宁夏流感与气象条件关系研究

杨亚丽 纳丽 龚瑞

（1 中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室，银川 750000；2 宁夏气象防灾减灾重点实验室，银川 750000；3 宁夏气象服务中心，银川 750000；4 宁夏疾病预防控制中心，银川 750000）

0 引言

流行性感冒（简称流感）是一种常见的急性呼吸道传染病，是首个全球监测的传染病，极易引起大范围流行，严重影响着公众健康[1]。据世界卫生组织（WHO）估计，每年流感流行将导致300万～500万的重症病例和25万～50万人的死亡[2]。流感的流行特征在不同纬度地区有所不同，这表明流感的流行和气候条件有关。近年来，国内外学者对流感与气象因子之间关系的研究越来越深入。刘欣等[3]研究发现气温和湿度与广州流感样病例数（ILI）的变化风险存在相关性。孙妍兰等[4]对西宁市ILI病例与气象条件关系的研究表明，日ILI例数与温差、平均气压之间呈正相关，与相对湿度呈负相关，且各气象要素与日ILI发病例数均呈非线性关系，不同要素的滞后期和危险性不同[5]。丁彦红等[6]、李媛等[7]分别对潍坊市和天津市ILI病例与气象条件关系的研究显示，风速、相对湿度、气压及温差均与ILI病例就诊比有相关性。周艳丽等[8]、孙景異等[9]对北京市的流感与气象条件之间关系的研究表明，气温、气压、风速以及相对湿度是影响北京市ILI例数的关键气象因子，且存在不同的滞后期。李怡等[10]研究显示，气压是影响京津冀学龄前儿童流感发病的重要气象要素，同时引入综合气象条件指标——大气环境人体感知度（BPWI）评价气象条件对流感发病风险的影响，结果显示BPWI对流感发病风险的影响明显高于单一气象因子，表明气象因子对流感发病的影响存在交互性。郭倩等[12]研究表明，气温对全球不同区域流感影响显著，且不同类型流感的关联程度存在差异。可见，气象条件与流感病毒流行关系密切，且存在地域差异和滞后性[12-13]。

流感是宁夏主要的流行性疾病之一，但迄今为止，关于宁夏流感与气候条件及气象因子之间关系的研究成果鲜见。为此，本文利用2005—2021年流感样病例资料和气象资料，采用Spearman相关分析和GAM模型，分析宁夏流感的流行特征及其与气象要素的关联性，总结高发病率年份的气候特征，可为流感早期防控和预警预测提供科学依据。

1 资料与方法

1.1 资料来源

宁夏回族自治区深居西北内陆，位于内蒙古、甘肃和陕西三省交汇处，下辖5个地级市，自北向南分别是石嘴山市、银川市、吴忠市、中卫市及固原市。辖区内共有县、区22个，其中，石嘴山市辖2个区、1个县（大武口区、惠农区、平罗县），银川市辖3个区、2个县、代管1个县级市（兴庆区、西夏区、金凤区、永宁县、贺兰县、灵武市），吴忠市辖2个区、1个县级市、2个县（利通区、红寺堡区、青铜峡市、盐池县、同心县），中卫市辖1个区、2个县（沙坡头区、中宁县、海原县），固原市辖1个区、4个县（原州区、西吉县、隆德县、泾源县、彭阳县）。

各县、区2005—2021年逐日流感样病例（ILI）监测资料来源于宁夏回族自治区疾病预防控制中心传染病报告与监测系统，人口学资料来源于中国统计年鉴。

同期气象资料来自于宁夏回族自治区气象局气象信息中心，包括5个地市国家气象站的日平均气温、气压、相对湿度、风速以及日降水量等气象要素。

1.2 研究方法

Pearson相关系数用以衡量定距变量间的线性关系，用t统计量进行显著性检验；Spearman相关系数用来衡量定序变量间的线性相关[14]，它对原始变量的分布不作要求，属于非参数统计方法。若数据连续、正态分布、线性关系中任一条件不满足时，只能用Spearman相关分析。由于本文中ILI例数资料不服从正态分布，故采用Spearman相关分析计算ILI例数和气象要素之间的关系，计算公式如下：

式中，R为Spearman相关系数，Ui、Vi分别是两变量排序后的秩，n为样本总量。

流感发病率是指一定时期内流感病样例数/同期总人口数×r，本文中r＝1000‰。

采用Excel 2007建立数据库，应用Spearman相关分析对各气象因子与每日ILI例数的关联度进行分析，运用结合Poisson回归的广义相加模型（Generalized Additive Models, GAM）分析气象因子对ILI例数变化的影响。由于气象因子与ILI例数之间的关系为非线性，因此，气象因子均以自然样条函数纳入GAM模型，考虑流感的潜伏期一般不超过7 d，本文设定最大滞后天数为7 d，对逐日气象要素与ILI例数之间的关系进行拟合，基本模型如下：

