一种构建空气质量健康指数AQHI的方法技术

本发明专利技术公开了一种构建空气质量健康指数AQHI的方法，包括以下步骤，采集数据步骤：采集空气污染物浓度数据和当地医院的多类空气污染相关疾病的门诊和死亡数据分别作为数据源；模型训练步骤：分别使用了广义相加模型(GAM)、贝叶斯模型和分布滞后非线性模型(DLNM)三种模型与采集数据步骤中的数据源进行组合从而寻找最优组合。本发明专利技术分别使用门诊数据和非意外死亡数据用来评估空气污染物对健康的影响，能够从不同侧面反映空气质量对人群健康的影响，空气污染相关轻症疾病的发病情况，从而更加敏感、全面，有效的补充了以往研究中单一选择死亡或住院数据的弊端。择死亡或住院数据的弊端。择死亡或住院数据的弊端。

A method of constructing air quality health index AQHI

【技术实现步骤摘要】
一种构建空气质量健康指数AQHI的方法


[0001]本专利技术涉及大气环境污染和气象变化对人群健康影响的风险分析技术 领域，具体涉及一种构建空气质量健康指数AQHI的方法。

技术介绍

[0002]空气污染能对人体健康产生巨大影响，目前世界各地广泛采用空气质量指 数(AQI)来评估空气质量，我国自2013年起采用AQI指数进行空气质量实 时监测。但AQI无法反映空气污染和健康之间无阈值的浓度响应关系。有分 析表明，在加拿大的AQI的指标体系下，90％和空气污染相关的疾病发生在空 气质量为“优级”或“良好”的日子里。有鉴于此，加拿大于2007年提出空 气质量健康指数(AQHI)的概念，以期构建出一种能够更好地反映空气质量 对人体健康的影响的指数。加拿大发布全球第一个空气质量健康指数(AQHI) 后，多个国家和地区也采取不同的方法构建和发布当地的AQHI指数。
[0003]首先，如何选择健康结局是正确反映暴露反应关系的关键，更是构建 AQHI体系中的关键问题。此外，该模型仅考虑空气污染单日的滞后效应，没 有考虑到空气污染物在过去一段时期累积的滞后效应。毫无疑问，过去一段时 间的累积滞后效应同样会对人群健康产生影响
[0004]中国专利号201610305292.9公开了一种室内空气质量指数的计算和分级 方法，包括如下步骤：S1、选择与人体健康和舒适度关系密切的空气质量参数 构成室内空气质量参数；S2、将室内空气质量参数分为人体健康性参数和人体 舒适度参数；S3、确定人体健康性指数的计算方法和分等级的各个污染物浓度 限值的数值区间，确定区分首要污染物和超标污染物的方法；S4、确定人体舒 适度指数计算方法和分等级的数值区间；S5、采集室内空气的空气质量参数； S6、计算人体健康性指数，确定首要污染物和超标污染物；S7、计算人体舒 适度指数；S8、根据人体健康性指数和人体舒适度给出空气质量的级别的综合 评价；以及S9、结束。
[0005]上述以及在现有技术中的构建空气质量健康指数AQHI时，无法反应鼻炎 等空气污染相关轻症疾病的发病情况，导致无法全面实时的反应空气污染对人 群健康的影响，且仅考虑空气污染某单日的滞后效应，不能考虑到空气污染物 在过去一段时期累积的滞后效应，导致构建空气质量健康指数不准确。因此， 亟需设计一种构建空气质量健康指数AQHI的方法来解决上述问题。

