廈門市某三甲醫院流行性感冒疫情分析

林文斌 秦維霞 祝寒松

流行性感冒（簡稱流感）是流感病毒引起的急性呼吸道感染性疾病，具有潛伏期短、傳染性強、傳播速度快等特點，主要通過空氣飛沫和接觸傳播，全球每年流感可導致約10億人發病和300萬～500萬重癥，且29萬～65萬人死于流感相關呼吸道疾病，兒童發病率高，容易引起幼托機構和學校聚集性事件，社會影響較大[1-5]。近年我國流感發病處于較高水平，廈門市流感發病率居福建省前列，引起相關部門高度重視。本研究擬對廈門市某三甲醫院2010年1月—2019年12月流感疫情進行分析，為相關部門掌握現狀及制定防控措施提供科學依據。

1 資料與方法

1.1 資料來源

2010年1月—2020年3月流感病例個案信息來源于中國疾病預防控制信息系統的傳染病報告信息管理系統。數據庫清洗標準：按報告地區、發病時間下載，診斷分類以“臨床診斷病例和實驗室診斷病例”為條件納入分析庫，并剔除患者屬于“外籍、港澳臺、其他省、本省其他地市”“刪除個案”和“重卡病例”。

地理基礎資料：人口資料來源于統計年鑒，地理數據采用廈門市街道（鄉鎮）界行政區劃矢量地圖（1∶1 000 000），經緯度來源于“谷歌地圖”。

1.2 分析方法

時空掃描分析：采用SaTScan 9.5軟件對廈門市某三甲醫院流感發病進行時空掃描分析，探測聚集中心和聚集區域半徑，通過計算不同圓心、不同半徑動態窗口區域內外空間單元屬性似然比（likelihood ratio，LLR）進行統計學推斷。當P＜0.05時，LLR值越大，掃描動態窗口所涵蓋的區域為聚集區的概率越大，本研究定義P＜0.05為高時空聚集區，其他具有統計學意義的窗口為低時空聚集區。采用回顧性時空分析方法、Poisson分布模型，設定最大聚集空間為10 km，掃描區域為總人口數的50%[6]，時間聚合長度為14 d。

地圖繪制：采用ArcGIS 10.0軟件進行發病空間地圖繪制、時空掃描分析結果可視化。

發病預測：采用R 3.4.3對數據進行自回歸移動平均（autoregressive integrated moving average，ARIMA）建模和和預測，預測準確性度量包括：平均誤差（mean error，ME），平均絕對標準化誤差（mean absolute standarded error，MASE）、平均殘差平方和平方根（root mean squared error，RMSE）、平均絕對誤差（mean absolute error，MAE）、平均絕對百分比誤差（mean absolute percentage error，MAPE）、平均百分比誤差（mean percentage error，MPE）。

2 結果

2.1 概況

廈門市某三甲醫院2010年1月—2019年12月各年流感報告發病數依次為：71例、20例、47例、45例、124例、107例、134例、76例、190例和1 708例，共2 522例，占比廈門市醫療衛生機構報告數（15 687例）的16.08%，無死亡病例。

2.2 時間分布

總體上12月份為發病高峰期，報告發病數為677例，占比26.84%。其次為1月和7月，報告發病數（占比）分別為248例（9.83%）和232例（9.20%）。

2.3 人群分布

男性和女性流感報告發病數分別為1 427例和1 095例，男女比為1.30∶1。0～5歲組（不含5歲）發病數居前，男性和女性發病數分別為568例和383例，占比分別為39.80%和34.98%；其次是5～歲組，男性和女性分別為467例和334例，占比分別為32.73%和30.50%，見圖1。人群分類主要為學生（810例）、散居兒童（676例）和幼托兒童（556例），占比依次為32.12%、26.80%和22.05%，共占比80.97%。

2.4 地區分布

流感報告發病數區縣分布依次為：思明（1 168例，46.31%）、湖里（593例，23.51%）、集美（411例，16.30%）、海滄（155例，6.15%）、同安（109例，4.32%）、翔安（86例，3.41%）。

38個街道（鄉鎮）均有流感報告，杏林街道、蓮前街道、梧村街道、開元街道、湖里街道等報告發病數（占比）居前，依次為：249例（9.87%）、195例（7.73%）、184例（7.30%）、164例（6.50%）、143例（5.67%），見圖2。

圖1 廈門市某三甲醫院2010年1月—2019年12月流感發病數性別和年齡分布

圖2 廈門市某三甲醫院2010年1月—2019年12月流感地區分布

2.5 時空掃描分析

2010年1月—2019年12月流感日發病數時空掃描結果顯示，存在3個高時空聚集區和2個低時空聚集區。高時空聚集區分別以新陽街道、灌口鎮和五顯鎮為中心，聚集時間均分布在2018年12月19日—2019年12月31日，見表1和圖3。

