POLUSI UDARA, VARIASI CUACA, DAN PNEUMOTHORAKS SPONTAN
PRIMER
ABSTRAKLatar Belakang Pneumothorax spontan (SP) cenderung lebih
sering terjadi pada kelompok yang berhubungan dengan variasi
tekanan atmosfer dan kerusakan oleh badai . Kami meneliti pengaruh
standar variasi parameter meteorologi dan konsentrasi udara
terutama polutan pada kejadian pneumotoraks spontan (SP) di daerah
industri yang sangat maju ( Turin , Italia ). Metode Dari Oktober
2002 sampai Desember 2007, 591 pasien SP dievaluasi . Untuk setiap
hari, parameter cuaca standar dan konsentrasi polutan udara dicatat
. Hasil Jumlah pendaftar untuk SP adalah 591. Jumlah hari dengan
penerimaan adalah 363, yang mewakili 19% dari total jumlah hari
dalam periode penelitian (1918). Delapan puluh satu persen dari
hari dengan penerimaan SP yang clusterized. Hasil analisis
statistik menunjukkan bahwa urutan peristiwa SP tidak acak. Ada
hubungan antara SP dan (WS) minimum kecepatan angin harian, harian
standar deviasi dari NO2, NO2, CO2 maksimum harian dan minimum, O3
minimum harian, harian berarti CO2 (p = 0,01), minimal NO2 harian
(p = 0,001). Analisis regresi berganda menunjukkan hubungan antara
jumlah penerimaan SP dan peningkatan rata-rata harian dan minimum
NO2 (p = 0,001), penurunan NO2 standar deviasi (p = 0,01),
penurunan rata-rata harian dan minimum O3 (p = 0,01), dan maksimum
NO (p = 0,001), peningkatan harian O3 standar deviasi (p = 0,05).
Penurunan harian standar deviasi temperatur (p = 0,01) dan kenaikan
OFW anomali dan minima (p = 0,01) juga signifikan. Kesimpulan
parameter meteorologi dan polutan atmosfer mungkin menjelaskan
klaster rumah sakit.pendahuluanMeskipun beberapa studi hipotesa
korelasi pembangunan pneumotoraks spontan (SP) dengan atmosfer
variasi tekanan atau badai pemberontakan, beberapa faktor lain
tampaknya memiliki peran penting dalam pemberontakan tersebut. Hal
ini juga telah menyarankan bahwa penerimaan pneumotoraks terjadi
pada cluster Peneliti lain menganalisis pengaruh meteorologi
standar variasi parameter pada SP pemberontakan tapi hanya beberapa
studi, semua pada batas signifikansi statistik, menunjukkan positif
hasil (3, 4, 5, 6, 7, 8). Karya ini difokuskan pada korelasi SP
dengan variabel meteorologi dan konsentrasi dari polusi udara utama
di Turin, salah satu kota Eropa dengan kepadatan industri
tertinggi, di mana partikel atmosfer (terutama yang PM10), ozon dan
nitrogen dioksida tingkat konsisten melebihi ambang batas hukum
untuk daerah perkotaan. Karena tidak adanya penelitian sebelumnya
yang menghubungkan SP untuk parameter kimia atmosfer, hasilnya
dibandingkan dengan penelitian serupa yang dilakukan dalam kasus
eksaserbasi asma.Bahan dan metodePasien Para pasien dengan SP
termasuk dalam penelitian ini datang dari daerah utara-barat Turin
dan dirawat di dua Rumah Sakit Azienda sanitaria Lokal Torino 2
antara Oktober 1, 2002 dan 31 Desember 2007 (1918 hari). Ketika
panggilan pasien layanan darurat (misalnya 118), ia biasanya
diangkut ke rumah sakit lebih dekat ke rumahnya. sehingga dalam
penelitian ini pasien berasal dari wilayah utara-barat Turin.
