The Relationship between Thermal Comfort Indices and Mortality from Heart Disease

Document Type : Review article

Authors

1 MSc Climatology in Environmental Planning, School of Geography and Environmental Science, Hakim Sabzevari University .

2 MSc GIS and Remote Sensing, Coach of Department of climatology and geomorphology, Hakim Sabzevari University

3 Assistant Department of climatology and geomorphology, School of Geography and Environmental Science, Hakim Sabzevari University

Abstract

Inhalation of cold air can cause illness and sometimes death. In this study, the relationship between various indicators of wind chill and mortality from heart disease was studied.  death -toll from heart disease statistics (2007-2011) and data on temperature and wind speed were used. Wind chill indices (Steadman, Passel and Siple, heat dissipation and Passel and Siple Index, Modified American Meteorological Organization) and Baker indices calculated using the Pearson correlation were compared with mortality. Autocorrelation function of the time delays for evaluation and analysis of variance was used to compare means. To investigate the incidence and mortality among men and women, the chi-square test of independence (c 2) was used.Mortality from heart disease and wind chill indices (excluding Baker and heat dissipation characteristics of Passel and Siple) were positively correlated during January and February. The highest mortality rate was in the age group 67-77, 78-88 and was observed in women. Delay time 1 to 5 days, wind chill indices were correlated with minimum temperature.  In general, the lower the temperature, the mortality rate was increased during January and February. In this respect, planning to reduce the mortality in vulnerable individuals, was used.
Acknowledgment :This is no conflict of interest

Keywords


انسان در هر شرایطی متأثر از حرارت پیرامون خویش است، به نحوی‌که عوامل اقلیمی با اثرات مطلوب و گاهی نامطلوب منجر به تغییراتی بر پیکر انسان نظیر هیپوترمی، آنفولانزا، بیماری‌های قلبی، سکته مغزی، آسم و غیره می‌‌شوند (1، 2). مطالعات پزشکی نشان می‌دهد که با افزایش و یا کاهش درجه حرارت محیط و یا با تغییر فصول، امراض مختلفی شایع و یا نابود می‌شوند (3).

در بعضی موارد، تغییر در محیط طبیعی به صورت مستقیم مخاطره ایجاد می‌کند. اگر دمای داخلی بدن به پایین‌تر از 26 درجه سانتی‌گراد یا بالاتر از 40 درجه سانتی‌گراد برود، اغلب تخریب تغییرناپذیر و مرگ به وقوع خواهد پیوست و در پاره‌ای موارد باعث بروز مخاطره زیستی یا بیماری می‌شود(4، 5). علاوه بر این، بسیاری از جغرافی دانان معتقدند که با انحراف محدوده گرمای مطلوب که بین 18 - 25 درجه سانتی‌گراد است، تعداد مرگ و میرها افزایش می‌یابد(6). همچنین اثر استرس‌زای دما بر مرگ و میر توسط محققان فراوانی به اثبات رسیده است، به این صورت که هر قدر دما از محدوده آسایش انسان بیشتر فاصله گیرد، میزان استرس و بیماری‌های قلبی بیشتر و در نتیجه تعداد فوت‌شدگان نیز افزایش می‌یابد(7-9). از طرفی، بیماری‌های قلبی-عروقی تقریباً به‌طور مساوی در بین مردان و زنان، مهم‌ترین و شایع‌ترین عامل مرگ و میر محسوب می‌شوند. در واقع دلیل مرگ یک سوم از افراد متوفی، بیماری‌های قلبی - عروقی است (5). در راستای بررسی تأثیر سوزباد بر انسان و مرگ و میر، مطالعات زیادی انجام گرفته است که به اختصار به برخی از آنها اشاره می‌شود: مایکل1 و همکاران (2013) مطالعه روزهای با مرگ و میر بالا در فصل زمستان را در آمریکا انجام داده‌‌اند که نتایج پژوهش نشان می‌دهد مرگ و میر با درجه حرارت، فشار بارومتری و روزهای با بارش بالا ارتباط مثبت و افزایشی دارد (10). اثر دوره‌های سرد سال 2008 در مرگ و میر در شانگهای چین مطالعه‌ی دیگری است که ونژوان2 و همکاران (2012) انجام داده‌اند که نتایج این پژوهش نیز نشان می‌دهد، تعداد مرگ و میر ناشی از بیماری‌های قلبی در کوتاه مدت و در افراد بالای 65 سال با دوره‌های سرد، حدود %13 افزایش پیدا می‌کند (11). یومینگ3 و همکاران (2012) در شهر چیانگ می تایلند، مطالعه‌ای در راستای بررسی تأثیرات درجه حرارت بر مرگ و میر انجام داده‌اند (12). نتایج این پژوهش نیز نشان می‌دهد که ارتباط غیر خطی در تمام گروه‌های سنی با مرگ و میر و درجه حرارت‌های سرد و گرم وجود دارد. گرجیبوسکی4 و همکاران (2012) نیز در مطالعه‌ای ارتباط بین درجه حرارت و مرگ و میرهای قلبی و بیماری‌های قلبی در فصول سرد در آستانای قزاقستان را از طریق رگرسیون پواسن و زمان تأخیرهای 0-15 با کنترل فشار بارومتری و سرعت باد بررسی کردند (13). آنها نشان دادند که میانگین و حداقل درجه حرارت با مرگ و میر بیماری‌های قلبی دارای ارتباط مثبت و معنی‌دار می‌باشند. پژوهش آنتون5 و همکاران (1994) در ندرلند با عنوان ارتباط بین دو شاخص سوزباد و تغییرات مرگ و میر روزانه نشان داد که مرگ و میر ناشی از بیماری‌های قلبی ارتباط قوی و مثبتی با شاخص سوزباد استدمن6 نسبت به شاخص پاسیل7 و درجه حرارت دارد (1). کاردر8 و همکاران (2005) اثر تأخیری درجه حرارت سرد و سوزباد بر مرگ و میر بیماری‌های قلبی- ریوی در اسکاتلند را بررسی نمودند و نتایج نشان داد که ارتباط غیر خطی بین مرگ و میر با حداقل دما وجود دارد و در تأخیرهای بیش از دو هفته، از میزان مرگ و میر با کاهش درجه حرارت کاسته می‌شود (7). خالدی، (1375) تاکید می‌کند که در زمستان بین انسداد شریان ریوی و عبور جبهه‌های سرد و همچنین ظهور سکته‌ قلبی، ارتباط وجود دارد (14). محمدی، (1385) در مطالعه‌ای دیگر تاثیر این ارتباط را بر مرگ و میر ناشی از بیماری‌های قلبی مورد مطالعه قرار داد و نشان داد که تعداد فوت‌شدگان در ماه‌های سرد سال افزایش می‌یابد (15). تاثیر پارامتر‌های اقلیمی بر مرگ و میر شهر تهران نیز توسط فرج‌زاده و دارند، (1387) به صورت توصیفی و تحلیلی مورد بررسی قرار گرفت و مشخص شد که دما نسبت به بارش تاثیر بیشتری بر مرگ و میر دارد (16). درجه حرارت و مرگ و میر بیماری‌های قلبی و تنفسی در آب و هوای بیابانی را خانجانی  بهرامپور، (2013)  مورد بررسی قرار دادند و نتایج پژوهش حاکی از این است که بین درجه حرارت سرد و مرگ و میر ارتباط مثبت و قوی وجود دارد (17).

