中华流行病学杂志  2021, Vol. 42 Issue (5): 827-832   PDF    
http://dx.doi.org/10.3760/cma.j.cn112338-20200930-01213
中华医学会主办。
0

文章信息

徐苗苗, 苏通, 刘莹莹, 赵文娜, 于秋丽, 齐顺祥, 李佳霖, 李琦.
Xu Miaomiao, Su Tong, Liu Yingying, Zhao Wenna, Yu Qiuli, Qi Shunxiang, Li Jialin, Li Qi
石家庄市2017-2019年气象因素与手足口病发病相关性及其滞后效应分析
Analysis on influence and lag effects of meteorological factors on incidence of hand, foot and mouth disease in Shijiazhuang, 2017-2019
中华流行病学杂志, 2021, 42(5): 827-832
Chinese Journal of Epidemiology, 2021, 42(5): 827-832
http://dx.doi.org/10.3760/cma.j.cn112338-20200930-01213

文章历史

收稿日期: 2020-09-30
石家庄市2017-2019年气象因素与手足口病发病相关性及其滞后效应分析
徐苗苗1 , 苏通2 , 刘莹莹2 , 赵文娜2 , 于秋丽2 , 齐顺祥2 , 李佳霖1 , 李琦2     
1. 华北理工大学公共卫生学院, 唐山 063200;
2. 河北省疾病预防控制中心病毒病防治所, 石家庄 050021
摘要: 目的 分析石家庄市气象因素与手足口病发病相关性及其滞后效应。方法 资料来源于中国疾病预防控制信息系统2017-2019年石家庄市手足口病逐日发病数据、中国气象数据网的各气象监测点地面逐小时气象数据。运用R 3.6.2软件构建分布滞后非线性模型并进行统计学分析。结果 当日均气温为15~26℃时,滞后3~6 d的手足口病发病风险增加,滞后3 d时发病风险最大(RR=1.03,95%CI:1.00~1.06)。当日均相对湿度>80%时,滞后5~18 d的手足口病发病风险增加,滞后9 d时发病风险最大(RR=1.04,95%CI:1.02~1.06)。当日均气压为999~1 007 hPa时,滞后5~8 d的手足口病的发病风险增加,滞后6 d时的发病风险最大(RR=1.01,95%CI:1.00~1.02)。当日降水量为15~32 mm时,滞后3~18 d的手足口病发病风险增加,滞后6 d的发病风险最大(RR=1.11,95%CI:1.02~1.19)。结论 2017-2019年石家庄市气象因素中,日均气温较高(15~26℃)、日均相对湿度较高(>80%)、日均气压较低(999~1 007 hPa)和日降水量较高(15~32 mm)都会增加手足口病的发病风险,均与手足口病发病存在相关性,并有一定的滞后性,可作为手足口病疫情预警的参数。
关键词: 手足口病    气象因素    分布滞后非线性模型    
Analysis on influence and lag effects of meteorological factors on incidence of hand, foot and mouth disease in Shijiazhuang, 2017-2019
Xu Miaomiao1 , Su Tong2 , Liu Yingying2 , Zhao Wenna2 , Yu Qiuli2 , Qi Shunxiang2 , Li Jialin1 , Li Qi2     
1. School of Public Health, North China University of Science and Technology, Tangshan 063200, China;
2. Institute for Viral Disease Control and Prevention, Hebei Provincial Center for Disease Control and Prevention, Shijiazhuang 050021, China
Abstract: Objective To understand the influence and lag effect of meteorological factors on the incidence of hand, foot and mouth disease (HFMD) in Shijiazhuang. Methods The daily incidence data of HFMD in Shijiazhuang during 2017-2019 were collected from Chinese Information System for Disease Control and Prevention. The hourly meteorological data were collected form meteorological stations of Shijiazhuang of Chinese meteorological data network. The distributed lag nonlinear model was built for statistical analysis by software R 3.6.2. Results When the daily average temperature was 15-26℃, the risk of incidence of HFMD increased at lag 3-6 days. However, the risk was highest when the temperature was 25℃ at lag 3 days (RR=1.03, 95%CI: 1.00-1.06). When the daily average relative humidity was more than 80%, the risk of incidence of HFMD increased at lag 5-18 days. However, the risk was highest at lag 9 days (RR=1.04, 95%CI: 1.02-1.06).When the daily average air pressure ranged from 999 hPa to 1 007 hPa, the risk of incidence of HFMD increased at lag 5-8 days. However, the risk was highest at lag 6 days (RR=1.01, 95%CI: 1.00-1.02).When the daily average precipitation ranged from 15 to 32 mm, the risk of incidence of HFMD increased at lag 3-18 days. However, the risk was highest at lag 6 days (RR=1.11, 95%CI: 1.02-1.19). Conclusions Meteorological factors increased the risk of incidence of HFMD such as higher daily average temperature (15-26℃), higher daily average humidity (> 80%), lower daily average air pressure (999-1 007 hPa) and higher daily average precipitation (15-32 mm) in Shijiazhuang during 2017-2019. They were all correlated with the incidence of HFMD with certain lag days. It is suggested to use these meteorological indicators for the early warning of HFMD.
Key words: Hand, foot and mouth disease    Meteorological factors    Distributed lag nonlinear model    

