现代预防医学

变量	暖季	寒季
气温（℃）	30.3±5.6	10.0	27.5	42.0	1.9±7.1	-17.0	0.0	18.0
PM_2.5（μg/m³）	27.3±19.9	1.0	24.3	148.1	51.9±34.5	6.3	43.8	238.3
O₃（μg/m³）	144.5±36.2	57.4	141.9	240.9	84.9±31.0	19.6	78.9	181.9
风力（级）	2.5±1.1	1.0	2.0	6.0	2.6±1.2	0.0	2.0	7.0
入院人数（人）
总人数	4.3±2.1	1	4	13	4.7±2.1	1	5	13
男性	2.2±1.5	0	2	8	2.5±1.5	0	2	8
女性	2.1±1.4	0	2	9	2.2±1.4	0	2	7
≥65岁	2.7±1.7	0	2	10	2.9±1.7	0	3	10
<65岁	1.6±1.2	0	1	6	1.7±1.2	0	2	6
脑梗死	3.5±1.9	0	3	11	3.8±1.9	0	4	11
脑出血	0.6±0.7	0	0	5	0.6±0.8	0	0	4
脑缺血	0.5±0.8	0	0	4	0.6±0.9	0	0	5

变量	暖季	寒季
气温（℃）	30.3±5.6	10.0	27.5	42.0	1.9±7.1	-17.0	0.0	18.0
PM_2.5（μg/m³）	27.3±19.9	1.0	24.3	148.1	51.9±34.5	6.3	43.8	238.3
O₃（μg/m³）	144.5±36.2	57.4	141.9	240.9	84.9±31.0	19.6	78.9	181.9
风力（级）	2.5±1.1	1.0	2.0	6.0	2.6±1.2	0.0	2.0	7.0
入院人数（人）
总人数	4.3±2.1	1	4	13	4.7±2.1	1	5	13
男性	2.2±1.5	0	2	8	2.5±1.5	0	2	8
女性	2.1±1.4	0	2	9	2.2±1.4	0	2	7
≥65岁	2.7±1.7	0	2	10	2.9±1.7	0	3	10
<65岁	1.6±1.2	0	1	6	1.7±1.2	0	2	6
脑梗死	3.5±1.9	0	3	11	3.8±1.9	0	4	11
脑出血	0.6±0.7	0	0	5	0.6±0.8	0	0	4
脑缺血	0.5±0.8	0	0	4	0.6±0.9	0	0	5

变量	Spearman 相关系数	P值	变量	Spearman 相关系数	P值
气温			O₃
总人数	-0.055	0.091	总人数	-0.040	0.212
男	-0.040	0.224	男	-0.021	0.523
女	-0.031	0.340	女	-0.026	0.432
≥65岁	-0.042	0.203	≥65岁	-0.037	0.251
<65岁	-0.034	0.301	<65岁	-0.012	0.704
脑梗死	-0.042	0.187	脑梗死	-0.022	0.490
脑出血	-0.065	0.040	脑出血	-0.063	0.051
脑缺血	-0.007	0.819	脑缺血	-0.005	0.880
PM_2.5			风力
总人数	0.069	0.030	总人数	-0.019	0.562
男	0.046	0.164	男	-0.018	0.576
女	0.041	0.202	女	0.009	0.783
≥65岁	0.026	0.427	≥65岁	0.010	0.757
<65岁	0.076	0.020	<65岁	-0.036	0.270
脑梗死	0.067	0.042	脑梗死	-0.075	0.021
脑出血	-0.034	0.290	脑出血	0.017	0.606
脑缺血	0.037	0.250	脑缺血	0.129	0.010

变量	Spearman 相关系数	P值	变量	Spearman 相关系数	P值
气温			O₃
总人数	-0.055	0.091	总人数	-0.040	0.212
男	-0.040	0.224	男	-0.021	0.523
女	-0.031	0.340	女	-0.026	0.432
≥65岁	-0.042	0.203	≥65岁	-0.037	0.251
<65岁	-0.034	0.301	<65岁	-0.012	0.704
脑梗死	-0.042	0.187	脑梗死	-0.022	0.490
脑出血	-0.065	0.040	脑出血	-0.063	0.051
脑缺血	-0.007	0.819	脑缺血	-0.005	0.880
PM_2.5			风力
总人数	0.069	0.030	总人数	-0.019	0.562
男	0.046	0.164	男	-0.018	0.576
女	0.041	0.202	女	0.009	0.783
≥65岁	0.026	0.427	≥65岁	0.010	0.757
<65岁	0.076	0.020	<65岁	-0.036	0.270
脑梗死	0.067	0.042	脑梗死	-0.075	0.021
脑出血	-0.034	0.290	脑出血	0.017	0.606
脑缺血	0.037	0.250	脑缺血	0.129	0.010