با توجه به اهمیت موضوع، در این پژوهش سعی شده تا به بررسی ارتباط بین مرگ و میر ناشی از بیماری‌های قلبی (سکته قلبی1، آنژین صدری2 و التهاب پرده پیراشامه3) شهر مشهد و حداقل درجه حرارت، از طریق شاخص‌های آسایش حرارتی سوزباد (استدمن، پاسیل و سایپل، گرمای هدررفت سایپل4 و پاسیل، شاخص اصلاح شده سازمان هواشناسی آمریکا5) و بیکر6 و مقایسه نتایج ارتباطات حاصل پرداخته شود.

شهر مشهد از حیث توپوگرافی در منتهی‌الیه جنوب‌شرقی چاله اترک-کشف‌رود در داخل دشت مشهد قرار گرفته است (18). این شهر بین ´14°36 تا´48°36 عرض شمالیو´35 °59 تا‌´74 ‌°59  طول شرقی، در استان خراسان رضوی واقع گردیده است (19). مشهد دومین شهر بزرگ کشور و مهمترین مرکز جمعیتی شمال شرق ایران است. جمعیت این شهر، طی سرشماری سال 1390 تعداد 3069941 نفر بوده است که نسبت به سرشماری‌های سال‌های قبل روند صعودی داشته است. همچنین کل مرگ و میر بیماری‌های قلبی در این شهر در بازه‌ی زمانی مورد مطالعه، 15655 نفر بوده است که از این تعداد مرگ و میر، 6123 فوت (39 %) در روزهایی که دارای شرایط سوزباد (درجه حرارت کمتر از 5 درجه سانتی‌گراد، سرعت باد بیشتر از 2 متر بر ثانیه) بوده، اتفاق افتاده است. متوسط درجه حرارت نیز در بازه‌ی زمانی مورد مطالعه در ماههای دی و بهمن ( به ترتیب 21- و 18- درجه سانتی‌گراد) پایینترین مقدار را داشته‌اند. همچنین در بازه‌ی زمانی مورد مطالعه، متوسط سرعت باد نیز در ماههای دی و بهمن ( به ترتیب 10 و 15 متر بر ثانیه) بیشترین مقدار را دارا می‌باشند که شرایط برای پدیده سوزباد فراهم است که با توجه به بررسی محمدیاریان و همکاران،(1392) بیشترین وقوع سوزباد با احتمال بسیار زیاد به دلیل ارتفاع و عرض جغرافیایی منطقه در مشهد به وقوع می‌پیوندد (20). در این پژوهش از آمار مرگ و میر بیماران قلبی(سکته قلبی، آنژین صدری و التهاب پرده پیراشامه) فراهم شده توسط سازمان فردوس‌ها در طی سالهای(1386-1390) به تفکیک (سن، جنس، علت فوت) و داده‌های اقلیمی درجه حرارت و باد در طی همین بازه‌ی زمانی تهیه شده از سازمان هواشناسی کشور استفاده شده است.

با استفاده از داده‌های حداقل دما و سرعت باد، ابتدا شاخص‌های آسایش حرارتی نظیر سوزباد (استدمن در مقیاس جدید و قدیم، پاسیل و سایپل و شاخص گرمای هدررفت پاسیل، شاخص اصلاح شده سازمان هواشناسی آمریکا) و بیکر محاسبه شد. بر اساس شاخص سوزباد، 629 روز در طی شش سال، دارای شرایط سوزباد بوده است که از آبان ماه شروع و تا اسفند ماه ادامه می‌یابد. سپس ارتباط بین مرگ و میرهای ناشی از بیماری‌های قلبی استخراج شده در طی این روزها با این شاخص‌ها، از طریق آزمونهای آماری (مدل همبستگی پیرسون، توایع خودهمبستگیPACF، مدل آنالیز واریانس و خی دو) در محیط نرم‌افزارهای SPSS  و Minitab مورد تجزیه و تحلیل قرار گرفت.

