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
2. 河北省疾病预防控制中心病毒病防治所, 石家庄 050021
2. Institute for Viral Disease Control and Prevention, Hebei Provincial Center for Disease Control and Prevention, Shijiazhuang 050021, China
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。
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)。
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
[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 |