技术实现思路

[0006]本专利技术的目的是提供一种构建空气质量健康指数AQHI的方法，以解决现 有技术中的上述不足之处。
[0007]为了实现上述目的，本专利技术提供如下技术方案：
[0008]一种构建空气质量健康指数AQHI的方法，包括以下步骤：
[0009]采集数据步骤：采集空气污染物浓度数据和当地医院的多类空气污染 相关疾病
的门诊和死亡数据分别作为数据源；
[0010]模型训练步骤：分别使用了广义相加模型(GAM)、贝叶斯模型和分 布滞后非线性模型(DLNM)三种模型与采集数据步骤中的数据源进行组 合从而寻找最优组合；
[0011]模型确定步骤：基于暴露
‑
滞后
‑
反应关联的分布滞后非线性模型，并考 虑一段时间的累计效应，选定DLNM模型作为训练模型，所述DLNM模 型公式为:
[0012]Log[E(Y
t
)]＝α+s(x
it
；η)+s(t，df＝7/Year)+s(temp，df＝3)+s(humidity，df＝3)+DOW+holiday；
[0013]计算与分级步骤：根据WHO 2021公布的空气污染物的第一阶段过渡 值计算出超额风险(WHO
‑
IT1
‑
ER)，进而换算出相应的AQHI值，设为10， 作为超高风险的下限值；
[0014]将AQG第一阶段限值的二分之一代入，得出的相应AQHI值作为中风 险的上限值；
[0015]将指导值(AQG)得到的超额风险(WHO
‑
AQG
‑
ER)计算所得的AQHI 值，四舍五入后作为低风险的上限值；
[0016]由此将AQHI划分为四个风险等级：低风险、中风险、高风险、超高 风险；
[0017]AQHI计算公式为：
[0018][0019]优选的，在所述模型确定步骤中，Y
t
代表第t日某类门诊病人总数，t 为时间变量。
[0020]优选的，在所述模型确定步骤中，DOW为星期变量，holiday为节假 日变量。
[0021]优选的，在所述模型确定步骤中，temp为全市日平均温度，humidity 为全市日平均湿度。
[0022]优选的，在所述模型确定步骤中，s()代表自然样条函数，其用来控制 其他变量的非线性影响，df为自由度。
[0023]优选的，设定时间变量为7个自由度/年，温度为3个自由度，湿度为 3个自由度。
[0024]优选的，在所述模型确定步骤中，S(X
it
；η)表示各种解释变量的交叉 基函数，即描述污染物与日门诊人数的关系和滞后效应的函数，其中X
it
表示污染物i在第t日的平均浓度，η为相应的系数。
[0025]优选的，在所述采集数据步骤中，所述空气污染物数据包括PM
2.5
、 PM
10
、SO2、NO2、CO和O3任意一种或多种的污染物浓度数据。
[0026]优选的，在所述采集数据步骤中，所述死亡数据为非意外死亡人数， 并对病人的死亡原因采用ICD 10
th
进行编码。
[0027]优选的，在所述采集数据步骤中，所述门诊数据为非意外原因发病就 诊病人的数据，所述病人的数据包括病人的年龄、性别和疾病ICD
‑
10编码。
[0028]在上述技术方案中，本专利技术提供的一种构建空气质量健康指数AQHI的 方法，有益效果。(1)本专利技术分别使用门诊数据和非意外死亡数据用来评 估空气污染物对健康的影响，能够从不同侧面反映空气质量对人群健康的 影响，空气污染相关轻症疾病的发病情况，从而更加敏感、全面，有效的补 充了以往研究中单一选择死亡或住院数据的弊端；(2)本专利技术分别使用了 广义相加模型(GAM)、贝叶斯模型和分布滞后非线性模型(DLNM)三 种模型与前述数据源进行组合从而寻找最优组合，从而考虑到空气污染物在 过去一段时期累积的滞后效应，使得构建空气质量健康指数更加准确；(3) 本专利技术经检验，DLNM比GAM能
更好地反映各空气污染物对非意外、循 环系统疾病和呼吸系统疾病三大类疾病，以及COPD和急性鼻咽炎等多种 具体疾病的影响，由DLNM模型构建的AQHI可以比GAM更好地反映空 气污染物浓度上升对上述疾病门诊率风险的增长，可以更有效地评估多种 空气污染物对人群健康的综合影响。
附图说明
[0029]为了更清楚地说明本申请实施例或现有技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种构建空气质量健康指数AQHI的方法，其特征在于，包括以下步骤：采集数据步骤：采集空气污染物浓度数据和当地医院的多类空气污染相关疾病的门诊和死亡数据分别作为数据源；模型训练步骤：分别使用了广义相加模型(GAM)、贝叶斯模型和分布滞后非线性模型(DLNM)三种模型与采集数据步骤中的数据源进行组合从而寻找最优组合；模型确定步骤：基于暴露
‑
滞后
‑
反应关联的分布滞后非线性模型，并考虑一段时间的累计效应，选定DLNM模型作为训练模型，所述DLNM模型公式为：Log[E(Y
t
)]＝α+s(x
it
；η)+s(t，df＝7/Year)+s(temp，df＝3)+s(humidity，df＝3)+DOW+holiday；计算与分级步骤：根据WHO 2021公布的空气污染物的第一阶段过渡值计算出超额风险(WHO
‑
IT1
‑
ER)，进而换算出相应的AQHI值，设为10，作为超高风险的下限值；将AQG第一阶段限值的二分之一代入，得出的相应AQHI值作为中风险的上限值；将指导值(AQG)得到的超额风险(WHO
‑
AQG
‑
ER)计算所得的AQHI值，四舍五入后作为低风险的上限值；由此将AQHI划分为四个风险等级：低风险、中风险、高风险、超高风险；AQHI计算公式为：2.根据权利要求1所述的一种构建空气质量健康指数AQHI的方法，其特征在于，在所述模型确定步骤中，Y
t
代表第t日某类门诊病人总数，t为时间变量。3.根据权利要求2所述的一种构建空气质量健康指数AQHI的方法，其特征在于，在所述模型确定步...

【专利技术属性】
技术研发人员：冯文如，吕嘉韵，苗宇田，熊莉华，黄德演，余捷全，
申请(专利权)人：广东毓秀科技有限公司，
类型：发明
国别省市：