北京地區腸道傳染病與氣象因素的關聯性分析

張軒，賀娟

(北京中醫藥大學基礎醫學院，北京100029)

北京地區腸道傳染病與氣象因素的關聯性分析

張軒，賀娟*

(北京中醫藥大學基礎醫學院，北京100029)

目的依據中醫五運六氣學說，研究北京地區腸道傳染病發病與當年及1～3年前氣象因素的關聯性，并嘗試建立氣象預警模型。方法基于北京地區1970—2004年35年的氣象數據和腸道傳染病(包括細菌性痢疾、病毒性肝炎、傷寒副傷寒)發病數據，利用BP人工神經網絡統計方法，建立“氣象—腸道傳染病”的預測模型，并篩選出影響發病的關鍵氣象因子。結果利用當年及1，2，3年前的氣象因素可分別建立腸道傳染病發病的氣象預測模型，預測精度均約為60%，其中貢獻度較大的氣象因素分別是當年的相對濕度，以及1～3年前的相對濕度和風速。利用上述當年～3年前的關鍵氣象因子建模，其預測效果最佳，精度約為80%。結論北京地區腸道傳染病發病不僅與當年的氣候變化有關，還與1～3年前的氣象變化具有相關性;利用當年～3年前(共4年)的氣象因素建立預測模型，效果要優于單用某一年的氣象因子所建模型。

北京;腸道傳染病;氣象;五運六氣;三年化疫;BP人工神經網絡

腸道傳染病包括細菌性痢疾、霍亂、傷寒副傷寒、病毒性肝炎、脊髓灰質炎等，多好發于夏季。由于夏季氣溫高、濕度大，利于細菌繁殖，食物易受污染，直接影響了腸道傳染病的發生和流行。腸道傳染病的主要癥狀包括惡心、嘔吐、腹痛、腹瀉、食欲不振等胃腸道癥狀;以及發熱、頭痛、全身中毒等癥狀。其發病突然，癥狀嚴重，傳染性很強，給人們的健康和生活造成很大威脅。由于氣象因素可以作為傳染病暴發和流行的前期指標，故近些年來對腸道傳染病的研究［1-4］，愈發重視從氣象學角度進行探討，旨在為其防治和發病預測提供依據。

中醫運氣學說是氣象和疾病(尤其是傳染病)相關的理論，集中體現了中醫學“天人合一”的整體觀思想，研究運氣理論可以為現代傳染病與氣象關系的研究提供良好的借鑒和參考。該理論認為天時氣候的變化規律對傳染病的發生會產生影響，而這種影響不僅局限于當年的氣候變化，還涉及近3年的氣象變化情況，即“三年化疫”理論:通過3年前氣候的異常變化，來預測及判斷疫病的發生、發展及流行規律［5］。有學者［6］研究發現2003年SARS的流行，即是“三年化疫”作用的結果。因此，近些年來，有關傳染病與前期氣象因素關系的研究日益受到重視［7-9］，而“三年化疫”理論正為前期氣象研究的時間范圍提供了有益的參考，將時間跨度延伸至3年前，這在現代氣象醫學研究領域是鮮有提及的［10］。因此，本研究選取北京地區1970—2004年35年的腸道傳染病發病數據(注:腸道傳染病包括3種數據資料完整的疾病，即細菌性痢疾、傷寒副傷寒、病毒性肝炎)及同期的氣象數據，采用統計學方法分析腸道傳染病與同期及前期(即當年～3年前)氣象因素的相關性，并嘗試建立腸道傳染病發病的氣象預警模型。

1 資料與方法

1.1 研究地點北京地區屬于典型的暖溫帶半濕潤大陸性季風氣候，四季分明。春季干旱，夏季炎熱多雨，秋季天高氣爽，冬季寒冷干燥。風向有明顯的季節變化。有學者［11］研究發現北京全年六氣時段的實際氣候特點與中醫六氣模式“厥陰風木、少陰君火、少陽相火、太陰濕土、陽明燥金、太陽寒水”特點基本符合，認為北京地區的氣候特點比較適合于運氣理論的研究。因此，本研究選擇北京地區作為研究對象，并采用六氣分段的方式處理數據，以期較為客觀地分析氣象因素與腸道傳染病發病之間的關系。

1.2 資料來源北京市疾病預防控制中心提供1970—2004年記錄存檔的細菌性痢疾、傷寒副傷寒、病毒性肝炎的年度、逐月發病數據;以及北京市觀象臺提供的同期逐月測得的日平均氣溫、日平均風速、日降水量、日平均相對濕度、日平均水汽壓5項基本氣象因子的數據。

