文章检索 高级检索
  气候变化研究进展   2017, Vol. 13 Issue (4): 366-374.  DOI: 10.12006/j.issn.1673-1719.2016.222
0

气候变化影响

引用本文 [复制中英文]

董继元, 陈永聪, 张本忠, 周骥, 王式功. 兰州市气温对脑卒中发病的滞后效应研究[J]. 气候变化研究进展, 2017, 13(4): 366-374. DOI: 10.12006/j.issn.1673-1719.2016.222.
[复制中文]
Dong Jiyuan, Chen Yongcong, Zhang Benzhong, Zhou Ji, Wang Shigong. Distributed Lag Effects in the Relationship Between Daily Mean Temperature and the Incidence of Stroke in Lanzhou[J]. Climate Change Research, 2017, 13(4): 366-374. DOI: 10.12006/j.issn.1673-1719.2016.222.
[复制英文]

资助项目

上海市气象与健康重点实验室开放基金项目(QXJK201505);2015年度兰州大学“中央高校基本科研业务费专项资金”项目(lzujbky.2015.264)

作者简介

董继元,男,副教授,yuiopdongjiyuan@163.com

文章历史

收稿日期:2016-11-07
修回日期:2017-02-25
兰州市气温对脑卒中发病的滞后效应研究
董继元 1, 陈永聪 1, 张本忠 1, 周骥 2, 王式功 3    
1. 兰州大学公共卫生学院,兰州 730000;
2. 上海市气象与健康重点实验室,上海 200030;
3. 成都信息工程大学大气科学学院,成都 610225
摘要:通过收集兰州市2010—2013年每日脑卒中发病资料,结合同一时间段的气象资料,利用分布滞后非线性模型分析气温与人群脑卒中发病的关联性,分析不同气温和不同滞后天数对脑卒中发病可能的影响。结果表明脑卒中发病与气象因素关系密切,气象因素与脑卒中病例数据的相关分析表明兰州市脑卒中每日发病人数与气温、气压和相对湿度均存在相关性,气温在不同滞后日与脑卒中的关联呈非线性,不同类型脑卒中与气温的关联强度存在差异。对于脑出血患者而言,低温在当天就表现出危害效应,随后发病风险不断增加,滞后2~3 d时达到最大,可持续至低温发生后的第30天。脑梗塞的发病过程与脑出血存在一定差异,高温和低温均会引起发病风险增大,并且气温效应在当天就能发生,在滞后3~5 d内最强。低温对女性或者19~64岁者的影响更大,而高温对≥65岁者的影响更大;低温对不同类型脑卒中发病均有影响,高温仅对缺血性脑卒中发病有影响。气温对不同年龄、性别人群的脑卒中发病影响存在差异,对不同类型的脑卒中发病影响也有所不同。气温是作为外因通过影响机体功能而致人发病的。
关键词气象因素    脑卒中    滞后效应    兰州市    
引言

脑卒中又称脑血管意外,包括脑出血(cerebral hemorrhage,CH)和脑梗塞(cerebral infarction,CI),具有发病率高、致残率高、死亡率高的特点,已经成为一个严重威胁人类健康的社会问题[1-2]。许多研究表明气象因素的刺激是脑卒中发病的诱因[3-4],但各地气象条件、地理特点、社会经济发展水平不同,脑血管病发病的季节规律也有所差别。在诸多气象因素中,气温与脑卒中发病的关系最为密切,气温与人群脑血管病发病呈非线性关系,且气温的影响存在滞后效应。分析气温和健康关系的方法有很多,分布滞后非线性模型(DLNM)就是其中的一种,该模型的核心思想是交叉基,对自变量与因变量的关系、滞后效应的分布分别选择合适的基函数,求两个基函数的张力积即得交叉基函数,将交叉基函数引入广义相加模型(GAM),可同时控制效应中的非线性和滞后因素,又避免GAM将滞后变量引入模型产生的共线性问题,能将滞后时间和气温统一在一个二维矩阵中,研究气温对发病的非线性影响和滞后效应。目前国内外使用DLNM模型主要用于研究气象因子与死亡、呼吸系统疾病以及传染病的关联情祝[5-7],较少用于气象因子与脑卒中关联的研究。为了探讨气温的变化在脑卒中发病中的重要作用和规律,本文收集2010—2013年兰州市脑卒中发病资料与气象资料数据,采用DLNM分析气温对脑卒中发病的影响及其滞后效应,并分析气温与不同性别、年龄脑卒中发病的相关性[8-11]

