全国大学生数学建模竞赛C题国家奖一等奖优秀论文.docx

脑卒中发病环境因素分析及干预摘要本文主要讨论脑卒中发病环境因素分析及干预问题。根据题中所给出的数据，利用 SPSS20 软件进行相关性统计分析，分别对各气象因素进行单因素分析，进而建立后退 法线性回归分析模型，得到脑卒中与气压、气温、相对湿度之间的关系。同时在广泛收 集各种资料并综合考虑环境因素，对脑卒中高危人群提出预警和干预的建议方案。首先，利用 SPSS20 软件 ,从患病人群的性别、年龄、职业进行统计分析，得到 2007-2010 年男性患病人数高于女性，且男性所占比例有逐年下降趋势，女性则有上升 趋势， 因此， 性别比例呈减小趋势。 分析不同年龄段患病人数， 得到患病高峰期为 75-77 岁之间，且青少年比例逐年呈增长趋势，可见患病比例趋于年轻化。同时在不同的职业 中，农民发病人数最多，教师，渔民，医务人员，职工，离退人员的发病人数较少。其次，由题中所给数据先进行单因素分析，剔除对脑卒中影响不显著的因素，得出 气温、气压、相对湿度对脑卒中的影响程度大小，进而采用后退法线性回归分析建立模 型，利用 SPSS20 对数据进行分析，求得脑卒中发病率与气温、气压、相对湿度之间的 关系。即发病率与平均温度成正相关，与最高温度成负相关，发病率与平均气压成正相 关，与最低气压成负相关，与平均相对湿度成负相关，与最小相对湿度成正相关。最后，通过查找资料发现，影响脑卒中的因素有两类，一类是不可干预因素，如年 龄、性别、家族史，另一类是可干预因素，如高血压、高血脂、糖尿病、肥胖、抽烟、 酗酒等因素。分析这些因素，建立双变量因素分析模型，并结合问题 1 和问题 2，对高 危人群提出预警和干预的建议方案。关键词 脑卒中 单因素分析 后退法线性回归分析 双变量因素分析一 问题的重述脑卒中(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、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 问题的背景随着城市进程的加快、人口密度的加大、生活习性的改变、全球气候的变暖，一些 严重威胁人们健康的疾病，如脑卒中的发病率呈现上升趋势。全球每年有460 万人死于 脑卒中，中国每年死于脑卒中的病人有 160 多万。脑卒中以其发病率高、死亡率高、致 残率高的特点严重影响了人们的正常生活，成为仅次于癌症的“第二号杀手”。脑卒中 一旦发生，多数患者治疗效果不能满意，完全恢复正常者只占少数，大多数患者会遗留 严重的后遗症，给患者和家庭带来沉重的心理和经济负担。其成因包括环境、情绪、生 活习惯、生理状况等多种因素，气象条件是脑卒中诱发的主要因素之一，根据气象条件 变化对脑卒中发生的可能性进行预测， 可以指导人们在不同天气条件下对脑卒中采取不 同的预防措施，从而预防、减少脑卒中的发生。如果能对脑卒中高危人群高位程度、患 脑卒中的类型、患病风险、以及患病时间进行准确的评估，从而提出有针对性的防范措 施，可以帮助医护人员对脑卒中的诊断，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。2.2 对发病人群的统计描述根据题中所给出的数据，利用 SPSS20 软件，分别从性别、年龄、职业这几个因素 出发，对数据进行统计性分析。男女之间不同的生理结构，抵御环境的能力的不同，对脑卒中的影响也不同，分析 男女在 2007-2010 年间患病的比例，进而可以更好的预防脑卒中。随着的年龄的增长，患病人数在逐渐增长，分析不同年龄段患病人数的比例，得到 脑卒中达到高峰时的年龄段。不同的职业工作的环境不同，受教育程度不同，个人习惯也不同，进而影响到其得 病的概率。其次，不同的职业对脑卒中的预防与重视度不同。农民可能由于经济状况的 原因，不及时治疗，使得患病人数所占比例较大，而其他职业则相对较小。2.3 脑卒中发病率与气温、气压、相对湿度间的关系由于平均温度、最高温度、最低温度、平均气压、最低气压、最高气压、平均相 对湿度、最小相对湿度对脑卒中的影响并不都非常显著，所以本文先通过单因素分析得出最低气温、最高气压对脑卒中的影响不显著。然后建立后退法线性回归分析模型，利 用 SPSS20 软件得出脑卒中发病率与气温、气压、相对湿度之间的关系。即发病率与平 均温度成相关，与最高温度成负相关，发病率与平均气压成正相关，与最低气压成负相 关，与平均相对湿度成负相关，与最小相对湿度成正相关2.4 高危人群提出预警和干预的建议方案广泛收集各种资料并综合考虑环境因素，发现影响脑卒中的因素有两类，一类是不 可干预因素，如年龄、性别；另一类是可干预因素，如高血压、糖尿病、血脂异常、肥 胖、饮酒等因素。分别分析这些因素对脑卒中的影响，建立双变量分析模型，进而提出高危人群预警 和干预的建议方案。三 问题的假设1.假设不考虑该地区人数的变化。2.假设不考虑脑卒中的患病类型。3.假设影响脑卒中发病率的各因素之间互不相关。4.假设不考虑影响遗传因素、个体差异对脑卒中的影响。四 符号说明平均温度最高温度最低温度平均气压最高气压最低气压平均相对湿度最小相对湿度统计量随机误差脑卒中患病率x 1x 2x 7x 4x 5x 6x 7x 8FY五 模型的建立与求解5.1 模型一的建立与求解随着社会的发展，统计学在医疗气象研究中的作用越来越重要，成为一种普遍应用的方法，并为人们所认可，发挥着极其重要的指导性作用。