目的:建立适用于青海省的流感预警系统,利用流感预警系统,确定流感流行阈值、预测流感流行状态、了解各气象因素对流感流行的影响,为青海省流感防控工作提供理论依据。方法:1.通过《中国流感监测信息系统》获得青海省2013年14周至2020年13周的流感监测数据,按研究所需格式,进行整理。利用MEM模型处理2013年14周至2019年13周的流感病毒检出阳性率数据,获得流感流行阈值和分级强度阈值,通过灵敏度、特异度、约登指数等指标,评估模型效果,再利用获得的流感流行阈值和分级强度阈值对2019年14周至2020年13周青海省流感流行强度进行评估。2.通过中国气象数据共享网站获得气象数据,按研究所需格式,进行整理。利用LSTM模型拟合2013年14周至2019年13周气象数据、流感病毒检出阳性率数据,建立模型。利用模型对2019年14周至2020年13周流感病毒检出阳性率进行预测,获得RMSE,验证模型效果。3.通过相关性分析、共线性分析对数据进行处理,确定纳入模型的气象因素。将流感病毒检出阳性率数据、流感样病例数据分别与气象数据拟合,建立DLNM模型。对获得的DLNM模型进行比较,确定最优模型,利用最优模型确定各气象因素对流感流行的影响、延迟效应。结果:1.通过MEM模型获得相应的流感流行阈值和分级强度阈值,流行开始阈值、流行结束阈值、中强度阈值、高强度阈值、极高强度阈值分别为16%、7%、29%、48%、60%。本研究的灵敏度为93%、特异度为96%,模型拟合效果较好。2.建立LSTM模型,通过训练,损失函数降至0.05,RMSE为0.126,预测效果相对较好。3.本研究中,流感样病例多变量DLNM模型的效果较好。较高气温、较低气温在延迟0-1周时,使流感的相对危险度升高。低平均相对湿度在延迟1周、4周时,使流感的相对危险度升高。不同风速在延迟1-2周时,都会使流感的相对危险度升高。较短的日照时数在延迟2周时,使流感的相对危险度升高。较长的日照时数在延迟0周时,使流感的相对危险度升高。较高的降水量在延迟4周时,使流感的相对危险度升高。结论:本研究建立了适用于青海省的流感预警系统。本次研究建立的MEM模型在青海省具有较高的灵敏度、特异度,MEM模型所获得流感流行阈值可运用于青海省全省,适用性较强。本次研究建立的LSTM模型效果较好,可以对青海省各市州的流感流行状态进行较为精确的预测。本研究显示气象因素和流感的传播之间存在关联,较低平均气温、较高平均气温、较大温差、较低平均相对湿度等情况均会导致流感的相对危险度升高。