医学论文发表-9精神疾病遵循每年的周期性季节性吗？
· 张汉新
· 阿提夫·汗
· 齐晨，
· 亨里克·拉尔森
· 安德烈·热茨基
· 发布时间： 2021年7月19日
· https://doi.org/10.1371/journal.pbio.3001347
抽象
季节性情感障碍 （SAD） 以每年的周期而闻名，秋季和春季的发病率会升高。应该期望从其他精神疾病的循环年度模式的一些版本？对于不同的精神疾病，每年的周期会相似吗？这项研究使用2个非常大的数据集来探讨这些问题，这些数据集描述了1.5亿独特的美国公民和整个瑞典人口的健康史。我们使用"未更正"和"更正"观察结果进行了 2 种类型的分析。前一项分析侧重于与每种疾病相关的每日患者就诊数量。相反，后一种分析着眼于特定疾病的就诊在一段时间内访问总量中的比例。在未经更正的分析中，我们发现，两国研究的疾病中，精神疾病的年度模式非常相似，瑞典每年的变异程度明显高于美国的精神疾病，但并非传染病。在修正的分析中，只有1组患者——11至20岁——在未经更正的分析中再现了我们观察到的所有精神疾病规律：与其他年龄组相关的年度医疗保健寻求访问模式发生了巨大变化。与这两种类型的计算不同，对传染病的模拟分析差异较小。在已发表的精神疾病季节性研究中比较这两组结果，我们倾向于认为，我们未经修正的结果更有可能捕捉到真正的趋势，而修正的结果可能主要反映了由特定年份主要波动、寻求健康的访问所决定的文物。然而，不同的结果最终没有定论：因此，我们提出两套结果未经编辑，本着充分披露的精神，将判决留给读者。
引文：张 H ，汗 A ， 陈 Q ， 拉尔森 H ， Rzhetsky A （2021） 精神病遵循年度周期性季节性吗？PLoS 生物 19 （7）： e3001347.https://doi.org/10.1371/journal.pbio.3001347
学术编辑：马库斯·穆纳菲，英国布里斯托尔大学
收到：2020年9月18日：接受：2021年7月2日：已发布：2021年7月19日
版权 所有：?2021张等人这是一个开放访问文章，根据《知识共享归属许可证》的条款分发，允许在任何媒体上不受限制地使用、分发和复制，前提是原始作者和来源得到记分。
数据可用性：数据可以通过 IBM 健康市场扫描（https://www.ibm.com/products/marketscan-research-databases）的许可获得。评估论文结论所需的所有数据都存在于论文中，并提供支持性的信息文件。美国的源代码和疾病季节性数据可在https://github.com/hanxinzhang/seasonality访问。我们还将数据上传到 Dryad 存储库。美国之都https://doi.org/10.5061/dryad.vdncjsxv6。
资金：这项工作由DARPA大机制项目根据ARRO合同W911NF1410333（AR），由国家卫生研究院赠款R01HL122712（AR），1P50MH094267（AR）和U01HL108634-01（AR），以及利兹和肯特道滕（AR）的礼物资助。资助者在研究设计、数据收集和分析、出版决定或编写手稿方面没有作用。医学论文发表-
竞争利益：作者宣称不存在相互竞争的利益。
答：多动症、注意力缺陷/多动障碍;AK， 阿拉斯加;DR，诊断率;EM、期望+最大化：佛罗里达州;IRB，机构审查委员会;麦克姆， 马尔科夫链蒙特卡洛;我，缅因州;蒙大拿州山;北达科他州悲伤，季节性情感障碍;德克萨斯州德克萨斯州;尿路感染， UTI;华盛顿州，华盛顿;渡边威信信息标准
介绍
精神疾病诱发深重的痛苦，深刻地影响病人及其亲人的生活。精神病在复杂疾病领域是特殊的，因为其诊断几乎完全依赖于外在主观症状，由患者提出，由精神病医生解释。另一方面，传染性疾病和门氏病在诊断连续体的最高确定性极强中占据空间，通常可以通过专门的实验测试确定。支持这种病种纠缠的观点，精神疾病似乎有着广泛的遗传和环境倾向。例如，全基因组关联数据[1-4]分析表明，精神疾病具有高度的遗传相关性，而支持这些高度遗传相关性的大规模家庭研究也表明，这些疾病具有共同的环境风险因素[5，6]。非精神病复杂疾病之间以及精神病和非精神病结对的环境危险因素的估计分担比例往往要低得多[5，6]。
如果精神疾病有许多环境风险因素，就应该能够识别出影响许多[7]，甚至全部的常见环境刺激。选择的精神状况的潜在环境驱动因素之一，如季节性情感障碍 （SAD）[8-11]和抑郁症[12-17]，是驱动昼夜时钟的年度和每日阳光周期。在较暗的季节，悲伤和抑郁往往会恶化。目前还不清楚这种季节性模式是否与其他精神疾病共有，以及这种疾病的季节性是否仅限于特定的地理区域。这项研究的主要假设是，大多数精神疾病共享这个年度轻依赖周期。在这里，我们系统地检查精神病状况，而不是他们每年的疾病特定患者访问周期，如临床记录所示，跨越非常不同的地理区域和两个不同的大陆，欧洲和北美。作为参考，我们将每年精神疾病的报告周期与美国公民和瑞典人口的传染病报告周期进行比较。
回答我们关于疾病季节性问题所需的理想数据输入将包括记录由医生领导的患者健康状态评估，跟踪患者多年，直接检测其健康状况的改善或恶化。不幸的是，这些数据尚未生成。相反，我们使用了大量的电子医疗记录，记录了病人对医生的探视，以及诊断、程序和处方药。后一种类型的数据存在偏差，如天气事件（想想暴风雪）、假期和假期，所有这些都会影响医生和患者的行为。为了解释这些偏差和数据中可能出现的噪音，我们开发了一系列统计模型，估计了年度疾病诊断率（DRs）最有可能的季节性振荡模式，同时努力解释数据偏差。然后，我们根据数据测试这些模型，以确定最佳模型，没有过度适合观察。
我们的研究使用 IBM Watson 健康市场扫描数据集[18]包含超过 1.5 亿美国公民的保险索赔记录和瑞典国家健康登记册[19]详细描述了几乎所有瑞典人的健康动态，数据中可以看到超过 1100 万独特的人。美国的数据涵盖了2003年至2014年之间的时间间隔，而瑞典的数据涵盖了1980年至2013年之间的间隔。虽然 IBM MarketScan 数据库是美国保险索赔规模最大、最全面的收集库之一，但它是通过合并多家私人健康保险公司收集的异步子集而构建的。因此，数据具有使分析复杂的特殊属性层（图 1）。为了解释数据中的系统偏差和噪音，我们设计了一个多层次的 Bayesian 模型，描述观察到的特定疾病患者就诊计数的生成（详情见图 2和材料和方法部分）。我们介绍了两种不同的分析方法的结果，第一种方法是"未更正"的疾病特定就诊计数，第二种是"修正"的季节性，我们根据所有原因医疗访问的季节性变化进行调整。
图1。美国数据的特点及其如何影响我们的模型设计。
（A）我们的建模旨在纠正MarketScan数据库中的偏见和噪音，并推断特定年龄段的DOR趋势和季节性的潜在疾病。左上面板描述了2个群体（一个健康的（蓝线）和一个不健康的（红线）——在不同时间注册数据的场景。蓝色和红色线表示 2 个人口的 DR 趋势。我们可以看到，健康人群比不健康人群更早地加入并留下了我们的数据。因此，如果我们适合一个简单的线性回归模型，结果可能会导致我们得出结论，DR呈上升趋势。尽管如此，如果我们有能力为两个人口收集所有时间数据（同步注册），真正的趋势实际上是恒定的。线性适应（橙色线）的趋势来自不同健康状况人群的"异步登记"。其余的面板同样描述其他方案。（B）本子图显示了样本疾病的总体趋势和季节性。假日平滑功能抵消了假期和庆祝活动的影响，这些节日和庆祝活动会大幅降低 DR（橙色曲线与蓝色曲线）。请记住，患者加入并异步离开我们的美国数据。灰色线条显示了人口阶层的不同线性拟合趋势，根据其注册日期进行定义（参见材料和方法部分的方法和技术部分）。一些人口阶层包括更多的人，而另一些则更小，以灰色线条的不同宽度为标志。右面板中突出显示了从第 1 周到第 195 周注册的样本群层。请注意，突然的转变仍然存在——即使是对于一个成分一致的群体，这意味着这种转变并不是由注册变化造成的。这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。博士，诊断率医学论文发表-
