一、Valuing health effects from the industrial air pollution in rural Tianjin,China（论文文献综述）
范丹,叶昱圻,王维国[1]（2021）在《空气污染治理与公众健康——来自“大气十条”政策的证据》文中研究表明为探究《大气污染防治行动计划》（以下简称"大气十条"）的健康效应,本文基于中国健康与营养调查（CHNS）数据及省级面板数据,利用基于多项Logit模型的双重差分法（Logit-DID）,从微观与宏观两个维度考察"大气十条"政策的健康改善效应及其传导机制,并进一步通过异质性分析探讨环境健康不平等的内在原因。研究发现:"大气十条"实施带来显着的健康效应,该政策不仅能有效控制与空气污染高度相关疾病的发病率和死亡占比,还能够间接降低受空气污染影响较小的疾病病情。其作用机理主要通过控制PM2.5浓度改善公众健康,同时该政策对二氧化硫（SO2）、氮氧化物、烟（粉）尘等其他污染物浓度的下降起到了协同作用。进一步分析显示环境福利不公平的现象依然存在,"大气十条"政策显着降低了疾病高发人群的发病率,且对女性、城镇居民和低、高年龄段等疾病高发人群的健康影响更显着。本文为政府构建环境健康公平发展路径,推进"健康中国"战略提供了经验证据和政策借鉴。
刘铠豪,佟家栋,刘润娟[2]（2021）在《出口扩张对儿童发病率的影响——来自中国的证据》文中研究说明在全球经济复苏乏力的背景下,"逆全球化"浪潮正以不可思议的速度席卷全球,并顺势引导着我们重新审视"全球化"的益处及其隐形成本。本文以中国改革开放以来迅猛的出口扩张为背景,首次系统地探讨了出口扩张的儿童健康成本。本文基于中国健康与营养调查等数据库,采用能够较好地避免内生性问题的Bartik方法构建了地区出口冲击和出口引致的污染冲击,并利用外部关税变化构建了工具变量。研究发现:出口冲击降低了儿童生病的可能性,而出口引致的空气污染冲击增加了儿童生病的可能性。具体而言:一个标准差的出口冲击降低儿童生病的可能性为1.05%;在出口引致的空气污染冲击中,一个标准差的出口引致的二氧化硫污染冲击增加儿童生病的可能性为2.07%,一个标准差的出口引致的氮氧化物污染冲击增加儿童生病的可能性为2.40%,一个标准差的出口引致的粉尘污染冲击增加儿童生病的可能性为2.29%。影响机制检验结果表明,出口扩张主要通过父母工资收入、营养摄入、公共服务的供给水平、留守儿童和环境质量五个路径影响儿童健康。异质性检验结果显示,出口冲击及其引致的空气污染冲击对儿童发病率的影响作用在不同疾病种类、不同年龄阶段之间有所差异,但在性别、城乡之间不存在明显差异。最后,对贸易福利进行了重新估算后发现,出口扩张总体上增加儿童生病的可能性为2.82%,其医疗成本腐蚀了家庭工资福利的6.53%。
谢晗进,李骏,李成[3]（2021）在《生态文明建设对空气质量和居民健康水平的影响——基于生态文明先行示范区设立的准自然实验》文中进行了进一步梳理空气质量是居民健康水平的重要影响因素,生态文明建设旨在改善环境质量,对居民健康水平的影响不容忽视。利用生态文明先行示范区（江西、福建、贵州、云南和青海）的设立作为准自然实验,研究生态文明建设对空气质量和居民健康状况的影响。首先,基于宏观数据采用合成控制法研究发现,生态文明先行示范区的设立改善了示范区的空气质量;其次,基于家庭住户微观数据采用双重差分法研究发现,生态文明先行示范区的设立显着提升了示范区居民的健康水平;最后,异质性分析发现,生态文明先行示范区的设立对福建、贵州和青海居民的健康水平改善效果显着,对江西和云南居民健康水平的影响效果不明显。
申付振[4]（2021）在《中国大气污染物浓度及空气质量健康指数的时空变化研究》文中研究说明过去的十几年,伴随着中国经济的快速发展和城市化进程的加快,我国的空气污染状况日趋严重,引起了人们的广泛关注。研究表明,空气污染会对人体健康造成严重的危害,为了改善空气质量,中国政府制定一系列标准并实施一系列清洁空气计划,以保护公众健康。此外,为了更好地对空气污染的健康效应进行评估,本文首先对比研究了现有的三种空气质量指数（Health-based Air Quality Index,HAQI、Aggregate AQI,AAQI和AQI）。结果表明,HAQI指数更适合用于评估全国大气复合污染状况下的健康风险。进而,通过将HAQI指数应用到全国健康风险暴露及与社会经济因子关系的研究中,全面评估了2015～2018年全国减排措施实施过程中大气污染物浓度及相应的健康效应的变化。结果表明,全国清洁空气计划实施过程中,颗粒物的浓度显着下降,臭氧（Ozone,O3）污染问题凸显,华北平原地区的污染物健康风险依然很高。此外,污染物浓度及健康效应的变化不仅人为排放的影响,还会受气象条件变化的影响。因此,为了分别量化认为排放和和气象条件的贡献,本文利用“新冠”短期封锁期作为时间窗口,选择O3生成反应的前体物NO2作为研究对象,来量化人为排放和气象条件的贡献。结果表明,与2019年同时期相比,“新冠”期间全国的污染物健康风险明显降低,“新冠”期间全国367个城市平均NO2的减排比例为37.9%,其中气象因子作用下的增量为7.8%。本文中,空气质量健康指数的算法和全国367个城市的空气质量数据(PM2.5、PM10、SO2、NO2、O3和CO)主要用来量化污染物浓度的变化和健康效应;全国各个城市的社会经济因子数据（城市建筑面积、城市总人口数、国内生产总值、人口密度、第二产业份额、第三产业份额以及城市家庭人均收入）主要用来探索与HAQI之间的关系;全国各个城市的地表气象数据（温度、湿度、降雨、风速、风向和气压）主要用作机器学习的变量,预测“新冠”期间NO2浓度的变化;哥白尼大气监测服务（Copernicus Atmosphere Monitoring Service,CAMS）再分析数据（CAMS NO2和O3）主要用来和空气质量数据进行对比,量化“新冠”期间人为排放变化对NO2的影响。具体的研究结果如下:三种空气质量健康指数的研究以人口最大的省份——河南省为例,结果表明:三种空气质量指数在评估健康效应时会出现彼此对应级别不匹配的现象;HAQI和AAQI的值均在一定程度上大于AQI的值,说明当前的AQI系统可能大大低估了空气污染的健康风险;相比而言,HAQI更适合评估多污染物的健康风险。