曾繁艷 楊學(xué)智 劉星雨 莫佳麗 劉祖婷 盧依 易應(yīng)萍 況杰

【摘要】 背景 腦卒中是嚴(yán)重危害人類健康的主要慢性病，降雨量與腦卒中發(fā)病的關(guān)系尚未明確。目的 分析南昌市降雨量與腦卒中入院的關(guān)聯(lián)性，為制定腦卒中綜合防治策略和措施提供科學(xué)依據(jù)。方法 收集江西省衛(wèi)生健康委員會(huì)信息中心DRGs管理系統(tǒng)中南昌市2015—2019年腦卒中入院數(shù)據(jù)及全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)大氣污染物和南昌市氣象基站數(shù)據(jù)，分析腦卒中入院患者、大氣污染物及氣象因素的基本特征。采用Spearman秩相關(guān)分析探究腦卒中入院例數(shù)與大氣污染物和氣象因素的相關(guān)性，利用分布滯后非線性模型分析降雨量與腦卒中入院的關(guān)系，并按照性別、年齡（<65歲和≥65歲）進(jìn)行分層分析，lag代表滯后天數(shù)。結(jié)果 2015—2019年南昌市腦卒中入院患者79 523例，其中男性（49 072例，61.71%）、年齡≥65歲 （48 092例，60.48%）的患者所占比例較大，冬（12月～次年2月）、春（3～5月）季腦卒中入院例數(shù)分別為20 065例（25.23%）、20 358例（25.60%）。降雨量與腦卒中入院呈非線性關(guān)系，并存在一定的滯后效應(yīng)。降雨量對(duì)腦卒中入院的效應(yīng)在lag1、lag2的RR值均為1.009，95%CI分別為1.000～1.019、1.001～1.016。分層分析顯示：較高降雨量對(duì)男性腦卒中入院例數(shù)的主要效應(yīng)為lag6，RR值為1.003；對(duì)女性腦卒中入院例數(shù)的主要效應(yīng)為lag1和lag2，RR值分別為1.018（95%CI=1.004～1.031）、1.020（95%CI=1.009～1.031）；對(duì)65歲以下缺血性腦卒中入院例數(shù)的主要效應(yīng)為lag1（RR=1.016，95%CI=1.003～1.030）、lag2（RR=1.018，95%CI=1.007～1.029）。結(jié)論 短期暴露于較高降雨量可增加腦卒中入院風(fēng)險(xiǎn)，女性、65歲以下人群對(duì)降雨暴露更為敏感，應(yīng)加強(qiáng)對(duì)該人群的防護(hù)。

【關(guān)鍵詞】 腦卒中；降雨量；危險(xiǎn)因素；分布滯后非線性模型；入院例數(shù)；氣候和疾病；江西省

【中圖分類號(hào)】 R 743 【文獻(xiàn)標(biāo)識(shí)碼】 A DOI：10.12114/j.issn.1007-9572.2024.0010

Association between Rainfall and Stroke Admissions：Based on Distributional Lag Nonlinear Modeling

ZENG Fanyan1，YANG Xuezhi1，LIU Xingyu1，MO Jiali1，LIU Zuting1，LU Yi1，YI Yingping2，KUANG Jie1*

1.Department of Epidemiology，School of Public Health，Nanchang University/Jiangxi Provincial Key Laboratory of Preventive Medicine，Jiangxi Medical College，Nanchang University，Nanchang 330006，China

2.Medical Big Data Research Center，the Second Affiliated Hospital of Nanchang University，Nanchang 330006，China