1 材料和方法 1.1 资料来源

2010年1月至2013年12月兰州市脑卒中病例数据来源于兰州市医疗保险信息管理系统,2010年1月至2013年12月逐日气象数据由甘肃省气象局提供,包括气温、气压、风速、相对湿度的日均值和日降水量。

1.2 统计分析方法

首先使用Spearman等级相关法分析兰州市各气象因子与脑卒中发病人数的相关性及各气象因子之间的相关程度,随后将与脑卒中日发病人数相关的气象因子纳入模型,检验水平为0.05。对脑卒中发病数据和气象数据分别建立交叉基矩阵,日发病人数作为因变量,采用quasi-Poisson连接函数进行拟合。在控制季节性、长期趋势和星期几效应基础上[8-11],采用DLNM模型对气象因子与脑卒中发病人数的关联进行拟合。气象因素使用日平均气温,同时控制日平均气压、日降水量的混杂影响,分析日平均气温与发病人数的关系,并且对气温和滞后时间建立二维矩阵,研究气温对发病人数影响的滞后效应。基本模型如下:

$\begin{array}{l} \log {\rm{ }}\left[ {{\rm{E}}\left( {{\mathit{\boldsymbol{Y}}_t}} \right)} \right]{\rm{ }} = \alpha {\rm{ }} + \beta {\rm{ }}\mathit{\boldsymbol{TE}}{\mathit{\boldsymbol{M}}_{t,l}}{\rm{ }} + {\rm{ }}\mathit{\boldsymbol{ns}}\left( {{p_t},{\rm{ }}df{\rm{ }} = {\rm{ }}3} \right){\rm{ }} + \\ \quad \mathit{\boldsymbol{ ns}}\left( {{r_t},{\rm{ }}df{\rm{ }} = {\rm{ }}3} \right){\rm{ }} + {\rm{ }}\mathit{\boldsymbol{ns}}\left( {{T_t},{\rm{ }}df{\rm{ }} = {\rm{ }}7/{\rm{year}}} \right){\rm{ }} + {\rm{ }}\gamma \mathit{\boldsymbol{DO}}{\mathit{\boldsymbol{W}}_t}。\end{array}$ (1)

式中: E (Yt)为第t天发病人数数学期望;α为常数项;TEMt, l是应用DLNM中的cross-basis函数获得的关于气温的二维矩阵,β是回归模型中的解释变量系数;ns(pt, df = 3) 是使用自由度为3的自然立方样条曲线去控制气压的影响;ns(rt, df = 3) 是使用自由度为3的自然立方样条曲线去控制相对湿度的影响;T作为一个新设的时间序数变量,将其引入自然立方样条函数来控制季节趋势和长期趋势,ns(Tt, df = 7/year)是利用每年自由度为7的自然立方样条曲线去控制季节性和长期趋势的影响;DOWt是第t天为星期几的哑变量;γ为星期几效应的估计系数。

