Đang tải... (xem toàn văn)
Nhiệt độ môi trường tăng lên tác động trực tiếp đến sức khỏe. Đợt sóng nhiệt vào năm 2003 tại Châu Âu đã gây ra 70.000 trường hợp tử vong đặc biệt là bệnh tim mạch và hô hấp 6. Nhiệt độ tăng có khả năng gây ra các stress nhiệt làm tăng số ca tử vong ngắn hạn do đột quỵ do nhiệt 4. Các khu vực thành thị hóa hoàn toàn sẽ chịu tác động có hại nhiều hơn so với các khu vực nông thôn. Dân số thành thị vì vậy cũng đặc biệt dễ tổn thương hơn đối với BĐKH 5, đặc biệt là những người đã mắc các bệnh hô hấp và tim mạch trước đó. Một nghiên cứu tại Vùng Vịnh lập mô hình BĐKH tiên đoán số ca tử vong do tim mạch và bệnh hô hấp, bệnh lây truyền qua vector sẽ gia tăng trong giai đoạn 20702099 2. Đợt sóng nhiệt tại California cho thấy số nhập viện do tim mạch và các bệnh khác tăng rõ rệt 3. Bên cạnh đó dân số thành thị tại các nước đang phát triển gia tăng từ 2,3 tỷ năm 2005 lên đến 4 tỷ năm 2030 sẽ tạo ra các đô thị với tình trạng nghèo đói và chật chội. Điều này sẽ càng làm tăng nguy cơ gây ra sóng nhiệt và đột quị do nhiệt tại các thành phố của các quốc gia đang phát triển như là kết quả của hiệu ứng đảo nhiệt.
MỤC LỤC Trang DANH SÁCH CÁC CHỮ VIẾTTẮT .iii DANH SÁCH BẢNG iv CHƯƠNG I TỔNG QUAN TÀI LIỆU .1 1.1 Tổng quan biến đổi khí hậu .1 1.2 Tổng quan huyện Cần Giờ .10 1.3 Thực trạng biến đổi khí hậu huyện Cần Giờ 15 CHƯƠNG NỘI DUNG NGHIÊN CỨU .18 Khu vực nghiên cứu 18 Thu thập liệu .19 Phân tích liệu 19 CHƯƠNG KẾT QUẢ 23 Số ca mắc SXH biến số môi trường .23 Sự biến thiên ca tả theo thời gian 36 Sự biến thiên ca thương hàn theo thời gian 38 Sự biến thiên ca lỵ theo thời gian .39 Sự biến thiên ca lỵ amip theo thời gian 40 Sự biến thiên ca tiêu chảy theo thời gian 41 Sự biến thiên ca sốt rét theo thời gian 54 Sự biến thiên ca sởi theo thời gian 55 Sự biến thiên ca rubella theo thời gian .56 10 Sự biến thiên ca cúm theo thời gian 57 11 Sự biến thiên ca cúm A theo thời gian 58 12 Sự biến thiên ca tay chân miệng theo thời gian 59 13 Sự biến thiên ca đột quỵ theo thời gian 60 CHƯƠNG BÀN LUẬN 66 Sốt xuất huyết Dengue biến đổi khí hậu Cần Giờ 66 Số ca tiêu chảy biến đổi khí hậu Cần Giờ 70 Bệnh tim mạch biến đổi khí hậu Cần Giờ 72 4 Bệnh hô hấp biến đổi khí hậu Cần Giờ 73 i CHƯƠNG KẾT LUẬN VÀ ĐỀ NGHỊ 75 TÀI LIỆU THAM KHẢO 76 ii DANH SÁCH CÁC CHỮ VIẾTTẮT VIẾT TẮT THUẬT NGỮ TIẾNG VIẾT ADB Ngân Hàng Phát Triển Á Châu BCĐ Ban Chỉ Đạo BĐKH Biến đổi khí hậu TNMT Tài ngun mơi trường BTNMT Bộ Tài Nguyên Môi Trường OECD Organization for Economic Co- IPCC operation and Development Intergovernmental Panel on ENSO Climate Change El Niño-Southern Oscillation iii DANH SÁCH BẢNG SỐ TÊN BẢNG SỐ LIỆU TRANG 1.1 Một số ví dụ tác động biến đổi khí hậu 1.2 Các ngành đối tượng chịu tác động biến đổi khí hậu phân loại theo vùng địa lý 1.3 Xu lượng mưa giai đoạn 1978 – 2007 (mm) 10 1.4 Lụt lội năm 2009 dự tính năm 2050 (dưới ảnh 12 hưởng BĐKH) – ADB (2010) 1.5 Quy trình lập kế hoạch ứng phó với biến đổi khí hậu 17 1.6 Quy trình đánh giá tác động biến đổi khí hậu 18 1.7 Các loại phạm vi không gian đánh giá tác động biến 22 đổi khí hậu 1.8 Các thông tin, số liệu cần thu thập cho đánh giá tác động 24 biến đổi khí hậu 2.1 Danh sách đối tượng tham gia nghiên cứu 31 iv CHƯƠNG I TỔNG QUAN TÀI LIỆU 1.1 Tác động biến đổi khí hậu lên bệnh tim mạch Nhiệt độ môi trường tăng lên tác động trực tiếp đến sức khỏe Đợt sóng nhiệt vào năm 2003 Châu Âu gây 70.000 trường hợp tử vong đặc biệt bệnh tim mạch hơ hấp [6] Nhiệt độ tăng có khả gây stress nhiệt làm tăng số ca tử vong ngắn hạn đột quỵ nhiệt [4] Các khu vực thành thị hóa hồn tồn chịu tác động có hại nhiều so với khu vực nơng thơn Dân số thành thị đặc biệt dễ tổn thương BĐKH [5], đặc biệt người mắc bệnh hô hấp tim mạch trước Một nghiên cứu Vùng Vịnh lập mơ hình BĐKH tiên đốn số ca tử vong tim mạch bệnh hô hấp, bệnh lây truyền qua vector gia tăng giai đoạn 2070-2099 [2] Đợt sóng nhiệt California cho thấy số nhập viện tim mạch bệnh khác tăng rõ rệt [3] Bên cạnh dân số thành thị nước phát triển gia tăng từ 2,3 tỷ năm 2005 lên đến tỷ năm 2030 tạo thị với tình trạng nghèo đói chật chội Điều làm tăng nguy gây sóng nhiệt đột quị nhiệt thành phố quốc gia phát triển kết hiệu ứng đảo nhiệt 1.2 Các nghiên cứu tác động biến đổi khí hậu lên bệnh tim mạch CHƯƠNG NỘI DUNG NGHIÊN CỨU Khu vực nghiên cứu Cần Giờ huyện ngoại thành thành phố Hồ Chí Minh, nằm hướng Đơng Nam, cách trung tâm thành phố khoảng 50 Km theo đường chim bay, có 20 Km bờ biển chạy dài theo hướng Tây Nam – Đơng Bắc, có cửa sơng lớn sơng Lịng Tàu, Cái Mép, Gị Gia, Thị Vải, Sồi Rạp, Đồng Tranh Khí hậu Cần Giờ có hai mùa rõ rệt, mùa mưa từ tháng đến tháng 10, mùa khô từ tháng 11 đến tháng năm sau Số nắng trung bình đạt – giờ/ngày Các tháng mùa khơ đạt 240 giờ/tháng; cao tháng đạt 276 Các tháng mùa mưa đạt 170 giờ/tháng; tháng thấp tháng đtạ 169 giờ/tháng Nhiệt độ trung bình năm: 27,330C, nhiệt độ thấp tháng 12: 260C, nhiệt độ cao tháng 5: 290C Từ tháng trở nhiệt độ giảm theo mùa mưa Trong ngày nhiệt độ thấp xảy vào lúc sáng sớm (5 – sáng), cao xảy lúc trưa (13 – 15 chiều) Độ ẩm cao tháng khác thành phố từ 4% – 8% Trong mùa mưa độ ẩm từ 79 – 83%; mùa khô độ ẩm từ 74 – 77% Độ ẩm cao tuyệt đối đạt đến 100%, thấp 40% Lượng bốc 4mm/ngày 120,4 mm/tháng, cao tháng (173,2 mm) thấp tháng (83,4mm) Vùng Cần Giờ có lượng mưa thấp thành phố Hồ Chí Minh, trung bình từ 1300 – 1400 mm/năm, có khuynh hướng giảm dần từ Bắc xuống Nam, mũi Nhà Bè 1744 mm/năm, Tam Thôn Hiệp 1504 mm/năm Số ngày mưa không 160 ngày/năm, tập trung vào tháng tháng Mưa thường xảy vào buổi chiều từ 14 đến 17 Huyện Cần Giờ nằm vùng bán nhật triều không (2 lần nước lớn