*Corresponding author：KUANG Jie，Associate professor； E-mail：kuangjie@ncu.edu.cn

【Abstract】 Background Stroke is a chronic condition that seriously impairs human health. The correlation between rainfall and onset of stroke remains unclear. Objective To analyze the correlation between rainfall and stroke admissions in Nanchang City，and to provide scientific references for developing a comprehensive prevention and treatment strategy for stroke. Methods Stroke admission data from Nanchang City（2015-2019） from the digital-related group（DRG） system of the Jiangxi Provincial Health Commission Information Center were collected. In addition，atmospheric pollutant data from the national urban air quality real-time release platform and meteorological data from the Nanchang meteorological base station were collected. Basic characteristics of stroke admission patients，air pollutants，and meteorological factors were analyzed. Spearman rank correlation analysis was performed to identify the correlation of case number of stroke admissions with air pollutants and atmospheric factors. Distributional lag nonlinear model was used to explore the linkage between rainfall and stroke admissions. Stratified analysis was conducted based on gender and age（<65 years old and ≥65 years old），and lag represented the lagging days. Results From 2015 to 2019，there were 79 523 hospitalized patients with stroke in Nanchang City，of which 49 072（61.71%） were males and 48 092（60.48%）were ≥65 years old，accounting for a large proportion. The number of stroke admissions in winter

（December to February）and spring（March to May）were 20 065（25.23%）and 20 358（25.60%），respectively. There was a nonlinear relationship between rainfall and stroke admission，and there was a certain lag effect. The RR values of lag1 and lag2 for the effect of rainfall on stroke admission was both 1.009，and 95%CI were 1.000-1.019 and 1.001-1.016，respectively. Stratified analysis showed that the main effect of higher rainfall on the number of male stroke admissions was lag6，RR value was 1.003；the main effect on the number of hospital admissions for female stroke was lag1 and lag2，with RR values of 1.018（95%CI=1.004-1.031）and 1.020（95%CI=1.009-1.031），respectively. The main effects on the number of hospitalizations for ischemic stroke under 65 years of age were lag1（RR=1.016，95%CI=1.003-1.030），and lag2（RR=1.018，95%CI=1.007-1.029）. Conclusion Short-term exposure to higher rainfall can increase the risk of stroke hospitalization，and women and people under 65 years of age are more sensitive to rainfall exposure，and protection should be strengthened for this group of people.

【Key words】 Stroke；Rainfall；Risk factors；Distributional lag nonlinear model；Hospital admissions；Climates and diseases；Jiangxi province

隨著老齡化、城鎮(zhèn)化、工業(yè)化進(jìn)程加快和行為危險(xiǎn)因素流行，腦卒中導(dǎo)致的死亡及疾病負(fù)擔(dān)在我國(guó)總死亡和疾病負(fù)擔(dān)中的占比巨大。腦卒中發(fā)病急，病因復(fù)雜，已有研究表明，氣象因素與腦卒中發(fā)病有一定的關(guān)系［1］。

降雨量是一個(gè)重要的氣象指標(biāo)，既往研究表明其與心腦血管疾病發(fā)病相關(guān)，如降雨量對(duì)心血管疾病住院率的影響、降水量增加與住院的發(fā)病率增加有關(guān)［2］，與缺血性腦卒中住院率減少有關(guān)［3］。KINTOKI MBALA等［4］研究表明降雨量減少與缺血性腦卒中之間存在正相關(guān)關(guān)系，降雨量增加與出血性腦卒中之間存在正相關(guān)關(guān)系。有研究顯示，較高的空氣濕度會(huì)增加卒中的風(fēng)險(xiǎn)［5］。目前，降雨量與腦卒中入院關(guān)系的研究較少，且結(jié)果并不一致。因此，本研究旨在采用分布滯后非線性模型（distributed lag nonlinear model，DLNM）研究2015—2019年南昌市降雨量與腦卒中入院例數(shù)的關(guān)聯(lián)性，為相關(guān)部門(mén)制定腦卒中綜合防治策略和措施提供科學(xué)依據(jù)。