参照相关研究,选取的最大滞后时间为30 d,以年平均气温的中位数(P50)作为参照值,计算不同气温、不同的滞后时间下的相对危险度(RR)。若β为回归模型中的解释变量系数,气温在整个滞后时间内对脑卒中发病的RR可计算为eβ。在计算日均气温对脑卒中的影响时,以低温(8℃)和高温(32℃)分别相对于气温中位数的RR值来表示气温对脑卒中发病影响的强弱。低温(8℃)和高温(32℃)的RR值有统计学意义,且其RR的95%信度区间下限>1,表明对人体的发病是危险性因素。并分析不同性别和年龄组分层后,气温对每日脑卒中发病人数的影响。DLNM模型在计算气温等气象因素变化的前期积累效应时,即计算滞后效应,采用了一种从后往前看的算法,认为第t天的风险是前一段时间(t-L0,…,t-L)暴露效应的累加,可称为“后向视角”,L为暴露因素的最长滞后时间。

2 结果 2.1 相关分析

2010—2013年脑卒中发病人数合计12966例:脑出血日平均发病人数1.96例,其中男性1452例,≥65岁组1264例;脑梗塞日平均发病人数8.07例,其中男性7172例,≥65岁组8426例。兰州市研究时段平均气压、气温、相对湿度、降水量、风速日均值分别为846.51 hPa、11.07℃、49.66%、0.86 mm、1.26 m/s,具体见表 1

表 1 2010—2013年兰州市气象因素和脑卒中日发病人数描述性统计 Table 1 Descriptive statistics of meteorological factors and the number of stroke cases in Lanzhou city during 2010-2013

表 2可见,脑出血日发病人数与气温、气压、相对湿度均呈现显著正相关,其中气压对脑出血发病影响最显著(r=0.238,P < 0.01),而与其他气象因素间的相关性均无统计学意义。表明气压与气温协同作用影响脑出血的发病,或者当两者关系失衡时脑出血更易发病。脑梗塞日发病人数与气温、相对湿度均呈现显著正相关,而与气压呈显著负相关,其中气温对脑梗塞发病影响最显著(r=0.145,P < 0.01),而与其他气象因素间的相关性均无统计学意义。说明高温、高湿及气压波动剧烈的天气里脑梗塞易发病。

表 2 脑卒中与气象因素的相关分析 Table 2 Spearman correlation coefficients of meteorological factors and the number of stroke cases
2.2 不同滞后时间日平均气温对脑卒中日发病数的影响

将2010—2013年日均气温与脑卒中日发病数进行DLNM建模拟合,最大滞后时间设定为30 d,观察每一个滞后日对脑卒中日发病数的影响,得到不同滞后气温效应的三维图(图 1)。气温在不同滞后日与脑卒中的关联呈非线性,不同类型脑卒中与气温的关联强度存在差异。对于脑出血患者,低温在当天就表现出危害效应,随后发病风险不断增加,滞后2~3 d时达到最大,可持续至低温发生后的第30天。脑梗塞的发病过程与脑出血存在一定的差异,高温和低温均会引起发病风险增大,并且气温的效应在当天就能发生,在滞后3~5 d内最强,随着滞后时间的延长,高温和低温效应均逐渐波动下降(图 1b)。由图 1(c)日均气温与脑卒中的暴露反应关系可知,2010—2013年兰州市日平均气温对脑卒中发病效应曲线呈现出波动变化的趋势,就脑出血暴露反应关系而言,低温效应持续时间较长,在8~12℃气温区间发病风险高,高温热效应持续时间较短。脑梗塞暴露反应关系在12~16℃和≥26℃时,其发病的相对危险率随着日平均气温的降低或增高而增加。

图 1 日均气温在不同滞后天数与脑卒中的风险关联图 Figure 1 The relationship between average daily temperature and the risk of stroke

