Statistické metody vyhodnocení vlivu škodlivin na denní úmrtnost, hospitalizaci a příznaky kardiovaskulárních a respiračních onemocnění

HTML
DOWNLOAD

Rozměr: px

Začít zobrazení ze stránky:

Download "Statistické metody vyhodnocení vlivu škodlivin na denní úmrtnost, hospitalizaci a příznaky kardiovaskulárních a respiračních onemocnění"

Šimon Doležal
před 9 lety
Počet zobrazení:

1 Statistické metody vyhodnocení vlivu škodlivin na denní úmrtnost, hospitalizaci a příznaky kardiovaskulárních a respiračních onemocnění Jiří Skorkovský

16 Úvod a cíle studie vlivu PM10 na denní úmrtnost 1. Již několik desetiletí je zkoumán vliv znečištěného ovzduší na zdravotní stav obyvatelstva, resp. úmrtnost. Studie probíhaly v USA, v Evropě, Číně, Brazílii a jinde. Významné výsledky poskytla studie APHEA v 15 evropských zemích. Panuje široký konsenzus v tom, že znečištěné ovzduší má negativní vliv na zdravotní stav i úmrtnost. Studie epizod extrémního znečištění ovzduší jasně prokázaly vážné negativní účinky na zdraví a úmrtnost. 2. Většina výsledků studií naznačuje, že zejména prachové částice jsou příčinou nárůstu denní úmrtnosti spojené se vzrůstem znečištění. 3. V rámci této studie byly vyhodnoceny 3 oblasti České republiky : Hnědouhelná pánev Severozápadních Čech Průmyslová část Moravskoslezského kraje Hlavní město Praha Účelem této studie bylo zjistit, jaký je vliv denních koncentrací prachových částic PM10 na standardizovanou denní úmrtnost celkovou, kardiovaskulární a respirační, rozdělenou podle pohlaví a věkové skupiny ve sledovaných oblastech studie

Studie epizod extrémního znečištění ovzduší jasně prokázaly vážné negativní účinky na zdraví a úmrtnost. 2.

17 Mapa České Republiky a oblasti studie

18 Poissonův regresní model Statistický software S+ Procedura gam (generalizovaný additivní model) Funkce Loess (po částech lineární regrese) Span (1 rok) pro dlouhodobý trend a sezónní kolísání, 0.5 pro teplotu, 0.8 pro relativní vlhkost

19 Spolupůsobící proměnné (konfoundery) v modelu 1.dlouhodobý časový trend s periodou 1 roku, pro vystižení dlouhodobých trendů a sezónních vlivů, je statisticky vysoce významný 2.den v týdnu byl zařazen pro kompatibilitu s jinými studiemi, ale neprokázal se jako významný. 3.teplota tento faktor se ukázal jako vysoce významný kromě lidí < 65, nejnižší úmrtnost je kolem C. 4.relativní vlhkost byla opět zařazena kvůli kompatibilitě, ale neprokázala se jako významná. 5.chřipka (nebo respirační onemocnění) je evidována v týdenních počtech pro všechny okresy ČR. Je vysoce významná kromě osob mladších 65 let.

den v týdnu byl zařazen pro kompatibilitu s jinými studiemi, ale neprokázal se jako významný. 3.

20 Vliv teploty na celkovou úmrtnost - muži

21 Vliv teploty na KVO úmrtnost - muži

22 Sezónní koncentrace PM10 [µg/m3] v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze

23 Statisticky významné výsledky CELKOVÁ ÚMRTNOST Všechny věkové skupiny Pro celkovou úmrtnost mužů všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 8,3%(4-denní průměr), 5,8%(lag 3), 5,4%(lag 2), 5,3%(lag 1) SČ-UP : 6,0%(4-denní průměr), 4,4%(lag 2), 4,1%(lag 1) Praha: 7,9%(4-denní průměr), 6,3%(lag1), 5,7%(lag 2) Pro celkovou úmrtnost žen všech věkových skupin nebyla zjištěna signifikantní závislost.

