脑卒中发病环境因素分析及干预spss

脑卒中发病环境因素分析及干预

摘要

脑卒中，俗名脑中风，或者脑缺陷。近几年越来越成为一类威胁人们健康甚至生命的疾病。由于发病率较高，患病人群从儿童到老人，各种职业的人也都有患病，因此受到各类人群的关注。现已证实发病原因确实与环境因素有关。

本文主要讨论脑卒中发病环境因素分析及干预问题。根据题中所给出的数据，通过合理的假设对某地区四年间脑卒中发病人数情况，利用SPSS20 软件进行相关性统计分析，分别对各气象因素进行单因素分析，进而建立后退法线性回归分析模型，得到脑卒中与气压、气温、相对湿度之间的关系。同时在广泛收集各种资料找出影响脑卒中发病的其他重要因素，并综合考虑环境因素，对脑卒中高危人群提出预警和干预的建议方案。总之，通过各方面因素分析，找出相关性大的各种环境因素，让人们注意防范，对预防脑卒中发病具有指导意义。

针对问题一，首先对原始数据进行加工整理，SPSS20软件,从患病人群的性别、年龄、职业和时间序列，在删除了缺失或失真数据的基础上，对数据进行统计分析，做出男性与女性患病情况的饼状图，得到2007-2010年男性患病人数高于女性，且男性所占比例有逐年下降趋势，女性则有上升趋势，因此，性别比例呈减小趋势。分析不同年龄段患病人数，做出不

2012高教社杯全国大学生数学建模竞赛

承 诺 书

我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.

我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。

我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。

我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。

我们参赛选择的题号是（从A/B/C/D中选择一项填写）： C 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 江西环境工程职业学院 参赛队员 (打印并签名) ：1.

脑卒中发病环境因素分析及干预

摘要

针对题目提供的脑卒中病人的信息，本文利用控制变量法和分层抽样对病人发病情况进行了统计分析，并引入回归分析的方法探讨了脑卒中发病率与气温、气压、相对湿度之间的关系。

对于问题1，本文抽取了2007-2010年4月中病人的信息作为研究对象，从年龄、性别以及职业三个方面对发病人群进行了详细的统计分析，具体的统计图表详见图1-图8，从抽样统计分析中可以看出脑卒中的发病人群主要集中在60-80岁，且男性发病率大于女性，在从事的职业中农民发病率最高，其次是退休人员，教师和工人的发病率较低。

对于问题2，在研究脑卒中发病率与气温、气压、相对湿度之间的关系时，首先利用一元多次回归研究了单个因素对发病率的影响，具体结果参见式（2）、（4）、（6）；然后引入多元纯二次回归模型，探讨了气温、气压及相对湿度三者与发病率的关系，具体模型参见式（8），从回归关系中可以看出在高气压低温度低湿度情况下发病率较高，而在低气压高温度高湿度发病率较低。

对于问题3，本文通过查资料给出了脑卒中高危人群的重要特征为：脑卒中高危人群发病时突然无法行走，头晕眼花，失去平衡或协调能力等和血压的高低、血糖的浓度、血脂蛋白的含量等关键指标，随后利用问题1、2