 

شاخص‌های آسایش حرارتی

شرایط آسایش حرارتی، متناسب با حداقل 80 % از انسانها، در محیط طبیعی رابطه مستقیم با وضعیت اقلیمی از قبیل درجه حرارت، رطوبت، تابش آفتاب و باد دارد (22،21). شاخص‌های مرتبط با فیزیولوژی انسان که از معادله بیلان انرژی بدن انسان مشتق گردیده‌اند، امروزه در مطالعات زیست اقلیم جایگاه ویژه‌ای دارند (23). که از جمله این شاخص‌ها، شاخص دمای معادل فیزیولوژیک(PET) [1]، سوزباد، بیکر، ماهانی و غیره می‌باشد.

بررسی علمی و مدون شرایط راحتی آب و هوایی انسان به دهه 50 و 60 قرن بیستم باز می‌گردد(24) که اولین بار توسط     اولگی[2] در سال 1963 با یک نمودار زیست-اقلیمی جهت برآورد نیازهای آسایش حرارتی انسان ارائه شد.

فانکر2 در سال 1972 و میک زوسکی 1985 نیز به بررسی تأثیر عناصر آب و هوایی بر احساس راحتی گرمایی پرداختند. اولین مطالعات در ایران نیز در این زمینه به تهیه اولین نقشه زیست‌شناسی اقلیمی توسط عدل 1339 برمی‌گردد و بعد از آن مطالعات گوناگونی در زمینه آسایش حرارتی انسان انجام شده است(21).

سرمایش بادی یا سوزباد که برای نخستین بار در رساله دکتری سایپل در سال 1939 تحت عنوان سازگاری«مکتشفان قطب جنوب با هوای سرد» مطرح شده (25)، پدیده‌ای اقلیمی است که از ترکیب عناصر دما و باد در شرایط محیطی خاصی ایجاد می‌شود که نه تنها روند شرایط زیستی را مختل می‌کند، بلکه با آسیب دیدن اعضای بدن از طریق سرمازدگی منجر به مرگ و میر بیماران قلبی و تنفسی می‌شود(26).

شاخص سوزباد جهت بیان ارتباط عدم راحتی انسان در اثر تأثیر مشترک باد و دمای هوا (27) و نیز پیش‌بینی هواشناسی در ارتباط با پدیده‌های محیطی (28) ارائه شده است. شاخص استدمن: در سال 1971 رابرت استدمن3 برای اندازه‌گیری دمای حسی (29) و دستیابی به تعادل حرارتی بدن انسان، شاخص سوزباد مطابق با باد و درجه حرارت را ابداع کرد (30). این شاخص در مقیاس قدیم و جدید از طریق روابط 1 و 2 محاسبه می‌شود:  رابطه1:                          

 

15WCsc=1.41-1.16V+0.982T+0.0124V2+0.0185(V.T)'>در رابطه فوق؛ 15WCMsc'>: شاخص سوزباد بر حسب درجه سانتی‌گراد(در مقیاس قدیم،1971)، v: سرعت باد بر حسب متر در ثانیه، T: درجه حرارت بر حسب سانتی‌گراد (31). رابطه 2:                    15 WCNWS=0.0817(3.71V0.5+5.81-0.25V)أ—(T-91.4)+91.4'> در رابطه فوق؛ 15WCNWS'> : شاخص سوزباد بر حسب درجه فارنهایت(در مقیاس جدید،1992)، V: سرعت باد بر حسب مایل در ساعت، T: درجه حرارت بر حسب درجه فارنهایت (31). این شاخص همچنین دارای مقادیر آستانه‌ای (جدول 1) است که بیشتر از این مقادیر، آسیب دیدن انسان افزایش می‌یابد.

شاخص پاسیل و سایپل: قدیمی‌ترین روش برای محاسبه شاخص سوزباد بوسیله دو محقق آمریکایی پول سایپل و چارلز پاسیل در سال 1939 ابداع شد (32). این شاخص از رابطه 3 محاسبه می‌شود: رابطه 3:                         15wcsp=33+(T-33)أ—(0.474+0.454أ—V0.5-0.0454أ—V)'>در رابطه فوق؛ 15wcsp'> : شاخص سوزباد بر حسب درجه سانتی‌گراد، T: درجه حرارت بر حسب سانتی‌گراد، V: سرعت باد بر حسب متر در ثانیه محاسبه می‌گردد(33).

شاخص اصلاح شده سازمان هواشناسی آمریکا: در سال 2001 و 2002 توسط سازمان ملی هواشناسی4 کانادا شاخص سوزباد دیگری برای بیان خطرات ناشی از حداقل دما و سرعت باد همراه با آن طراحی گردید که در راستای اصلاح و تصحیح شاخص سوزباد سایپل و پاسیل بوده است

این شاخص با پیشرفت‌های اقلیم‌شناسی، بیومتئورولوژی و مدلهای کامپیوتری نیز توسعه پیدا کرد و از طریق رابطه 4 محاسبه می‌شود که جدیدترین رابطه در محاسبه شاخص سوزباد است (34).

رابطه4:                                                                   15WCT=35.74+0.6215T-35.75(V0.16)+0.4275T(V0.16)'> در رابطه فوق؛ WCT: مقدار شاخص سوزباد پاسیل و سایپل اصلاح شده به درجه فارنهایت، V: سرعت باد بر حسب مایل در ساعت، T: درجه حرارت برحسب درجه فارنهایت.

شاخص گرمای هدررفت پاسیل و سایپل: پاسیل و سایپل همچنین رابطه‌ی دیگری در راستای هدررفت گرمای بدن انسان نیز در سال 1939 ابداع کردند که در این پژوهش از آن نیز استفاده شده است و  به شرح زیر می‌باشد(35). رابطه5:                                                                                                                       15H=10.45+10V-V33-T'>                                                               

در رابطه فوق؛ H: مقدار دفع انرژی بر حسب کیلوکالری بر ساعت در متر مربع ، V: سرعت باد به متر در ثانیه، T: معدل دما به درجه سانتی‌گراد.

