中國主要法定報告傳染病的“春節效應”研究

魏 珊 陸一涵 高眉揚 衛國榮 姜慶五 趙耐青 鄭英杰

（復旦大學公共衛生學院流行病學教研室－教育部公共衛生安全重點實驗室 上海 200032）

傳染病的季節性是指該病發病率以大致固定的時間區間發生的周期性波動［1］，常由多種原因引起，人群行為活動、環境對病原體的影響等可能發揮主要作用［2］。春節是中國人最盛大、最重要的傳統節日，在我國最為突出的特征是短期超大規模的人群流動。這種特征可直接或間接影響著傳染病流行的3個環節，使得每年春節前后傳染病疫情呈現出上升波動，即“春節效應”，該效應是傳染病季節性發病的一種表現形式。類似現象也發生于經濟學領域［3］。以往針對疾病的節日效應研究多集中在流行性感冒［4］、出生等，傳染病是否存在“春節效應”尚不清楚。探索傳染病的“春節效應”可加深對所研究傳染病的病原學和生態學認識，為研究其傳播機制和危險因素提供線索，進而提高預防和控制效果。鑒于此，本文選取2005年至2011年全國主要法定報告傳染病發病數據，采用時間序列分解法對其進行研究。

資料和方法

數據來源 我國傳染病報告制度自2004年1月1日起依法通過全國傳染病網絡直報系統實施報告、通報和公布。報告的傳染病共37種，分甲類、乙類和丙類。2008年前衛生部逐月通報和公布甲、乙類傳染病共27種，2009年起增加10種丙類傳染病。本文獲取全國傳染病網絡直報系統試運行一年后的甲乙類法定報告傳染病發病數據，具體數據資料來源于國家衛生部網站http：∥www．moh．gov．cn 2005年1月至2011年12月每月報告的全國甲乙類法定報告傳染病病例數。

納入和排除病種 本文納入2005年至2011年衛生部公布的每月病例數資料完整的甲、乙類傳染病25種，具體為：霍亂、艾滋病、病毒性肝炎（甲肝、乙肝、丙肝和戊肝）、麻疹、流行性出血熱、狂犬病、流行性乙型腦炎、登革熱、炭疽、細菌性和阿米巴性痢疾、肺結核、傷寒和副傷寒、流行性腦脊髓膜炎、百日咳、新生兒破傷風、猩紅熱、布魯氏菌病、淋病、梅毒、鉤端螺旋體病、血吸蟲病、瘧疾。因報告例數少或零報告的鼠疫、傳染性非典型肺炎、脊髓灰質炎、人感染高致病性禽流感、白喉以及未分型病毒性肝炎排除出本研究。

數據準備 （1）在各納入的傳染病數據中，建立時間變量ti（i＝1，2，…，84），以月份為單位，依次為2005年1月至2011年12月的84個月份。按時間變量ti依次統計全國每月原始病例數Ni；（2）根據各月份天數和人口月自然增長率對原始數據進行校正。

我國2000年至2010年期間年平均人口自然增長率為0．57% 據國家統計局2011年統計公報，我國2011年平均人口自然增長率為0．479%。由（1＋p1）12＝ （1＋0．57%）1及 （1＋p2）12＝ （1＋0．479%）1，求得2000年至2010年間月平均人口自然增長率p1＝0．0474%，2011年月平均人口自然增長率p2＝0．0398%，校正公式為：（1＋p1或p2）ti。其中，Xi為校正后月病例數，Ni為原始月病例數，di為第ti月的天數。

時間序列分解法具體步驟 時間序列一般包括長期趨勢因素（T）、季節性因素（S）、循環性因素（C）和隨機性因素（R）4個部分，此處以梅毒數據為例，采用時間序列分解乘法模型進行分解［6］。