手足口病(HFMD)是以发热、手足皮疹及口腔疱疹为主要表现的感染性疾病,少数可侵犯中枢神经系统,导致心肺衰竭,还能引发脑膜炎、肺水肿、脑炎等严重并发症。有研究表明,气象因素会影响HFMD的传播与流行,如在安徽省淮南地区和广州市开展的研究显示,高湿会增加HFMD的发病风险[1-2]。但气象因素对传染病发病的影响不是即时体现的,通过影响病毒的生存与繁殖、病毒的传播过程以及宿主的活动等方式间接发生作用,因而气象因素对传染病发生的影响具有一定的滞后性。分布滞后非线性模型(DLNM)既可以表示暴露-反应关系,又可以描述延迟效应[3],在感染性疾病以及慢性病研究中都有应用[4-6]。不同地区气候状况不同,气象因素对HFMD发病的影响可能会存在地区差异。本研究分析2017-2019年气象因素对石家庄市HFMD发病的影响及其滞后作用,为HFMD的预测和防控提供科学依据。

资料与方法

1. 资料来源:中国疾病预防控制信息系统石家庄市HFMD日发病数据、中国气象数据网的石家庄市各气象监测点地面逐小时气象数据,得到2017-2019年每日每小时气温(℃)、每小时相对湿度(%)、每小时气压(hPa)和每日每小时降水量(mm)。

2. 相关定义:

(1)滞后效应:气象因素对HFMD发病的影响不是即时体现的,具有一定的滞后性,滞后效应指气象因素对HFMD发病的延迟效应。滞后天数:本研究指气象因素对HFMD发病产生效应的延迟时间。

(2)日均气温(℃):各气象监测点每日每小时气温的平均值;日均相对湿度(%):各气象监测点每日每小时相对湿度的平均值;日均气压(hPa):各气象监测点每日每小时气压的平均值;日降水量(mm):各气象监测点每日每小时降水量之和的平均值。

3. 统计学分析:应用R 3.6.2软件和Excel 2010软件整理气象数据与HFMD发病资料,采用SPSS 23.0软件进行Spearman秩相关分析,初步判断各气象因素与HFMD发病的相关性大小,选取相关性较强的气象因素,构建DLNM模型分析气象因素对HFMD发病的影响与滞后效应。

DLNM的公式:

式中,Yt为HFMD t日的发病数,α为截距,cb为包含了气象因素与滞后两个维度的交叉基函数。本研究中气象因素与滞后的基函数都选用样条函数。weather指气象因素,如日均气温、日均相对湿度,lag是最长滞后天数。ns是自然三次样条函数,Xi是与研究的目的气象因素相关的其他气象因素。df为自由度。纳入其他气象因素是为了减少其他气象因素的混杂作用,此外,还需要考虑周末效应、节假日效应、长期趋势和季节趋势等混杂因素。dow为描述t为星期几的哑变量,用以控制周末效应。holiday是描述时间t是否为节假日的变量。此外,模型中还包括时间变量的自然三次样条函数ns(time),用以控制HFMD发病率的长期趋势和季节性。采用quasi-Poisson分布控制HFMD日发病数过度离散现象[7]

采用Spearman秩相关分析气象因素与发病数、各气象因素之间的相关性,统计量为Spearman秩相关系数(rs),取值范围[-1,1],一般来说,rs < 0为负相关,rs > 0为正相关,本研究参照文献[8],|rs| < 0.3为相关忽略不计,0.3≤|rs| < 0.5为弱相关,|rs|≥0.5为显著相关,为避免共线性问题,与因变量相关的混杂因素纳入DLNM模型的标准为|rs| < 0.5,剔除标准为|rs| > 0.5。

