河南省2004-2019年猩紅熱發病趨勢預測研究*

河南省疾病預防控制中心信息中心(450016) 陳正利 許 璐 陳曉智 黨李成 邢世林

【提 要】 目的 對河南省2004-2019年猩紅熱發病數據趨勢進行分析，為科學制定精準防控策略提供理論依據。方法 采用河南省2004-2019年猩紅熱分月發病數據，進行描述性分析和相關分析，應用Z-D方法通過對猩紅熱的流行月發病趨勢分析預測。結果 最佳截取點選為12月，最佳截取點的月累計百分位數與流行年前兆升降比呈負相關(r=-0.707，P<0.01)，符合率為76.92%。外推預測顯示預測效果較好，預測2020年河南省猩紅熱發病呈下降趨勢。結論 Z-D法預測猩紅熱發病趨勢結果可靠，可為制定猩紅熱精準防控策略提供理論依據，同時該方法簡單易行，便于基層防控人員快速掌握。

猩紅熱是由A組溶血性鏈球菌感染引起的急性呼吸道傳染病，是法定的乙類傳染病[1]。冬春季是猩紅熱高發季節，人群普遍易感。我國猩紅熱發病年齡主要在15歲以下，以兒童和青少年為主[2]。近年來，河南省猩紅熱發病水平呈逐年上升趨勢，5～9歲兒童是發病的重點人群，猩紅熱發病順位，一直位居河南省乙類傳染病報告發病數的前十位。目前國內關于猩紅熱發病趨勢預測方法如自回歸移動平均(autoregressive integrated moving average，ARIMA)模型、灰色模型等[3-4]較為復雜，不易掌握。本文利用曾光-丁雁鵬等提出的傳染病流行中存在季節流行現象(簡稱Z-D現象)[5]，對河南省啟動傳染病網絡直報以來15年猩紅熱發病數據進行趨勢分析，為科學制定精準防控策略提供理論依據，同時探索一種簡單可靠、操作性較強的預測方法。

資料來源與方法

1.資料來源

數據來源于《中國疾病預防控制信息系統》2004-2019年河南省傳染病監測報告猩紅熱分月發病數；人口數據采用國家統計局發布的數據。

2.Z-D法原理[5]

首先，將2004-2017年河南省猩紅熱發病數逐年按月進行整理，計算各年分月累計發病數。累加發病數最少月份的下一個月為猩紅熱流行年的起始月。其次，計算猩紅熱流行年度的發病率、前兆升降比；整理出前兆升集合和前兆降集合，計算升降集合交叉數(cross number，CN)和升降集合交叉值(cross value，CV)，并按雙指標(CN 與CV)最小原則確定最佳截取點。最后，根據由最佳截取點的月累計百分位數組成的前兆升集合和前兆降集合，計算前兆升和前兆降集合中位數，確定兩者的分界點，以該年度最佳截取點的月累計百分位數與分界點進行比較，從而對猩紅熱下一流行年度發病率做出上升或下降的預測。

前兆升降比(%)=(下一流行年發病率-本流行年發病率)/本流行年發病率×100%；

前兆升集合是指與本年度發病率相比，下一年度發病率上升的各年相應月累計百分位數的集合為前兆升集合；

前兆降集合是指與本年度發病率相比，下一年度發病率下降的各年相應月累計百分位數的集合為前兆降集合；

L值與S值：同一前兆升集合中月累計百分位數最小值為L值，同一前兆降集合中月累計百分位數的最小值為S值；升降集合交叉數(CN)和升降集合交叉值(CV)：CN為各相應月前兆升、前兆降集合中L值與S值之間間隔的元素個數，CV為L值與S值之差。

3.統計方法：運用excel 2010建立2004-2019年分月猩紅熱報告發病數、歷年河南省人口的數據庫；運用SPSS 21.0對數據進行均數、百分位數、相關性分析。

結 果

1.基本情況：河南省2004-2019年共報告猩紅熱發病19895例，年發病率在0.78/10萬～2.58/10萬。2004-2010年猩紅熱發病率處于1/10萬以下，2011年以后猩紅熱發病率呈波動式上升趨勢，尤其近3年猩紅熱發病處于較高水平。見圖1。