Sampel mengandung semua penerimaan terjadi pada periode Oktober
2002, sampai Desember, 2007. daftar pasien dengan pneumotoraks
bersertifikat mengakui di dua rumah sakit yang diwakili dua sampel
yang dibandingkan di memesan untuk memverifikasi homogenitas data,
menggunakan non-parametrik tes Kolmo gorov-Smirnov, dengan tingkat
signifikansi p = 0,01. Makhluk dua populasi sebanding, peristiwa SP
berkumpul di waktu series tunggal. Jumlah penerimaan adalah 591,
dan jumlah hari dengan penerimaan 363 (19% dari total).
Pneumothorax traumatik atau sekunder dikeluarkan . SP yang relaps
dianggap sebagai episode baru dari SP . Episode SP yang sering,
parah dan mendisabilitikan : SP adalah keadaan darurat medis dan
harus mendapat pertolongan pertama yang cepat . Pertimbangkan waktu
singkat yang tersedia untuk break-down dari struktur selular ,
Penelitian ini memperhitungkan hanya variabel merekam satu Sehari
sebelum terjadinya SP , bukan menilai kinerja variabel dalam 3
sampai 4 hari sebelumnya , seperti yang dilakukan oleh peneliti
lain.Data meteorologi dan kualitas udaraUntuk periode analysis yang
lain, berikut parameter meteorologi dan data konsentrasi polutan,
diukur dalam stasiun terletak dekat dengan rumah sakit dicatat:
tekanan atmosfer P (hPa), T temperatur ( C), kelembaban relatif U
(%), surya global radiasi R (W / m2),curah hujan Pz (mm), rata-rata
kecepatan angin WS (ms-1),hembusan kecepatan angin W (ms-1),NO,
NO2,SO2,PM10, C6H6,C7H8,O3(mg m-3)dan CO dan CO2(mg m-3).Waktu
pengumpulan rata-rata untuk variabel adalah 10 menit untuk Pz dan
WS, 30 menit untuk P, T, U dan R, dan 60 menit untuk orang
lain.Parameter berikut ini dihitung: nilai harian rata-rata,
maksimum dan minimum, standar deviasi harian (), anomali rata-rata
harian (nilai rata-rata harian setiap hari dikurangi rata-rata
nilai rata-rata harian hari tertentu dalam 5 tahun lain dari
series), variasi harian didefinisikan sebagai (perbedaan antara
maksimum dan minimum harian), + (selisih antara nilai maksimum hari
tth dan nilai minimum hari (t-1)th)dan (perbedaan antara nilai
minimum hari tth dan nilai maksimum hari (t-1)th).Analisis
statistikHipotesis clinical bahwa pasien SP dirawat di
cluster(2),(4),(5),(6).Dalam penelitian ini, kelompok penerimaan SP
didefinisikan cluster sesuai dengan algoritma tertentu berdasarkan
dua "kondisi ketat" mengendalikan peristiwa agregasi atau
kerusakan.Untuk pembatasan pertama, hanya peristiwa dipisahkan oleh
tidak lebih dari 2 hari antara satu sama lain dianggap sebagai
bagian dari satu cluster.Untuk pembatasan kedua, kelompok yang
tersebar di lebih dari 4 hari berturut-turut yang dibagi menjadi 2
atau lebih cluster, untuk menjaga hubungan peristiwa SP dengan
fenomena meteorologi atau dengan peristiwa polusi.Kemudian,
analisis statistik pada time series peristiwa SP, yang terdiri atas
analisis karakteristik distribusi, spektral autokorelasi dan
analisa spektral, dilakukan dengan menggunakan MATLAB(1)dengan
tujuan untuk menunjukkan non-keacakan dari penerimaan dengan
waktu.The klasterisasi dari penerimaan menyarankan bahwa kondisi
meteorologi atau polusi bisa memainkan peran penting dalam
meningkatkan pembangunan SP.Dengan demikian, kondisi tersebut
dianggap sebagai sampel independen, dan dianalisis menggunakan