总体而言,气温对不同类型脑卒中发病影响是不同的:脑出血组发病多见于低温天气,脑梗塞组发病多见于高温天气。

2.3 8℃和32℃不同滞后对脑卒中发病的效应

每一年气温周而复始地由冷-热-冷,并且这种变化过程是阶梯式的而非匀速直线变化的,由此可知,脑卒中的发病主要与气温的变化即落差与速率有关,故脑出血发病高峰在冷暖交替、气温变化比较大的2—4月及10—12月份,脑梗塞的发病也以10—12月及6—8月居多,兰州每年冬春季节冷空气活动频繁,寒潮过境和沙尘天气频发,对脑卒中的发病影响较大。同时每年兰州夏季6—8月气温较高,人们在室外停留的时间较多,日照时间长,室外气温高,尤其是11—15时高温更明显,易诱发脑卒中。为了更好地了解气温对脑卒中的影响,本研究分析了2010—2013年脑卒中病人就诊高峰时间及其对应的气温的关系,发现8℃和32℃为就诊高峰期平均气温。同时8℃和32℃比较接近同期兰州冬春季与夏季的气温,故选择8℃和32℃分别代表低温效应和高温效应的气温节点。

以8℃和32℃作为低温效应和高温效应的气温节点,绘制30 d滞后曲线图。由图 2可以看出,不同临床类型的脑卒中,气温对不同性别人群的影响不同。对于脑出血患者而言,女性不论是低温还是高温条件下,气温效应在当天就能够发生,RR值以当天最高,后开始下降。男性的发病风险在不同气温条件下变化趋势略有差异,低温条件下,气温效应在当天就能够发生,且呈现波动变化,持续时间较长。在高温时,在当天就表现出危害效应,随后发病风险不断增加,滞后2~3 d时达到峰值,后开始下降。不同气温对不同年龄段人群的影响不同。成人(19~64岁)组,气温的效应在当天就能够发生,在滞后2~3 d后才表现出危害效应,随后发病风险不断增加,可持续至低温发生后的第30天;老年(≥65岁)组,发病的趋势是一个缓慢上升的过程,发病高峰出现在第3天,之后缓慢下降。

图 2 脑出血在8℃和32℃在不同滞后天数的风险关联图 Figure 2 The risks association of cerebral hemorrhage cases and temperature at 8℃ and 32℃ in different lag days

气温对脑梗塞患者的效应不同于脑出血患者(图 3)。在低温条件下,对女性来说,气温效应在当天就能够发生,高温条件下,发病的趋势是一个缓慢上升的过程。男性在低温时,低温的影响在1~2 d开始出现,约3 d达最高,随后开始下降,持续时间长。高温时,高温效应表现为急性作用,当天的效应值最高,随后波动变化,影响持续。19~64岁和≥65岁人群高温效应均表现为急性作用,在当天就表现出危害效应,随着滞后天数的增加,发病风险不断增加。低温时,≥65岁人群在当天就表现出危害效应,而19~64岁人群在1~2 d开始出现危害效应,约3 d达最高,随后波动变化,影响持续。

图 3 脑梗塞在8℃和32℃在不同滞后天数的风险关联图 Figure 3 The risks association of cerebral infarction cases and temperature at 8℃ and 32℃ in different lag days
2.4 不同滞后气温对不同性别、不同年龄人群的累积效应

根据DLNM得到不同滞后气温对不同年龄、不同性别人群的累积效应(表 3)。由表 3可知,脑出血人群中,低温的滞后效应以0~30 d最强,气温每下降1℃男性和女性发病风险分别增加1.16%和1.91%;19~64岁人群和≥65岁人群发病风险分别增加1.45%和1.35%;女性和19~64岁人群更为敏感。高温条件下,男性、女性、19~64岁和≥65岁人群在滞后期内的累积热效应均无统计学意义。

表 3 不同气温对不同性别、不同年龄脑出血人群的累积效应 Table 3 The cumulative effects of various temperatures on different gender and age groups of cerebral hemorrhage