（1）對校正后的病例數（Xi）做散點圖（圖1），觀察其變化情況，以N＝12（月）為一個周期。

（2）計算12個月的移動平均數（MAi）。

通過計算移動平均數，隨機性因素和季節性因素的正負波動在一定程度上相互抵消，所以MAi只包括長期趨勢因素和循環性因素兩部分（T×C）。

（3）計算SRi（圖1）。

SRi＝ Xi／MAi＝（T×S×C×R）／（T×C）＝S×R，因此SRi只包括季節性因素和隨機性因素兩部分（S×R）。

（4）計算季節性因素S。

計算各年同一月份SRi的平均值，去除隨機性因素的影響，得到的平均數只包括季節性因素S（圖1），反映了病例數隨時間變化的平均狀況。

圖1 2005年至2011年全國梅毒原始病例數、校正病例數、SRi及季節性因素SFig 1 The number of original and corrected cases，SRi and seasonality of syphilis in China from Jan．，2005to Dec．，2011

春節效應”判斷 根據季節性因素S和SRi曲線、潛伏期以及春節日期進行綜合分析，探討有無“春節效應”。本文“春節效應”的判定應符合如下3個條件：（1）S和SRi曲線在春節后某個時間點上升急速，打破原本平滑上升、下降或平穩的趨勢而發生波動，出現小高峰；（2）如存在（1）所述現象，將小高峰出現日期往前推算一個潛伏期（以平均潛伏期為主，最長潛伏期為輔），推算后的日期正好位于春節前后；（3）每年或大多數年的S和SRi曲線均存在上述（1）、（2）所述現象。如符合上述3個條件，即提示該傳染病可能存在“春節效應”。我國每年春運為春節前15天和春節后25天，共40天，分布于1月至3月中旬，本文選取春運時間為大致春節前后時間。

以圖1梅毒為例，結合上述判定條件，發現梅毒S和SRi在每年2～4月份上升迅速，并且出現波動和第一個發病小波峰；梅毒潛伏期為3～4周，向前推算一個潛伏期，可得出在1月中旬至3月梅毒的感染迅速增加，正好位于春節前后即春運期間；2005年至2011年7年均出現上述相同的情況。由此可以認為梅毒發病可能具有“春節效應”。

對每一種納入傳染病按照上述方法進行分解和分析，探討其有無“春節效應”。

結 果

具有“春節效應”的傳染病 本研究所納入的25種傳染病中，有7種具有較為明確的“春節效應”，分別為甲肝、乙肝、丙肝、戊肝、百日咳、淋病和梅毒，該7種傳染病的S和SRi曲線在春節后某個時間點急速上升，打破原本平滑上升、下降或平穩的趨勢而發生波動，出現小高峰，將小高峰出現日期向前推算一個潛伏期（以平均潛伏期為主，最長潛伏期為輔），推算后的日期正好位于春節前后，并且每年或大多數年的S和SRi曲線均存在上述現象。

“春節效應”不明確的傳染病 結核病和艾滋病的S、SRi在春節后有小波峰出現，但由于其潛伏期不明確或過長，所以“春節效應”暫時不明確。

不具有“春節效應”的傳染病 霍亂、麻疹、流行性出血熱、狂犬病、流行性乙型腦炎、登革熱、炭疽、細菌性和阿米巴性痢疾、傷寒和副傷寒、流行性腦脊髓膜炎、新生兒破傷風、猩紅熱、布魯氏菌病、鉤端螺旋體病、血吸蟲病、瘧疾等暫時未發現具有“春節效應”。例如麻疹、出血熱等的S和SRi曲線在春節后并未出現明顯波動小高峰；登革熱、破傷風等的S和SRi曲線雖然在春節后出現波動小高峰，但是往前推算一個潛伏期后的時間并非在春節前后；而像狂犬病和炭疽等，雖然在個別年份，S和SRi曲線也會在春節后出現波動高峰，并且往前推算一個潛伏期后的日期也正好位于春節前后，但由于該情況不是每年或大多數年份都出現，所以也暫時將其列為未發現“春節效應”的傳染病。

具體的“春節效應”判定結果 “春節效應”判定結果包括各傳染病的潛伏期、S及SRi在春節后第一個高峰日以及判斷是否具有“春節效應”的原因（表1）。具有“春節效應”的7種傳染病的S和SRi變化情況見圖2，由于每年SRi不完全相同，春節、春運日期不一致，各傳染病潛伏期跨度也較大，所以具體應參照圖2（季節性因素S和SRi以及每年的具體春節、春運日期）查看每年各自情況。