شاخص بیکر[3]([4]CP): به دلیل بهره‌مندی این شاخص از کمیت‌های دما و جریان باد، جهت مقایسه با شاخص سوزباد، در این پژوهش از آن استفاده شده است. برای محاسبه قدرت خنک‌کنندگی محیط از رابطه 6 استفاده می‌شود: رابطه6:                                                                                                                15CP=(0.26+0.34V0.632)(36.5-T)'>                                                             

در رابطه فوق؛ CP: میزان شاخص بر حسب میلی کالری بر سانتی‌متر مربع در ثانیه، V: سرعت باد بر حسب متر در ثانیه و T: میانگین دمای روزانه بر حسب درجه سانتی‌گراد است. در واقع CP قدرت خنک‌کنندگی محیط با توجه به اختلاف بین دمای بدن و دمای هوا است (22). جدول 2، درجات خنک‌کنندگی محیط و آستانه‌ی بیوکلیمایی بر اساس شاخص بیکر را بیان می‌کند.

- مدل همبستگی پیرسون

رابطه همبستگی پیرسون به بررسی ارتباط بین دو یا چند متغیر پرداخته و همبستگی بین متغیرها ممکن است مثبت یا منفی باشد(37). عموماً متداول‌ترین نمایه برای بیان همبستگی بین متغیرهای دارای اندازه‌های مقیاس فاصله‌ای و نسبی، استفاده از ضریب همبستگی پیرسون است که در این پژوهش از آن استفاده شده است. رابطه7:  15rx,y=xyNSXSY'>                                     

در رابطه فوق، rxy ، همبستگی بین متغیرهای x و y؛ N، تعداد آزمودنیها؛ Sx ، انحراف استاندارد نمره‌های x؛ 15xy'> ، مجموع حاصل‌ضرب تفاضل نمره‌ها از میانگین و Sy، انحراف استاندارد نمره‌های y است (38).

3- مدل خود‌همبستگی[5]

کاربردی‌ترین روش در تعیین وابستگی زمانی پدیده‌ها، استفاده از تابع خود‌همبستگی است‌. تابع خودهمبستگی (rk)، رابطه خطی موجود میان مشاهدات سری زمانی را که با K وقفه زمانی جدا شده‌اند را اندازه‌گیری می‌کند که از رابطه 8 بدست می‌آید: رابطه 8:                  15rK=CKC0=t=1N-KXt-X)(Xt+K-Xt=1NXt-X(Xt-X)2'>                                                                                                                                                                    

در رابطه فوق،rk: ضریب خود‌همبستگی در تأخیر‌ K وN  تعداد مشاهدات هستند. rkهمیشه بین 1+ تا 1- می‌باشد. مقدار همبستگی در تأخیرهای مختلف بوسیله‌ی نموداری به نام همبستگی‌نگار[6] نشان داده می‌شود. که مشاهدات با K وقفه زمانی تمایلی شدید به حرکت با یکدیگر در مسیر خطی و با شیبی منفی دارند و گویای نوسان مقادیر می‌باشند (39).

4- مدل آنالیز واریانس

در بسیاری از مواقع لازم است تفاوت بین میانگین‌های یک صفت کمی در بیشتر از دو جمعیت با هم مقایسه شوند که مدل آنالیز واریانس روش مناسبی برای این منظور است. همچنین مدل آماری آنوا برای مشخص کردن تفاوت بین گروهی دسته‌ای از داده‌ها به کار می‌رود. در این مدل دو فرض صفر و یک وجود دارد که فرض صفر عدم وجود اختلاف معنی‌دار و فرض یک نیز وجود اختلافات معنی‌دار بین گروه‌ها را مشخص می‌کند (40). رابطه 9 در محاسبه این مدل آماری به ما یاری می‌رساند (41): رابطه 9:

در رابطه فوق، 15X2-(X)2n'>: مجموع مربعات، s2 : تغییرات جامعه و n-1 : درجه آزادی می‌باشد.

5- آزمون استقلال کی دو

آماره‌ی آزمون خی دو، آزمون ساده و پرکاربرد ناپارامتری برای نکویی برازش است. این آزمون بافت‌نگار، مشاهدات را با توزیع احتمال(برای داده‌های گسسته) یا چگالی احتمال(برای داده‌های پیوسته) مقایسه می‌کند(39). این آماره از طریق رابطه ریاضی 10 محاسبه می‌شود:

رابطه 10:     15د‡2=Classes(O-E)2E'>                                                                                                         

در رابطه فوق O: مقادیر مشاهده و E: مقادیر مورد انتظار است.

 

ارزیابی مقادیر شاخص‌ها

شاخص سوزباد: با توجه به این که پدیده سوزباد تنها در ماه‌های سرد سال رخ می‌دهد، در این پژوهش نیز ماههای(آبان، آذر، دی، بهمن و اسفند) دارای شرایط سوزباد بودند که در ماههای دی و بهمن پایینترین مقادیر دما و بیشترین مقدار باد را به دلیل ارتفاع منطقه، عرض جغرافیایی، یورش توده هوای سرد سیبری و وجود بادهای غربی که با خود توده‌های هوای سرد می‌آورند، در این موقع از سال را به خود اختصاص می‌دهند. بر اساس طبقه‌بندی جدول آستانه‌های این شاخص (جدول 1) اکثریت روزها در شرایط سوزباد (استدمن مقیاس جدید و قدیم، پاسیل) طبقه متوسط تا زیاد قرار دارند. همچنین شاخص گرمای هدر رفت پاسیل و سایپل نیز کمترین مقادیر را در ماههای بهمن و دی به خود اختصاص داده‌اند که بر اساس مقادیر آستانه در طبقه سرد و بسیار سرد قرار دارد (نمودار1).