24 Celková úmrtnost podle věkových skupin Věk < 65 let Pro celkovou úmrtnost mužů ve věku < 65 let nebyla zjištěna signifikantní závislost. U žen také není tato závislost signifikantní, někde je dokonce negativní. Pravděpodobně je to způsobeno malým počtem úmrtí žen ve věku < 65 let. Věk 65 let a více Pro celkovou úmrtnost mužů ve věku 65 let a více byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 13,2%(4-denní průměr), 9,3(lag 2), 8,7(lag 3), 8,1(lag 1) SČ-UP : 8,4%(4-denní průměr), 6,6%(lag 2), 5,6%(lag 1) Praha: 8,5%(4-denní průměr), 7,1%(lag2), 6,6%(lag 1), 6,2%(lag 3) Pro celkovou úmrtnost žen ve věku 65 let a více nebyla zjištěna signifikantní závislost.

25 KARDIOVASKULÁRNÍ ÚMRTNOST Všechny věkové skupiny Pro kardiovaskulární úmrtnost mužů všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 12,9%(4-denní průměr), 10,9(lag 2), 8,9(lag 3), 8,2(lag 1) SČ-UP: 9,0%(4-denní průměr), 7,0%(lag 3), 6,5% (lag 2) Praha: 9,7%(4-denní průměr), 8,1%(lag 2), 8,0%(lag 1), 7,7%(lag 3) U žen v této věkové skupině nebyla zjištěna signifikantní závislost pro CVD úmrtnost. Nejvyšší nesignifikantní pozitivní závislost je v Praze (lag 1): 4,16% s int.spol.: ( 0,74, 9,29).

26 Kardiovaskulární úmrtnost podle věkových skupin Věk < 65 let Pro kardiovaskulární úmrtnost mužů ve věku < 65 let nebyla zjištěna signifikantní závislost. U žen také není tato závislost signifikantní, někde je dokonce negativní. Pravděpodobně je to způsobeno malým počtem úmrtí žen ve věku < 65 let. Věk 65 a více Pro kardiovaskulární úmrtnost mužů ve věku 65 let a více byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 18,4%(4-denní průměr), 13,3(lag 2), 12,4(lag 1), 11,4(lag 3) SČ-UP : 12,8%(4-denní průměr), 10,2%(lag 2), 8,4%(lag 3) Praha: 10,5%(4-denní průměr), 10,2%(lag 2), 9,0%(lag 3), 7,8% (lag 1) Pro kardiovaskulární úmrtnost žen ve věku 65 let a více nebyla zjištěna signifikantní závislost.

27 RESPIRAČNÍ ÚMRTNOST U respirační úmrtnosti byly výpočty provedeny pouze pro ženy a muže všech věkových skupin z důvodu celkově malého počtu úmrtí na respirační choroby. Pro respirační úmrtnost mužů všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: MSK: 14,3%(4-denní průměr), 13,6(lag 3) Praha: 18,2%(lag 2) Pro respirační úmrtnost žen všech věkových skupin byly zjištěny následující nejvyšší signifikantní hodnoty: SČ-UP : 37,2%(4-denní průměr), 25%(lag 2), 23%(lag 1), 21,4%(lag 3)

28 RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze Celková úmrtnost muži. Bez rozlišení věku.

29 RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze Celková úmrtnost muži. Věk 65 a více.

30 RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze Kardiovaskulární úmrtnost muži. Bez rozlišení věku.

31 RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze Kardiovaskulární úmrtnost muži. Věk 65 a více.

32 RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze Respiratorní úmrtnost muži. Bez rozlišení věku.

33 RR nárůstu PM10 o 100 µg/m3 na standardizovanou denní úmrtnost v Moravskoslezském kraji (průmyslová část), v Severočeské uhelné pánvi a v Praze Kardiovaskulární úmrtnost ženy. Věk 65 a více.