本文运用SPSS 20 软件分别 从性别、年龄、职业对发病人群进行统计分析。脑卒中不同性别逐年发病情况累积百分百分比比55.210054.61005210053.5 10019700有效百分比55.244.810054.645.4100524810053.546.5100频率729359281322110380864619026517147809951105379163表 1性别男女合计 男 女合计 男 女合计 男 女合计55.244.810054.545.499.9524810053.546.5100年份2007200820092010图一 脑卒中不同性别发病人数比例趋势图从上表可以看出， 2007 年-2010 年脑卒中发病人群中，男性高于女性。分析可能男 性普遍有吸烟饮酒的不良生活习惯，还与当前男性可能比女性面临更多的生活压力，导 致高血压、糖尿病、高血脂等脑卒中危险因素的增加。同时从上图可以看出，男性所占比例有下降趋势，女性有上升趋势，因此，性别比例呈减小趋势。表 2 脑卒中不同职业逐年发病情况有效缺失有效缺失有效缺失农民工人退休人员 教师 渔民医务人员 职工离退人员 合计合计农民工人退休人员 教师 渔民医务人员 职工离退人员 合计 系统合计农民工人退休人员 教师 渔民医务人员 职工离退人员 合计 系统合计2007频率716481419053818236241610440278113221200810081125225006338191078091486941721904120091499147910671635313233532641999512010百分比54.26.214.40.30.10.20.53.1792110052.96.613.10.30.20.10.64.278.121.910015.114.91.10.70.10.43.10.235.564.5100有效百分比68.67.818.20.40.20.20.6410067.88.416.80.40.30.10.75.410042.441.9320.218.90.7100累积百分比68.676.494.79595.295.49610067.876.29393.593.793.894.610042.484.387.389.389.590.599.3100有效 农民 11000 55.8 72.1 72.1工人退休人员 教师 渔民医务人员 职工离退人员 合计缺失 系统合计1302213144413253503152504450197006.610.80.200.11.32.677.422.610080.794.694.9959596.71008.5140.300.11.73.3100从上表可以看出： (1)农民的发病人数最多，其原因可能与农民高血压病例规则用药治疗所占的比率低， 抽烟饮酒在人群中比例大，以及膳食结构不合理、摄入膳食结构不合理、摄入动物性优 质蛋白少等因素有关。 也可能由于经济状况， 对脑卒中的不重视， 不能及时治疗脑卒中。 (2)退休人员发病人数较多，其原因可能是退休人员年龄较大，脑供血，脑供氧不足 等原因引发脑卒中。 (3)教师，渔民，医务人员，职工，离退人员的发病人数较少。其原因可能与受教育 程度，工作环境等因素有关。表 3 2007-2010 年不同年龄段不同性别患病情况性别年龄18 岁以下 1840 岁 4180 岁80 岁以上 总人数性别年龄18 岁以下 1840 岁 4180 岁80 岁以上 总人数性别年龄人数11116598411077218人数192108434170510368人数男本年龄 52.38% 59. 18% 57.52% 44.69% 55. 11%男2007比例本性别0. 15%1.61%82.90%15.34%100.00%2008比例本年龄 34.55% 69.77% 56.94% 44.48% 54.57%男本年龄本性别0. 18%2.03%81.35%16.44%100.00%2009比例本性别人数1080442013705880人数3691637821288633人数女本年龄 47.62% 40.82% 42.48% 55.31% 44.89%女本年龄 65.45% 30.23% 43.06% 55.52% 45.43%女本年龄比例本性别0. 17%1.36%75. 17%23.30%100.00%比例本性别0.42%1.05%73.88%24.65%100.00%比例本性别总人数2119610404247713098总人数5530114812383319001总人数18 岁以下 1840 岁 4180 岁80 岁以上 总人数性别年龄18 岁以下 1840 岁 4180 岁80 岁以上 总人数4123441927045171人数10185850318391053733.33% 60.62% 53.65% 43.32% 51.98%男本年龄 62.50% 62.93% 55.85% 44. 16%53.49%0.79%4.53%81.07%13.61%100.00%2010比例本性别0.09%1.76%80.70%17.45%100.00%8215236229214777人数610967232325916366.67% 39.38% 46.35% 56.68% 48.02%女本年龄 37.50% 37.07% 44. 