POLUSI UDARA, VARIASI CUACA,

Analisis regresi berganda menunjukkan

DAN PNEUMOTHORAKS SPONTAN

hubungan antara jumlah penerimaan SP

PRIMER

dan peningkatan rata-rata harian dan

minimum NO2 (p = 0,001), penurunan
NO2 standar deviasi (p = 0,01), penurunan

ABSTRAK

rata-rata harian dan minimum O3 (p =

Latar Belakang Pneumothorax spontan

0,01), dan maksimum NO (p = 0,001),

(SP) cenderung lebih sering terjadi pada

peningkatan harian O3 standar deviasi (p =

kelompok

dengan

0,05). Penurunan harian standar deviasi

variasi tekanan atmosfer dan kerusakan

temperatur (p = 0,01) dan kenaikan OFW

oleh badai . Kami meneliti pengaruh

anomali dan minima (p = 0,01) juga

standar variasi parameter meteorologi dan

signifikan.

konsentrasi udara terutama polutan pada

meteorologi dan polutan atmosfer mungkin

kejadian pneumotoraks spontan (SP) di

menjelaskan klaster rumah sakit.

yang

berhubungan

daerah industri yang sangat maju ( Turin ,

Italia ). Metode Dari Oktober 2002 sampai

Kesimpulan

parameter

pendahuluan

Desember 2007, 591 pasien SP dievaluasi .

Meskipun beberapa studi hipotesa korelasi

Untuk setiap hari, parameter cuaca standar

pembangunan pneumotoraks spontan (SP)

dan konsentrasi polutan udara dicatat .

dengan atmosfer variasi tekanan atau badai

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

clusterized.

penerimaan
Hasil

analisis

SP

yang
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).

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),

populasi

ozon

tingkat

berkumpul di waktu series tunggal. Jumlah

konsisten melebihi ambang batas hukum

penerimaan adalah 591, dan jumlah hari

untuk daerah perkotaan. Karena tidak

dengan penerimaan 363 (19% dari total).

dan

adanya

nitrogen

penelitian

dioksida

sebelumnya

yang

menghubungkan SP untuk parameter kimia

atmosfer, hasilnya dibandingkan dengan
penelitian serupa yang dilakukan dalam
kasus eksaserbasi asma.

sebanding,

peristiwa

SP

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

Bahan dan metode

mendapat

pertolongan

pertama

yang

cepat . Pertimbangkan waktu singkat yang

Pasien

tersedia untuk break-down dari struktur

Para pasien dengan SP termasuk dalam

selular , Penelitian ini memperhitungkan

penelitian ini datang dari daerah utara-

hanya variabel merekam satu Sehari

barat Turin dan dirawat di dua Rumah

sebelum terjadinya SP , bukan menilai

Sakit Azienda sanitaria Lokal Torino 2

kinerja variabel dalam 3 sampai 4 hari

antara Oktober 1, 2002 dan 31 Desember

sebelumnya , seperti yang dilakukan oleh

2007 (1918 hari). Ketika panggilan pasien

peneliti lain.

layanan

darurat

(misalnya

118),

ia

biasanya diangkut ke rumah sakit lebih

Data meteorologi dan kualitas udara

dekat ke rumahnya. sehingga dalam

Untuk periode analysis yang lain, berikut

penelitian ini pasien berasal dari wilayah

parameter

utara-barat Turin. Sampel mengandung

konsentrasi polutan, diukur dalam stasiun

semua penerimaan terjadi pada periode

terletak dekat dengan rumah sakit dicatat:

Oktober 2002, sampai Desember, 2007.