全国空气质量健康指数暴露及其与社会经济因子关系的研究发现,从2015年到2018年,全国的减排成效表现为PM2.5,PM10,SO2和CO的浓度显着降低,分别减少了22.1%、13.5%、46.4%和21.5%;NO2减少不明显（6.3%）,O3的浓度水平显着增加（13.7%）,控制O3污染问题成为下一步清洁空气计划的重点;探索全国社会经济因素与HAQI关系时发现,HAQI与第二产业份额之间存在线性关系,表明消耗化石燃料燃烧和其他能源的第二产业是HAQI的主要社会经济驱动因子。由此表明,第二产业的结构调整和升级是降低中国空气污染健康风险的有效策略。评估“新冠”期间空气质量健康指数以及人为排放和气象因子变化对NO2浓度变化的影响时,由于CAMS模型的排放清单不变,故CAMS NO2与真实值的差值可视为人为减排量。通过计算可知,2015～2019年平均的CNY期间,全国NO2浓度水平降低了26.7%,O3的平均浓度水平增加了23.3%;而在“总新冠”期间,全国几乎所有城市的NO2都有了一定程度的减排,平均的减排比例为53.57%,O3的增加比例为33.5%。去除CAP的影响,全国平均的NO2的减排比例为37.9%,在此期间O3的增加比例为28.6%。分别以2020年“新冠”期间的气象因子和2015-2019年同时期的平均气象因子为变量的机器学习结果表明:“新冠”期间全国367个城市因气象因子变化导致的NO2的增量为7.8%。综上所述:（1）当污染发生时,HAQI比AQI能够更好的指导公众做好健康防护;（2）颗粒物减排明显,但是O3污染问题凸显,第二产业份额是驱动全国健康风险的主要社会经济因素,因此需要调节第二产业的结构,并制定科学的减排措施,降低O3污染和全国的健康风险;（3）与2019年同时期相比,“新冠”期间全国的污染物健康风险明显降低。同时,使用CAMS再分析数据和机器学习方法量化人为排放变化和气象因子变化对污染物浓度变化的贡献的方法也为我国更好地制定减排策略提供了新思路。
王芳园[5]（2021）在《京津冀区域PM2.5和O3空气污染的健康效应及对污染物的减排响应研究》文中认为在近年来各项排放控制措施的实施下,京津冀区域2013-2018年期间PM2.5污染得到有效改善,而O3浓度却逐年升高,因此对PM2.5和O3浓度急剧变化导致的早逝人数正面/负面影响的评估具有重要意义。为了探究京津冀区域PM2.5和O3的长期与短期暴露的健康效应及其对污染物的减排响应,本研究应用健康影响函数（HIF）评估了京津冀区域2013-2018年PM2.5和O3暴露造成的疾病负担。首先基于京津冀区域观测站点数据分析2013-2018年京津冀区域的PM2.5和O3浓度变化特征及其暴露导致的早逝人数。结果表明:研究期间京津冀区域的PM2.5浓度下降了 48.01%,而O3污染增加了30.79%,PM2.5浓度降低可避免的早逝人数（短期12252;长期7935）大于O3浓度增加的导致早逝人数增长（短期3000;长期7638）。虽然PM2.5的年均浓度迅速下降,但长期PM2.5暴露相关早逝人数的下降率（6.25%）远小于短期暴露导致的早逝人数下降率（64.49%）,说明短期应急措施对PM2.5污染的健康负担改善效果显着。此外,本研究设计了三种减排情景评估PM2.5和O3浓度及健康效应对污染物减排的响应,分别为各项污染物减排20%、50%和最大潜力下的减排。并应用第三代空气质量模型WRF-CMAQ,以2018年为基准年评估了不同减排情景下的PM2.5和O3浓度及健康的响应关系。由模拟结果可知:PM2.5对于前体物减排的响应较好,随着减排比例的增大PM2.5浓度持续降低,三种减排情景的PM2.5浓度均值分别下降了12.08%、30.88%和54.58%;而O3与前体物的非线性关系较强,7月O3浓度相比较于减排前分别下降了 2.04%、6.58%和3.18%,在50%的减排比例下浓度改善效果最明显。相比于基准情景,减排后三种情景1月PM2.5短期暴露的早逝人数分别下降了21.45%、52.12%和80.32%;O3短期暴露相关早逝人数相比于基准情景的下降比例分别为2.59%、10.02%和3.68%。京津冀区域三种减排情景下可避免的1月PM2.5暴露和7月O3暴露的健康经济总损失分别为2.57亿元、6.71亿元和9.02亿元。合理的污染物减排,不仅能显着减少人群暴露健康负担,更能带来显着的经济效益,在持续进行颗粒物减排的前提下,未来需要加强对臭氧前体物的控制以及对臭氧生成的敏感性研究。
刘娟[6]（2021）在《环境污染对商业健康保险需求的影响研究》文中指出环境污染不仅影响我国经济增长的质量和国家形象,还严重影响社会公众的身心健康,使人们面临着巨大的健康风险。商业健康保险是国家多层次医疗保障体系的重要组成部分,也是保险业服务民生的重要领域。环境污染对公众健康的影响是否增加了其对商业健康保险的需求?公众对环境污染的认知与健康风险感知如何?本文分析了环境污染对商业健康保险需求的影响,并提出了基于个人健康水平的中介变量,进一步地探讨居民的健康风险态度,以期为政策制定与商业保险公司的产品业务发展提供参考。鉴于此,本文对相关问题展开了研究。首先,本文在梳理和归纳环境污染的健康影响效应、商业健康保险需求的影响因素、环境污染对商业健康保险需求影响的研究成果的基础上,运用Grossman健康需求理论与环境应激理论对环境污染与商业健康保险需求的关系进行了理论分析。随后分析了我国当前环境污染状况、商业健康保险的发展现状和影响因素,同时提出了基于个人健康水平的中介变量并进一步做机制分析。最后,使用2007-2017年国内30个省、市、自治区（西藏除外）的宏观面板数据,通过设定面板数据模型和中介效应模型对环境污染与商业健康保险需求的关系及中介效应进行实证检验。通过研究得出以下结论:环境污染对商业健康保险需求存在显着的促进作用,分样本研究发现,这种正向影响在我国东部地区、中西部地区均显着存在,但对我国东部地区商业健康保险需求的正向影响更大;我国居民对待个人健康风险仍然处于“事后控制”的态度,个人健康水平在环境污染对商业健康保险需求影响的过程中发挥着完全中介效应,且中介效应存在区域差异,我国东部地区环境污染对商业健康保险需求仅存在直接影响,不存在中介效应,而中西部地区则存在完全中介效应,表明东部地区居民对待个人健康风险已经处于“提前规避”的态度。最后,提出了本文的政策建议:开发科学、多样化健康保险产品;进一步开拓医疗健康服务;细分用户群体以实现精准营销;加强健康风险管理教育,培养良好保险文化氛围;打破医疗卫生“信息孤岛”,实现医疗信息共享。