表 4可知,脑梗塞人群中,高温条件下,男性在滞后期为0~30 d内的累积热效应达到最大但无统计学意义,女性在0~30 d内最强,气温每升高1℃发病风险增加1.30%。高温时,19~64岁人群的滞后效应在0~21 d内最强,气温每升高1℃发病风险增加1.33%。男性低温的滞后效应以0~5 d最强,气温每降低1℃,男性发病风险增加1.09%。女性低温的滞后效应以0~10 d最强,但无统计学意义。各年龄组人群中,19~64岁人群低温的累积效应在滞后0~10 d内达到最强,对于≥65岁人群,低温的累积效应在滞后期为0~10 d时达到最大,RR值为1.07,但无统计学意义。高温在不同滞后时间的累积效应均高于低温的效应。

表 4 不同气温对不同性别、不同年龄脑梗塞人群的累积效应 Table 4 The cumulative effects of various temperatures on different gender and age groups of cerebral infarction
3 结论与讨论

本研究搜集了兰州市2010—2013年的气象记录和脑卒中的患病数据,分析该地区气温的变化对脑卒中发病的影响。兰州市脑卒中发病与气压和气温相关,气象要素异常波动与气温气压配置失衡易诱发脑卒中,气温是诱发兰州市脑卒中发病的主要气象因素,气温的变化能够显著增加脑卒中的发病风险,气温效应出现时间迅速。气温变化对于不同性别、不同年龄的脑卒中患者发病有明显影响,女性和19~64岁人群更为敏感。

日平均气温对脑出血发病的影响中,女性所受的热效应和冷效应均大于男性,这可能是由不同性别的内分泌水平等不同导致的,女性体内的雌激素和孕激素联合作用可以增加中风的发病危险性。冷效应随着年龄的增长而减小,即年龄越大,日平均气温越低脑出血发病的风险越低。这种效应的产生可能是当外界气温较低时,老年人往往减少外出,多待在室内。热效应随着年龄的增长而增大,即年龄越大,日平均气温越高脑出血发病的风险越高,这主要因为随着年龄增加,人体各种组织逐渐老化,尤其是脑血管,65岁以上老年人心输出量比20~30岁人减少20%~30%,同时动脉弹性降低和血流分布、血液粘滞度的改变,从而易导致脑血管疾病的发生[12-13]

对于脑梗塞发病而言,男性所受冷效应和热效应均大于女性。这主要可能与男性从事体力劳动多、劳动强度大、精神压力大以及男女性别激素的不同作用机制有关,同时,兰州存在自身的居民文化以及饮食习惯,男性吸烟、饮酒、高脂饮食的比例超过女性。≥65岁人群所受冷效应和热效应随着年龄的增长而增大,即年龄越大,日平均气温越高脑梗塞发病的风险越高,这可能与老年人生理功能的衰退、对气温变化适应能力的降低有关。此外,兰州市独居、空巢老人比例较高,由于缺乏社会联系和社会支持,在寒冷或高温天气更容易受影响。

此外,本研究利用Spearman相关初步分析了各气象因素与不同类型脑卒中发病数的相关性,相关性分析结果表明,脑出血日发病人数与气温、气压、相对湿度均呈现显著正相关,其中气压对脑出血发病影响最显著(r=0.238,P < 0.01)。研究人员使用单因素相关分析和多元逐步线性回归相结合的方法分析了中国不同地区或城市脑卒中发病与各季气象要素的关系,得出以下结论[12-18]:尽管存在地区差别,国内有关气象因素与脑梗塞及脑出血的关系大致一致。脑出血与气温呈负相关,而与气压呈正相关。但也有研究发现脑出血与气象因素之间的关系不显著。如方宁[19]使用相关性分析和多元线性回归方法探讨了气象因素对山西省长治脑出血发生的影响:长治脑出血与月平均气压正相关,与其他气象因素无明显相关性。万鹏程[20]使用单因素相关分析对成都地区病例分析后,结果显示发现未见脑实质出血日发病人数与每天各气象因素及API指数(空气污染指数)存在显著关系。