parametrik (t-Student) dan non-parametrik (Kolmogorov-Smirnov dan
Wilcoxon) tes.Karena tidak ada alasan untuk menganggap hubungan
sebab akibat antara peristiwa SP, analisis bivariat menggunakan dan
teknik regresi multivariat dengan perangkat lunakR2dilakukan.Dalam
penelitian ini, seperti hubungan antara data yang non-linear,
metode regresi umum (GLM) terpilih, di mana yang dipilih link
adalah bahwa dari Poisson dan Logistik satu.Rangkaian nilai-nilai
rata-rata harian, maksimum dan minimum, harian, anomali sehari-hari
dan dan perbedaan dianalisis dengan regresi bivariat untuk setiap
parameter meteo-kimia.Pasang variabel independen tergantung
berkorelasi dievaluasi untuk time series lengkap dan mengurangi
seri cluster centroid-hari, serangkaian hari berkerumun, dan diubah
seri dikotomis (yang hanya berisi 0 dan 1 nilai: "1" sesuai dengan
hari dengan penerimaan, dengan penghapusan penerimaan harian
tunggal, terisolasi dalam waktu, "0" yang sesuai dengan hari tanpa
penerimaan tidak terjadi sebelum atau setelah masuk).Koefisien
regresi untuk masing-masing regresi dianggap signifikan berbeda
dari nol jika ada hubungan non-linear antara variabel respon dan
regressor itu, diverifikasi menggunakan z-test di bawah hipotesis =
0 (koefisien regresi sama dengan nol).Selain itu, model yang
disediakan juga nilai p regresi dan derajat signifikansi.Untuk
membandingkan hasil Logistik dan Poisson model, koefisien
R2adjdikoreksi determinasi (didefinisikan sebagai proporsi dari
total variasi variabel dependen, dijelaskan oleh variabel
independen dan dikoreksi untuk jumlah variabel dan jumlah pasang
diukur data) yang digunakan.Model dasar dari regresi berganda
adalah simi lar itu regresi bivariat, yang membedakan hanya dalam
jumlah variabel prediktor dimasukkan dalam model.Analisis statistik
diperbolehkan menilai apakah dan berapa banyak variabel prediktor
model mampu memperkirakan penerimaan SP.Variabel meteo-bahan kimia
dan seri waktu yang sama digunakan dalam analisis
bivariat.Koefisien regresi dievaluasi dan signifikansi mereka
dinilai melalui z-test;kecukupan model regresi didirikan melalui
Akaike Information Criterion (AIC).HasilAnalisis musiman dan SP
terjadinyaAda 363 kejadian non-null (dengan kejadian SP), dengan
maksimum 6 peristiwa dalam 4 hari yang berbeda.Peristiwa cenderung
kelompok di tahun 2003, 2004 dan 2005. Musim panas menunjukkan
angka terendah kejadian, sementara di musim lainnya peristiwa
memiliki sekitar frekuensi yang sama.Distribusi bulanan peristiwa
menunjukkan minima pada bulan Juli dan November, dan maxima pada
bulan Oktober dan April.Dengan demikian, dalam penelitian ini, SP
tampaknya tidak terkait dengan periodisitas bulanan, musiman dan
tahunan tertentu, seperti juga didirikan oleh Bulajich B et al(4),
Smit HJ et al dan Alifano M et al(5),(6);Sebaliknya, Suarez-Varel
MM et al melaporkan peningkatan yang signifikan dalam penerimaan
pada bulan Mei dan Desember, jatuh pada bulan Januari, dan
frekuensi yang lebih tinggi dari peristiwa SP pada musim
semi(2).Analisis time seriesDistribusi jumlah harian penerimaan
rupanya mirip dengan distribusi Poisson.Perbandingan frekuensi
distribusi acara SP dan yang diperoleh dengan model teoritis dari
distribusi Poisson dievaluasi dengan tes 2,yang menunjukkan bahwa