气温（℃）	女性 RR（95%CI）	≥65岁 RR（95%CI）	脑缺血 RR（95%CI）
10.00	6.422（1.910~21.588）	4.286（1.401~13.112）	18.517（2.005~171.042）
16.00	2.627（1.419~4.866）	2.152（1.218~3.802）	4.925（1.609~15.078）
18.00	2.006（1.288~3.123）	1.746（1.160~2.627）	3.275（1.471~7.293）
19.00	1.675（1.204~2.331）	1.518（1.119~2.058）	2.482（1.366~4.509）
20.00	1.602（1.183~2.169）	1.466（1.109~1.937）	2.315（1.338~4.003）
21.00	1.446（1.135~1.842）	1.352（1.083~1.689）	1.969（1.270~3.052）
22.00	1.319（1.092~1.593）	1.258（1.059~1.495）	1.697（1.203~2.393）
23.00	1.217（1.055~1.404）	1.180（1.036~1.344）	1.484（1.139~1.933）
24.00	1.137（1.023~1.263）	1.117（1.016~1.228）	1.317（1.081~1.606）
25.00	1.076（1.000~1.158）	1.067（1.000~1.139）	1.190（1.033~1.371）
25.60	1.048（0.991~1.108）	1.044（0.994~1.097）	1.129（1.011~1.260）
26.00	1.033（0.988~1.080）	1.031（0.991~1.073）	1.094（1.001~1.195）
27.00	1.007（0.991~1.023）	1.007（0.993~1.021）	1.025（0.993~1.058）
28.00	0.997（0.980~1.015）	0.996（0.981~1.011）	0.981（0.947~1.017）
29.00	1.005（0.948~1.065）	0.997（0.948~1.049）	0.958（0.851~1.080）
30.00	1.030（0.925~1.147）	1.011（0.920~1.111）	0.957（0.767~1.195）
31.00	1.069（0.910~1.255）	1.035（0.898~1.192）	0.976（0.702~1.357）
32.00	1.117（0.906~1.377）	1.064（0.885~1.281）	1.012（0.659~1.554）
33.00	1.169（0.915~1.494）	1.096（0.882~1.363）	1.064（0.644~1.759）
34.00	1.219（0.938~1.585）	1.126（0.892~1.423）	1.132（0.661~1.939）
35.00	1.261（0.971~1.637）	1.150（0.911~1.452）	1.215（0.711~2.076）
36.00	1.294（1.001~1.671）	1.168（0.929~1.468）	1.314（0.779~2.217）
37.00	1.318（1.004~1.729）	1.180（0.928~1.501）	1.430（0.827~2.472）
38.00	1.335（0.962~1.852）	1.187（0.891~1.580）	1.565（0.818~2.991）
39.00	1.345（0.881~2.053）	1.190（0.824~1.718）	1.719（0.750~3.939）
40.00	1.351（0.782~2.336）	1.190（0.741~1.911）	1.895（0.650~5.525）
41.00	1.354（0.679~2.701）	1.188（0.654~2.157）	2.094（0.544~8.068）
42.00	1.356（0.583~3.151）	1.185（0.571~2.456）	2.316（0.445~12.048）

气温（℃）	女性 RR（95%CI）	≥65岁 RR（95%CI）	脑缺血 RR（95%CI）
10.00	6.422（1.910~21.588）	4.286（1.401~13.112）	18.517（2.005~171.042）
16.00	2.627（1.419~4.866）	2.152（1.218~3.802）	4.925（1.609~15.078）
18.00	2.006（1.288~3.123）	1.746（1.160~2.627）	3.275（1.471~7.293）
19.00	1.675（1.204~2.331）	1.518（1.119~2.058）	2.482（1.366~4.509）
20.00	1.602（1.183~2.169）	1.466（1.109~1.937）	2.315（1.338~4.003）
21.00	1.446（1.135~1.842）	1.352（1.083~1.689）	1.969（1.270~3.052）
22.00	1.319（1.092~1.593）	1.258（1.059~1.495）	1.697（1.203~2.393）
23.00	1.217（1.055~1.404）	1.180（1.036~1.344）	1.484（1.139~1.933）
24.00	1.137（1.023~1.263）	1.117（1.016~1.228）	1.317（1.081~1.606）
25.00	1.076（1.000~1.158）	1.067（1.000~1.139）	1.190（1.033~1.371）
25.60	1.048（0.991~1.108）	1.044（0.994~1.097）	1.129（1.011~1.260）
26.00	1.033（0.988~1.080）	1.031（0.991~1.073）	1.094（1.001~1.195）
27.00	1.007（0.991~1.023）	1.007（0.993~1.021）	1.025（0.993~1.058）
28.00	0.997（0.980~1.015）	0.996（0.981~1.011）	0.981（0.947~1.017）
29.00	1.005（0.948~1.065）	0.997（0.948~1.049）	0.958（0.851~1.080）
30.00	1.030（0.925~1.147）	1.011（0.920~1.111）	0.957（0.767~1.195）
31.00	1.069（0.910~1.255）	1.035（0.898~1.192）	0.976（0.702~1.357）
32.00	1.117（0.906~1.377）	1.064（0.885~1.281）	1.012（0.659~1.554）
33.00	1.169（0.915~1.494）	1.096（0.882~1.363）	1.064（0.644~1.759）
34.00	1.219（0.938~1.585）	1.126（0.892~1.423）	1.132（0.661~1.939）
35.00	1.261（0.971~1.637）	1.150（0.911~1.452）	1.215（0.711~2.076）
36.00	1.294（1.001~1.671）	1.168（0.929~1.468）	1.314（0.779~2.217）
37.00	1.318（1.004~1.729）	1.180（0.928~1.501）	1.430（0.827~2.472）
38.00	1.335（0.962~1.852）	1.187（0.891~1.580）	1.565（0.818~2.991）
39.00	1.345（0.881~2.053）	1.190（0.824~1.718）	1.719（0.750~3.939）
40.00	1.351（0.782~2.336）	1.190（0.741~1.911）	1.895（0.650~5.525）
41.00	1.354（0.679~2.701）	1.188（0.654~2.157）	2.094（0.544~8.068）
42.00	1.356（0.583~3.151）	1.185（0.571~2.456）	2.316（0.445~12.048）

2023—2025年河北省衡水地区暖季气温对脑卒中入院风险的滞后性分析

PDF下载

刘思梦 ¹ , 朱浩 ² , 路凯祺 ² , 曹宇瑶 ² , 秦瑶 ² , 余红梅 ²^,³^,⁴

现代预防医学 | 环境与职业卫生 2026,53(10): 1773-1780

收起

现代预防医学 |环境与职业卫生 2026 , 53 (10) : 1773 -1780

2023—2025年河北省衡水地区暖季气温对脑卒中入院风险的滞后性分析

全屏

刘思梦¹, 朱浩², 路凯祺², 曹宇瑶², 秦瑶², 余红梅²^,³^,⁴

作者信息

^1.山西医科大学医学科学院，山西晋中 030600

^2.山西医科大学公共卫生学院

^3.重大疾病风险评估山西省重点实验室

^4.煤炭环境致病与防治教育部重点实验室

通讯作者:

余红梅，E-mail：yu@sxmu.edu.cn

作者简介:

刘思梦（2002—），女，硕士在读，研究方向：环境因素致病的监测及预防

Lag effect analysis of the impact of warm season temperature on stroke hospitalization risk, Hengshui City, Hebei, 2023-2025

Si-meng LIU¹, Hao ZHU², Kai-qi LU², Yu-yao CAO², Yao QIN², Hong-mei YU²^,³^,⁴

Affiliations

Academy of Medical Sciences, Shanxi Medical University, Jinzhong, Shanxi 030600, China