https://doi.org/10.1371/journal.pbio.3001347.g001
图 2.推断季节性的方法和程序。
上部框架（第 1 步）：我们通过将其分解为几个部分来模拟 DR：线性趋势、年班、季节性和错误术语。我们根据他们的入学日期将人分配到数百个人口阶层。此处显示共有 6 个特定年龄和注册日期的人口。该模型分别（但不独立地）与共享的优先和超优先项适合每个人口阶层，以便信息可以在人群中共享。"In"表示地层加入我们数据的时间（注册开始），而"退出"表示他们离开的时间（注册结束）。下帧（第 2 步）：在获得所有模型参数的估计后，我们能够提取季节性并做出推论。上图显示，后预期（均值）很好地再现了我们原始的观察，这在一定程度上验证了我们的模型混合得很好。请注意，对于此特定情况，95% 最高的后部密度间隔非常小，因此在绘图（浅绿色阴影）中可能很难分辨出来。底部的左子图通过将季节性估计值除以时间平均 DR （〈DR 〉、表达式 （17）来说明我们如何找到相对的季节性波动（未更正）。 我们可以通过扣除s来纠正所有医疗访问的基线波动都(t）（代表所有医疗就诊的未更正季节性）从s（t）获得更正的季节性s+（t）（底部右子图）。这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。博士，诊断率
https://doi.org/10.1371/journal.pbio.3001347.g002
贝叶斯模型摘要
图1B展示了典型疾病的总体趋势和季节性，总结了人口阶层的不同线性趋势（患者群体在我们的数据库中具有相同的出入口点，以灰色线为代表）。计算实际观察曲线的计算方法是将总诊断值除以每个时间点的总受诊量 （DR）（在本研究中，按周分）。假日平滑功能使用已知假日前后的平均 DR 来计算和抵消假期和其他庆祝活动期间显示的 DR 急剧下降。
灰色线 （图 1） 显示数据中同步登记的人口地层的线性拟合趋势。例如，橄榄曲线表示从第 1 周到第 195 周注册的一组患者。不同的人口阶层没有表现出统一的趋势——有些是灰色的线条向上，有些是平的，有些是向下的。图1B表明，由于异质保险注册实践，加入保险公司的群体不像来自美国普通民众的随机样本。除了"异步登记"之外，我们还发现，对于许多人口一致的组成阶层来说，许多疾病的DR在每年年初都会突然发生变化。样本种群层可以让我们了解这种变化（如图1B右面板上的橄榄曲线所示）。
我们设计了一个多层次的贝叶斯模型来描述观察到的DR的生成，考虑到系统偏差和噪音的几个来源（图2）。首先，我们根据患者的年龄和注册日期对患者进行分组，并定义了"人群分层"，即包含同一年龄组患者的群体，以及同一时间间隔的数据中的注册日期。然后，我们分别对每个人口阶层的趋势和季节性进行建模，但不是独立。我们跨年龄组和人口阶层共享信息，因为它们是从相同的前人和超前者中采样的。例如，对于线性趋势拦截αi，j对于人口阶层i，我们从具有特定年龄中心、比例和形状的偏斜正常分布中取样（图2，步骤1）。这些特定年龄的超参数也从共享的高斯工艺超优先中采样，这些超参数将它们串联到各个年龄组，以便接近年龄会有接近的中心、比例和形状（有关更多信息，请参阅材料和方法部分）。
医学论文发表-
我们使用马尔科夫链蒙特卡洛 （MCMC） 采样器[20]同时估计所有参数。在获得每个人口阶层的所有估计后，我们可以合并地层，找到年龄或性别特定的趋势和季节性，如图2，步骤2的顶部面板所示。我们在第2 步（第 2 步）的底部面板中突出了年度季节性样本。图2，第2步的左下图给出了样本疾病的相对季节性波动，通过将原始季节性估计值除以观察到的DR（见材料和方法的表达（17）和（18）的时间平均值来计算。
为了解释季节估计可能的非生物学驱动波动（假期、恶劣天气和假期），我们尝试使用所有医疗访问的 DR（如图 2、步骤 2和S1 图的下中心面板中所示）使原始 DR 正常化。结果纠正的季节性然后代表计数超额/赤字的基线医疗诊断波动（图2的右下面板，第2步）。在目前的工作中，我们提到相对于时间平均值 DR 的未更正季节性为"未更正"的季节性或"s（t）"。我们称所有医疗就诊基线纠正的季节性为"更正"季节性或"s*t"。
结果
我们应用我们的统计模型来调查2个性别和多个年龄组的33种精神疾病和47种传染病的年度季节性。为了简化可视化和讨论，我们使用了气象季节惯例，定义如下：冬季从12月1日开始，到2月28日或29日结束，春季从3月1日开始，到5月31日结束，夏季从6月1日开始，到8月31日结束，秋天是一年中的剩余时间。在此描述中，我们专注于 5 种最普遍的精神疾病和 5 种最常见的传染病的结果，但所有研究的结果，使用更正和未经更正的季节性分析，可在 S1 - S10数据（结果数据分成10 个文件）中找到。数据也可以在项目存储库中找到，https://github.com/hanxinzhang/seasonality。
未更正的季节性分析
我们首先分析了疾病的未更正的季节性，而不考虑所有医疗访问的潜在基线波动。精神病似乎遵循几乎相同的护理获取模式的年度周期;平均而言，它们在较暗的时期会峰值，在温暖和明亮的时间会消退（见图3，了解未更正的季节性），尽管所有模式都比单模曲线复杂得多。图3显示了美国5种诊断最多的精神疾病的紊乱、性别和年龄组——特定的季节性：抑郁、焦虑/恐惧症、调整障碍、药物滥用和注意力缺陷/多动障碍（ADHD）。我们显示瑞典的匹配结果，时间与美国同行一致，但幅度为 0.3，便于比较。显然，尽管这两个国家的社会、经济、文化和医疗保健管理存在显著差异，但两国在相同条件下的曲线却惊人地相似，并且在疾病中高度一致。这些地块旨在显示在给定时间点的无序特定访问百分比偏离年度平均值。全年统一的参观模式将导致统一线数为 0%。在地块中，我们看到与美国的年均值相比，波动幅度约为10%至20%。瑞典的季节性波动甚至更大，与多动症等相关的患者就诊量减少了70%。对于所有5种最普遍的情况，特别是在美国，20岁以下的人似乎在精神访问频率上经历了更大的季节性变化。然而，在瑞典，不同年龄组的季节差异很小。就两性之间的差异而言，两国的男女具有类似的季节性。值得一提的是，20岁以上的人多动症表现出一种独特的季节性，从秋季逐渐上升到冬季。
图 3.美国5种诊断最多的精神疾病的季节性图解：抑郁症、焦虑/恐惧症、调整障碍、药物滥用和多动症。
SE 的结果是并列的，但规模放大了 0.3，以进行更清晰的比较。我们根据每周 DR（一周内诊断总数）绘制了所有行，除以我们数据库中本周的注册者总数。与平均 DR 相比，正负最动的文本标记遵循一种格式：国家女性最大百分比波动 / 男性最动百分比。我们使用气象季节定义如下：冬季从12月1日开始，到2月28日结束，春季从3月1日开始，到5月31日结束，夏季从6月1日开始，到8月31日结束，秋天是一年中剩下的时间。我们丢弃了65岁以上的人的健康记录，因为美国大多数人口的数据都转为医疗保险，而剩余的记录并不具有代表性。一种疾病在某些年龄段的性别中可能极其罕见。该图仅显示年龄、性别和特定季节，平均时间为 DR（17）大于 1×10）?5.这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。多动症、注意力缺陷/多动障碍;DR，诊断率;瑞典东南部。医学论文发表-
https://doi.org/10.1371/journal.pbio.3001347.g003
仅仅从精神疾病的结果来看，人们可能会猜测，观察到的年度规律对于所有疾病都是常见的，而且周期动态主要受社会因素的驱动。这远非事实，如每年的传染病周期（图4和图5）所示。使用 Isomap 算法[21]（图 5， https://seasonality-web-app.herokuapp.com）对估计的季节性谐波进行低维嵌入，显示精神病曲线形状紧密地聚集在一起（类似），而传染病的曲线形状则非常多样化，因此分散在嵌入表示中。
染、耳部感染、急性支气管炎、UTI和纤维炎。
SE 中的结果在不缩放的情况下并列。一种疾病在某些年龄段的性别中可能极其罕见。该图仅显示年龄、性别和特定季节，平均 DR 大于 1×10?5.这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。DR，诊断率;瑞典东南部;UTI，尿路感染。
