公共衛生領域評估模式-廣義加成模型GAM

本研究所採用廣義加成模型(Generalized additive model, GAM)來分析在不同時間延遲效應下,極端降雨對水媒性傳染性疾病的影響。GAM是GLM的非參數擴展,既保留了GLM的基本框架,又沒有像其他線性模式一樣有很多的假設前提(如 normal assumption 或 variance homogeneity),且在處理非線性模式的能力又比其他模型要來的強大,適用於處理眾多變數間過度複雜非線性的關係。例如:空間資料(如:氣象、空汙資料)通常是非線性,使得GLM的應用受到一定的限制,因此可以透過GAM來解決。

研究疾病的選取:
本研究選擇的水媒性傳染性疾病為「桿菌性痢疾」和「腸病毒感染併發重症」,選擇的原因為「桿菌性痢疾」和「腸病毒感染併發重症」在台南市的發生病例數佔居所有水媒性法定傳染性疾病的前三位。另外,從過去的資料顯示「登革熱」為台南人數最多的法定傳染性疾病,但是多篇文獻提及,當強降雨或大豪雨事件發生時,「登革熱」所導致的發病人數有減少的趨勢,其原因推斷為強降雨會破壞適合蚊蟲繁衍的環境,降低傳染的機會,加上大量的雨勢,會增加沖走蟲卵的機會,導致蟲卵無法順利孵化,因此本研究考量其不確定性,而未把此傳染性疾病列入研究對象。

研究分析的過程:
一開始本研究先進行相關性分析,排除相關性高的氣象變數,留下彼此之間相關性低的氣象變數放入風險分析模式,最後被挑選出來的氣象變數為(平均最高溫、平均溫度、體感溫度)。接著開始進行風險程度分析。風險分析在目前有多種可選用的方法,而本研究想了解在降雨事件發生後,是否會導致台南鄉鎮地區,罹患水媒性傳染性疾病的風險上升,因此會以「相對風險 (RR)」作為判斷罹患傳染性疾病風險的依據。在眾多的方法中,能同時考量降雨延遲效應和所帶的罹病相對風險,非廣義加成模型莫屬。

在廣義加成模型中,「相對風險 (RR)」的計算方法為對各參數的回歸係數取自然常數為底的指數。「相對風險 (RR)」在本研究的解釋為,在下雨事件來臨後的第幾天,每當降雨量上升1mm,罹患水媒性傳染性疾病的風險會上升多少倍。
研究模式的假設與分析結果:
在廣義加成模式計算出的相對風險部分,一開始我們的假設情境如下:
  1. 挑2005~2009全程時間分析
  1. 腸病毒感染併發中症
    1. 各鄉鎮發病率=α+β1累積降雨量+β2平均最高溫
    2. 各鄉鎮發病率=α+β1累積降雨量+β2平均溫度
    3. 各鄉鎮發病率=α+β1累積降雨量+β2體感溫度
    4. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均最高溫
    5. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均溫度
    6. 各鄉鎮發病率=α+β1最大小時降雨量+β2體感溫度
  2. 桿菌性痢疾
    1. 各鄉鎮發病率=α+β1累積降雨量+β2平均最高溫
    2. 各鄉鎮發病率=α+β1累積降雨量+β2平均溫度
    3. 各鄉鎮發病率=α+β1累積降雨量+β2體感溫度
    4. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均最高溫
    5. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均溫度
    6. 各鄉鎮發病率=α+β1最大小時降雨量+β2體感溫度
  1. 挑2005~2009傳染性疾病盛行的季節做分析
  1. 腸病毒感染併發重症(盛行季節3~8月)
    1. 各鄉鎮發病率=α+β1累積降雨量+β2平均最高溫
    2. 各鄉鎮發病率=α+β1累積降雨量+β2平均溫度
    3. 各鄉鎮發病率=α+β1累積降雨量+β2體感溫度
    4. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均最高溫
    5. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均溫度
    6. 各鄉鎮發病率=α+β1最大小時降雨量+β2體感溫度
  2. 桿菌性痢疾(盛行季節6~11月)
    1. 各鄉鎮發病率=α+β1累積降雨量+β2平均最高溫
    2. 各鄉鎮發病率=α+β1累積降雨量+β2平均溫度
    3. 各鄉鎮發病率=α+β1累積降雨量+β2體感溫度
    4. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均最高溫
    5. 各鄉鎮發病率=α+β1最大小時降雨量+β2平均溫度
    6. 各鄉鎮發病率=α+β1最大小時降雨量+β2體感溫度
統計結果

2005~2009全程時間分析
  1. 腸病毒感染併發重症
在腸病毒感染併發重症的分析中,把最大小時降雨量與體感溫度作為研究探討的自變項,可以發現「新營區」在降雨事件來臨後的第11天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升2.24倍;「新化區」在降雨事件來臨後的第24天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.28倍;「官田區」在降雨事件來臨後的第27天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.29倍;「善化區」在降雨事件來臨後的第31天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.17倍;「佳里區」在降雨事件來臨後的第38天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升2.24倍;「學甲區」在降雨事件來臨後的第60天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.39倍。
 