司瑞瑞[7]（2021）在《京津冀城市群设立禁煤区的环境和健康效益研究》文中研究表明京津冀地区是中国大气环境污染最严重的城市群之一,不同城市的污染物来源由于自然环境和人为环境不同而复杂多变,由此带来的健康效应也不尽相同。秋冬季节采暖期内更多污染物的排放和较稳定的大气层结会加剧京津冀地区的环境问题。为了缓解这一问题,生态环境部于2017年提出在北京周边地区划定一个约10,000平方公里的禁煤区,要求在2017年10月底前完成禁煤区内散乱污企业、小燃煤锅炉窑炉和农村散煤的“清零”任务。为了了解禁煤区设立对京津冀地区的污染物来源和健康风险的影响,本研究基于2016年3月至2018年1月京津冀地区7个不同典型的区域站点（城市站、工业城市站、城郊站和背景站）的PM2.5采样试验,利用电感耦合等离子体质谱仪（ICP-MS 7500ce）检测PM2.5中20种元素的浓度,通过分析禁煤区设立前后元素的变化特征、来源解析、潜在来源和健康风险,系统地研究禁煤区设立给京津冀地区带来的环境效益和健康效益。研究结果表明,京津冀地区PM2.5浓度和20种元素总浓度的变化趋势基本一致。与2016年相比,2017年PM2.5和20种元素总浓度分别降低了16-37.3%和-1.5-29.5%,除了重工业城市的20种元素总浓度稍有升高外,京津冀其他地区的PM2.5和总浓度都呈下降的趋势。从季节变化上看,京津冀地区各站点的PM2.5浓度和20种元素总浓度基本表现为春冬季>夏秋季,20种元素总浓度因春季沙尘的影响而表现稍高,其他季节的20种元素总浓度和PM2.5浓度的变化趋势基本一致。不同类型站点的PM2.5和20种元素总浓度的特征明显不同,受工业影响的城市PM2.5浓度最高,受重工业和农业用地影响的重工业城市和城郊的20种元素总浓度最高。就不同种类的元素而言,所有站点的地壳元素（Ca、Mg、Al、Fe）在20种元素总浓度中所占比例较高,其浓度多表现为白天高夜间低,春季高,冬季次之,夏秋季最低;微量元素（Mn、Cu、Zn、V、Cr、Ni、As、Se、Pb等）的浓度多表现为白天低夜间高,冬季浓度最高,夏秋季最低。禁煤区设立后,禁煤区内站点的PM2.5和20种元素总浓度分别下降了49.9-71.2%和30.8-36.8%,燃煤示踪元素As和Se浓度分别降低了30.8-46.6%和13.7-42.9%,降低幅度明显。本研究采用富集因子（EF）和正定矩阵分解法（PMF）辨别京津冀地区的元素的来源种类,通过后向轨迹和潜在源区方法分析区域传输对京津冀地区污染的影响。结果表明,Na、Mg、K、Ca、V、Cr、Mn、Fe、Co、Ba的富集因子（EF）小于10,主要来源于自然源;Ni、As的EF值在10到100之间,受人为活动和自然源的共同影响;Cu、Zn、Se、Ag、Cd、Tl、Pb的EF值都大于100,元素的富集程度明显,受人为活动影响较大。将20种元素通过PMF方法进行来源解析发现,京津冀地区元素的来源主要包括土壤、交通、工业、燃油、燃煤五大类,除了重工业城市受到工业源的影响最大外,其他站点受土壤源的影响最大（35.9-56.7%）,交通源（8-23.2%）、燃煤源（7.1-15.2%）、燃油源（6.3-12.9%）的贡献相对较小。从后向轨迹的结果来看,京津冀地区主要受河南北部、河北南部和山东西部等地污染的影响,这些来向的气团移动速度慢,轨迹最短;从潜在来源结果来看,京津冀的潜在源区主要分布在京津冀内,受西北方向气团的影响,山西北部对京津冀中西部站点有一定的影响,此外,河南北部、山东西部和北部、辽宁和内蒙古的部分地区也可能是京津冀地区的潜在污染源区。禁煤区设立后,京津冀地区工业源的比例明显降低,实际的燃煤排放量降低了19.6-60.3%,其中北京的燃煤排放量降低幅度最大,石家庄和兴隆因不在禁煤区内,降低率较低。PM2.5中的有害元素可通过呼吸途径引起人们的健康风险。通过对京津冀地区的健康风险评价发现,在2016年和2017年,该地区呼吸途径的致癌风险基本表现为Cr>As>Cd>Ni,其中Cr、As的终身增量致癌风险（ILCR）大于1×10-6,具有一定的致癌风险,Ni的ILCR小于1×10-6,不具有致癌风险。非致癌风险基本表现为Mn>Cr>Zn>As,Pb>Cd>Cu>Ni,其中,2016年Mn对部分站点有非致癌风险,但2017年Mn对非重工业城市的人群不具有非致癌风险,其他有害元素不具有非致癌风险。2017年致癌风险和非致癌风险分别降低了-9.5-36.2%和3.2-40%。从人群分类上看,成年人的致癌风险高于儿童,儿童的非致癌风险高于成年人,成年男性的致癌风险和非致癌风险均高于成年女性。结合PMF来源解析的结果可以发现,除了城郊地区交通源的致癌风险较高外,其他地区的燃煤和燃油源的致癌风险最高;工业城市中虽然工业源的致癌风险很低,但非致癌风险却很高,超大城市由于交通量大可能会引起较高的非致癌风险。禁煤区设立后,Cr、As、Cd的致癌风险分别降低了21.3-60.9%、17.9-41.1%和37.8-51.9%,燃煤源和工业源的致癌风险降低了30.74-48.28%,禁煤区的设立带来了显着的健康效益。
孟晓郁[8]（2021）在《基于生物样本检测的室内环境空气污染评估方法研究》文中指出城市居民有80%以上的时间是在室内度过的,室内环境空气质量对人体健康的影响不容忽视。我国室内环境空气污染普遍存在,对人民身体健康造成了不利影响。目前我国室内空气污染的判断与评估主要是通过检测污染物浓度与国家规定的标准浓度限值进行综合对比,容易忽视污染物间的协同作用,不足以客观准确的判别其对人体健康的影响。本研究从室内环境空气污染对人体健康的影响角度出发,通过对室内环境空气污染物和生物指标的检测,筛选对室内空气污染敏感的生物指标,从而建立室内环境空气污染评估的新方法。主要发现如下:对保定市新装修住房进行检测发现室内空气污染问题严重,甲醛和总挥发性有机物（TVOC）在42个新装修居室中的检出率高达100%,其中主卧的甲醛平均浓度为0.13mg/m3,超标率为76%;TVOC平均浓度为0.86 mg/m3,超标率为85%。装修材料是影响新装修室内污染物浓度的主要因素,颗粒板材的使用易产生甲醛污染,使用环保材料纤维板应关注TVOC污染。