兰州市城关区气象因素与麻疹发病人数的时间序列研究

陶 燕,宋 捷,强 力,王 砚,李子斌(.兰州大学资源环境学院,甘肃 兰州 70000；.兰州市城关区疾病预防控制中心传染病防制科,甘肃 兰州 70000；.甘肃省环境科学设计研究院,甘肃 兰州 70000)

兰州市城关区气象因素与麻疹发病人数的时间序列研究

陶 燕1*,宋 捷1,强 力2,王 砚1,李子斌3(1.兰州大学资源环境学院,甘肃 兰州 730000；2.兰州市城关区疾病预防控制中心传染病防制科,甘肃 兰州 730000；3.甘肃省环境科学设计研究院,甘肃 兰州 730000)

运用SPSS17.0统计软件进行相关分析和主成分分析及R软件的时间序列方法定量评估兰州市城关区气象因素对麻疹发病人数的影响程度.结果表明,气象因素对麻疹日发病人数的影响由大至小依次为相对湿度、日照时间、平均气温、平均气压、降水量、平均风速;各气象因素对麻疹发病的影响均具有一定滞后效应,平均气压、平均风速和日照时间在滞后9d、平均气温和降水量滞后7d、相对湿度滞后5d对麻疹日发病人数的影响最大. 平均气压、平均气温和日照时间每增加1个IQR(四分位距),麻疹日发病人数分别增加175.2%、79.6%和24.3%,而相对湿度、降水量和平均风速每增加1个IQR,麻疹日发病人数则分别减少17.9%、5.2%和15.7%.

麻疹；气象因素；GAM模型；时间序列分析

麻疹是一种由麻疹病毒引起的急性呼吸道疾病,具有传染性,多发于冬春两季,易继发其他病毒或细菌性感染,且至今尚无特殊抗麻疹病毒药物[1],故对麻疹的预防措施显得尤为重要.目前,尽管已具备安全有效的疫苗,但WHO报告显示麻疹仍是造成全球幼儿死亡的主要原因之一, 2011年全球约有15.8万人死于麻疹,其中多数是5岁以下儿童.中国麻疹发病人群分布在各省间差异较大,但时间分布均集中于3～5月[2-3]. 2005～2010年间,全国麻疹发病人数在2.86/10万～9.95/10万之间,病死率为0.04%～0.08%[4].2005年西部地区采取麻疹减毒活疫苗(MV)强化免疫等防控措施后,麻疹发病得到较好控制[2],其发病特点由以往的冬春流行转变为全年散发[5],多发人群也转变为学龄前散居儿童和流动人口中疫苗漏种人群[6-8].

国内外研究表明,气象因素与呼吸道疾病具有相关性,而相关性分析和时间序列分析也广泛用于气象因素、污染物对人体健康影响的研究[9-17],但对于气象因素与麻疹间定量关系的研究却较少.兰州市地处黄河上游,中温带大陆性气候,是甘肃省麻疹高发地区之一[3];城关区为兰州市的中心区,人口流动大,曾是兰州市麻疹发病人数最多的地区之一[18].因此,本研究收集2005～2010年兰州市城关区逐日气象资料及麻疹发病人数,进行相关分析及主成分分析,在此基础上用时间序列定量评估气象因素对麻疹发病人数的影响程度,为有效预防控制麻疹的流行提供科学依据.

1 资料来源与方法

1.1 资料来源

2005年1月1日至2010年12月31日兰州市城关区麻疹的日发病人数由中国疾病预防控制信息系统提供.气象资料包括平均气压、平均气温、相对湿度、降水量、平均风速及日照时间等气象因素,由甘肃省气象局提供.

1.2 方法

疾病资料与气象资料的描述性统计、相关分析及主成分分析由SPSS 17.0完成.

应用时间序列分析方法和半参数广义相加模型(GAM)定量评估气象因素对麻疹发病人数的影响,由R 2.15.1统计软件的Mgcv完成.

麻疹发病人数相对于总人口来说,属于小概率事件,其实际分布近似泊松分布,故本研究对麻疹每日发病人数拟合泊松分布[19]如下:

式中:Yk为第k日麻疹发病人数;E(Yk)为第k日麻疹发病人数的期望值;α为残差;β为回归系数;Xk为第k日气象要素;s为样条平滑函数;df为自由度;DOW为星期哑元虚拟变量;time为日历时间.

