文摘
我们调查之间的关系呼吸道处方,空气质量和不足在初级卫生保健。大多数以前的研究使用的数据从二、三级保健量化空气污染影响发作的哮喘和慢性阻塞性肺病(COPD)。然而,这些结果捕捉病人患有比较严重的症状。
这是一个以人群为基础的生态研究。我们分析了呼吸系统药物(舒喘灵)规定每月63年初级护理实践,英国。首先,我们抓住了用以处方的季节性变化。然后使用用以处方的变化,作为补偿,我们构建了一个mixed-effects模型来评估剩余的变化与空气质量和人口统计学变量。
增加10μg / m3在周围的点10与增长了1%(95%置信区间CI: 0.1 - -2%)舒喘灵处方。增加1 SD收入和就业不足与增长了20.5%(95%置信区间CI: 8.8 - -33.4%)和14.7%(95%置信区间CI: 4.3 - -26.2%)舒喘灵处方率,分别。
该研究提供了证据,每月呼吸的处方在初级保健是一个有用的指标,空气污染加重哮喘和慢性阻塞性肺病的症状。呼吸处方在贫困人群高。
介绍
哮喘和慢性阻塞性肺疾病(COPD)是两种最常见的慢性呼吸道疾病。慢性阻塞性肺病是死亡的第三大原因,未来几十年。1空气污染对呼吸道的副作用发作的患者患有哮喘和慢性阻塞性肺病之前建立。2大多数以前的研究使用的数据从二、三级护理,如招生医院或急救护理,3 - 8量化空气污染对呼吸道的影响加重。然而,这些结果测量获取病人患有比较严重的症状。据估计,只有20%的哮喘病人和< 50%的慢性阻塞性肺病患者患有严重的症状。9,10
在初级保健处方数据提供的信息来源严重和不重的情况下。绝大多数患有呼吸道疾病在英国完全处理,而大多数的初级保健咨询的患者呼吸道投诉。11基于2010年的数据,为短效β2-agonists舒喘灵代表96%的处方,提供快速救援呼吸加重。
很少有研究使用短效β2-agonists处方数据作为呼吸死亡率的预测或空气污染健康影响。12 - 15但总的来说,对呼吸道的处方信息存在空气污染影响的一个标志。我们旨在量化之间的关联强度定期收集呼吸处方和空气质量在初级卫生保健水平。因为医疗保险在英国是普遍不管收入或保险,这是一个以人群为基础的研究。我们每月的处方数据访问,这将消除日变化。然而,即使这样的粗单元的分析使我们能够评估这一重要的实用程序数据库,看看广阔的模式和基于日常时间序列比较这些证据。
方法
本研究采用以人群为基础的生态研究设计,会计对于时间和空间的变化。研究下的总人口450 000 +。纽卡斯尔和北泰恩赛德地区有一个高度的社会和健康的不平等。16我们收到了呼吸65年处方数据一般实践,我们从数据集中删除一个实践,在研究期间停止操作,一个是建立在一个大学校园的实践。超过40%的户籍人口的20到24岁的做法是,只有9%的户籍人口超过40岁。
呼吸的处方
我们呼吸的处方数据访问地区药物和治疗中心。他们的数据是基于处方递给进药店,精确的术语是可有可无的处方。在这篇文章中,我们称这些为处方数据,鉴于没有预期的主要区别组织为我们提供了数据,可有可无的和non-dispensable药方。数据不与患者个体和聚合的月。我们一共分析了55舒喘灵(01/01/2002-31/07/2006)个月处方数据,覆盖∼670亿每日平均数量。17
空气质量
我们访问的每日24小时均值颗粒物,衡量点10。我们平均每日意味着为了评估月度值点之间的关系10舒喘灵处方,后者只能每月。我们访问的环境空气污染数据从一个自动监测站位于纽卡斯尔,因此不得不假设同质点10的浓度,在许多先前的研究一样。18 - 20探讨舒喘灵处方和点之间可能的时间滞后10的浓度,我们计算月平均点10落后7、14、21天,1个月前一个月的处方。个月有不同的长度,每月的时延估计匹配相应的月的天数。
由于缺乏数据捕获任何可能空间变化的空气污染城市,我们在污染源调查数据。主要研究领域是城市环境,交通的主要移动污染源。因此,我们利用交通数据开发了一个时空空气质量指标。我们访问的交通流数据从50个网站主要道路网络的55个月。我们这些值插值在样条函数与障碍的道路网络的技术,在使用一系列简单的三次多项式插值函数是安装在连续组数据点,同时最小化总曲率,以产生一个光滑的表面。21是在ArcGIS进行分析。22,23连续的地图在主要道路交通流量每个月网络了。创建索引的交通状况对个人实践,然后总结估计流量/全科医生服务使用面积。我们估计服务利用领域个人实践,分别描述。24
剥夺
我们社会经济数据的索引访问多个剥夺(IMD) 2004年,由七个领域。IMD的一个关键特征是,它是用于小空间单元,称为超级低输出区域(LSOAs),平均人口1500。我们提取数据的社会经济剥夺的三个主要方面:收入、就业和教育。不使用整个IMD的主要原因是,它包括室外空气污染生活环境中的数据分类指数,我们旨在考虑空间变化分析。教育剥夺不遵循类似的空间格局与收入和就业不足(图。1)。然后我们访问NHS的邮政编码的注册人口战略跟踪服务(望远镜)数据库,在收到伦理审批。我们使用的位置常住人口估计每个医生的剥夺指数实践,通过分配每个LSOA剥夺分数的邮政编码,然后平均剥夺所有隶属于每个实践的邮政编码。