出版时间: 2026-05-25 doi: 10.20043/j.cnki.MPM.202601106

文章导航

摘要

收起

目的

探讨河北省衡水地区气温对脑卒中疾病入院人数的影响。

方法

收集该地区脑卒中疾病入院人数、气象数据，采用分布滞后非线性模型（DLNM）分析气温对不同性别、年龄、亚组人群入院的影响。

结果

暖季（5—10月）气温对不同人群脑卒中入院人数影响显著。在累积滞后15天时，暖季相对低温20℃对脑卒中入院人数相较27.5 ℃下入院人数的累积相对危险度（RR）为1.291（95%CI：1.030~1.619）、相对低温21 ℃为1.216（95%CI：1.016~1.456）、相对低温22℃为1.154（95%CI：1.003~1.327）。10℃时女性入院风险RR=6.422（95%CI：1.910~21.588）；≥65岁人群10 ℃时RR=4.286（95%CI：1.401~13.112）、24 ℃时RR=1.117（95%CI：1.016~1.228）。暖季20~26 ℃相对低温区间可显著提升脑缺血亚型入院风险（RR=1.09~2.31），20℃时风险最高，RR=2.315（95%CI：1.338~4.003）。

结论

暖季气温对脑卒中入院人数有影响，其中暖季相对低温（20~22 ℃）是脑卒中患者入院的潜在风险因素，且气温对女性、≥65岁以及脑缺血人群存在针对性影响。

关键词

脑卒中 / 气象因素 / 环境污染 / 分布滞后非线性模型

Abstract

收起

Objective

To explore the impact of temperature on the number of hospital admissions for stroke in Hengshui City, Hebei Province, and to provide scientific support for relevant prevention and control efforts.

Methods

We collected data on the number of hospital admissions for stroke in a region of Hebei Province, daily meteorological data, and air quality data. A distributed lag non-linear model (DLNM) was employed to analyze the effects of temperature on hospital admissions among different genders, age groups, and subgroups.

Results

During the warm season (May to October), temperature had a significant impact on the number of hospital admissions for stroke across various populations. With a cumulative lag of 15 days, the cumulative relative risk (RR) of hospital admission for stroke at a relatively low temperature of 20 ℃ in the warm season was 1.291 (95%CI: 1.030-1.619), at 21 ℃ it was 1.216 (95%CI: 1.016-1.456), and at 22 ℃ it was 1.154(95%CI: 1.003-1.327). For females, the RR was 6.422 (95%CI: 1.910-21.588) at 10 ℃. For the population aged ≥ 65 years, the RR was 4.286 (95%CI: 1.401-13.112) at 10 ℃ and 1.117 (95%CI: 1.016-1.228) at 24 ℃. The relatively low temperature range of 20 ℃-26 ℃ in warm seasons could significantly increase the hospitalization risk of cerebral ischemia subtype (RR: 1.09-2.31). The risk peaked at 20℃, when RR was 2.315 (95%CI: 1.338-4.003).

Conclusion

Temperature during the warm season influences the number of hospital admissions for stroke, with relatively low temperatures (20-22 ℃) in the warm season identified as potential risk factors for stroke patient admissions. Moreover, temperature has specific impacts on females, individuals aged 65 and above, and those with cerebral ischemia.

Key words

Stroke / Meteorological factors / Environmental pollution / Distributed lag non-linear model

引用本文

刘思梦, 朱浩, 路凯祺, 曹宇瑶, 秦瑶, 余红梅. 2023—2025年河北省衡水地区暖季气温对脑卒中入院风险的滞后性分析. 现代预防医学, 2026 , 53 (10) : 1773 -1780 . DOI: 10.20043/j.cnki.MPM.202601106

Si-meng LIU, Hao ZHU, Kai-qi LU, Yu-yao CAO, Yao QIN, Hong-mei YU. Lag effect analysis of the impact of warm season temperature on stroke hospitalization risk, Hengshui City, Hebei, 2023-2025[J]. Modern Preventive Medicine, 2026 , 53 (10) : 1773 -1780 . DOI: 10.20043/j.cnki.MPM.202601106

正文

收起

脑卒中作为我国发病率、致残率与死亡率均较高的脑血管疾病，其发病与环境因素的关联已成为公共卫生领域的研究热点^[1]。气温作为关键气象要素，可通过影响人体血管收缩等生理指标^[2]，间接作用于脑卒中的发病风险，且这种影响常存在一定的滞后效应与季节差异。既往研究多聚焦于极端天气如高温、寒潮对脑卒中的诱发作用^[3-4]，而暖季气温变化对不同人群、不同脑卒中亚型的差异化影响尚未得到充分阐明。此外，气温差异等因素也可能导致其与脑卒中的关联呈现季节特异性^[5]。衡水地区处于河北省东南部，属暖温带半湿润大陆性季风气候，暖季气温波动特征显著。目前国内外虽已广泛探究气温与脑卒中的关联，但针对该区域暖季气温对脑卒中入院风险的专项研究尚不多见。基于此，本研究收集研究2023—2025年河北省衡水地区的气象数据与脑卒中每日入院数据，采用分布滞后非线性模型（Distributed Lag Nonlinear Model，DLNM）^[6]，系统分析暖季气温对脑卒中总入院数、不同人群及不同亚型入院数的影响，为脑卒中的精准防控与预警提供科学依据。

1　资料与方法

收起

1.1　数据来源

本研究数据包含脑卒中患者入院数据、气象数据及空气污染物数据三大类，具体来源如下。

1.1.1　脑卒中入院数据

数据来源于河北省衡水地区2023年—2025年的脑卒中临床发病记录，涵盖研究时段内该院确诊的脑卒中患者入院时间、基本临床分型等核心信息，数据具备完整的诊疗记录支撑，确保了数据的真实性与可靠性。

1.1.2　气象数据

气温、风力等气象要素数据，均通过历史天气查询网站（https://lishi.tianqi.com/）获取，数据覆盖2023—2025年衡水地区暖季（5—10月）逐日气象监测信息。

1.1.3　空气污染物浓度数据

PM_2.5（μg/m³）、臭氧（μg/m³）浓度数据取自TAP大气成分追踪数据平台（http://tapdata.org.cn/）。该平台依托专业大气监测模型与实测数据融合技术，可提供高可靠性的空气污染物监测数据。

