過敏性疾病過敏原檢測結(jié)果之影響因素的定量分析①

徐 亮， 朱家明*， 李 丹， 李 薇

(安徽財經(jīng)大學(xué)a.統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院；b.金融學(xué)院，安徽 蚌埠，233000)

0 引 言

隨著社會的高速發(fā)展，環(huán)境問題逐漸顯現(xiàn)，而過敏性疾病也隨著環(huán)境的惡化而愈發(fā)嚴重。十九大報告中提出‘要像對待生命一樣對待生態(tài)環(huán)境’，保護好生態(tài)環(huán)境就是保護未來。生態(tài)環(huán)境不健康，例如PM2.5濃度增高，會導(dǎo)致各類過敏性疾病的發(fā)生，譬如皮膚過敏、呼吸道過敏、消化道過敏等。為了有效治理過敏性疾病，需對過敏性疾病的影響因素進行研究，并從根源上解決過敏性疾病。關(guān)于大氣污染與人體健康之間的關(guān)系國內(nèi)外學(xué)者已有大量的研究。近年來，大氣環(huán)境因素對人體健康受到越來越多的關(guān)注。屈方[1]研究表明氣象要素的波動 、空氣質(zhì)量因子等對呼吸系統(tǒng)疾病患病人數(shù)具有不同程度的影響。王成[2]碩認為氣象要素變化引起的空氣污染和各類過敏原的變化對疾病的發(fā)病率也會產(chǎn)生影響。馬關(guān)培[3]等通過分析大氣污染急性暴露對醫(yī)院每日門診人數(shù)的影響發(fā)現(xiàn)，PM2.5和NO2日均濃度的短期升高會導(dǎo)致呼吸系統(tǒng)疾病日就診人數(shù)增加；根據(jù)Caivalho報道，一定濃度的NO2和SO2同時作用于人體時，會誘發(fā)支氣管炎、哮喘和肺氣腫的發(fā)病[4]。

1 數(shù)據(jù)假設(shè)

數(shù)據(jù)提出以下假設(shè)：(1)假設(shè)含有一個以上過敏原的人員記為過敏性疾病患者。(2)假設(shè)除附件中的17種過敏原之外的過敏原不產(chǎn)生影響。(3)假設(shè)患者可以正確的選擇科室測試過敏原。⑷假設(shè)PM2.5可由各城市平均值表示。

2 基于Logistic二分類回歸分析過敏性疾病與時間，季節(jié)，性別，年齡的關(guān)系

2.1 研究思路

為了研究過敏性疾病與上述因素之間的關(guān)系，首先對季節(jié)、性別、時間三個分類變量進行量化，得到進行處理的數(shù)據(jù)。通過量化，將過敏性患者記為“1”，非過敏性患者記為“0”。并引入虛擬變量，采用Logistic二分類回歸進行分析，并且回歸結(jié)果的參數(shù)在概率上解釋問題。

2.2 研究方法

Logistic回歸又稱logistic回歸分析，是一種廣義的線性回歸分析模型，在醫(yī)學(xué)、經(jīng)濟等各個領(lǐng)域都有著廣泛的運用，是一種非線性的概率模型。利用EXCEL軟件對原數(shù)據(jù)進行處理，并將處理后的數(shù)據(jù)導(dǎo)入進SPSS軟件中進行Logistic回歸，得到各個變量的系數(shù)。

2.3 結(jié)果分析

模型的參數(shù)求解結(jié)果見表1：

表1 參數(shù)估計結(jié)果表

根據(jù)上表結(jié)果，得到的Logistic模型(去除不顯著變量)： 模型中表示性別，表示年齡，表示2013年和2014年對比，表示2013年和2015年對比，表示2013年和2016年對比，表示春季和夏季對比，表示春季和秋季對比。

2.3.1 結(jié)果

性別變量的參數(shù)估計結(jié)果為0.253，即男性的患病幾率要比女性高出25.3%，患病風(fēng)險是女性的1.288倍。年齡變量的估計結(jié)果為-0.018，即每增加一歲，患過敏性疾病的概率就會降低1.8%，患病風(fēng)險降低為原來的0.982倍。時間方面，2014年的患過敏性疾病的概率比2013年降低了60.9%，患病的風(fēng)險降低到原來的0.544倍， 2015年的患病概率比2013年高出47.9%%，風(fēng)險提高到13年的1.614倍，資料顯示，2015年我國的PM2.5的濃度出現(xiàn)了顯著的提高，導(dǎo)致了患病概率和風(fēng)險提高，同理16年的概率比13年低85.4%，風(fēng)險降低至0.426倍。由于17年對于13年的參數(shù)估計量不顯著，因此不予分析。季節(jié)方面，夏季患病的概率要高出春季約23.7%，風(fēng)險提高至1.268倍；秋季的概率高出27.1%，風(fēng)險也提高至1.311倍；冬季對于春季的參數(shù)估計量不顯著，因此不予考慮。