式中，log（E（Yt））为连接函数；Yt为第t日ILI例数报告数；E（Yt）为Yt的数学期望值；α为常数项；β为回归系数；week为星期变量（是否周末）；s为自然样条函数；xi为气象因子，例如平均气温、平均气压、平均相对湿度等；time为时间变量（1，2，3，…，6209），k为自由度。

在气象因子独立效应研究的基础上，筛选出对ILI例数变化有显著效应的主要影响因素，进一步建立ILI例数变化的GAM交互效应模型，并给出主要影响因素交互效应可视化图，定量分析其对ILI例数变化的影响特征，基本模型如下：

式中，s（xi，xj）为xi和xj交互作用对ILI例数变化影响的交叉项，其他项的意义同公式（3）。利用gam.check检验模型拟合效果，以防过渡拟合。

本研究运用SPSS 17.0对流感样病例监测资料和气象观测数据的分布特征以及二者关联性进行分析；基于ArcGIS 10.0完成流感发病率的空间分析，R 4.1.3软件中的mgcv模块完成气象因子与ILI例数的GAM模型拟合与分析。

2 结果与分析

2.1 流行特征分析

2.1.1 空间特征

2005—2021年宁夏共报告流感样病例21700例，其中，银川市4112例（发病率为0.11‰，下同）、石嘴山市3659例（0.18‰）、吴忠市4615例（0.21‰）、中卫市4183例（0.23‰）、固原市5131例（0.25‰）。发病率从低到高依次是银川市、石嘴山市、吴忠市、中卫市和固原市，可见，宁夏流感发病率整体呈自北向南逐渐升高的特点，这一特征与气候舒适度冷等级和凉等级日数的空间分布一致，与舒适日数的分布相反[15]，表明流感发病与气候条件有关。县、区流感发病率如图1所示，银川市周边的县、区发病率偏低，中南部地区发病率相对较高，其中，固原市西吉县的发病率为全区最高，达0.60‰，吴忠市利通区和中卫市中宁县的发病率也较高，分别为0.47‰、0.42‰，贺兰县、平罗县、灵武市以及同心县的发病率较低，均低于0.1‰。相邻县、区的气象条件相似，而流感发病率存在明显差异，这可能与人口密度相对较大及对流感的防范意识高低有关。

2.1.2 时间特征

各市流感发病率的年际变化如图2所示，可见，除固原市外，2005—2009年各地发病率呈增加趋势，2010—2011年发病率大幅下降至0.04‰，2012—2019各地发病率小幅上升，2019年以后再次下降。固原市发病率的年际变化特征不同于其他四个市，2005—2021年平均发病率为0.24‰，在2005—2019年，固原市发病率呈明显增加趋势，2019年以后开始下降，2021年发病率较低，为0.03‰。2009年和2019年中北部四个市发病率明显高于其他年份，平均发病率分别为0.49‰、0.45‰，这一现象可能与2009年、2019年甲型H1N1流感在世界范围内大流行有关[16]。而固原市发病率在2009年和2019年增幅却较小，尤其2009年发病率远低于其他地区，这可能主要与固原市整体人口密度低、人员流动较小有关。

图2 2005—2021年宁夏流感发病率年际分布Fig.2 Interannual distribution of influenza incidence rate in Ningxia from 2005 to 2021

宁夏各地流感发病年内变化呈“U”型分布，如图3所示。1—7月发病人数逐渐减少，8—12月呈增加趋势，高发时段为11月至次年3月，可见，冬春季是宁夏流感的高发季节，与相关研究结论一致[17-18]，这可能与低温天气有利于流感病毒存活和传播有关[19]。

图3 2005—2021年宁夏流感发病人数逐月变化Fig.3 Monthly variation of influenza incidence rate in Ningxia from 2005 to 2021

2.2 逐月ILI例数与气象要素关系分析

诸多研究表明，气象要素对疾病的影响具有一定滞后性。通过分析各市流感月发病人数与前1、2、…、6个月的气象要素相关性，结果显示当月发病人数与前1个月的气象要素相关性最强。月发病人数与各气象因子的秩相关系数如表1所示，各地气压、气温、风速及日照时数与ILI例数均显著相关（P＜0.01），降水量与ILI例数也有较强的相关性（P＜0.05），而相对湿度与其无统计学相关性（P＞0.05），这可能主要与宁夏流感的高发时段在冬、春季，而冬、春季的相对湿度较低，且变幅小，对流病毒活动影响也较小有关；气温、风速及降水量及日照时数与ILI例数呈负相关（r＜0），气压与ILI例数呈正相关（r＞0），即气压的升高伴随着气温的下降，流感的发病风险随之也会增加，而风速的增大不利于发病率的增加，主要是由于风速的增加，加快了空气流通，不利于病毒的聚集，人群被感染的概率就会下降，从而减少流感的发病人数，该结论与王伟[20]对山东省流感与气象因素关系分析结果一致。因此，整体来看，在月尺度上，影响流感发病的关键气象因子是气压、气温、风速和日照时数。

