2020年1—6月苏州市某区主要死因的死亡预测分析

王从菊 董昊裕 季 文 孙宏鹏

1 苏州高新区(虎丘区)疾病预防控制中心，215011 江苏 苏州；2 苏州大学医学部公共卫生学院，215123 江苏 苏州

2020年初，新型冠状病毒肺炎给我国公共卫生事业带来了较大的挑战，防疫形势异常严峻。在社区层面上，政府将“尽量减少居民出行”作为主要防控策略以降低感染概率[1-2]。除武汉市实施较为严格的管控制度外，其他各省市的社区及居民区也进行了不同程度的监督管理[3]。全国各行各业都受不同程度的影响[4-7]，人们的生活工作方式也随之改变[8]，这些影响同样涉及人们的生命安全与健康。为更好地响应建设“健康中国”的号召，本研究着眼于全人群的死因，将苏州市某区2020年1—6月份死亡数据与往年同期进行比较，以确定全区死亡情况的变化趋势。

1 资料与方法

1.1 资料来源

死因数据来源于国家卫计委、公安部和民政部联合发文下发的《居民死亡医学证明(推断)书》，苏州市各辖区严格按照死因监测方案的要求和流程收集死亡信息。基本信息包括姓名、性别、出生日期、民族、婚姻、文化程度、职业等；死亡信息包括死亡原因(直接死因、间接死因、根本死因以及其他重要医学情况)、死亡日期、死亡地点等；诊断信息包括疾病最高诊断单位、疾病最高诊断依据等内容；同时填写调査记录。收集2017年1月至2020年6月的死因数据。所有死亡病例中， 80%以上由二级及以上医疗机构确诊生前的主要疾病。死者生前主要疾病的最高诊断依据中，临床及以上占88.90%。死因推断的准确性主要依据诊断医院级别和诊断依据来判断，死因监测数据的死因诊断准确性高，数据可靠。死因编码质量按照《疾病和有关健康问题的国际统计分类》第10版(ICD-10)的编码原则，并参考美国2007年生命统计年报，将死因逻辑错误(死因、性别和年龄不符合)、伤害无外部原因或意图不明、心血管病缺乏诊断依据、症状或体征、肿瘤未指明位置和其他错误如呼衰、肝衰等归为编码不准确。

1.2 统计学方法

死亡个案信息统一按照ICD-10进行死因分类和根本死因编码，对死亡总计、恶性肿瘤、循环系统疾病(包括脑血管病和心脏病)、呼吸系统疾病、中毒和伤害(包括交通事故)和内分泌和代谢疾病主要死因数据进行分析。使用 SPSS 17.0 软件进行数据分析，利用2017年1月至2019年12月数据建立时间序列模型，预测2020年1—6月份总死亡数及主要死因数，预测模型由SPSS专家建模法在指数平滑法和ARIMA模型中选择，根据模型的平稳R2进行确认。将2020年的死亡实际情况和模型预测值进行比较，将2020年的死亡实际情况与2019年同期进行比较。预测误差率=(预测值-实际值) /预测值×100%。

2 结果

2.1 苏州市某区2017年1月至2020年6月实际死亡总体情况

苏州市某区2017年1月至2019年12月，死亡总计人数分别为2 086、2 204和2 217，死亡情况总体上较稳定，有微弱的上升趋势。月份之间呈现一定的季节性，1月、2月和12月死亡人数较多，6—9月死亡人数较少，2020年1—3月死亡人数低于2018年和2019年同期，见表1。

表1 苏州市某区2017年1月至2020年6月 实际死亡总体情况 单位：例

2.2 主要死因的死亡预测模型选择

使用SPSS专家建模法分别建立指数平滑法和ARIMA模型的预测模型。从表2可以看出带有季节性的指数平滑法对所有主要死因的死亡预测都有较好的拟合优度，平稳R2在0.77～0.86之间。而ARIMA模型拟合效果较差。因此，本研究在预测方案上选用带有季节性的指数平滑法。