1 資料與方法

1.1 數(shù)據(jù)來(lái)源

腦卒中入院數(shù)據(jù)來(lái)自江西省衛(wèi)生健康委員會(huì)信息中心DRGs（diagnosis related groups）管理系統(tǒng)，腦卒中的診斷基于國(guó)際疾病分類第10版（ICD-10）編碼：I60～I(xiàn)69。病例信息主要包括入院日期、住院時(shí)間、性別、年齡等臨床信息。病例納入標(biāo)準(zhǔn)：年齡≥18歲，住院時(shí)長(zhǎng)>24 h，研究期間首次住院，并診斷為腦卒中，醫(yī)療類別為住院的所有腦卒中患者。數(shù)據(jù)先由江西省11個(gè)地級(jí)市二、三級(jí)綜合醫(yī)院上傳至江西省衛(wèi)生健康委員會(huì)信息中心，信息中心對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一的標(biāo)準(zhǔn)化，邏輯查錯(cuò)以及疾病編碼校對(duì)，以確保數(shù)據(jù)的完整性及準(zhǔn)確性。

2015—2019年每日氣象資料來(lái)源于南昌市氣象基站數(shù)據(jù)，包括日最高溫、日最低溫、均溫、濕度、風(fēng)向、風(fēng)速、能見(jiàn)度、云量、大氣壓、降雨量。每日大氣污染物資料來(lái)源于全國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)，包括大氣顆粒物PM10、PM2.5、臭氧（O3）、二氧化硫（SO2）、一氧化碳（CO）、二氧化氮（NO2）。

1.2 統(tǒng)計(jì)學(xué)方法

對(duì)研究期間的腦卒中入院病例資料、氣象資料進(jìn)行統(tǒng)計(jì)描述，將腦卒中入院例數(shù)按照春季（3～5月）、夏季（6～8月）、秋季（9～11月）和冬季（12月～次年2月）進(jìn)行分組，獲得腦卒中入院的季節(jié)性特點(diǎn)。計(jì)數(shù)資料以相對(duì)數(shù)表示，對(duì)大氣污染物、氣象因素進(jìn)行Spearman秩相關(guān)分析，采用DLNM定量探索降雨量對(duì)腦卒中入院的影響，其中腦卒中每日入院例數(shù)為因變量，由于日平均氣溫、日最高氣溫、日最低氣溫之間存在高度相關(guān)性，為避免多重共線性對(duì)模型的影響，在構(gòu)建模型時(shí)，只取了日最低氣溫這一指標(biāo)，因其與腦卒中入院的相關(guān)系數(shù)r最大，然后按照向前逐步回歸進(jìn)行變量篩選，以降雨量為研究變量，將篩選出的大氣污染物和氣象因素作為混雜變量，控制長(zhǎng)期趨勢(shì)、星期幾效應(yīng)和節(jié)假日效應(yīng)，構(gòu)建DLNM模型，最終模型如下：

log［E（Yt）］=α+βCb.rainfall+NS（time，ν）+DOW+holiday+PM10+SO2+NO2+O3+fs+lt+njd+airpressure

式中Yt為腦卒中日入院例數(shù)，α為截距，Cb.rainfall為降雨量與滯后時(shí)間的交叉基，β為Cb.rainfall系數(shù)，NS為自然立方樣條函數(shù)，ν為自由度，time為時(shí)間變量，DOW為星期幾效應(yīng)，holiday為節(jié)假日效應(yīng)，fs為風(fēng)速，lt為日最低氣溫，njd為能見(jiàn)度，airpressure為氣壓。

根據(jù)廣義赤池信息量準(zhǔn)則（quasi-likelihood for Akaike's information criterion，Q-AIC），選擇最長(zhǎng)滯后時(shí)間為7 d，繪制降雨量在不同滯后時(shí)間下對(duì)腦卒中入院影響的三維關(guān)聯(lián)圖；根據(jù)既往類似研究［6-7］，確定氣象因素的自由度均為3，大氣污染物的自由度為4，時(shí)間趨勢(shì)變量每年的自由度為7。建立模型后，繪制相應(yīng)的滯后效應(yīng)分布圖，并按性別、年齡分層，分析降雨量對(duì)腦卒中入院的影響。lag代表滯后天數(shù)，所有分析采用R 4.1.2軟件進(jìn)行，雙側(cè)檢驗(yàn)水準(zhǔn)α=0.05。

