1999—2015年玉溪市红塔区伤寒与副伤寒时间分布特征及Gompertz模型分析

目的了解1999—2015年玉溪市红塔区伤寒与副伤寒(typhoid and paratyphoid fever, TPF)疫情变化情况,为TPF监测、调查和控制提供科学依据。方法 TPF数据来源于1999—2015年玉溪市红塔区TPF临床诊断和实验室确诊病例,人口资料来源于红塔区统计年鉴。采用流行病学、统计学和数学模型方法,描述分析TPF病例年月分布特征与规律,建立相应Gompertz模型并计算其参数。结果 6—10月为发病高峰,报告病例数占总病例数57.76%(4 851/8 398)。2001、 2004、 2006、 2007、 2009年合计病例数5 361例,呈现5个高发年和3个流行周期,周期范围19~40个月;其余12个低发年合计病例数3 037例。总高发年6—10月平均发病率130.59/10万,高发年2001年6—10月病例数占当年总病例数63.89%(862/1 349);总低发年6—10月平均发病率65.36/10万,低发年1999年6—10月病例数占当年总病例数43.48%(10/23)。Gompertz模型分析结果显示,总流行时段、总高发年、总低发年模型病例数饱和值K分别为146、 160、 27,拐点坐标(t_0, y_0)分别为(3.61, 72.94)、(3.60, 80.08)、(3.56, 13.55);高发年2001、2007年K值分别为502、 125,(t_0, y_0)分别为(9.92, 251)、(5.05, 62.70);低发年2003、 2005、 2010、 2011、2013年K值分别为42、 64、 111、 37、 24,(t_0, y_0)分别为(5.16, 20.93)、(5.16, 31.83)、(9.26, 55.87)、(5.13, 18.69)、(4.38, 12.10)。结论 1999—2015年红塔区TPF具有病例多、发病率高、季节性升降、周期性波动、长期趋势的流行特征;三个总模型t_0有趋同性,高发年各参数值较大,低发年各参数值随年度发病率降低有减小趋势;TPF年、月流行特征和模型参数可联合用作分析评价TPF疫情变化时间与空间节点、数据化预警、风险评估、精准控制与防控效果。

1999—2015年红塔区伤寒与副伤寒流行特征和气象变量的研究

目的分析1999-2015年红塔区伤寒与副伤寒(typhoid and paratyphoid fever,TPF)地方病区域流行特征和气象变量的关系,为TPF监测控制和危险因素评价提供科学依据。方法采用描述流行病学方法和自主研发计算机软件建立中国疾病预防控制信息系统红塔区TPF病例分布与流行特征数据库,用Pearson相关分析和多元线性逐步回归分析研究TPF发病和气象变量关系。结果 1999-2015年报告TPF病例数为8 398例,1999、2015年分别报告23、44例。1999-2015年期间每年3~5月、6~10月、11月~次年2月分别为发病上升期(月均增长率63.8%)、高峰期(月均降低率2.0%)和下降期(月均降低率25.7%),每年度病例数都呈现3月~10月季节性升高和11月~次年2月季节性降低;2000年8月至2010年12月每月病例数都大于8例,2000-2002、2004-2005、2005-2007、2007-2008、2008-2010年出现五个高强度流行峰,峰期范围是12~24个月,周期范围是11~40个月;2001、2004、2006、2007、2009年五个高峰年度6~10月病例数范围分别为86~217、67~215、125~216、97~131、63~95例;1999、2000、2002、2003、2005、2008、2010、2015年八个低峰年度6~10月病例数范围分别为1~3、1~17、32~60、30~43、46~55、43~78、22~61、2~11例。单因素分析TPF月平均发病率与月平均降雨量(r=0.825,P<0.01)、月平均气温(r=0.797,P<0.01)和月平均相对湿度(r=0.706,P<0.05)呈正相关;经多元逐步回归分析建立TPF月平均发病率(Y)与月平均降雨量(X)的拟合模型方程Y=4.563+0.051X。结论红塔区TPF发病呈现季节性升高与降低、周期性流行、长期趋势特点;发病率与降雨量、气温、相对湿度呈正相关;传染源积累、重污染源形成、暴露人群增加驱动着流行特征与气象变量关系;相应规律、机制、政策、评估有助TPF的监测控制。

全球伤寒与副伤寒流行情况、危险因素和预防策略

伤寒与副伤寒继续成为全球性主要发病与死亡原因之一,是发展中国家一个严重公共卫生问题。该病流行趋势、疾病型、病原型、危险因素的阶段性与区域性变化规律尚不清楚;地方病区显著特点是发病率高、防控效果局限、水源性与食源性和密切接触传播病例均多;发达国家等低发病率区域旅游相关病例构成比较大,可持续减少发病也有困难。本文检索分析1950—2015年全球主要伤寒与副伤寒文献,认识伤寒与副伤寒流行与发病、疾病型与病原型、卫生设施与危险因素的变化特征、趋势与规律,依据风险度评价决定因素与相关指标提出差异化防控策略,为进行疫情数据化预警、确定疫情变化时空节点和可持续控制与消除伤寒与副伤寒提供科学依据。

SARIMA-GRNN组合模型在伤寒与副伤寒逐月发病数预测中的应用

目的建立季节性差分自回归移动平均(seasonal autoregressive integrated moving average,SARIMA)-广义回归神经网络(generalized regression neural network,GRNN)组合模型,为伤寒与副伤寒发病数的预测提供方法学上的新思路。方法利用2011年1月-2019年12月中国伤寒与副伤寒逐月发病数资料,分别构建SARIMA模型和SARIMA-GRNN组合模型,比较两种模型的拟合和预测效果。结果最优的SARIMA模型为SARIMA(2,1,1)(0,1,1)_(12),SARIMA-GRNN组合模型的最优光滑因子(spread)为0.21。评价SARIMA-GRNN组合模型拟合效果的参数均方根误差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)为90.08、71.44和7.07%,分别小于SARIMA模型的99.44、79.15和7.86%;评价预测效果的RMSE、MAE和MAPE为100.86、75.94和9.57%,均小于SARIMA模型的125.44、97.33和10.89%。结论SARIMA-GRNN组合模型比传统SARIMA模型更能拟合中国伤寒与副伤寒逐月的发病数,而且预测精度更高,可应用于伤寒与副伤寒逐月发病数的预测。

伤寒与副伤寒暴发或流行危险因素、早期探测和有效监测

伤寒与副伤寒继续是具有全球性传播潜力、发病率较高的主要传染病之一,仍然是低中经济收入国家的一个紧迫疾病负担和主要公共卫生问题。地方性流行区域显著特征是发病率较高、防控效果局限、水源食物污染和密切接触引起的病例较多;发达国家地区的显著特点是发病率很低和旅游相关病例构成比较大,发病率可持续减少还有困难;及时准确地对该病进行危险因素探测、驱动因素调查、传播链确定是防止暴发流行与减少危害的重要科技问题。本文综述伤寒与副伤寒危险因素、早期探测、有效监测的理论技术,重视该病暴发流行危险因素、驱动因素、传播链的多时空节点触发与多学科渠道监测及其病因学分化融合的结果结论,为构建敏感特异、分期度量伤寒与副伤寒有效监测的创新技术体系提供科学依据。