frekuensi data SP tidak cocok dengan distribusi Poisson pada p =
tingkat signifikansi 0,01 : distribusi Poisson memiliki sejumlah
lebih sedikit kasus yang jarang terjadi (jumlah kejadian
sehari-hari yang lebih besar dari 4) dibandingkan seri
eksperimental.Dengan demikian, hasil ini tampaknya menunjukkan
bahwa rangkaian acara SP tidak acak.Autokorelasi sementara
dipelajari dengan menciptakan seri baru, di mana jeda waktu
ditetapkan bervariasi dari 1 sampai 100 hari, yang dibandingkan
dengan yang asli.Koefisien dari Autokorelasi Fungsi (ACF) diteliti
sebagai fungsi waktu tertinggal, dengan mempertimbangkan
nilai-nilai atas dan bawah dari interval kepercayaan (Gambar
1).Semua koefisien autokorelasi tetapi mengakibatkan signifikan
sama dengan nol (pada p tingkat kepercayaan = 0,01), dan hanya itu
yang sesuai dengan jeda waktu 5 hari adalah signifikan.Oleh karena
itu, analisis ini menunjukkan bahwa ada kemungkinan tertentu yang
dua hari dengan peristiwa SP terkait satu sama lain jika mereka
terjadi dalam waktu 5 hari.Hasil ini dikonfirmasi dengan analisis
spektral, di mana spektrum kekuatan urutan data diperkirakan
menggunakan metode yang periodogram non-parametrik.Arti penting
dari berbagai puncak diuji dengan membandingkan setiap nilai
kepadatan spektral dengan spektrum suara putih dan merah, yang
signifikan (pada tingkat p 0,001) puncak sesuai dengan 2, 5 dan 64
hari (Gambar 2).Melalui metode analisis cluster, pengelompokan
efektif sebagian besar peristiwa SP diverifikasi: mempertimbangkan
kisaran antara 2 penerimaan berikutnya dari 2 hari atau lebih, 81%
dari hari-hari dengan penerimaan SP itu clusterized.Meningkatkan
jangkauan ini untuk 3 hari, persentase klasterisasi meningkat
menjadi 85% (88%)(4).Menerapkan teknik yang sama untuk seri dengan
distribusi Poisson dan seri sintetis diperoleh dengan membuat
penataan ulang temporal peristiwa SP, persentase pengelompokan yang
diperoleh lebih rendah dibandingkan seri yang sebenarnya;tes pada
perbedaan antara beberapa distribusi di tingkat signifikan p = 0,01
menegaskan bahwa rangkaian acara SP tidak mirip dengan distribusi
Poisson, dan bahwa peristiwa SP tidak terdistribusi secara
acak.
Gambar.1Autokorelasi tabel.Koefisien autokorelasi Fungsi
dipelajari sebagai fungsi tertinggal waktu, dengan mempertimbangkan
nilai-nilai atas dan bawah dari interval kepercayaan.Semua
koefisien autokorelasi tetapi mengakibatkan signifikan sama dengan
nol (P=0.01)
Gambar.2Kekuatan Spectrum dengan tingkat signifikansi p = 0,05
dan p = 0,001.Signifikansi ini relatif terhadap spektrum kekuatan
dataset acak (dengan asumsi Gaussian "red noise").Fitur Meteo-kimia
pneumothorax dan non-pneumotoraks hariUntuk setiap variabel
meteo-kimia, kontribusi disebut hari SP dan hari non-SP dianggap
secara terpisah.SP dan seri non-SP dibangun dengan bantuan dari
serangkaian modifikasi dikotomis, dalam rangka untuk membersihkan
seri dengan menghapus kasus SP yang dapat terpengaruh oleh kasus
non-SP, dan sebaliknya.Mengenai parameter meteorologi, seri berikut
SP dan non-SP mengakibatkan berbeda secara signifikan pada tingkat
kepercayaan p = 0,05: U (uji Wilcoxon) dan WS minimum (t-Student
dan Wilcoxon tes).Pada p = 0,01 tingkat kepercayaan, semua pasangan