https://doi.org/10.1371/journal.pbio.3001347.g004
图 5.将未经更正的季节性曲线嵌入低维空间表明精神疾病的季节性变化是同质的。
我们使用 Isomap 方法获得前 10 个 Fourier 谐波基估计值的低维季节性嵌入 ，...，...，（参见表达式 （15） 和 （16）。与传染病相比，我们可以看到精神疾病谐波的嵌入集中在一个较小的空间，这意味着其季节性的相对均匀性。这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。
https://doi.org/10.1371/journal.pbio.3001347.g005
如果我们考虑美国诊断最多的5种传染病（急性上呼吸道感染、耳部感染、急性支气管炎、尿路感染（UTI）和纤维炎，请参阅图4），模式就大不相同了。季节性变化的幅度与美国和瑞典在传染病方面是可比的，因此曲线的缩放方式相同。不出所料，在美国诊断中，2种呼吸道感染（急性上呼吸道感染和支气管炎）在较冷的时候上升，在初春达到顶峰，在温暖的日子里消退，在夏季结束时的感染率最低。相反，纤维炎，一种深层皮肤感染，在温暖的时期上升，并在冬季在美国消退-类似于一般皮肤感染（S2图）。在瑞典，纤维炎在儿童和年轻女性中极为罕见：在男性和老年人（40岁以上），它没有表现出明显的模式，可能是因为这种疾病的病例在这个北部和相对较小的国家是稀疏的。
儿童（新生儿至10岁）的耳部感染在冬季更为常见，在夏季在两国较不常见（图4）。与精神疾病趋势不同，我们发现美国青少年（11至20岁）的耳朵感染有明显的"高峰三胞胎"模式，夏季和冬季的DR都很高，春季和秋季的DR也很低。这种"三胞胎"模式延伸到美国老年群体，在瑞典群体中随处可见。最后，美国的 UTI 季节性往往与青少年持平，但从夏季到秋季，在瑞典的冬季和春季都会下降，尤其是 11 至 40 岁的女性（图 4）。
我们对MarketScan数据进行了额外的分析，以探讨高纬度和低纬度地理区域之间的季节变化差异。首先，我们使用仅代表美国 4 个高纬度州的数据进行了单独的分析：阿拉斯加 （AK）、华盛顿 （WA）、蒙大拿州 （MT） 和北达科他州 （ND）。我们不包括缅因州 （ME）， 因为它相对较低的纬度 （波特兰， ME 43.7° N 对西雅图， WA 47.6° N） 相比， 选定的 4 个州。我们发现，在4个高纬度州（AK、WA、MT和ND或AWMN），所有5种最常见的精神疾病都表现出比全国（S3无图）更大的季节性振荡。例如，在夏季，4个州11至20岁的女性抑郁症患者的抑郁症率下降了约23%，而全国同一群体的平均抑郁症下降了11%。在11至20岁的男性中，多动症在全国下降了16%，但在4个高纬度州下降了26%。一般来说，AK、WA、MT 和 ND 的波动幅度大约是瑞典的 1.5 到 2 倍，但仍比位于北纬更北纬的瑞典小得多。其次，我们观察到，对于传染病，全国与4个高纬度州（S4图）的季节性变化程度相似。然后，我们考察了南部的两个大州：德克萨斯州（德克萨斯州）和佛罗里达州（佛罗里达州）。由于我们的数据中所代表的人口规模较小，我们不包括其他南部州，如夏威夷或路易斯安那州。路易斯安那州和其他南部大陆州在纬度上也不如TX和FL那么南。同样，我们并不认为加州，因为它的很大一部分横跨更多的北部地区。对于精神疾病或感染，结果类似于整个美国（S5和S6无花果）。值得注意的是，对于0至10岁和11至20岁的男性多动症等精神疾病，TX和FL的变化较小。在其他精神疾病中，我们也看到了这种看似较小的变异趋势，但这种变化并不像美国和瑞典之间或美国与4个高纬度美国州之间的比较那么显著。
综上所述，我们观察到精神病的季节性模式是一致的，夏季有共同休会，秋季则有共同增加（图3）。与早期一项规模较小的研究的结论不同，该研究发现一般精神障碍的季节性变化有限[22]，我们观察到，季节性与大量精神疾病是共有的——尽管它们的症状和流行程度各不一。除了观察抑郁症、焦虑症和调整障碍（图3）中上述季节性外，我们还在许多其他精神疾病（如精神分裂症和相关精神病（S7图）和偏头痛（S8图）中检测到类似的模式。相比之下，我们发现传染病的异质季节性模式。医学论文发表-
修正的季节性分析
在计算纠正季节性图时，我们将不同的年龄组曲线组合在同一子图上，以比较不同年龄段的季节性变化。我们设置 y 轴限制为相同（对于相同的地理区域），因此比较不同疾病的季节性更容易。对于每种分析的疾病，我们还给出了其整体季节性，汇总了所有年龄和性别（图6和7的第三和第六列和S9-S12无花果）。图上的时间平均DR〈DR〉表明疾病在特定性别-年龄段的流行，它可以表明哪些亚人口是疾病最具代表性的群体。
图 7.美国和SE诊断最多的5种传染病的季节性图解：急性上呼吸道感染、耳部感染、急性支气管炎、UTI和纤维炎。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。DR，诊断率;瑞典东南部;UTI，尿路感染。
https://doi.org/10.1371/journal.pbio.3001347.g007
对于美国数据（图6）中诊断最多的5种精神疾病（图6），大多数性别年龄组的季节性在纠正所有医疗访问的基线波动后趋于平稳。美国11至20岁的患者是例外，在根据所有医疗访问的基线季节性进行调整后，夏季和春季、秋季和冬季的DOR仍然明显下降。例如，在美国，11至20岁的女性和男性在夏季的就诊基线都比所有医疗访问基线低20%。在美国，年龄-性别聚合曲线并不表示抑郁症、焦虑性恐惧症、调整障碍和药物滥用的季节性变化很大，因为11至20岁的群体在疾病流行率方面并不占主导地位。相比之下，对于多动症，11至20岁的人口是最有代表性的，因此我们可以观察到，在年龄的季节性下降-性别聚合情节显示在图6的第三列。
在瑞典，修正强烈调整了观察到的精神疾病季节性（图3），因为所有医疗访问的基线变化很大（S1图的第四行）。经过矫正后，我们发现11至20岁患者的抑郁症在夏季只有轻微的下降趋势。看来，在瑞典，药物滥用的DR在夏季上升，与美国的趋势相反。请注意，在应用基线校正之前，药物滥用 DR 在夏季减少（图 3）。因此，瑞典夏季的高峰期只表明药物滥用的季节性减少不会超过基线变化。此外，在瑞典，我们还观察到在夏季多动症的DR减少。最后，对于精神疾病，我们注意到，在年初和年底（图3和6），DR有一个统一的下降，可能是由于寒假或假期，这在瑞典更为明显。
修正后，美国诊断出最多的5种传染病（图7）保持了显著的季节性，在年龄组、性别和2个国家（美国和瑞典）几乎一致。季节性趋势可与未更正的趋势（图 4）相媲美。在夏季，我们发现急性上呼吸道感染的DRS减少，纤维炎的DDR增加。美国青少年（11至20岁）和瑞典一些老年群体的夏季耳部感染仍处于明显的高峰期。
此外，我们研究了修正后高纬度和低纬度区域的季节变化差异（S9–S12无花果）。与我们在未经更正的分析中发现的情况类似，11至20岁儿童的精神障碍表明，在4个高纬度州（AK、WA、MT和ND或AWMN、S9无花果）的季节性振荡大于全国平均水平，在南部2个州（TX和FL，S11无花果）的季节性振荡小于全国平均水平。图 8合并了 11 至 20 岁儿童的所有精神疾病，并显示了 4 个最北部州（ AWMN ，最动）、整个美国（中部）和 2 个南部州（最小的波动）的季节性波动差异。
图 8.纠正了4个地区11至20岁儿童所有精神疾病的季节性。
在美国，精神病 DR 的年度振荡在高纬度地区（AK、WA、MT、ND 或 AWMN）比在低纬度地区（TX 和 FL）更大。这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。AK， 阿拉斯加;阿文，x：DR，诊断率;蒙大拿州山;北达科他州华盛顿州，华盛顿医学论文发表-
https://doi.org/10.1371/journal.pbio.3001347.g008
讨论
传染病的急性表现需要医生立即注意。大多数传染病是暂时性的（除了少数慢性疾病，如疟疾、艾滋病和疱疹）。因此，我们预计，每年感染的医疗保健患者的遭遇率反映了真正的季节性，而不仅仅是每年的娱乐活动和度假模式。