分析暴露前后人体生物指标的变化发现,室内空气污染短期暴露可刺激呼吸道的舒缩功能,影响小气道呼吸功能,PEF变异率可以用来初步判断室内环境空气污染对呼吸系统的影响。甲醛污染易引起人外周血白细胞（WBC）、中性粒细胞（Neu）、嗜酸性粒细胞（Eos）水平降低,淋巴细胞（Lym）水平升高。TVOC污染易引起白细胞介素（IL）-1β、免疫球蛋白（Ig）A、IgG和集落刺激因子（CSF）水平升高。比较有呼吸净化器的志愿者暴露前后和无呼吸净化器的志愿者暴露前后的各生物指标的统计学差异,发现室内环境空气综合污染可引起WBC、Neu、TNF-α水平显着降低,IL-4、IL-6、IgA和IgG水平升高。建立线性回归模型分析生物指标与室内环境空气污染物之间的相关性,结合室内环境空气污染水平对人体生物指标影响的分析结果,筛选出了受室内环境空气污染影响的指标,包括:Neu%、Eos%、Eos#、Lym%、IL-6、IL-10和CSF。利用这些生物指标进行综合指数计算,与通过环境污染物浓度计算出的环境污染等级相对应,发现当暴露后的生物指标综合指数小于1.417时,室内环境空气不存在污染。当暴露后的生物指标综合指数在1.418到1.502之间时,室内环境空气存在轻度污染。当暴露后的生物指标综合指数大于1.503时室内环境空气为重污染。将暴露后生物综合指数与上述范围对照,可实现对室内环境空气污染的评估。本研究建立了生物指标综合指数与污染等级对照表,进而实现对室内环境空气污染的评估,是对用生物指标检测评估室内空气污染的新探索,可为室内环境空气污染评估提供一种新的思路,对完善我国室内环境空气质量标准,改进室内污染评估方法,提供了基础的理论和数据支持。
刘婷[9]（2021）在《植被覆盖与缺血性脑卒中死亡风险关联的队列研究》文中研究表明目的探讨植被覆盖与缺血性脑卒中死亡风险的关联性,同时探讨年龄（<60岁和≥60岁）和性别的差异,旨在评估植被覆盖对缺血性脑卒中死亡的影响,为脑卒中健康管理提供科学有效的公共卫生政策。方法本研究收集了2014—2019年山东省平邑县疾病预防控制中心慢病监测系统中的脑卒中发病、死亡信息,及其基线信息:人口学资料、居住地址编码、人口密度、空间GDP、道路密度以及步行指数等数据,采用队列研究设计,利用卫星遥感技术动态连续收集平邑县2014—2019年植被覆盖暴露测量指标（归一化差值植被指数（NDVI）、土壤调整植被指数（SAVI）、增强植被指数（EVI））的数据。应用多水平Cox比例风险模型分别计算NDVI、EVI、SAVI与缺血性脑卒中死亡的风险比（HR）和调整的风险比及其95%的置信区间（CI）,进一步按性别、年龄（<60岁和≥60岁）进行分层分析,采用限制性立方样条分别拟合NDVI、EVI、SAVI与缺血性脑卒中死亡存在的线性或非线性关系。结果1.2014—2019年,平邑县共新发缺血性脑卒中21664例,因缺血性脑卒中死亡4345例,其中缺血性脑卒中男性死亡病例数2276例,≥60岁人缺血性脑卒中死亡病例数为4031例,缺血性脑卒中患者的生存时间的中位数为60.83个月,缺血性脑卒中患者的5年的累积生存率是68.00%;2.在完全调整的模型中,Cox比例风险回归分析结果显示NDVI、EVI、SAVI的各个水平均与缺血性脑卒中的死亡相关,且在各个植被指数的Q3水平下,对缺血性脑卒中患者死亡的保护作用最强,HR值和95CI%分别为(NDVI-Q3（HR=0.610,95%CI:0.559-0.666）、EVI-Q3（HR=0.551,95%CI:0.504-0.603）、SAVI-Q3（HR=0.537,95%CI:0.494-0.584）。3.按性别和年龄分层结果表明随着NDVI、SAVI每增加0.1个单位,对女性、≥60岁的缺血性脑卒中患者的有保护作用更强,NDVI对应的HR和95CI%的分别是:女性（HR=0.930,95CI%:0.900—0.961）,≥60岁（HR=0.935,95%C:0.916-0.960）;SAVI对应的HR和95CI%的分别是:女性（HR=0.783,95%CI:751—0.817）;≥60岁（HR=0.750,95%CI:0.671-0.839）。4.累积平均的NDVI、EVI、SAVI与缺血性脑卒中死亡之间均呈现非线性的关系（P non-liner<0.001）。结论本研究发现,植被覆盖对缺血性脑卒中的死亡风险具有保护作用,且在同一植被暴露水平下SAVI表示的植被覆盖测量指标对缺血性脑卒中死亡的保护作用更强;植被覆盖对女性、年龄≥60岁的缺血性脑卒中患者死亡的保护用更强;植被覆盖与缺血性脑卒中死亡之间的关系是非线性。
冯睿[10]（2021）在《昆明市大气污染因子与地区人群健康效应关系研究》文中提出近几十年来,国内外环境流行病学领域研究发展迅速,大气污染对人群健康效应的影响已被学者广泛研究。目前大量的毒理学研究发现,即使短时间暴露在大气污染物下也可能产生一定的负面影响,尤其是容易造成呼吸系统疾病的发生。空气污染所导致的负面健康效应尚未取得一致性结论,研究区域、模型选择以及控制变量的选择不同,都会对研究结果产生影响。国内有关大气污染影响公众健康的研究,主要聚焦于气候环境条件特征较为凸显或大气污染严峻的区域,但在气候变化或环境空气污染影响不明显地区,其所造成的不良健康影响也会慢慢累积,同时对公众健康影响的相关研究证据不足。本研究以昆明市为研究区域,利用2011年1月至2019年12月的大气污染数据、气象因素数据以及呼吸系统疾病用药使用量数据,对大气污染所带来的健康损害进行全面剖析,得到结论如下。（1）2011年1月至2019年12月的大气监测数据显示,昆明市大气污染物整体呈现向好趋势,污染物浓度总量逐年缓慢下降,但常有波动上升。其中臭氧及颗粒物IQR较大,表明其浓度波动较为剧烈,SO2、NO2在研究地区已降低到国家一级浓度限值附近,但偶有反弹;CO浓度处于低水平,远在一级限值标准以下;值得注意的是昆明市大气颗粒物污染整体处于较高浓度,且在2014年大幅降低整体浓度水平后仍处于一二级限值区间内,常有超过二级浓度标准情况,且未见降低趋势;臭氧浓度较低但昆明市地区臭氧浓度逐年上升,提示臭氧并未得到很好的控制,目前还处于低浓度水平。（2）大气污染物浓度与药物使用量情况相关性较弱,且存在负相关趋势,符合常理。