tekanan atmosfer P (hPa), T temperatur (

daftar

pneumotoraks

C), kelembaban relatif U (%), surya global

bersertifikat mengakui di dua rumah sakit

radiasi R (W / m 2), curah hujan Pz (mm),

yang

rata-rata

pasien

dengan

diwakili

dibandingkan
memverifikasi

dua
di

sampel

yang

memesan

untuk

homogenitas

data,

menggunakan non-parametrik tes Kolmo

gorov-Smirnov,

dengan

tingkat

signifikansi p = 0,01. Makhluk dua

1),

meteorologi

kecepatan

dan

angin

data

WS

(ms -

hembusan kecepatan angin W

(ms -1), NO,

NO2, SO 2, PM10,

C 6 H 6, C 7 H 8, O 3 (mg m -3) dan CO dan

m -3). Waktu

CO 2 (mg
pengumpulan

rata-rata

untuk

variabel

adalah 10 menit untuk Pz dan WS, 30

peristiwa

menit untuk P, T, U dan R, dan 60 menit

statistik pada time series peristiwa SP,

untuk orang lain. Parameter berikut ini

yang terdiri atas analisis karakteristik

dihitung: nilai harian rata-rata, maksimum

distribusi, spektral autokorelasi dan analisa

dan minimum, standar deviasi harian (),

spektral, dilakukan dengan menggunakan

anomali rata-rata harian (nilai rata-rata

MATLAB (1) dengan

harian setiap hari dikurangi rata-rata nilai

menunjukkan

rata-rata harian hari tertentu dalam 5 tahun

penerimaan dengan waktu. The klasterisasi

lain

dari

dari

series),

variasi

harian

polusi. Kemudian,

analisis

tujuan

untuk

non-keacakan

dari

penerimaan

menyarankan

bahwa

didefinisikan sebagai (perbedaan antara

kondisi meteorologi atau polusi bisa

maksimum dan minimum harian), +

memainkan

(selisih antara nilai maksimum hari tth dan

meningkatkan pembangunan SP. Dengan

nilai

minimum

hari

(t-1) th) dan

demikian,

peran
kondisi

penting

dalam

tersebut

dianggap

(perbedaan antara nilai minimum hari tth

sebagai sampel independen, dan dianalisis

dan nilai maksimum hari (t-1) th).

menggunakan parametrik (t-Student) dan

non-parametrik

(Kolmogorov-Smirnov

Analisis statistik

dan Wilcoxon) tes. Karena tidak ada alasan

Hipotesis clinical bahwa pasien SP dirawat

untuk menganggap hubungan sebab akibat

di

antara peristiwa SP, analisis bivariat

cluster (2) , (4) , (5) , (6) . Dalam

penelitian ini, kelompok penerimaan SP

menggunakan

dan

didefinisikan

multivariat

dengan

cluster

sesuai

dengan

teknik

regresi
perangkat

dua

lunak R2 dilakukan. Dalam penelitian ini,

"kondisi ketat" mengendalikan peristiwa

seperti hubungan antara data yang non-

agregasi

atau

kerusakan. Untuk

linear, metode regresi umum (GLM)

pembatasan

pertama,

hanya

terpilih, di mana yang dipilih link adalah

algoritma

tertentu

berdasarkan

peristiwa

dipisahkan oleh tidak lebih dari 2 hari

bahwa

antara satu sama lain dianggap sebagai

satu. Rangkaian nilai-nilai rata-rata harian,

bagian dari satu cluster. Untuk pembatasan

maksimum

kedua, kelompok yang tersebar di lebih

anomali sehari-hari dan dan

dari 4 hari berturut-turut yang dibagi

perbedaan

menjadi 2 atau lebih cluster, untuk

bivariat untuk setiap parameter meteo-

menjaga hubungan peristiwa SP dengan

kimia. Pasang

fenomena

tergantung berkorelasi dievaluasi untuk

meteorologi

atau

dengan

dari

Poisson

dan

dan minimum,
dianalisis

Logistik

dengan

variabel

harian,
regresi

independen

time series lengkap dan mengurangi seri

cluster centroid-hari, serangkaian hari

signifikansi mereka dinilai melalui z-

berkerumun, dan diubah seri dikotomis

test; kecukupan model regresi didirikan

(yang hanya berisi 0 dan 1 nilai: "1" sesuai

melalui

dengan hari dengan penerimaan, dengan

(AIC).

