气象因素与北京市昌平区其他感染性腹泻发病相关性研究

刘重程 唐雅清 王瑞琴 蔡旭 王鲁茜 金文军

气象因素与北京市昌平区其他感染性腹泻发病相关性研究

刘重程 唐雅清 王瑞琴 蔡旭 王鲁茜 金文军

目的探讨气象因素与北京市昌平区其他感染性腹泻发病的关系，为调整防控措施提供科学依据。方法收集昌平区2008-2014年其他感染性腹泻周发病资料及气象资料。对可能影响其发病的气温、相对湿度、降水、气压、风速及日照时数等6项气象因素与发病数进行单因素相关分析和多元回归分析。结果其他感染性腹泻的发病同气温、相对湿度呈正相关。单因素相关系数分别为0.689和0.608。多元回归分析显示，气温、相对湿度与感染性腹泻呈正相关，Y（发病数）=13.44+1.12x1（周平均气温）+0.51x2（周平均相对湿度）。结论气温、相对湿度与昌平区其他感染性腹泻的发病密切相关，气象因素可作为自变量用于发病趋势预测。

气象因素；其他感染性腹泻；多元逐步回归

其他感染性腹泻是指除霍乱、痢疾、伤寒和副伤寒以外的感染性腹泻，由细菌、病毒及其产物或寄生虫所引起的、以腹泻为主要临床特征的一组肠道传染病，这类疾病流行面广，发病率高，是危害人类身体健康的重要疾病［1］。有文献报道，中国感染性腹泻发病仍处于高发水平。0～4岁儿童为该病发病和死亡的高发人群［2］。随着相关研究的进展和人们认识水平的不断提高，气象与传染病的关系日益引起人们的广泛关注。自然因素尤其是气象因素将直接或者间接影响许多传染病的传播和暴发，气温、降水、湿度和光照等气象要素通过影响病原体、宿主和传播媒介改变传染病的发病和传播［3］。现通过对北京市昌平区2008-2014年其他感染性腹泻的发病和同期气象因素进行单因素相关分析和多元逐步回归分析，探讨影响其发病的主要气象因素，为有针对性的调整防控措施提供依据。

1 资料与方法

1.1 资料来源 2008-2014年昌平区其他感染性腹泻周发病资料疫情资料来源自“中国疾病预防控制信息系统”，气象资料来源于昌平区气象站。

1.2 方法 采用SPSS 16.0软件建立数据库。将2008-2014年昌平区其他感染性腹泻周发病数和同期的平均气温、平均相对湿度、降水量、平均气压、平均风速及平均日照时数录入计算机，建立数据库。在单因素相关分析中分别以相应周的各气象要素作自变量进行分析，计算出相关系数r值和P值。在多元逐步回归分析中，入选变量的检验水准按α≤0.05，剔除变量的检验水准按 α≥0.10，从而计算出影响其他感染性腹泻发病的主要气象因素，并依据结果建立回归方程。资料统计分析中单因素、多因素分析均用 SPSS 18.0统计软件完成。

2 结果

2.1 单因素相关分析结果 2008-2014年昌平区各周平均气温、相对湿度、总降水量、气压、风速、日照时数6项气象因素与其他感染性腹泻周发病数分别做单因素相关分析，结果表明：昌平区其他感染性腹泻发病与气温、相对湿度、降水量呈正相关；与气压、风速、日照时数呈负相关（表1）。

表1 其他感染性腹泻发病与气象因素单因素相关分析结果

2.2 多元逐步回归分析结果 选择2008-2014年昌平区其他感染性腹泻周发病数Y作因变量，将单因素相关分析中相关有统计学意义的气象因素引入方程，即周平均气温（x1）、相对湿度（x2）、总降水量（x3）、气压（x4）、风速（x5）、日照时数（x6）， 按多元逐步回归分析法进行处理。选入变量的检验水准 α≤0.05，剔除变量的检验水准α≥0.1，结果表明：x1（周平均气温）和x2（周平均相对湿度）最后选入方程。该方程为：Y=13.44+1.12x1+0.51x2。对回归方程进行线性假设检验F=156.12，P＜0.01，方程有统计学意义（表2）。