dari seri mengakibatkan signifikan yang sama.Seri konsentrasi
polutan dianalisis dengan cara yang sama, menunjukkan bahwa, pada p
= 0,05 tingkat kepercayaan, seri berikut SP dan non-SP
mengakibatkan signifikan berbeda: CO minimum dan NO2minimum
(t-Student dan Wilcoxon tes), dan C6H6(Kolmogorov-Smirnov dan
Wilcoxon tes), dan O3minimum (uji Wilcoxon).Bivariat dan analisis
regresi multivariatRegresi non-linear bivariat menunjukkan
signifikan berbeda dari nol, terutama untuk polutan atmosfer dan
untuk lengkap dan seri dimodifikasi dikotomis banyak
koefisien.Model non-linear menunjukkan nilai terbesar dari
R2adjdiperbaiki adalah salah satu logistik.Prediktor signifikan
dari variabel meteorologi sesuai dengan model logistik yang (Tabel
1): pada tingkat kepercayaan p = 0,01, minimal WS harian (seri
dimodifikasi lengkap dan dikotomis);di tingkat kepercayaan p =
0,05, P maksimum (seri dimodifikasi dikotomi), anomali harian T
(seri dimodifikasi dikotomi) dan -U (seri dimodifikasi
dikotomi).Dengan demikian, meskipun beberapa penulis berpendapat
bahwa perubahan mendadak dalam tekanan dapat menjadi penyebab
penting untuk terjadinya SP (Scott GT et al melaporkan bahwa hanya
satu pasien dengan SP dari 4 seri mereka terkena variasi tekanan
yang signifikan dalam 4 hari sebelum masuk di rumah sakit(1)),
dalam penelitian ini, korelasi antara variasi tekanan dan SP tidak
dibuktikan, menunjukkan bahwa mungkin ada faktor-faktor penyebab
lainnya yang menyebabkan peristiwa SP(3).Selain itu, dalam
pengaturan ini, kelembaban relatif dan suhu tidak jelas terkait
dengan peristiwa SP, bertentangan temuan oleh Bulajich B et al dan
Smit HJ et al menunjukkan peningkatan suhu sedikit di hari-hari
sebelum penerimaan(4)(4),(5 ).Prediktor signifikan dari polutan
atmosfer sesuai dengan model logistik yang (Tabel 1): harian
NO2minimum (seri penuh dan dikotomis dimodifikasi) pada p = 0,001
tingkat kepercayaan, dan NO2,CO2maksimum harian setiap hari dan
minimal, O3hari minimum (seri dimodifikasi dikotomi), setiap hari
berarti CO2(seri) pada p = 0,01 tingkat kepercayaan, dan
sehari-hari dan rata-rata NO2(seri) pada p = 0,05 tingkat
kepercayaan.Studi tentang Celenza A et al diuraikan hubungan antara
badai dan eksaserbasi asma(9).Sejak asma dan SP yang ditandai
dengan peradangan perubahan broncho-alveolar yang sama, adalah
mungkin bahwa mungkin ada kesamaan juga antara faktor pemicu
episode masing-masing.Selain infeksi virus dan asap rokok, sudah
diakui menyebabkan SP, kondisi lain, seperti konsentrasi tinggi
polusi atau paparan terus alergen, harus juga diperhitungkan.Untuk
alasan ini, dalam penelitian ini analisis regresi berganda, dengan
meteorologi akun dan kimia (polutan) variabel bersama-sama,
dilakukan.Model logistik memberikan hasil terbaik (menurut dengan
kriteria AIC).Dengan menghitung regresi antara variabel logistik
(bertahap - regresi) dari penerimaan SP vs variabel meteorologi,
output dari model menunjukkan regressors signifikan koefisien
harian kecepatan minimum angin (p = 0,01) dan suhu (p =
0,05).Selain itu, model menghasilkan koefisien positif dalam kasus
pertama dan satu negatif di kedua.Analisis regresi yang sama
diulang mengingat seri polutan.Prediktor yang sangat signifikan (p
= 0,001) yang rata-rata harian dan O maksimum3dan harian minimum