1.3 數據處理有學者［12］研究發現“初運始于立春”與北京地區的實際氣候較為吻合，故本研究從每年立春日起運，將一年劃分為六個時段。即初之氣(立春—春分，約為2—3月)、二之氣(清明—小滿，約為4—5月)、三之氣(芒種—大暑，約為6—7月)、四之氣(立秋—秋分，約為8—9月)、五之氣(寒露—小雪，約為10—11月)、終之氣(大雪—大寒，約為12—次年1月)。以六氣時段為單位，統計1970—2003年34年間各時段內氣溫、風速、降水量、相對濕度、水汽壓，以及腸道傳染病發病數的平均值(注1:腸道傳染病逐年六段發病數即為細菌性痢疾、傷寒副傷寒、病毒性肝炎3種疾病逐年六段發病數之和;注2:因缺少2005年1月份的數據資料，無法統計2004年終之氣的各組數據，故本研究六段數據研究截止到2003年)。

1.4 統計方法由于人工神經網絡具有獨特的信息存儲方式、良好的容錯性、大規模的非線性并行處理方式以及強大的自組織、自學習和自適應能力［13］，故近些年來，該方法廣泛應用于“氣象—腸道傳染病”關系的研究中［14-16］。針對腸道傳染病數據的非線性特點，本研究將采用BP人工神經網絡模型分析當年、1，2，3年前不同時間段的氣象因子與腸道傳染病發病的相關性，進而建立氣象預警模型。

具體方法為:首先利用當年、1，2，3年前的氣象因子分別建立4個腸道傳染病發病的氣象預測模型。即模型1:選擇1973—2003年5個當年氣象因子的六段均值數以及1973—2003年腸道傳染病的六段發病數進行統計;模型2:選擇1972—2002年5個1年前氣象因子的6段均值數以及1973—2003年腸道傳染病的6段發病數進行統計;模型3:選擇1971—2001年5個2年前氣象因子的六段均值數以及1973—2003年腸道傳染病的六段發病數進行統計;模型4:選擇1970—2000年5個3年前氣象因子的六段均值數以及1973—2003年腸道傳染病的六段發病數進行統計。各模型將氣象因子作為輸入變量，腸道傳染病發病數作為輸出變量，各自包含186組數據，按照統計學常規且默認的7∶3比例隨機抽取數據進行訓練及預測，分析各氣象因子與腸道傳染病發病的關系并建立氣象預測模型。然后在4個模型中選擇預測效果較好(即預測精度高于50%)的時間段中貢獻度最大的氣象因子，如上法建立模型5，分析不同時間范圍內的氣象對腸道傳染病發病的影響。以上統計分析均采用SPSS 17.0統計軟件完成。

2 結果

2.1 腸道傳染病的發病特點

2.1.1 腸道傳染病的年發病特點1970—2004年北京地區腸道傳染病報告發病總數為3 433 261例，平均每年發病數為98 093例。在1972—1975年間腸道傳染病呈高發態勢，之后有所下降，到80年代初略有回升;自20世紀80年代末腸道傳染病發病開始明顯下降，在1990—2004年間發病數基本穩定在31 763例/年左右。見圖1。

圖1 北京地區1970—2004年腸道傳染病年發病趨勢

2.1.2 腸道傳染病的六段發病特點腸道傳染病高發集中于三之氣，占總發病數的40%，四之氣其次，占總發病數的30%。初之氣和終之氣的發病最低。見圖2。

圖2 北京地區1970—2003年六氣時段腸道傳染病發病趨勢

2.2 腸道傳染病與氣象因子的BP人工神經網絡模型分析

2.2.1 當年氣象與腸道傳染病發病(模型1)結果顯示:模型1的訓練樣本占數據的73.7%，測試樣本占數據的26.3%。訓練相對錯誤值為0.436，測試相對錯誤值為0.468，均小于1，模型建立成功。其中訓練樣本和測試樣本的預測精度均接近60%，預測結果尚可。見表1。將各項輸入變量的重要性系數進行標準化計算發現，對腸道傳染病發病的影響程度超過50%的氣象因子只有日平均相對濕度，其對腸道傳染病發病的影響最大。見表2。