3 基于多因素方差分析研究不同類型疾病的病人過敏原檢測結(jié)果之間的差異

3.1 研究思路

根據(jù)數(shù)據(jù)中的科室對檢測結(jié)果進行分類，將呼吸科分為一類并賦值為1；皮膚科分為第二類并賦值為2；耳鼻喉科分為第三類并賦值為3；兒科分為第四類并賦值為4；其他科目分為第五類并賦值為5。再利用方差分析的方法，分析每個類型疾病間的檢測結(jié)果間的差異并得出結(jié)論。

3.2 研究方法

多因素方差分析就是每一種分類組合下，有若干個因變量觀測值，在所有組觀測值的方差相等的前提下，建立假設(shè)檢驗：原假設(shè)為各組觀察值的均值都相等；備擇假設(shè)則為各組觀察值中至少存在兩組之間不相等。再通過計算F統(tǒng)計量及顯著性p值，判斷結(jié)果是否顯著并得出結(jié)論。

3.3 結(jié)果分析

3.3.1 只考慮疾病類型

將只考慮疾病類型的數(shù)據(jù)導(dǎo)入進SPSS軟件中進行方差分析，得到的結(jié)果見表2：

表2 只考慮疾病類型的方差分析結(jié)果表

表中的編號依次表示過敏原樹組合、普通豚草、艾蒿、塵螨組合等過敏原。由表中數(shù)據(jù)可以看出不同類型的過敏性疾病間差異存在于豚草、塵螨組合、貓毛、狗上皮、律草和蝦這六個過敏原上。

3.3.2 同時考慮性別和疾病類型

將同時考慮性別和疾病類型的數(shù)據(jù)導(dǎo)入進SPSS軟件中進行方差分析，得到的結(jié)果見表3：

表3 同時考慮性別和疾病類型的方差分析結(jié)果表

表中編號同上，在考慮到性別因素后，只有貓毛這一過敏原的p值小于0.1，即此時不同類型的過敏性疾病之間的差異主要存在于貓毛這一過敏原。

3.3.3 同時考慮季節(jié)和疾病類型

將同時考慮季節(jié)和疾病類型的數(shù)據(jù)導(dǎo)入進SPSS軟件中進行方差分析，得到的結(jié)果見表4：

表4 同時考慮季節(jié)和疾病類型的方差分析結(jié)果表

表中編號同上，在考慮到季節(jié)因素后，不同類型的過敏性疾病之間的差異主要存在于普通豚草、貓毛、霉菌組合、律草、雞蛋白、牛奶、花生這七種過敏原上。

3.3.4 同時考慮性別、季節(jié)和疾病類型

將同時考慮性別、季節(jié)和疾病類型的數(shù)據(jù)導(dǎo)入進SPSS軟件中進行方差分析，得到的結(jié)果見表5：

表5 同時考慮性別、季節(jié)和疾病類型的方差分析結(jié)果表

表中編號同上，在同時考慮到性別和季節(jié)兩個因素后，差異存在于樹組合和花生兩個過敏原上。

4 基于統(tǒng)計分析的過敏原結(jié)果變動趨勢模型

4.1 研究思路

結(jié)合醫(yī)學(xué)依據(jù)，將樹組合、普通豚草、艾蒿、律草分為植物類；霉菌組合單獨分為霉菌類；貓毛、狗上皮、蟑螂分為動物皮毛屑；蟹、蝦、海魚組合、黃豆、花生、牛奶、雞蛋白分為食物類；屋塵、塵螨組合分為塵螨類。并進行兩類討論：分類討論和單個類型與多個類型討論。在根據(jù)不同的討論，計算陽性率并繪制趨勢圖。再利用卡方檢驗，檢驗其統(tǒng)計意義。

4.2 研究方法

過敏原檢測主要是對血清中食物或吸入性等過敏原的特異性lgE進行的檢查。數(shù)值0表示陰性，為不過敏；數(shù)值1表示陽性，為過敏，數(shù)值1及以上均表現(xiàn)為過敏程度的高低。呈現(xiàn)陽性結(jié)果的百分率叫做陽性率。分別統(tǒng)計單個過敏原的檢測陽性率，以任一個lgE陽性計數(shù)為陽性病例數(shù)，一份標本多項過敏原lgE陽性時只計數(shù)一個陽性病例。利用SPSS軟件進行卡方檢驗，檢驗統(tǒng)計學(xué)意義。