lần nước ròng ngày) Biên độ triều khoảng 2m triều trung bình 4m triều cường Theo quan sát, hai đỉnh triều thường hai chân triều lệch xa Biên độ triều cực đại từ 4,0 – 4,2m vào loại cao Việt Nam, có xu hướng giảm dần từ phía Nam lên phía Bắc phía Nam tiếp giáp với biển Đơng Thời gian có biên độ triều lớn từ tháng đến tháng với biên độ từ 3,6 – 4,1m phía Nam từ 2,8 – 3,3m phía Bắc Các tháng có đỉnh triều cực đại 10 11, thấp tháng tháng Chế độ thủy triều huyện Cần Giờ phụ thuộc nhiều vào dịng chảy sơng Sài Gịn Đồng Nai Sau cơng trình thủy điện Trị An, Thác Mơ, Dầu Tiếng… xây dựng chế độ dịng chảy tự nhiên sông thay đổi thủy triều Cần Giờ, dẫn đến đỉnh triều phụ thứ xuất vào tháng 7,8 thời kỳ cơng trình trữ nước vào hồ Theo âm lịch vào ngày 29, 30, 1, 2, ngày 14, 15, 16, 17, 18 ngày có nước lớn ngập toàn huyện Cần Giờ triều cường, ngày triều thấp ngày 25 âm lịch Thu thập liệu 2.1 Dữ liệu số ca mắc bệnh truyền nhiễm Số ca mắc tử vong hàng tháng Cần Giờ từ năm 2000-2014 bệnh tả, thương hàn, lỵ, lỵ amip, tiêu chảy, sốt xuất huyết, sốt rét, rubella, cúm, cúm A, tay chân miệng thu thập từ số liệu báo cáo hàng tháng Trung tâm Y tế dự phịng thành phố Hồ Chí Minh Số ca mắc tử vong hàng tháng Trung tâm Y tế dự phịng thành phố Hồ Chí Minh thu thập từ trạm y tế xã, bệnh viện thành phố thành phố Hồ Chí Minh Để tránh tình trạng lệch số liệu, số ca bệnh chuyển đổi thành dạng Ln 2.2 Dữ liệu số ca mắc bệnh không lây Bệnh không lây thu thập bao gồm bệnh COPD bệnh đột quỵ Số liệu thu thập từ báo cáo hàng quý Sở Y tế thành phố Hồ Chí Minh Số liệu bao gồm số ca mắc số ca tử vong COPD đột quỵ 2.3 Dữ liệu yếu tố môi trường Nhiệt độ tối đa, tối thiểu, lượng mưa trung bình, độ ẩm trung bình, mực nước tối đa thu thập từ trạm quan trắc môi trường Phú An Nhà Bè Phân tích liệu 3.1 Thiết lập mơ hình tiên đốn cho số ca mắc Sử dụng phương pháp Box-Jenkins để lập mơ hình ARIMA cho số ca mắc bệnh truyền nhiễm Phương pháp bao gồm bốn bước: Bước thứ nhất: kiểm tra phân tán số liệu ca mắc bệnh truyền nhiễm biểu đồ hộp mô tả số trung vị ca bệnh theo tháng Nếu số liệu có phân tán mạnh cần phải chuyển đổi số liệu sang dạng ln để loại trừ phân tán số liệu Bước thứ hai: xác định bậc cho tham số tự hồi quy (AR) không theo mùa theo mùa (p P) tham số trung bình tịnh tiến (MA) không theo mùa theo mùa (q Q), xác định có cần phải tính hiệu số khơng theo mùa theo mùa hay không (d D) Các công cụ sau sử dụng để xác định tham số cho mơ hình: 1) Đồ thị số ca bệnh truyền nhiễm giai đoạn 2000-2014 dùng để xác định tính khuynh hướng mơ hình Nếu đồ thị rõ xu hướng, áp dụng kỹ thuật làm mềm lag để phát xu hướng rõ Ngồi phương trình hồi quy tuyến tính đơn biến số ca mắc bệnh truyền nhiễm thời gian thiết lập để xác định số ca mắc bệnh truyền nhiễm có xu hướng tương quan tuyến tính theo thời gian hay không; 