人口统计资料
登记患者的年龄和性别数据从望远镜数据库访问,在收到伦理批准。年龄和性别的数据并不与邮政编码数据或其他数据。我们平均人口的年龄/练习实践人口年龄的创建一个指标。我们计算每实践中,男性和女性的比例注册人口实践时更高的值由男性多于女性。
季节性的触发因素
因素,如花粉、冷空气和呼吸道感染会增加的频率和持续时间的症状哮喘和慢性阻塞性肺病患者。山峰在舒喘灵处方发生每个冬季和春季,每年的变化。在呼吸道的处方占季节性变化,我们每天访问的平均气温数据从一个监视器,计算每月平均和模仿这些对呼吸道的处方。
统计分析
。 | 分钟。。 | 第一曲。。 | 中位数。 | 的意思是。 | 第三曲。。 | Max。。 | 变异。 |
---|---|---|---|---|---|---|---|
呼吸系统药物:LogSalbutamol(响应) | 6.7 | 7.6 | 7.9 | 7.8 | 8.1 | 8.8 | 时空 |
温度 | 3.3 | 5.6 | 8.4 | 9.4 | 13.7 | 17.9 | 时间 |
PM10_lag0days | 13.2 | 16.1 | 18.0 | 18.9 | 20.9 | 29.0 | 时间 |
Traffic_lag0天 | 191.9 | 496.4 | 781.8 | 905.0 | 1268.5 | 3235.0 | 时空 |
收入不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.3 | 0.5 | 空间 |
就业不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.2 | 0.3 | 空间 |
教育不足 | 4.1 | 17.5 | 28.9 | 30.2 | 42.4 | 70.8 | 空间 |
平均年龄 | 29.0 | 38.0 | 39.0 | 39.0 | 41.0 | 46.0 | 时空 |
性别比例 | 0.8 | 0.9 | 1.0 | 1.0 | 1.0 | 1.8 | 时空 |
。 | 分钟。。 | 第一曲。。 | 中位数。 | 的意思是。 | 第三曲。。 | Max。。 | 变异。 |
---|---|---|---|---|---|---|---|
呼吸系统药物:LogSalbutamol(响应) | 6.7 | 7.6 | 7.9 | 7.8 | 8.1 | 8.8 | 时空 |
温度 | 3.3 | 5.6 | 8.4 | 9.4 | 13.7 | 17.9 | 时间 |
PM10_lag0days | 13.2 | 16.1 | 18.0 | 18.9 | 20.9 | 29.0 | 时间 |
Traffic_lag0天 | 191.9 | 496.4 | 781.8 | 905.0 | 1268.5 | 3235.0 | 时空 |
收入不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.3 | 0.5 | 空间 |
就业不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.2 | 0.3 | 空间 |
教育不足 | 4.1 | 17.5 | 28.9 | 30.2 | 42.4 | 70.8 | 空间 |
平均年龄 | 29.0 | 38.0 | 39.0 | 39.0 | 41.0 | 46.0 | 时空 |
性别比例 | 0.8 | 0.9 | 1.0 | 1.0 | 1.0 | 1.8 | 时空 |
。 | 分钟。。 | 第一曲。。 | 中位数。 | 的意思是。 | 第三曲。。 | Max。。 | 变异。 |
---|---|---|---|---|---|---|---|
呼吸系统药物:LogSalbutamol(响应) | 6.7 | 7.6 | 7.9 | 7.8 | 8.1 | 8.8 | 时空 |
温度 | 3.3 | 5.6 | 8.4 | 9.4 | 13.7 | 17.9 | 时间 |
PM10_lag0days | 13.2 | 16.1 | 18.0 | 18.9 | 20.9 | 29.0 | 时间 |
Traffic_lag0天 | 191.9 | 496.4 | 781.8 | 905.0 | 1268.5 | 3235.0 | 时空 |
收入不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.3 | 0.5 | 空间 |