本研究虽然也发现脑出血与气压和气温相关,但气温对脑出血的影响与上述研究结果不一致。国内大部分研究发现脑出血与气温成负相关,发病的相对危险度随着气温的降低而增加;本研究则显示兰州脑出血发病与气温成正相关。这与兰州市特殊的气候条件密不可分。兰州市属于温带大陆性季风气候,气候类型特点为夏季高温多雨、冬季寒冷干燥、冬冷夏热、雨热同期。兰州四季分明、冬冷夏热使气温呈现倒U型的季节变化规律,与此同时兰州是西方路径冷空气和西北路径沙尘暴东移南下的必经之地,加之高原大地形和局地地形的共同作用、各种天气过程如冬季的寒潮过境,春季的沙尘天气带来的大风降温过程活动比较频繁,在上述天气出现时,兰州市大气气压剧烈波动变化,同时每日早晚或相邻几日内气温相差很大,当气压升高时,人体会产生一种不适感,这种不良的刺激,使大脑皮质功能障碍,引起神经中枢功能失调,心脏排血量和血容量增加,导致血压升高,易诱发脑出血。

相关性分析结果还表明:兰州脑梗塞日发病人数与气温、相对湿度均呈现正相关,而与气压呈现负相关,其中气温对脑梗塞发病影响最显著(r=0.145)。李卫[13]、李翠华[14]、黄仁发[15]通过分析南昌、青岛、太原脑梗塞发病与8项气象指标关系后,得出如下结论:与相对湿度呈负相关,与气温及气压呈正相关,说明干爽、气温及气压比较平和的天气里脑梗塞低发。但也有部分研究发现脑梗塞发病与气温呈负相关[16-18],与相对湿度无明显相关性[19-20]。兰州气温对脑梗塞的影响与青岛、南昌、太原接近,但是气压的影响与三地不同,这是由兰州远离内陆高低压中心所致。此外,兰州气温对脑梗塞的影响与长治、成都、大连亦不同,上述城市脑梗塞发病与当天的日平均气温呈负相关,兰州气温对脑梗塞的影响是正相关,这与兰州市特殊的地貌特征和气候条件密不可分。

本研究仍存在一些局限性,如没有控制大气污染对脑卒中发病的影响,且目前研究的资料来源主要是医保信息,现场监测资料研究报道较少。从流行病学的角度分析,医保资料不能完全代表疾病的发生频率,同时作为历史资料也难免存在一定的信息偏倚和选择偏倚。

