Bayes判别分析在肾综合征出血热发病预测研究中的应用
目的 研究肾综合征出血热(HFRS)发病与气象因素和动物宿主的关系并建立合理的数学预报模型.方法 首先选取逐月及逐年的气象指标,包括气压、气温、降雨量、相对湿度、日照时数和日照百分率作为代表因素;然后对HFRS与气象因素和动物宿主间的关系进行Pearson、Kendall及Spearman相关分析,最后利用气象因素和包括鼠密度及鼠带病毒率的动物宿主信息作为解释变量进行Bayes判别分析.结果 HFRS年发病疫情与鼠密度关系最为密切(r=0.738,P=0.000),而影响鼠密度最显著的气象因素是日照时数、日照百分率和降雨量.其中日照时数与鼠密度呈正相关(r=0.494,P=0.016),而降雨量与鼠密度近似呈负相关(r=-0.350,P=0.101).利用气象及动物宿主资料预测当年的人间发病强度时,逐步判别分析及全变量判别分析均具有良好的效果.逐步判别分析的组内回代及弃一交叉验证准确率均为82.6%(19/23),而全变量判别分析的组内回代准确率为90.9%(20/22),弃一交叉验证准确率为8I.8%(18/22).当预测下一年的发病强度时,逐步判别分析的组内回代及弃一验证正确率均为86.4%(19/22),而全变量判别分析的组内回代分类正确率为100%(21/21),弃一交叉验证分类正确率仅为57.1%(12/21).结论 气象因素影响动物繁殖及动物间疫情,进而影响人间的HFRS疫情,Bayes 逐步判别分析在预测HFRS疫情方面具有一定实际应用价值.
肾综合征出血热、气象因素、预报
20
R181.8+1(流行病学与防疫)
国冢目然科学基金70503028;30771860
2009-05-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
147-150