2 結(jié)果

2.1 腦卒中病例入院特征和季節(jié)性變化特征

2.1.1 腦卒中病例入院特征：2015—2019年南昌市共報(bào)告腦卒中病例79 523例，其中缺血性腦卒中59 193例，出血性腦卒中20 330例。在腦卒中總病例數(shù)及缺血性腦卒中、出血性腦卒中患者中，男性占比均較大；在缺血性腦卒中入院病例中，65歲及以上老年人（68.23%）所占比例較大，而在出血性卒中入院病例中，65歲以下人群（62.12%）所占比例較大，詳見(jiàn)表1。

2.1.2 腦卒中入院季節(jié)性變化特征及降雨量分布：2015年腦卒中急性發(fā)作病例數(shù)為13 666例，2016年16 998例，2017年15 078例，2018年16 353例，2019年17 428例。不同年份腦卒中急性發(fā)作的季節(jié)分布比較，差異有統(tǒng)計(jì)學(xué)意義（χ2=25.405，P=0.013，表2）。降水量每年分布差異不大（圖1）。

2.2 大氣污染物及氣象資料主要特征描述及與腦卒中的相關(guān)性分析

大氣污染物及氣象因素均為偏態(tài)分布，故用中位數(shù)及四分位間距表示16個(gè)變量的集中趨勢(shì)和離散趨勢(shì)（表3），采用Spearman秩相關(guān)分析計(jì)算各變量之間的相關(guān)性（圖2），結(jié)果顯示：腦卒中急性發(fā)作總?cè)藬?shù)與PM10、NO2、日溫差、氣壓呈正相關(guān)關(guān)系（P<0.05），與SO2、O3、日最高溫、日最低溫、日均溫、風(fēng)速、降雨量呈負(fù)相關(guān)關(guān)系（P<0.05），其中缺血性腦卒中急性發(fā)作與NO2、日最高溫、日最低溫、日均溫、日溫差、風(fēng)向、能見(jiàn)度呈正相關(guān)關(guān)系（P<0.05），與SO2、濕度、風(fēng)速、降雨量呈負(fù)相關(guān)關(guān)系（P<0.05）；出血性腦卒中與PM2.5、PM10、NO2、氣壓呈正相關(guān)關(guān)系（P<0.05），與SO2、O3、日最高溫、日最低溫、日均溫、日溫差、風(fēng)速、風(fēng)向、能見(jiàn)度呈負(fù)相關(guān)關(guān)系（P<0.05，圖2）。

2.3 降雨量與腦卒中入院的滯后效應(yīng)分析

由降雨量對(duì)腦卒中入院影響的3D圖（圖3）可知，降雨量越大，降雨量對(duì)腦卒中入院的當(dāng)日影響越弱，而滯后2 d與滯后6 d時(shí)，隨降雨量的增多，降雨量對(duì)腦卒中入院的影響逐漸增強(qiáng)。降雨量對(duì)缺血性腦卒中入院的影響與對(duì)腦卒中入院的影響類似；對(duì)出血性腦卒中入院的影響表現(xiàn)出了顯著的滯后性，對(duì)出血性腦卒中入院的效應(yīng)在滯后1～2 d出現(xiàn)。降雨量對(duì)腦卒中入院、缺血性腦卒中入院、出血性腦卒中入院的影響的累積效應(yīng)在各滯后期均無(wú)統(tǒng)計(jì)學(xué)意義（圖4）。

由圖5可知，降雨量與腦卒中日發(fā)作人數(shù)為非線性關(guān)系。以降雨量0 mm為參照，降雨量對(duì)腦卒中急性發(fā)作的效應(yīng)在lag1、lag2最大，RR值均為1.009，95%CI分別為1.000～1.019、1.001～1.016。降雨量對(duì)缺血性腦卒中的主要效應(yīng)為lag1、lag2，RR均為1.011，95%CI分別為1.000～1.022、1.002～1.020，對(duì)出血性腦卒中的主要效應(yīng)為lag1，RR為1.004（95%CI=0.987～1.020）。

