面对气候异常变化、“健康中国2030”战略目标实现的重大需求和应对人口老龄化社会的现实,气象医学作为预防医学新兴的交叉学科应运而生,其所关注的是“因天气和气候的异常变化而诱发或加重的气象敏感性疾病”。本文以贵州省黔东南苗族侗族自治州锦屏县为研究目标区域,主要利用锦屏县2016-2017年新农合门诊医疗补偿数据、1979-2017年的常规气象观测资料对锦屏县呼吸系统疾病发病特征、气候变化特征、气象因子对呼吸系统疾病的响应关系以及气象敏感性疾病预测方程等方面展开研究,所得结论如下:1.通过分析锦屏县2016-2017年的新农合医保数据可知:呼吸系统疾病是锦屏县发病人数最多的一类疾病,其中≥65岁的就诊人数是全年龄段中占比最大的一类人群。冬春季节是锦屏县呼吸系统疾病的高发时段,夏季为低发时段。年内变化时间序列呈现明显的“两头高、中间低”的趋势。分析其与24节气的关系可以看出:呼吸系统疾病发病人数与气温呈现显著的负相关关系。呼吸系统疾病发病的第一高峰出现在寒露到立冬时节,这个时段降温明显,可以在这个时段加强疾病预防的提醒。发病人数的次高峰出现在惊蛰到清明的时段。发病人数的低值区域出现在立夏到处暑期间,表明此时段的气象条件对疾病有一定的康养效应。此外,春分与秋分时节也分别出现两个发病人数的小高峰,主要是由于这两个时节昼夜时间相等,温差在一年中相对较大,从而导致发病人数突增。2.通过分析锦屏县48年的气候特征可以看出:锦屏县整体潮湿程度呈现增加的趋势,气温上升,高温高湿的趋势愈加明显。各个气象要素与呼吸系统疾病呈现出不同程度的相关性:气压、相对湿度对呼吸系统疾病的作用呈现不同程度的正相关,气温、风速、日较差呈现不同程度的负相关。气温与呼吸系统疾病发病人数呈现明显的冷滞后与热及时效应,相对湿度表现为高湿及时效应,24h平均变温和最低气温变温存在明显的冷效应。24h最高气温变温存在明显的冷效应和热效应。48h平均温差和最高温差存在明显的冷滞后与热及时效应。而48h最低温差存在明显的冷效应。3.比较多元逐步回归和基于广义相加模型的时间序列预测模型的方法建立呼吸系统疾病发病人数的预报方程可以看出:时间序列预测模型的准确率相对较高,并且全年的准确率要大于四季的准确率。多元逐步回归模型中,全年的准确率要高于春秋冬季,夏季的相关性最弱,故没有建立方程。考虑到业务化的应用,选用多元逐步回归的方法更具有实用性。根据之前的研究结论,建立气象数据与医疗数据的数据库与气象敏感性疾病的预报系统,以提高锦屏县气象敏感性疾病发病人数预报的自动化程度,提高研究成果的实用性,能够更好的为该地区气象资料、医疗数据查询与疾病预防、发病风险预报等提供服务。