1.2　建立模型

分布滞后非线性模型（DLNM）可在同一个模型框架内同步量化气象暴露因素的滞后效应、滞后天数的累积效应，以及暴露因素与结局指标间的暴露—反应非线性关联特征。本研究采用该模型拟合气温暴露与脑卒中入院人数的关联关系，其核心模型公式如下：

该模型基于泊松回归构建，采用对数链接函数（log link function）将线性预测值经指数变换映射为脑卒中日入院人数的期望计数。其中f(x)为不同人群或不同脑卒中分型的日入院人数，α为模型截距项；cb(temperature,lag)为拟合气温与滞后天数关系的交叉基矩阵，其中temperature为日最高气温，lag为气温对脑卒中入院人数影响的最大滞后天数。经对泊松回归模型进行过离散性检验，结果显示数据无明显过离散（φ范围为0.8~1.2），因此选用赤池信息准则（Akaike Information Criterion，AIC）作为模型拟合优度评价及滞后天数、时间项自由度等参数的筛选指标。参考相关研究，气温对脑卒中影响分析的最大滞后天数常取14~30天，自由度多采用3、4、5^[7-9]，本研究经过AIC对比后确定，将最大滞后天数设定为15天；∑ns（Xi,3)为纳入模型的混杂因素自然三次样条函数项，其中Xi为混杂因素PM_2.5、O₃以及风力，为提升模型拟合效果，各混杂因素对应的自然三次样条函数自由度df均设定为3；本研究采用自然样条函数ns(time,df)控制时间序列数据的长期趋势与季节性波动，结合暖季有效日级数据，参考同类时间序列研究规范，对比df=3、4、5对应的模型AIC值，依据AIC最小化原则确定时间项最优自由度为3；dow为星期变量，用于控制脑卒中入院人数可能存在的星期效应，以减少工作日、休息日对入院人数的影响；holiday为节假日效应（holiday effects）。

本研究依据研究目的根据性别、年龄、临床分型进行分层分析，基于15 d最大滞后天数，拟合各组DLNM，探究暖季气温对不同人群、不同脑卒中亚型入院人数风险影响的差异性特征。

1.3　统计学方法

本研究模型依托R 4.5.0软件实现，采用基于Poisson分布的DLNM模型，在控制空气污染物、时间趋势、星期几效应的基础上，选取合适的基函数，以气温中位数为参照，探索气温与脑卒中入院人数之间的暴露反应与滞后反应关系。将空气污染物数据作为混杂变量纳入模型，通过计算特定滞后天数下气温对人群发病影响的累积相对危险度（RR），定量评估气温与脑卒中入院人数的相关风险。本研究纳入全年不同季节气温，分别计算固定滞后天数下不同气温段的入院风险。本研究的统计显著性标准为RR的95%置信区间（CI）不包含1（P<0.05）。

1.4　敏感性分析

在保持模型自由度、混杂因素等参数一致的前提下，通过调整核心参数进行稳健性验证：一是基于脑卒中病理生理进程与环境暴露的持续影响周期，分别将最大滞后天数设定为15天、30天构建模型；二是选取气温中位数27.5℃、WHO推荐人体适宜气温24℃与寒季气温作为参照基准，对比不同参数组合下气温与脑卒中入院风险的关联趋势、统计显著的气温区间及相对风险值范围。同时，本研究将ns(time,df)的自由度调整为4、5重新拟合全模型，对比不同自由度下的模型拟合效果及核心效应指标，验证研究结论稳健。

2　结果

收起

2.1　基本情况

2023年1月1日至2025年7月31日河北省某地区脑卒中患者共入院4 485例，其中暖季（每年5—10月）入院1 954例；寒季（每年11月至次年4月）入院2 241例。两季日入院平均人数均为4例。其中男性和女性的日平均入院数均为2例，≥65岁和<65岁人群分别为2例和1例；按疾病类型统计，脑梗死、脑出血和脑缺血的日平均入院数分别为3例、1例和1例。气象因素方面，研究期间暖季气温中位数为27.5℃，PM_2.5、O₃平均浓度分别为27.3 μg/m³、144.5 μg/m³，详见表1。

2.2　脑卒中入院人数与各因素的相关性

2023—2025年间各人群及不同脑卒中分型患者入院人数波动趋势见图1。季节关联性分析显示，暖季气象及污染物因素对脑卒中入院的影响程度较寒季更显著。因此本研究采用Spearman相关分析探讨气温、PM_2.5、风力、臭氧（O₃）等因素与脑卒中患者入院人数的相关性，相关性检验水准设定为α=0.05。结果显示，不同暴露因素与脑卒中各入院结局的关联性存在差异，脑卒中入院人数与各因素相关性分析结果详见表2。

2.3　滞后效应

2.3.1　暖季气温对脑卒中患者总入院人数的影响

以3年间暖季日最高气温中位数27.5 ℃为参考值，暖季气温对脑卒中总入院人数的15天累积滞后效应呈非线性关联（见图2）。结果显示，当暖季日最高气温处于20~22 ℃区间时，脑卒中累积入院风险的效应具有统计学意义，各气温对应的相对风险及95%置信区间分别为：20 ℃时RR=1.291（95%CI：1.030~1.619）、21℃时RR=1.216（95%CI：1.016~1.456）、22 ℃时RR=1.154（95%CI：1.003~1.327），该区间内RR值波动于1.15~1.29；当气温低于20 ℃或高于22 ℃时，效应无统计学意义。三维滞后效应图（见图3）进一步显示，暖季气温与滞后天数的交互作用对脑卒中入院风险存在动态影响。

2.3.2　暖季气温对不同年龄性别人群脑卒中入院的影响

以27.5 ℃为参考值，不同人群脑卒中入院累积滞后效应存在异质性：对女性人群，暖季日最高气温处于10~37 ℃区间时，累积入院风险效应具有统计学意义，关键气温对应的相对风险及95%置信区间分别为10 ℃时RR=6.422（95%CI：1.910~21.588）、37℃时RR=1.318（95%CI：1.004~1.729），该区间内RR值波动于1.14~6.42；对≥65岁人群，气温处于10℃时RR=4.286（95%CI：1.401~13.112）、24℃时RR=1.117（95%CI：1.016~1.228），RR值范围为1.12~4.29。图3、表3进一步显示，女性人群在10~37 ℃区间内，不同滞后天数下的RR值均维持在1以上；≥65岁人群在10~24 ℃区间，入院风险的RR值同样处于较高水平。

