为建立基于分布滞后非线性模型(Distributed Lag Non-linear Model, DLNM)的CO_(2)诱蚊灯监测的蚊密度模型,探索不同气候条件下上海市淡色库蚊密度变化的特征,在上海市15个区,于4-11月每旬共设置229个CO_(2)诱蚊灯,监测淡色库蚊密度。以...为建立基于分布滞后非线性模型(Distributed Lag Non-linear Model, DLNM)的CO_(2)诱蚊灯监测的蚊密度模型,探索不同气候条件下上海市淡色库蚊密度变化的特征,在上海市15个区,于4-11月每旬共设置229个CO_(2)诱蚊灯,监测淡色库蚊密度。以2018-2020年的监测数据建立基于DLNM的蚊密度与气象因素的方程。以改进的赤池信息准则(QAIC)对各个气象因素、连接函数和参数组合进行评价,最终选择QAIC最小的模型。最终建模结果取类泊松模型为DLNM的连接函数,进入模型的气象因素包括每旬的日平均最高气温、平均日降雨量和平均相对湿度。结果显示,旬平均最高气温与淡色库蚊密度呈倒“U”型关系,在平均最高气温大于10℃后逐步升高,在30℃达到密度峰值,其后逐步降低。平均日降雨量与淡色库蚊密度呈“J”型关系,在日平均降雨量大于6 mm后逐步升高。旬平均相对湿度与淡色库蚊密度呈倒“U”型关系,在平均相对湿度为70%时达密度峰值。结果表明,DLNM可以解释气象因子变量对蚊虫种群密度的影响,从而预测未来蚊虫密度的变化,为开展蚊虫控制措施提供科学依据。展开更多
目的通过R软件实现分布滞后非线性模型(distributed lag non-linear model,DLNM)与多元meta分析的两阶段分析。方法通过1个时间序列数据实例研究介绍利用R软件实现DLNM与多元meta分析2阶段分析的具体步骤。结果DLNM与多元meta分析的两...目的通过R软件实现分布滞后非线性模型(distributed lag non-linear model,DLNM)与多元meta分析的两阶段分析。方法通过1个时间序列数据实例研究介绍利用R软件实现DLNM与多元meta分析2阶段分析的具体步骤。结果DLNM与多元meta分析的两阶段分析可以在R软件中实现。结论R软件可灵活方便地构建DLNM以及实现多元meta分析,在环境流行病学中可广泛应用。展开更多
文摘目的通过R软件实现分布滞后非线性模型(distributed lag non-linear model,DLNM)与多元meta分析的两阶段分析。方法通过1个时间序列数据实例研究介绍利用R软件实现DLNM与多元meta分析2阶段分析的具体步骤。结果DLNM与多元meta分析的两阶段分析可以在R软件中实现。结论R软件可灵活方便地构建DLNM以及实现多元meta分析,在环境流行病学中可广泛应用。