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

regresi

dan

derajat

signifikansi. Untuk membandingkan hasil

Logistik dan Poisson model, koefisien
R 2 adj dikoreksi 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

Akaike

Information

Criterion

Hasil
Analisis musiman dan SP terjadinya
Ada

363

kejadian

kejadian
SP),

peristiwa

non-null

dengan

dalam

(dengan

maksimum

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

sama. Distribusi

frekuensi
bulanan

yang
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

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 series

Distribusi

jumlah

harian

rupanya

mirip

dengan

penerimaan
distribusi

urutan data diperkirakan menggunakan

metode

yang

periodogram

non-

Poisson. Perbandingan frekuensi distribusi

parametrik. Arti penting dari berbagai

acara SP dan yang diperoleh dengan model

puncak

teoritis dari distribusi Poisson dievaluasi

setiap nilai kepadatan spektral dengan

dengan tes 2, yang menunjukkan bahwa

spektrum suara putih dan merah, yang

frekuensi data SP tidak cocok dengan

signifikan (pada tingkat p 0,001) puncak

distribusi Poisson pada p = tingkat

sesuai dengan 2, 5 dan 64 hari ( Gambar

signifikansi 0,01 : distribusi Poisson

2 ). Melalui

memiliki sejumlah lebih sedikit kasus yang

pengelompokan efektif sebagian besar

jarang terjadi (jumlah kejadian sehari-hari

peristiwa

yang lebih besar dari 4) dibandingkan seri

mempertimbangkan

eksperimental. Dengan demikian, hasil ini

penerimaan berikutnya dari 2 hari atau

tampaknya menunjukkan bahwa rangkaian

lebih,

acara

penerimaan

SP

tidak

acak. Autokorelasi

diuji

dengan

metode

membandingkan

analisis

SP

81%

diverifikasi:
kisaran

dari

cluster,

antara

hari-hari
SP

dengan
itu

sementara dipelajari dengan menciptakan

clusterized. Meningkatkan jangkauan ini

seri baru, di mana jeda waktu ditetapkan

untuk

bervariasi dari 1 sampai 100 hari, yang

meningkat

dibandingkan dengan yang asli. Koefisien

(88%) (4) . Menerapkan teknik yang sama

dari Autokorelasi Fungsi (ACF) diteliti

untuk seri dengan distribusi Poisson dan

sebagai fungsi waktu tertinggal, dengan

seri sintetis diperoleh dengan membuat

mempertimbangkan nilai-nilai atas dan

penataan ulang temporal peristiwa SP,

bawah dari interval kepercayaan ( Gambar

persentase pengelompokan yang diperoleh

1 ).Semua koefisien autokorelasi tetapi

lebih rendah dibandingkan seri yang

mengakibatkan signifikan sama dengan nol

sebenarnya; tes pada perbedaan antara

(pada p tingkat kepercayaan = 0,01), dan

beberapa distribusi di tingkat signifikan p

hanya itu yang sesuai dengan jeda waktu 5

= 0,01 menegaskan bahwa rangkaian acara

hari adalah signifikan. Oleh karena itu,

SP tidak mirip dengan distribusi Poisson,

analisis ini menunjukkan bahwa ada

dan bahwa peristiwa SP tidak terdistribusi

kemungkinan tertentu yang dua hari

secara acak.

dengan peristiwa SP terkait satu sama lain

jika mereka terjadi dalam waktu 5
hari. Hasil ini dikonfirmasi dengan analisis
spektral, di mana spektrum kekuatan

hari,

persentase
menjadi

klasterisasi
85%

menghapus

kasus

terpengaruh

oleh

SP
kasus

yang

dapat

non-SP, dan

sebaliknya. Mengenai

parameter

meteorologi, seri berikut SP dan non-SP

Gambar. 1
tabel. Koefisien

mengakibatkan berbeda secara signifikan

autokorelasi Fungsi dipelajari sebagai

pada tingkat kepercayaan p = 0,05: U

fungsi

dengan

(uji Wilcoxon) dan WS minimum (t-

mempertimbangkan nilai-nilai atas dan

Student dan Wilcoxon tes). Pada p = 0,01

bawah

tingkat kepercayaan, semua pasangan dari

Autokorelasi
tertinggal

waktu,

dari

interval

kepercayaan. Semua
autokorelasi

koefisien

tetapi

mengakibatkan

seri

mengakibatkan

signifikan

yang

sama. Seri konsentrasi polutan dianalisis

dengan cara yang sama, menunjukkan

signifikan sama dengan nol (P=0.01)

bahwa, pada p = 0,05 tingkat kepercayaan,

seri berikut SP dan non-SP mengakibatkan
signifikan berbeda: CO minimum dan
NO 2 minimum (t-Student dan Wilcoxon
tes),

Smirnov

dan
dan

C 6 H 6 (KolmogorovWilcoxon

tes),

dan

O 3minimum (uji Wilcoxon).