شاخص بیکر: مقادیر به دست آمده این شاخص در پژوهش حاضر بیانگر این است که ماههای آذر و دی پایین‌ترین مقادیر باد و دما، که در جدول طبقه‌بندی آستانه‌ها در طبقه سرد و خیلی سرد (D1،D2) قرار دارند، را دارا می‌باشند. که فشار بیوکلیمایی در این ماهها با تحریک متوسط تا شدید و آزار دهنده همراه است (نمودار2).

بررسی میزان مرگ و میر ناشی از بیماری‌های قلبی بر اساس جنس

تعداد کل مرگ و میر بیماری‌های قلبی شهر مشهد در بازه‌ی زمانی (1386-1390) بر اساس روزهایی که دارای شرایط سوزباد بودند، 6123 تن بوده است. در این پژوهش نیز از آزمون استقلال خی دو، جهت بررسی ارتباط بین مرگ و میر و جنس استفاده شده است که فرضیات آزمون به ترتیب زیر می‌باشد:

15H0: ظ…ظٹ‌ع©ظ†ط¯طھط¨ط¹ظٹطھظ†ط±ظ…ط§ظ„طھظˆط²ظٹط¹ط§ط²ط¬ظ†ط³ط¯ظˆظ‡ط±ط¯ط±ظ…ظٹط±ظˆظ…ط±ع¯ظ…ظٹط²ط§ظ†H1:ظ†ظ…ظٹ‌ع©ظ†ط¯طھط¨ط¹ظٹطھظ†ط±ظ…ط§ظ„طھظˆط²ظٹط¹ط§ط²ط¬ظ†ط³ط¯ظˆظ‡ط±ط¯ط±ظ…ظٹط±ظˆظ…ط±ع¯ظ…ظٹط²ط§ظ†'>

نتایج حاصل از این آزمون نشان می‌دهد که بیشترین میزان مرگ و میر در گروه سنی 67-77 و 78-88 سال در بین زنان به وقوع پیوسته است. همچنین نتایج حاصل از این آزمون نشان می‌دهد که بین مرگ و میر ناشی از بیماری‌های قلبی و جنس ارتباط معنی‌داری وجود دارد(001/0p=). بنابراین فرضیه صفر رد می‌شود. به طوریکه میزان مرگ و میر در بین زنان بیشتر از مردان است. در بین سالهای مورد مطالعه نیز سال 1388 بیشترین میزان وقوع مرگ و میر را دارا می‌باشد. ماههای دی و بهمن نیز از حیث مرگ و میر حداکثر مقدار را دارا هستند. نتایج در مطالعات مشابه نظیر (اپیدمیولوژی جغرافیایی ناشی از مرگ و میر بیماران قلبی در استان اصفهان، رشیدی و همکاران، فرج زاده و همکاران و محمدی نیز نشان می‌دهد که وقوع مرگ و میر در مردان بیشتر از زنان می‌باشد و ماههای سرد سال میزان بیشتری از وقوع مرگ و میر بیماران قلبی را به خود اختصاص داده است (15، 16، 42).

ارتباط بین شاخص‌‌ها با مرگ و میر ناشی از بیماری‌های قلبی

در این پژوهش جهت بررسی ارتباط بین شاخص‌های محاسبه شده با مرگ و میر ناشی از بیماری‌های قلبی، از مدل همبستگی پیرسون در مقیاس ماهانه و روزانه استفاده شده است. بیشترین همبستگی روزانه مثبت (16/0=R و 000/0=p) بین مرگ و میر با شاخص استدمن در مقیاس جدید می‌باشد و کمترین همبستگی در شاخص بیکر به صورت منفی و معکوس (07/0-=R و 05/0=p) است. پس از شاخص استدمن در مقیاس جدید، دو شاخص پاسیل و سایپل و شاخص اصلاح شده سازمان هواشناسی آمریکا نیز با اختلاف 01/0 در همبستگی، ارتباط مثبت و معنی‌دار با مرگ و میر ناشی از بیماری‌های قلبی دارند. با سطح اطمینان 99 %، شاخص‌های سوزباد استدمن در مقیاس جدید و قدیم، پاسیل و سایپل، شاخص اصلاح شده سازمان هواشناسی آمریکا و گرمای از دست رفته پاسیل با میزان مرگ و میر ناشی از بیماری‌های قلبی ارتباط دارند که این بدان معناست که برای بررسی احتمال مرگ و میر ناشی از بیماری‌های قلبی در منطقه‌ی مشابه با شرایط اقلیمی مشهد و به منظور پیشگیری از خطرات آن بر سلامت انسان، می‌توان از شاخص‌های سوزباد مذکور استفاده نمود. تا در صورت وجود شرایط سوزباد در آن مناطق، از بیرون آمدن بیماران قلبی به سطح شهر جلوگیری نمایند. این در حالی است که ارتباط شاخص بیکر با میزان مرگ و میر ناشی از بیماری‌های قلبی در سطح اطمینان کمتر از شاخص‌های دیگر (95 %) می‌باشد. 

