分析线性基于多元线性回归脑卒中发病因素研究

论文导读：
基于多元线性回归的脑卒中发病因素研究
刘涛
（陕西国际商贸学院，陕西 西安 712046）
摘要：通过多元线性回归的模型建立，对脑卒中发病的环境因素进行研究分析。首先，对庞大的数据进行处理；然后，针对脑卒中发病率与气温、气压、相对湿度间的相互关系，建立起数学模型，并利用MATLAB软件进行求解；最后，从求解相关方程来证明脑卒中的发病率与气温、气压、相对湿度线性关系，并对脑卒中高危人群提出预警和干预方案。
关键词：脑卒中；多元线性回归；MATLAB
16723198（2013）16008601
1数据分析
脑卒中是目前威胁人类生命的重要疾病之一，它的发生是一个漫长的过程，一旦得病就很难逆转。这种疾病的诱发已经被证实与环境因素，包括气温和湿度之间存在密切的关系。本文通过数学模型对脑卒中的发病环境因素进行分析，找出脑卒中的发病率与气温、气压、相对湿度之间所成多元线性关系，这样可以对脑卒中高危人群能够及时采取干预措施，也让尚未得病的健康人，或者亚健康人了解自己得脑卒中风险程度，进行自我保护。
通过2007年1月至2010年12月的脑卒中发病病例信息以及相应期间当地的逐日气象资料并且根据病人基本信息，对发病人群进行分类统计，分别按气温、气压、相对湿度进行统计，建立气温与发病人数的关系、气压与发病人数的关系、相对湿度与发病人数的关系。
通过数据整理，可知65岁发病8450例，周平均发病（54.28±18.00）例，周发病最小值10例，最大值131例，25%位数为42例，75%位数为68例，中位数为50.50例；≥65岁发病6981例，周平均发病（44.76±12.72）例，周发病最小值14例，最大值97例，22.5%位数为35例，75.5%位数为53.16例，中位数为40例。综合4年数据按月份统计月平均气温、月平均相对湿度、和月平均压力如表3。
表3月平均气温、月平均相对湿度、月平均压力与病例人数
月份压力温度相对湿度（%）病例人数1月1028.234.503273.2268002月1020.78.72570.7867413月1018.311.56569.299644月1016.515.3762.56710295月1008.422.61661.74410236月1006.224.68375.59967月100323.39473.3239658月1004.929.55569.09711319月1010.524.29776.067115810月101919.33971.645122511月1024.112.57362.033106812月1023.57.925867.774830图1四年月平均温度的变化规律利用建立起来的多元线性关系列方程，通过MATLAB软件分别对三个变量进行求解。
（1）首先利用MATLAB求解月平均温度与发病率的关系。根据软件得出的结果可以得到方程：
图2四年月平均相对湿度的变化规律图3四年月平均气压的变化规律（2）在用MATLAB求解月平均压力与发病率的关系方程。根据软件得出的结果可以得到方程：
y=-0.002x+

1.0094

（3）用MATLAB求解月平均相对湿度与发病率的关系方程。根据软件得出的结果可以得到方程：摘自：毕业论文范文格式www.7ctime.com
y=0.0969x3-

3.28097

接下来将三个量同时考虑，进行多元线性回归求解。根据软件得出的结果可以得到方程：
y=-

4.82+0.0047x+0.0005x2+0.0018x22

所以综上所述，可以得到发病率与月平均气温、月平均压力成线性关系。图4多元线性回归的残差分析3结论
居住地的环境与脑卒中高危人群的发病率有密切关系，相对湿度在60%到80%之间，月平均压力在1000千帕到1020千帕之间脑卒中的发病率较为集中，脑卒中高危人群的居住地选择要避开此区间，这也是避免脑卒中发病的一个关键。还有温度对脑卒中发病的影响也不能忽视，统计结果显示，温度在26摄氏度到30摄氏度之间，脑卒中发病率相对较高。综上所述，脑卒中高危人群的居住地上的选择对于湿度、温度、压力有一定的要求。
参考文献
濮定国，田蔚文.数学模型[M].南京：东南大学出版社，1994.
刘论文导读：吴翔，吴孟达，成礼智.数学建模的理论与实践.长沙：国防科技大学出版社，1999.上一页12
来福，曾文艺.数学模型与数学建模[M].北京：北京师范大学出版杜，1997.
[3]汪国强.数学建模优秀案例选编[M].广州：华南理工大学出版社，1998.
[4]傅鹏，龚肋，刘琼荪，何中市编.数学实验[M].北京：科学出版社，2000.
[5]赵静，但琦.数学建模与数学实验[M].北京：高等教育出版社，2000.
[6]吴翔，吴孟达，成礼智.数学建模的理论与实践[M].长沙：国防科技大学出版社，1999.