Gambar. 2
Kekuatan Spectrum dengan tingkat
signifikansi

0,05

dan

Bivariat dan analisis regresi multivariat

0,001. Signifikansi ini relatif terhadap

Regresi non-linear bivariat menunjukkan

spektrum

signifikan berbeda dari nol, terutama untuk

kekuatan

dataset

acak

(dengan asumsi Gaussian "red noise").

polutan atmosfer dan untuk lengkap dan

seri

Fitur Meteo-kimia pneumothorax dan

non-pneumotoraks hari

dimodifikasi

dikotomis

banyak

koefisien. Model non-linear menunjukkan

nilai terbesar dari R 2 adj diperbaiki adalah

meteo-kimia,

salah satu logistik. Prediktor signifikan

kontribusi disebut hari SP dan hari non-SP

dari variabel meteorologi sesuai dengan

dianggap secara terpisah. SP dan seri non-

model logistik yang ( Tabel 1 ): pada

SP

dari

tingkat kepercayaan p = 0,01, minimal WS

serangkaian modifikasi dikotomis, dalam

harian (seri dimodifikasi lengkap dan

rangka untuk membersihkan seri dengan

dikotomis); di tingkat kepercayaan p =

Untuk

setiap

dibangun

variabel

dengan

bantuan

0,05, P maksimum (seri dimodifikasi

NO 2 (seri)

dikotomi),

(seri

kepercayaan. Studi tentang Celenza A et al

dimodifikasi dikotomi) dan -U (seri

diuraikan hubungan antara badai dan

dimodifikasi dikotomi). Dengan demikian,

eksaserbasi asma (9) . Sejak asma dan SP

meskipun beberapa penulis berpendapat

yang

bahwa

dalam

perubahan broncho-alveolar yang sama,

tekanan dapat menjadi penyebab penting

adalah mungkin bahwa mungkin ada

untuk terjadinya SP (Scott GT et al

kesamaan juga antara faktor pemicu

melaporkan bahwa hanya satu pasien

episode

dengan SP dari 4 seri mereka terkena

virus dan asap rokok, sudah diakui

variasi tekanan yang signifikan dalam 4

menyebabkan SP, kondisi lain, seperti

hari sebelum masuk di rumah sakit (1) ),

konsentrasi tinggi polusi atau paparan

dalam penelitian ini, korelasi antara variasi

terus

tekanan

dibuktikan,

diperhitungkan. Untuk alasan ini, dalam

menunjukkan bahwa mungkin ada faktor-

penelitian ini analisis regresi berganda,

faktor

dengan meteorologi akun dan kimia

anomali

perubahan

dan

harian

mendadak

SP

tidak

penyebab

lainnya

yang

pada

ditandai

0,05

dengan

peradangan

masing-masing. Selain

alergen,

infeksi

harus

juga

menyebabkan peristiwa SP (3) . Selain itu,

(polutan)

dalam pengaturan ini, kelembaban relatif

dilakukan. Model

dan suhu tidak jelas terkait dengan

hasil terbaik (menurut dengan kriteria

peristiwa SP, bertentangan temuan oleh

AIC). Dengan menghitung regresi antara

Bulajich B et al dan Smit HJ et al

variabel logistik (bertahap - regresi) dari

menunjukkan peningkatan suhu sedikit di

penerimaan SP vs variabel meteorologi,

hari-hari

output dari model menunjukkan regressors

sebelum

penerimaan (4) (4) , (5

) .Prediktor

signifikan

variabel

tingkat

bersama-sama,

logistik

koefisien

harian

memberikan

kecepatan

signifikan dari polutan atmosfer sesuai

minimum angin (p = 0,01) dan suhu (p =

dengan model logistik yang ( Tabel 1 ):