表1 廈門市某三甲醫院流感發病時空掃描

2.6 預測

2.6.1 回顧性評估 通過擬合篩選，ARIMA（1，1，1）（0，1，2）12是最佳模型，對2010年1月—2019年12月流感報告發病數進行回顧性預測，ME、RMSE、MAE、MPE、MAPE、MASE等準確性指標分別為：0.08、0.81，0.59、-0.30%、0.84、0.05，結果顯示，預測值和實際值吻合較好，準確度較高。

2.6.2 前瞻性評估 對2020年1—8月發病數進行短期預測，其中1—3月的實際發病數與預測值相比，相對誤差分別為46.31%、-96.29%和-99.19%，見表2和圖4。

表2 廈門市某三甲醫院2020年1—8月流感發病數預測情況

3 討論

綜合醫院是流感病例診治的主要醫院，廈門市某三甲醫院在思明區和集美區都有分院，門診量大，而且本研究顯示，在廈門醫療衛生機構報告范圍內，該院流感報告發病數占比權重大，是廈門市流感患者診療的主要醫院之一，分析其基本情況將對廈門市流感防控措施的制定起到重要作用。

圖3 廈門市某三甲醫院流感發病時空掃描

圖4 廈門市某三甲醫院流感報告發病數和預測值

近年該院流感報告發病數呈上升態勢，反映了廈門市總體發病趨勢，也與國內趨勢一致，可能與疫情自然消長和氣候變化影響有關[2，7-10]。但該院2019年報告發病數大幅上升，與近年疫情呈持續上升態勢外，還與該院2019年2月起全面開展流感病原檢測有關。本研究顯示，該院流感季節性較為明顯，主要發生在12月，其次是1月和7月，這與氣象影響有一定關聯[11-12]，氣溫是對流感影響最受關注的氣象因素，主要是低溫的影響，但由于時空異質性的客觀存在[13-15]，廈門市氣溫對流感的影響具有特殊性，體現在日均氣溫＜9℃和＞23℃對廈門市流感發病均是危險因素[2]，這與本研究結果該院流感12月、1月和7月報告發病數較多一致，與欒桂杰等[5]研究的不完全相同。

時空掃描包括了時間和空間兩個維度，具有尺度選擇、尺度轉換和時空融合等優勢，提高準確性和實用性。本次掃描到了3個高時空聚集區和2個低時空聚集區，既是融合時間和空間對既往疫情的分析總結，也是對疫情時間和空間聚集性的預測，一定程度上可對防控重點指明方向。3個高時空聚集區的形成可能與人口較為密集有關，人口密集高會導致呼吸道保護減少[16-17]，也可能與該院兩個分院的所屬區域位置有關。但低時空聚集區并不提示無風險，又因為當今城市化及人口流動性速度加快，所以低時空聚集區也不應忽視，隨著疫情發展，低聚集區的聚集風險存在隨時上升到高聚集區的可能性，特別是鼓浪嶼街道這樣一個人口高度復雜的國家5A級旅游名勝景區。

目前，全球衛生部門正致力于提高對傳染病疫情的早期預測預警能力，本研究顯示，ARIMA（1，1，1）（0，1，2）12模型能夠對流行性感冒發病數進行較準確的定量預測。然而，2020年1—3月實際值與預測值相比，相對誤差均較大，其中1月份相對誤差達到了46.31%，原因可能一是2019年2月起該院全面展開了流感病原檢測，使2020年1月預測值與去年同期有所偏倚；二是2020年流感疫情繼續快速上升；三是受近年冬春季流感疫情影響，若有發熱、咳嗽等相關癥狀人們更傾向于去醫院診治。而2020年2月和3月的相對誤差均近-100%，主要原因包括：一是部分患者有發熱、咳嗽等相關癥狀時,為了避免在醫院、公共交通工具等公共場所人員交叉感染，更傾向于自行前去藥店買藥治療，從而使醫療單位流感報告發病數與實際發病數偏倚加大；二近年人們大幅提高了防范意識，佩戴口罩、保持距離、加強營養睡眠和鍛煉以提高抵抗力，有效地防范了呼吸道傳染病疫情；三是因為一月下旬開始春節放假，大多數單位停工、企業停產、學校放假，至3月底多數人仍未復工復學，人員流動大為減少，切斷了傳播途徑，大幅減少了流感聚集性事件的發生。

綜上，該院是廈門市流行性感冒患者診療的主要醫院之一，ARIMA模型能夠對流行性感冒發病數進行較準確的定量預測，相關單位可根據預測值、疫情特征和時空聚集區等針對性制定防控措施。