论文部分内容阅读
目的流感病毒传播迅速,具有季节性,而流感的季节性和传播性往往与气象因素有关,并具有时空特异性。通过分析兰州市2014-2017年流感病例的流行特征,探讨气象因素对流感病例的影响,用时间序列分析的方法构建兰州市流感病例的预测模型,并对2018年1月-2019年12月兰州市流感病例的发生进行预测,为流感的预测和防控提供科学依据。方法收集2014-2017年兰州市流感病例监测资料和2014-2019年的气象数据,在R 4.1.2软件环境下,采用R软件进行编程实现可视化。采用描述性流行病学方法对疾病资料和气象资料进行特征描述和分析,并用Mann Kendall趋势检验分析兰州市2014-2019年月均气象因素的变化趋势。通过Spearman秩相关分析气象因素与流感病例之间的相关性,将具有相关性的气象因素纳入分布滞后非线性模型（DLNM）分析其对流感病例的影响;利用2014-2016年的流感数据的原始序列,建立流感病例自回归移动平均模型（ARIMA）,通过对2017年1月-12月兰州市流感病例的拟合,分析比较外部因素引入前后模型的拟合优度和预测精度;最后将兰州市2014年1月-2017年12月日流感病例数和2014年1月-2019年12月日气象数据带入模型进行预测。结果1.2014-2017年兰州市共报告流感病例2930例,2016年共报告1222例,占总病例数的41.71%;兰州市流感病例具有季节性流行的特点,病例主要集中在冬季（12月-次年2月）。男性病例多于女性,男女比例为1.17（1581:1349）;5-14岁组流感病例最多,为1070例,占总流感病例的36.50%,其次为25-49岁年龄组人群,739例（25.22%）;15-24岁组的流感病例最少,121例（4.13%）,15岁以下的儿童流感病例占总流感病例数的59.37%;不同职业分布中,学生、农民、散居儿童位于流感病例的前三位（累计占比78.13%）,其中学生共953例,占总病例的32.53%。2.2014年1月-2019年12月月平均风速呈现下降趋势,P=0.0066,slope95%CI=-0.0025（-0.0044,-0.0006）,其余气象因素的变化均无统计学意义。各气象因素均与流感病例呈非线性滞后模式,较低（843-848pha）和较高（850-855hpa,＞861hpa）的气压、低温（＜13°C）、低相对湿度（22-32%）和高相对湿度（62-84%）、高降水量（＞10mm）,以及低风速（＜0.5m/s）和高风速（＞2.1m/s）都能够增加流感发病的风险。在选定的滞后期内最大的RR值分别为:Lag:9,气压为835.5 hpa[RR（95%CI）=1.854（1.046,3.289）];Lag:1,日平均温度为-12°C[RR（95%CI）=1.721（1.075,2.756）];Lag:13,相对湿度为96%[RR（95%CI）=12.209（2.705,55.100）];Lag:7,降水量为20mm[RR（95%CI）=1.790（1.075,2.981）];Lag:5,风速为2.85m/s[RR（95%CI）=5.162（3.417,7.799）];其中低温是季节性流感传播强度增加的重要驱动因素。3.拟合不同参数的ARIMA（p,d,q）×（P,D,Q）s模型,其中单变量ARIMA（1,0,0）（1,0,1）[12],AIC最小值为445.80,RMSE最小为102.56。将月平均温度的值纳入模型后AIC值为441.34,RMSE最为98.05,且多变量预测模型对2017年1月-12月兰州市流感病例的拟合较单变量优良,表明引入气象参数后模型的拟合优度和预测精度均提高。预测结果显示2018年1月-2019年12月兰州市流感病例数为1619.29例,2018年1月-12月共762.85例,2019年1月-12月共856.44例,流感病例呈现上升趋势。结论2014-2017年兰州市流感病例具有冬季高发,夏季少的特点;男性病例多于女性,5-14岁的人群流感病例最多;学生、农民、散居儿童位于流感病例不同职业的前三位（累积占比78.13%）。较低（843-848pha）和较高（850-855hpa,＞861hpa）的气压、低温（＜13°C）、低相对湿度（22-32%）和高相对湿度（62-84%）、高降水量（＞10mm）,以及低风速（＜0.5m/s）和高风速（＞2.1m/s）是流感病例的危险因素;其中低温是季节性流感传播强度增加的重要促进因素,基于平均温度的ARIMAX（1,0,0）（1,0,1）[12]多变量模型较单变量模型具有更好的预测性能;预测结果发现2018年1月-2019年12月兰州市流感病例数为1619.29例,呈现上升趋势,所以相关部门应继续加强对流感的防控措施。