成都市相对湿度对日均气温与死亡滞后关系的修饰作用

来源 :2017(第十二届)中国卫生信息技术交流大会 | 被引量 : 0次 | 上传用户:ycf0319
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目的:通过构建分布滞后非线性模型(DLNM)探究不同湿度分层下日均气温对成都市居民每日非意外死亡人数的影响. 方法:收集2011-2014年成都市每日居民死亡数、气象和大气污染物数据,采用quasi-Poisson回归结合DLNM分析相对湿度对日均气温与每日居民非意外死亡数关系的修饰作用,并比较不同湿度下冷、热效应的不同. 结果:成都市日均气温-死亡效应在不同湿度下冷、热效应的差异均有所不同.高湿度下的具有明显的冷效应且当天达到最大值,持续时间约为15天;未观察到明显的热效应.中湿度下的冷效应在滞后0-1天出现,2天左右达到最大值,效应持续时间约为10天;而热效应显现出较弱的急性效应和收获效应.低湿度下的冷效应在滞后1天出现,3天达到最大值,效应持续时间约为5天,此时热效应表现较为急骤,当天最高,然后迅速下降并表现出一定的收获效应. 结论:成都市的气温-死亡效应主要表现为冷效应,且湿度越高冷效应达到峰值时间越短,效应持续时间越长;而热效应不明显,但随着湿度的降低,也可以表现出较为明显的急性效应和收获效应.
其他文献
会议
会议
会议
会议
会议
会议
会议
会议
依靠医生的临床经验和主观判断的医学图像诊断方法存在着图像信息利用率不高、主观依赖性强等缺点,而随着大数据技术的发展,尤其是深度学习出现,其逐层的特征抽象学习,与人的大脑对图像的认识过程高度相似,对图像的识别技术极大提升.首先介绍深度学习的一般过程,并对其在医学图像应用的技术方案和应用分类进行综述.其中卷积神经网络针对二维数据天然的优势,在图像识别领域得到非常多研究者的青睐,近几年国外内研究者对其在
近两年来,同济医院先后建成同济光谷院区、同济中法新城院区,与主院区形成三足之势.为落实“一体化管理,同品质发展”的多院区管理要求,需要建设多院区间的轻量化、简单好用的院内远程医疗系统,用于科室业务与管理工作的协同,以及医务人员在医疗中的即时通讯工具,充分发挥信息化支撑作用.本文从系统整体架构、功能设计、系统部署模式与业务应等几个方面进行了分析与介绍.多院区远程系统的实施,可以很好地实现医院多院区的