2) Đồ thị chu kỳ số ca mắc bệnh truyền nhiễm theo tháng dùng để mô tả tính theo mùa liệu 3) Yếu tố hiệu chỉnh theo mùa (SAF) sử dụng để xác định đỉnh biến thiên theo mùa; 4) Tính hàm tương quan nội (ACF) hàm tương quan nội phần (PACF) để xác định cấu trúc phụ thuộc thời gian số ca SXH chuyển đổi (nếu có); 3) Sử dụng phép kiểm AIC (Akaike Information Criterion) để xác định độ tương hợp mơ hình; 4) phép kiểm Ljung-Box dùng để đo lường ACF hệ số dư mơ hình 5) Xác định ý nghĩa thống kê tham số (khác 0) (giá trị t phải > |2|) Bước thứ ba ước lượng tham số mơ hình ARIMA likelihood tối đa Bước bốn so sánh giá trị tính từ mơ hình giá trị quan sát để kiểm tra mức độ phù hợp mơ hình Mơ hình sau thiết lập sử dụng để tiên đoán số mắc bệnh truyền nhiễm cho năm 2015 Có hai phương pháp sử dụng để ước tính giá trị tiên đốn cho năm 2015 Phương pháp thứ sử dụng mô hình ARIMA thiết lập để tiên đốn cho 12 tháng tiếp theo, tức 12 quan sát mẫu năm 2015 Phương pháp sử dụng cho giám sát bệnh truyền nhiễm Tuy nhiên phương pháp không phản ánh chất thay đổi giám sát Phương pháp thứ hai sử dụng mô hình ARIMA để tiên đốn cho tháng tiếp theo, tức tháng năm 2015 Sau Khi liệu thực tế tháng năm 2015 thu thập, cập nhật liệu đến tháng năm 2015 sau ước lượng lại tham số mơ hình ARIMA lại tiên đoán tháng tức tháng năm 2015 Quy trình tiếp tục cuối tháng 12 năm 2015 Chúng đánh giá lực tiên đốn ngồi mẫu hai phương pháp cách tính bậc hai sai số bình phương trung bình (RSME), giá trị dùng để đo lường hiệu số giá trị tính từ mơ hình giá trị thực tế quan sát Nếu RSME thấp chứng tỏ phương pháp có lực tiên đốn cao Ngồi ra, chúng tơi sử dụng phép kiểm Wilcoxon signed-ranks để ước lượng hiệu số sai số hai phương pháp Phép kiểm đánh giá trung vị phân phối hiệu số hai sai số (tức giá trị mơ hình trừ giá trị quan sát) hai phương pháp có ý nghĩa thống kê khác không mức ý nghĩa 0,05 hay không 3.2 Thiết lập tương quan biến môi trường số ca mắc Để lựa chọn biến mơi trường đưa vào mơ hình ARIMA đa biến, chúng tơi tính hệ số tương quan Pearson số ca mắc bệnh truyền nhiễm biến môi trường sau áp dụng phương pháp “lọc sai số” liệu Trước sử dụng biến vào mơ hình cuối cùng, tính khơng ổn định kiểm tra đặc tính thống kê time series theo dịch tễ học thường thay đổi theo thời gian dẫn đến vấn đề hồi quy sai lệch Chúng kiểm tra độ ổn định liệu phép kiểm Dickey- Fuller phép kiểm Phillips–Perron Tiếp theo, loại bỏ thành phần xu hướng khuynh hướng liệu sử dụng mơ hình ARIMA lập lại bước nêu Bước tính hệ số dư cho mơ hình ARIMA số ca mắc bệnh truyền nhiễm yếu tố môi trường Chúng tơi tính hệ số tương quan hai hệ số dư số ca mắc bệnh truyền nhiễm yếu tố mơi trường vịng số lag Nếu có lag biến giải thích có tương quan đáng kể với biến phụ thuộc dẫn đến đồng tuyến tính có ý nghĩa thống kê Do đó, chúng tơi tạo nên biến giải