جدول 3، همبستگی ماهانه بین شاخص‌ها با میزان مرگ و میر ماهانه را نشان می‌دهد. همانطور که مشاهده می‌شود بیشترین همبستگی در دی و بهمن؛ سردترین ماههای دوره، مشاهده می‌شود. از بین شاخص‌های محاسبه شده، شاخص پاسیل و سایپل و استدمن در مقیاس جدید بیشترین همبستگی را با مرگ و میر (سطح اطمینان = 95 %) در ماههای دی و بهمن دارند.  پس از دو شاخص مذکور در ماههای نام برده شده، شاخص اصلاح شده سازمان هواشناسی آمریکا نسبت به شاخصهای دیگر در ارتباط بیشتری با میزان مرگ و میر ماهانه می‌باشد. شاخص بیکر و گرمای هدر رفت نیز ارتباط معکوس و منفی (ماههای دی و بهمن) با مرگ و میر دارند. البته این معنی‌داری در سطح اطمینان پایین‌تر نسبت به شاخص‌های دیگر است و در ماه بهمن، شاخص بیکر با میزان مرگ و میر ماهانه ارتباط ندارد. این در حالی است که در ماههای دیگر قرار گرفته در شرایط سوزباد، بین شاخص‌ها با میزان مرگ و میر ماهانه ارتباط معنی‌داری وجود ندارد.

علاوه بر همبستگی بین شاخص‌ها و مرگ و میر ناشی از بیماری‌های قلبی، با استفاده از توابع خودهمبستگی (PACF) نیز به بررسی تأخیر زمانی در ارتباطات و همبستگی‌ها پرداخته شده است. برای بررسی تاخیر زمانی، ارتباطات با زمان تأخیر 10 روزه در نظر گرفته شده است که بیشترین ارتباطات با تأخیرهای زمانی 1 تا 5 روزه به وقوع می‌پیوندد. این به دلیل تاثیر شاخص‌ها و درجه حرارت در مرگ و میر با 5 روز تاخیر است. همچنین مطالعات آنتون و همکاران، کاردر و همکاران و وراسینگ1 و همکاران نیز نشان می‌دهد که ارتباط بین مرگ و میر بیماریهای قلبی با شاخص سوزباد بویژه شاخص استدمن و در فصل زمستان قوی و بالا می‌باشد (1، 7، 43) (جدول2).

بررسی تغییرات ماهانه مرگ و میر ناشی از بیماری‌های قلبی

در این پژوهش جهت بررسی تغییرات ماهانه میانگین‌های مرگ و میر بیماران قلبی از آزمون آنالیز واریانس(آنوا) استفاده شده است. فرضیات مدنظر در این مدل به ترتیب زیر می‌باشد:

15H0:m1=m2=m3=m4=m5H1:m1≠m2≠m3≠m4≠m5'>

بر اساس آزمون انجام شده فرضیه صفر که برابری میانگین‌ها در ماههای دارای شرایط سوزباد را مدنظر قرار داده است، رد می‌شود و فرضیه یک پذیرفته شده است، که نتایج حاصل از این مدل و اختلافات میانگین‌ها در جدول3 نشان داده شده است. همان‌طور که ملاحظه می‌شود در تمام ماهها اختلاف در حداقل با دو ماه مشهود است ولی در ماه آذر بیشترین اختلاف معنی‌دار از لحاظ مرگ و میر در سطح 05/0 نسبت به ماههای دیگر وجود دارد.تحقیقات انجام شده بیانگر وجود ارتباط بین آب و هوا و بیماری‌ها می‌باشد، همچنین آب و هوا تأثیر زیادی در شدت

بیماری‌های ریوی، سرطان‌ها، بیماری‌های قلبی و مرگ و میر ناشی از این بیماری‌ها دارد. مطالعات بسیاری با روش‌ها و شیوه‌های مختلف در زمینه ارتباط مرگ و میر با پارامترهای اقلیمی و شاخص‌های آسایش حرارتی در کشورهای مختلف انجام شده است. مطالعات[FM1]  مایکل و همکاران، ونژوان و همکاران، یومینگ و همکاران و گرجیبوسکی و همکاران نشان می‌دهد که مرگ و میر بیماریهای قلبی با عناصر آب و هوایی ارتباط مثبت و قوی به ویژه در فصل زمستان دارد(12،11،10). این مطالعه، به دلیل اهمیت پارامترهای اقلیمی در سلامت انسان با هدف کنترل و هشدار به بیماران و اقشار آسیب‌پذیر (کودکان و سالمندان) در جهت کاهش میزان مرگ و میر انجام شده است.

در این پژوهش، نتایج حاصل از محاسبه شاخص‌های آسایش حرارتی در بازه‌ی زمانی(1386-1390) و ارتباطات بین آن‌ها با مرگ و میر ناشی از بیماری‌های قلبی در شهر مشهد نشان داد که به طور کلی در طول دوره مطالعه جمعا" 629 روز دارای شرایط سوزباد بوده‌اند که بیشتر در ایام سرد سال(ماههای آبان، آذر، دی، بهمن و اسفند) به دلیل ارتفاع منطقه، عرض جغرافیایی بالا و یورش هوای سرد سیبری که از اوایل پاییز به قسمت شرق ایران به‌ویژه منطقه خراسان وارد می‌شود، به وقوع پیوسته است و بیشترین مقادیر شاخص در طبقه سرد و بسیار سرد قرار دارند. همچنین نتایج حاصل از شاخص بیکر که جهت مقایسه با شاخص سوزباد انتخاب شده بود، نیز نشان می‌دهد که بیشترین مقادیر در طبقه سرد و خیلی سرد قرار دارند.

نتایج بررسی مدل همبستگی پیرسون و خود‌همبستگی نشان می‌دهد که بیشترین ارتباطات روزانه مرگ و میر بیماری‌های قلبی با شاخص‌های استدمن در مقیاس جدید و پاسیل و سایپل و شاخص اصلاح شده سازمان هواشناسی آمریکا در ماههای دی و بهمن به خود اختصاص داده‌اند. همچنین همبستگی ماهانه بین مرگ و میر و شاخص‌ها نشان می‌دهد که ماههای دی و بهمن بیشترین همبستگی مثبت و معنی‌دار را با شاخص پاسیل و سایپل و استدمن در مقیاس جدید دارا می‌باشند و شاخص بیکر و گرمای از دست رفته نیز ارتباط معکوس را به خود اختصاص داده‌اند.

