呼吸系统疾病是一类常发性疾病,其致死风险在城乡均排名前列。探究影响该类疾病发病因素,降低其死亡率已成为近些年的研究重点,但在诸多研究当中,包含时空效应分析的研究较少。本文使用广州市2016-2019年呼吸系统疾病门诊数据与51个环境监测站获得的大气污染物数据,研究该地区呼吸疾病死亡病例与环境因子的关系,同时考量时空随机效应的影响,最终实现疾病制图。模型拟合基于贝叶斯框架,并使用INLA算法进行参数估计与推断。首先以格点数据形式拟合网格模型,初步结论为SO2可能存在非线性效应,并认为不存在非结构化的时空随机效应,而时空结构化随机效应较为明显。此外,本文设计了一种新的聚合方案,以空间点为聚合基点对数据进行聚合。该思路将数据聚合为地理统计数据形式并拟合SPDE模型。结果显示CO与PM2.5对该类疾病死亡风险的影响相对较大,NO2、PM10、月均气压与月均温度均具有正向影响,而月均湿度与月均风速的效应估计值较低,且存在不显著的可能。对于时空随机效应部分,分隔距离的估计为0.647,即任意两空间点的空间距离大于0.647时几乎可认为其不存在空间相关性。另外,该模型进行了疾病制图,得到广州呼吸系统疾病的时空特征,结论为呼吸系统疾病致死多发于春夏季,其中1月、3月、7月、12月风险相对较高,整体的死亡病例也自2017年起逐年上升。从空间分布看,广州市中西部、中南部与东部为病例高发地,越秀、海珠、番禺等老中心城区仍为病例聚集点,效应以此为中心向外递减,广州市东部的从化区疾病风险也偏高。综合上述结果,本文为发展政策提出一些建议供参考。在人流密集的中心城区需要加大污染物防护力度,如越秀区、海珠区等居民、交通网密集地区,需要定时监控以CO、PM2.5为主的污染物浓度,提倡绿色出行。而对于从化区等正在开发的地区,需要及时跟进污染防护手段,同时做好居民养老保障,合理配置医疗资源。全市在春夏季时,居民注意通风,尤其在换季和盛夏时间,地区可适当增加医疗资源配置。