2.2.2 1年前氣象與腸道傳染病發病(模型2)結果顯示:模型2的訓練樣本占數據的71.0%，測試樣本占數據的29.0%。訓練相對錯誤值為0.452，測試相對錯誤值為0.499，均小于1，模型建立成功。其中訓練樣本和測試樣本的預測精度均接近60%，預測結果尚可。見表1。將各項輸入變量的重要性系數進行標準化計算發現，對腸道傳染病發病的影響程度超過50%的氣象因子是:日平均相對濕度和日平均風速。其中相對濕度對腸道傳染病發病的影響最大，其次是風速，見表2。

2.2.3 2年前氣象與腸道傳染病發病(模型3)結果顯示:模型3的訓練樣本占數據的68.8%，測試樣本占數據的31.2%。訓練相對錯誤值為0.353，測試相對錯誤值為0.316，均小于1，模型建立成功。其中訓練樣本和測試樣本的預測精度均接近70%，預測結果優于前2個模型，見表1。將各項輸入變量的重要性系數進行標準化計算發現，對腸道傳染病發病的影響程度超過50%的氣象因子是:日平均風速和日平均相對濕度。其中風速對腸道傳染病發病的影響最大，其次是相對濕度，見表2。

2.2.4 3年前氣象與腸道傳染病發病(模型4)結果顯示:模型4的訓練樣本占數據的69.9%，測試樣本占數據的30.1%。訓練相對錯誤值為0.588，測試相對錯誤值為0.335，均小于1，模型建立成功。其中訓練樣本的預測精度大約接近50%，測試樣本的預測精度大約接近70%，預測結果不如模型3。見表1。將各項輸入變量的重要性系數進行標準化計算發現，對腸道傳染病發病的影響程度超過50%的氣象因子是:日平均相對濕度和日平均風速。其中相對濕度對腸道傳染病發病的影響最大，其次是風速，見表2。

2.2.5 3年前～當年氣象與腸道傳染病發病(模型5)鑒于上述4個模型均建立成功，且預測結果良好(預測精度基本高于50%)，故采用當年、1，2，3年前這4年中貢獻度最大的氣象因子(即當年的相對濕度，1，2，3年前的相對濕度和風速)，共同建立腸道傳染病發病的預測模型，即模型5。

結果顯示:模型5的訓練樣本占數據的71.0%，測試樣本占數據的29.0%。訓練相對錯誤值為0.383，測試相對錯誤值為0.149，均小于1，模型建立成功。其中訓練樣本的預測精度大約接近70%，測試樣本的預測精度大約接近90%，預測結果最佳，見表1。將各項輸入變量的重要性系數進行標準化計算發現，對腸道傳染病發病的影響程度超過50%的氣象因子是:2年前日平均相對濕度和日平均風速，以及3年前的日平均相對濕度。其中2年前的平均風速對腸道傳染病發病的影響最大。見表3。

表1 模型結果匯總

表2 4個模型中的重要氣象因子(重要性＞50%)

表3 模型5中各氣象因子的重要性

3 討論

目前，關于單個傳染病與同期氣象變化關系的研究較多，而系統性傳染病(如:腸道系統傳染病、呼吸系統傳染病、蟲媒傳染病等)與同期，特別是前期氣候變化關系的研究報道較少。其中腸道傳染病是我國急性傳染病中發病數最多，流行面最廣，影響群眾生活最普遍的一組疾病［17］，因此，本研究以北京地區為例，基于中醫運氣理論，運用BP人工神經網絡統計學方法，回顧性分析了腸道傳染病發病與同期，尤其是前期氣象因素之間的相關性，并建立氣象預警模型，時間范圍由當年跨至3年前，以期為現代腸道傳染病的預防提供新思路。