thích sử dụng giá trị trung bình hai lag với hệ số hồi quy có ý nghĩa cao Biến mơi trường phát có mối tương quan với số ca mắc bệnh truyền nhiễm chạy phân tích đưa vào mơ hình đa biến ARIMA Chúng tơi chạy mơ hình ARIMA có biến mơi trường từ năm 2000-2014 sau sử dụng mơ hình lựa chọn để tiên đoán số ca mắc năm 2015 theo hai phương pháp Để đo lường lực dự đốn mơ hình sử dụng RSME Để kiểm tra độ ý nghĩa hiệu số sai số hai phương pháp sử dụng phép kiểm Wilcoxon signed-rank Đối với bệnh không lây, hệ số tương quan Spearman sử dụng để đo lường mối tương quan đơn biến số ca đột quỵ/COPD biến khí hậu Hệ số tương quan Pearson biến khí hậu sử dụng để diễn giải số ca mắc đột quỵ/COPD có tương quan với từ biến khí hậu trở lên Mơ hình khơng tuyến tính phân bố theo lag (DLNM) sử dụng để ước lượng mối kết hợp số ca mắc đột quỵ/COPD lag biến khí hậu, hiệu chỉnh theo xu hướng thời gian sử dụng phương pháp lấy spline bậc ba, ngày tuần ngày nghỉ năm Để loại trừ kết hợp trễ, kiểm tra tác động thời tiết lên đến 30 ngày trước ghi bệnh nhân nhập viện Để tính ước lượng đường cong nóng lạnh, DLNM sử dụng với mối quan hệ liều lượng đáp ứng tuyến tính theo mảng dạng V u Mối quan hệ bao gồm xác định hai ngưỡng nhiệt độ sau ước tính thay đổi log linear nguy nhập viện trên/dưới ngưỡng nóng/lạnh Phần mềm thống kê Stata 12 sử dụng phân tích liệu CHƯƠNG KẾT QUẢ Sự biến thiên ca đột quỵ theo thời gian 10000 5000 2006q3 2008q3 2010q3 2012q3 2014q3 quy m_dotquy_q5 m_dotquy_q4 m_dotquy_cg m_dotquy_bt m_dotquy_nb m_dotquy_cc m_dotquy_6q Hình Số ca đột quỵ theo quý giai đoạn 2006-2014 Đồ thị cho thấy ca đột quỵ có xu hướng tăng đỉnh vào quý năm Đặc biệt năm 2008 số ca đột quỵ tăng vào quý đầu năm (quý quý 2) sau lại giảm vào quý quý Poisson regression Number of obs = 36 Log pseudolikelihood = -20343.183 4.83 Wald chi2(1) = 0.0280 0.0496 Prob > chi2 = Pseudo R2 = | Robust m_dotquy_6q | Coef Std Err z P>|z| [95% Conf Interval] -+ tmax_quy | -.1792474 0815584 -2.20 0.028 -.339099 -.0193959 _cons | 13.96221 2.683565 5.20 0.000 8.702522 19.2219 Mơ hình hồi quy Poisson đơn biến sử dụng để tiên đoán số ca đột quỵ quận huyện nhiệt độ tối đa Giá trị hồi quy có ý nghĩa thống kê tính phân tích (chi(1) = 4,83; p=0,028) với R2 = 4,96 Số ca đột quỵ dự đốn phương trình 13,96 – 0,18(nhiệt độ tối đa) nhiệt độ tối đa đo (0C) Số ca đột quỵ giảm 0,18 ca nhiệt độ tăng lên 0C Nhiệt độ tối đa có mối tương quan có ý nghĩa thống kê dự đốn số ca đột quỵ (p=0,03) Poisson regression Number of obs = 36 Log pseudolikelihood = -14337.143 19.94 Wald chi2(1) = 0.0000 0.3302 Prob > chi2 = Pseudo R2 = | Robust m_dotquy_6q | Coef Std Err z P>|z| [95% Conf Interval] -+ amtb_quy | 0894085 0200208 4.47 0.000 .0501685 1286484 _cons | 1.16163 1.497586 0.78 0.438 -1.773585 4.096845 Mơ hình hồi quy Poisson đơn biến sử dụng