接著,把最大小時降雨量與最高溫度作為研究探討的自變項,可以發現「新營區」在降雨事件來臨後的第11天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升2.24倍;「新化區」在降雨事件來臨後的第24天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.28倍;「學甲區」在降雨事件來臨後的第28天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.83倍;「善化區」在降雨事件來臨後的第31天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.17倍;「佳里區」在降雨事件來臨後的第38天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升2.24倍。

然後,把最大小時降雨量與平均溫度作為研究探討的自變項,可以發現「白河區」在降雨事件來臨後的第2天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升18.14倍;「新市區」在降雨事件來臨後的第2天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.18倍;「新營區」在降雨事件來臨後的第11天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升2.24倍;「學甲區」在降雨事件來臨後的第15天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升16.89倍;「新化區」在降雨事件來臨後的第24天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.28倍;「官田區」在降雨事件來臨後的第31天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.17倍;「佳里區」在降雨事件來臨後的第38天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升2.24倍。

接下來把累積降雨量與體感溫度作為研究探討的自變項,可以發現「西港區」在降雨事件來臨後的第18天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.06倍;「安平區」在降雨事件來臨後的第26天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.30倍;「學甲區」在降雨事件來臨後的第31天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.06倍;「白河區」在降雨事件來臨後的第54天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.10倍。另外在累積降雨量與最高溫度作為研究探討自變項的統計結果與上述相同。
  1. 桿菌性痢疾
在桿菌性痢疾的分析中,本研究發現當最大小時降雨量與體感溫度、累積降雨量與最高溫度或是最大小時降雨量、平均溫度為研究探討的自變項時,其結果皆為「官田區」在降雨事件來臨後的第14天,每當降雨量上升1mm,罹患桿菌性痢疾的風險會上升1.31倍。接著,當累積降雨量與體感溫度、累積降雨量與最高溫度或是累積降雨量與平均溫度為研究探討的自變項時,其結果皆為「官田區」在降雨事件來臨後的第38天,每當降雨量上升1mm,罹患桿菌性痢疾的風險會上升1.01倍。
 
2005~2009傳染性疾病盛行季節分析
  1. 腸病毒感染併發重症
在腸病毒感染併發重症的分析中,把最大小時降雨量與體感溫度作為研究探討的自變項,可以發現「新營區」在降雨事件來臨後的第31天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.16倍。
接著,把最大小時降雨量與最高溫度作為研究探討的自變項,可以發現「學甲區」在降雨事件來臨後的第17天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升2.91倍;「歸仁區」在降雨事件來臨後的第20天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.78倍;「善化區」在降雨事件來臨後的第26天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.11倍;「新化區」在降雨事件來臨後的第26天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.42倍;「新營區」在降雨事件來臨後的第40天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.12倍;「新市區」在降雨事件來臨後的第51天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.70倍;「白河區」在降雨事件來臨後的第55天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.12倍

然後,把最大小時降雨量與平均溫度作為研究探討的自變項,可以發現「西港區」在降雨事件來臨後的第17天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.14倍;「官田區」在降雨事件來臨後的第27天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.24倍;「學甲區」在降雨事件來臨後的第54天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.14倍
 接下來把累積降雨量與最高溫度作為研究探討的自變項,可以發現「新化區」在降雨事件來臨後的第14天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.05倍;「新化區」在降雨事件來臨後的第19天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.03倍;「新化區」在降雨事件來臨後的第32天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.02倍。

接著,把累積降雨量與平均溫度作為研究探討的自變項,可以發現「安平區」在降雨事件來臨後的第10天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.02倍;「新營區」在降雨事件來臨後的第10天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.01倍;「西港區」在降雨事件來臨後的第17天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.06倍;「官田區」在降雨事件來臨後的第27天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.11倍;「善化區」在降雨事件來臨後的第27天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.09倍;「佳里區」在降雨事件來臨後的第41天,每當降雨量上升1mm,罹患腸病毒感染併發重症的風險會上升1.02倍
  1. 桿菌性痢疾
在桿菌性痢疾的分析中,本研究發現當最大小時降雨量與體感溫度、最大小時降雨量與最高溫度或是最大小時降雨量與平均溫度為研究探討的自變項時,其結果皆為「官田區」在降雨事件來臨後的第16天,每當降雨量上升1mm,罹患桿菌性痢疾的風險會上升1.38倍;「新營區」在降雨事件來臨後的第40天,每當降雨量上升1mm,罹患桿菌性痢疾的風險會上升1.33倍。接著,當累積降雨量與體感溫度、累積降雨量與最高溫度或是累積降雨量與平均溫度為研究探討的自變項時,其結果皆為「官田區」在降雨事件來臨後的第39天,每當降雨量上升1mm,罹患桿菌性痢疾的風險會上升1.18倍。
 

上稿日期:2015-11-20 更新日期:2015-12-23