地理加权回归在脑卒中病因探索中的应用
发布时间：2020-02-14 05:52
【摘要】：目的探讨脑卒中与其他疾病(心肌梗死、恶性肿瘤、传染病等)的空间依从关系,分析其是否存在共同的地理危险因子。方法收集2011~2014年沂源县脑卒中及其他疾病的发病数据、全死因死亡数据及人口学数据,应用地理加权回归(GWR)模型定量分析各因素与脑卒中的空间依从关系。结果 (1)除北部个别区域的心肌梗死发病密度与脑卒中发病呈负相关关系外,沂源县的心肌梗死与脑卒中呈正相关协同变化关系,且这种协同变化由西向东逐渐减弱;(2)恶性肿瘤与脑卒中呈正相关协同变化关系,且这种协同变化关系由北向南逐渐减弱;(3)除西部个别区域的传染病与脑卒中呈负相关关系外,沂源县传染病与脑卒中呈正相关协同变化关系,这种协同变化关系在中部大于西部和东部,且呈由北向南的递减趋势。结论脑卒中与心肌梗死、恶性肿瘤及传染病之间呈现空间协同变化关系,提示可能存在特定的共同地理社会因素。
【图文】：
和传染病发病密度。表3脑卒中全局多元逐步回归分析变量回归系数标准误tPR2R2adj截距项113.087422.46975.0330＜0.00010.42850.4258心肌梗死发病密度0.50070.11140.4940＜0.0001——恶性肿瘤发病密度0.66690.055811.9620＜0.0001——传染病发病密度2.30100.77122.98400.0030——2.3GWR分析2.3.1单因素分析以脑卒中发病密度为因变量，分别以性别比、老年人口系数、心肌梗死发病密度、恶性肿瘤发病密度、传染病发病密度和全死因死亡密度为自变量进行单因素GWR分析(表4)，，各自变量系数估计值及P值的空间分布见图1和图2。结果显示，全部自变量对脑卒中发病密度的效应均具有空间变异性，且R2均高于全局分析中的单因素线性回归分析。图1单因素GWR模型各自变量回归系数空间分布A:性别比;B:老年人口系数;C:心肌梗死;D:恶性肿瘤;E:传染病;F:全死因死亡。Fig．1SpatialdistributionofregressioncoefficientsforunivariateGWRanalysisA:Sexratio;B:Elderpopulationproportion;C:Myocardialinfarction;D:Cancer;E:Infectiousdisease;F:All-causemortality．
92山东大学学报(医学版)55卷8期图2单因素GWR模型各自变量回归系数P值空间分布A:性别比;B:老年人口系数;C:心肌梗死;D:恶性肿瘤;E:传染病;F:全死因死亡。Fig．2SpatialdistributionofPvaluesforunivariateGWRanalysisA:Sexratio;B:Elderpopulationproportion;C:Myocardialinfarction;D:Cancer;E:Infectiousdisease;F:All-causemortality．表4脑卒中GWR模型单因素分析参数估计值变量MinQ1MQ3MaxR2R2adj性别比－11.8200－8.1390－4.8200－2.8710－0.26620.03560.0266老年人口系数－29.1400－20.8300－14.6700－12.5900－7.92800.03970.0264心肌梗死发病密度0.94790.21201.44101.52801.62400.30450.2989恶性肿瘤发病密度0.57400.70450.83760.97291.16400.43210.4227传染病发病密度7.20907.80408.11408.35508.89400.13670.1324全死因死亡密度0.00580.00630.00650.00700.00750.00550.00212.3.2多因素分析以脑卒中发病密度为因变量，以全局分析的逐步线性回归中具有统计学意义的变量(心肌梗死发病密度、恶性肿瘤发病密度、传染病发病密度)为自变量进行多因素GWR分析(表5)，结果显示，GWR模型中各自变量的系数估计值均存在较大的空间变异，变异性由大到小依次为传染并心肌梗死、恶性肿瘤。表5脑卒中多因素GWR模型参数估计值变量MinQ1MQ3MaxR2R2adj截距项－140.9000104.8000127.2000140.2000159.40000.50250.4873心肌梗死发病密度－0.53500.35280.51760.70560.8741——恶性肿瘤发病密度0.42400.58520.62840.69511.2250——传染病发病密度－1.80001.21002.10503.140014.4600——由心肌梗死、恶性肿瘤和传染病发病密度系数估计值的空间分布(图3)及以上三种因素回归系数P值空间分布(图4)可见:①除沂源县北部外，心肌梗死发