气象因素的自由度,最大滞后时间、滞后时间的自由度,以及时间变量的自由度选择采用赤池信息准则(Akaike information criterion,AIC)确定[9]。更改各变量的自由度(2~5)、最大滞后时间(14~30 d)、时间变量time的自由度(5~9/年),多次建模,并计算AIC值,同时结合HFMD潜伏期、病毒在环境中存活时间等因素,最终确定,日均气温、日均相对湿度、日均气压、日降水量的自由度为3,最大滞后时间为25 d,日均气温、日均相对湿度与日降水量的滞后自由度为3,日均气压滞后自由度取4,混杂气象因素自由度取3,时间变量的自由度设为8/年[10]

作为一种传染病,HFMD的传播可能会引起自相关。在去除了长期趋势和季节性之后,在滞后1 d和滞后2 d处发现较强的自相关。为了控制自相关性,在对数尺度上加入了每日疾病计数滞后1 d和2 d的自回归项,以匹配传染病传播的机制[11]

应用R 3.6.2软件,利用dlnm包与splines包进行DLNM模型构建,用图形描述气象因素与HFMD的关系以及滞后效应,并以气象因素的中位数作为参考,计算不同取值范围的气象因素在各滞后时间的RR值。双侧检验,P < 0.05为差异有统计学意义。

结果

1. HFMD发病情况:2017-2019年石家庄市HFMD分别报告发病数7 187、4 614和7 927例,累计19 728例。日均发病18例,日最低发病0例,日最高发病111例。

2. HFMD发病数与气象因素相关性分析:对HFMD日发病数与气象因素做Spearman秩相关分析。发现日均气温、日均相对湿度、日降水量与发病数呈正相关,相关系数分别为0.764、0.355、0.335,P=0.000。日均气压与发病数呈负相关,相关系数为-0.641(P=0.000),日均气温、日均相对湿度、日降水量及日均气压与HFMD发病数相关性有统计学意义。石家庄市HFMD 6-8月高发,12月至次年2月低发,日均气温、日均相对湿度、日降水量与HFMD发病数一致,呈夏季高、冬季低的季节趋势;日均气压则呈夏季低、冬季高的季节趋势。见图 1

图 1 2017-2019年石家庄市手足口病发病数与气象因素时间分布

3. 气象因素对HFMD发病影响及滞后效应:

(1)日均气温:石家庄市2017-2019年日均气温范围是-8.7~33 ℃,以日均气温中位数15 ℃为参考值。累积发病风险随日均气温升高呈现先增高后降低的趋势(图 2),< 15 ℃时,表现为保护作用。> 15 ℃时,随日均气温升高累积RR值先增加后降低。日均气温在22 ℃时,对HFMD累积发病风险最大。当日均气温为15~26 ℃时,滞后3~6 d的HFMD发病风险增加,滞后3 d的HFMD发病风险最大,并在25 ℃达到峰值(RR=1.03,95%CI:1.00~1.06)(表 1图 3)。

图 2 气象因素对手足口病发病的总体累积效应图
表 1 日均气温、日均相对湿度、日均气压、日降水量对手足口病发病的滞后效应
图 3 日均气温、日均相对湿度、日均气压、日降水量在不同滞后时间的RR

日均气温为15~25 ℃,滞后3 d时,日均气温每升高1 ℃,发病风险平均增加0.35%。滞后3 d时,日均气温P75(25 ℃)比日均气温P25(4 ℃)的发病风险增长了8.33%。

(2)日均相对湿度:石家庄市2017-2019年日均相对湿度是17%~97%,以日均相对湿度中位数54%为参考值。HFMD累积发病风险在日均相对湿度97%处最大(RR=1.64,95%CI:1.09~2.48)。见图 2

当日均相对湿度 > 80%时,滞后5~18 d的HFMD发病风险增加,日均相对湿度97%滞后9 d时的发病风险最大(RR=1.04,95%CI:1.02~1.06)。见表 1图 3。当日均相对湿度 > 80%,滞后9 d时,日均相对湿度每增加1%,HFMD发病风险增长0.19%,日均相对湿度P95(88%)比日均相对湿度P50(54%)的发病风险增长了2.00%。而当日均相对湿度 < 25%时,滞后18~22 d表现为保护作用。见表 1图 3