就业不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.2 | 0.3 | 空间 |
教育不足 | 4.1 | 17.5 | 28.9 | 30.2 | 42.4 | 70.8 | 空间 |
平均年龄 | 29.0 | 38.0 | 39.0 | 39.0 | 41.0 | 46.0 | 时空 |
性别比例 | 0.8 | 0.9 | 1.0 | 1.0 | 1.0 | 1.8 | 时空 |
。 | 分钟。。 | 第一曲。。 | 中位数。 | 的意思是。 | 第三曲。。 | Max。。 | 变异。 |
---|---|---|---|---|---|---|---|
呼吸系统药物:LogSalbutamol(响应) | 6.7 | 7.6 | 7.9 | 7.8 | 8.1 | 8.8 | 时空 |
温度 | 3.3 | 5.6 | 8.4 | 9.4 | 13.7 | 17.9 | 时间 |
PM10_lag0days | 13.2 | 16.1 | 18.0 | 18.9 | 20.9 | 29.0 | 时间 |
Traffic_lag0天 | 191.9 | 496.4 | 781.8 | 905.0 | 1268.5 | 3235.0 | 时空 |
收入不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.3 | 0.5 | 空间 |
就业不足 | 0.1 | 0.1 | 0.2 | 0.2 | 0.2 | 0.3 | 空间 |
教育不足 | 4.1 | 17.5 | 28.9 | 30.2 | 42.4 | 70.8 | 空间 |
平均年龄 | 29.0 | 38.0 | 39.0 | 39.0 | 41.0 | 46.0 | 时空 |
性别比例 | 0.8 | 0.9 | 1.0 | 1.0 | 1.0 | 1.8 | 时空 |
在哪里是月平均对数转换舒喘灵月处方率t。的值dt每日平均温度读数的平均月t .α,β和γ参数是固定的,而Α和B是随机参数和Et是独立的残差对月t。
在yij观察日志转换舒喘灵处方率吗j在集团我,是平均每处方的舒喘灵视为一个偏移量,eight-fixed效应参数分别是αx= 1,…,8协变量。的b我随机效应也被认为来自正态分布这样的误差项ɛij。
我们进行了方差分析测试比较mixed-effects协变量模型与空气质量的不同滞后。27最后,我们评估之间的交互点10和剥夺。我们创建了一个剥夺指数求和显著不足的两个指标(收入和就业)排名剥夺分数和改装我们的模型。分析是在使用包lme4和sspir R。
结果
阶段一
在第一阶段的模型来评估用以季节性变化,模型,使用温度滞后7天提供了最适合的数据。该模型解释了74.5% (R2= 0.745)的变异用以平均处方,很少时间自相关。我们没有发现任何违反假设残差的线性,常态和方差齐性。
第二阶段
表2显示了所有变量的结果,以说明重要和非重要关系。我们安装10模型使用模型的结果与21天滞后点10和0-lag交通,作为一个代表性的例子。我们并没有发现重大影响交通指数的处方率;然而,这个结果应该报道的一些限制的流量指数作为暴露指标,提出了讨论部分。然后,我们只安装重要变量的模型。协会的点10水平14和21天前开月既显著(表3)。模型与一个21天的潜伏期证明更加节俭,基于方差分析的结果分析。在表4,我们现在系数及其置信区间由最终的模型。列L_CI U_CI显示95%的上下置信区间,分别。我们没有发现任何违反假设残差的线性,常态和方差齐性,也没有任何时间自相关的迹象。我们用实验变异函数28评估的空间和时空自相关随机效应,发现没有证据表明空间模式,使用包geoR R。29日
Model-lag21。 | 估计。 | Std.错误。 | t -价值。 | P价值。 |
---|---|---|---|---|
(拦截) | −1.93741 | 0.17262 | −11.22338 | < 0.0001 |
时间(月) | −0.00039 | 0.00012 | −3.33560 | 0.00090 |
PM10_lag21days | 0.00105 | 0.00045 | 2.33469 | 0.01960 |
Traffic_lag0days | 0.00003 | 0.00002 | 1.22956 | 0.21890 |
收入 | 1.89203 | 0.62683 | 3.01842 | 0.00250 |
教育 | 0.00139 | 0.00434 | 0.32039 | 0.74870 |
就业 | 2.11105 | 0.93769 | 2.25133 | 0.02440 |
