2020年1—6月蘇州市某區主要死因的死亡預測分析

王從菊 董昊裕 季 文 孫宏鵬

1 蘇州高新區(虎丘區)疾病預防控制中心，215011 江蘇 蘇州；2 蘇州大學醫學部公共衛生學院，215123 江蘇 蘇州

2020年初，新型冠狀病毒肺炎給我國公共衛生事業帶來了較大的挑戰，防疫形勢異常嚴峻。在社區層面上，政府將“盡量減少居民出行”作為主要防控策略以降低感染概率[1-2]。除武漢市實施較為嚴格的管控制度外，其他各省市的社區及居民區也進行了不同程度的監督管理[3]。全國各行各業都受不同程度的影響[4-7]，人們的生活工作方式也隨之改變[8]，這些影響同樣涉及人們的生命安全與健康。為更好地響應建設“健康中國”的號召，本研究著眼于全人群的死因，將蘇州市某區2020年1—6月份死亡數據與往年同期進行比較，以確定全區死亡情況的變化趨勢。

1 資料與方法

1.1 資料來源

死因數據來源于國家衛計委、公安部和民政部聯合發文下發的《居民死亡醫學證明(推斷)書》，蘇州市各轄區嚴格按照死因監測方案的要求和流程收集死亡信息。基本信息包括姓名、性別、出生日期、民族、婚姻、文化程度、職業等；死亡信息包括死亡原因(直接死因、間接死因、根本死因以及其他重要醫學情況)、死亡日期、死亡地點等；診斷信息包括疾病最高診斷單位、疾病最高診斷依據等內容；同時填寫調査記錄。收集2017年1月至2020年6月的死因數據。所有死亡病例中， 80%以上由二級及以上醫療機構確診生前的主要疾病。死者生前主要疾病的最高診斷依據中，臨床及以上占88.90%。死因推斷的準確性主要依據診斷醫院級別和診斷依據來判斷，死因監測數據的死因診斷準確性高，數據可靠。死因編碼質量按照《疾病和有關健康問題的國際統計分類》第10版(ICD-10)的編碼原則，并參考美國2007年生命統計年報，將死因邏輯錯誤(死因、性別和年齡不符合)、傷害無外部原因或意圖不明、心血管病缺乏診斷依據、癥狀或體征、腫瘤未指明位置和其他錯誤如呼衰、肝衰等歸為編碼不準確。

1.2 統計學方法

死亡個案信息統一按照ICD-10進行死因分類和根本死因編碼，對死亡總計、惡性腫瘤、循環系統疾病(包括腦血管病和心臟病)、呼吸系統疾病、中毒和傷害(包括交通事故)和內分泌和代謝疾病主要死因數據進行分析。使用 SPSS 17.0 軟件進行數據分析，利用2017年1月至2019年12月數據建立時間序列模型，預測2020年1—6月份總死亡數及主要死因數，預測模型由SPSS專家建模法在指數平滑法和ARIMA模型中選擇，根據模型的平穩R2進行確認。將2020年的死亡實際情況和模型預測值進行比較，將2020年的死亡實際情況與2019年同期進行比較。預測誤差率=(預測值-實際值) /預測值×100%。

2 結果

2.1 蘇州市某區2017年1月至2020年6月實際死亡總體情況

蘇州市某區2017年1月至2019年12月，死亡總計人數分別為2 086、2 204和2 217，死亡情況總體上較穩定，有微弱的上升趨勢。月份之間呈現一定的季節性，1月、2月和12月死亡人數較多，6—9月死亡人數較少，2020年1—3月死亡人數低于2018年和2019年同期，見表1。

表1 蘇州市某區2017年1月至2020年6月 實際死亡總體情況 單位：例

2.2 主要死因的死亡預測模型選擇

使用SPSS專家建模法分別建立指數平滑法和ARIMA模型的預測模型。從表2可以看出帶有季節性的指數平滑法對所有主要死因的死亡預測都有較好的擬合優度，平穩R2在0.77～0.86之間。而ARIMA模型擬合效果較差。因此，本研究在預測方案上選用帶有季節性的指數平滑法。

