Mục tiêu nghiên cứu: Phân tích chuỗi thời gian được sử dụng phổ biến trong các nghiên cứu dịch tễ học môi trường
đặc biệt trong việc đánh giá tác động tức thời (short-term effect) giữa ô nhiễm không khí bên ngoài và tình trạng sức khoẻ. Phương pháp nghiên cứu: Nghiên cứu sử dụng số liệu gồm biến phụ thuộc và độc lập được ghi nhận theo ngày (ví dụ như số ca nhập viện hằng ngày và nồng độ chất ô nhiễm hằng ngày), để đánh giá sự thay đổi của biến độc lập lên biến phụ thuộc trong một thời gian ngắn. Kết quả: Trong bài báo này, chúng tôi mô tả các bước thực hiện phân tích chuỗi thời gian và những điểm cần lưu ý khi phân tích mối tác động ngắn hạn giữa ô nhiễm không khí bên ngoài và số ca nhập viện. Nghiên cứu sử dụng số liệu trong nghiên cứu đánh giá tác động của ô nhiễm không khí bên ngoài lên sức khỏe trẻ em để làm ví dụ minh họa. Chúng tôi cũng trình bày các câu lệnh dùng để xây dựng mô hình trên phần mềm R và cách phiên giải số liệu ở dạng cơ bản. Kết luận và khuyến nghị: Cần mô hình hóa tính mùa và tác động dài hạn, mối quan hệ tính tự tương quan và xử lý được các tác động của biến nhiễu. Mô hình này có thể tận dụng được các số liệu ghi nhận hằng ngày để đánh giá những tác động theo thời gian hoặc can thiệp.Time series has been widely used in environmental epidemiology
especially in identifying the short-term associations between ambient air pollution and health outcomes. For both exposure and outcome, data are available at regular time intervals (daily hospital admissions and pollution levels) to explore short-term associations between them. In this article, we described main steps to conduct time series regression and highlighted some key ideas when applying this technique. A sample data was used to investigate short-term association between PM10 and daily hospital admission among children in Hanoi between 2008 and 2016. This analysis was conducted with R software.