0,05). Selain itu, model menghasilkan

harian NO 2 minimum (seri penuh dan

koefisien positif dalam kasus pertama dan

dikotomis dimodifikasi) pada p = 0,001

satu negatif di kedua. Analisis regresi yang

tingkat

sama

kepercayaan,

dan

diulang

mengingat

seri

NO 2, CO 2 maksimum harian setiap hari

polutan. Prediktor yang sangat signifikan

dan minimal, O 3 hari minimum (seri

(p = 0,001) yang rata-rata harian dan O

dimodifikasi dikotomi), setiap hari berarti

maksimum 3dan

CO 2 (seri)

tingkat

NO 2 dan, dengan signifikansi yang lebih

kepercayaan, dan sehari-hari dan rata-rata

rendah (p = 0,01), mean PM10 harian dan

pada

0,01

harian

minimum

NO maksimum harian dan minimum. Pada

tingkat kepercayaan p = 0,05, koefisien
terkait dengan PM10 maksimum harian
dan

CO 2 dan

NO

harian 2 yang

signifikan. Sebagai langkah lebih lanjut,

dua model dimana variabel regressor

Tabel 1

berdua meteorologi dan kimia ( Tabel 2 )

Regresi bivariat. Data meteorologi dan

dibangun. Pada bagian pertama, hanya

polutan

nilai rata-rata harian, dan anomali

independen

sedangkan

kasus

dianggap, sedangkan, di kedua, maksimum

pneumotoraks

merupakan

variabel

harian

dependen. Seri:

dan

nilai

minimum

merupakan

variabel

serangkaian

kasus

dimasukkan. Analisis regresi menunjukkan

pneumotoraks ('1' seri, '2' serangkaian

hubungan antara jumlah penerimaan SP

centroid cluster, '3' ...

dan peningkatan rata-rata setiap hari dan

minimal NO 2 (p = 0,001), penurunan
NO 2 (p = 0,01), penurunan rata-rata
harian,

minimal

maksimum

NO

peningkatan

O3 (p
(p

0,01)

dan

0,001),

dan

harian 3 (p

0,05).Konsentrasi CO 2 maksimum harian

Tabel 2

menunjukkan

Regresi. Data meteorologi dan polutan

koefisien

positif

dan

signifikan (p = 0,05). The penurunan

merupakan

variabel

harian T (p = 0,01) dan peningkatan R

sedangkan

kasus

harian

(p

signifikan. Akhirnya,
mengungkapkan

independen
pneumotoraks

0,05)

juga

merupakan

analisis

juga

(seri). Signifikansi: tingkat signifikansi

bahwa

peningkatan

anomali WS dan minima (p = 0,01) dan

penurunan nya (p = 0,05) dapat
memberikan kontribusi untuk SP onset.

variabel

dependen

koefisien regresi ('' p = 0,1, '' p ....