2.3.3　暖季气温对不同脑卒中分型患者入院的影响

以27.5 ℃为参考值，暖季气温对不同亚型入院的人群具有明显特异性（见图2）：仅脑缺血亚型在暖季日最高气温处于20~26 ℃区间时，累积入院风险效应具有统计学意义，关键气温对应的相对风险RR及95%CI分别为20 ℃时RR=2.315（95%CI：1.338~4.003）、26 ℃时RR=1.094（95%CI：1.001~1.195），该区间内RR值波动于1.09~2.31；而脑出血、脑梗死亚型未表现出有统计学意义的关联。

2.3.4　暖季以24 ℃为参考气温的脑卒中入院风险分析

本研究另外选取WHO推荐的人体适宜气温24 ℃作为参照基准，对应的风险效应曲线形态与27.5 ℃高度相似（见图4、5）其各个统计显著的气温区间、相对风险值范围未出现明显偏移。

3　讨论

收起

本研究基于分布滞后非线性模型，系统探究了衡水地区暖季气温与脑卒中入院风险的关联特征，结果显示暖季气温对脑卒中入院风险存在特异性关联，且相关结论经敏感性分析验证具有良好稳定性。

本研究暖季气温对脑卒中入院的影响并非呈现全人群、全亚型的普适性关联，而是表现出明显的人群分层与病理亚型差异，且这一特征在27.5 ℃与24 ℃两种参照标准下均保持一致。暖季的相对低温（相较低于参考值的气温）对脑卒中入院风险有更明显的影响^[10-11]，从病理亚型来看，仅脑缺血亚型对暖季20~26 ℃的气温区间存在显著的风险响应，这一现象可从病理生理机制层面得到合理解释：脑缺血的发生与脑部血流灌注不足直接相关^[12]，暖季环境下的相对低温会触发机体外周血管收缩反射^[13]，在15天的累积滞后效应下，脑部微循环易出现灌注障碍，进而提升脑缺血的发病概率；而脑出血的核心诱因是血压骤升引发的血管破裂^[14]；暖季人体基础血压水平普遍偏低，低温带来的升压幅度不足以突破血管耐受阈值；脑梗死的血栓形成风险则因暖季整体温热环境下人体凝血功能的生理性减弱而被抵消，因此这两类亚型未表现出明显的气温关联。

从人群维度分析，女性在10~37℃气温区间、≥65岁人群在10~24℃气温区间的脑卒中入院风险存在统计学意义的波动，这一人群差异可能与不同群体的血管基础状态、生理调节能力有关^[15]，但具体驱动因素仍需结合个体层面的基础疾病与暴露特征进一步剖析。武汉市的一项研究也说明老年人群对气温变化引发的卒中敏感性更高，且高温对女性脑卒中死亡的影响高于男性^[9]。这可能因为男女生活习惯有差异^[16]，或社会角色及性格等特质不同。

寒季气温与脑卒中各入院结局均未呈现统计学意义的关联，这一结果可能由于寒季人群长期处于稳定室内环境，室外低温的实际暴露时长有限^[17]。另一方面，寒季人群对心脑血管疾病的防控意识提升，有意的防护行为可缓冲环境因素对血管的影响^[18]。

相关研究表明，暖季相对低温对脑卒中发病的风险高达17.48%^[6]。石家庄市一项研究结果表明女性与对暖季气温更为敏感^[19]，呼伦贝尔一项调查也显示≥65岁人群患病甚至死亡率更容易受到气温的影响^[20]。因此，不同的气候、不同基础特征的人群在健康层面存在明显差别，使得不同地区的居民心脑血管疾病发病水平出现差异，进而导致脑卒中发病风险呈现明显异质性。

现有研究虽已探究暖季气温与脑卒中的关联，但多聚焦于国内外多中心或南方气候区^[21]，针对华北平原冀中南暖温带区域的专项研究尚属空白，且既往研究多以脑卒中死亡为结局指标^[22]，本研究立足临床入院风险，贴合基层医疗机构急诊防控需求，可填补上述区域与研究设计的双重缺口。

需要指出的是，本研究存在一定局限性：其一，研究仅基于单一区域的入院数据开展分析，区域特异性可能对结论产生限制，不同的气候、人群健康差异或会影响气温与脑卒中的关联强度；其二，未纳入个体层面的实际暴露数据如个人生活习惯、既往病史等，可能对人群异质性结果的解读造成一定偏倚；其三，未考虑空气污染与气温的交互效应，难以全面揭示环境因素对脑卒中发病的影响^[23]。

综上，本研究明确了暖季脑卒中防控的关键温度区间与重点人群，为区域针对性防控策略制定提供了直接的理论支撑。针对暖季初期、末期低温时段脑缺血亚型入院风险升高的特征，建议当地有关部门在此类时段重点强化脑缺血脑卒中的防控工作；同时聚焦女性及≥65岁老年人群这一易感群体，加强该人群的健康监测与预警干预，指导其做好防护措施，减少气温骤变带来的生理应激与健康冲击。

基金

收起

国家自然科学基金(82574209)
山西省2025年度研究生教育创新计划研究生实践创新项目立项(2025SJ257)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

［1］

, Chen

, Liu

, et al. Burden of stroke attributable to nonoptimal temperature in 204 countries and territories：a Population-Based study, 1990-2019[J]. Neurology, 2024, 102(9): e209299.

［2］

Zhao

, Zhang

, Chen

, et al. Neuronal injuries in cerebral infarction and ischemic stroke：From mechanisms to treatment（Review）[J]. International Journal of Molecular Medicine, 2022, 49(2): 15.

［3］

Liu

, Varghese

, Hansen

, et al. Heat exposure and cardiovascular health outcomes：a systematic review and meta-analysis[J]. Lancet Planetary Health, 2022, 6(6): e484-e495.

［4］

, Breitner

, Zhang

, et al. Nocturnal heat exposure and stroke risk[J]. European Heart Journal, 2024, 45(24): 2158-2166.