性 | −0.21929 | 0.13663 | −1.60499 | 0.10850 |
年龄的病人 | 0.03249 | 0.00317 | 10.24611 | < 0.0001 |
Model-lag21。 | 估计。 | Std.错误。 | t -价值。 | P价值。 |
---|---|---|---|---|
(拦截) | −1.93741 | 0.17262 | −11.22338 | < 0.0001 |
时间(月) | −0.00039 | 0.00012 | −3.33560 | 0.00090 |
PM10_lag21days | 0.00105 | 0.00045 | 2.33469 | 0.01960 |
Traffic_lag0days | 0.00003 | 0.00002 | 1.22956 | 0.21890 |
收入 | 1.89203 | 0.62683 | 3.01842 | 0.00250 |
教育 | 0.00139 | 0.00434 | 0.32039 | 0.74870 |
就业 | 2.11105 | 0.93769 | 2.25133 | 0.02440 |
性 | −0.21929 | 0.13663 | −1.60499 | 0.10850 |
年龄的病人 | 0.03249 | 0.00317 | 10.24611 | < 0.0001 |
Model-lag21。 | 估计。 | Std.错误。 | t -价值。 | P价值。 |
---|---|---|---|---|
(拦截) | −1.93741 | 0.17262 | −11.22338 | < 0.0001 |
时间(月) | −0.00039 | 0.00012 | −3.33560 | 0.00090 |
PM10_lag21days | 0.00105 | 0.00045 | 2.33469 | 0.01960 |
Traffic_lag0days | 0.00003 | 0.00002 | 1.22956 | 0.21890 |
收入 | 1.89203 | 0.62683 | 3.01842 | 0.00250 |
教育 | 0.00139 | 0.00434 | 0.32039 | 0.74870 |
就业 | 2.11105 | 0.93769 | 2.25133 | 0.02440 |
性 | −0.21929 | 0.13663 | −1.60499 | 0.10850 |
年龄的病人 | 0.03249 | 0.00317 | 10.24611 | < 0.0001 |
Model-lag21。 | 估计。 | Std.错误。 | t -价值。 | P价值。 |
---|---|---|---|---|
(拦截) | −1.93741 | 0.17262 | −11.22338 | < 0.0001 |
时间(月) | −0.00039 | 0.00012 | −3.33560 | 0.00090 |
PM10_lag21days | 0.00105 | 0.00045 | 2.33469 | 0.01960 |
Traffic_lag0days | 0.00003 | 0.00002 | 1.22956 | 0.21890 |
收入 | 1.89203 | 0.62683 | 3.01842 | 0.00250 |
教育 | 0.00139 | 0.00434 | 0.32039 | 0.74870 |
就业 | 2.11105 | 0.93769 | 2.25133 | 0.02440 |
性 | −0.21929 | 0.13663 | −1.60499 | 0.10850 |
年龄的病人 | 0.03249 | 0.00317 | 10.24611 | < 0.0001 |
。 | 估计。 | Std.错误。 | t价值。 | P价值。 |
---|---|---|---|---|
Model-lag14 | ||||
(拦截) | −2.06115 | 0.141315 | −14.5856 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.31804 | 0.0009 |
PM10_lag14days | 0.00111 | 0.000434 | 2.554619 | 0.0106 |
收入 | 1.861247 | 0.520268 | 3.577478 | 0.0003 |
就业 | 2.285261 | 0.809605 | 2.822685 | 0.0048 |
年龄的病人 | 0.031198 | 0.003037 | 10.27155 | < 0.0001 |
模型——lag21 | ||||
