目的:分析2021—2022年长沙市气象因素与狂犬病日暴露人数的关联,并探究气象因素对狂犬病暴露影响的滞后作用。方法:收集2021—2022年长沙市每日气象资料和狂犬病日暴露人数,使用R4.2.3软件构建分布滞后非线性模型(Distributed lag nonl...目的:分析2021—2022年长沙市气象因素与狂犬病日暴露人数的关联,并探究气象因素对狂犬病暴露影响的滞后作用。方法:收集2021—2022年长沙市每日气象资料和狂犬病日暴露人数,使用R4.2.3软件构建分布滞后非线性模型(Distributed lag nonlinear model,DLNM)进行统计分析。结果:2021—2022年长沙市报告狂犬病暴露人数216405例,日暴露人数中位数292例,夏秋季为高暴露季节。日均气温>10.0℃狂犬病暴露的累积发生风险增加,在30.5℃风险达到最大(RR=1.63,95%CI:1.40~1.89),低温(P_(5),4.0℃)对狂犬病日暴露的发生风险在滞后第4天达到最大,其余温度位置(P_(25)~P_(95))以暴露当天发生风险最大。日均相对湿度在32.0%时,对狂犬病日暴露人数累积发生风险最大,32.0%~86.5%区间累积效应风险逐渐降低。相邻两日温差以极低降温温差-10.0℃风险最大,且以暴露当天效应最强。结论:2021—2022年长沙市气象因素中高温、低湿、极端降温和升温天气都会增加狂犬病暴露风险,提示加强在重点气象到来前做好狂犬病暴露的健康宣教和暴露后处置的就医引导。展开更多
为建立基于分布滞后非线性模型(Distributed Lag Non-linear Model, DLNM)的CO_(2)诱蚊灯监测的蚊密度模型,探索不同气候条件下上海市淡色库蚊密度变化的特征,在上海市15个区,于4-11月每旬共设置229个CO_(2)诱蚊灯,监测淡色库蚊密度。以...为建立基于分布滞后非线性模型(Distributed Lag Non-linear Model, DLNM)的CO_(2)诱蚊灯监测的蚊密度模型,探索不同气候条件下上海市淡色库蚊密度变化的特征,在上海市15个区,于4-11月每旬共设置229个CO_(2)诱蚊灯,监测淡色库蚊密度。以2018-2020年的监测数据建立基于DLNM的蚊密度与气象因素的方程。以改进的赤池信息准则(QAIC)对各个气象因素、连接函数和参数组合进行评价,最终选择QAIC最小的模型。最终建模结果取类泊松模型为DLNM的连接函数,进入模型的气象因素包括每旬的日平均最高气温、平均日降雨量和平均相对湿度。结果显示,旬平均最高气温与淡色库蚊密度呈倒“U”型关系,在平均最高气温大于10℃后逐步升高,在30℃达到密度峰值,其后逐步降低。平均日降雨量与淡色库蚊密度呈“J”型关系,在日平均降雨量大于6 mm后逐步升高。旬平均相对湿度与淡色库蚊密度呈倒“U”型关系,在平均相对湿度为70%时达密度峰值。结果表明,DLNM可以解释气象因子变量对蚊虫种群密度的影响,从而预测未来蚊虫密度的变化,为开展蚊虫控制措施提供科学依据。展开更多
文摘目的:分析2021—2022年长沙市气象因素与狂犬病日暴露人数的关联,并探究气象因素对狂犬病暴露影响的滞后作用。方法:收集2021—2022年长沙市每日气象资料和狂犬病日暴露人数,使用R4.2.3软件构建分布滞后非线性模型(Distributed lag nonlinear model,DLNM)进行统计分析。结果:2021—2022年长沙市报告狂犬病暴露人数216405例,日暴露人数中位数292例,夏秋季为高暴露季节。日均气温>10.0℃狂犬病暴露的累积发生风险增加,在30.5℃风险达到最大(RR=1.63,95%CI:1.40~1.89),低温(P_(5),4.0℃)对狂犬病日暴露的发生风险在滞后第4天达到最大,其余温度位置(P_(25)~P_(95))以暴露当天发生风险最大。日均相对湿度在32.0%时,对狂犬病日暴露人数累积发生风险最大,32.0%~86.5%区间累积效应风险逐渐降低。相邻两日温差以极低降温温差-10.0℃风险最大,且以暴露当天效应最强。结论:2021—2022年长沙市气象因素中高温、低湿、极端降温和升温天气都会增加狂犬病暴露风险,提示加强在重点气象到来前做好狂犬病暴露的健康宣教和暴露后处置的就医引导。