其中药物使用量与SO2、NO2、PM10、CO、O3＿8h、PM2.5相关性系数分别为-0.686、-0.188、-0.160、-0.162、-0.145、0.004,大气污染物中颗粒物问题较为突出,相关性分析结果表明气象因素作为主要协变量是合理且必要的,呈现出了很好的相关关系,气象因素与大气污染物之间存在有复杂的联系。在干湿季和花粉季进行讨论,发现干季所带来的人群疾病负担要远远高于湿季甚至是完整序列,其中虽有季节性因素影响,但主要还是通过影响大气污染物进而对人群造成负担。花粉季相关性同样显着,一定程度上放大了大气污染所带来的疾病负担表现。（3）对关键变量进行时间序列分解,发现呼吸系统药物使用量在年周期中10月到次年一月是高频发生月份,相对来说5-8月使用量明显最低水平,将之与大气污染物进行对照。SO2年周期中11月达到最高浓度值,直到次年2月,6月份达到最低浓度水平;NO2浓度波动幅度较大,11月到次年4月份是全年高浓度水平时期,2月开始突然降低,6月达到最低点;大气颗粒物PM10与PM2.5浓度在年周期内变化趋势相同,11月到次年4月是高浓度水平,6-9月处于全年最低,其余月份均是较低污染水平;CO年周期内10月到次年4月是浓度较高月份,7月达到全年最低,其余月份相对较低;连年增高的臭氧浓度波动幅度较大,2-5月全年最高,最高浓度4月份比最低12月份季节因子可达72%。趋势分析表明药物使用量与各大气污染因子之间变化趋势存在明显关系,关联程度很强。同时周期性季节趋势是研究中重要协变量,与大气污染因子产生协同作用。而季节分解后的大气污染因子结果表明,季节周期趋势会助长大气污染因子增长,造成更强烈的污染作用,直接性的放大了地区污染程度,但对O3生成和浓度升高会产生抑制作用。（4）对比分析了不同健康效应替代指标,以肠胃疾病用药和运动性疾病这两类目前无相关研究证明与大气污染有关的疾病为例。发现其相同信息来源渠道下,药物使用量与大气污染周期变化规律并无相关联之处。同时在本应造成沉重疾病负担的时间段里,这两类疾病药物使用量的季节性趋势并无明显改变,与花粉期和干湿季分析结果相矛盾。可知,人群健康结局的选择为呼吸系统疾病是妥当且合理的。（5）基于前面的研究结果,本研究最后将大气污染因子主成分分析得到两个没有多重共线性的变量Y1、Y2,气象因素以光滑函数形式同样引入模型,机器学习和手动调节方法设定函数自由度。得到拟合效果合理的模型,从而根据光滑函数得到暴露反应关系,计算得到污染物相对危险度。研究发现,主成分分析后大气污染因子的偏相关性得到明显提升,代入模型也通过检验,解释能力为73.5%,调整R2=0.705,计算得到相对危险度,当污染物每增加1μg/m3,SO2、NO2、PM10、PM2.5所独立导致的药物使用量自然对数分别超额增加ER值及95%置信区间分别为0.244%（95%CI0.263,1.339）、0.236%（95%CI 0.233,4.313）、0.206%（95%CI 0.013,4.375）和0.210%（95%CI 0.100,10.028）,当CO每增加1 mg/m3所导致的药物使用量自然对数超额增加0.227%（95%CI 0.948,1.060）。同理,当污染物浓度每增加10μg/m3,SO2、NO2、PM10、PM2.5所独立导致的药物使用量自然对数分别超额增加ER值分别为2.460%、2.380%、2.080%和2.116%,CO增加10 mg/m3药物使用量自然对数增加2.290%,其结果均具有统计学意义。结果提示,虽然昆明市地区大气污染水平较低,但一些大气污染物并未达到安全限值,且低浓度的大气污染暴露所带来的疾病负担不容忽视。人群健康效应的敏感性在大气污染物长期处于低浓度值情况下偏低,浓度水平的改变所带来的药物使用量增加幅度虽不如某些污染严重地区的研究结果,但也由此可见大气污染并没有所谓的安全值下限。
二、Valuing health effects from the industrial air pollution in rural Tianjin,China（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Valuing health effects from the industrial air pollution in rural Tianjin,China（论文提纲范文）
（1）空气污染治理与公众健康——来自“大气十条”政策的证据（论文提纲范文）
| 一、引言 |
| 二、文献综述与研究假设 |
| (一)文献综述 |
| (二)研究假设 |
| 三、研究设计与数据说明 |
| (一)“大气十条”对疾病发病概率影响的检验 |
| 1．模型设计。 |
| 2、3)概率的多项Logit模型: |
| (二)“大气十条”对疾病死亡占比影响的检验 |
| 1．模型设计。 |
| 2．变量选择及数据来源。 |
| 四、实证分析与稳健性检验 |
| (一)“大气十条”对疾病发病概率影响的检验 |
| 1．健康效应检验。 |
| 2．传导机制。 |
| 3．异质性分析。 |
| 4．稳健性检验。 |
| (二)“大气十条”对疾病死亡占比影响的检验 |
| 1．健康效应检验。 |
| 2．稳健性检验。 |
| 五、结论与政策建议 |
（2）出口扩张对儿童发病率的影响——来自中国的证据（论文提纲范文）
| 一、引言 |
| 二、文献回顾 |
| 三、数据介绍、指标构建和模型设定 |
| （一）数据介绍 |
| （二）指标构建 |
| （三）模型设定 |
| 四、实证检验 |
| （一）基准回归 |
| （二）稳健性检验(2) |
| 1. 安慰剂检验 |
| 2. 扩展回归模型 |
| 3. 添加更多变量 |
| 4. 替换解释变量 |
| 5. 重新界定儿童的年龄范围 |
| （三）影响机制(1) |
| 1. 父母工资收入 |
| 2. 营养摄入 |
| 3. 公共服务 |
| 4. 留守儿童 |
| 5. 环境质量 |
| （四）异质性检验(1) |
| 1. 疾病种类 |
| 2. 不同年龄阶段 |
| 3. 性别 |
| 4. 城乡 |
| 五、福利效应分析 |
| 六、结论和政策启示 |
（3）生态文明建设对空气质量和居民健康水平的影响——基于生态文明先行示范区设立的准自然实验（论文提纲范文）
| 1 文献综述 |
| 1.1 环境政策对环境质量的影响 |
| 1.2 生态文明建设对居民健康的影响 |