表2 主要死因的死亡预测模型拟合优度

2.3 苏州市某区2020年1—6月份主要死因的死亡趋势预测

对苏州市某区2020年1—6月份主要死因的死亡趋势进行预测，结果显示死亡总计的预测趋势与实际观测值呈现交叉，一致性较差，见图1。1—3月份实际死亡数低于预测值，而4—6月实际死亡数高于预测值，1—6月份总体上呈先下降再上升的U型趋势。在主要死因中，呼吸系统疾病和伤害呈现出类似趋势。进一步对1—3月份实际值和预测值进行比较，研究结果显示苏州市该区2020年1—3月份预测值分别比实际值高了4.41%、8.93% 和6.37%，2月份差异最大，见表3。2020年2月，除恶性肿瘤外的各死因死亡预测值均高于实际值，中毒和伤害、呼吸系统疾病、内分泌和代谢疾病差异较大，均超过10.00%。

图1 苏州市某区2020年1—6月份主要死因的死亡趋势预测

表3 苏州市某区2020年1—3月份死亡实际情况与预测情况比较

2.4 苏州市某区2020年1—3月份与2019年同期死亡情况比较

研究结果显示，与2019年同期死亡情况相比，2020年2月和3月总死亡数分别下降13.56%和14.35%。2020年2月各死因中，除恶性肿瘤外其他各死因均低于2019年，2020年3月心脏病和内分泌和代谢疾病死因比2019年同期仍有较大幅度下降，分别下降40.00%和38.46%。见表4。

表4 苏州市某区2019年1—3月与2020年同期死亡情况比较

3 讨论

本研究使用简单季节性指数平滑法[9]预测2020年1—6月的死亡数据，将其当作在不受外界因素影响下的死亡预期值，在通过与死亡实际观测值进行比较，分析2020年1—6月份死亡数据趋势改变情况和两者之间的差值。结果发现：2020年1—6月份死亡趋势没有出现往年的季节性波动，在往年出现死亡高峰的1月和2月，2020年的同期的死亡总数出现下降，并在4月出现反弹现象。然后通过与2019年同期进行比较也发现同样的结果。此外，对中毒和伤害及呼吸系统疾病死因也有较大影响，心脏病死因在3月份出现下降。

中毒和伤害及呼吸系统疾病死因在2月份出现较明显的下降，这或许和疫情期间的严格管控有紧密关系。本应在1月份结束的春节长假延长至2月末，并且为避免假期后大规模复工复学可能导致的疫情扩散，各城市也根据实际情况延期复工，并推迟开学日期[10-13]，加上主流媒体宣传，大力呼吁室内活动，这都使得2月份人们的室外社交活动和外出大幅度减少，从而导致交通等意外伤害的死亡下降。同时，由于交通和工业活动减少，空气质量改善，居家生活大大减少了与他人的接触机会，这些因素都共同降低了呼吸系统疾病的发生概率，减少了呼吸系统疾病死亡。而心脏病死亡在3月份出现下降，或许是在2月份人们行为方式改变后的滞后结果，例如各类社交行为的减少会降低心脏病的危险因素，进而降低心脏病的发病风险。

2020年4—6月份之间，由于疫情形势缓解后各种社会活动恢复正常化[14-15]，导致总死亡数接近和超过预测值及历史同期。同时，本研究也有较大的局限性，由于所研究的区域较小，覆盖户籍人口只有41万左右，以上所有的这些结果不能排除偶然性，即在没有疫情的影响下，也会出现同样的死亡情况；由于缺乏死亡的调查资料和环境资料等相关资料，所以有些讨论只能是推测。但是，按照该区以前几年的死亡趋势、社会的老龄化和本区域户籍人口不断增加，2020年的死亡数大概率略高于历史同期，而我们的研究却发现相反的结果。综上所述，由此可以推测疫情期间的严格防控政策在有效控制疫情的同时，间接影响了中毒和伤害、呼吸系统疾病和心脏病原因的死亡。