NO2dan, dengan signifikansi yang lebih rendah (p = 0,01), mean PM10
harian dan NO maksimum harian dan minimum.Pada tingkat kepercayaan
p = 0,05, koefisien terkait dengan PM10 maksimum harian dan CO2dan
NO harian2yang signifikan.Sebagai langkah lebih lanjut, dua model
dimana variabel regressor berdua meteorologi dan kimia (Tabel 2)
dibangun.Pada bagian pertama, hanya nilai rata-rata harian, dan
anomali dianggap, sedangkan, di kedua, maksimum harian dan nilai
minimum dimasukkan.Analisis regresi menunjukkan hubungan antara
jumlah penerimaan SP dan peningkatan rata-rata setiap hari dan
minimal NO2(p = 0,001), penurunan NO2(p = 0,01), penurunan
rata-rata harian, minimal O3(p = 0,01) dan maksimum NO (p = 0,001),
dan peningkatan O harian3(p = 0,05).Konsentrasi CO2maksimum harian
menunjukkan koefisien positif dan signifikan (p = 0,05).The
penurunan harian T (p = 0,01) dan peningkatan R harian (p = 0,05)
juga signifikan.Akhirnya, analisis juga mengungkapkan bahwa
peningkatan anomali WS dan minima (p = 0,01) dan penurunan nya (p =
0,05) dapat memberikan kontribusi untuk SP onset.
Tabel 1Regresi bivariat.Data meteorologi dan polutan merupakan
variabel independen sedangkan kasus pneumotoraks merupakan variabel
dependen.Seri: serangkaian kasus pneumotoraks ('1' seri, '2'
serangkaian centroid cluster, '3'...
Tabel 2Regresi.Data meteorologi dan polutan merupakan variabel
independen sedangkan kasus pneumotoraks merupakan variabel dependen
(seri).Signifikansi: tingkat signifikansi koefisien regresi ('' p =
0,1, '' p ....DiskusiSP adalah keadaan darurat medis dan butuh
intervensi pertolongan pertama yang cepat.untuk alasan ini, studi
ini memperhitungkan hanya variabel direkam sehari sebelum
terjadinya pneumotoraks, bukan menilai kinerja variabel dalam 3 - 4
hari sebelumnya (seperti yang telah dilakukan dalam studi Alifano M
et al(6), Suarez-Varel MM et al dan Bulajich B et
al(2),(4)).Pendekatan ini, karena waktu yang singkat untuk
melanggar struktur seluler, tampaknya menjadi lebih baik.Analisis
distribusi bulanan, musiman dan tahunan tidak menemukan korelasi
signifikan antara pemberontakan pneumotoraks dan periode waktu
tertentu.Musim dengan jumlah yang lebih rendah dari penerimaan
adalah musim panas, dan distribusi bulanan menyarankan dominan
penerimaan selama Oktober dan Desember.Di antara kertas dianalisis,
yang diterbitkan oleh Suarez-Varel et al telah melaporkan
peningkatan yang signifikan dalam penerimaan pada bulan Mei dan
Desember, dan jatuh pada bulan Januari(2);analisis musiman kertas
ini juga telah melaporkan frekuensi yang lebih tinggi dari
peristiwa pneumotoraks di musim semi.Sebaliknya, surat kabar lain
belum menemukan perbedaan yang signifikan dalam distribusi musiman
dan bulanan penerimaan(4),(5),(6).Sebuah penyelidikan klinis
pertama mengungkapkan bahwa penerimaan cenderung terjadi dalam
kelompok.Hasil ini sesuai dengan analisis
sebelumnya(2),(4),(5),(6).Fakta bahwa penerimaan terkumpul
menyarankan hipotesis bahwa kondisi meteorologi (atau beberapa
faktor terkait) dapat memainkan peran penting dalam mekanisme yang
mengarah ke pengembangan pneumotoraks.Hasil autokorelasi dan
analisis spektral telah dikonfirmasi yang diperoleh dengan analisis
cluster: penerimaan cenderung agregat temporal.Perilaku ini bisa
