摘要

目的采用线性和非线性回归模型拟合广东省职业病新发病例数量的变化趋势,筛选最优拟合模型。方法以广东省2003—2017年职业病新发病例数为因变量(■),以年份为自变量(x),采用线性回归、三次函数、二次函数、复合函数、增长函数、指数函数、Logistic函数、幂函数、对数函数、S型函数、逆函数等11种数学模型对数据进行拟合,筛选拟合效果最好的模型描述新发职业病的变化趋势并进行验证。结果 11种数学模型中,三次函数回归模型拟合结果的决定系数最高(为0.94,P<0.01),拟合效果最好,拟合曲线为■。采用该模型拟合2003—2019年广东省职业病新发病例数量的结果显示,除2011年外,其余年份新发病例数量实际值均在模型拟合值的95%可信区间内;拟合值与实际值的相对偏差绝对值为中位数和第25、75百分位数为8.9%(4.3%,14.7%)。结论基于三次函数回归模型可较好地拟合职业病发病的变化趋势,可用于职业病发病趋势描述。