15% 55.84%46.51%1.72%3. 18%75.82%19.28%100.00%比例本性别0.07%1. 19%73.37%25.37%100.00%123386781416259948总人数1629415226416419700由上表可知：(1) 18 岁以下的青少年患病比例逐年基本呈增长趋势， 可见患病年龄比例趋于年轻化。(2)。患病人数主要集中在 41-80 岁，其原因可能是年龄逐渐增长，血液循环所需能量 减少，代谢减慢。(3) 80 岁以上的患病人群中，女性高于男性图二 2007 年脑卒中不同年龄段发病人数趋势图图三 2008 年脑卒中不同年龄段发病人数趋势图图四 2009 年脑卒中不同年龄段发病人数趋势图图五 2010 年脑卒中不同年龄段发病人数趋势图从上图中可以看出，脑卒中发病高峰年龄段 2007 年为 75-77 岁之间，2008 年为 74-76 岁之间， 2009 年 76-78 岁之间， 2010 年为 75-78 岁之间。由此可知，脑卒中发病率高 峰年龄段为 75-77 岁之间。5.2 模型二的建立与求解通过题中所给数据，首先通过单因素分析得出气温、气压、相对湿度对脑卒中发病 情况的影响关系大小，其次建立多元线性回归分析模型，最后利用 SPSS20 软件对数据 进行分析，得到气温、气压、相对湿度与发病情况的关系。5.2.1 单因素模型的建立假设 a 为给定的显著性水平，则列出：气温、气压、相对湿度分别对脑卒中的影响程度分析，即单因素分析，公式如下：r n (x x )2i iF = i=1 r ni (x x )2ij ii=1 j =1若 F F ，表明均值之间的差异显著，该因素对观测值有显著影响。a若 F F ,表明均值之间的差异不显著，该因素对观测值没有显著影响。a5.2.2 模型的求解利用 SPSS20 得出平均温度、最高温度、平均气压、最低气压、平均相对湿度、最 小相对湿度对脑卒中的影响显著，而最低气温、最高气压对脑卒中的影响不显著。Y = b + b x + b x + b x +0 1 1 2 2 3 3将 n 个统计数据代入上述模型，则问题转化为：(Y = b + bx + b x + b x +|Y( 1) = b( 0) + b( 1)x( 11) + b(2) x( 21) + b(3) x(31) +Anovad5.2.3 多元化线性回归模型的建立在大多数的实际问题中，影响因变量的因素不止一个而是多个，因此对这类的问题 本文采用多元化的线性回归分析。根据脑卒中发病率与气温、气压、相对湿度之间的关 系建立多元化线性回归模型，如下：5.2.4 多元线性回归模型的基本假定假设 1，解释变量是非随机的或固定的，且各 x 之间互不相关(无多重共线性)假设 2，随机E误(c(差)0(有)零均值、 ,2(差)及不8(序)列相关性，即：ii = 1,2 8 i, j = 1,2 8j = 1,2 n(|Var (ci )= E (ci 2 )= 6 2|lCov (ci , cj )= 0 i 丰 j假设 3，解C(释)ov(变)量(x(与),c(随)机)项=0(不)相关i(，) ,2 8j i假设 4 ，随机项满足正态分布， c N (0,6 2 )在医学病学研究中经常会遇到某一疾病的发生与变化取决于几个影响因素的情况， 也就是一个因变量和几个自变量有依存关系的情况， 而且有时几个影响因素主次难以区 分，或者有的因素虽属次要，但也不能略去其作用，这时采用一元回归分析预测法是难 以奏效的，需要采用多元回归分析预测法。列出多元线性回归模型的一般表现形式为：+ b x + c 8 8+ b x +c+ b x +c 8 82 2+ b x +c 8 8n n8 81 1 2 0 1 12 2 22 3 32 Yn = b0 + b1x1n + b2 x2n + b3x3n +5.2.5 模型的求解利用 SPSS20 软件对数据进行分析，得到气温、气压、相对湿度之间的关系如下： 表 4 回归效果检验表模型 平方和df均方FSig.回归 .0038.0003.866.002a1 残差 .003 总计 .0063947.0002 回归 .0037.0004.511.001b残差 .003 40 .000总计 .006 47回归 .002 6 .000 4.656 .001c3 残差 .004 41 .000 总计 .006 47a. 预测变量 : (常量), 最小相对湿度 , 最低气压, 平 均相对湿度 , 最高气压 , 最高温度 , 最低温度 , 平均 气压, 平均温度。b. 预测变量 : (常量), 最小相对湿度 , 最低气压, 平 均相对湿度 , 最高气压 , 最高温度 , 平均气压 , 平均 温度。c. 预测变量 : (常量), 最小相对湿度 , 最低气压, 平 均相对湿度, 最高温度, 平均气压, 平均温度。d. 因变量 : 患病比例由以上结论可知： p160mm Hg)的 60 岁以上 老人进行血压控制，可是脑卒中的发生率降低 36%。国内学者认为，血压140/85mm Hg 时最有益，进一步降低血压( 120/70mm Hg)未见明显一处。血压控制目前还没有确 切的范围，但应注意降压切忌过快，因为血压的急剧降低可诱发心脑血管病。确