disebabkan bahaya tetapi, karena tidak ada alasan untuk menganggap
fakta ini, analisis telah dilakukan untuk memeriksa ketergantungan
dari beberapa variabel meteorologi dan kimia.Beberapa penulis
berpendapat bahwa perubahan mendadak dalam tekanan dapat menjadi
penyebab penting untuk terjadinya pneumotoraks.Dalam penelitian
ini, hasil yang bisa memberikan hubungan antara peristiwa
pneumotoraks dan variasi tekanan belum didirikan.Ini bisa
diharapkan bahwa pengaruh variasi tekanan atmosfer yang signifikan
bisa lebih efisien dalam waktu paparan yang lama, tetapi studi
Scott GC et al melaporkan bahwa hanya satu pasien lebih dari 4
terkena variasi tekanan yang signifikan dalam 4 hari sebelum
pengakuan di rumah sakit(1).Ini tidak berarti bahwa perubahan
mendadak dari tekanan atmosfer tidak menyebabkan acara
pneumotoraks, tapi menunjukkan bahwa mungkin ada faktor lain, yang
pengaruhnya tidak dapat yang tampak dengan jenis analisis.Suhu
tidak mengungkapkan hubungan jelas dengan kejadian pneumotoraks:
pada meningkatnya kejadian, ada menjadi penurunan anomali
sehari-hari dan dalam standar deviasi (untuk regresi
bivariat).Dalam studi Smith HJ et al(5), sedikit peningkatan suhu
telah diamati di hari-hari sebelum penerimaan, dan juga penelitian
yang diterbitkan oleh Bulajich B et al menegaskan hipotesis
ini(4).Kelembaban relatif menunjukkan perbedaan kecil antara
minimal sehari dan maksimum hari sebelumnya, baik dalam kasus
pneumotoraks dan non-pneumotoraks peristiwa, dan analisis regresi
bivariat telah mengkonfirmasi adanya hubungan antara penerimaan dan
berbeda set variabel berkorelasi kelembaban.Dalam studi Smith HJ et
al(5), korelasi antara peristiwa pneumotoraks dan terjadinya badai
(bila ada variasi yang cepat dari variabel meteorologi) pada hari
sebelumnya pengakuan telah ditunjukkan.Tapi, pada kenyataannya,
dalam makalah ini, hasilnya menunjukkan bahwa hanya variabel
meteorologi signifikan berkorelasi dengan onset pneumotoraks adalah
kecepatan angin minimum.Seringkali kesimpulan dari makalah tentang
terjadinya pneumotoraks yang tidak homogen, dan perbandingan antara
pendekatan yang berbeda sulit karena definisi asumsi juga
berbeda.Selain itu, banyak penelitian yang melibatkan beberapa
pasien dan umumnya melibatkan negara-negara dengan kondisi iklim
yang berbeda.Dalam studi Celenza A et al, korelasi antara badai dan
kasus asma bala bantuan telah dilaporkan(9).Karena asma, sehubungan
dengan pneumotoraks, ditandai dengan peradangan yang sama, adalah
mungkin bahwa mungkin ada kesamaan juga antara faktor-faktor yang
bisa memicu krisis pneumotoraks dan asma.Meskipun infeksi virus dan
asap rokok diakui sebagai faktor mampu melepaskan pneumotoraks,
juga banyak faktor lain, termasuk konsentrasi polutan atau eksposur
zat alergi harus diperhitungkan.Hasil penelitian menyebutkan,
berkaitan dengan polutan atmosfer, telah menyebabkan fase
meteorologi yang sama hasil analisis akan menghasilkan kurang baik
untuk kasus pneumotoraks sudah dilaporkan di Bulajich B et
al(4).Seperti dikatakan sebelumnya, asma dan berbagi pneumotoraks
umum mekanisme pato-fisiologis.Untuk alasan ini, dalam penelitian
ini analisis regresi berganda, dengan mempertimbangkan meteorologi
dan kimia (polutan) variabel bersama-sama, dilakukan.