非瓣膜性房颤患者脑卒中类型及发病机制分析

【摘 要】

目的 回顾性分析我院心房颤动脑卒中患者的脑梗死类型及相关发病因素，以 探讨非瓣膜性房颤患者发生脑卒中可能存在的发病机制和意义。

方法 对2005年9月至2007年9月在我院住院和门诊的房颤并发脑卒中患者进行调查，观察分析瓣膜性和非瓣膜性心房颤动合并脑卒中患者的梗死类型和相关发病因素的区别，筛选非瓣膜性心房颤动发生脑卒中的可能病因和机制。 结果 瓣膜性房颤和非瓣膜性房颤脑卒中患者有相同的危险因素：心衰、高纤维蛋白原，也有不同的危险因素：瓣膜性房颤脑卒中与过快的心室率（即：频速型房颤）关系密切，非瓣膜性房颤脑卒中则与高血压、动脉硬化、高脂血症、高血糖的关系密切；非瓣膜性房颤与瓣膜性房颤发生脑卒中的类型不同，瓣膜性房颤发生大动脉栓塞的可能性大，而非瓣膜性房颤发生脑卒中的类型多种多样，包括大动脉栓塞、皮层支梗死、分水岭梗死及腔隙性梗死，特别以分水岭梗死为多。 结论 非瓣膜性心房颤动病人可能发生不同类型的脑梗死，发病机制除了心源性栓子脱落造成脑栓塞外，还包括其它不同机制引起的梗死，包括血流动力学改变、动脉粥样硬化斑块形成或脱落、血液流变学改变等，而分水岭梗死的多发则提示血流

妊娠糖尿病发病现状及危险因素分析

张雪倩 1253296 指导教师：张丽娟

【摘要】目的：调查上海地区妊娠期糖尿病 (GDM) 患病率及妊娠结局，研究与 GDM 发病相关的高危因素。方法: 选取2015年 1 月 ～2016 年 12 月就诊于上海市第一妇婴保健院的361例孕妇，将调查对象分为对照组和 GDM 组，对两组进行单因素、多因素 Logistic 回归分析。结果: 361例研究对象中，诊断GDM为50例 (GDM 组)，患病率为 13.9%，年龄、人工流产史、产次两组的比较差异具有统计学意义。结论: 高龄、人工流产史、初产妇是GDM发病的危险因素，应在妊娠早期对GDM高危因素进行筛查和识别，给予针对性的健康教育，从而预防GDM发生、改善GDM病人妊娠结局。

【关键词】 妊娠期糖尿病 危险因素 Logistic 回归分析

Analysis occurrence status quo of gestational diabetes mellitus and its risk factors

〔Abst

作业8：多因素方差分析

1， data0806-height是从三个样方中测量的八种草的高度，问高度在三个取样地点，以及八

种草之间有无差异？具体怎么差异的？ 打开spss软件，打开data0806-height数据，点击Analyze->General Linear Model->Univariate打开：

把plot和species送入Fixed Factor(s)，把height送入Dependent Variable，点击Model打开：

选择Full factorial，Type III Sum of squares，Include intercept in model（即全部默认选项），点击Continue回到Univariate主对话框，对其他选项卡不做任何选择，

结果输出：

因无法计算???? ??rror，即无法分开???? intercept 和???? error，无法检测interaction的影响，无法进行方差分析，

重新Analyze->General Linear Model->Univariate打开：

选择好Dependent Variable和Fixed Factor(s)，点击Model打开：

点击Cust

SPSS中的单因素方差分析

一、基本原理 单因素方差分析也即一维方差分析，是检验由单一因素影响的多 组样本某因变量的均值是否有显著差异的问题，如各组之间有显著差 异，说明这个因素（分类变量）对因变量是有显著影响的，因素的不 同水平会影响到因变量的取值。

二、实验工具 SPSS for Windows 三、试验方法 例：某灯泡厂用四种不同配料方案制成的灯丝（filament），生产 了四批灯泡。在每批灯泡中随机地抽取若干个灯泡测其使用寿命（单 位：小时hours），数据列于下表，现在想知道，对于这四种灯丝生产 的灯泡，其使用寿命有无显著差异。