همچنین بررسی توابع خودهمبستگی نیز نشان می‌دهد که زمان تأخیر 1 - 5 روزه بیشترین تأثیر را در ارتباطات و همبستگی بین شاخص سوزباد و دمای حداقل با مرگ و میر دارند و بعد از آن همبستگی بصورت نزولی کاهش پیدا می‌کند.

نتایج حاصل از آزمون کی دو نیز نشان می‌دهد که بیشترین میزان مرگ و میر بیماران قلبی در سن 67-77 و 78-88 و در بین زنان بیشتر از مردان به وقوع پیوسته است. علاوه بر این، ارتباط معنی‌دار(001/0=p) بین علت فوت با جنس وجود دارد. همچنین نتایج حاصل از بررسی تغییرات ماهانه مرگ و میر نیز نشان می‌دهد که بیشترین اختلاف معنی‌دار در ماه آذر مشاهده می‌شود. بیشترین تعداد مرگ و میر نیز در ماه‌های دی و بهمن به دلیل درجه حرارت پایین و سرعت بالای باد اتفاق افتاد است.

به طور کلی نتایج حاصل از این پژوهش نشان داد که با کاهش درجه حرارت، میزان مرگ و میر بالا رفته است که در این زمینه با اطلاع رسانی از وضعیت هوا به بیماران قلبی و افراد آسیب‌پذیر، استفاده از پوشش مناسب و فعال نگه داشتن بدن تا حدودی از بروز مرگ و میرهای ناشی از عوامل اقلیمی می‌توان کاست. با توجه به اینکه پدیده سوزباد جزو مخاطرات دمایی اقلیم به شمار می‌آید، لذا بررسی‌های مشابه این پژوهش در شهرهای مختلف جهت کاهش خطرات ناشی از آن و برای آگاهی و اطلاع مردم، مفید به نظر می‌رسد. همانطور که امروزه در بسیاری از کشورهای دنیا در کنار دمای فیزیکی هوا، دمای احساسی سوزباد اعلام و حتی پیش‌بینی می‌شود و از طریق رسانه‌های گروهی به اطلاع عموم می‌رسد و در شرایط بحرانی سردی هوا جهت تعطیلی و یا نیمه فعالی مدارس و مراکز آموزشی از دمای احساسی استفاده می‌شود، در ایران نیز از ارتباط معنی‌دار مرگ و میر ناشی از بیماری‌های قلبی با شاخص‌های سوزباد می‌توان در برنامه‌ریزی
برای کاهش مرگ و میر بیماران قلبی و افراد آسیب‌پذیر(کودکان و سالمندان) در آب و هوایی که شرایط سوزباد دارد، بهره گرفت.

در راستای انجام این پژوهش نیز محدودیتها و مشکلاتی همچون گردآوری اطلاعات و آمار، اصلاح و آماده سازی آنها جهت انجام تجزیه و تحلیل، جلب همکاری مؤسسات زیربط موجود بوده، البته قابل ذکر است که محدودیت اصلی اینگونه پژوهش‌ها که به صورت میان رشته‌ای بررسی می‌شوند همکاری بین محققین و متخصصین رشته­های مختلف است که به صورت یک نیاز اساسی و پایه مطرح می‌باشد. لذا توصیه و پیشنهاد می‌شود که در راستای انجام چنین پژوهش‌هایی همکاری متخصصین هر رشته مورد توجه قرار گیرد تا اینگونه مطالعات نیز از دقت بیشتری برخوردار شوند. 

 


 
 