| 2 估计方法 |
| 2.1 合成控制法 |
| 2.2 双重差分法(DID) |
| 3 数据与变量 |
| 3.1 宏观数据和变量的选取 |
| 3.2 微观数据和变量的选取 |
| 4 实证分析 |
| 4.1 生态文明先行示范区的设立对空气质量的影响 |
| 4.1.1 政策效应评估 |
| 4.1.2 安慰剂检验 |
| 4.2 生态文明先行示范区的设立对居民健康水平的影响 |
| 4.2.1 政策效应评估 |
| 4.2.2 稳健性检验 |
| 4.2.3 地区异质性分析 |
| 5 结论与建议 |
（4）中国大气污染物浓度及空气质量健康指数的时空变化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.3 研究内容 |
| 第二章 资料与方法 |
| 2.1 空气质量监测站点以及数据来源 |
| 2.2 社会经济因子数据 |
| 2.3 气象数据和后向轨迹分析模型 |
| 2.4 健康风险、HAQI和 AAQI的计算方法 |
| 2.5 全国地表气象因子观测数据 |
| 2.6 CAMS再分析大气组分数据 |
| 2.7 机器学习模型 |
| 第三章 三种空气质量健康指数:AQI、HAQI和 AAQI对比研究 |
| 3.1 河南省空气污染特征概述 |
| 3.2 六种污染物的时空变化分析 |
| 3.3 三种空气质量健康指数的比较 |
| 3.4 本章小结 |
| 第四章 全国HAQI人口暴露评估及与社会经济因子关系研究 |
| 4.1 全国六种污染物的年际变化 |
| 4.2 全国六种污染物的时空变化 |
| 4.3 全国六种污染物的健康风险 |
| 4.4 全国HAQI分布及其与社会经济因素的关系 |
| 4.5 本章小结 |
| 第五章 “新冠”期间全国HAQI变化及人为排放和气象条件变化贡献研究 |
| 5.1 “新冠”期间空气质量健康指数变化 |
| 5.2 “新冠”期间人为排放变化NO_2变化的影响 |
| 5.3 机器学习预测气象因子变化对NO_2变化的影响 |
| 5.4 “新冠”期间气象因子变化对NO_2变化的影响 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本研究的主要结论 |
| 6.2 本研究的特色与创新点 |
| 6.3 本研究中的不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）京津冀区域PM2.5和O3空气污染的健康效应及对污染物的减排响应研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大气污染的减排响应研究 |
| 1.2.2 大气污染的暴露健康风险研究 |
| 1.3 研究目的和内容 |
| 1.4 论文框架和技术路线 |
| 第2章 研究方法及数据来源 |
| 2.1 WRF-CMAQ模拟体系搭建 |
| 2.1.1 WRF-CMAQ模型概述 |
| 2.1.2 模拟方案及参数设置 |
| 2.1.3 模型验证 |
| 2.2 大气污染物排放清单 |
| 2.3 健康风险评估方法 |
| 2.4 健康经济效益评估方法 |
| 第3章 京津冀区域2013-2018年健康影响评估 |
| 3.1 2013-2018年京津冀区域大气污染物浓度变化 |
| 3.2 污染物短期暴露的健康影响 |
| 3.2.1 PM_(2.5)短期暴露的健康影响 |
| 3.2.2 O_3短期暴露的健康影响 |
| 3.3 污染物长期暴露的健康影响 |
| 3.3.1 PM_(2.5)长期暴露的健康影响 |
| 3.3.2 O_3长期暴露的健康影响 |
| 3.4 2013-2018年PM_(2.5)和O_3的健康负担相对变化 |
| 3.5 小结 |
| 第4章 京津冀区域2018年污染物浓度及其健康负担 |
| 4.1 京津冀2018年PM_(2.5)和O_3浓度特征 |
| 4.1.1 污染物浓度时间序列和站点浓度分布 |
| 4.1.2 污染物浓度空间分布特征 |
| 4.1.3 人口加权浓度 |
| 4.2 京津冀污染物的减排响应 |
| 4.2.1 京津冀大气污染物排放情况 |
| 4.2.2 减排情景设计 |
| 4.2.3 污染物浓度对减排的响应 |
| 4.3 京津冀大气污染的疾病负担及其对减排的响应 |
| 4.3.1 早逝人数月变化和城市差异 |
| 4.3.2 早逝人数空间分布特征 |
| 4.3.3 疾病负担对污染物减排的响应 |
| 4.4 小结 |
| 第5章 健康经济效益评估 |
| 5.1 京津冀区域2013-2018年的健康经济损失 |
| 5.1.1 短期暴露的健康经济损失 |
| 5.1.2 长期暴露的健康经济损失 |
| 5.2 京津冀区域2018年污染物减排的健康经济效益 |
| 5.3 小结 |
| 第6章 不确定性分析 |
| 6.1 清单的不确定性 |
| 6.2 模型的不确定性 |
| 6.3 健康参数的不确定性 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 不足与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（6）环境污染对商业健康保险需求的影响研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 环境污染的健康影响效应 |
| 1.2.2 商业健康保险需求的影响因素 |
| 1.2.3 环境污染对商业健康保险需求的影响 |
| 1.2.4 文献评述 |
| 1.3 研究思路与方法 |
| 1.3.1 研究思路 |
| 1.3.2 研究方法 |
| 1.4 研究内容与框架 |
| 1.4.1 研究内容 |
| 1.4.2 研究框架 |
| 1.5 创新点及不足 |
| 1.5.1 创新点 |
| 1.5.2 不足之处 |
| 第2章 概念界定与理论基础 |
| 2.1 概念界定 |
| 2.1.1 环境污染 |
| 2.1.2 商业健康保险 |
| 2.2 环境污染对商业健康保险需求影响的理论基础 |
| 2.2.1 Grossman健康需求理论 |
| 2.2.2 环境应激理论 |
| 2.3 本章小结 |