表2 其他感染性腹泻发病与气象因素多元逐步回归分析结果

3 讨论

3.1 随着人们对气候变化的认识和研究不断深入，气候变化与传染病的相关研究逐渐引起重视［4］。本研究显示：北京市昌平区其他感染性腹泻的发病同气象因素密切相关，同气温、相对湿度、降水成正相关，同气压、风速、日照时数成负相关。多元回归分析结果表明，气温、相对湿度可以作为自变量引入公式对其他感染性腹泻发病进行预测。当平均气温上升、相对湿度增大，其他感染性腹泻的发病也随之上升，这一结果也同其他类似研究相似［4，5］。分析其原因可能为：气温升高有利于病原体在外界环境中的存活与繁殖，使得适宜存活的区域扩大、存活时间更长［6］；苍蝇等病媒生物在气温高时繁殖多、发育快、数量增多，传播病原微生物的作用增大，造成其他感染性腹泻的高发，同相关文献报道一致［7］。

3.2 通过建立了昌平区其他感染性腹泻同气象因素的相关方程为 Y=13.44+1.12x1（周平均气温）+0.51x2（周平均相对湿度），可根据气象因素预报模式方程和未来的短期气象预报预测其他感染性腹泻的发病情况，一旦发现预测病例数异常升高及早引起关注并采取相应的措施［5］。但是，值得注意的是传染病的发病原因比较复杂，并非由气象因素单一引起的，它还与个体自身免疫力状况、生活环境、饮食习惯及自我保健意识等因素有关，气象因素对引起其他感染性腹泻的各种病原体（细菌、病毒、寄生虫）作用机制也不尽相同，因此气象因素作为唯一的因素进行传染病发病预测有其一定的局限性。在以后的科研设计中，应综合考虑其他因素，探讨多种因素的影响，提高预测的准确性。

［1］章显传，邵永强，陈晟，等.2005-2010年温州市其他感染性腹泻报告分析［J］.现代实用医学，2012，24（3）：337-338.

［2］张静.中国感染性腹泻监测策略的思考与建议［J］.疾病监测，2007，22（8）：505-507.

［3］吴晓旭，田怀玉，周森，等.全球气候变化对人类传染病发生与传播的影响［J］.中国科学：地球科学，2013，43（11）： 1743-1759.

［4］胡进坤.传染病流行与气候变化的关系分析［J］.健康大视野，2012，20（11）：561.

［5］杨超，郭淑珍，周浩，等.高寒地区气象因素对城市主要传染病消长的影响研究［J］.中国初级卫生保健，2011，25（4）： 79-82.

［6］徐世晓，赵新全，孙平，等.全球变暖对人类健康的影响［J］.医学动物防制，2001，17（9）： 497-499.

［7］田祎，贾蕾，高志勇，等.2013-2015年北京其他感染性腹泻病例流行特征分析［J］.首都公共卫生，2016，10（2）： 58-60.

Analysis on the correlation between m eteorological factors and in fectious diarrhea in Changping district，Beijing

LIU Zhong-cheng， TANG Ya-qing， WANG Rui-qin， CAIXu， WANG Lu-xi， JIN Wen-jun
（Changping District Center for Disease Control and Prevention， Beijing 102200， China）

Ob jectiveTo analyze the correlation between meteorological factors and infectious diarrhea in Changping district， Beijing， and to provide evidence for the prevention and control of the disease.M ethodsData of infectious diarrhea and the meteorological factors during 2008 and 2014 in Changping district was analyzed.The meteorological factors included temperature， relative humidity， precipitation， atmospheric pressure， wind speed， and duration of sunshine etc.Simple correlation analysis and multiple stepwise regression were applied.ResultsPositive correlations between infectious diarrhea and temperature，relative humidity were statistically significant and the correlation coefficients were 0.689 and 0.608.Multiple stepwise regression indicated a positive correlation between diarrhea and meteorological factors such as temperature and relative humidity.Y（cases） =13.44+1.12x1（weekly average temperature） +0.51x2（weekly average relative humidity）.ConclusionTemperature and relative hum idity are positive correlated with the case number of infectious diarrhea.Temperature and relative humidity may work as forecasting parameters for infectious diarrhea.

Meteorological factors； Infectious diarrhea；Multip le stepwise regression

R516.1

A

1673-7830（2017）02-0075-02

102200，北京市昌平区疾病预防控制中心

2016-06-12）