Diskusi
SP 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

dalam mekanisme yang mengarah ke

dilakukan dalam studi Alifano M et al (6) ,

pengembangan

Suarez-Varel MM et al dan Bulajich B et

autokorelasi dan analisis spektral telah

al (2) , (4) ). Pendekatan ini, karena waktu

dikonfirmasi

yang singkat untuk melanggar struktur

analisis cluster: penerimaan cenderung

seluler,

agregat

tampaknya

menjadi

lebih

pneumotoraks. Hasil
yang

diperoleh

temporal.Perilaku

dengan

ini

bisa

baik.Analisis distribusi bulanan, musiman

disebabkan bahaya tetapi, karena tidak ada

dan tahunan tidak menemukan korelasi

alasan

signifikan

analisis telah dilakukan untuk memeriksa

antara

pneumotoraks

dan

pemberontakan

menganggap

fakta

ini,

waktu

ketergantungan dari beberapa variabel

tertentu. Musim dengan jumlah yang lebih

meteorologi dan kimia. Beberapa penulis

rendah dari penerimaan adalah musim

berpendapat bahwa perubahan mendadak

panas, dan distribusi bulanan menyarankan

dalam tekanan dapat menjadi penyebab

dominan penerimaan selama Oktober dan

penting

Desember. Di antara kertas dianalisis, yang

pneumotoraks. Dalam penelitian ini, hasil

diterbitkan oleh Suarez-Varel et al telah

yang bisa memberikan hubungan antara

melaporkan peningkatan yang signifikan

peristiwa

pneumotoraks

dalam penerimaan pada bulan Mei dan

tekanan

belum

Desember,

diharapkan

dan

periode

untuk

jatuh

pada

bulan

untuk

terjadinya

dan

variasi

didirikan. Ini

bahwa

pengaruh

bisa
variasi

Januari (2) ; analisis musiman kertas ini

tekanan atmosfer yang signifikan bisa

juga telah melaporkan frekuensi yang lebih

lebih efisien dalam waktu paparan yang

tinggi dari peristiwa pneumotoraks di

lama,

musim semi. Sebaliknya, surat kabar lain

melaporkan bahwa hanya satu pasien lebih

belum

dari 4 terkena variasi tekanan yang

menemukan

perbedaan

yang

tetapi

studi

al

bulanan penerimaan (4) , (5) , (6) . Sebuah

pengakuan di rumah sakit (1). Ini tidak

penyelidikan

klinis

pertama

berarti bahwa perubahan mendadak dari

mengungkapkan

bahwa

penerimaan

tekanan atmosfer tidak menyebabkan acara

cenderung terjadi dalam kelompok. Hasil

pneumotoraks, tapi menunjukkan bahwa

ini sesuai dengan analisis sebelumnya (2) ,

mungkin

(4) , (5) , (6) . Fakta

pengaruhnya tidak dapat yang tampak

penerimaan

jenis

faktor

hari

et

signifikan

ada

GC

signifikan dalam distribusi musiman dan

bahwa

dalam

Scott

lain,

analisis. Suhu

sebelum

yang

terkumpul menyarankan hipotesis bahwa

dengan

kondisi meteorologi (atau beberapa faktor

mengungkapkan hubungan jelas dengan

terkait) dapat memainkan peran penting

kejadian

pneumotoraks:

tidak
pada

meningkatnya

kejadian,

menjadi

berbeda. Selain itu, banyak penelitian yang

penurunan anomali sehari-hari dan dalam

melibatkan beberapa pasien dan umumnya

standar

regresi

melibatkan negara-negara dengan kondisi

bivariat). Dalam studi Smith HJ et al (5) ,

iklim yang berbeda.Dalam studi Celenza A

sedikit peningkatan suhu telah diamati di

et al, korelasi antara badai dan kasus asma

hari-hari sebelum penerimaan, dan juga

bala bantuan telah dilaporkan(9) . Karena

penelitian yang diterbitkan oleh Bulajich B

asma, sehubungan dengan pneumotoraks,

et

hipotesis

ditandai dengan peradangan yang sama,

ini (4) . Kelembaban relatif menunjukkan

adalah mungkin bahwa mungkin ada

perbedaan kecil antara minimal sehari dan

kesamaan juga antara faktor-faktor yang

maksimum hari sebelumnya, baik dalam

bisa memicu krisis pneumotoraks dan

kasus

asma. Meskipun infeksi virus dan asap

deviasi

al

(untuk

menegaskan

pneumotoraks

pneumotoraks
regresi

ada

peristiwa,

bivariat

non-

dan

analisis

rokok

diakui

sebagai

faktor

mampu

mengkonfirmasi

melepaskan pneumotoraks, juga banyak

adanya hubungan antara penerimaan dan

faktor lain, termasuk konsentrasi polutan

berbeda

atau

set

telah

dan

variabel

berkorelasi

eksposur

zat

alergi

harus

kelembaban. Dalam studi Smith HJ et

diperhitungkan. Hasil

al (5) ,

menyebutkan, berkaitan dengan polutan

korelasi

antara

peristiwa

pneumotoraks dan terjadinya badai (bila

atmosfer,

ada variasi yang cepat dari variabel

meteorologi yang sama hasil analisis akan

meteorologi)

menghasilkan kurang baik untuk kasus

pada

hari

sebelumnya

telah

penelitian

menyebabkan

pengakuan telah ditunjukkan. Tapi, pada

pneumotoraks

kenyataannya, dalam makalah ini, hasilnya

Bulajich B et al (4) . Seperti dikatakan

menunjukkan

sebelumnya,

bahwa

hanya

variabel

sudah

fase

asma

dilaporkan
dan

di

berbagi

meteorologi signifikan berkorelasi dengan

pneumotoraks umum mekanisme pato-

onset pneumotoraks adalah kecepatan

fisiologis. Untuk

angin

minimum. Seringkali kesimpulan

penelitian ini analisis regresi berganda,

dari

makalah

terjadinya

dengan mempertimbangkan meteorologi

pneumotoraks yang tidak homogen, dan

dan kimia (polutan) variabel bersama-

perbandingan antara pendekatan yang

sama, dilakukan.

tentang

berbeda sulit karena definisi asumsi juga

alasan

ini,

dalam