R语言dlnm包在时间序列空气污染数据的分布滞后线性和非线性模型对分类变量预测绘图

粉丝私信要求我复现一篇大概11分左右的文章图片

文章名字是：Exploring Health Effects under Specific Causes of Mortality Based on 90 Definitions of PM2.5 and Cold Spell Combined Exposure in Shanghai, China（基于中国上海PM2.5和寒流联合暴露的90个定义探讨特定死因下的健康影响）。

作者表明空气污染和低温都是很重要的导致心血管疾病死亡率增加的因素，因此作者模拟了不同PM2.5和低温的场景，表明了空气污染和低温对死亡率的影响，文章的主要图片是它的图3，作者模拟了很多个场景

下面咱们复现一下这个图片的绘制方法，由于我没有作者的数据，就用芝加哥空气污染和死亡数据代替，咱们先导入数据和R包

library(dlnm)
library(splines)
library(tsModel)
library(ggplot2)
library(Hmisc)
bc<-read.csv("E:/r/test/chicago4.csv",sep=',',header=TRUE)

我们先来看看数据的构成，death：死亡人数 (per day)，pm10：大气污染物pm10的中位数值， o3：臭氧的中位数值，time：天数，这里就是我们的时间，temp：华氏温度，date：日期
我们先看下文章：Exploring Health Effects under Specific Causes of Mortality Based on 90 Definitions of PM2.5 and Cold Spell Combined Exposure in Shanghai, China中的表格

本文为转载文章，全文地址如下：https://mp.weixin.qq.com/s?__biz=MzI1NjM3NTE1NQ==&mid=2247490011&idx=1&sn=34c15a8f4cb3cf42d16ad5894637cfa8&chksm=ea26f9c7dd5170d199babb06437930cc814c4b7c8a65349b0d9f18a9d10eca0444927fc1ad1b#rd