để tiên đoán số ca đột quỵ quận độ ẩm Giá trị hồi quy có ý nghĩa thống kê tính phân tích (chi(1) = 19,94; p< 0,01) với R2 = 33,02 Số ca đột quỵ dự đoán phương trình 1,16 + 0,08(độ ẩm) độ ẩm đo (g/mm3) Số ca đột quỵ tăng 0,08 ca độ ẩm tăng lên g/mm3 Độ ẩm tương đối có mối tương quan có ý nghĩa thống kê dự đoán số ca đột quỵ (p< 0,01) Poisson regression Number of obs = 36 Log pseudolikelihood = -16514.086 18.36 Wald chi2(1) = 0.0000 0.2285 Prob > chi2 = Pseudo R2 = | Robust m_dotquy_6q | Coef Std Err z P>|z| [95% Conf Interval] -+ rtsh_quy | 0784752 0183144 4.28 0.000 0425796 1143707 _cons | 7.165184 2070824 34.60 0.000 6.75931 7.571058 Mơ hình hồi quy Poisson đơn biến sử dụng để tiên đoán số ca đột quỵ quận lượng mưa Giá trị hồi quy có ý nghĩa thống kê tính phân tích (chi(1) = 18,36; p< 0,01) với R2 = 22,85 Số ca đột quỵ dự đốn phương trình 7,16 + 0,08(độ ẩm) lượng mưa đo (mm) Số ca đột quỵ tăng 0,08 ca lượng mưa tăng lên mm Độ ẩm tương đối có mối tương quan có ý nghĩa thống kê dự đoán số ca đột quỵ (p< 0,01) CHƯƠNG BÀN LUẬN Bệnh tim mạch biến đổi khí hậu Cần Giờ Nhiệt độ lạnh làm tăng nguy bệnh tim mạch Nghiên cứu Phạm Ngân Giang cho thấy điểm trung bình nhập viện bệnh tim mạch tối thiểu 260C Trên ngưỡng số nhập viện tim mạch 30 ngày trễ có xu hướng tăng lên nhiệt độ tăng giảm Ảnh hưởng lạnh diễn vòng 4-5 ngày sau bệnh nhân thâm nhiễm, đỉnh sau tuần Số tích lũy tim mạch ảnh hưởng lạnh có nguy tương đối có ý nghĩa thống kê 1,12 (95%CI 1,01-1,25) nhiệt độ giảm 10C ngưỡng 260C Một số nghiên cứu cho thấy nhiệt độ nóng làm tăng bệnh lý tim mạch Tuy nhiên số nghiên cứu khác cho thấy nhiệt độ nóng khơng có mối tương quan với bệnh lý tim mạch, đặc biệt nghiên cứu tiến hành khu vực có khí hậu ấm, nóng Nghiên cứu Phạm Ngân Giang Việt Nam cho thấy số tích lũy tim mạch nhiệt độ nóng lên khơng có nguy tương đối có ý nghĩa thống kê 1,17 (95% CI 0,09-1,52) nhiệt độ tăng lên 10C ngưỡng 260C Nghiên cứu Farajzadeh khí hậu sa mạc nóng cho thấy nhiệt độ cao khơng gây ảnh hưởng đến nguy mắc bệnh tim mạch người dân Nghiên cứu McMichael so sánh tác động nhiệt độ lên bệnh tim mạch hai vùng khí hậu ấm lạnh Kết cho thấy tương quan nhiệt độ nóng số ca tim mạch yếu khu vực khí hậu ấm so với khu vực khí hậu lạnh Cơ chế gây bệnh tim mạch nhiệt độ hồn tồn giải thích chế sinh lý bệnh Nhiệt độ thấp làm cho mạch máu co lại dẫn đến tăng huyết áp nguy đột quỵ bệnh tim mạch khác [8] Nhiệt độ lạnh dẫn đến huyết khối hoạt động thể chất thời tiết lạnh làm tăng nguy đau thắt ngực hội chứng mạch vành cấp [7] Trong nhiệt độ cao làm mạch máu giãn gây tăng tải động mạch nguy suy tim bù [1] Tuy nhiên khu vực có khí hậu nóng, 10 ảnh hưởng nhiệt độ cao dường không tác động nhiều Điều chế thích nghi với khí hậu nóng ẩm người dân khu vực 11 CHƯƠNG KẾT LUẬN VÀ ĐỀ NGHỊ Mơ hình ARIMA đa biến sử dụng