| 第3章 环境污染与商业健康保险发展现状及机制分析 |
| 3.1 我国环境污染现状分析 |
| 3.2 我国商业健康保险发展现状分析 |
| 3.2.1 我国商业健康保险发展现状 |
| 3.2.2 我国商业健康保险发展的影响因素 |
| 3.3 环境污染影响商业健康保险需求的机制分析 |
| 3.4 本章小结 |
| 第4章 环境污染对商业健康保险需求影响的实证分析 |
| 4.1 变量选取与数据来源 |
| 4.1.1 数据来源 |
| 4.1.2 变量选取 |
| 4.2 模型设定 |
| 4.2.1 面板数据模型 |
| 4.2.2 中介效应模型 |
| 4.3 实证结果分析 |
| 4.3.1 基准回归结果 |
| 4.3.2 稳健性检验 |
| 4.3.3 异质性分析 |
| 4.3.4 中介效应结果 |
| 4.4 本章小结 |
| 第5章 结论与政策建议 |
| 5.1 研究结论 |
| 5.2 政策建议 |
| 5.2.1 开发科学、多样化健康保险产品 |
| 5.2.2 进一步开拓医疗健康服务 |
| 5.2.3 细分用户群体以实现精准营销 |
| 5.2.4 加强健康风险管理教育 |
| 5.2.5 打破医疗卫生“信息孤岛” |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
| 致谢 |
（7）京津冀城市群设立禁煤区的环境和健康效益研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 颗粒物中元素的浓度标准和变化特征 |
| 1.2.2 元素的来源解析 |
| 1.2.3 元素的健康风险评价 |
| 1.3 研究内容与技术路线 |
| 1.4 章节安排 |
| 第二章 实验与分析方法 |
| 2.1 观测站点概况 |
| 2.2 大气PM_(2.5)样品采集方法 |
| 2.3 大气PM_(2.5)中元素的测样方法 |
| 2.3.1 样品的前处理 |
| 2.3.2 ICP-MS的测样原理与质控方法 |
| 2.3.3 样品检测方法 |
| 2.3.4 数据质量控制 |
| 2.4 数据处理与分析方法 |
| 2.4.1 富集因子法 |
| 2.4.2 PMF正交矩阵因子分析法 |
| 2.4.3 气团后向轨迹法 |
| 2.4.4 健康风险评价法 |
| 2.5 样品的采集时间统计 |
| 第三章 京津冀地区PM_(2.5)中元素的时空变化特征 |
| 3.1 京津冀地区PM_(2.5)与总元素的变化特征 |
| 3.2 京津冀地区元素的日夜变化特征 |
| 3.3 京津冀地区元素的季节变化特征 |
| 3.4 禁煤区设立对京津冀地区PM_(2.5)中元素浓度的影响 |
| 3.4.1 20 种元素总浓度和PM_(2.5)浓度的对比 |
| 3.4.2 元素的日夜变化特征 |
| 3.4.3 元素的季节变化特征 |
| 3.5 本章小结 |
| 第四章 京津冀地区PM_(2.5)中元素的来源解析 |
| 4.1 富集因子分析 |
| 4.2 正交矩阵因子分析 |
| 4.2.1 PMF来源解析结果 |
| 4.2.2 各站点不同季节的来源占比分析 |
| 4.3 气团后向轨迹分析 |
| 4.3.1 2016-2017 年京津冀地区后48h后向轨迹分析 |
| 4.3.2 京津冀地区PM_(2.5)和As元素的潜在源贡献因子 |
| 4.3.3 京津冀地区PM_(2.5)和As元素的浓度权重轨迹分析法 |
| 4.4 禁煤区设立对元素来源的影响 |
| 4.4.1 禁煤区内6 个站点的EF分析 |
| 4.4.2 禁煤区内6 个站点PMF来源解析结果 |
| 4.5 本章小结 |
| 第五章 京津冀地区PM_(2.5)中元素的健康风险评价 |
| 5.1 健康风险评价参数的选取 |
| 5.2 健康风险评价 |
| 5.3 不同来源对健康风险的影响 |
| 5.4 禁煤区设立对健康分析评价结果的影响 |
| 5.5 不确定性分析 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 本文特色与创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（8）基于生物样本检测的室内环境空气污染评估方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 研究特色及创新点 |
| 第二章 实验材料与研究方法 |
| 2.1 实验地点选择 |
| 2.2 实验志愿者招募 |
| 2.3 环境样本采集及分析 |
| 2.3.1 环境样本采集所需仪器和试剂汇总 |
| 2.3.2 试剂及标准溶液的配制 |
| 2.3.3 操作过程 |
| 2.4 生物样本采集及分析 |
| 2.4.1 生物样本采集所需仪器和试剂汇总 |
| 2.4.2 肺功能指标检测 |
| 2.4.3 血常规指标采集及分析 |
| 2.4.4 血液炎症因子指标采集及分析 |
| 2.4.5 人体氧化应激水平和DNA损伤分析 |
| 2.5 统计分析 |
| 2.6 本章小结 |
| 第三章 室内环境空气污染特征 |
| 3.1 保定市室内环境空气污染特征 |
| 3.2 实验所选暴露环境的污染特征 |
| 3.3 实验所选暴露环境的甲醛和TVOC的污染特征 |
| 3.4 本章小结 |
| 第四章 室内污染浓度差异对生物样本的影响 |
| 4.1 室内污染浓度差异对人呼吸系统的影响 |
| 4.1.1 研究肺功能指标的意义 |
| 4.1.2 暴露实验期间各肺功能指标的变化 |
| 4.2 室内污染浓度差异对外周血血常规的影响 |
| 4.2.1 研究血常规指标的意义 |
| 4.2.2 受试者血常规水平超标情况 |
| 4.2.3 暴露前后受试者血常规水平差异 |
| 4.2.4 各组受试者血常规水平之间的差异 |
| 4.3 室内污染浓度差异对人体血清炎性细胞因子的影响 |
| 4.3.1 研究炎性细胞因子的意义 |
| 4.3.2 暴露前后受试者血清炎性细胞因子水平差异 |
| 4.3.3 各组受试者血清炎性细胞因子水平之间的差异 |
| 4.4 室内污染浓度差异对人DNA损伤和氧化应激水平的影响 |
| 4.4.1 研究DNA损伤和氧化应激水平的意义 |