与慢性病护理、选择性程序和常规健康检查相关的患者就诊情况可能有所不同;恶劣的天气和休假时间可能会延迟访问，可能需要调整分析。因此，我们制作了2个版本的年度疾病相关访问率分析："未更正"和"更正"。前一种分析回答了"X型疾病患者的医疗保健访问如何分布在不同季节？后一种类型的分析回答了另一个问题："在这个时候间隔内，所有寻求医疗保健的患者 X 患者的医疗保健就诊比例如何分布在不同季节？
首先，我们认为，我们在这项研究中选择检查的精神病状况更像是急性感染，而不是选择性程序。例如，瑞典登记处记录的抑郁症病例是最严重的病例，患者需要立即住院治疗（例如，因为患者停止进食）。较轻的抑郁症病例，患者需要抗抑郁处方，由初级保健提供者处理，不出现在卫生登记处。
其次，我们未经纠正的季节性结果与现有的已发表的小规模观测结果的共鸣比我们修正的结果更强：过去的研究表明，欧洲和美国的春季焦虑和抑郁率都高于夏季[23]和美国[24]：北芬诺斯坎迪亚北极地区的患者在夏季出现双相情感障碍症状[25]，而且：据报道，美国春季的抑郁症和自杀率高于夏季[26]。以往的研究还报告，与越南年夏季（27例）相比，春季入院的药物滥用（相关入院人数）有所增加。越南的研究还报告说，与夏季相比，春季和秋季的情绪障碍——相关住院人数更高，这与我们未更正的季节性结果[27]相一致：在修正后的结果中，一部分年龄组在夏季的抑郁率高于秋季，如图3和6所示。
第三，我们试图通过调整寻求医疗保健事件的总比率来解释个别疾病发病率的季节性（见图6和7），结果与先前发表的研究结果有些不和谐。例如，尽管瑞典（28，29）的未经纠正的药物滥用率在春季被报道为高于夏季（这是我们未经纠正的季节性数据显示的），但在修正后的瑞典结果中，药物滥用率完全扭转了这一趋势，夏季的滥用率高于春季。在美国，修正后的数据在未经纠正方面也发生了巨大变化——对于精神病患者，只有1个年龄组，11至20岁的患者，与未经纠正的季节性结果相比，在所有精神疾病中都保留了他们的行为。其余的年龄组获得了额外的特殊属性，与任何已知的这些疾病不一致。结果表明，所有访问纠正可能不是最佳的，因为所有访问的季节性并不反映非特定的，寻求健康的行为。证据表明，这更有可能是由主要急性疾病（如感染）的季节性决定的。
我们对这项研究的未经更正的版本表明，在精神疾病DR中存在一种统一的季节性。通过分析大量健康数据，发现了这一报告的规律性，消除了噪音驱动、虚假结果的可能性。然而，解释这些统计稳定的趋势需要谨慎。其他精神疾病的季节性模式与SAD和抑郁症的季节性模式密切相关的证据表明，这与每年的日光周期有似是而异的联系，进而影响人类昼夜节律：然而，我们不能完全排除社会和经济因素的影响。此外，在现阶段无法回避其他因果关系方向：由于光/暗周期变化而出现的精神症状可能导致社会活动减少。
最重要的是，我们的分析基于医生或精神病医生在与患者进行专业访问后输入的诊断代码时间戳的解释。在这里，我们含蓄地解释一些病人在同一时间间隔内频繁的精神病探视，作为人口心理健康恶化的证据。（这种假设对传染病是合理的，需要医生在症状显现后立即注意。人们可能会争辩说，夏季精神病诊断率的降低是由病人或精神病医生休假造成的，而不是由疾病本身造成的。美国和瑞典不同纬度地区复制相同的年度疾病登记模式的可能性较小，因为两国（以及美国北部和南部）的度假文化大相径庭：美国的假期通常比瑞典的假期短，而且往往在一年左右发生异步。
过去的精神病季节性研究[30，31]使用相对较小的群体，通常不足以区分疾病流行率的季节性变化和背景噪音-有几个重要的例外。SAD是最公认的，季节性相关的精神疾病，单极抑郁症的亚型[12-17]。病因学假设和实验数据将SAD与人类昼夜节律、每天暴露在阳光下的时间、患者的个体遗传变异及其神经递质的生物化学（8-11）联系起来。精神疾病季节性变化的另一个合理机制是季节性过敏和感染引起的季节性免疫调节障碍[32]。我们观察到，焦虑和恐惧性疾病的年周期与SAD和抑郁症几乎相同，这与早期研究关于焦虑缺乏季节性的结论相反。此前对荷兰较小人群焦虑症的检查发现，几乎没有季节性影响[14，30]。双相情感障碍以前报告的季节性属性与个体症状的模式有关，狂躁发作在春夏达到顶峰，抑郁症发作在初冬[33]上升。同样，先前与精神分裂症相关的研究也有不同的关注点：他们检查了与患者出生季节相关的风险，而不是疾病复发的季节性[31，34]。精神分裂症的季节性，以及偏头痛的季节性，几乎没有涵盖在文献中，但许多研究提供了证据，证明昼夜节律和这两种疾病之间的联系[35-39]。我们的结果表明，这两种情况都遵循夏季休会的典型年度周期，类似于其他精神病。
与我们对精神疾病季节性的缺乏了解相比，每年的流行率变化是传染病流行病学中公认的现象。季节性感染波是由通常广为人知的因素推动的，例如感染的季节性传播、宿主行为和宿主易受感染易感性的季节性变化[40，41]。发音传染病的季节性与先验的期望非常一致。在本研究中，我们使用对感染季节性的分析作为积极控制，以证实我们的方法和数据的有效性。我们仍然注意到一些不太明显的不和谐。在2个国家验证，10岁以下的儿童在夏季受耳部感染的影响较小。相反，青少年（11至20岁）更有可能在夏季感染（图4）。这种趋势在瑞典的老年人口（21至50岁）和美国的老年男性（11至65岁）继续。另一个有趣的观察是，UTI只在某些人群中是季节性的：11至20岁的美国男性和瑞典女性。
我们观察到美国和瑞典之间季节性每年变化的程度有很大的差异，但仅限于精神疾病，而不是传染病。瑞典的诊断率波动比美国大得多——例如，瑞典女性的抑郁症诊断率下降了约48%，而美国公民女性的诊断率在夏季下降了14%。夏季抑郁率的差异可能是由于日光照射（8-11，42，43]，因为夏季日光延长（和冬季日光缩短）在极地圈附近比在美国大陆更为极端。此外，医疗保健覆盖和国家特定政策可以解释曲线差异。如果没有像瑞典那样的全民医疗保健系统，缺乏全面医疗保险计划的慢性精神病患者可能不愿意寻求医疗照顾，直到他们的病情成为紧急状况。
此外，在某些精神疾病中观察到的季节性可能源于某些特定于文化的事件。例如，在夏季，学龄青少年多动症就诊率的下降（图3和6）可能与暑假旅行有关，影响医生和患者。此外，美国一些K-12学校的心理健康意识计划也可能增加学校期间（春季和秋季）的精神疾病诊断[44]。
最后，精神障碍似乎伴随着强烈的季节性流行变化，与之前描述的单极抑郁症非常相似。我们认为，这种观察到的季节性的最可能的解释是，暴露在太阳光下的周期性变化，而太阳光又会影响昼夜时钟的节奏。此外，这种季节性反映了一个社会的社会节奏，如暑假的模式和美国K-12学校的某些心理健康意识计划[44]。无拘无奇、普遍和同质的季节性促使我们思考睡眠-觉醒周期、光线照射和昼夜节律对神经精神病发展的影响，并意识到心理健康的季节性及其对医疗保健系统的影响。
材料和方法
数据和假设
这项研究的主要目标是模拟近年来美国疾病的季节性（和趋势）。为了探讨这个问题，我们利用了2个大型的、国家规模的数据集，IBM Watson健康市场扫描数据集[18]，其中包含了超过1.5亿美国公民的保险索赔记录和瑞典国家健康登记册[19]，详细描述了几乎所有瑞典人的健康动态——数据中可见的1100多万独特人群。美国的数据涵盖了2003年至2014年之间的时间间隔，而瑞典的数据涵盖了1980年至2013年之间的间隔。
芝加哥大学的机构审查委员会（IRB）确定，鉴于两国的患者数据都预先存在并去识别，这项研究是豁免的IRB。
尽管该数据库是美国保险索赔规模最大、最全面的收集库之一，但它是通过合并多家私人健康保险公司收集的异步子集而建立的。因此，数据的特点是某些属性使我们的分析复杂化（图 1）。我们至少确定了6个此类问题，并将简要解释它们是什么，以及我们在分析中为解决这些问题所作的努力。
