论文部分内容阅读
研究目的:1、描述2013-2019监测年度桂林市流感的监测结果,并对其流行趋势以及流行强度进行分析总结。2、定量分析气象因素对桂林市实验室确证流感病例以及不同型别流感影响的阈值效应和滞后效应。3、探讨气象因素交互作用对桂林市实验室确证流感病例的影响。研究方法:1、收集2013年4月1日至2019年3月31日期间桂林市流感样病例(ILI)和病原学监测数据,以及同期的气象资料,采用描述性流行病学方法对数据进行分析。2、使用移动流行区间法(MEM)制定2018-2019年度流感流行强度阈值,利用灵敏度、特异度和约登指数等指标评价该方法的应用效果。3、使用Spearman秩相关分析气象变量之间以及各气象变量与实验室确证流感病例数之间的相关性。4、使用分布滞后非线性模型(DLNM)探讨气象因素对流感影响的阈值效应和滞后效应,并利用广义相加模型(GAM)探讨气象因素间的交互作用。研究结果:1、2013-2019年度桂林市哨点医院ILI就诊率(ILI%)为3.96%,各监测年度报告的ILI%差异有统计学意义(x2=24,007.67,P<0.001)。0～4岁人群中ILI病例数最多,其次为5～14岁年龄组。研究期间桂林市网络实验室ILI标本检测阳性率为14.94%。各监测年度的阳性率差异有统计学意义(x2=226.19,P<0.001)。研究期间各年度流感优势病毒流行状况不同,所有季节性流感亚型均能检测到,并交替占优势。MEM结果显示2018-2019年流感季的流行前阈值和流行后阈值分别为20.04和12.63;中、高、极高三个强度阈值分别为32.66、50.92和61.96,且模型总体应用效果较好。2、研究期间平均气温、绝对湿度和日照时数与实验室确证流感病例数呈负相关(均P<0.01);相对湿度、平均气压和降雨量与实验室确证流感病例数呈正相关(均P<0.05)。3、以各气象因素的中位数作为参考值,各气象因素均与实验室确证流感病例数呈非线性滞后模式,总体累积滞后效应结果显示,低气温(<22℃)、高相对湿度(>79%)、较低(7mb～11mb)或较高(17mb～23mb)的绝对湿度、高气压(>1018 hpa)、降雨(>0mm)、较短(Oh～2h)或较长(8h～9h)的日照时数能够增加流感发病的风险。在特定气象变量的累积效应方面,低温(7℃)的累积效应延迟且持续时间长,滞后21d时最大,累积相对危险度(RR)为3.54(95%C1:1.75～7.16);高温(30℃)的累积效应在滞后1d即达到峰值,累积RR值为1.46(95%C1:1.13～1.88),随后快速下降。低相对湿度(46%)和高相对湿度(93%)的累积效应持续时间短暂,累积RR值最大分别出现在滞后5d(RR=1.36,95%C1:1.02～1.82)和滞后 14d(RR=1.68,95%C1:1.15～2.44)。低绝对湿度(8mb)和高绝对湿度(22mb)的累积效应都在滞后21d达到峰值,累积RR值分别为 2.10(95%C1:1.13～3.83)和 2.22(95%C1:1.30～3.83)。高气压(1020hpa)的累积效应持续时间短,滞后16d时,累积RR值最大,为14.10(95%C1:1.23～161.64)。高降雨量(34mm)的累积效应持续时间长,在滞后14d时,累积RR值最大,为2.85(95%Cl:1.68～4.84)。短日照时数(0h)和相对较长日照时数(8h)的累积效应持续时间长,滞后 21d 时累积 RR 值最大,分别为 2.95(95%C1:1.43～6.09)和 4.10(95%C1:1.72～9.78)。各气象因素对不同型别流感的影响存在差异,低温、高相对湿度是FluA和FluB发病的危险因素,而绝对湿度、气压、降雨量和日照时数主要呈现对FluA发病的影响。4、交互模型结果显示低温与低相对湿度、低温与高相对湿度、高温与高降雨量、低相对湿度与低气压、低绝对湿度和低日照时数、高绝对湿度与高日照时数同时出现时会造成桂林市实验室确证流感病例数增加。结论:1、桂林市流感活动高峰主要集中在每年的夏季和冬春季。0～4岁人群是流感发病的高危人群,其次为5～14岁年龄组。2、各气象因素均与实验室确证流感病例数呈非线性滞后模式,低气温(<22℃)、高相对湿度(>79%)、较低(7mb～11mb)或较高(17mb～23mb)的绝对湿度、高气压(>1018 hpa)、降雨(>0mm)、较短(0h～2h)或较长(8h～9h)的日照时数能够增加流感发病的风险。3、气温与相对湿度、气温与降雨量、绝对湿度与日照时数、相对湿度与大气压之间存在交互作用。