表1 各納入傳染病的“春節效應”結果判定Tab 1 Results of“Spring Festival effects”of communicable disease involved

（續表1）

討 論

本研究發現，2005年至2011年我國甲乙類法定報告傳染病中有7種傳染病表現出“春節效應”，它們分別是甲肝、乙肝、丙肝、戊肝、百日咳、淋病和梅毒，均表現為發病出現波動，感染在春節期間上升，經過一個潛伏期后出現發病小高峰。其中，甲肝和戊肝屬于腸道傳染病，有報道指出甲肝也可通過性接觸傳播［7］；乙肝和丙肝屬于體液傳染病，也可通過性接觸、密切接觸等傳播；百日咳屬于呼吸道傳染病；淋病和梅毒屬于性傳播疾病。

基于對該7種傳染病傳播途徑的認識，結合春節期間的某些重要特征，可從以下兩方面對其出現“春節效應”的原因和危險因素進行推測：

第一，社會學因素。首先，春節作為中國最傳統、最盛大的節日，在春節前后，探親返鄉、旅游度假人數驟增。而“春運”作為“人類歷史上規模最大的、周期性的人類大遷徙”，在40天左右的時間里，有30多億人次的人口流動，占世界人口的1／2，相當于全國人民進行兩次大遷移。春運期間，各機場、車站、各交通運輸工具中客流量均達到巔峰，短期內的大規模人群流動使得人群聚集程度、人流密度、人與人之間密切接觸程度與往常相比顯著增加。其次，春節期間，人們走親訪友、參加聚會聚餐、出入各類娛樂場所等的機會均有所增加。上述兩類原因加大了傳染源和易感人群的流動性，有利于病原體在傳染源與易感人群之間傳播，增加了易感人群接觸被污染食物、含病原體飛沫、不潔衛生用具、不安全性行為等的機會，容易發生交叉感染。

第二，生物學因素。首先，春節期間天氣寒冷，人們頻繁應酬、娛樂過度、旅途奔波勞累等因素易導致人體免疫力下降，增加人群易感性。其次，春節期間氣候相對干燥、降水少，空氣中細菌、病毒等隨之增多，增加人群感染機會。再次，冬季嚴寒環境可能適于該7種傳染病的病原體生存、繁殖和傳播。

而對于其他傳染病暫時沒有判定為具有“春節效應”的原因也有多種，主要包括有些傳染病的潛伏期過長，無法判斷感染時間（如艾滋病、猩紅熱）；有些傳染病在春節期間發病呈平滑上升狀態，無波動無小高峰，不能認為受到春節相關因素的影響（如傷寒、副傷寒、麻疹、流腦）；SRi只在個別年份的春節前后出現波動，暫時不能排除其為隨機現象（如炭疽）；某些自然疫源性疾病的蚊蟲傳播媒介冬天幾乎無法生存（如瘧疾、登革熱），某些傳染病病原體不適應嚴寒環境（如痢疾），使得其SRi在春節前后呈現平穩低水平狀態，不可能受到春節相關因素的影響，認為其沒有“春節效應”。

通過上述原因分析，為進一步探索各傳染病的病原學、傳播機制等提供了依據。同樣作為腸道傳染病，菌痢、傷寒等卻沒有像甲肝、戊肝一樣表現出“春節效應”。同樣作為呼吸道傳染病，流腦、麻疹卻沒有像百日咳一樣表現出“春節效應”；該7種傳染病的傳播機制不完全相同，但卻表現出相似的“春節效應”。提示該7種傳染病可能具有某些相似的但不同于其他傳染病的病原學、生態學等特征，這些將為后續研究提供線索和依據。如前言所述，目前國內外關于傳染病“春節效應”的研究很少，同時由于這7種傳染病的傳染源廣泛存在，傳播機制多種多樣，所以對其具體病原學、生態學特征等需進一步研究。