(3)日均气压:石家庄市2017-2019年日均气压是987~1 033 hPa。以日均气压中位数1 007.5 hPa为参考值。在1 002 hPa处,累积发病风险最高(RR=1.11,95%CI:0.94~1.31)。在1 019 hPa处累积发病风险最低(RR=0.73,95%CI:0.55~0.97)。见图 2

当日均气压为999~1 007 hPa时,滞后5~8 d的HFMD的发病风险增加,日均气压1 003 hPa,滞后6 d时的发病风险最大(RR=1.01,95%CI:1.00~1.02)。见表 1图 3。此时,日均气压P75(1 015 hPa)比日均气压P25(998 hPa)的发病风险降低了4.90%。日均气压1 010~1 022 hPa时,滞后5~10 d表现为保护作用。见表 1

(4)日降水量:2017-2019年石家庄市的日降水量范围是0~48 mm,以日降水量中位数0 mm为参考值。日降水量对HFMD发病的总体效应呈倒“V”形,日降水量为26 mm时,累积发病风险最大(RR=4.86,95%CI:1.25~18.86)。见图 2

当日降水量为15~32 mm,滞后3~18 d时,HFMD发病风险增加,日降水量28 mm滞后6 d的发病风险最高(RR=1.11,95%CI:1.02~1.19)。见表 1图 3。当日降水量为15~28 mm,滞后6 d时,日降水量每增加1 mm,HFMD发病风险增加0.55%。当日降水量 > 28 mm,发病风险逐渐下降,当日降水量 > 32 mm时,日降水量不再是HFMD发病的危险因素。见图 3

4. 敏感性分析:改变各气象因素最大滞后时间(14~30 d),分别拟合模型进行比较分析,结果未发生明显变化。本研究构建的模型和结果稳定性良好。

讨论

气象因素会影响HFMD发病,且对HFMD发病有滞后效应。但是因为不同地区气候状况不同,气象因素对HFMD发病的影响可能会存在地区差异。为探讨石家庄市气象因素与HFMD发病的关联,利用DLNM模型,分析了气象因素对HFMD发病的影响及其滞后效应。

本研究利用DLNM评价了日均气温、日均相对湿度、日均气压、日降水量4种气象因素与HFMD的关联。以每种气象因素中位数值为参考值,不仅评价了当天气象因素对HFMD发病的影响,还评价了HFMD发病与前0~25 d气象因素的关系,基于模型,即可根据当天的气象条件,大致预测其后0~25 d内HFMD发病情况。

当石家庄市日均气温较高时(15~26 ℃),滞后3~6 d HFMD发病风险增加。发病风险随日均气温升高而上升,在25 ℃到达峰值,这与中国大多数地区气温对HFMD发病的影响一致[12-13],危险作用仅持续一周左右。可能的原因是,较高的气温有利于病毒的存活和繁殖;另一方面,天气变暖会促进人们的活动和聚集,增加了传播和感染病毒的概率,如夏季易发生娱乐水源(如泳池水)导致HFMD暴发的案例[14]

较高的日均相对湿度(> 80%)在滞后5~18 d是危险因素,且随日均相对湿度增加,发病风险增加。而低湿表现为保护作用。这与HFMD在相对高湿的夏季高发的现象是一致的。夏季雨水多湿度高,肠道病毒可以在环境中存活更久,增加了人们接触病毒的机会。据合肥市的研究,当日均相对湿度高于84%时,HFMD的发病风险会增加[15],另据厦门市的研究,较高的相对湿度会增加HFMD发病风险[16]。而对深圳市的研究显示,在日均相对湿度处于46%~88.8%时,对HFMD发病有促进作用[17]。可见,较高的日均相对湿度会促进HFMD的发病。

日均气压较低时(999~1 007 hPa),滞后5~8 d HFMD发病风险增加。与Li等[18]对广州市的研究结果一致,较低的气压会增加发病风险。推测是因为低压会影响人体免疫力[19],但是具体机制还有待研究。

日降水量15~32 mm时,滞后3~18 d会增加HFMD发病风险,滞后6 d时风险最高。较高的日降水量会增加HFMD的发病风险,西安、合肥等地也得到了相似的研究结果[20-21]。推测与水分的增加有利于肠道病毒的存活有关。

