蘭州市城關區氣象因素與麻疹發病人數的時間序列研究

陶 燕,宋 捷,強 力,王 硯,李子斌(.蘭州大學資源環境學院,甘肅 蘭州 70000；.蘭州市城關區疾病預防控制中心傳染病防制科,甘肅 蘭州 70000；.甘肅省環境科學設計研究院,甘肅 蘭州 70000)

蘭州市城關區氣象因素與麻疹發病人數的時間序列研究

陶 燕1*,宋 捷1,強 力2,王 硯1,李子斌3(1.蘭州大學資源環境學院,甘肅 蘭州 730000；2.蘭州市城關區疾病預防控制中心傳染病防制科,甘肅 蘭州 730000；3.甘肅省環境科學設計研究院,甘肅 蘭州 730000)

運用SPSS17.0統計軟件進行相關分析和主成分分析及R軟件的時間序列方法定量評估蘭州市城關區氣象因素對麻疹發病人數的影響程度.結果表明,氣象因素對麻疹日發病人數的影響由大至小依次為相對濕度、日照時間、平均氣溫、平均氣壓、降水量、平均風速;各氣象因素對麻疹發病的影響均具有一定滯后效應,平均氣壓、平均風速和日照時間在滯后9d、平均氣溫和降水量滯后7d、相對濕度滯后5d對麻疹日發病人數的影響最大. 平均氣壓、平均氣溫和日照時間每增加1個IQR(四分位距),麻疹日發病人數分別增加175.2%、79.6%和24.3%,而相對濕度、降水量和平均風速每增加1個IQR,麻疹日發病人數則分別減少17.9%、5.2%和15.7%.

麻疹；氣象因素；GAM模型；時間序列分析

麻疹是一種由麻疹病毒引起的急性呼吸道疾病,具有傳染性,多發于冬春兩季,易繼發其他病毒或細菌性感染,且至今尚無特殊抗麻疹病毒藥物[1],故對麻疹的預防措施顯得尤為重要.目前,盡管已具備安全有效的疫苗,但WHO報告顯示麻疹仍是造成全球幼兒死亡的主要原因之一, 2011年全球約有15.8萬人死于麻疹,其中多數是5歲以下兒童.中國麻疹發病人群分布在各省間差異較大,但時間分布均集中于3～5月[2-3]. 2005～2010年間,全國麻疹發病人數在2.86/10萬～9.95/10萬之間,病死率為0.04%～0.08%[4].2005年西部地區采取麻疹減毒活疫苗(MV)強化免疫等防控措施后,麻疹發病得到較好控制[2],其發病特點由以往的冬春流行轉變為全年散發[5],多發人群也轉變為學齡前散居兒童和流動人口中疫苗漏種人群[6-8].

國內外研究表明,氣象因素與呼吸道疾病具有相關性,而相關性分析和時間序列分析也廣泛用于氣象因素、污染物對人體健康影響的研究[9-17],但對于氣象因素與麻疹間定量關系的研究卻較少.蘭州市地處黃河上游,中溫帶大陸性氣候,是甘肅省麻疹高發地區之一[3];城關區為蘭州市的中心區,人口流動大,曾是蘭州市麻疹發病人數最多的地區之一[18].因此,本研究收集2005～2010年蘭州市城關區逐日氣象資料及麻疹發病人數,進行相關分析及主成分分析,在此基礎上用時間序列定量評估氣象因素對麻疹發病人數的影響程度,為有效預防控制麻疹的流行提供科學依據.

1 資料來源與方法

1.1 資料來源

2005年1月1日至2010年12月31日蘭州市城關區麻疹的日發病人數由中國疾病預防控制信息系統提供.氣象資料包括平均氣壓、平均氣溫、相對濕度、降水量、平均風速及日照時間等氣象因素,由甘肅省氣象局提供.

1.2 方法

疾病資料與氣象資料的描述性統計、相關分析及主成分分析由SPSS 17.0完成.