在排除星期效应和长期趋势后,考虑气象因素对麻疹发病的影响可能存在滞后效应,同时考虑麻疹存在潜伏期一般为6～18d,多数为10～14d,将0(即当天)～14d前气象因素分别引入模型,根据赤池信息准则(AIC)准则,进行因子的选择和优度拟合检验,估算回归系数β,计算相对危险度(RR)和95%可信限(95%CI)[20].如式(2).

式中:β为回归系数;IQR为四分位距.

式中:Se为标准误.

2 结果与讨论

2.1 描述性分析

表1 2005-2010年兰州市城关区气象因素和麻疹日发病人数描述性统计(n=2191)Table 1 Descriptive statistics of meteorological factors and the number of measles cases from 2005 to 2010 in Chengguan District, Lanzhou City(n=2191)

2005年1月1日至2010年12月31日兰州市城关区麻疹发病人数合计897例,日平均发病人数为0.41例,日最大发病人数为15例;平均气压、平均气温、相对湿度、降水量、平均风速和日照时间日均值分别为823.506hPa、8.724℃、5.951%、1.097mm、1.854m/s和6.737h.具体见表1.

2.2 相关分析

由表2可见,麻疹日发病人数与平均气温、日照时间均呈现显著正相关, 而与相对湿度呈显著负相关,其中相对湿度对麻疹发病影响最为显著 (r=-0.213) (P<0.01),而与其他气象因素间的相关性均无统计学意义.表明麻疹可能多发于相对湿度较小、温度相对较高及日照时间相对较长的季节.这一结果与屠春雨[21]、张晓云等[22]研究结果存在一定的差异,可能主要与不同研究所选的研究对象和研究地区等不同有关.各气象因素之间,除平均气压和降水量、相对湿度和平均风速外,6种气象因素之间均显著相关,且有统计学意义.由此推断,气象因素之间可能存在一定的共线性,进而采用主成分分析法探讨麻疹日发病人数与气象因素之间的关系.

表2 2005-2010年兰州市城关区气象因素和麻疹日发病人数的Spearman相关系数Table 2 Spearman correlation coefficients of meteorological factors and number of measles cases from 2005 to 2010 in Chengguan District, Lanzhou City(n=2191)

2.3 主成分分析

将6个气象因素进行主成分分析,各成分的总方差解释见表3.提取得到3个特征值大于1的成分,累计贡献率为77.081%,对其进行主成分分析.

表3 麻疹日发病人数与气象因素关系的主成分分析中各主成分的总方差解释Table 3 Explanation of total variance in the principal component analysis

选择平均气压(χ1)、平均气温(χ2)、相对湿度(χ3)、降水量(χ4)、平均风速(χ5)、日照时间(χ6)6个气象因素作为自变量,麻疹日发病人数作为因变量,得到各气象因素的成分矩阵,见表4.

表4 麻疹日发病人数与气象因素关系的主成分分析中各气象因素的成分矩阵Table 4 Component matrix of meteorological factors in the principal component analysis

由表4可给出3个主成分的计算公式,如下:

主成分1:

通过比较系数得出,在主成分1中,日照时间(χ6)对麻疹日发病人数影响最大,其次为相对湿度(χ3)和降水量(χ4),平均气压(χ1)对其影响最小;在主成分2中,平均气压(χ1)对麻疹日发病人数影响最大,日照时间(χ6)对其影响最小;在主成分3中,平均气温(χ2)对麻疹日发病人数影响最大,相对湿度(χ3)对其影响最小.

表5 麻疹日发病人数与主成分的多元线性回归参数估计Table 5 Parameter estimation of multiple linear regression

对提取的3个主成分与麻疹日发病人数进行多元线性回归,结果见表5.

得到式(6):

经线性假设检验,回归方程有意义(F=20.185, P<0.01).将式(3)～式(5)代入式(6),得到式(7):

通过计算各气象因素的成分矩阵,估计多元线性回归参数,得到影响麻疹日发病人数的气象因素回归方程.结果显示,气象因素对麻疹日发病人数的影响由大至小依次为相对湿度、日照时间、平均气温、平均气压、降水量、平均风速.

2.4 时间序列分析

应用时间序列的GAM定量研究平均气压、平均气温、相对湿度、平均风速、日照时间和降水量对麻疹日发病人数的影响,各气象因素对麻疹发病人数的影响均存在一定的滞后效应,平均气压、平均风速和日照时间滞后9d、平均气温和降水量滞后7d、相对湿度滞后5d对麻疹日发病人数的影响最大.平均气压、平均气温和日照时间每增加1个IQR,麻疹日发病人数分别增加175.2%、79.6%和24.3%,而相对湿度、降水量和平均风速每增加1个IQR,麻疹日发病人数则分别减少17.9%、5.2%和15.7%.结果见图1.