(拦截) | −2.05999 | 0.141356 | −14.573 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.30139 | 0.001 |
PM10_lag21days | 0.001045 | 0.000449 | 2.329981 | 0.0198 |
收入 | 1.861317 | 0.520345 | 3.577081 | 0.0003 |
就业 | 2.286928 | 0.809728 | 2.824317 | 0.0047 |
年龄的病人 | 0.03119 | 0.003038 | 10.26713 | < 0.0001 |
。 | 估计。 | Std.错误。 | t价值。 | P价值。 |
---|---|---|---|---|
Model-lag14 | ||||
(拦截) | −2.06115 | 0.141315 | −14.5856 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.31804 | 0.0009 |
PM10_lag14days | 0.00111 | 0.000434 | 2.554619 | 0.0106 |
收入 | 1.861247 | 0.520268 | 3.577478 | 0.0003 |
就业 | 2.285261 | 0.809605 | 2.822685 | 0.0048 |
年龄的病人 | 0.031198 | 0.003037 | 10.27155 | < 0.0001 |
模型——lag21 | ||||
(拦截) | −2.05999 | 0.141356 | −14.573 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.30139 | 0.001 |
PM10_lag21days | 0.001045 | 0.000449 | 2.329981 | 0.0198 |
收入 | 1.861317 | 0.520345 | 3.577081 | 0.0003 |
就业 | 2.286928 | 0.809728 | 2.824317 | 0.0047 |
年龄的病人 | 0.03119 | 0.003038 | 10.26713 | < 0.0001 |
。 | 估计。 | Std.错误。 | t价值。 | P价值。 |
---|---|---|---|---|
Model-lag14 | ||||
(拦截) | −2.06115 | 0.141315 | −14.5856 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.31804 | 0.0009 |
PM10_lag14days | 0.00111 | 0.000434 | 2.554619 | 0.0106 |
收入 | 1.861247 | 0.520268 | 3.577478 | 0.0003 |
就业 | 2.285261 | 0.809605 | 2.822685 | 0.0048 |
年龄的病人 | 0.031198 | 0.003037 | 10.27155 | < 0.0001 |
模型——lag21 | ||||
(拦截) | −2.05999 | 0.141356 | −14.573 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.30139 | 0.001 |
PM10_lag21days | 0.001045 | 0.000449 | 2.329981 | 0.0198 |
收入 | 1.861317 | 0.520345 | 3.577081 | 0.0003 |
就业 | 2.286928 | 0.809728 | 2.824317 | 0.0047 |
年龄的病人 | 0.03119 | 0.003038 | 10.26713 | < 0.0001 |
。 | 估计。 | Std.错误。 | t价值。 | P价值。 |
---|---|---|---|---|
Model-lag14 | ||||
(拦截) | −2.06115 | 0.141315 | −14.5856 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.31804 | 0.0009 |
PM10_lag14days | 0.00111 | 0.000434 | 2.554619 | 0.0106 |
收入 | 1.861247 | 0.520268 | 3.577478 | 0.0003 |