  1. Kunst AE, Groenhof F, Mackenbach JP. The Association between Two Wind chill Indices and Daily Mortality Variation in the Netherlands. Am J Public Health 1994 Nov;84(11):1738-1742.
  2. Meade MS, Emch M. Medical Geography. 3th ed. New York: The Guilford Press; 2010.
  1. Kristie LE, Burton I, McGregor GR. Biometeorology for Adaptation to Climate Variability and Change. 1thed. Springer Science+ Business Media B;2009.
  2. Mohammadi H. Atmospheric Hazards. 1th ed. Tehran: Tehran University Press; 2008.
  3. Jahanbakhsh S, Tadaion M, Salmanpour R, Jahanbakhsh E. Temperatures Associated With Myocardial Infarction In The City Of Ahar. J Phys Geograph 2009 Autumn;5:29-37.
  4. Hushvar Z. Geographical Pathology of Iran (Volume I: Principles). 1thed. Mashhad:Students Booking Agency; 2002.
  5. Carder M, McNamee R, Beverland I, Elton R, Cohen GR, Boyd J, et al. The lagged effect of cold temperature and wind chill on cardiorespiratory mortality in Scotland. Occup Environ Med 2005;62(10):702-710.
  6. Marmor M. Heat wave mortality in New York City 1949 to 1970. Arch Environ Health 1975;30(3): 130-136.
  7. Wenjuan Ma, Yang C, Chu C, Li T, Tan J, Kan H. The impact of the 2008 cold spell on mortality in Shanghai, China. Int J Biometeorol 2013 Jan;57(1):179-184.
  8. Yuming G, Punnasiri K, Tong S. Effects of temperature on mortality in Chiang Mai city, Thailand: a time series study. Arch Environ Health 2012 Jul;11(36):2-9.
  9. Ghanbari A, Afifi ME, Sadeghi GR. Lar Approach to the Assessment of Human Comfort in the Eco-Indicators. Quarter J Phys Geograph 2010;10: 93-109.
  10. Meteorological Organization. Final Project Report on Climate and Tourism West Azerbaijan Province. 2001; 246 .
  11. Rasouli AA, Azizzadeh MR. Spatial Modeling of the Cooling Effect Of Wind in the Northwest of the Country. J Geograph Res 2006,80:30-50.
  12. Danielson ULF. Wind chill and the risk of tissue freezing. Journal of Applied Physiology 1996 Dec; 81(6):2666-2673.
  13. Azizi Gh, Muhammad H, Rosta I, Davodi M. Wind Chill West And Northwest Regional Synoptic Analysis Of The Period 1980-2005. J Geograph Area 2012;39: 37-58.
  14. Holmér I. Evaluation of Cold Workplaces: An Overview of Standards for Assessment of Cold Stress. Indust Health 2009 Jul; 47(3):228-234.
  15. Heidari H, Saeedabady R. Zoning Of Wind Chill Of The North West And West. Geograph Res 2007 Winter; 62:93-107.
  16. Steadman RG. A universal scale of apparent temperature. J Climate App Meteorol 1984 Dec; 23(12): 1674-1687.
  17. Quayle RG, Steadman RG. Notes and Correspondence the Steadman Wind Chill: An Improvement over Present Scales. Am Meteorol Soci 1998 Dec;13:1187-1193.
  18. Mohammadi H, Saidi A. Biomarkers to Assess Climate Affecting Human Comfort: A Case Study in Qom. J Envir Stud 2008;47(34):73-86.
  19. Heidari M, Pour-Mohammadi M, Jamali F, Lotfi F. Evaluation of Environmental Sampling and Its Role in Human Climate Housing Design Magazine. New Perspect Human Geograph 2012 spring; 2: 83-101.
  20. Field A. Discovering Statistics Using SPSS. 3th ed. California: SAGE; 2009.
  21. Hafznia MR. Introduction to Research Methods in the Humanities. 5th ed. Tehran: Samt; 2010.
  22. Asakereh H. Foundations of Statistical Climatology. 1th ed. Zanjan; University Of Zanjan; 2011.
  23. Jabari E. Statistical Methods in Environmental and Geographical Sciences. 2th ed. Kermanshah: University Of Razi Kermanshah; 2005.
  24. Shahkar GH, Bozorgnya A. Experimental Design (1), 2th ed. Tehran: University Of Payam Nooran; 2007.
  1. Farajzadeh M, Darand M, Faghihzadeh S. Climatic Factors Associated With Mortality in the Population of Tehran. Spat Plan Space J 2010;2:289-302.
  2. Michael JA, Sheridan SC. High-mortality days during the winter season: comparing meteorological conditions across 5 US cities. Int J Biometeorol 2013;58(2):1-9.
  1. Grjibovski AM, Nurgaliyeva N, Kosbayeva A, Menne B. No association between temperature and deaths from cardiovascular and cerebrovascular diseases during the cold season in Astana, Kazakhstan-the second coldest capital in the world. Int J Circumpolar Health 2012;71:1-3.
  2. Khaladi SH. Meteorological Applications. 3thed. Tehran: Ghomes; 1996.
  3. Mohammadi H. Tehran Air Pollutants And Climatic Factors Associated With Deaths From Heart Disease (Study Period 1999-2003). Tehran Geograph Res 2006;5:47-66.
  4. Farajzadeh M, Darand M. Analysis Of The Effect Of Temperature On Mortality In Tehran, Iran. Hakim Res J 2008; 3: 27-34.
  5. Khanjani N, Bahrampour A. Temperature and cardiovascular and respiratory mortality in desert climate. A case study of Kerman Iran. Iranian J Envir Health Sci Engin 2013 Jan;10(11): 1-6.
  6. Allaeetalqany M. Geomorphology of Iran. 4thed. Tehran: Ghomes; 2009.
  7. Akbari M, Jargeh MR, Madani Alsadat HR. Decline Of Groundwater Levels Using Geographic Information System (GIS) Case Study: Mashhad Aquifer. J Soil Water Conserv Res 2009;16(14):63 -78.
  8. Mohammadyaryan M, Mofidi A, Hosseinzadeh SR. Thermal Hazard Zonation in the Northeast of Iran. The First National Conference of Climatology Kerman 2013 Apr & May;1-13.31.
  9. Sari-Sarraf B, Mohammadi GH, Hosseini-Sadr A. Determination of Climate Comfort Index for Ray Man in West Azerbaijan Province, Iran. Fourteenth Geophysics Conference Tehran 2010; 105-100.
  1. Zolfaghari H. Determining The Right Time To Turn The Calendar Tabriz And Physiological Indices Of Average Temperatures Predicted Rating. Geograph Res 2007 winter;62:129-141.
  1. Groen G. Wind chill equivalent temperature (WCET) Climatology and scenarios for Schiphol Airport. Climate serv KNMI 2009 Oct;3:1-16.
  2. Roshan GR, Mirkatouli G, Shakoor A, Mohammad-Nejad V. Studying Wind Chill Index as a Climatic Index Effective on the Health of Athletes and Tourists Interested in Winter Sports. Asian J Sports Med 2010 Jan; 1 (2): 108-116.
  3. Rieck T, Binau S. Wind Chill Climatology for The North-Central United States. National Weather Service La Crosse, Wisconsin, 2009.

42-  Rashidi M, Ghias Md, Ramesht MH. Geographical Epidemiology of Death Due to Cardiovascular Diseases in Isfahan Province, Iran. J Isfahan Med Sch 2011 Apr; 29 (125):13-19.

43-  Weerasinghe DP, Macintyre CR, Rubin GL. Seasonality of coronary artery deaths in New South Wales, Australia. J Heart 2002 Jul;88(1):30-34.