图1 气象因素对麻疹日发病人数的相对危险度(RR)Fig.1 The relative risk of meteorological factors on daily measles number

时间序列定量分析结果与相关分析及主成分分析结果有所不同,相对湿度对于麻疹日发病人数较为次要.造成这一结果的原因可能是,时间序列分析方法相对于相关分析和主成分分析,具有一定的优点,即该方法在研究气象因素对麻疹发病的影响时,利用平滑样条函数排除长期趋势和星期效应等混杂因素对麻疹发病的影响,使得研究结果更加可靠;同时可用相对危险度表述气象因素对麻疹发病的影响程度,使研究结果定量化,并可探讨气象因素对麻疹发病的影响是否存在一定的滞后效应,为麻疹发病的预测预警提供一定的科学依据.基于上述特点,目前时间序列分析方法被国内外学者广泛应用于研究气象因素或大气污染对急性传染病或慢性非传染性疾病急性效应关系方面的研究[23-25].

通过研究发现兰州市城关区麻疹发病与全国相比,麻疹发病的季节特征并无太大变化,均为3～5月;且受平均气压和平均气温影响较大,这可能与气温、气压对微生物的传播影响较大有关上标>[26-29];相对湿度、降水量和平均风速对麻疹发病影响相对较小.但由于我国纬度跨度较大,地形地貌类型多样,使得气候呈现多样化特征,因此,与气候相关疾病的预防控制在利用传统预防控制措施的同时,应考虑因地制宜,结合当地气象因素对疾病的发生进行预测预警.

3 结论

3.1 气象因素对麻疹日发病人数的影响由大至小依次为相对湿度、日照时间、平均气温、平均气压、降水量、平均风速.

3.2 气象因素对麻疹发病的影响具有一定的滞后效应(5～9d),平均气压、平均气温、相对湿度、降水量、平均风速及日照时间对麻疹日发病人数的RR分别为2.752、1.796、0.821、0.948、0.843、1.243.

[1] 解放军医学图书馆.中国疾病知识总库 [DB/OL]. http://www. illku.com:8080/cdd/.

[2] 余文周,税铁军,李 黎,等.全国2004～2006年麻疹流行病学特征和预防控制措施分析 [J]. 中国计划免疫, 2006,12(5):337-341.

[3] 马 超,罗会明,安志杰,等.中国2006～2007年麻疹流行病学特征及消除麻疹措施分析 [J]. 中国疫苗和免疫, 2008,14(3):208-213.

[4] 中华人民共和国卫生部.2011中国卫生统计年鉴 [R]. 北京:中国协和医科大学出版社, 2011.

[5] 魏忠君.麻疹的控制与预防策略 [J]. 中外医学研究, 2010, 8(8):105.

[6] 杨建萍.城关区1999-2009年麻疹发病流行病学分析及控制策略探讨 [J]. 中国初级卫生保健, 2011,25(7):76-78.

[7] 薛亚婷,刘 勇,孟 蕾,等.应用地理信息系统研究甘肃省麻疹流行的空间分布规律 [J]. 兰州大学学报(医学版), 2007,33(1): 51-54.

[8] 胡 艳,岑章建.2004-2010年信阳市麻疹发病人群分布特征分析 [J]. 河南预防医学杂志, 2012,23(2):128-129,145.

[9] 王宛怡,王洪源,张志刚,等.大气PM10与心血管疾病就诊人次的时间序列分析 [J]. 环境与健康杂志, 2009,12:1069-1072.

[10] Dominici F, McDermott A, Zeger S L, et al. On the use of generalized additive models in time-series studies of air pollution and health [J]. American Journal of Epidemiology, 2002,156(3): 193-203.

[11] Pervanidou D, Horefti E, Patrinos S, et al. Spotlight on measles 2010: ongoing measles outbreak in Greece, January-July 2010 [J]. Eurosurveillance, 2010,15(30):pii=19629.

[12] Umemura K, Hirashima Y, Kurimoto M, et al. Involvement of meteorological factors and sex in the occurrence of subarachnoid hemorrhage in Japan [J]. Neurologia Medico-Chirurgica, 2008, 48(3):101-107.

[13] Abeku T A, De Vlas S J, Borsboom G, et al. Effects of meteorological factors on epidemic malaria in Ethiopia: a statistical modelling approach based on theoretical reasoning [J]. Parasitology, 2004,128(6):585-593.