就业 | 2.285261 | 0.809605 | 2.822685 | 0.0048 |
年龄的病人 | 0.031198 | 0.003037 | 10.27155 | < 0.0001 |
模型——lag21 | ||||
(拦截) | −2.05999 | 0.141356 | −14.573 | < 0.0001 |
时间(月) | −0.00037 | 0.000113 | −3.30139 | 0.001 |
PM10_lag21days | 0.001045 | 0.000449 | 2.329981 | 0.0198 |
收入 | 1.861317 | 0.520345 | 3.577081 | 0.0003 |
就业 | 2.286928 | 0.809728 | 2.824317 | 0.0047 |
年龄的病人 | 0.03119 | 0.003038 | 10.26713 | < 0.0001 |
Model-lag21。 | 估计。 | L_CI。 | U_CI。 |
---|---|---|---|
(拦截) | −2.05999 | −2.33705 | −1.78293 |
时间(月) | −0.00037 | −0.00059 | −0.00015 |
PM10_lag21days | 0.00105 | 0.00017 | 0.001924 |
收入 | 1.86132 | 0.84144 | 2.881193 |
就业 | 2.28693 | 0.69986 | 3.873995 |
年龄的病人 | 0.031190 | 0.02524 | 0.037144 |
Model-lag21。 | 估计。 | L_CI。 | U_CI。 |
---|---|---|---|
(拦截) | −2.05999 | −2.33705 | −1.78293 |
时间(月) | −0.00037 | −0.00059 | −0.00015 |
PM10_lag21days | 0.00105 | 0.00017 | 0.001924 |
收入 | 1.86132 | 0.84144 | 2.881193 |
就业 | 2.28693 | 0.69986 | 3.873995 |
年龄的病人 | 0.031190 | 0.02524 | 0.037144 |
Model-lag21。 | 估计。 | L_CI。 | U_CI。 |
---|---|---|---|
(拦截) | −2.05999 | −2.33705 | −1.78293 |
时间(月) | −0.00037 | −0.00059 | −0.00015 |
PM10_lag21days | 0.00105 | 0.00017 | 0.001924 |
收入 | 1.86132 | 0.84144 | 2.881193 |
就业 | 2.28693 | 0.69986 | 3.873995 |
年龄的病人 | 0.031190 | 0.02524 | 0.037144 |
Model-lag21。 | 估计。 | L_CI。 | U_CI。 |
---|---|---|---|
(拦截) | −2.05999 | −2.33705 | −1.78293 |
时间(月) | −0.00037 | −0.00059 | −0.00015 |
PM10_lag21days | 0.00105 | 0.00017 | 0.001924 |
收入 | 1.86132 | 0.84144 | 2.881193 |
就业 | 2.28693 | 0.69986 | 3.873995 |
年龄的病人 | 0.031190 | 0.02524 | 0.037144 |
然后,我们评估协会的力量。增加10μg / m3的点101%(95%置信区间CI: 0.02 - -1.8%)增加舒喘灵处方。增加1 SD收入和就业不足与增长了20.5%(95%置信区间CI: 8.8 - -33.4%)和14.7%(95%置信区间CI: 4.3 - -26.2%)舒喘灵处方率,分别。一年时间的流逝与减少0.4%(95%置信区间CI: 0.1 - -0.7%)表明边际降低舒喘灵处方在研究期间。最后,一个3年的平均年龄增加患者注册全科医师是10.3%(95%置信区间CI: 8.4 - -12.5%)增加处方率。
我们还发现点之间的交互10剥夺并没有统计上显著的预测(P= 0.75)。在我们的研究区域,空气污染主要是有关移动源(交通),可以更均匀分布在最高和最低的剥夺了亚区与点空气污染来源(即行业)位于历史上最贫困的地区。然而,低收入居民将更有可能住在高的道路交通排放,应进一步探索空间定向研究。
讨论
本研究的主要发现
