论文部分内容阅读
目的:细菌性痢疾流行因素复杂,发病率一直处于较高的水平,儿童和老年人的细菌性痢疾疾病负担较重。抗生素的大量滥用导致志贺菌对常用的抗生素产生了很高的耐药性,甚至出现多重耐药的现象。高发病率和抗生素耐药性使细菌性痢疾的治疗效果下降,有效地控制细菌性痢疾的流行已经成为亟待解决的公共卫生问题之一。通过对我国细菌性痢疾监测资料的分析,探寻细菌性痢疾的高发地区,建立科学、合理的细菌性痢疾发病预测模型,为细菌性痢疾疫情的预测分析提供科学依据;检索已发表的相关文献,利用Meta分析方法定量综合研究之间的不同结果,探究气象因素与细菌性痢疾发病关系,分析不同气象因素对细菌性痢疾发病的影响;进而基于结构方程模型(Structural equation modelling,SEM)方法对具有温带大陆性季风气候,四季分明等特征的典型东北城市辽宁省朝阳市的气象因素和细菌性痢疾的发病关系进行量化分析,通过对温度、日照、气流和湿度等气象因素与细菌性痢疾发病率的影响分析,了解气象因素对细菌性痢疾发病率的综合影响,为公共卫生部门在提高公众健康意识和细菌性痢疾预防等方面做决策时,提供相关意见和建议。研究方法:在细菌性痢疾发病趋势的预测研究中,本次研究从公共卫生科学数据中心收集我国2004-2016年细菌性痢疾发病特征的监测资料,利用层次聚类分析方法判断疾病高发地区,分别采用指数平滑法、GM(1,1)模型、ARIMA模型和加权组合模型四种方法对2004-2015年细菌性痢疾发病数据进行拟合并比较2016年细菌性痢疾发病数的预测效果,进而选择合适的预测模型。此外,本次研究还分别利用了Meta分析和结构方程模型(Structural equation modelling,SEM)方法对气象因素与细菌性痢疾发病关系进行定量分析。全面系统的检索Pub Med、Web of Science、中国知网期刊数据库(CNKI)、万方数据库(Wan Fang Data)以及中国生物医学文献数据库(CBM)中2019年9月1日以前所有细菌性痢疾发病和气象因素(平均气温、平均最高气温、平均最低气温、降雨量、平均相对湿度)有关的文献,对不同研究之间的结果进行定量综合。最后,选择典型东北城市辽宁省朝阳市,基于结构方程模型方法对朝阳市1981年至2010年气象因素与细菌性痢疾发病率的关系进行量化分析,通过朝阳市疾病预防控制中心获得每月发生细菌性痢疾的数据,从朝阳市气象局获得每月的气象资料,对细菌性痢疾发病率进行对数转换,运用Pearson相关分析探讨气象变量与细菌性痢疾月发病率的相关性,采用SEM研究气象变量对细菌性痢疾发病率的影响。在建立假设模型时,其中包括四个潜在的气象变量:温度,湿度,日照和气流。温度系数包括平均气温、最高气温、最低气温、平均地温、最高地温和最低地温;湿度系数包括月平均蒸发量、绝对湿度、相对湿度、最大冻土深度、气压、非降水天数、最大降水量、降水量、最大积雪厚度和最大积雪天数;日照因素包括月平均日照强度、平均日照率和平均日照时数;气流因素包括月平均风速和风向。本研究采用R软件factoextra包进行聚类分析,forecast包构建指数平滑模型,greyforecasting包构建GM(1,1)模型,Metrics包、tseries包和forecast包进行构建ARIMA模型,meta包进行Meta分析,此外本研究还采用SPSS 13.0软件对气象因素进行因子分析,检验结构效度,使用Lisrel 8.5构建结构方程模型。结果:研究结果表明,细菌性痢疾发病数总体呈下降趋势,2004-2016年全国累计报告细菌性痢疾病例3602639例,2004年7月报告病例最多91559例,发病率7.0820/10万,2016年2月报告病例最少5184例,发病率0.3831/10万。菌痢发病具有明显的季节性,每年的7月和8月为高发时间。层次聚类分析结果显示,2016年细菌性痢疾各省市发病率可分为3类,第一类高发病率组(北京市、天津市),第二类中发病率组(甘肃、重庆市、宁夏、西藏),其余各省、市及自治区为低发病率组。指数平滑模型、GM(1,1)模型、ARIMA模型和组合预测模型的拟合效果比较,RMSE,MER和R2指标均提示,ARIMA(1,1,1)(2,1,1)12模型拟合效果最好,加权组合模型次之,指数平滑模型拟合效果最低。预测效果比较,ARIMA模型相对误差最小。选择ARIMA(1,1,1)(2,1,1)12模型进行预测,我国2017—2018年细菌性痢疾的年发病数依次为106404、94530人。Meta分析研究中,筛选获得29篇文献,其中有8篇英文,21篇中文,发表时间范围为2003年至2019年,调查时间范围为1949年至2016年,研究地点全部在中国,包括温带和亚热带两种类型。根据STROBE声明,本次纳入的29个研究得分在16分到20分之间,研究质量比较均衡。平均气温与细菌性痢疾的相关系数r(95%CI)为0.644(0.567,0.710),平均最低气温为0.557(0.416,0.672),平均最高气温,平均降雨量和平均相对湿度的相关系数r(95%CI)分别为0.550(0.407,0.667),0.401(0.326,0.471),0.239(0.168,0.307)合并效应值均有统计学意义,敏感性分析显示研究结果稳定可靠。气象因素和细菌性痢疾关系的结构方程模型拟合结果显示RMSEA=0.08,GFI=0.84,CFI=0.88和SRMR=0.06。?2值为231.95(p<0.01),自由度为15,该模型的数据拟合较好。SEM的结果表明,本研究中所有相关的气象指标分为三个潜变量,温度、湿度和日照。温度和湿度等因素与细菌性痢疾发病率呈正相关关系,因子载荷值分别为0.59和0.78。日照与细菌性痢疾发病率呈负相关,因子载荷值为-0.15。结论:细菌性痢疾发病数总体呈下降趋势,存在明显季节差异,每年的7月和8月为发病高峰期,但是菌痢发病存在明显的地域差异,北京市和天津市为高发地区。Holt-Winters指数平滑模型、GM(1,1)、ARIMA模型和加权组合模型都可以用于细菌性痢疾发病数预测,其中ARIMA(1,1,1)(1,1,2)12模型拟合及预测效果最好。气象因素如温度(平均气温、平均最高气温、平均最低气温)、日照和湿度与细菌性痢疾发病有关。更具体地说,月平均蒸发量、降水量和空气温度对细菌性痢疾的发病率有较大的影响。由于本项研究包括多个气象指标,能够比使用单一因素更好地预测痢疾流行病的高风险环境。总的来说,本研究利用细菌性痢疾监测数据选择合适的方法探索菌痢发病特征和趋势,基于Meta分析对气象因素和细菌性痢疾发病关系研究结果不一致的文献进行定量综合,并以辽宁省朝阳市为研究地点探究气象因素对细菌性痢疾发病的影响。了解气象因素与细菌性痢疾的关系,有助于当前的卫生政策评估和制定有效的细菌性痢疾控制策略。