本文编号：2579401
【图文】：
和传染病发病密度。表3脑卒中全局多元逐步回归分析变量回归系数标准误tPR2R2adj截距项113.087422.46975.0330＜0.00010.42850.4258心肌梗死发病密度0.50070.11140.4940＜0.0001——恶性肿瘤发病密度0.66690.055811.9620＜0.0001——传染病发病密度2.30100.77122.98400.0030——2.3GWR分析2.3.1单因素分析以脑卒中发病密度为因变量，分别以性别比、老年人口系数、心肌梗死发病密度、恶性肿瘤发病密度、传染病发病密度和全死因死亡密度为自变量进行单因素GWR分析(表4)，，各自变量系数估计值及P值的空间分布见图1和图2。结果显示，全部自变量对脑卒中发病密度的效应均具有空间变异性，且R2均高于全局分析中的单因素线性回归分析。图1单因素GWR模型各自变量回归系数空间分布A:性别比;B:老年人口系数;C:心肌梗死;D:恶性肿瘤;E:传染病;F:全死因死亡。Fig．1SpatialdistributionofregressioncoefficientsforunivariateGWRanalysisA:Sexratio;B:Elderpopulationproportion;C:Myocardialinfarction;D:Cancer;E:Infectiousdisease;F:All-causemortality．
92山东大学学报(医学版)55卷8期图2单因素GWR模型各自变量回归系数P值空间分布A:性别比;B:老年人口系数;C:心肌梗死;D:恶性肿瘤;E:传染病;F:全死因死亡。Fig．2SpatialdistributionofPvaluesforunivariateGWRanalysisA:Sexratio;B:Elderpopulationproportion;C:Myocardialinfarction;D:Cancer;E:Infectiousdisease;F:All-causemortality．表4脑卒中GWR模型单因素分析参数估计值变量MinQ1MQ3MaxR2R2adj性别比－11.8200－8.1390－4.8200－2.8710－0.26620.03560.0266老年人口系数－29.1400－20.8300－14.6700－12.5900－7.92800.03970.0264心肌梗死发病密度0.94790.21201.44101.52801.62400.30450.2989恶性肿瘤发病密度0.57400.70450.83760.97291.16400.43210.4227传染病发病密度7.20907.80408.11408.35508.89400.13670.1324全死因死亡密度0.00580.00630.00650.00700.00750.00550.00212.3.2多因素分析以脑卒中发病密度为因变量，以全局分析的逐步线性回归中具有统计学意义的变量(心肌梗死发病密度、恶性肿瘤发病密度、传染病发病密度)为自变量进行多因素GWR分析(表5)，结果显示，GWR模型中各自变量的系数估计值均存在较大的空间变异，变异性由大到小依次为传染并心肌梗死、恶性肿瘤。表5脑卒中多因素GWR模型参数估计值变量MinQ1MQ3MaxR2R2adj截距项－140.9000104.8000127.2000140.2000159.40000.50250.4873心肌梗死发病密度－0.53500.35280.51760.70560.8741——恶性肿瘤发病密度0.42400.58520.62840.69511.2250——传染病发病密度－1.80001.21002.10503.140014.4600——由心肌梗死、恶性肿瘤和传染病发病密度系数估计值的空间分布(图3)及以上三种因素回归系数P值空间分布(图4)可见:①除沂源县北部外，心肌梗死发
本文编号：2579401
本文链接：https://www.wllwen.com/yixuelunwen/shenjingyixue/2579401.html
最近更新
教材专著