應用時間序列分析方法和半參數廣義相加模型(GAM)定量評估氣象因素對麻疹發病人數的影響,由R 2.15.1統計軟件的Mgcv完成.

麻疹發病人數相對于總人口來說,屬于小概率事件,其實際分布近似泊松分布,故本研究對麻疹每日發病人數擬合泊松分布[19]如下:

式中:Yk為第k日麻疹發病人數;E(Yk)為第k日麻疹發病人數的期望值;α為殘差;β為回歸系數;Xk為第k日氣象要素;s為樣條平滑函數;df為自由度;DOW為星期啞元虛擬變量;time為日歷時間.

在排除星期效應和長期趨勢后,考慮氣象因素對麻疹發病的影響可能存在滯后效應,同時考慮麻疹存在潛伏期一般為6～18d,多數為10～14d,將0(即當天)～14d前氣象因素分別引入模型,根據赤池信息準則(AIC)準則,進行因子的選擇和優度擬合檢驗,估算回歸系數β,計算相對危險度(RR)和95%可信限(95%CI)[20].如式(2).

式中:β為回歸系數;IQR為四分位距.

式中:Se為標準誤.

2 結果與討論

2.1 描述性分析

表1 2005-2010年蘭州市城關區氣象因素和麻疹日發病人數描述性統計(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日蘭州市城關區麻疹發病人數合計897例,日平均發病人數為0.41例,日最大發病人數為15例;平均氣壓、平均氣溫、相對濕度、降水量、平均風速和日照時間日均值分別為823.506hPa、8.724℃、5.951%、1.097mm、1.854m/s和6.737h.具體見表1.

2.2 相關分析

由表2可見,麻疹日發病人數與平均氣溫、日照時間均呈現顯著正相關, 而與相對濕度呈顯著負相關,其中相對濕度對麻疹發病影響最為顯著 (r=-0.213) (P<0.01),而與其他氣象因素間的相關性均無統計學意義.表明麻疹可能多發于相對濕度較小、溫度相對較高及日照時間相對較長的季節.這一結果與屠春雨[21]、張曉云等[22]研究結果存在一定的差異,可能主要與不同研究所選的研究對象和研究地區等不同有關.各氣象因素之間,除平均氣壓和降水量、相對濕度和平均風速外,6種氣象因素之間均顯著相關,且有統計學意義.由此推斷,氣象因素之間可能存在一定的共線性,進而采用主成分分析法探討麻疹日發病人數與氣象因素之間的關系.

表2 2005-2010年蘭州市城關區氣象因素和麻疹日發病人數的Spearman相關系數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

將6個氣象因素進行主成分分析,各成分的總方差解釋見表3.提取得到3個特征值大于1的成分,累計貢獻率為77.081%,對其進行主成分分析.

表3 麻疹日發病人數與氣象因素關系的主成分分析中各主成分的總方差解釋Table 3 Explanation of total variance in the principal component analysis

選擇平均氣壓(χ1)、平均氣溫(χ2)、相對濕度(χ3)、降水量(χ4)、平均風速(χ5)、日照時間(χ6)6個氣象因素作為自變量,麻疹日發病人數作為因變量,得到各氣象因素的成分矩陣,見表4.

表4 麻疹日發病人數與氣象因素關系的主成分分析中各氣象因素的成分矩陣Table 4 Component matrix of meteorological factors in the principal component analysis

由表4可給出3個主成分的計算公式,如下:

主成分1:

通過比較系數得出,在主成分1中,日照時間(χ6)對麻疹日發病人數影響最大,其次為相對濕度(χ3)和降水量(χ4),平均氣壓(χ1)對其影響最小;在主成分2中,平均氣壓(χ1)對麻疹日發病人數影響最大,日照時間(χ6)對其影響最小;在主成分3中,平均氣溫(χ2)對麻疹日發病人數影響最大,相對濕度(χ3)對其影響最小.