［5］

Kono

, Wu

, Lee

, et al. Impact of rapid temperature fluctuations on acute stroke risk：a nationwide case-crossover study from 2001 to 2020[J]. Lancet Reg Health West Pac, 2025, 57: 101546.

［6］

Chen

, Yin

, Wang

, et al. Association between ambient temperature and mortality risk and burden：time series study in 272 main Chinese cities[J]. BMJ （Clinical Research ed.）, 2018, 363: k4306.

［7］

陈亦晨，陈华，曲晓滨，等. 上海市浦东新区居民非意外死亡与日均气温相关性的时间序列研究[J]. 现代预防医学，2022, 49(9):1554-1558, 1599.

Chen

, Chen

, Qu

, et al. A time series study on association between temperature and non-accidental mortality in Pudong New Area, Shanghai[J]. Modern Preventive Medicine, 2022, 49(9): 1554-1558, 1599. (In Chinese)

［8］

李田，吴文静，王乐乐，等. 基于分布滞后非线性模型分析2010—2017年深圳市温度暴露与神经系统疾病急诊发生间关联[J]. 现代预防医学，2022, 49(13):2320-2325.

, Wu

, Wang

, et al. Study on the associations between temperature exposures and nervous system diseases emergency ambulance dispatches（EADs）based on Distributed Lag Non-linear Model in Shenzhen,2010-2017[J]. Modern Preventive Medicine, 2022, 49(13): 2320-2325. (In Chinese)

［9］

游丽，代娟．气温对武汉市脑卒中死亡影响的时间序列分析[J]. 现代预防医学，2025, 52(5):836-842.

You

, Dai

. Time series analysis of the impact of temperature on stroke mortality in Wuhan city[J]. Modern Preventive Medicine, 2025, 52(5): 836-842. (In Chinese)

［10］

, Breitner

, Zhang

, et al. Stroke risk associated with cold spells occurring during the warm season[J]. Environment International, 2025, 199: 109514.

［11］

Zhao

, Zhang

, Ni

, et al. Effect of ambient temperature and other environmental factors on stroke emergency department visits in Beijing：A distributed lag non-linear model[J]. Front Public Health, 2022, 10: 1034534.

［12］

张燕茹，李莹，白莉莉，等. 基于分布滞后非线性模型的江阴市极端气温对心脑血管疾病死亡的滞后定量影响[J]. 中国慢性病预防与控制，2025, 33(8):597-602.

Zhang

, Li

, Bai

, et al. The lagged quantitative effects of extreme temperature on cardiovascular and cerebrovascular disease mortality in Jiangyin city based on distributed lag nonlinear model[J]. Chinese Journal of Prevention and Control of Chronic Diseases, 2025, 33(8): 597-602. (In Chinese)

［13］

Salaudeen

, Bello

, Danraka

, et al. Understanding the pathophysiology of ischemic stroke：The basis of current therapies and opportunity for new ones[J]. Biomolecules, 2024, 14(3): 305.

［14］

Maida

, Norrito

, Rizzica

, et al. Molecular pathogenesis of ischemic and hemorrhagic strokes：Background and therapeutic approaches[J]. International Journal of Molecular Sciences, 2024, 25(12): 6297.

［15］

Huang

, Luo

, Guo

, et al. Particulate matter and hospital admissions for stroke in Beijing, China：modification effects by ambient temperature[J]. Journal of the American Heart Association, 2016, 5(7): e003437.

［16］

陈积标．基于分布滞后非线性模型的极端温度对南昌市2015—2019年脑卒中患者入院风险影响研究[D]. 南昌：南昌大学，2022.

Chen

. Effects of extreme temperature on hospitalization risk of strokepatients in Nanchang city from 2015 to 2019 based on distributed lagnonlinear model[D]. Nanchang: Nanchang University, 2022. (In Chinese)

［17］

Vaičiulis

, Jaakkola

JJK

, Radišauskas

, et al. Risk of ischemic and hemorrhagic stroke in relation to cold spells in Four Seasons[J]. BMC Public Health, 2023, 23(1): 554.

［18］

Liu

, Chen

, Han

, et al. The added effects of cold spells on stroke admissions：Differential effects on ischemic and hemorrhagic stroke[J]. International Journal of Stroke, 2024, 19(2): 217-225.

［19］

杜茜茜，曲玥，曾芳婷，等. 石家庄市非适宜气温对居民急救影响归因分析[J]. 中国公共卫生，2024, 40(8):991-996.

, Qu

, Zeng

, et al. Attributable risk analysis of the impact of unsuitable temperature on emergency ambulance dispatches in Shijiazhuang city-based on the distributed lag non-linear model（DLNM）[J]. Chinese Journal of Public Health, 2024, 40(8): 991-996. (In Chinese)

［20］

Gao

, Yang

, Zhang

, et al. A longitudinal study on the effect of extreme temperature on non-accidental deaths in Hulunbuir City based on DLNM model[J]. International Archives of Occupational and Environmental Health, 2023, 96(7): 1009-1014.

［21］

Alahmad

, Khraishah

, Kamineni

, et al. Extreme temperatures and stroke mortality：evidence from a Multi-Country analysis[J]. Stroke, 2024, 55(7): 1847-1856.

［22］

胡茂红，熊文艳，戚京城，等. 2018—2022年南昌市极端气温对居民脑卒中死亡风险影响[J]. 中国公共卫生，2025, 41(1):88-94.

, Xiong

, Qi

, et al. Influence of extreme temperatures on stroke mortality risk among residents of Nanchang city between 2018 and 2022[J]. Chinese Journal of Public Health, 2025, 41(1): 88-94. (In Chinese)

［23］

De bont

, Jaganathan

, Dahlquist

, et al. Ambient air pollution and cardiovascular diseases：An umbrella review of systematic reviews and meta-analyses[J]. Journal of Internal Medicine, 2022, 291(6): 779-800.