本研究結果發現:1)在1970—2004年間，北京地區腸道傳染病高發于1972—1975年間，以1975年為最。1975年為天符年，依據運氣理論，該年份氣候變化劇烈，傳染病易呈高發、高死亡特點。2)腸道傳染病高發于三之氣和四之氣，此時正值6—9月間，氣候炎熱，潮濕多雨，在這種濕熱交蒸的氣候環境下，易形成濕熱病邪侵襲人體導致本病的發生。中醫也正是從這個角度來認識本病的，并確立了清熱、祛濕兩大傳統治法。3)利用當年、1、2、3年前的氣象因素皆可成功建立預測模型，說明北京地區1970—2004年腸道傳染病的發病不僅與其當年的氣象變化有關，而且與1～3年前的氣象變化均有關聯。這提示研究傳染病的發病，不應忽視前期氣候變化的影響。4)在利用當年、1、2、3年前氣象因素分別建立的4個模型中，預測效果最好的是模型3，即利用2年前的氣象因子來預測腸道傳染病的發病情況，其訓練樣本和測試樣本的預測精度均接近70%。該結果在一定程度上佐證了“三年化疫”理論的客觀性，并且提示所謂“三年化疫”之“3年”并非固定的預測之數，而是約數。如《素問遺篇·刺法論》［18］云:“假令甲子，剛柔失守，……次三年作土癘，……晚至丁卯，早至丙寅，土疫至也。”指出根據“早至”“晚至”的不同，疫病發生可歸咎于發病時間之前的第2年或第3年的氣候異常。5)上述4個模型的結果還提示了平均相對濕度對腸道傳染病發病的重要影響，不論在同期還是前期;而前期中的平均風速也是影響腸道傳染病發病的重要氣象因素，這與其他報道［19-20］結果相一致。風邪作為伏邪發病與腸道傳染病之間關系密切，雖然早在《黃帝內經》中便已有論述［18］，但其機制還有待于深入探討。6)本研究最后選取同期及前期(即當年～3年前)中的重要氣象因子，共同建立腸道傳染病發病的預測模型(即模型5)。結果發現該模型的預測效果最佳，訓練樣本的預測精度約為70%，測試樣本的預測精度接近90%。這提示利用當年～3年前(共4年)的氣象因素建立預測模型，效果要優于單用某一年的氣象因子所建模型。7)模型5發現在前4個模型顯示的重要氣象因子中，影響腸道傳染病發病的最重要的氣象因子是2年前的風速和相對濕度及3年前的相對濕度，其中2年前的風速貢獻度最大。該結果提示，可以嘗試利用2年前的平均風速和平均相對濕度以及3年前的平均相對濕度等前期氣象因子來預測北京地區腸道傳染病的發病情況。

本研究的創新點在于:1)研究設計思路上的創新:除了分析當年氣象因素對腸道傳染病發病的影響，還依據運氣理論，尤其是“三年化疫”理論，重點探討了3，2，1年前這些前期氣象因素對腸道傳染病發病的影響，并建立了氣象預警模型。2)研究結果中的創新:本研究不僅揭示了腸道傳染病發病與前期氣象變動之間存在的某些確切關聯，提示在現代傳染病的研究中應重視前期氣候變化，尤其不要忽略2～3年前的氣象變動對傳染病發病可能造成的影響;而且從前期氣象因素入手建立傳染病的預測模型，在時間上促進了預警系統關口的前移，提高了預測的及時性，凸顯了預測的超前性特征;并且發現利用多年的氣象因子建模，效果可能會優于單用某一年的氣象因子所建模型。

不過，本研究仍具有一定的局限性:由于資料有限，研究只選擇了5個基本氣象因子作為研究對象，而腸道傳染病也只包含細菌性痢疾、傷寒副傷寒、病毒性肝炎這3種最常見、最為高發的腸道類傳染病，研究指標有限。而且，傳染病的發生除受自然因素影響外，還受社會、經濟等諸多因素的影響。因此，在接下來的研究中，筆者認為應擴大入選的氣象指標，并引入氣象綜合參數等概念，參考能反映氣象綜合變動的數學模型;擴大傳染病數據庫，增大樣本量;選用適當的統計學方法分析不同時間段的氣象變化對各類系統傳染病的影響;并且對影響傳染病發病的各種混雜因素進行分析和評估，恰當估量出不同傳染病的氣象因素影響權重，以期建立精度更高的“傳染病—氣象”預測模型。

［1］賈蕾，黎新宇，劉桂榮，等.北京氣象因素與細菌性痢疾發病關系的研究［J］.現代預防醫學，2007，34(13):2470-2471.

［2］黎新宇，王全意，賈蕾，等.北京市傷寒發病率與氣象因素關系研究［J］.首都公共衛生，2007，1(2):91-93.

［3］HARPER S L，EDGE V L，SCHUSTER-WALLACE C J，et al. Weather，water quality and infectious gastrointestinal illness in two Inuit communities in Nunatsiavut，Canada:potential implications for climate change［J］.Ecohealth，2011，8(1):93-108.

［4］ZHOU X，ZHOU Y，CHEN R，et al.High temperature as a risk factor for infectious diarrhea in Shanghai，China［J］.J Epidemiol，2013，23(6):418-423.

