气温,湿度对上海市流感样病例人次的影响

气温,湿度对上海市流感样病例人次的影响

ID:34382450

大小:6.70 MB

页数:77页

时间:2019-03-05

气温,湿度对上海市流感样病例人次的影响_第1页
气温,湿度对上海市流感样病例人次的影响_第2页
气温,湿度对上海市流感样病例人次的影响_第3页
气温,湿度对上海市流感样病例人次的影响_第4页
气温,湿度对上海市流感样病例人次的影响_第5页
资源描述:

《气温,湿度对上海市流感样病例人次的影响》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、後旦大学万方数据硕士学位论文学校代码:10246学号:10211020012气温,湿度对上海市流唐样病例人次的影响院系:专业:姓名:导师:导师组成员:完成日期:公共卫生学院流行病与卫生统计学杨蕾赵耐青教授秦国友副教授罗剑锋讲师2013年5月20日万方数据复旦大学硕士研究生毕业论文目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1Abstract⋯⋯...⋯⋯⋯⋯.⋯⋯⋯..⋯⋯.⋯..⋯⋯⋯.⋯⋯..⋯⋯⋯.⋯⋯⋯..⋯.⋯..⋯⋯⋯.⋯⋯⋯..:;英汉对照词表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯5前言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

2、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯66胃U舌⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一、流感的特点与危害⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6二、气温,湿度与流感发病的关系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7三、常用统计方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7四、常用统计方法的问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..11研究目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一13一、研究目的⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..13二、研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..13统计方法⋯

3、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..15一、统计方法背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..15二、模型提出⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..16建立模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..23一、研究对象⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..23二、资料收集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..23三、描述性统计分析结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..23四、建模策略⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一36五、模型建立⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..38预测模型

4、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..51一、预测模型与时间样条⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..51二、模型验证⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..5l结论及讨论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..59一、主要结果和结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..59二、讨论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..59参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..63综j苤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.66参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

5、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..71文章发表情况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..73致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.74万方数据复旦大学硕士研究生毕业论文气温,湿度对上海市流感样病例人次的影响摘要研究目的:提出带白回归项的广义相加模型,并研究气温,湿度对上海市每日流感样病例的影响。研究意义:流感样病例人次是一个时间序列,而时间序列分析往往基于数据对发生在它之前的数据的依赖。但常用的GLM和GAM本质上是概率模型,没有使用因变量的自相关性的信息。另外,采用最大似然法估计GLM和GAM的参数值时,一般假定观测之间相互独立,但这不一

6、定成立。文中提出的GAMAR可以解释因变量的自相关性,不仅仅对本研究的数据较好的拟合和解释提供了方法,而且为其他类似研究方法的选择提供一种新的可能性。流感是一个对人类健康危害极大的疾病。试验证实了气候因素与流感病毒的传播有着密切的关系。但气候因素与流感样病例关联性的流行病学研究还较少。上海是一个国际大都市,面临着流感季节性流行和暴发的风险。了解气象因素对流感的作用,有利于人们应用相应的措施来控制流感的流行,减少流感暴发的风险,有助于医院管理人员对医疗资源的调配,也有利于对流感的暴发作出预警。统i-t-;q法:提出带自回归项的广义相加模型,并用模拟研究来比较GAM与GAMAR在应用于因变量有自

7、相关性的数据中的表现。建立模型:先采用基于GAM的Poisson回归,利用自然立方样条函数来代表长期趋势,以及日均气温,相对湿度,日均气压,大气污染物效应PM】o,S02,N02的非线性效应,用哑变量描述星期效应,分析流感样病例与气候因素的关联性。发现其Pearson残差存在自相关的现象,继而采用GAMAR进行估计。预测模型:前文中模型包含一个长期时间样条,这使得它不可能被用于预测。若用GAM模型进行预测,未

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。