圖1 2004-2019年河南省猩紅熱分月報告發病率趨勢

2.確定猩紅熱流行年：計算2005-2017年河南省猩紅熱各月累計報告發病數，8月份累計報告發病數542例，是所有月份中累計發病報告數最少的月份，因此確定河南省猩紅熱每年9月到次年8月是一個流行年。按流行年整理的猩紅熱月發病數見表1。

表1 2005-2017年河南省猩紅熱流行年分月發病數

3.最佳截取點與回顧性驗證：最佳截取點選為12月，對最佳截取點的月累計百分位數與流行年前兆升降比相關分析有統計學意義(r=-0.707，P=0.01)。12月份前兆升和前兆降集合中位數分別是0.265和0.363，經測算確定分界點是0.314。經對2005-2017年最佳截取點的月累計百分數與分界點比較，大于0.314則下流行年發病率下降，反之上升。以此標準對2005-2017年發病情況進行回顧性預測，符合率為76.92%(10/13)。見表2。

表2 2005-2017年河南省猩紅熱Z-D法分析結果

4.外推驗證及預測：2017-2019年猩紅熱發病率分別為2.18/10萬、2.53/10萬和2.51/10萬。根據確定的分界點，進行外推預測2018年猩紅熱發病趨勢上升，2019年猩紅熱發病趨勢下降，與2018、2019年猩紅熱實際發病趨勢一致，可見預測效果好。根據2019年最佳截取點月累計百位數42.18，預測2020年猩紅熱發病呈下降趨勢。

討 論

傳染病預測預警是疾病預防控制中的一項重要環節，在對傳染病流行趨勢分析的基礎上，用科學方法對今后傳染病的流行規律做出預測是制定傳染病防控策略的重要前提。目前傳染病預測方法歸納起來分為定性預測和定量預測。不同傳染病的流行特征不同，同一傳染病在不同地區流行趨勢也不盡相同，基層疾控人員熟練掌握合適的對傳染病發病預測方法是當前面臨的一個主要難題。

傳染病發病具有一定的季節性，呼吸道、腸道傳染病等季節現象相當普遍。發病曲線波峰的偏度在一定程度上綜合反映了眾多因素對流行過程的影響，有些影響因素本身會因慣性而持續到下一流行年，從而對下一流行年的發病產生影響。因此，曾光等提出了利用Z-D現象可以進行傳染病疫情的預測分析，國內用該方法對猩紅熱疫情分析和預測研究進行過相關報道[6-7]。

本文通過對2004年以來河南省猩紅熱發病數據進行趨勢分析發現，2004-2010年河南省猩紅熱發病趨勢較為平穩，但2011年后，河南省猩紅熱發病明顯呈逐年上升趨勢，尤其是近3年來猩紅熱發病率位于較高水平。從時間分布看，河南省猩紅熱發病時間曲線呈現雙峰分布，集中在4-6月和11月-次年1月，發病呈季節性分布。通過運用Z-D法確定了河南省猩紅熱的流行年，經相關分析發現最佳截取點的月累計百分位數和流行年前兆升降比之間呈負相關，確定了前兆升集合與前兆降集合的分界點，對原始數據進行擬合，和實際發病情況吻合度較高，符合率達76.92%，說明模型擬合較好。外推預測2020年猩紅熱發病水平呈下降趨勢，結果為猩紅熱實施精準防控措施提供理論依據，對于控制猩紅熱的暴發流行具有實際應用價值。同時該方法簡單可靠，操作性強，便于基層防控人員快速掌握，為挖掘疾控業務數據提供了一種新的定性預測方法。

傳染病預測是基于歷史資料所作出的對未來傳染病的流行趨勢，因此資料的完整性和準確性尤為重要，由于2004年傳染病報告方式發生了改變，選取2004年以后傳染病網絡直報系統中猩紅熱報告發病數據，確保猩紅熱發病數據報告一致性。傳染病網絡直報系統數據的完整性和可靠性各地可能會存在差異，在一定程度上會影響預測的效果，因此研究所建的模型并非一成不變，可在一定時間內進行修正，提高預測效果。