表2 主要死因的死亡預測模型擬合優度

2.3 蘇州市某區2020年1—6月份主要死因的死亡趨勢預測

對蘇州市某區2020年1—6月份主要死因的死亡趨勢進行預測，結果顯示死亡總計的預測趨勢與實際觀測值呈現交叉，一致性較差，見圖1。1—3月份實際死亡數低于預測值，而4—6月實際死亡數高于預測值，1—6月份總體上呈先下降再上升的U型趨勢。在主要死因中，呼吸系統疾病和傷害呈現出類似趨勢。進一步對1—3月份實際值和預測值進行比較，研究結果顯示蘇州市該區2020年1—3月份預測值分別比實際值高了4.41%、8.93% 和6.37%，2月份差異最大，見表3。2020年2月，除惡性腫瘤外的各死因死亡預測值均高于實際值，中毒和傷害、呼吸系統疾病、內分泌和代謝疾病差異較大，均超過10.00%。

圖1 蘇州市某區2020年1—6月份主要死因的死亡趨勢預測

表3 蘇州市某區2020年1—3月份死亡實際情況與預測情況比較

2.4 蘇州市某區2020年1—3月份與2019年同期死亡情況比較

研究結果顯示，與2019年同期死亡情況相比，2020年2月和3月總死亡數分別下降13.56%和14.35%。2020年2月各死因中，除惡性腫瘤外其他各死因均低于2019年，2020年3月心臟病和內分泌和代謝疾病死因比2019年同期仍有較大幅度下降，分別下降40.00%和38.46%。見表4。

表4 蘇州市某區2019年1—3月與2020年同期死亡情況比較

3 討論

本研究使用簡單季節性指數平滑法[9]預測2020年1—6月的死亡數據，將其當作在不受外界因素影響下的死亡預期值，在通過與死亡實際觀測值進行比較，分析2020年1—6月份死亡數據趨勢改變情況和兩者之間的差值。結果發現：2020年1—6月份死亡趨勢沒有出現往年的季節性波動，在往年出現死亡高峰的1月和2月，2020年的同期的死亡總數出現下降，并在4月出現反彈現象。然后通過與2019年同期進行比較也發現同樣的結果。此外，對中毒和傷害及呼吸系統疾病死因也有較大影響，心臟病死因在3月份出現下降。

中毒和傷害及呼吸系統疾病死因在2月份出現較明顯的下降，這或許和疫情期間的嚴格管控有緊密關系。本應在1月份結束的春節長假延長至2月末，并且為避免假期后大規模復工復學可能導致的疫情擴散，各城市也根據實際情況延期復工，并推遲開學日期[10-13]，加上主流媒體宣傳，大力呼吁室內活動，這都使得2月份人們的室外社交活動和外出大幅度減少，從而導致交通等意外傷害的死亡下降。同時，由于交通和工業活動減少，空氣質量改善，居家生活大大減少了與他人的接觸機會，這些因素都共同降低了呼吸系統疾病的發生概率，減少了呼吸系統疾病死亡。而心臟病死亡在3月份出現下降，或許是在2月份人們行為方式改變后的滯后結果，例如各類社交行為的減少會降低心臟病的危險因素，進而降低心臟病的發病風險。

2020年4—6月份之間，由于疫情形勢緩解后各種社會活動恢復正常化[14-15]，導致總死亡數接近和超過預測值及歷史同期。同時，本研究也有較大的局限性，由于所研究的區域較小，覆蓋戶籍人口只有41萬左右，以上所有的這些結果不能排除偶然性，即在沒有疫情的影響下，也會出現同樣的死亡情況；由于缺乏死亡的調查資料和環境資料等相關資料，所以有些討論只能是推測。但是，按照該區以前幾年的死亡趨勢、社會的老齡化和本區域戶籍人口不斷增加，2020年的死亡數大概率略高于歷史同期，而我們的研究卻發現相反的結果。綜上所述，由此可以推測疫情期間的嚴格防控政策在有效控制疫情的同時，間接影響了中毒和傷害、呼吸系統疾病和心臟病原因的死亡。