我们观察到积极的呼吸处方和空气质量之间的联系。效应的大小订单的发现在这项研究中,可以预期从日常水平之间的联系的研究空气污染和呼吸的结果。然而,我们认为,发现被削弱由于粗的影响时间单位平滑处方变化的分析。研究提供了证据,每月呼吸处方在初级保健是一个有用的指标,空气污染的程度加剧哮喘和慢性阻塞性肺病的症状,在设置全民医疗保险。呼吸的处方是高收入和employment-deprived人群。
已知关于这个主题是什么呢
据我们所知,这是第一个以人群为基础的量化研究之间的联系呼吸处方在哮喘和慢性阻塞性肺病急性加重空气污染和不足。在这项研究中,我们访问一个大样本的短效β2-agonist作为急性哮喘和慢性阻塞性肺病急性加重的指标在450人口的000 +人协变量和构建时空在初级护理级别。在先前的研究中,劳伦特等。12访问的数据从四个医疗保险基金覆盖> 90%的当地居民和研究人口000(260)0-39岁他们旨在排除那些患有慢性阻塞性肺病的人。他们之间的关系量化城市每日空气污染和短效β2-agonists,发现日变化引发的哮喘发作的影响大小的点10每10 7%μg / m3,而剥夺没有效果。一些先前的研究,13,14使用更小的样本容量,研究了呼吸系统药物的销售和空气污染。这些都是暂时的生态学研究和不包括任何社会经济特征。最近的研究使用的数据分发呼吸药物野火的处方。30.,31日
这个研究增加了
使用大型的处方数据集的统计建模方法和时空的评估模型的优点是适合这项研究。诊断测试显示没有剩余的时空模式的残差和随机效应模型,证明该模型充分捕捉连续几个月的处方自相关和附近的地理区域。在第一阶段的模型中,我们估计的季节性变化舒喘灵处方使用温度数据通过使用一个动态谐波回归模型,允许分析现象与周期性行为随着时间的推移而逐渐改变会计。32这是第一个研究哮喘和慢性阻塞性肺病流行病学,使用这种方法考虑季节性。一些先前的研究在呼吸道的处方12 - 14增加了季节性协变量(如花粉,呼吸道感染)单程回归分析,考虑到季节性变化。在缺乏数据花粉或呼吸道感染我们的方法是一个务实的方式来捕获季节性变化。甚至在花粉和呼吸道感染数据存在的情况下,使用动态谐波模型季节性变化的处方是一个有效的方法或其他健康状况表现出周期性的行为。该方法考虑到季节性已应用于时间序列数据;然而,在大型研究领域(如地区或全国范围内)温度的变化都应预期在时间和空间上,应该占。大型研究区域内,而不是考虑季节性的空间变化,会导致剩余空间相关性在第二阶段的线性混合模型。总的来说,两个阶段建模方法可以解决季节性的影响在呼吸加重空气污染的影响,贫困和人口特征。仍然有缺乏数据的季节性发作的慢性阻塞性肺病,33因此这种方法很有可能被用在研究关注这种疾病的重要方面。
我们观察到呼吸的处方是更高的对贫困人口。唯一的先前的研究,检验了短效β2-agonist与空气污染和剥夺,没有发现不足的影响,这可能是由于特定的当地条件。12指数由52个变量/普查块(平均2500居民)。我们使用剥夺指数整体IMD的指数。原因是指数(图有不同的空间模式。1)。我们也访问了剥夺指数较小的空间单元(平均1500居民),减少区域内非均质性。
定期收集分析处方数据是一个有效的方法来提取新健康状况的信息。加强基础护理是高度局部和公共卫生的主要支柱之一。34,35我们的研究结果表明处方数据的相关性在公共卫生作为一种工具来监控一个社区的健康。
本研究的局限性
不可用的处方/诊断是研究的一个弱点。不可能区分哮喘和慢性阻塞性肺病患者这类信息是不可用的。另一方面,两种疾病的共同症状和慢性阻塞性肺病经常被误诊为哮喘,根据肺量测定法的可用性。36,37密集的空气污染监测网络不可用的也是一个研究的弱点,这样数据会允许我们估计空间变化在暴露于空气污染。38我们解决这部分的信息缺乏建设交通流量指数。39交通地图可能是与人口密度的地图或户籍人口的邮政编码,为了占患者的非齐次分布。我们改装的插值模型的评估结果在10个随机选择的网站删除数据后,在6个月。的观测值和预测值有紧密的关联,R2值介于0.77和0.85。因此,我们建议使用样条函数进行插值交通流数据。测量的小点(< 10μm)也应该被使用,如果可用,因为他们可以穿透肺的最深处,影响健康。最后,我们发现不足的影响,可能会影响人们遵循预防性治疗,治疗哮喘或慢性阻塞性肺病不当可以增加舒喘灵使用的必要性。我们没有访问预防性药物数据但包括吸入类固醇的数量可以控制,通过实践。
资金
这项工作已经由柯尔特基金会的支持。研究赞助商没有参与研究设计、收集、分析和解释数据和本文的写作和提交出版的决定。研究人员独立于出资人。这份出版物是作者的工作。Eleni Sofianopoulou的担保人是本文的内容。
确认
我们感谢柯尔特资助这项研究的基础。我们感谢东北公共卫生天文台(NEPHO)为我们提供实践的人口数据。我们要感谢初级保健信托给批准访问健康数据。我们也感谢地区毒品和Therapautics中心为我们提供处方数据。