本研究收集石家庄市24 h逐时气象资料进行研究,相比之前研究使用的日值或月值资料,减少了误差,数据更为精准。本研究利用累积RR曲线与三维图,从总体效应、特定滞后日发病风险两个途径分析了气象因素对HFMD的发病影响,得到了相似的结果。

本研究存在不足。研究对象的地理位置、卫生条件和经济状况等相关因素可能会影响HFMD发病与气象因素的关联程度[22-23],未纳入本研究。此外,HFMD发病资料来源于传染病信息直报系统,无法排除漏报的可能,受到医疗资源可及性、轻症不去医院等情况影响,使得HFMD报告数低于实际水平。但近年来随着传染病报告工作不断完善,漏报率不断下降,已低于5%[24-25]

综上所述,2017-2019年石家庄市气象因素中,日均气温较高(15~26 ℃)、日均相对湿度较高(> 80%)、日均气压较低(999~1 007 hPa)和日降水量较高(15~32 mm)都会增加HFMD的发病风险,均与HFMD发病存在相关性,并有一定的滞后性,可作为HFMD疫情预警的参数。

利益冲突  所有作者均声明不存在利益冲突

参考文献
[1]
Zhao DS, Wang LL, Cheng J, et al. Impact of weather factors on hand, foot and mouth disease, and its role in short-term incidence trend forecast in Huainan City, Anhui province[J]. Int J Biometeorol, 2017, 61(3): 453-461. DOI:10.1007/s00484-016-1225-9
[2]
Chen C, Lin HL, Li XQ, et al. Short-term effects of meteorological factors on children hand, foot and mouth disease in Guangzhou, China[J]. Int J Biometeorol, 2014, 58(7): 1605-1614. DOI:10.1007/s00484-013-0764-6
[3]
Gasparrini A, Armstrong B, Kenward MG. Distributed lag non-linear models[J]. Stat Med, 2010, 29(21): 2224-2234. DOI:10.1002/sim.3940
[4]
Chuang TW, Chaves LF, Chen PJ. Effects of local and regional climatic fluctuations on dengue outbreaks in southern Taiwan[J]. PLoS One, 2017, 12(6): e0178698. DOI:10.1371/journal.pone.0178698
[5]
Dai QG, Ma W, Huang HD, et al. The effect of ambient temperature on the activity of influenza and influenza like illness in Jiangsu Province, China[J]. Sci Total Environ, 2018, 645: 684-691. DOI:10.1016/j.scitotenv.2018.07.065
[6]
Ma W, Wang L, Lin H, et al. The temperature-mortality relationship in China: An analysis from 66 Chinese communities[J]. Environ Res, 2015, 137: 72-77. DOI:10.1016/j.envres.2014.11.016
[7]
Imai C, Armstrong B, Chalabi Z, et al. Time series regression model for infectious disease and weather[J]. Environ Res, 2015, 142: 319-327. DOI:10.1016/j.envres.2015.06.040
[8]
Mukaka MM. Statistics corner: A guide to appropriate use of correlation coefficient in medical research[J]. Malawi Med J, 2012, 24(3): 69-71.
[9]
Gasparrini A. Modeling exposure-lag-response associations with distributed lag non-linear models[J]. Stat Med, 2014, 33(5): 881-899. DOI:10.1002/sim.5963
[10]
Qi HC, Chen Y, Xu DL, et al. Impact of meteorological factors on the incidence of childhood hand, foot, and mouth disease (HFMD) analyzed by DLNMs-based time series approach[J]. Infect Dis Poverty, 2018, 7: 7. DOI:10.1186/s40249-018-0388-5
[11]
Xiao X, Gasparrini A, Huang J, et al. The exposure-response relationship between temperature and childhood hand, foot and mouth disease: A multicity study from mainland China[J]. Environ Int, 2017, 100: 102-109. DOI:10.1016/j.envint.2016.11.021
[12]
Zhao Q, Li SS, Cao W, et al. Modeling the present and future incidence of pediatric hand, foot, and mouth disease associated with ambient temperature in Mainland China[J]. Environ Health Perspect, 2018, 126(4): 047010. DOI:10.1289/EHP3062
[13]
黄蕊芳, 谢玲, 刘素红, 等. 新疆维吾尔自治区2011-2018年手足口病发病与气象因素的相关性分析[J]. 中华流行病学杂志, 2019, 40(12): 1563-1568.