2026年第53卷第10期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.20043/j.cnki.MPM.202601106

接收时间：2026-01-08
首发时间：2026-11-02
出版时间：2026-05-25

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2026-01-08

基金

国家自然科学基金(82574209)

山西省2025年度研究生教育创新计划研究生实践创新项目立项(2025SJ257)

作者信息

^1.山西医科大学医学科学院，山西晋中 030600

^2.山西医科大学公共卫生学院

^3.重大疾病风险评估山西省重点实验室

^4.煤炭环境致病与防治教育部重点实验室

通讯作者:

余红梅，E-mail：yu@sxmu.edu.cn

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/xdyfyx/CN/10.20043/j.cnki.MPM.202601106

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

变量	暖季	寒季
气温（℃）	30.3±5.6	10.0	27.5	42.0	1.9±7.1	-17.0	0.0	18.0
PM_2.5（μg/m³）	27.3±19.9	1.0	24.3	148.1	51.9±34.5	6.3	43.8	238.3
O₃（μg/m³）	144.5±36.2	57.4	141.9	240.9	84.9±31.0	19.6	78.9	181.9
风力（级）	2.5±1.1	1.0	2.0	6.0	2.6±1.2	0.0	2.0	7.0
入院人数（人）
总人数	4.3±2.1	1	4	13	4.7±2.1	1	5	13
男性	2.2±1.5	0	2	8	2.5±1.5	0	2	8
女性	2.1±1.4	0	2	9	2.2±1.4	0	2	7
≥65岁	2.7±1.7	0	2	10	2.9±1.7	0	3	10
<65岁	1.6±1.2	0	1	6	1.7±1.2	0	2	6
脑梗死	3.5±1.9	0	3	11	3.8±1.9	0	4	11
脑出血	0.6±0.7	0	0	5	0.6±0.8	0	0	4
脑缺血	0.5±0.8	0	0	4	0.6±0.9	0	0	5

变量

暖季

寒季

均值±标准差
（

）

最小值
（Min）

中位数
（M）

最大值
（Max）

均值±标准差
（

）

最小值
（Min）

中位数
（M）

最大值
（Max）

气温（℃）

30.3±5.6

10.0

27.5

42.0

1.9±7.1

-17.0

0.0

18.0

PM_2.5（μg/m³）

27.3±19.9

1.0

24.3

148.1

51.9±34.5

6.3

43.8

238.3

O₃（μg/m³）

144.5±36.2

57.4

141.9

240.9

84.9±31.0

19.6

78.9

181.9

风力（级）

2.5±1.1

1.0

2.0

6.0

2.6±1.2

0.0

2.0

7.0

入院人数（人）

总人数

4.3±2.1

4.7±2.1

男性

2.2±1.5

2.5±1.5

女性

2.1±1.4

2.2±1.4

≥65岁

2.7±1.7

2.9±1.7

<65岁

1.6±1.2

1.7±1.2

脑梗死

3.5±1.9

3.8±1.9

脑出血

0.6±0.7

0.6±0.8

脑缺血

0.5±0.8

0.6±0.9

变量	Spearman 相关系数	P值	变量	Spearman 相关系数	P值
气温			O₃
总人数	-0.055	0.091	总人数	-0.040	0.212
男	-0.040	0.224	男	-0.021	0.523
女	-0.031	0.340	女	-0.026	0.432
≥65岁	-0.042	0.203	≥65岁	-0.037	0.251
<65岁	-0.034	0.301	<65岁	-0.012	0.704
脑梗死	-0.042	0.187	脑梗死	-0.022	0.490
脑出血	-0.065	0.040	脑出血	-0.063	0.051
脑缺血	-0.007	0.819	脑缺血	-0.005	0.880
PM_2.5			风力
总人数	0.069	0.030	总人数	-0.019	0.562
男	0.046	0.164	男	-0.018	0.576
女	0.041	0.202	女	0.009	0.783
≥65岁	0.026	0.427	≥65岁	0.010	0.757
<65岁	0.076	0.020	<65岁	-0.036	0.270
脑梗死	0.067	0.042	脑梗死	-0.075	0.021
脑出血	-0.034	0.290	脑出血	0.017	0.606
脑缺血	0.037	0.250	脑缺血	0.129	0.010