参考文献
[1]
梁丽英. 广州市气象因素和空气污染与脑卒中发病的相关性研究[D]. 广州: 广州医学院, 2009 http://cdmd.cnki.com.cn/Article/CDMD-10570-2010020337.htm
[2]
王旭. 沈阳地区脑卒中发病与气象环境因素的相关性[J]. 中国临床康复, 2006, 10(36): 12-13. DOI:10.3321/j.issn:1673-8225.2006.36.005
[3]
曾贤翠, 王文彦, 顾克繁, 等. 白银市气象因素与脑卒中的相关性研究[J]. 西部中医药, 2012, 25(7): 55-56.
[4]
方万里, 马利娟. 宁波地区脑卒中发病规律与气象诱因统计分析[J]. 西部中医药, 2014, 31(1): 137-138.
[5]
Armstrong B. Models for the relationship between ambient temperature and daily mortality[J]. Epidemiology, 2006, 17(6): 624-631. DOI:10.1097/01.ede.0000239732.50999.8f
[6]
罗焕金, 曾四清, 胡梦珏, 等. 极端低温对呼吸系统疾病住院人数影响的时间序列分析[J]. 华南预防医学, 2014, 40(6): 504-511.
[7]
潘洁, 杨军, 李萌萌, 等. 分布滞后非线性模型在气象因素对手足口病发病影响研究中的应用[J]. 环境与健康杂志, 2016, 33(5): 377-380.
[8]
Gasparrini A, Armstrong B, Kenward M G. Distributed lag non linear models[J]. Stat Med, 2010, 29(21): 2224-2234. DOI:10.1002/sim.v29:21
[9]
Gasparrini A. Distributed lag linear and non-linear models in R: the package DLNM[J]. Journal of Statistical Software, 2011, 43(8): 1-20.
[10]
Gasparrini A, Armstrong B, Kenward M G. Reducing and meta-analyzing estimates from distributed lag non-linear models[J]. BMC Medical Research Methodology, 2013, 13(1): 1-10. DOI:10.1186/1471-2288-13-1
[11]
Gasparrini A. Modeling exposure-lag-response associations with distributed lag non-linear models[J]. Statistics in Medicine, 2014, 33(5): 881-899. DOI:10.1002/sim.5963
[12]
王伯余, 吴礼庆. 长沙市居民脑卒中与季节天气型和气候的关系[J]. 湖南医学, 1993, 3: 163-164.
[13]
李卫. 气象因素对青岛市区居民脑血管病发病影响的研究[D]. 青岛: 青岛大学, 2003 http://cdmd.cnki.com.cn/Article/CDMD-11906-2004096112.htm
[14]
李翠华. 太原市气象因素与脑卒中发病关系的研究[D]. 山西: 山西医科大学, 2007
[15]
黄仁发. 南昌市气象因素与脑卒中发病关系的研究[D]. 南昌: 南昌大学, 2007
[16]
[17]
杨滨泽. 大连市气象因素与脑卒中发病的相关性分析[D]. 大连: 大连医科大学, 2015
[18]
洪斌, 徐钧陶, 王卫华, 等. 巢湖市气象因素与脑卒中发病关系的研究[J]. 蚌埠医学院学报, 2015, 40(1): 49-51.
[19]
方宁. 气象因素对山西省长治市五种常见疾病的急诊状态发生的影响[D]. 长沙: 中南大学, 2011 http://d.wanfangdata.com.cn/Thesis/Y1915302
[20]
万鹏程. 成都地区气象因素和空气污染与急性脑卒中发病的关系[D]. 泸州: 泸州医学院, 2012 http://cdmd.cnki.com.cn/Article/CDMD-10632-1012485054.htm
Distributed Lag Effects in the Relationship Between Daily Mean Temperature and the Incidence of Stroke in Lanzhou
Dong Jiyuan1, Chen Yongcong1, Zhang Benzhong1, Zhou Ji2, Wang Shigong3    
1. School of Public Health, Lanzhou University, Lanzhou 730000, China;
2. Shanghai Key Laboratory of Meteorology and Health, Shanghai 200030, China;
3. College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China
Abstract: Based on the daily data on stroke morbidity and meteorological data in Lanzhou during 2010-2013, the association between temperature and the morbidity of stroke among the population was addressed using the distributed lag non-linear model, and the possible impacts of different temperature and different lag days on stroke morbidity were analyzed. The results show a close association between stroke morbidity and the meteorological factors. Analysis of correlation between the meteorological factors and patient characteristics of stroke show the daily number of stroke cases is correlated with temperature, atmospheric pressure and relative humidity. Temperature presented non-linear association with stroke over different lag days. Different types of stroke vary in their strength of association with temperature. For patients with cerebral hemorrhage, low temperature would demonstrate hazardous effect, the risk of morbidity would constantly rise with the increasing lag days before reaching the peak at 2-3 lag days, and could persist through 30 days after the occurrence of low temperature. The course of cerebral infraction presented certain differences from that of cerebral hemorrhage. Both high and low temperature could increase the risk of morbidity, and the temperature effect would occur on the same day and reach the peak within 3-5 lag days. Low temperature had greater impacts on women or those aged 19-64 years, while high temperature had greater impacts on those ≥65 years old. Low temperature had impacts on morbidity of various types of stroke, while high temperature only had impacts on morbidity of ischemic stroke. The impacts of temperature on stroke morbidity vary in different age groups and gender, and in different types of stroke. Temperature acts as an external etiological factor by affecting the organism's functions.
Key words: meteorological factors    stroke    lag effects    Lanzhou city