[14] 廖洪秀,张 强,杜长慧,等.主成分回归分析在细菌性痢疾与气象因素关系中的应用 [J]. 现代预防医学, 2009,36(5):813-815.

[15] 陶芳芳,赵耐青,何 懿,等.广义相加模型在细菌性痢疾预警中的应用 [J]. 中国卫生统计, 2012,29(4):481-483.

[16] 陶 燕,羊德容,兰 岚,等.兰州市空气污染对呼吸系统疾病入院人数的影响 [J]. 中国环境科学, 2013,33(1):175-180.

[17] 魏复盛,胡 伟,滕恩江,等.空气污染与儿童呼吸系统患病率的相关分析 [J]. 中国环境科学, 2000,20(3):220-224.

[18] 马玉霞.甘肃省几种主要传染病的时空分布特征及其对气候变化的响应和预测研究 [D]. 兰州:兰州大学, 2007.

[19] 张金艳,郭玉明,孟海英,等.北京市朝阳区大气污染与居民每日死亡关系的时间序列研究 [J]. 环境与健康杂志, 2010,27(9): 797-800.

[20] Hastie T, Tibshirani R. Generalized additive models: some applications [J]. Journal of the American Statistical Association, 1987,82(398):371-386.

[21] 屠春雨.气象因素与麻疹发病关系的研究 [J]. 中华流行病学杂志, 2004,25(9):826.

[22] 张晓云,周建峰,解以扬,等.天气气候对麻疹发病的影响 [C]//第26届中国气象学会年会论文集, 2009:260-263.

[23] Yang L, Chen P Y, He J F, et al. Effect modification of environmental factors on influenza-associated mortality: a time-series study in two Chinese cities [J]. BMC infectious diseases, 2011,11(1):342.

[24] 刘维斯.广州市2004～2009年流行性感冒流行特征 [D]. 中山大学, 2010.

[25] 徐兴福,谭永达,鲁秀娟,等.应用Markov模型预测细菌性痢疾发病率 [J]. 浙江预防医学, 2007,19(3):23,25.

[26] 徐迎春.杭州地区儿童支原体肺炎流行特征与气象因素的相关分析 [D]. 杭州:浙江大学, 2010.

[27] 赵俊英,代培芳,刘美德,等.流行性乙型脑炎发病率的气象影响因子分析 [J]. 中国媒介生物学及控制杂志, 2012,23(4):332-334.

[28] 李小群,李 蓉,熊国强,等.真菌孢子飘散与气象因素的相关性研究 [J]. 江西医学院学报, 2003,43(6):24-26.

[29] 李 蓉,刘志刚,熊国强,等.芽枝菌属在空气中的飘散 [J]. 江西医药, 2002,37(4):262-263.

致谢：感谢甘肃省气象局为本研究提供气象资料.

Time series analysis between meteorological factors and measles in Chengguan District, Lanzhou.

TAO Yan1*,SONG Jie, QIANG Li, WANG Yan, LI Zi-bin(1.College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China；2.Prevention of Infectious Diseases Department, Chengguan District Municipal Center for Disease Control, Lanzhou 730000, China；3.Institute of Environmental Science Research and Design of Gansu Province, Lanzhou 730000, China). China Environmental Science, 2014,34(11)：2964～2969

Influences of meteorological factors on measles in Chengguan District, Lanzhou were estimated by using three methods, including correlation analysis, principal component analyses from statistical software SPSS 17.0, and times series analysis from R software. The results indicated that relative humidity posed the largest influence on the occurrences of measles, followed by sunshine duration, average temperature, average air pressure, average precipitation, and average wind speed. In addition, the influences of various meteorological factors on the occurrence of measles displayed the lag effect. The average air pressure, average wind speed and average sunshine duration displayed the longest lagging time (9 days), followed by average temperature and precipitation (7 days), and relative humidity (5 days), respectively. For every IQR increased for average air pressure, average temperature, and sunshine time, the occurrence of measles increased by 175.2%, 79.6%, and 24.3%, however, for every IQR increased for relative humidity, precipatation and average wind speed resulted in the occurrence of measles decreased by 17.9%, 5.2% and 15.7%, respectively.

measles；meteorological factor；GAM model；time series analysis

X18

A

1000-6923(2014)11-2964-06

陶 燕(1972-),女,甘肃榆中人,副教授,博士,主要从事气候变化和环境污染对人体健康的影响以及经济损失评估.发表论文30余篇.

2014-02-27

国家自然科学基金(41075102;41005087);中央高校基本科研业务费专项资金资助(lzujbky-2013-m03)

* 责任作者, 副教授, taoyan@lzu.edu.cn