表5 麻疹日發病人數與主成分的多元線性回歸參數估計Table 5 Parameter estimation of multiple linear regression

對提取的3個主成分與麻疹日發病人數進行多元線性回歸,結果見表5.

得到式(6):

經線性假設檢驗,回歸方程有意義(F=20.185, P<0.01).將式(3)～式(5)代入式(6),得到式(7):

通過計算各氣象因素的成分矩陣,估計多元線性回歸參數,得到影響麻疹日發病人數的氣象因素回歸方程.結果顯示,氣象因素對麻疹日發病人數的影響由大至小依次為相對濕度、日照時間、平均氣溫、平均氣壓、降水量、平均風速.

2.4 時間序列分析

應用時間序列的GAM定量研究平均氣壓、平均氣溫、相對濕度、平均風速、日照時間和降水量對麻疹日發病人數的影響,各氣象因素對麻疹發病人數的影響均存在一定的滯后效應,平均氣壓、平均風速和日照時間滯后9d、平均氣溫和降水量滯后7d、相對濕度滯后5d對麻疹日發病人數的影響最大.平均氣壓、平均氣溫和日照時間每增加1個IQR,麻疹日發病人數分別增加175.2%、79.6%和24.3%,而相對濕度、降水量和平均風速每增加1個IQR,麻疹日發病人數則分別減少17.9%、5.2%和15.7%.結果見圖1.

圖1 氣象因素對麻疹日發病人數的相對危險度(RR)Fig.1 The relative risk of meteorological factors on daily measles number

時間序列定量分析結果與相關分析及主成分分析結果有所不同,相對濕度對于麻疹日發病人數較為次要.造成這一結果的原因可能是,時間序列分析方法相對于相關分析和主成分分析,具有一定的優點,即該方法在研究氣象因素對麻疹發病的影響時,利用平滑樣條函數排除長期趨勢和星期效應等混雜因素對麻疹發病的影響,使得研究結果更加可靠;同時可用相對危險度表述氣象因素對麻疹發病的影響程度,使研究結果定量化,并可探討氣象因素對麻疹發病的影響是否存在一定的滯后效應,為麻疹發病的預測預警提供一定的科學依據.基于上述特點,目前時間序列分析方法被國內外學者廣泛應用于研究氣象因素或大氣污染對急性傳染病或慢性非傳染性疾病急性效應關系方面的研究[23-25].

通過研究發現蘭州市城關區麻疹發病與全國相比,麻疹發病的季節特征并無太大變化,均為3～5月;且受平均氣壓和平均氣溫影響較大,這可能與氣溫、氣壓對微生物的傳播影響較大有關上標>[26-29];相對濕度、降水量和平均風速對麻疹發病影響相對較小.但由于我國緯度跨度較大,地形地貌類型多樣,使得氣候呈現多樣化特征,因此,與氣候相關疾病的預防控制在利用傳統預防控制措施的同時,應考慮因地制宜,結合當地氣象因素對疾病的發生進行預測預警.

3 結論

3.1 氣象因素對麻疹日發病人數的影響由大至小依次為相對濕度、日照時間、平均氣溫、平均氣壓、降水量、平均風速.

3.2 氣象因素對麻疹發病的影響具有一定的滯后效應(5～9d),平均氣壓、平均氣溫、相對濕度、降水量、平均風速及日照時間對麻疹日發病人數的RR分別為2.752、1.796、0.821、0.948、0.843、1.243.

[1] 解放軍醫學圖書館.中國疾病知識總庫 [DB/OL]. http://www. illku.com:8080/cdd/.

[2] 余文周,稅鐵軍,李 黎,等.全國2004～2006年麻疹流行病學特征和預防控制措施分析 [J]. 中國計劃免疫, 2006,12(5):337-341.

