论文部分内容阅读
目的水痘(varicella)是由水痘-带状疱疹病毒(Varicella-zoster virus,VZV)感染引起的一种高传染性疾病,本课题通过对2007～2016年青岛市水痘流行特征进行深入分析,为青岛市水痘防控工作提供基础数据。方法1、通过中国疾病预防控制信息系统收集2007～2016年青岛市水痘病例资料,使用描述性研究方法对青岛市水痘病例的时间分布、地区分布以及人群分布进行分析。数据的整理分析使用excel 2007和SPSS 18.0软件,多组率之间比较采用χ检验。2、运用SPSS18.0软件对2007～2015年水痘月发病数进行建模,然后根据最优模型对2016年青岛市水痘月发病数进行预测,并将2016年水痘实际月发病数与模型预测的结果进行比较、分析。3、根据青岛各地区2007～2016年水痘年均发病率数据,通过ArcGIS10.0软件进行全域自相关分析和局域自相关分析,以探索青岛市水痘发病的空间分布模式,确定高发区和低发区。结果1、2007～2016年,青岛市水痘年发病率分别为27.78/10万、32.76/10万、37.30/10万、32.10/10 万、35.63/10 万、31.27/10 万、31.92/10 万、28.80/10 万、32.47/10 万、31.37/10万,发病波动平稳,无变化趋势(χ趋势=,P)。圆分布分析显示水痘发病高峰期为11月17日至次年6月14日(Z=,P<)。各区市均有病例,以城区为主。病例男女比为1.26:1,各年份男性发病率均高于女性(P<)。各年龄组均有病例,5～9岁组年均发病率最高(153.80/10万)。各类职业中,学生病例最多(50.30%),其次为学龄前儿童(25.51%)。2、青岛市2007～2015年水痘月发病数时序图经过1阶季节性差分后成为平稳序列,然后通过白噪声检验、模型识别、参数估计和BIC准则等一系列步骤,最终确定模型SARIMA(1,0,0)×(1,1,0)12为最优模型。通过该最优模型对青岛市2016年水痘月发病数进行预测,结果发现模型SARIMA(1,0,0)×(1,1,0)12预测性能良好,平均相对误差为11.51%。3、全域自相关分析中Moran’s Ⅰ统计量显示青岛市水痘发病具有一定的空间聚集现象(Moran’s Ⅰ,P<0.05),Getis-Ord General G统计量进一步分析发现该聚集为高值聚集(ZG=2.093459,P<0.05)。局域自相关分析中Local Moran’s I(P<0.05)和局域热点分析(P<0.05)均显示市北区、李沧区为高-高值区域,即墨市、平度市均为低-低值区域。结论1、10年来青岛市水痘发病总体平稳,以城区为主,学龄儿童为高发人群。应进一步提高监测质量,同时提高公众防病意识。2、运用时间序列分析可有效对青岛市水痘月发病情况进行预测,预测的整体趋势和实际情况基本吻合。3、借助地理信息系统可对青岛市水痘发病的空间分布特征进行深入分析,从而科学指导疫情防控工作。