中年男性血红蛋白参考值与中国地理因素分析

中年男性血红蛋白参考值与中国地理因素分析摘要:为制定中国中年男性血红蛋白正常值的统一标准提供科学依据。方法收集了中国33个主要城市中年男性血红蛋白正常参考值；在运用偏相关分析和主成分回归分析方法，研究了其与地理因素的关系。结果通过偏相关分析发现海拔高度是影响中年男性血红蛋白正常参考值的最主要的因素，随着海拔高度的逐渐增加中年男性血红蛋正常参考值也相应逐渐增加，偏相关系数Ry,2345=0.64586,相关性很显著。用主成分分析的方法推导出了一个回归方程。结论实证分析说明，若知道一个区域的海拔高度、年日照时数、年平均相对湿度、年平均气温、年降水量等，用偏相关分析和主成分回归分析的方法可以估算一个区域的中年男性血红蛋白正常参考值。关键词:血红蛋白正常参考值[1]地理要素偏相关系数主成分分析[6]回归分析[7]1引言血红蛋白是血液一般检查的一个重要指标。为制定中国中年男性血红蛋白正常值的统一标准提供科学依据。收集了中国各地用氰化高铁血红蛋白法测定的中年男性血红蛋白正常值，并对其用偏相关分析和主成分回归的方法研究与地理因素的关系进行了研究，发现有一定的规律。1.1血红蛋白正常参考值收集了中国33个城市中年男性血红蛋白正常值[2]；年龄范围是26～45岁之间的中年男性东部平原[4]的资料多于西部高原地区[3]的资料。地理资料取材于有关地理著作和辞典[5]，选取的地理因素是海拔高度（x1），年日照时数（x2），年平均相对湿度（x3）,年平均气温(x4)，年降水量（x5）等5项指标。1.2数据城市海拔高度(m)日照时数(h)年平均相对湿度（%）年平均气温(℃)年降水量(mm)血红蛋白(g/L)日喀则3847.33245356.3365166.0136香格里拉328029533223426.4148.3743西宁2261.22375615.1380165.0993昆明1891.4229556151011.3152.9172银川1111.529005110.5644.6147.4024贵阳10631600526.2534.6164.955太原777.92808576.8456150.0591成都505.913247916.61000151.5527西安396.916576613.7553.3151.773重庆259.11245.68217.81104.5149.3212长春236.82500685.1570.4150.9414哈尔滨171.72089664.4524.3155.6504郑州110.419346714.2632.4146.5302大连92.823716510.5601.9145.929福州7417907619.31500140.9108石家庄80.517245813.3525.5150.0681青岛7619257012.4652.6148.0848南宁72.218337621.71309.7138.2147济南51.620175514.66727137.9069南昌46.721977917.81624.4137.8067长沙44.914707817.21546.4146.0154沈阳41.61996677.8690.3152.0313杭州41.717268215.81454.6144.7162北京31.222605911.8571.9145.7197合肥29.821007515.71000141.8809武汉23.319267616.51269142.4007南京8.917197315.61062.4145.7924广州6.61945.37521.81736.1136.0834上海4.517147018.41042.6143.1108宁波3.319946512.2590147.5032包头32521007815.8755143.7044宝鸡6423057114.3670142.0764开封20003145526.4312154.87622偏相关分析和主成分回归分析2.1偏相关分析偏相关分析用以计算描述在其他变量控制下，两变量之间的线性关系的偏相关系数，即各个地理因素对中年男性血红蛋白正常参考值的直接影响程度，也就是说在除去其他因素的影响后，每个地理因素对中国中年男性血红蛋白正常值的净影响。运用sas统计软件分别计算出偏相关系数。中年男性血红蛋白正常参考值与海拔高度（x1），年日照时数（x2）年平均相对湿度（x3）,年平均气温(x4)，年降水量（x5）分别是：Ry,2345=0.64586，P0.0001,可见控制地理因素x2、x3、x4、x5时，中年男性血红蛋白正常参考值（y）与海拔高度(x1)的偏相关系数很显著。Ry,1345=0.31914，P=0307020.01,可见控制地理因素x1、x3、x4、x5时，中年男性血红蛋白正常参考值（y）与海拔高度(x1)的偏相关系数不显著。