流行性出血热流行动态及其相关数学分析

论文摘要

本文根据江苏省疾病控制中心提供的1963-2000年出血热疾病数据,分析了江苏省出血热发病的流行特征。结果表明:八十年代是出血热疾病的爆发期;徐州、连云港、无锡和常州市是出血热疾病高发城市;出血热发病具有季节性变化趋势,11月至次年1月为出血热疾病高发季节,占总发病人数的56.2%;青壮年发病率最高,男性与女性发病之比平均为2.697,工人和农民是出血热发病的主要人群。 本文通过逐步回归分析选出主要气象影响因子,得出出血热发病与最低气温、日照和湿度有显著相关性,并建立逐步回归模型。通过时间序列方法建立出血热与气象因子的自回归误差模型和状态空间模型,并利用状态空间模型进行预报,分析结果表明,状态空间模型模拟值和实测值很吻合。 本文通过多元统计主分量分析方法建立关于出血热的主分量分析数学模型,将变量个数减少,使计算省时,分析起来简单化,用累计贡献率为89.377%的3个主分量来很好的概括原来冗长的数据。得出出血热的发病与宿主活动、气象影响因子以及人类的流动有关。为以后分析此类问题提供一个简单的方法。

论文目录

• 第一章 绪论
• 1.1 问题的提出
• 1.2 研究现状
• 1.2.1 目前研究中存在的不足之处
• 1.3 本文研究的目标、资料和方法
• 1.3.1 研究目标
• 1.3.2 研究资料
• 1.3.3 研究方法
• 第二章 江苏省流行性出血热疫情分析
• 2.1 材料来源
• 2.2 结果
• 2.2.1 出血热发病的时间分布
• 2.2.2 出血热发病的空间分布
• 2.2.3 出血热发病的季节分布
• 2.2.4 出血热发病的人群分布
• 2.2.4.1 年龄分布
• 2.2.4.2 性别分布
• 2.2.4.3 职业分布
• 第三章 出血热流行动态及其与气象因子的相关数学分析
• 3.1 逐步回归分析
• 3.2 时间序列
• 3.3 实例应用
• 3.3.1 资料来源
• 3.3.2 方法
• 3.3.3 赣榆县出血热发病规律分析
• 3.3.4 出血热发病与气象因子的逐步回归分析
• 3.3.5 建立时间序列模型
• 3.3.5.1 自回归误差模型
• 3.3.5.2 状态空间模型
• 3.4 模型分析
• 第四章 赣榆县出血热发病的主分量分析数学模型
• 4.1 主分量分析数学模型
• 4.2 实例应用
• 4.2.1 资料来源
• 4.2.2 结果
• 4.3 结果分析
• 第五章 本文主要结论
• 5.1 本文主要结论
• 5.2 本研究特色和创新之处
• 5.3 出血热的防治工作
• 参考文献
• 致谢