首先，虽然MarketScan跟踪人口健康统计数据超过十年（2003-2014年），但大多数患者在较短的时间间隔内"可见"于保险记录：患者只登记在保险记录几年，几个月，或者，有时，甚至几个星期，导致"异步登记"。由于异质保险的招募做法，同时加入保险公司的群体绝不像美国普通民众的随机样本。其次，可能是由于编码标准的变化，数据集包含每年年初的 DR 年班（系统跳跃），用于人口层的一致组成。我们观察了这些疾病的转变。第三，一些美国假期导致卫生实践和报告普遍中断，这些中断在原始疾病流行图中可见一斑。第四，我们注意到大多数疾病都表现出每年周期性的流行率波动。例如，皮肤感染在夏季呈上升趋势，而上呼吸系统感染在冬季更为频繁。第五，疾病流行季节和趋势因性别和年龄组而异。最后，数据包含随机噪声（记录的疾病诊断中的时间波动），可能还有诊断编码错误。医学论文发表-
所有这些上述因素都会随着时间的推移影响诊断率的原始观察。一个天真的方法是估计原始趋势，将整个人口视为一个整体，并安装一行 DR，然后我们将其计算为诊断总数超过整个数据库的注册总数。这产生的结果与先前发表的研究结果有些不和谐。因此，我们设计了一个贝叶斯多层次的模型，解决了上述问题（图2），使我们能够推断出任何特定年龄和性别群体的潜在疾病趋势。
此外，我们根据瑞典的国家登记册对疾病季节性（和趋势）进行了建模，该登记册几乎包括了所有900万瑞典人。虽然没有提供确切的注册信息，但我们可以放心地假设几年内静态注册，因为瑞典患者只有在死亡或离开瑞典时才会被取消注册。换句话说，与美国的数据集不同，瑞典数据库不受"异步注册"问题的影响。
方法和技术
我们分别模拟了男性和女性的趋势。为了对异步患者注册进行更正，我们首先按 （1） 其注册日期（开始和结束）对所有 1.5 亿注册者进行分组：（二）患者在入学中期的年龄：和（3）患者的性别。
然后，我们确定了近百万个注册范围（年龄和性别特定的人口阶层）。每个阶层的特点是具有独特的注册间隔，例如，2003年1月1日到2004年12月31日。我们还将不同的性别分成不同的阶层，并按年龄组进一步细分患者。具体来说，我们使用了以下近似的十年年龄细分：0 到 10、11 到 20、21 到 30、31 到 40、41 到 50 和 51 到 65。65岁以上发生的索赔被丢弃，因为大多数登记者据说转投医疗保险，而65岁以上的患者的剩余记录可能是错误或不具代表性的。
对于每个人口阶层，假设潜在的线性趋势和每年重复的疾病流行季节性，我们定义了一个模型并估计其参数。然而，如果我们同时在近100万人口阶层上采用这种模式，这种办法将变得几乎难以解决。因此，我们通过使用K-手段聚类，根据注册边界的接近，将人口地层合并为较小的较大地层，从而减少了人口地层的数量。我们汇集了人口阶层，并紧密的注册边界。通过这种方式，我们获得了大约600个"软边界"人口阶层（每个年龄组100个）。每个复合层都是数百个原始的、"硬边界"人口的组合。这些复合层在注册开始和结束日期方面略有不同，通常在几个星期范围内，并且在共享注册窗口内相当均匀。考虑到贝叶斯模式的一致性，一种更强大的方法是使用贝叶斯高斯混合模型对人口地层进行聚类和合并。但是，由于需要跟踪大量变量，这种方法很快就会耗尽计算机的随机访问内存。众所周知，K-手段方法相当于高斯混合模型在某些限制配方中的硬 EM（期望最大化）实现。在这里，我们认为，K-手段聚类，选择其可扩展性，是足以模仿贝叶斯高斯混合模型的行为，并实现人口数量减少。
对于每种疾病，我们分解了 DR 趋势，对于特定性别条件的特定年龄组j的特定年龄段的特定特定特定情况的特定特定年龄段的特定人群 I，我们分解为 4 个部分：线性趋势、每年年初可能的变化、季节性术语建模周期模式以及包含所有其他影响的错误术语。(1)哪里(2)(3)(4)(5)
在上面的方程中，yi，j(t） 是年龄组j在时间点 （周） t的软绑定人口阶层 i 的 Dr 。参数αi，j和βi，j分别是潜在线性趋势的拦截和斜率。此外，1（条件）是一个指标函数，只有在输入条件为真的情况下才能评估为 1。sk和γi，j，k分别是kth 分离和换档。分离是当转变可能发生，我们假设他们都是全年开始（s1=2003年1月1日2= 2004 年 1 月 1 日...）。
请注意，对于瑞典数据库，所有登记者从一开始就可见，因此不存在"异步注册"问题，每个年龄组和性别只考虑了 1 个全包人口阶层。
我们使用 Fourier 系列，其周期为 W = 365.25/7 周，以模拟某些条件的潜在季节性。pi，j，n和qi，j，n是谐波基础。
传统的参数化"季节性术语"（Fourier 系列）便于分析的估计阶段。然而，为了解释估计数，使用傅立欧术语的以下重新参数化是直观的：(6)哪里(7)(8)
一i，j，n和φi，j，n在Eq 6是n的谐波的振幅和相位。Arctan2 对应于 2 参数弧形函数。
我们在贝叶斯框架下估计了所有参数。我们采样了先前的α值i，j和βi，j从偏斜与年龄组的正常分布–特定的位置，比例和形状。以以下方式定义了偏斜的正常分布密度功能：(9)其中φ（x）和Φ（x）分别为密度和累积分布功能，为标准正常分布。我们选择先前分布的动机是分析不同组患者的参数估计分布，它们确实类似于偏斜的正常形状。
(10)(11)
为了允许信息流经不同的年龄组，我们先从零平均高斯流程中采样位置参数：(12)(13)其中kα(j、j+）和k β(j， j+） 是指数化的二次内核，其比例和长度均来自平面超前。高斯进程之前在统一估计程序内"连接"了不同的年龄组，并允许有关疾病趋势的信息跨年龄组流动——假设类似的年龄组共享类似的趋势参数。
我们绘制了α的尺度参数i，j和βi，j从平，半高超优先，我们限制形状参数和零均值拉普拉斯分布，使比例参数不会与形状参数竞争。在我们的实验中，我们发现，形状大的偏斜常态可能与大尺度偏斜的常态类似。这种病理行为会导致低效采样。
我们抽样调查了人口以及特定年龄的变化γi，j，k从零平均拉普拉斯分布，从而纳入我们以前的信念，即转变不应该掩盖线性趋势效应。我们从零均值正常分布中对季节性基础进行了采样。
最后，为了抵消假期和庆祝活动的影响，我们应用了一个假期平滑功能，它使美国联邦假日和复活节/耶稣受难日的平均 DR。我们克服了其他未知力量使用学生t分布样本造成的异常值的存在：(14)其中位置参数。 并且是从扁平半高奇超优先中采样的天平和自由度。图 1B说明了假日平稳功能的结果。
我们使用"无 U-TURN 采样器[20]通过变异推论[45]初始化模型近似模型。一般来说，对于一个性别特定的条件，由于高维搜索空间，需要数百个CPU小时才能达到一个合理的估计——我们同时对数千个参数进行了采样。我们把这个模型应用于33个神经精神病学和47个两性感染性疾病，并试图复制和纠正不同年龄组的趋势。
一旦我们得到谐波碱p的估计i，j，n和qi，j，n如在表达（4），我们计算后谐波基础估计为全体人口(15)(16)其中w我是根据人口阶层i的大小的重量，所以，可以解释为整个人口的年龄组j谐波基础的估计。
在贝叶斯推论之后，我们获得了所有后参数分布，这使我们能够估计年度季节性不受趋势、突然变化和噪音（如假日效应）的影响。对于每个年龄/性别特定的条件，我们将原始 DR 季节性划分为超过 570 周的时间平均 DR（从 2003 年 1 月 1 日开始，表达式 （17） 和 （18）），并获得了相对波动的百分比，如主要数字所示。
(17)(18)医学论文发表-
我们试图通过从 s 中扣除s（t）来纠正所有医疗访问的基线波动都(t）表示所有条件和疾病的年度变化（S1 无花果和图 2，第 2 步下中心图）：(19)
这个程序也揭示了疾病趋势。然而，当我们仔细研究这些估计时，很明显，它们可能不会反映真正的疾病趋势，仅仅因为我们估计了准静态登记的群体的趋势——同样的人加入并离开，他们的年龄也相应上升。年龄的变化极大地影响了我们的疾病趋势估计。例如，我们观察到，一些传染病的发病率下降，因为随着儿童年龄的增长，一些儿科感染的流行率会降低。相比之下，许多心血管疾病趋势是积极的，因为老年人更容易出现。
图 2总结了我们的模型，其中与"原始"趋势对应的数据是对我们模型的输入。根据注册日期（左面板和中心面板），将"原始"趋势分解为数百个人口阶层内的趋势。该模型分别适合每个人口阶层，但仍允许在分层框架（中心面板）中跨人口阶层共享某些信息。最后，我们进行更正，并估计特定年龄组（右面板）的季节性和趋势。
