限性
iii.没有考虑气压，气温，相对湿度等相关因素之间的相互作用，结果存在一定误差。
6.3模型的改进
1.经查阅发病人群的生活水平、个体差异、遗传因素也是发病的重要因素。
许多研究表明，脑卒中发病为多基本遗传，其遗传环境等各种后天因素也是不断变化的，如果将遗传因素考虑进去，所得结论应该更为准确。
2.若将其他新兴学科的知识和方法引入探讨疾病发病率规律之中,形成用于疾病发病率的拟合预测分析的新方法，从而更加准确合理地预测疾病发病率，及时发现，积极预防，及早治疗。
七、参考文献
[1].孙中红.胡喜玲.于洪章.隋洪财,鲁东大学学报（自然科学版）期刊论文，2005.9。
[2]周竹青,,访问时间（2012-09-09）,2008.3。
[3]洪毅.林建良.陶志懳,《数学模型》,高等教育出版社,2004.5。
[4]周晓平.杨进,脑卒中发生时气节规律及其气象医学原理探讨.中医杂志，2006年6月,第47卷第6期。
[5]谢文龙.尚涛,《SPSS统计分析与数据挖掘》，北京：
北京电子工业出版社，2012.1。
[6]陈在余.陶应虎,《统计学原理与实务》，北京:
清华大学出版社，2009.3。
八、附录
表一
不同职业不同年龄段发病人数
0-10
10-20
20-30
30-40
40-50
50-60
60-70
70-80
80-90
90以上
各职业总人数
农民
0
6
35
198
995
3584
6777
10470
5582
387
28034
工人
0
4
28
158
519
847
622
687
338
27
3230
退休人员
1
1
2
9
61
622
1864
2693
1265
119
6637
教师
0
0
1
5
12
23
34
57
15
0
147
渔民
0
0
0
2
3
8
23
12
7
0
55
医务人员
0
0
2
0
0
13
19
7
5
1
47
职工
0
0
8
25
95
95
34
18
7
1
283
离退人员
0
0
1
1
8
149
466
690
421
15
1751
其他或缺失
20
25
61
203
659
1516
2400
3381
1833
149
10247
表二
男女脑卒中发病人数
性别
发病人数
发病比例
男
33385
54%
女
28526
46%
表三
2007年
2008年
2009年
2010年
一月
1028.23
1027.23
1027.67
1025.76
二月
1020.71
1027.63
1019.56
1020.67
三月
1018.30
1018.81
1019.44
1020.37
四月
1016.54
1014.61
1015.68
1017.88
五月
1008.39
1008.56
1012.13
1009.79
六月
1006.17
1005.58
1003.39
1007.64
七月
1002.97
1003.67
1003.83
1005.22
八月
1004.93
1005.85
1005.85
1007.47
九月
1010.45
1011.25
1012.12
978.88
十月
1018.95
1018.19
1016.84
1018.85
十一月
1026.14
1023.18
1023.44
1024.12
十二月
1025.88
1025.05
1024.57
1020.24
表四
2007年
2008年
2009年
2010年
一月
4.50
3.13
2.96
4.44
二月
8.73
2.99
8.30
6.94
三月
11.57
11.08
10.00
8.75
四月
15.37
15.63
15.91
12.52
五月
22.62
21.41
21.61
20.71
六月
24.68
23.49
26.02
23.70
七月
29.39
30.17
28.44
28.59
八月
29.56
28.01
27.55
30.43
九月
24.30
24.95
24.33
24.72
十月
19.34
19.91
20.44
18.06
十一月
12.57
12.07
11.03
12.99
十二月
7.93
6.80
5.55
6.94
2007年
2008年
2009年
2010年
一月
73.23
57.52
69.65
70.94
二月
70.79
57.90
79.46
74.68
三月
69.29
58.00
70.94
70.80
四月
62.57
62.43
67.30
69.57
五月
61.77
66.26
61.26
68.39
六月
75.50
82.37
74.37
76.40
七月v
73.32
71.32
75.13
75.58
八月
69.10
77.32
81.55
71.58
九月
76.07
79.43
80.00
74.70
十月
71.65
77.19
69.55
74.29
十一月
62.03
75.57
77.40
68.90
十二月
67.77
65.55
71.90
62.23
表五
2007年
最高气压
最低气压
压差
最高温度
最低温度
温差
平均相对湿度
最小相对湿度
一月
1030.34
1026.25
4.09
8.04
1.87
6.17
73.23
51.16
二月
1023.53
1017.77
5.76
13.66
5.01
8.66
70.79
46.07
三月
1021.34
1015.00
6.34
15.93
7.95
7.98
69.29
48.58
四月
1019.29
1013.98
5.31
20.34
11.29
9.05
62.57
升级会员 