Ry,1245=-0.53064，P=0.00150.01,可见控制地理因素x1、x2、x4、x5时，中年男性血红蛋白正常参考值（y）与海拔高度(x1)的偏相关系数很显著。Ry,1235=-0.67581，P0.0001,可见控制地理因素x1、x2、x3、x5时，中年男性血红蛋白正常参考值（y）与海拔高度(x1)的偏相关系数很显著。Ry,2345=-0.39905，P=0.02140.01,可见控制地理因素x2、x3、x4、x5时，中年男性血红蛋白正常参考值（y）与海拔高度(x1)的偏相关系数不显著。2.2主成分回归分析主成分回归分析是将原来的多个变量综合成彼此互补相关的综合指标（即主成分）的一种统计方法，可以达到数据化简，揭示变量不仅保留了原始数据的绝大部分信息，而且彼此之间不相关，对综合变量进行分析，可以抓住主要的因素，剔除一些重叠的信息使问题得到最佳综合简化。利用sas软件计算出5各变量之间的相关系矩阵，发现变量之间的相关性比较明显，为此对5各变量的原始标准化数据进行主成分分析。有输出的结果可知，相关矩阵的前3个特征根分别为1=2.7731，2=1.0190，3=0.7163。前三个主成分的累计贡献率高达90.17%，所以选取三个主成分来代替原来的5个变量，这三个主成分可以解释原来的90.17%的信息。主成分个数的确定，根据累计方差贡献率大于或等于85%的原则选取。用Z1,Z2,Z3表示这三个主成分，则：Z1=-0.517841x1*-0.522493x2*+0.531193x3*+0.350127x4*+0.232564x5*Z2=0.222284x1*+0.130132x2*-0.30378x3*+0.45614x4*+0.795654x5*Z3=0.345256x1*-0.031513x2*+0.0249x3*+0.77571x4*-0.526745x5*其中Xi*(i=1,2,3,4,5)是Xi的标准化指标.即2()iXX/Si，其中X是Xi的均值，Si是Xi的标准差。2.3回归分析用上述三个主成分作为回归自变量，和中年男性血红蛋白正常参考值进行多元线性回归分析。得到的回归方程如下：Y=-0.40118Z1-0.27392Z2-0.15960Z3F=11.39,P0.0001说明此回归方程是高度显著的。最后转化为y与原始变量的多元回归式：Y∧=184.9+0.00605x1-0.01024x2-0.05579x3+1.03517x4-0.001259x5在以上的回归方程中y是中年男性血红蛋白正常参考值（g/L）,x1海拔高度（m），x2年日照时数（h）,x3年平均相对湿度（%）,x4年平均气温(℃),x5年降水量（mm）。3、分析结论及相关建议从偏相关系数可以看出，随着海拔高度（x1）的逐渐增加，中年男性血红蛋白正常参考值在逐渐的增大，相关性很显著，相关系数最大；随着年平均气温(x4)的增大中年男性血红蛋白正常参考值也有增大的趋势，相关性也显著，随着年年日照时数（x2）和年平均相对湿度（x3）的增大，中年男性血红蛋白正常参考值有减小的趋势，相关性不显著；随着年平均相对湿度（x3）的增大，中年男性血红蛋白正常参考值有减小的趋势，但是相关性显著；因此，海拔高度是影响中年男性血红蛋白正常参考值最主要的因素，随着海拔高度的逐渐增大，空气逐渐稀薄，氧含量逐渐减小，机体为了适应缺氧的环境，血液中的红细胞数代偿性的逐渐增加，导致中年男性血红蛋白正常参考值的逐渐增大。如果知道了中国某地的海拔高度（x1），年日照时数（x2），年平均相对湿度（x3），年平均气温(x4)，年降水量（x5）等地理因素指标，就可以用回归方程来估算这一地区的中年男性血红蛋白正常参考值。例如，荆州地区的海拔高度（x1）是25m，年日照时数（x2）是2900h,年平均相对湿度（x3）是67%，年平均气温(x4)是19.3℃，年降水量（x5）是3500mm用回归方程计算得：y∧=184.9+0.00605*25-0.01024*2900-0.05579*67+1.03517*19.3-0.001259*3500=167.1896因此，用回归方程估算的荆州中年男性血红蛋白正常参考值为：167.1896g/L。4、参考文献[1]姚磊，刘军，徐桂荣等.医学实用手册[M].1版.北京中广播电视出版社，1993.[2]孙端阳，王婷.上海市成人血红蛋白正常值的探讨[M].上海医学院学报，1993.[3]王占刚，张旭，崔之中[M].旅居海拔5000米高原人红细胞影响的动态观察[M]，2004.[4]叶莺，王美，孔炫涛等.全国临床检验操作规程[M].2版，南京：东南大学出版社，2004:.[5]张超，杨炳庚.计量地理学基础[M].2版.北京：中国高等教育出版社，1991.[6]樊欣，邵谦谦.SAS8.0经济统计[M].北京：北京希望电子出版社，2003.[7]何晓群，刘文卿.应用回归分析[M].北京：中国人名大学出版社。2001.