để tiên đoán số ca tiêu chảy mực nước tối đa Giá trị hồi quy có ý nghĩa thống kê tính phân tích (chi(2) =89,24;p< 0,001) với R2 =3,7 Số ca tiêu chảy dự đoán phương trình -2,37 + 0,06 (mực nước tối đa) + 0,53 (sai số) mực nước tối đa đo mm Số mắc tiêu chảy tăng 0,06 ca mực nước tăng lên mm Mực nước tối đa có mối liên quan có ý nghĩa thống kê dự đoán số mắc tiêu chảy (p=0,01) Mơ hình hồi quy Poisson đơn biến sử dụng để tiên đoán số ca đột quỵ độ ẩm Giá trị hồi quy có ý nghĩa thống kê tính phân tích (chi(1) = 3,94; p=0,047) với R2 = 6,2 Số ca đột quỵ dự đốn phương trình -0,05 + 0,05(độ ẩm) độ ẩm đo (g/m³) Số ca đột quỵ tăng 0,05 ca độ ẩm tăng lên g/m³ Độ ẩm tương đối có mối tương quan có ý nghĩa thống kê dự đoán số ca đột quỵ (p=0,047) Mơ hình hồi quy Poisson đơn biến sử dụng để tiên đoán số ca đột quỵ lượng mưa Giá trị hồi quy có ý nghĩa thống kê tính phân tích (chi(1) = 3,87; p=0,049) với R2 = 10,14 Số ca đột quỵ dự đốn phương trình 2,88 + 0,06(lượng mưa) lượng mưa đo (mm) Số ca đột quỵ tăng 0,06 ca độ ẩm tăng lên mm Độ ẩm tương đối có mối tương quan có ý nghĩa thống kê dự đốn số ca đột quỵ (p=0,049) Mơ hình hồi quy Poisson đơn biến sử dụng để tiên đoán số ca COPD độ ẩm Giá trị hồi quy có ý nghĩa thống kê tính phân tích (chi(1) = 5,04; p=0,047) với R2 = 8,6 Số ca đột quỵ dự đốn phương trình -0,1 + 0,05(độ ẩm) độ ẩm đo (g/m³) Số ca đột quỵ tăng 0,05 ca độ ẩm tăng lên g/m³ Độ ẩm tương đối có mối tương quan có ý nghĩa thống kê dự đốn số ca đột quỵ (p=0,02) 12 TÀI LIỆU THAM KHẢO Tiếng Việt Greenberg@, JH, Bromberg J, Reed CM, Gustafson TL, Beauchamp RA (1983) "The epidemiology of heat-related deaths, Texas 1950, 1970 79, and 1980" Am J Public Health, 73, 805 Husain@, T, Chaudhary JR (2008) "Human health risk assessment due to global warming—a case study of the gulf countries" Int J Environ Res Public Health, 5, 204–12 Knowlton@, K, Rotkin-Ellman M, King G, et al (2009) "The 2006 California heat wave: impacts on hospitalizations and emergency department visits" Environ Health Perspect, 117, 61–67 Kovats@, RS, Ebi KL (2006) "Heat waves and public health in Europe" Eur J Public Health, (16), 592–99 McMichael@, AJ, Wilkinson P, Kovats RS, et al (2008) "International study of temperature, heat and urban mortality: the ‘ISOTHURM’ project." Int J Epidemiol, 37, 1121-31 Robine@, JM (2008) "Death toll exceeded 70,000 in Europe during the summer of 2003" Comptes Rendues Biologie, p.171-178 Schwartz@, J, Samet JM, Patz JA (2004) "Hospital admissions for heart disease the effects of temperature and humidity" Epidemiology, 15, 75561 The@, Eurowinter Group (1997) "Cold exposure and winter mortality from ischaemic heart disease, cerebrovascular disease, respiratory disease, and all causes in warm and cold regions of Europe" The Eurowinter Group, Lancet (349), 13416