变量

Spearman
相关系数

P值

变量

Spearman
相关系数

P值

气温

O₃

总人数

-0.055

0.091

总人数

-0.040

0.212

男

-0.040

0.224

男

-0.021

0.523

女

-0.031

0.340

女

-0.026

0.432

≥65岁

-0.042

0.203

≥65岁

-0.037

0.251

<65岁

-0.034

0.301

<65岁

-0.012

0.704

脑梗死

-0.042

0.187

脑梗死

-0.022

0.490

脑出血

-0.065

0.040

脑出血

-0.063

0.051

脑缺血

-0.007

0.819

脑缺血

-0.005

0.880

PM_2.5

风力

总人数

0.069

0.030

总人数

-0.019

0.562

男

0.046

0.164

男

-0.018

0.576

女

0.041

0.202

女

0.009

0.783

≥65岁

0.026

0.427

≥65岁

0.010

0.757

<65岁

0.076

0.020

<65岁

-0.036

0.270

脑梗死

0.067

0.042

脑梗死

-0.075

0.021

脑出血

-0.034

0.290

脑出血

0.017

0.606

脑缺血

0.037

0.250

脑缺血

0.129

0.010

气温（℃）	女性 RR（95%CI）	≥65岁 RR（95%CI）	脑缺血 RR（95%CI）
10.00	6.422（1.910~21.588）	4.286（1.401~13.112）	18.517（2.005~171.042）
16.00	2.627（1.419~4.866）	2.152（1.218~3.802）	4.925（1.609~15.078）
18.00	2.006（1.288~3.123）	1.746（1.160~2.627）	3.275（1.471~7.293）
19.00	1.675（1.204~2.331）	1.518（1.119~2.058）	2.482（1.366~4.509）
20.00	1.602（1.183~2.169）	1.466（1.109~1.937）	2.315（1.338~4.003）
21.00	1.446（1.135~1.842）	1.352（1.083~1.689）	1.969（1.270~3.052）
22.00	1.319（1.092~1.593）	1.258（1.059~1.495）	1.697（1.203~2.393）
23.00	1.217（1.055~1.404）	1.180（1.036~1.344）	1.484（1.139~1.933）
24.00	1.137（1.023~1.263）	1.117（1.016~1.228）	1.317（1.081~1.606）
25.00	1.076（1.000~1.158）	1.067（1.000~1.139）	1.190（1.033~1.371）
25.60	1.048（0.991~1.108）	1.044（0.994~1.097）	1.129（1.011~1.260）
26.00	1.033（0.988~1.080）	1.031（0.991~1.073）	1.094（1.001~1.195）
27.00	1.007（0.991~1.023）	1.007（0.993~1.021）	1.025（0.993~1.058）
28.00	0.997（0.980~1.015）	0.996（0.981~1.011）	0.981（0.947~1.017）
29.00	1.005（0.948~1.065）	0.997（0.948~1.049）	0.958（0.851~1.080）
30.00	1.030（0.925~1.147）	1.011（0.920~1.111）	0.957（0.767~1.195）
31.00	1.069（0.910~1.255）	1.035（0.898~1.192）	0.976（0.702~1.357）
32.00	1.117（0.906~1.377）	1.064（0.885~1.281）	1.012（0.659~1.554）
33.00	1.169（0.915~1.494）	1.096（0.882~1.363）	1.064（0.644~1.759）
34.00	1.219（0.938~1.585）	1.126（0.892~1.423）	1.132（0.661~1.939）
35.00	1.261（0.971~1.637）	1.150（0.911~1.452）	1.215（0.711~2.076）
36.00	1.294（1.001~1.671）	1.168（0.929~1.468）	1.314（0.779~2.217）
37.00	1.318（1.004~1.729）	1.180（0.928~1.501）	1.430（0.827~2.472）
38.00	1.335（0.962~1.852）	1.187（0.891~1.580）	1.565（0.818~2.991）
39.00	1.345（0.881~2.053）	1.190（0.824~1.718）	1.719（0.750~3.939）
40.00	1.351（0.782~2.336）	1.190（0.741~1.911）	1.895（0.650~5.525）
41.00	1.354（0.679~2.701）	1.188（0.654~2.157）	2.094（0.544~8.068）
42.00	1.356（0.583~3.151）	1.185（0.571~2.456）	2.316（0.445~12.048）

气温（℃）

女性
RR（95%CI）

≥65岁
RR（95%CI）

脑缺血
RR（95%CI）

10.00

6.422（1.910~21.588）

4.286（1.401~13.112）

18.517（2.005~171.042）

16.00

2.627（1.419~4.866）

2.152（1.218~3.802）

4.925（1.609~15.078）

18.00

2.006（1.288~3.123）

1.746（1.160~2.627）

3.275（1.471~7.293）

19.00

1.675（1.204~2.331）

1.518（1.119~2.058）

2.482（1.366~4.509）

20.00

1.602（1.183~2.169）

1.466（1.109~1.937）

2.315（1.338~4.003）

21.00

1.446（1.135~1.842）

1.352（1.083~1.689）

1.969（1.270~3.052）

22.00

1.319（1.092~1.593）

1.258（1.059~1.495）

1.697（1.203~2.393）

23.00

1.217（1.055~1.404）

1.180（1.036~1.344）

1.484（1.139~1.933）

24.00

1.137（1.023~1.263）

1.117（1.016~1.228）

1.317（1.081~1.606）

25.00

1.076（1.000~1.158）

1.067（1.000~1.139）

1.190（1.033~1.371）

25.60

1.048（0.991~1.108）

1.044（0.994~1.097）

1.129（1.011~1.260）

26.00

1.033（0.988~1.080）

1.031（0.991~1.073）

1.094（1.001~1.195）

27.00

1.007（0.991~1.023）

1.007（0.993~1.021）

1.025（0.993~1.058）

28.00

0.997（0.980~1.015）

0.996（0.981~1.011）

0.981（0.947~1.017）

29.00

1.005（0.948~1.065）

0.997（0.948~1.049）

0.958（0.851~1.080）

30.00

1.030（0.925~1.147）

1.011（0.920~1.111）

0.957（0.767~1.195）

31.00

1.069（0.910~1.255）

1.035（0.898~1.192）

0.976（0.702~1.357）

32.00

1.117（0.906~1.377）

1.064（0.885~1.281）

1.012（0.659~1.554）

33.00

1.169（0.915~1.494）

1.096（0.882~1.363）

1.064（0.644~1.759）

34.00

1.219（0.938~1.585）

1.126（0.892~1.423）

1.132（0.661~1.939）

35.00

1.261（0.971~1.637）

1.150（0.911~1.452）

1.215（0.711~2.076）

36.00

1.294（1.001~1.671）

1.168（0.929~1.468）

1.314（0.779~2.217）

37.00

1.318（1.004~1.729）

1.180（0.928~1.501）

1.430（0.827~2.472）

38.00

1.335（0.962~1.852）

1.187（0.891~1.580）

1.565（0.818~2.991）

39.00

1.345（0.881~2.053）

1.190（0.824~1.718）

1.719（0.750~3.939）

40.00

1.351（0.782~2.336）

1.190（0.741~1.911）

1.895（0.650~5.525）

41.00

1.354（0.679~2.701）

1.188（0.654~2.157）

2.094（0.544~8.068）

42.00

1.356（0.583~3.151）

1.185（0.571~2.456）

2.316（0.445~12.048）

变量	暖季				寒季
变量	均值±标准差（）	最小值（Min）	中位数（M）	最大值（Max）	均值±标准差（）	最小值（Min）	中位数（M）	最大值（Max）
气温（℃）	30.3±5.6	10.0	27.5	42.0	1.9±7.1	-17.0	0.0	18.0
PM_2.5（μg/m³）	27.3±19.9	1.0	24.3	148.1	51.9±34.5	6.3	43.8	238.3
O₃（μg/m³）	144.5±36.2	57.4	141.9	240.9	84.9±31.0	19.6	78.9	181.9
风力（级）	2.5±1.1	1.0	2.0	6.0	2.6±1.2	0.0	2.0	7.0
入院人数（人）
总人数	4.3±2.1	1	4	13	4.7±2.1	1	5	13
男性	2.2±1.5	0	2	8	2.5±1.5	0	2	8
女性	2.1±1.4	0	2	9	2.2±1.4	0	2	7
≥65岁	2.7±1.7	0	2	10	2.9±1.7	0	3	10
<65岁	1.6±1.2	0	1	6	1.7±1.2	0	2	6
脑梗死	3.5±1.9	0	3	11	3.8±1.9	0	4	11
脑出血	0.6±0.7	0	0	5	0.6±0.8	0	0	4
脑缺血	0.5±0.8	0	0	4	0.6±0.9	0	0	5