34 Statistický plán pro studii příznaků Cíl studie Určit vztah mezi znečištěním ovzduší, zejména ultrajemnými částicemi (UJČ) a kardiovaskulárními a respiračními příznaky Určit vztah dávky a odpovědi mezi UJČ, jinými prachovými částicemi a výskytem příznaků Porovnat změny ve výskytu příznaků spojené s UJČ se změnami v úmrtnosti spojenými s tradičními škodlivinami (např. PM10 nebo PM2.5);

35 Statistický plán Spolupůsobící faktory Časový trend Sezónní efekty Meteorologické parametry - denní teplota, relativní vlhkost, atmosférický tlak a sluneční záření Kalendářní efekty (den v týdnu, prázdniny, svátky) Chřipka nebo akutní respirační onemocnění

36 Statistický plán Závislé (výsledné) proměnné Denní počty pacientů s aspoň jedním příznakem Denní počty pacientů s konkrétním příznakem (pouze pro symptomy s dostatečným počtem výskytů)

37 Model pro určení vztahu mezi ultrajemnými částicemi a zdravotními příznaky Model je založen na sledování časových řad výskytu příznaků a počtu ultrajemných částic Jako spolupůsobící faktory se uvažují další škodliviny, jako NO2, O3, PM10 a PM2,5, meteorologické parametry a kalendářní a sezónní vlivy Použije se Poissonův regresní model Statistický SW : Statistica v.11, R+

38 Statistický plán Statistické metody Statistický model pro denní počty pacientů s příznaky : Poissonova regrese umožňující overdispersi (překročený rozptyl) pro denní počty pacientů s příznaky Case-cross over model pro vyhodnocení každého účastníka zvlášť výskyt symptomů ve dnech špatného a dobrého stavu znečištění ovzduší výpočet OR a chi-kvadrát

39 Průběh počtu ultrajemných částic

40 30 denní klouzavý průměr počtu ultrajemných částic

41 Průběh meteorologických parametrů

42 Korelace mezi parametry ovzduší korelace N2N5N7N3(10- N4(30- N6(50- N8(10030nm) 50nm) 100nm) 800nm) PM1_BC PM10 N4(30-50nm) N5-N6(50-100nm) N7-N8( nm) SO2 O3 teplota vzduchu PM1_BC PM SO O NO teplota vzduchu relativní vlhkost sluneční záření GLRD

43 Počet klientů DD s příznaky KVO

44 Počet klientů DD s příznaky respiračního onemocnění

45 Korelace mezi ovzduším a počtem pacientů se symptomy correlation KVO count KVO ratio respir. count respir. ratio N2-N3(10-30nm) N2-N6(10-100nm) N4(30-50nm) N2-N4(10-50nm) N5-N6(50-100nm) N7-N8( nm) PM1_BC SO O NO air temperature air pressure sun radiation GLRD PM10 relative humidity

46 Regression Summary for Dependent Variable: KVO_count R= R2= Adjusted R2= F(9,348)= p< Std.Error of estimate: b* St.Err. b* intercept b St.Err.b t(348) p-value N GLDR Rel.hum NO O PM N5-N N7-N Air temp

47 Regression Summary for Dependent Variable: respir_count R= R2= Adjusted R2= F(7,350)= p< Std.Error of estimate: b* St.Err. b* b St.Err.b t(348) p-value NO GLDR O N7-N PM N5-N Air_temp intercept

Podobné dokumenty

Vliv prachových částic PM 10 na standardizovanou denní úmrtnost ve třech oblastech České Republiky

Vliv prachových částic PM 10 na standardizovanou denní úmrtnost ve třech oblastech České Republiky Jiří Skorkovský, František Kotěšovec, Eva Rychlíková, Radim J. Šrám Úvod a cíle studie 1. Již několik