最后，值得一提的是，在前 5 个（N = 5） 之后，我们根据模型选择结果 （Eqs 4和6）放弃了 Fourier 系列中的所有更高阶谐波。我们测试了N=5、15和25，以找到最佳近似模型。为了评估模型，我们计算了渡边-阿凯克信息标准（WAIC）[46]在两性中超过33种神经精神病和47种传染病的总和，发现N =5简单且足够好，可以模拟季节性（S13图）。
我们设计的 Bayesian 程序有助于通过多级模型缓解多个混淆因素，但考虑到其复杂性，它也可能存在问题。首先，我们无法证明 MCMC 的收敛性，因为我们没有估计一个参数，因此，像 Gelman–Rubin[47]或 Geweke[48]这样的诊断统计数据将适用于确定该参数的混合。每种疾病的季节性近似涉及数千个参数，因此很难确定需要多少迭代才能达到静止点。为了缓解这种担忧，我们采用了"无U-Turn"取样器，它能够快速可靠地混合 MCMC 过程[20]。更重要的是，我们检查了疾病趋势的后预期曲线和季节性，从参数的后估计恢复（如图2，步骤2，上面板上的绿线），并确认它们与输入原始趋势和季节性一致。总的来说，使用所有可用的工具，内在的季节性反映在结果中，只要我们能够。
支持信息
S1 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 1 部分。
对于每个区域分析，我们提供 DR 趋势的后估计，与原始观测趋势相比，以显示 Bayesian 模型与数据的配合程度。我们还为所有经测试的疾病的性别-年龄组提供更正和未经更正的季节性图。AK， 阿拉斯加;阿文，x：DR，诊断率;佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s001
(001)
S2 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 2 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s002
(002)
S3 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 3 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s003
(003)
S4 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 4 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s004
(004)
S5 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 5 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s005
(005)
S6 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 6 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s006
(006)
S7 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 7 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s007
(007)
S8 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 8 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s008
(008)
S9 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 9 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s009
(009)
S10 数据。所有结果图为美国 4 个高纬度州 （AK、 WA、 MT、ND 或 AWMN），整个美国，2 个低纬度州 （TX 和 FL）， 和 SE， 拆分文件第 10 部分。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿医学论文发表-
https://doi.org/10.1371/journal.pbio.3001347.s010
(010)
S1 无花果。美国 4 个高纬度州（AK、WA、MT、ND 或 AWMN）、整个美国、2 个低纬度州（TX 和 FL）和 SE 的所有医疗访问的基线季节性。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。AK， 阿拉斯加;阿文，x：佛罗里达州;蒙大拿州山;北达科他州瑞典东南部;德克萨斯州德克萨斯州;华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s011
（蒂夫）
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。
https://doi.org/10.1371/journal.pbio.3001347.s012
（蒂夫）
S3 无花果。4个高纬度州精神疾病的季节性未更正：AK、WA、MT和ND。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。AK， 阿拉斯加;蒙大拿州山;北达科他州华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s013
（蒂夫）
S4 无花果。4个高纬度州（AK、WA、MT和ND）传染病的季节性未更正。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。AK， 阿拉斯加;蒙大拿州山;北达科他州华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s014
（蒂夫）
S5 无花果。两个低纬度州（TX和FL）精神疾病的季节性未更正。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。佛罗里达州;德克萨斯州德克萨斯州
https://doi.org/10.1371/journal.pbio.3001347.s015
（蒂夫）
S6 无花果。两个低纬度州（TX 和 FL）传染病的季节性未更正。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。佛罗里达州;德克萨斯州德克萨斯州
https://doi.org/10.1371/journal.pbio.3001347.s016
（蒂夫）
S7 无花果。美国和东南地区精神分裂症相关精神病的季节性未纠正。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。瑞典东南部。
https://doi.org/10.1371/journal.pbio.3001347.s017
（蒂夫）
S8 无花果。美国和SE偏头痛的季节性未纠正。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。瑞典东南部。
https://doi.org/10.1371/journal.pbio.3001347.s018
（蒂夫）
S9 无花果。在4个高纬度州，精神疾病的季节性得到纠正：AK、WA、MT和ND。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。AK， 阿拉斯加;蒙大拿州山;北达科他州华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s019医学论文发表-
（蒂夫）
S10 无花果。4个高纬度州传染病的季节性修正：AK、WA、MT和ND。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。AK， 阿拉斯加;蒙大拿州山;北达科他州华盛顿州，华盛顿