表1 宁夏各地市流感月发病人数与前1个月气象要素的相关系数Table 1 The correlation coefficients between monthly ILI cases in various cities of Ningxia and meteorological factors in the previous month

2.3 气象因子及其交互效应对逐日ILI例数的影响分析

以银川市为例，基于GAM模型分析逐日气象因子及其交互作用对ILI例数变化的影响。将平均气压、平均气温、平均相对湿度、平均风速、降水量、日照时数共计6个气象因子作为解释变量，ILI例数作为响应变量，采用样条平滑函数分别与6个解释变量构建模型，分析每个解释变量对响应变量的影响显著性和模型拟合优度（表2）。结果显示，所有影响因子均对ILI例数变化影响显著（P＜0.001），表明各因子在单独作为ILI例数变化的解释变量具有统计学意义。将通过显著性检验的各要素作为解释变量，ILI例数作为响应变量，进行多因素与ILI例数间的GAM模型拟合，结果显示平均风速和降水量的P＞0.05，未通过0.05显著性水平下的检验，其余影响因子显著影响ILI例数的变化（P＜0.01），拟合方程的调整判定系数为0.589，方差解释率为61%，模型拟合优度较好，通过显著性检验的4个影响因子对ILI例数变化的解释率较高，这表明平均气压、平均气温、降水量及日照时数对ILI例数变化有显著影响。

表2 ILI例数与单影响因子的GAM模型拟合结果Table 2 The GAM model fitting results between the number of ILI cases and a single influencing factor

ILI例数变化受多种影响因素的共同作用，将通过显著性检验的4个解释变量之间两两构建GAM模型，分析交互项对ILI例数变化的影响，有利于进一步认识气象因子对ILI例数变化的影响效应。结果如表3所示，各交互项的自由度均＞1，说明交互项与ILI例数之间存在非线性关系；模型调整判定系数0.613，方差解释率为62.2%，表明模型的拟合度较好、交互项对ILI例数变化的解释率较高；拟合方程中平均气压—平均气温、平均气压—日照时数、平均气温—相对湿度、平均气温—日照时数、相对湿度—日照时数等5个交叉项均通过显著性检验，表明其在P＜0.05的水平下显著影响ILI例数变化，这与流感发病受多种气象因子交互作用影响的特征一致。

表3 ILI例数与影响因素交互作用的GAM模型拟合结果Table 3 The GAM model fitting results between the number of ILI cases and the interaction of influencing factors

对通过显著性检验且具有统计学意义的气象因子交互模型进行可视化绘图（图4），将有利于分析响应变量ILI例数在不同解释变量维度下的同时变化特征。由图4a、4c、4d可知，在平均气温与平均气压、平均相对湿度、日照时数交互作用对ILI例数的影响效应中，平均气温占主导作用，总体而言，ILI例数随着平均气温的升高而明显减少，平均气温高于12 ℃时，气温对ILI例数变化几乎不产生影响，而平均气温在－8 ℃左右时对ILI例数变化的影响效应最大。ILI例数变化在平均气温与其他因子交互作用下又存在差异，由图4a可知，平均气温和平均气压对流感发病人数的增加存在协同放大作用，即在平均气温较低时，随着气压的升高，流感发病人数呈明显增加趋势；在平均气温较低时，相对湿度在40%～60%及高于80%时流感的发病风险有所增大（图4c），而在任何时长日照时数条件下流感均有发病风险（图4d）。综合图4c～4e可知，高温、高湿以及长日照时数条件下，不利于流感发生，即夏季流感较为少发，而在平均气温低于12℃时，任何湿度和日照时数条件下均有流感发生风险，即平均气温是影响ILI例数变化的主导气象因素。

2.4 高发病年份气候特征分析

2009年甲型H1N1流感在世界范围内大流行[15]，2019年甲型H1N1为主的流感在全球多个国家爆发。我国2019年1—9月报告流感病例215.1万例，同比增加了252%，在此大背景下，2009年和2019年也是宁夏大部分区域近17年来的流感高发年份。

