居民意外跌落死亡率时间序列分析范文

《中国公共卫生杂志》2015年第十一期

在世界各地，意外跌落均属于重要公共卫生问题。世界卫生组织2012年10月，每年发生的意外跌落为42.4万次，使之成为仅次于道路交通伤害的第二大非故意伤害死亡原因;80%以上与意外跌落有关的死亡均发生在低收入和中等收入国家［1］。在世界所有地区，＞60岁成年人死亡率最高［1］。有研究表明，意外跌落是中国居民的第3位伤害死亡原因，是老年人的主要伤害死亡原因之一［2－3］。上海市静安区是高龄化程度比较高的地区。本研究应用时间序列模型对1975—2009年静安区居民意外伤害死亡率数据进行拟合，并探讨应用此模型进行2010—2014年死亡率预测的可行性，为静安区制定伤害预防性干预措施提供依据。

1资料与方法

1.1资料来源意外跌落死亡资料来源于上海市静安区疾病预防控制中心生命统计专业人员审核后的居民死亡医学证明数据库系统(1975—2014年度)，该系统原始数据来自公安部门提供的死亡证明书、死亡推断书和死亡确认书，数据真实可靠(2002年以前资料是根据现有保存完好的死亡原始单根据现在要求重新审核、编码、录入的，完整率、准确率均＞98%)。人口资料由上海市静安区公安局户政科提供，居民死亡医学证明系统和人口资料均指户籍人口。死因分类参照《居民病伤死亡原因报表》(卫统26表)将死亡疾病分为17大类109类疾病。按照《国际疾病分类(InternationalClassificationofDisease，10thRevisionICD-10)》进行编码，其中根本死因V01-Y98的病例即为伤害死亡的病例。静安区1953年建立死亡监测系统，自建立以来一直稳定运行，且每月与公安部门核对数据，并定期进行漏报调查以保证数据质量。

1.2时间序列模型建立与验证对静安区1975—2009年居民意外跌落死亡率建立时间序列模型。

1.2.1序列平稳性检验及纯随机性检验应用时间序列图、自相关图进行平稳性检验;应用白噪声检验进行序列的纯随机性检验。序列平稳且非纯随机性，可以进行平稳序列的时间序列分析。

1.2.2模型初步识别与定阶根据序列自相关图(autocorrelationfunction，ACF)与偏自相关图(par-tialautocorrelationfunction，PACF)，选择阶数适当的自回归移动平均(autoregressivemovingaverage，ARMA)模型进行拟合。以Akaike'sinformationcri-terion(AIC)(最小信息量准则)和SchwartzBayes-iancriterion(SBC)值最小的模型为最优模型。

1.2.3参数估计与模型检验采用最小二乘法对识别阶段提供的粗模型进行参数估计;模型检验包括参数检验与模型残差检验。

1.2.4时间序列预测与验证利用拟合的ARMA模型对静安区2010—2014年的意外跌落死亡率进行预测并与静安区2010—2014年的意外跌落死亡率实际值进行比对。

1.3统计分析应用软件SAS9.3对数据进行统计分析。

2结果

2.1意外跌落死亡状况1975—2009年静安区累计伤害死亡人数6701人，其中意外跌落死亡2814人，意外跌落占伤害死亡总数的41.99%，位居伤害死因首位，占总死亡数的构成比为2.33%。

2.2时间序列分析

2.2.1序列平稳性及纯随机性检验(图1)结果显示，静安区1975—2009年35年间每年意外伤害死亡率在18.00/10万附近随机波动，无明显的趋势和周期，基本可视为平稳序列;自相关分析显示，该序列的自相关系数基本控制在2倍标准差范围内，基本满足零均值平稳序列要求;平稳序列白噪声检验显示为非纯随机序列(延迟6阶的χ2=13.20，P＜0.05)，具有建模价值。

2.2.2模型初步识别与定阶样本自相关函数、样本偏相关函数表明AR(p)是拖尾的，MA(q)是截尾的，初步判定模型为AR(p)模型;BIC(1，0)=2.9785为最小值，此时AIC=207.4174，SBC=210.5281，因此初始模型定阶为AR(1)。

2.2.3参数估计与模型检验参数统计学检验结果显示，MU(常数项)与AR1，1的t值分别为11.77、3.56，P值均＜0.01，即2参数均有统计学意义;残差自相关检验结果显示，延迟6、12、18、24阶χ2值分别为3.12、8.70、14.16、15.34，P值均＞0.05，表明该AR(1)模型显著有效。

2.2.4时间序列预测与验证(表1、图2)用AR(1)模型预测静安区2010—2014年意外跌落死亡率，结果显示:模型预测值的动态趋势与实际情况基本一致，模型对未来的情况进行了很好的跟踪和预测，2010—2014年的实际死亡率虽与预测值不完全一样，但各年实际值均在预测值95%CI间范围内。

3讨论

ARMA模型是经过序列平稳化及纯随机性检验、模型识别、参数估计和诊断、预测等过程建立的，预测精度较高，但一般要求序列长度应达到30，才能达到较好的建模和预测效果。本建模过程使用了35个时间点数据，保证了模型的稳定性和预测的准确性。时间序列分析能够解决疾病监测数据中短期相关性且非随机性的问题，因此公共卫生领域中应用越来越广泛。近年在伤害监测包括道路交通伤害、自杀等方面均有应用。本研究首次应用时间序列模型对静安区意外跌落伤害死亡进行预测与分析，结果显示，时间序列模型在意外跌落死亡预测中具有较好的应用价值，可用于该地区意外伤害死亡率的短期预测分析。本研究结果显示，上海市静安区1975—2009年意外跌落死亡占伤害死亡的首位(41.99%)，是伤害死亡的主要原因。这与上海市闸北区的研究结果类似，意外跌落死亡占伤害死亡的首位(44.75%)。而全国意外跌落占伤害死亡的第3位;加拿大、美国［13］意外跌落占伤害死亡的第2位。因此，静安区意外跌落的死亡形势更为严峻，这与静安区的人口老龄化程度较高有关。静安区死因监测数据显示，1975—2014年＞60岁老人伤害死亡占总伤害死亡90%以上。因此，加强意外跌落的干预，特别是加强老年人的防跌倒工作是今后伤害防制的重点。

本研究结果显示，静安区近40年的意外跌落死亡趋势平稳，无明显的线性趋势。尽管近年来，静安区开始推广老年防跌倒项目、进行安全社区创建等防治意外跌落的措施，其死亡率略有下降，但从长期趋势看意外跌落的死亡率仍然未见下降趋势。提示，防治意外跌落工作任重道远，需要制定可持续发展的防治策略和长期规划;在防治内容上涵盖健康教育、生活环境评估和改进、运动干预等;在防治形式上也应多样化，不拘泥于讲座、座谈、小组活动等方式，可以借助近年来新兴的网络、APP等方式。

作者：杨晓明 沈冰 王妍敏 褚晓婷 张欣 王云徽 单位：上海市静安区疾病预防控制中心慢病科