2.3.1 按性別分層的降雨量與腦卒中入院的關(guān)聯(lián)性：降雨量對(duì)男性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)為lag6，RR值為1.003（P>0.05），對(duì)女性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)為lag1和lag2，RR值分別為1.018（95%CI=1.004～1.031）、1.020（95%CI=1.009～1.031），對(duì)男、女性缺血性腦卒中發(fā)病人數(shù)的效應(yīng)同上。對(duì)男性出血性腦卒中發(fā)病人數(shù)的主要效應(yīng)為lag5（RR=1.004，95%CI=0.988～1.020），對(duì)女性出血性腦卒中發(fā)病人數(shù)的主要效應(yīng)為lag1（RR=1.021，95%CI=0.996～1.047），見(jiàn)圖6。

2.3.2 按年齡分層的降雨量與腦卒中入院的關(guān)聯(lián)性：降雨量對(duì)65歲以下缺血性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)為lag1（RR=1.016，95%CI=1.003～1.030）、lag2（RR=1.018，95%CI=1.007～1.029），對(duì)65歲及以上缺血性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)為lag6（RR=1.015，95%CI=0.999～1.031），對(duì)65歲及以上出血性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)為lag1（RR=1.004，95%CI=0.984～1.025）、lag2（RR=1.004，95%CI=0.987～1.021），對(duì)65歲以下出血性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)為lag6（RR=1.005，95%CI=0.980～1.029），見(jiàn)圖7。

3 討論

本研究旨在了解腦卒中急性發(fā)作患者的入院特征，采用DLNM探討降雨量與腦卒中入院的關(guān)聯(lián)性，為做好腦卒中的綜合防治提供科學(xué)依據(jù)。本研究結(jié)果顯示，腦卒中入院患者中，男性、年齡≥65歲人群占比更多，與諸多研究結(jié)果一致［8-10］。值得注意的是，在出血性腦卒中入院病例中65歲以下人群所占比例較大。中山市一項(xiàng)研究表明，年輕人群（35～64歲）和65歲及以上人群急性心肌梗死和腦卒中發(fā)病分別占總數(shù)的30.53%、68.09%，年輕化趨勢(shì)顯著［11］，本研究結(jié)果與之相似。同樣還有研究表明，中國(guó)低收入人群中腦卒中發(fā)病有年輕化趨勢(shì)［12］。

在降雨量與腦卒中發(fā)病的滯后效應(yīng)分析中，控制了時(shí)間趨勢(shì)、星期幾效應(yīng)及其他混雜因素后，發(fā)現(xiàn)降雨量與腦卒中日發(fā)作人數(shù)在lag0為負(fù)相關(guān)關(guān)系。但也有研究發(fā)現(xiàn)降雨量與心腦血管疾病門(mén)診量呈正相關(guān)關(guān)系［13］，這可能是因?yàn)樾哪X血管疾病包含的疾病種類較多，就可能存在降雨量與心腦血管疾病的某些類疾病的發(fā)病存在關(guān)聯(lián)，從而顯示出這種結(jié)果。以降雨量0 mm為參照，降雨量對(duì)腦卒中急性發(fā)作的效應(yīng)在lag1、lag2最大，說(shuō)明降雨量對(duì)腦卒中急性發(fā)作的滯后效應(yīng)主要在lag1和lag2，且對(duì)缺血性腦卒中的影響較出血性腦卒中大。同樣有研究表明，極端降水可能增加缺血性腦卒中住院的風(fēng)險(xiǎn)［14］，日本一項(xiàng)研究也顯示高年降雨量與卒中發(fā)病風(fēng)險(xiǎn)增加相關(guān)［15］。關(guān)于降雨與腦卒中入院的可能機(jī)制主要有：（1）在潮濕的環(huán)境中，身體排汗能力降低，鈉離子和氯離子的排除被阻斷，可能引起血壓升高［16］，而高血壓是缺血性腦卒中的高風(fēng)險(xiǎn)因素。（2）降水可以增加細(xì)菌和病毒的傳播，而急性細(xì)菌或病毒感染會(huì)增加急性缺血性腦卒中的風(fēng)險(xiǎn)［17］。

