发热伴血小板减少综合征(severe fever with thrombocytopenia syndrome,SFTS)是一种新发现的自然疫源性疾病。由于预防措施的缺乏,该病的发病率在东亚、东南亚以及北美等地区呈现不断上升的趋势。除发病率趋势不断上升外,该病在其流行初期所具有的高病死率也引发了研究领域以及公众领域的广泛关注。自首例SFTS患者确诊以来,我国SFTS病例的分布范围不断扩大,截止2016年,全国共有23个省份报道了 SFTS的病例,SFTS的流行区域多位于中国的东部以及中部,根据一项2010至2016年期间的SFTS流行病学报道,山东省报告的SFTS病例居全国第二位,其报道的SFTS病例数占到了全国总报告数量的26.6%。然而目前关于山东省SFTS的研究较少,对该病的许多未知的影响因素仍处于不断探索的阶段。本研究基于山东省2011-2017年网络直报系统及主动监测数据库,探索山东省SFTS病例流行病学特征,揭示其性别、年龄以及职业在时间和空间上分布的差异;利用空间贝叶斯模型探索可能影响SFTS病死率的空间随机效应、个体因素以及环境因素;基于相空间重构理论和长短期神经网络构建SFTS病例的前瞻性预测预警模型,为山东省以及全国SFTS防控策略的制定提供理论基础和技术支持。主要研究结果:1.流行病学特征:2011-2017年山东省共报告了 SFTS病例3238例,死亡病例264例,平均病死率为8.31%;SFTS病例中男性共1615例,死亡150例,病死率为9.29%,女性共1623,死亡114例,病死率为7.02%,性别之间的病死率差异显著(χ2=3.89,P<0.05);SFTS病例主要分布于40岁以上年龄组中,主要累及农民群体;疫区主要分布于山东省中部和东部沿海区域,每年发病人数大于十的县区之间的性别构成存在差异;山东省SFTS监测序列具有明显的季节趋势,每年的5-10月为SFTS发病峰值区间,且呈双峰分布。2.病死率影响因素:SFTS的死亡病例在空间上呈现聚集趋势,聚集区散在分布于山东省中部以及东部区域,其位置随时间而变化;基于2011-2015年期间监测数据建模后发现,2011年的降水量以及2012和2014年的年龄因素与SFTS病死率之间存在正相关关系,其余影响因素尚无统计学意义。3.预测模型构建:对未来52周SFTS的病例数进行预测后发现,基于相空间重构的长短期神经网络模型外推预测效果最佳,RMSE为5.54,MAE为3.46,其次为基于原始序列构建的长短期神经网络模型,RMSE为6.16,MAE为4.13,最后是ARIMA模型,RMSE为6.45,MAE为5.10;以RMSE为标准,基于相空间重构的模型相对于原始序列的神经网络模型以及ARIMA模型其精度分别提升了 10%和15%;以MAE为标准时,其精度分别提升了 16%和32%。结论:1.根据山东省2011-2017年SFTS病例的特点以及时空分布特征,预防措施的实施应以中老年农民群体为主,且需对男性病死率显著高于女性的现象进行探索;预防措施的实施应以山东省中部以及东部沿海地区SFTS疫情较为严重的县区为主,且干预措施需要在每年的5-10月的两个峰值期来临前进行。2.SFTS死亡病例的发生位置具有显著的空间效应,是今后预防策略实施的重要区域;尚不能推断在2011-2015期间每年性别都是影响SFTS病死率的因素,除2012及2014年外,其余年份尚不能推断年龄是影响SFTS病死率的因素,除2011年降水量外,其余环境因素尚不能建立与SFTS病死率之间的关联。3.基于相空间重构的长短期神经网络模型具有良好的预测性能,可以为今后SFTS病例的前瞻性预测提供技术支持。