https://doi.org/10.1371/journal.pbio.3001347.s020
（蒂夫）
S11 无花果。在两个低纬度州，精神疾病的季节性得到纠正：TX和FL。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。佛罗里达州;德克萨斯州德克萨斯州
https://doi.org/10.1371/journal.pbio.3001347.s021
（蒂夫）
S12 无花果。2个低纬度州（TX 和 FL）传染病的季节性修正。
这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。佛罗里达州;德克萨斯州德克萨斯州
https://doi.org/10.1371/journal.pbio.3001347.s022
（蒂夫）
N = 5 的模型在 33 种精神疾病和 47 种传染病中拥有最低的 WAIC 总和。它表明，更简单的模型足以模拟疾病季节性。以年轻男性抑郁为例，鉴于季节性的内在简单性，将谐波加起来无助于估计。这个数字背后的数据可以https://doi.org/10.5061/dryad.vdncjsxv6找到。威信、渡边–阿凯克信息标准。
https://doi.org/10.1371/journal.pbio.3001347.s023
（蒂夫）
确认
我们感谢E.甘农，R.梅拉梅德和M.Rzhetsky对这份手稿的早期版本的评论。
引用
00001. 1.头脑风暴联盟、安蒂拉五世、布利克-沙利文B、菲纽肯香港、沃尔特斯RK、布拉斯J等人。大脑常见疾病中共享遗传性的分析。科学。2018;360(6395).Epub 2018/06/23。下午：29930110。
· 查看文章
· 酒吧/国家比
· 谷歌学者
00002. 2.索尔伯格 Bs， 扎亚茨 T， 波塞鲁德 Mb， 哈尔莫伊 A， 恩格兰 A， 哈维克 J， 等等。精神病共病和遗传相关性模式为注意缺陷/多动障碍和自闭症谱系障碍之间的差异提供了新的见解。生物精神病学。2019;86(8):587–98.Epub 2019/06/12.下午：31182215：普梅德中央 PMCID： PMC6764861.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00003. 3.泰莉 ·Ds、孙J、赫斯·JL、塔希尔·马、夏尔马·E、马利克·R等人。基于全基因组关联数据的精神病学和免疫相关表型之间的遗传相关性。我是 J 梅德 · 吉纳特 B 神经精神病家吉纳特。2018;177(7):641–57.Epub 2018/10/17。下午：30325587：普梅德中央 PMCID： PMC6230304.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00004. 4.文 Y 、张 F 、马 X 、范 Q 、王 W 、徐 J 等人 eQTL 加权遗传相关性分析检测出复杂精神疾病遗传相关性的大脑区域差异。精神分裂症公牛。2019;45(3):709–15.Epub 2018/06/19。下午：29912442：普梅德中央 PMCID： PMC6483588.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00005. 5.贾 G ，李 Y ， 张 H ， 查托帕迪亚伊一世 ， 博克詹森 A ， 布莱尔博士等。在没有遗传数据的情况下，从大型健康数据集中估计遗传性和遗传相关性。纳特公社2019;10(1):5508.Epub 2019/12/05。下午：31796735：普梅德中央 PMCID： PMC6890770.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00006. 6.王K，盖奇H，庞H，考克斯NJ，Rzhetsky A.从共同的遗传和环境决定因素衍生的常见人类疾病分类。纳特·吉纳特2017;49(9):1319–25.Epub 2017/08/08。下午：28783162：普梅德中央 PMCID： PMC5577363.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00007. 7.汗 A， 普莱纳 - 里波尔 O， 安东森 S， 勃兰特 J， 吉尔斯 C， 兰德克 H， 等等。在美国和丹麦，环境污染与精神疾病风险增加有关。PLoS 生物 2019;17 （8）：e3000353。Epub 2019/08/21。下午：31430271：普梅德中央 PMCID： PMC6701746.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00008. 8.林 Rw， 莱维坦 Rd. 季节性情感障碍病理生理学： 评论。J 精神病学神经学。2000;25(5):469.下午：11109298
· 查看文章
· 酒吧/国家比医学论文发表-
· 谷歌学者
00009. 9.韦尔塔， 邓肯 Wc， 谢尔 L， 艾施巴赫 D， 施瓦茨 Pj， 特纳 Eh， 等等。季节性情感障碍患者季节变化的昼夜信号。阿奇将军精神病学。2001;58(12):1108–14.下午：11735838
· 查看文章
· 酒吧/国家比
· 谷歌学者
00010. 10.约翰森 C， 威利特 M， 斯梅德 C， 埃克霍尔姆 J， 保尼奥 T， 基塞佩 T， 等等。季节性情感障碍中与昼夜钟相关的多态性及其与日间偏好的相关性。神经精神病学。2003;28(4):734.下午：12655319
· 查看文章
· 酒吧/国家比
· 谷歌学者
00011. 11.李 H - j， 雷克斯 Km， 尼弗格尔特 Cm， 凯尔索 Jr， 克里普克 Df 。延迟睡眠阶段综合征与季节性情感障碍有关。J 影响分解。2011;133(3):573–9.下午：21601293
· 查看文章
· 酒吧/国家比
· 谷歌学者
00012. 12.奥黑尔 C ， 奥沙利文 V ， 洪水 S ， 肯尼 RA 。与老年人抑郁症状的季节性和气象关联：一项地理流行病学研究。J 影响分解。2016;191:172–9.下午：26655862
· 查看文章
· 酒吧/国家比
· 谷歌学者
00013. 13.奥亚内 Nm， 比耶兰 I， 帕莱森 S， 霍尔斯滕 F， 比约瓦滕 B. 季节性与焦虑和抑郁有关： 霍达兰健康研究。J 影响分解。2008;105(1–3):147–55.下午：17573120
· 查看文章
· 酒吧/国家比
· 谷歌学者
00014. 14.温索斯特WH，后WJ，梅斯特Y，彭宁克斯BW，诺伦瓦。初级保健患者和抑郁症和焦虑症患者的抑郁症和焦虑症状的季节性：荷兰抑郁症和焦虑症研究的结果。BMC精神病学。2011;11(1):198.下午：22182255
· 查看文章
· 酒吧/国家比
· 谷歌学者
00015. 15.奥韦兰 S、 沃伊奇克 W、 西科拉 L、 惠特克 K、 赫利 H 、斯基尔克韦勒 Fs 等人。抑郁症的季节性和症状：对文献的系统回顾。流行病精神病学科学. 2019：1–15.下午：31006406
· 查看文章
· 酒吧/国家比
· 谷歌学者
00016. 16.卢克曼吉 A， 威廉姆斯合资企业， 布洛克股份公司， 巴塔拉伊 A， 彭定康 Sb. 抑郁症症状的季节性变化： 加拿大基于人口的研究。J 影响分解。2019;255:142–9.下午：31150944
· 查看文章
· 酒吧/国家比
· 谷歌学者
00017. 17.哈马茨MG，以及广告，过树CE，川村KY，罗萨尔M，奥肯IS.抑郁症和其他情绪的季节性变化：纵向方法。J 生物节奏。2000;15(4):344–50.下午：10942266
· 查看文章
· 酒吧/国家比
· 谷歌学者
00018. 18.IBM沃森健康。IBM 市场扫描研究数据库 2019。提供自： https://www.ibm.com/downloads/cas/4QD5ADRL.