本研究還按年齡、性別進(jìn)行了分層分析，探究哪類人群更易受到降雨量的影響，結(jié)果顯示降雨量對(duì)男性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)無(wú)統(tǒng)計(jì)學(xué)意義，女性更容易受降雨的影響增加腦卒中入院風(fēng)險(xiǎn)；對(duì)65歲以下缺血性腦卒中急性發(fā)作人數(shù)的主要效應(yīng)為lag1（RR=1.016，95%CI=1.003～1.030）、lag2（RR=1.018，95%CI=1.007～1.029）。合肥一項(xiàng)研究表明，男性和65歲以上的人對(duì)極端降水更敏感［14］，本研究結(jié)果與之不同；但也有研究顯示，在降雨量較高的社區(qū)中，婦女的卒中發(fā)病率高于其他社區(qū)婦女［15］，這可能是氣壓這一混雜因素在高降雨量和卒中之間呈正相關(guān)關(guān)系，氣壓低的地區(qū)降雨更多，已知低氣壓會(huì)增加凝血酶原和凝血酶-抗凝血酶復(fù)合物的濃度，并增強(qiáng)因子ⅤⅡa的活性。而且，潮濕空氣中粉塵的傳播會(huì)增加，接觸的有毒物質(zhì)也會(huì)增加［18］。

本研究尚存在一定的局限性：（1）僅分析了南昌這一個(gè)地區(qū)。（2）降雨等監(jiān)測(cè)數(shù)據(jù)來(lái)自監(jiān)測(cè)站，并不能準(zhǔn)確代表個(gè)人的暴露量，生態(tài)學(xué)偏倚難以避免。

4 小結(jié)

基于南昌市數(shù)據(jù)，短期暴露于較高降雨量可增加腦卒中入院風(fēng)險(xiǎn)，降雨量暴露對(duì)于女性、65歲以下人群更為敏感。近年來(lái)隨著極端天氣的強(qiáng)度、頻率的持續(xù)時(shí)間不斷增加，健康適應(yīng)政策應(yīng)關(guān)注降雨量增加的影響，做好極端天氣健康風(fēng)險(xiǎn)預(yù)警，提醒腦卒中好發(fā)的敏感人群關(guān)注極端天氣的健康風(fēng)險(xiǎn)并做好防護(hù)。

作者貢獻(xiàn)：況杰提出論文選題方向，負(fù)責(zé)研究設(shè)計(jì)，文章審校；曾繁艷負(fù)責(zé)統(tǒng)計(jì)分析及論文撰寫(xiě)；楊學(xué)智、劉星雨、莫佳麗負(fù)責(zé)提供論文寫(xiě)作思路，統(tǒng)計(jì)方法協(xié)助；劉祖婷、盧依負(fù)責(zé)數(shù)據(jù)收集、數(shù)據(jù)整理；易應(yīng)萍負(fù)責(zé)研究可行性分析，文章質(zhì)量控制；所有作者確認(rèn)了論文的最終稿。

本文無(wú)利益沖突。

曾繁艷：https：//orcid.org/0009-0004-0190-3620

參考文獻(xiàn)

陳念，王春茹. 氣象環(huán)境因素與腦卒中發(fā)病的相關(guān)性研究［J］. 醫(yī)學(xué)信息，2019，32（16）：34-37. DOI：10.3969/j.issn.1006-1959.2019.16.011.

TSANGARI H，PASCHALIDOU A K，KASSOMENOS A P，

et al. Extreme weather and air pollution effects on cardiovascular and respiratory hospital admissions in Cyprus［J］. Sci Total Environ，2016，542（Pt A）：247-253. DOI：10.1016/j.scitotenv.2015.10.106.

CHU S Y，COX M，F(xiàn)ONAROW G C，et al. Temperature and precipitation associate with ischemic stroke outcomes in the United States［J］. J Am Heart Assoc，2018，7（22）：e010020. DOI：10.1161/JAHA.118.010020.