| 4.4.2 暴露前后基因甲基化水平差异 |
| 4.5 本章小结 |
| 第五章 室内空气综合污染对生物样本水平的影响 |
| 5.1 室内空气综合污染对人外周血血常规的影响 |
| 5.2 室内空气综合污染对人血清炎性细胞因子的影响 |
| 5.3 室内空气综合污染对人体氧化应激水平、DNA损伤的影响 |
| 5.4 本章小结 |
| 第六章 室内环境空气污染与生物样本间的相关性 |
| 6.1 室内环境空气污染与生物指标间的相关性 |
| 6.2 生物样本之间的相关性 |
| 6.3 本章小结 |
| 第七章 室内环境空气污染评估方法建立 |
| 7.1 评价方法选择及模型建立 |
| 7.2 室内环境空气污染等级的计算 |
| 7.3 生物样本综合指数的计算 |
| 7.4 基于生物样本综合指数的室内环境空气污染等级分级 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间取得的研究成果 |
（9）植被覆盖与缺血性脑卒中死亡风险关联的队列研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1.前言 |
| 2.方法 |
| 2.1 研究设计 |
| 2.2 研究现场 |
| 2.3 研究对象 |
| 2.4 随访 |
| 2.5 研究变量的定义及收集 |
| 2.6 质量控制 |
| 2.7 统计学方法 |
| 2.8 技术路线 |
| 3.结果 |
| 3.1 研究对象的基本特征 |
| 3.2 2014—2019 年平邑县缺血性脑卒中的流行病学特征 |
| 3.3 生存分析 |
| 4.讨论 |
| 4.1 2014—2019 年平邑县缺血性脑卒中的流行病学特征 |
| 4.2 缺血性脑卒中患者的生存情况 |
| 4.3 植被覆盖与缺血性脑卒中死亡风险的关系 |
| 4.4 植被覆盖与缺血性脑卒中死亡风险之间可能潜在的机制 |
| 4.5 本研究的优点与局限性 |
| 4.6 下一步研究方向 |
| 5.结论 |
| 参考文献 |
| 致谢 |
| 附录 A 缩略词 |
| 附录 B 社会实践调查报告 |
| 附录 C 综述 植被覆盖与脑卒中关系的研究进展 |
| 参考文献 |
| 附录 D 个人简介 |
（10）昆明市大气污染因子与地区人群健康效应关系研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究综述 |
| 1.2.1 大气污染数据指标 |
| 1.2.2 人群健康效应指标 |
| 1.2.3 气象数据指标 |
| 1.3 研究内容及意义 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.3.3 研究意义 |
| 第二章 资料与研究方法 |
| 2.1 研究区域概况 |
| 2.2 数据来源与处理 |
| 2.2.1 大气污染指标数据 |
| 2.2.2 区域气象数据 |
| 2.2.3 呼吸系统疾病特异性药物销售数据 |
| 2.3 研究方法 |
| 2.3.1 资料描述性分析 |
| 2.3.2 相关及偏相关分析方法 |
| 2.3.3 时间序列分析方法 |
| 2.3.4 主成分分析方法 |
| 2.3.5 回归分析及模型选择 |
| 2.3.6 相对危险度 |
| 第三章 大气污染因子与人群健康效应的相关性分析 |
| 3.1 各变量描述性分析 |
| 3.2 变量数据分布特征 |
| 3.3 相关性分析 |
| 3.4 干湿季、花粉季差异分析 |
| 第四章 大气污染因子与人群健康效应的时间序列分析 |
| 4.1 序列图 |
| 4.2 大气污染因子季节分解 |
| 4.3 结果分析 |
| 第五章 不同健康结局选择与大气污染因子间关系分析 |
| 5.1 相关性分析 |
| 5.2 时间序列分析——季节分解 |
| 第六章 主成分分析及主成分偏相关分析 |
| 6.1 KMO和 Bartlett检验表 |
| 6.2 主成分分析 |
| 6.3 主成分偏相关分析 |
| 第七章 广义相加模型及定量效应分析 |
| 7.1 GAM建立 |
| 7.2 模型诊断及结果解读 |
| 7.3 相对危险度 |
| 第八章 总结与讨论 |
| 8.1 总结 |
| 8.2 特色与创新点 |
| 8.3 研究不足及展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士学位期间发表论文及研究成果目录 |
| 附录 B 攻读硕士期间参与的科研项目 |
| 附录 C 研究药物信息表 |
四、Valuing health effects from the industrial air pollution in rural Tianjin,China（论文参考文献）
- [1]空气污染治理与公众健康——来自“大气十条”政策的证据[J]. 范丹,叶昱圻,王维国. 统计研究, 2021(09)
- [2]出口扩张对儿童发病率的影响——来自中国的证据[J]. 刘铠豪,佟家栋,刘润娟. 南开经济研究, 2021(03)
- [3]生态文明建设对空气质量和居民健康水平的影响——基于生态文明先行示范区设立的准自然实验[J]. 谢晗进,李骏,李成. 生态经济, 2021(06)
- [4]中国大气污染物浓度及空气质量健康指数的时空变化研究[D]. 申付振. 南京信息工程大学, 2021(01)
- [5]京津冀区域PM2.5和O3空气污染的健康效应及对污染物的减排响应研究[D]. 王芳园. 华北电力大学(北京), 2021(01)
- [6]环境污染对商业健康保险需求的影响研究[D]. 刘娟. 山东财经大学, 2021(12)
- [7]京津冀城市群设立禁煤区的环境和健康效益研究[D]. 司瑞瑞. 兰州大学, 2021(09)
- [8]基于生物样本检测的室内环境空气污染评估方法研究[D]. 孟晓郁. 河北大学, 2021(09)
- [9]植被覆盖与缺血性脑卒中死亡风险关联的队列研究[D]. 刘婷. 蚌埠医学院, 2021(01)
- [10]昆明市大气污染因子与地区人群健康效应关系研究[D]. 冯睿. 昆明理工大学, 2021(01)
标签：空气污染论文; 大气污染防治行动计划论文; 室内环境论文; 工业污染论文; 元素分析论文;