00019. 19.卢德维格森 Jf， 安德森 E， 埃克博姆 A， 费希廷 M， 金 J - l， 鲁特沃尔 C， 等等。瑞典国家住院登记册的外部审查和审定。BMC 公共卫生。2011;11(1):450.下午：21658213
· 查看文章
· 酒吧/国家比
· 谷歌学者
00020. 20.霍夫曼·梅德，盖尔曼无 U 型转式采样器：在汉密尔顿蒙特卡洛自适应设置路径长度。J 马赫学习 Res. 2014;15：1593–623.沃斯：000338420000013。
· 查看文章
· 谷歌学者
00021. 21.巴拉苏布拉马尼亚 M， 施瓦茨埃尔。异位算法和拓扑稳定性。科学。2002;295(5552):7.下午：11778013
· 查看文章
· 酒吧/国家比
· 谷歌学者
00022. 22.美第奇CR，维斯特加德CH，哈齐-帕夫洛维奇D，蒙克-约尔根森P，帕克G.季节性变化住院狂躁症：检查与天气变量随着时间的推移的关联。J 影响分解。2016;205:81–6.下午：27423064医学论文发表-
· 查看文章
· 酒吧/国家比
· 谷歌学者
00023. 23.塞贝斯蒂安 B， 里默 Z， 巴林特 L， 佐孔托尔 N， 贡达 X， 贾马蒂 B， 等等。1998-2006年匈牙利与抗抑郁药使用有关的季节变化，自杀死亡率发生变化。世界 J 生物精神病学。2010;11(3):579–85.Epub 2010/03/12.下午：20218927。
· 查看文章
· 酒吧/国家比
· 谷歌学者
00024. 24.波斯托拉奇 Tt， 兰根伯格 P， 齐默尔曼萨， 拉皮杜斯 M， 科马罗 H， 麦当劳 Js， 等等。过敏和焦虑症状严重程度的变化与反复情绪障碍患者的正相关，这些患者暴露于航空过敏原的季节性高峰。国际 J 儿童健康悍马开发 2008：1 （3）：313–22.Epub 2008/01/01。下午：19430577：普梅德中央 PMCID： PMC2678838.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00025. 25.皮尔科拉 S， 埃里克森哈， 帕托宁 T， 基塞帕 T， 维约拉 J， 贾斯凯莱宁 E， 等等。北极地区高危人群双相情感障碍和其他临床症状的季节性变化。国际 J 环极健康。2015;74.ARTN 29671.沃斯：000369579600001。下午：26589395
· 查看文章
· 酒吧/国家比
· 谷歌学者
00026. 26.施瓦茨PJ.克里斯康奈尔，黑洞太阳，和自杀的季节性。神经心理学生物学。2019;78(1):38–47.Epub 2019/03/29。下午：30921807：普梅德中央下午： Pmc6549453 。
· 查看文章
· 酒吧/国家比
· 谷歌学者
00027. 27.庄 Pm， 罗克洛夫 J， 江 Kb， 尼尔森 M. 季节性住院的精神障碍在河内， 越南。球状健康行动。 2016;9：32116.Epub 2016/08/28.下午：27566716：普梅德中央 PMCID： PMC5002036.
· 查看文章
· 酒吧/国家比
· 谷歌学者
00028. 28.布拉德维克 L， 伯格伦德 M. 酒精中毒自杀的季节性分布。2002年：106（4）：299-302年精神病医生扫描。Epub 2002/09/13.下午：12225497。
· 查看文章
· 酒吧/国家比
· 谷歌学者
00029. 29.莱文 · 梅， 达菲 · Lk， 鲍耶 Rt. 疲劳， 睡眠和季节性激素水平： 对北方气候饮酒行为的影响。药物公司 1994：8（2):61–70.
· 查看文章
· 谷歌学者
00030. 30.德格拉夫 R， 范多尔塞勒 S， 十有 M， 肖梅克 C， 沃勒伯格瓦。海洋气候国家一般人口精神障碍的季节性变化：荷兰心理健康调查和发病率研究的结果。Am J 流行病 2005：162 （7）： 654–61.下午：16120704
· 查看文章
· 酒吧/国家比
· 谷歌学者
00031. 31.戴维斯 G， 韦勒姆 J， 钱特 D， 托里 Ef， 麦克格拉斯 J 。精神分裂症出生研究北半球季节的系统回顾和元分析。精神分裂症公牛。2003;29(3):587–93.下午：14609251
· 查看文章
· 酒吧/国家比
· 谷歌学者
00032. 32.主要精神疾病的免疫学病因学：证据和治疗意义。药物。2005;65(11):1493–520.Epub 2005/07/22。下午：16033289。
· 查看文章
· 酒吧/国家比
· 谷歌学者
00033. 33.杰夫罗伊PA，贝利维尔F，斯科特J，Etain B.季节性和双相情感障碍：系统审查，从入院率到季节性症状。J 影响分解。2014;168:210–23.下午：25063960
· 查看文章
· 酒吧/国家比
· 谷歌学者
00034. 34.埃斯科特 - 普莱斯 V， 史密斯 Dj， 肯德尔 K， 沃德 J， 基洛夫 G， 欧文 Mj， 等等。在英国生物银行群体中，精神分裂症和出生季节的多基因风险。心理医生 2019;49 （15）： 2499–504.下午：29501066
· 查看文章
· 酒吧/国家比
· 谷歌学者
00035. 35.伍尔夫 K， 迪克 D - j， 米德尔顿 B， 福斯特 Rg， 乔伊斯 Em 。精神分裂症的睡眠和昼夜节律中断。布尔 J 精神病学。2012;200(4):308–16.下午：22194182
· 查看文章
· 酒吧/国家比
· 谷歌学者
00036. 36.拉奥 · 姆勒、格罗斯 · 格、斯特雷贝尔 B 、哈拉里斯 A 、胡伯 G 、布吕尼格 P 等人。色氨酸、血清素、褪大素和精神分裂症垂体激素的昼夜节律。生物精神病学。1994;35(3):151–63.下午：7909693医学论文发表-
· 查看文章
· 酒吧/国家比
· 谷歌学者
00037. 37.蒙蒂 Jm， 巴哈马阿斯， 潘迪 - 佩鲁马尔 Sr， 布罗蒙特五世， 斯彭斯 Dw， 红衣主教 Dp， 等等。精神分裂症的睡眠和昼夜节律调节不良。普罗格神经心理药剂生物精神病学。2013;43:209–16.下午：23318689
· 查看文章
· 酒吧/国家比
· 谷歌学者
00038. 38.所罗门 Gd. 循环节奏和偏头痛。克莱夫·克林 J Med. 1992;59 （3）： 326–9.下午：1516220
· 查看文章
· 酒吧/国家比
· 谷歌学者
00039. 39.翁 Jc， 泰勒 Hl， 公园 M， 伯吉斯 Hj， 福克斯 Rs， 斯奈德 S， 等等。昼夜节律失调会加剧偏头痛吗？头痛。2018;58(7):1040–51.下午：29727473
· 查看文章
· 酒吧/国家比
· 谷歌学者
00040. 40.草NC，弗雷泽C.季节性传染病流行病学。2006年，273（1600）：2541–50。下午：16959647
· 查看文章
· 酒吧/国家比
· 谷歌学者
00041. 41.马丁内斯我。流行病日历：传染病的季节性周期。普洛斯 · 帕托格2018：14 （11）：e1007327。下午：30408114
· 查看文章
· 酒吧/国家比
· 谷歌学者
00042. 42.温昌克 Ds， 比伦加 D， 拉默斯 F， 布朗蒂， 温索斯特 Wh， 沃格尔 Sw， 等等多动症， 昼夜节律和季节性。J 精神病患者 Res. 2016;81：87–94.下午：27423070
· 查看文章
· 酒吧/国家比
· 谷歌学者
00043. 43.哈卡拉宁 R、 约翰森 C、 基塞佩 T、 帕托宁 T、 科斯肯武 M、 卡普里奥 J 等人。患有双相情感障碍的双胞胎的季节变化、睡眠时间和昼夜偏好。BMC精神病学。2003;3(1):6.下午：12795811
· 查看文章
· 酒吧/国家比
· 谷歌学者
00044. 44.萨勒诺 · 杰普美国青少年普遍以学校为基础的心理健康意识方案的有效性：系统审查。J 施健康。2016;86(12):922–31.下午：27866385
· 查看文章
· 酒吧/国家比
· 谷歌学者
00045. 45.库库克尔比尔 A， 特兰 D， 兰加纳斯 R， 盖尔曼 A， 布莱 Dm. 自动分化变化推论。J 马赫学习 Res. 2017：18 （1）： 430–74.
· 查看文章
· 谷歌学者
00046. 46.渡边S.贝叶斯交叉验证的无同等价物和奇异学习理论中广泛适用的信息标准。J 马赫 学习 Res. 2010;11：3571–94.沃斯：000286637200010。
· 查看文章
· 谷歌学者
00047. 47.盖尔曼 A， 鲁宾 · 德布使用多个序列从迭台模拟中推断。统计科学 1992;7：457–511.
· 查看文章
· 谷歌学者
00048. 48.Geweke J. 评估基于采样的计算后时刻方法的准确性。明尼阿波利斯联邦储备银行，明尼阿波利斯研究部，明尼苏达州;1991.