4.3 結(jié)果分析

4.3.1 5年間對五類過敏原過敏的陽性比例變化

按照4.1中的方法對過敏原進行分類并計算五類過敏原的陽性率，將計算后的數(shù)據(jù)導(dǎo)入進MATLAB軟件中進行繪圖，得到五類過敏原的陽性率的變化趨勢如圖1所示：

圖1 五類過敏原過敏的陽性比例變化趨勢圖

由圖得五年間塵螨類和食物類過敏原陽性比例較高，在2013至2015年間呈上升趨勢，2015年后開始下降，且塵螨類過敏原陽性比例開始大于食物類過敏原。動物皮毛類、植物類過敏原陽性比例僅次于塵螨類過敏原，霉菌類始終保持在較低水平，且都在2015年存在一個轉(zhuǎn)折點。

4.3.2 5年間單個類型過敏原以及具有多個類型過敏原的變動

分別計算只有單個類型過敏原呈陽性的比例和同時具有兩種及兩種以上呈陽性的比例，并將計算得到的數(shù)據(jù)導(dǎo)入進MATLAB軟件中進行繪圖，得到單個類型和多個類型的陽性率趨勢圖如圖2所示：

圖2 5年間單個類型過敏原以及具有多個類型過敏原的變動

5年間對具有單種類型過敏原的陽性比例保持在40%，左右，2015年有所升高，達到45.7%，而對具有兩種及兩種以上過敏原的陽性過敏比例在2015年達到最高，且均保持在30%左右，較為穩(wěn)定。

5 基于典型相關(guān)分析分析PM2.5濃度和過敏性疾病的相關(guān)性

5.1 研究思路

利用2013至2017每年全國366個城市PM2.5濃度平均值，將五類過敏原檢測結(jié)果與平均PM2.5濃度值進行回歸和典型相關(guān)分析，進而得到他們之間的相關(guān)性。

5.2 研究方法

典型相關(guān)分析是研究變量之間相關(guān)關(guān)系的一種統(tǒng)計分析方法，用來研究兩組隨機變量之間的相關(guān)性。分別構(gòu)造每組變量線性組合，將兩組變量之間的相關(guān)性換為兩個變量之間的相關(guān)性進行研究。

5.3 結(jié)果分析

計算得到的五類過敏原檢測結(jié)果和PM2.5濃度間的相關(guān)系數(shù)如表6：

表6五類過敏原檢測結(jié)果和PM2.5濃度間的相關(guān)系數(shù)表

類別塵螨類食物動物皮毛霉菌植物相關(guān)系數(shù)0.73080.69980.81320.72990.6059

相關(guān)系數(shù)均大于0.5，故各類過敏原與環(huán)境指標PM2.5濃度有著一定的相關(guān)性。且呈正相關(guān)，則平均PM2.5濃度濃度越大，過敏原結(jié)果的陽性率就越高。五類過敏原和PM2.5濃度的回歸結(jié)果如下：

y4=0.0048-0.1767,y5=0.0105x-0.3258

其中y1表示塵螨類，y2表示食物類，y3表示動物皮毛類，y4表示霉菌類，y5表示植物類。由回歸方程的斜率可以看出，PM2.5平均濃度每增加一單位，塵螨類、食物類、植物類、動物皮毛類、霉菌類過敏原陽性率分別增加0.0357、0.0210、0.0105、0.0015、0.0048將隨之增加0.0357單位。受環(huán)境指標PM2.5濃度影響最大的為塵螨類過敏原，最小的為霉菌類過敏原。

6 結(jié) 語

利用Logistic二分類回歸、典型相關(guān)分析等方法，對過敏性疾病的過敏原檢測結(jié)果的影響因素進行定量分析。隨著社會的發(fā)展，能產(chǎn)生嚴重過敏性疾病的過敏原也越來越多，并存在多種過敏原的交叉作用。一些過敏原本身并不直接導(dǎo)致疾病的產(chǎn)生，而是其攜帶的有害氣體誘發(fā)了過敏性疾病，這些因素的存在都會使得模型存在誤差，因此為了提高模型的準確性，認為應(yīng)該：利用更準確地判定是否患過敏性疾病的依據(jù)；對過敏原進行篩選；結(jié)合更多大氣污染的因素。利用了軟件進行模型的求解，并對模型進行靈敏度分析，得到的結(jié)果顯示模型具有較好的靈敏度，因此模型的結(jié)果可信度較高。Logistic二分類回歸利用概率對影響因素做出解釋，結(jié)果較為嚴謹且實用。