通過本研究，我們發現這7種傳染病并不全是嚴格在春節期間發病達到最高峰，而大多是在春節期間感染狀況出現波動增加，以至于在經過一個潛伏期之后出現發病小高峰，在此期間積累了一定數量的病例數，使潛在的傳染源增多。根據傳染病的傳播理論，在假設其他影響因素不變的前提下，前期傳染源或病例數的增多勢必會導致后期病例數的進一步增加甚至引起爆發和流行。如果在前期能阻斷傳染病的傳播、控制病例數的累積，則可以有效防止后期更多數量病例的出現。由此，本研究提示我們在春節期間，相關部門應加強領導，開展相關傳染病的防病知識宣傳和健康教育；加強食品衛生檢查，對食品制作供銷人員、廚師等做帶菌檢查；加強公共場所衛生檢查，公共場所應加強消毒等防疫措施；引導人們養成良好的衛生、生活習慣，注意增強人體免疫力，必要時可接種相關疫苗，合理飲食和休息，注意清潔飲食，杜絕生吃、半生吃；教育人們盡量不去或少去人群聚集、通風不良的公共場所，遠離色情場所，切實做好相關傳染病的防治工作。

本文在數據處理和研究方法上具有以下優勢：數據全部來自2004年開始運行的全國傳染病網絡直報系統，為防止直報試運行第一年的數據存在不完善之處，自2005年開始選取數據；為去除由于各月份天數不同以及人口自然增長可能引起的偏倚，在分析前根據各月份天數和月平均人口自然增長率對各月份病例數進行了調整。而在其他相似的研究中，鮮有對數據進行調整者。

在研究方法上，本文采用了時間序列分解法對各傳染病的發病分布進行了分析。時間序列分解法一般被用來進行時間序列的描述性研究、回歸分析和預測分析［8－9］，從一個時間序列里可以分解出季節性因素，去除長期趨勢等因素的影響，可以直觀、形象地描述疾病的季節性。其劣勢是缺少證明其具有顯著性意義的統計指標，這需要在進一步的研究中進行完善。

最后，在分析指標的選取上，本文綜合考慮了季節性因素S和SRi。SRi包括季節性因素和隨機性因素兩部分，而隨機性因素除了包括內在隨機性、數據誤差等之外，還包括某些未知的影響因素，所以SRi反映的是每年各自的發病季節性情況，各年之間有些許差別，只有在每年或大多數年份均觀察到春節前后波動的現象才可認定為可能具有“春節效應”，否則不能排除其為隨機現象；而季節性因素S可以看做是幾年的平均發病季節性情況。所以綜合考慮SRi和S可以更準確地反映傳染病的“春節效應”。

［1］ Dowell SF，Ho MS．Seasonality of infectious diseases and severe acute respiratory syndrome－what we don′t know can hurt us ［J］．Lancet Infect Dis，2004，4（11）：704－708．

［2］ Fisman DN．Seasonality of infectious diseases［J］．Annu Rev Public Health，2007，28：127－143．

［3］ 郭志武，蒲繼紅，滕國召．基于ARIMA模型的春節因素調整方法研究［J］．中國衛生統計，2009，29（6）：573－579．

［4］ Shi P，Keskinocak P，Swann JL，et al．The impact of mass gatherings and holiday traveling on the course of an influenza pandemic：a computational model［J］．BMC Public Health，2010，10：788－789．

［5］ Peng X．China′s demographic history and future challenges［J］．Science，2011，333（6042）：581－587．

［6］ Vose D．Risk analysis：aquantitative guide［M］．America：John Wiley and Sons，2003：325－327．

［7］ Mazick A，Howitz M，Rex S，et al．Hepatitis A outbreak among MSM linked to casual sex and gay sanunas in Copenhagen，Denmark［J］．Eurosurveillance，2005，10（5）：111－114．

［8］ 崔樹峰，馬建新，李書明．時間序列分解法在北京市朝陽區細菌性痢疾周報告發病率預測中的應用［J］．中國衛生統計，2009，26（6）：583－585，591．

［9］ Zeger SL，Irizarry R，Peng RD．On time series analysis of public health and biomedical data［J］．Annu Rev Public Health，2006，27：57－79．