[3] 馬 超,羅會明,安志杰,等.中國2006～2007年麻疹流行病學特征及消除麻疹措施分析 [J]. 中國疫苗和免疫, 2008,14(3):208-213.

[4] 中華人民共和國衛生部.2011中國衛生統計年鑒 [R]. 北京:中國協和醫科大學出版社, 2011.

[5] 魏忠君.麻疹的控制與預防策略 [J]. 中外醫學研究, 2010, 8(8):105.

[6] 楊建萍.城關區1999-2009年麻疹發病流行病學分析及控制策略探討 [J]. 中國初級衛生保健, 2011,25(7):76-78.

[7] 薛亞婷,劉 勇,孟 蕾,等.應用地理信息系統研究甘肅省麻疹流行的空間分布規律 [J]. 蘭州大學學報(醫學版), 2007,33(1): 51-54.

[8] 胡 艷,岑章建.2004-2010年信陽市麻疹發病人群分布特征分析 [J]. 河南預防醫學雜志, 2012,23(2):128-129,145.

[9] 王宛怡,王洪源,張志剛,等.大氣PM10與心血管疾病就診人次的時間序列分析 [J]. 環境與健康雜志, 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,張 強,杜長慧,等.主成分回歸分析在細菌性痢疾與氣象因素關系中的應用 [J]. 現代預防醫學, 2009,36(5):813-815.

[15] 陶芳芳,趙耐青,何 懿,等.廣義相加模型在細菌性痢疾預警中的應用 [J]. 中國衛生統計, 2012,29(4):481-483.

[16] 陶 燕,羊德容,蘭 嵐,等.蘭州市空氣污染對呼吸系統疾病入院人數的影響 [J]. 中國環境科學, 2013,33(1):175-180.

[17] 魏復盛,胡 偉,滕恩江,等.空氣污染與兒童呼吸系統患病率的相關分析 [J]. 中國環境科學, 2000,20(3):220-224.

[18] 馬玉霞.甘肅省幾種主要傳染病的時空分布特征及其對氣候變化的響應和預測研究 [D]. 蘭州:蘭州大學, 2007.

[19] 張金艷,郭玉明,孟海英,等.北京市朝陽區大氣污染與居民每日死亡關系的時間序列研究 [J]. 環境與健康雜志, 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.氣象因素與麻疹發病關系的研究 [J]. 中華流行病學雜志, 2004,25(9):826.

[22] 張曉云,周建峰,解以揚,等.天氣氣候對麻疹發病的影響 [C]//第26屆中國氣象學會年會論文集, 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] 劉維斯.廣州市2004～2009年流行性感冒流行特征 [D]. 中山大學, 2010.

[25] 徐興福,譚永達,魯秀娟,等.應用Markov模型預測細菌性痢疾發病率 [J]. 浙江預防醫學, 2007,19(3):23,25.

[26] 徐迎春.杭州地區兒童支原體肺炎流行特征與氣象因素的相關分析 [D]. 杭州:浙江大學, 2010.

[27] 趙俊英,代培芳,劉美德,等.流行性乙型腦炎發病率的氣象影響因子分析 [J]. 中國媒介生物學及控制雜志, 2012,23(4):332-334.

[28] 李小群,李 蓉,熊國強,等.真菌孢子飄散與氣象因素的相關性研究 [J]. 江西醫學院學報, 2003,43(6):24-26.

[29] 李 蓉,劉志剛,熊國強,等.芽枝菌屬在空氣中的飄散 [J]. 江西醫藥, 2002,37(4):262-263.

致謝：感謝甘肅省氣象局為本研究提供氣象資料.

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,甘肅榆中人,副教授,博士,主要從事氣候變化和環境污染對人體健康的影響以及經濟損失評估.發表論文30余篇.

2014-02-27

國家自然科學基金(41075102;41005087);中央高校基本科研業務費專項資金資助(lzujbky-2013-m03)

* 責任作者, 副教授, taoyan@lzu.edu.cn