［5］蘇穎.中醫運氣學［M］.北京:中國中醫藥出版社，2009:93.

［6］顧植山.“三年化疫”說非典［J］.中國中醫基礎醫學雜志，2003，9(12):1-3.

［7］湯巧玲，付幫澤，黃羚，等.北京市感染性腹瀉與氣象及六氣的關聯性研究［J］.中醫雜志，2013，54(7):570-572.

［8］張軒，賀娟.北京地區1990年-2004年流行性腮腺炎發病與氣象因素的相關性研究［J］.中華中醫藥雜志，2014，29 (5):1740-1745.

［9］蘇穎.五運六氣探微［M］.北京:人民衛生出版社，2014: 173.

［10］KUHN K，CAMPBELL-LENdRUM D，HAINES A，et al.U-sing climate to predict infectious disease epidemics［J］.Geneva:WHO，2005.

［11］張德山，高思華，李鴻濤，等.北京地區中醫六氣的氣候分析［J］.中醫研究，2010，23(9):1-3.

［12］劉玉慶，高思華，張德山，等.從北京市60年氣象資料看王冰注釋運氣計算模式的謬誤［J］.北京中醫藥大學學報，2010，33(12):813-816.

［13］孫振球.醫學統計學［M］.北京:人民衛生出版社，2007: 478.

［14］劉文東，吳瑩，艾靜，等.BP神經網絡在痢疾發病趨勢預測中的應用研究［J］.中國衛生統計，2012，29(6):801-804.

［15］關鵬，何苗，周寶森.基于BP人工神經網絡的病毒性肝炎發病率自回歸預測模型［J］.中國衛生統計，2003，20(5): 269-271.

［16］張振開，黃運能，黃少新，等.傷寒副傷寒與氣象及地質因素關系的BP神經網絡模型研究［J］.預防醫學情報雜志，2009，25(3):201-203.

［17］魏承毓.我國腸道傳染病的基本狀況與防制對策［J］.中國公共衛生，2004，20(1):126-128.

［18］王洪圖，賀娟.黃帝內經素問白話解［M］.北京:人民衛生出版社，2004:424.

［19］馬師雷，賀娟，高思華.從六氣角度探討病毒性肝炎與氣象因子的相關性及疾病預測模型［J］.中華中醫藥雜志，2012，27(4):823-827.

［20］湯巧玲，劉宏偉，高思華，等.從六氣角度探討北京市痢疾發病與氣象變動的關聯性［J］.中華中醫藥雜志，2012，27 (4):938-942.

Correlation analysis on gastrointestinal diseases and meteorological variables in Beijing

ZHANG Xuan，HE Juan*
(School of Preclinical Medicine，Beijing University of Chinese Medicine，Beijing 100029，China)

ObjectiveAccording Chinese medicine theory“five circuits and six qi”to study the correlation between the incidence of gastrointestinal diseases in Beijing area and meteorological factors in current year and the past three years based on theory of Yunqi，so as to establish meteorological forecasting model.MethodsThe back-propagation artificial neural net-work was conducted using data on five basic meteorological factors and data on incidence of gastrointestinal diseases(including dysentery，typhoid fever and paratyphoid fever，viral hepatitis)in Beijing area，for the period 1970-2004.ResultsAll predictive models using meteorological factors during the corresponding year and one to three years ago can be successfully established and the forecast accuracy were nearly 60%.Additionally，the meteorological factors with largest contribution include average relative humidity in the current year，and average relative humidity as well as average wind speed in one to three years ago.The model using these vital meteorological factors has shown a relatively high accuracy rate 80%.ConclusionThe incidence of gastrointestinal diseases in Beijing is related to meteorological variables in current year and the past three years.Furthermore，the predictive models suggest that the use of a collection of meteorological variables spanning from three years ago to the present is superior to the use of data from only a single year using.

Beijing;gastrointestinal diseases;weather;five circuits and six qi;pestilence occurring after three years;BPartificial neural network

R256.34

:A

:2095-6258(2015)01-0105-05

2014-07-27)

10.13463/j.cnki.cczyy.2015.01.036

國家自然科學基金項目“北京地區60年疫病發生、氣象變動規律性與五運六氣理論關聯性研究”(81072896)。

張軒(1987-)，女，博士研究生，主要從事五運六氣學說研究。

*通信作者:賀娟，女，教授，博士研究生導師，電話-(010)64287003，電子信箱-hejuan6428@sina.com。