KINTOKI MBALA F，LONGO-MBENZA B，MBUNGU FUELE S，et al. Impact of seasons，years El Nino/La Nina and rainfalls on stroke-related morbidity and mortality in Kinshasa［J］. J Mal Vasc，2016，41（1）：4-11. DOI：10.1016/j.jmv.2015.12.002.

HIREL C，BERTON L，PREDA C，et al. Air pollution and humidity as triggering factors for stroke. Results of a 12-year analysis in the West Paris area［J］. Rev Neurol，2019，175（10）：614-618. DOI：10.1016/j.neurol.2019.03.002.

LUO Y X，LI H B，HUANG F F，et al. The cold effect of ambient temperature on ischemic and hemorrhagic stroke hospital admissions：a large database study in Beijing，China between years 2013 and 2014-Utilizing a distributed lag non-linear analysis［J］. Environ Pollut，2018，232：90-96. DOI：10.1016/j.envpol.2017.09.021.

陳豪. 基于分布滯后非線性模型的空氣污染短期暴露與缺血性卒中的關(guān)聯(lián)研究［D］. 重慶：重慶醫(yī)科大學(xué)，2022.

楊宇鵬，柳艷萍，楊學(xué)禮，等. 2012—2021年天津市濱海新區(qū)居民腦卒中發(fā)病特征及趨勢(shì)分析［J］. 中國(guó)慢性病預(yù)防與控制，2023，31（4）：311-314. DOI：10.16386/j.cjpccd.issn.1004-6194.2023.04.015.

《中國(guó)腦卒中防治報(bào)告》編寫(xiě)組，王隴德. 《中國(guó)腦卒中防治報(bào)告2021》概要［J］. 中國(guó)腦血管病雜志，2023，20（11）：783-792，封3. DOI：10.3969/j.issn.1672-5921.2023.11.009.

XUE X D，JIANG G H，LI W，ZHANG Y，et al. Epidemiological characteristics of hemorrhagic stroke among residents in Tianjin from 1999 to 2018［J］. Zhonghua Liu Xing Bing Xue Za Zhi，2021，42（8）：1460-1465. DOI：10.3760/cma.j.cn112338-20201028-01288.

張浩玲，林海，郭艷，等. 2015—2018年中山市急性心腦血管病流行特征分析［J］. 現(xiàn)代預(yù)防醫(yī)學(xué)，2021，48（3）：405-409，446.

WANG W Z，JIANG B，SUN H X，et al. Prevalence，incidence，and mortality of stroke in China：results from a nationwide population-based survey of 480 687 adults［J］. Circulation，2017，135（8）：759-771. DOI：10.1161/CIRCULATIONAHA.116.025250.

王在翔，趙晶，牛澤亮，等. 空氣污染對(duì)心腦血管疾病門(mén)診量影響的Poisson廣義可加模型分析［J］. 中國(guó)衛(wèi)生統(tǒng)計(jì)，2017，34（2）：232-235.

TANG C，LIU X G，HE Y Y，et al. Association between extreme precipitation and ischemic stroke in Hefei，China：Hospitalization risk and disease burden［J］. Sci Total Environ，2020，732：139272. DOI：10.1016/j.scitotenv.2020.139272.

MATSUMOTO M，ISHIKAWA S，KAJII E. Cumulative effects of weather on stroke incidence：a multi-community cohort study in Japan［J］. J Epidemiol，2010，20（2）：136-142. DOI：10.2188/jea.je20090103.

CHO G J，AHN K H，KIM L Y，et al. Effect of relative humidity on preeclampsia［J］. Clin Exp Obstet Gynecol，2017，44（2）：264-267.

SEBASTIAN S，STEIN L K，DHAMOON M S. Infection as a stroke trigger［J］. Stroke，2019，50（8）：2216-2218. DOI：10.1161/STROKEAHA.119.025872.

ZAR?BA K，LASEK-BAL A，STUDENT S. The influence of selected meteorological factors on the prevalence and course of stroke［J］. Medicina，2021，57（11）：1216. DOI：10.3390/medicina57111216.

（收稿日期：2024-01-01；修回日期：2024-03-10）

（本文編輯：毛亞敏）