Huang RF, Xie L, Liu SH, et al. Correlation analysis on meteorological factors regarding the incidence of hand, foot and mouth disease in Xinjiang Uygur Autonomous Region, 2011-2018[J]. Chin J Epidemiol, 2019, 40(12): 1563-1568. DOI:10.3760/cma.j.issn.0254-6450.2019.12.011
[14]
Wong SSY, Yip CCY, Lau SKP, et al. Human enterovirus 71 and hand, foot and mouth disease[J]. Epidemiol Infect, 2010, 138(8): 1071-1089. DOI:10.1017/S0950268809991555
[15]
Yang H, Wu J, Cheng J, et al. Is high relative humidity associated with childhood hand, foot, and mouth disease in rural and urban areas?[J]. Public Health, 2017, 142: 201-207. DOI:10.1016/j.puhe.2015.03.018
[16]
祝寒松, 陈思, 王明斋, 等. 厦门市2013-2017年手足口病发病与气象因素影响分析[J]. 中华流行病学杂志, 2019, 40(5): 531-536.
Zhu HS, Chen S, Wang MZ, et al. Analysis on association between incidence of hand foot and mouth disease and meteorological factors in Xiamen, 2013-2017[J]. Chin J Epidemiol, 2019, 40(5): 531-536. DOI:10.3760/cma.j.issn.0254-6450.2019.05.008
[17]
Yan SY, Wei L, Duan YR, et al. Short-term effects of meteorological factors and air pollutants on hand, foot and mouth disease among children in Shenzhen, China, 2009-2017[J]. Int J Environ Res Public Health, 2019, 16(19): 3639. DOI:10.3390/ijerph16193639
[18]
Li TG, Yang ZC, Liu XY, et al. Hand-foot-and-mouth disease epidemiological status and relationship with meteorological variables in Guangzhou, southern China, 2008-2012[J]. Rev Instit Med Trop Sao Paulo, 2014, 56(6): 533-539. DOI:10.1590/s0036-46652014000600014
[19]
Facco M, Zilli C, Siviero M, et al. Modulation of immune response by the acute and chronic exposure to high altitude[J]. Med Sci Sports Exerc, 2005, 37(5): 768-774. DOI:10.1249/01.mss.0000162688.54089.ce
[20]
Zhang Q, Zhou MM, Yang YW, et al. Short-term effects of extreme meteorological factors on childhood hand, foot, and mouth disease reinfection in Hefei, China: A distributed lag non-linear analysis[J]. Sci Total Environ, 2019, 653: 839-848. DOI:10.1016/j.scitotenv.2018.10.349
[21]
Guo TC, Liu JF, Chen JJ, et al. Seasonal distribution and meteorological factors associated with hand, foot, and mouth disease among children in Xi'an, northwestern China[J]. Am J Trop Med Hyg, 2020, 102(6): 1253-1262. DOI:10.4269/ajtmh.19-0916
[22]
Altizer S, Ostfeld RS, Johnson PTJ, et al. Climate change and infectious diseases: from evidence to a predictive framework[J]. Science, 2013, 341(6145): 514-519. DOI:10.1126/science.1239401
[23]
Molnár PK, Kutz SJ, Hoar BM, et al. Metabolic approaches to understanding climate change impacts on seasonal host-macroparasite dynamics[J]. Ecol Lett, 2013, 16(1): 9-21. DOI:10.1111/ele.12022
[24]
郑洪丹, 张治国, 曹亚军. 我国医疗机构法定传染病疫情报告质量评价研究进展[J]. 实用预防医学, 2018, 25(12): 1542-1546.
Zheng HD, Zhang ZG, Cao YJ. Research progress on quality evaluation of notifiable communicable disease reports in Chinese medical institutions[J]. Pract Prev Med, 2018, 25(12): 1542-1546. DOI:10.3969/j.issn.1006-3110.2018.12.040
[25]
金丽珠, 葛辉, 杜雪杰, 等. 2015年全国医疗机构法定传染病报告质量调查分析[J]. 疾病监测, 2016, 31(10): 883-886.
Jin LZ, Ge H, Du XJ, et al. Reporting quality of notifiable communicable diseases in hospitals in China, 2015[J]. Dis Surveill, 2016, 31(10): 883-886. DOI:10.3784/j.issn.1003-9961.2016.10.019