2009年和2019年吴忠市发病率为宁夏最高（图2），故以此为例，分析其流感发病特征和相应气候特征。流感在全年均有发生，但2009年和2019年流感高发时段存在差异，在2009年1—8月，发病人数较少，其中在4月出现了一个小峰值，9月开始发病人数逐渐增多，11月达到峰值，之后开始减少；而2019年1月流感发病人数较多，超过300例，2月发病人数急剧下降，3月又出现了小峰值，4—11月发病人数均保持在较低水平，进入12月就诊人数激增。按季节来看，在两个高发年的冬季发病人数均较多，其次是秋季，春季也易出现小峰值，夏季发病人数最少（图5）。由此可见，在流感高发年份，1月和11—12月是集中高发时段，3—4月易出现小的流行高峰，这种流行趋势与北方的气候特点一致，在秋末至次年初春冷空气入侵频繁，气温低且波动明显，11月至次年3月又是宁夏集中供暖期，室内外温差大，相对湿度低。

图5 2009年和2019年吴忠市流感发病人数逐月（a）和季节（b）变化Fig.5 Monthly (a) and seasonal (b) changes of the ILI cases in Wuzhong City in 2009 and 2019

由表1可知，气温与流感发病之间有显著相关性。在2009年1—7月，吴忠市平均气温均略高于常年值，此时段内流感发病人数也较少；8月气温略低于常年值，9月又与常年值持平，这说明在8—9月气温有冷空气活动，气温出现了波动，但由于滞后效应，发病人数在9月开始增加；10月平均气温较常年值偏高9 ℃，而11月又偏低3 ℃，这又表明10—11月冷空气活动频繁，气温波动明显，强降温统计资料显示，在11月中上旬出现了3次强降温天气，且变温幅度均低于－5.0 ℃，随之11月的发病人数急剧增加，该现象与诸多研究结果以及临床实践一致（图6a），主要原因可能是气温较低时，变温容易导致人体免疫力下降。

图6 2019年（a）和2011年（b）吴忠市逐月流感发病人数和气温序列分布Fig.6 Monthly distributions of the ILI cases and temperature series in Wuzhong City in 2019 (a) and 2011 (b)

2011年是宁夏全区流感低发病率年，以吴忠市2011年月平均气温为例，对比分析流感低、高发病年气候特征。由图6b可知，除2011年10月气温较常年值偏高8.5 ℃外，其余月份平均气温与历史值基本一致。气温无明显波动，表明冷空气活动偏弱，而偏高的气温不利于流感病毒的传播，因此，2011年流感发病人数保持在较低水平。

国外有相关研究指出，世界范围内的流感大流行可能与拉尼娜现象有关。杨东红等[21]研究发现全球性流感的爆发与中等强度以上拉尼娜现象和强沙尘暴有一一对应关系。拉尼娜现象是指赤道太平洋东部和中部海面温度持续异常偏冷的现象（与厄尔尼诺现象正好相反）[22]。研究表明[23-25]，拉尼娜事件与全球多处气候异常有关，而2007—2008年和2017—2018年为两个拉尼娜气候年，拉尼娜现象对宁夏气候也有一定影响，一般表现为拉尼娜气候年的次年宁夏强寒潮大风天气频繁出现。杨勤等[26]研究显示，在拉尼娜事件结束年宁夏1—2月气温容易偏低。由图6a也可以看出，在拉尼娜的次年，宁夏秋末冬初时冷空气活动频繁，气温波动明显，由表1和图4可知，气温与流感发病人数呈负相关关系，且气温是影响流感发病的主导气象因子。由此可见，拉尼娜事件容易引起宁夏气候条件异常，而异常气候条件有利于流感病毒的传播。

3 结论

通过对2005—2021年宁夏ILI资料和同期气象资料的分析发现，宁夏流感一年四季均有发生，流行高峰期主要集中11月至次年3月，与我国北方大部区域的流行特征一致[7]；2005—2021年，宁夏累计报告流感样病例21700例，年平均发病率为0.20‰，南部的固原市发病率最高，银川市较低，这可能与不同区域人口密度以及经济发展水平有关；当月ILI例数与前1个月气象要素的相关性最强，其中，气压、气温、风速及日照时数明显影响ILI例数的变化；基于GAM模型进一步分析了气象要素交互作用对逐日ILI例数变化的影响效应，结果显示日平均气压-平均气温、平均气压-日照时数、平均气温-平均相对湿度、平均气温-日照时数、平均相对湿度-日照时数5个交互项均通过显著性检验，在P＜0.05水平下显著影响ILI例数变化；结合交互效应的可视化图发现，平均气温是影响ILI例数变化的关键气象因子，而拉尼娜事件易引起次年冷空气频繁入侵宁夏，使得宁夏次年流感易出现高发。此结论可为流感防控工作和预警预测提供科学依据。