灯泡 灯丝 1 2 3 4 5 6 7 8 甲 1600 1610 1650 1680 1700 1700 1780 乙 1500 1640 1400 1700 1750 丙 1640 1550 1600 1620 1640 1600 1740 1800 丁 1510 1520 1530 1570 1640 1680 四、不使用选择项操作步骤 （1）在数据窗建立数据文件，定义两个变量并输入数据，这两 个变量是：

filament 变量，数值型，取值1、2、3、4 分别代表甲、乙、丙、 丁，格式为F1.0，标签为“

普外科护理不安全因素分析及干预对策分析

【摘要】 目的 探讨普外科在护理过程中不安全因素分析以及敢于对策。方法 选取2011年到2012年，我科18名护士，平均分为两组，观察组和对照组，观察组9名经过培训，培训内容关于如何做好普外科工作，提高护士的工作技能以及自身素质，与患者沟通技巧等等；对照组9名护士没有经过培训，最后把两组数据与结果进行比较分析。结果 观察组出现失误以及差错的行为和次数明显低于对照组，患者对观察组的满意度明显高于对照组，两组比较具有统计学差异（p0.05）。

1.2 方法 对普外科就诊的患者发放一份事先设计的问卷调查，采用问卷调查方法，在患者的配合以及理解的基础上进行，调查内容包括护士的仪表仪态，护理质量，健康宣教内容，患者的需求满足情况，服务态度等项目，每个项目都以非常满意，一般满意，不满意的评价来测定。

1.3 统计学方法 以均数±标准差（χ±s）表示，计数类型的资料则用百分数与例数来表示。计量类型的资料使用方差分析法，而计数类型的资料则采用χ2检验，以p<0.05为差异有统计学意义。 2 结果

对照两组患者对护理服务满意度的评分，详细结果见表1。观察组经过了培训，与对照组相比护理水平高，护士责任心强，法律意识强、护患沟通良好、具备敏锐的预见性护理能力。以上条

第4章 探索式因素分析

在社会与行为科学研究中，研究者经常会搜集实证性的量化资料來做验证，而要证明这些资料的可靠性与正确性，则必须依靠测量或调查工具的信度或效度（杨国枢等，2002b）。一份好的量表应该要能够将欲研究的主题构念（Construct，它是心理学上的一种理论构想或特质，无法直接观测得到）清楚且正确的呈现出来，而且还需具有「效度」，即能真正衡量到我们欲量测的特性，此外还有「信度」，即该量表所衡量的结果应具有一致性、稳定性，因此为达成「良好之衡量」的目标，必须有以下两个步骤：第一个步骤是针对量表的题项作项目分析，以判定各项目的区别效果好坏；第二步骤则是建立量表的信度与效度。量表之项目分析、信度检验已于第2、3章有所说明，本章将探讨量表之效度问题。 4-1 效度

效度即为正确性，也就是测量工具确实能测出其所欲测量的特质或功能之程度。一般的研究中最常使用「内容效度」（Content Validity）与「建构效度」（Construct Validity）来检视该份研究之效度。

所谓「内容效度」，是指该衡量工具能足够涵盖主题的程度，此程度可从量表内容的代表性或取样的适切性来加以评估。若测量内容涵盖所有研究计划所要探讨的架构及内容，就可说是

熟练使用SPSS进行单因素方差分析 试验内容: [试验] [例] 五个地区每天发生交通事故的次数如下： 表1 五个地区每天发生交通事故数据列表 东部 15 17 14 11 — 北部 12 10 13 17 14 — 中部 10 14 13 15 12 — 南部 14 9 7 10 8 7 西部 13 12 9 14 10 9 — 试以α=0.01的显著水平检验各地区平均每天交通事故次数是否相等。 1.数据录入。以变量x 表示交通事故数据；g 表示组别，可设1 为东部，2 为北部，3为中部，4为南部，5为西部，比如东部数据1可以录入为x=15,g=1。具体格式见下图。 图1 数据输入界面 2.统计分析。 依次选取“Analyze”、 “Compare Means”、 “One way ”。

图2 选择分析工具

ANOVA 弹出对话框如下图所示，将x 选入Dependent list（因变量框），g 选入Factor （研究因素框），对话框下方还有三个按钮：Contrast、Post Hoc 和Options 。下面简单介绍其子对话框：

Post Hoc：指定一种多重比较检验方法和水准；