2. 嘉峪关市疾病预防控制中心,嘉峪关 735100;
3. 上海市气象与健康重点实验室,上海 200030;
4. 成都信息工程大学大气科学学院,成都 610225
细菌性痢疾是由痢疾杆菌引起的一种常见的肠道传染病,发病存在显著的季节性,在夏秋时节发病率最高,成为影响居民健康的主要传染病之一[1],而气象条件是影响细菌性痢疾发生发展的重要因素之一,近几年来,不少学者运用单因素相关分析和多元逐步回归分析法,对细菌性痢疾发病情况和气象数据进行统计分析。谈荣梅等[2]探讨了浙江绍兴细菌性痢疾发病与气象因素的关系,细菌性痢疾发病与高气温、低气压有关。贾蕾等[3]报告北京市细菌性痢疾发病与气温、降水量呈显著正相关,与气压呈显著负相关,多元逐步回归分析认为气温的影响性更大。廖洪秀等[4]利用主成分回归分析建立了成都细菌性痢疾发病与气象因素的预测方程,发现对细菌性痢疾发病率影响较大的气象因素有风速、气温和降雨量。杨超等[5]揭示了哈尔滨市细菌性痢疾发病数与气象因素的定量关系,平均气温是影响细菌性痢疾发病的重要气象因素。陈伟等[6]对河南省2010年细菌性痢疾流行特征及其与气象因素相关性分析后发现,细菌性痢疾的发生与气温和降水量呈正相关,且降水量影响强度大于气温。安庆玉等[7]利用多元回归分析方法对大连市细菌性痢疾的发病数与气象因素之间的关系进行了探讨,结果显示,大连细菌性痢疾发病与平均气温、相对湿度具有显著正相关性,与月平均气压呈显著负相关。李燕等[8]研究了银川市水汽压、风速、气压和日照时数等气象因素对细菌性痢疾发生的影响,气温和相对湿度对细菌性痢疾发病的影响很大。Li等[9]对武汉市2006—2011年细菌性痢疾数据利用广义相加模型结合条件泊松自回归分析后发现,细菌性痢疾发病与气温呈显著正相关,与相对湿度和降水量呈显著负相关。Li等[10]采用负二项回归模型,评估气象条件对广州细菌性痢疾发生的影响,结果显示,广州细菌性痢疾发病与平均气温具有显著正相关性,与月平均气压呈显著负相关。Gao等[11]使用多元平稳时间序列ARIMAX模型定量评估了长沙市气象要素与细菌性疾痢疾发病的关联性,发现对细菌性痢疾发病率影响较大的气象因素有气温、气压和降水量。Li等[12]利用基于广义相加的泊松回归模型拟合了不同气象要素与痢疾发病数的相关性,痢疾发病数与平均气温、相对湿度和降水量成正相关,与风速、日照时数呈负相关。
通过以上研究可以看出,由于不同研究地区的经济水平、人口学差异、卫生干预措施等不同,影响细菌性痢疾发病的气象因素的种类和影响程度均存在地区差异性,得出的结论也不尽相同。另外,目前相关研究大多局限于某一特定时间内气象因素对细菌性痢疾的影响,忽略了气象因素的影响具有一定的滞后性,且主要研究对象集中在我国的沿海城市和一些经济相对发达的地区,对于干旱地区报道较少,同时大量研究表明,随着全球气候变暖,干旱地区气温上升的速率远远快于其他地区,高温热浪天气的发生频率和持续时间逐渐增加,细菌性痢疾发病的风险明显升高[13],为了进一步了解嘉峪关市细菌性痢疾发病特点,掌握该地区温度变化对细菌性痢疾的影响,为制定有效的预防措施提供理论依据,本研究收集2008—2013年甘肃省嘉峪关市细菌性痢疾发病数据与气象资料数据,采用分布滞后非线性模型(DLNM)分析气温对细菌性痢疾发病的影响及其滞后效应。同时分析不同性别、年龄之间气温与细菌性痢疾发病的相关性[14-17]。
1 数据与方法 1.1 数据2008年1月—2013年12月甘肃省嘉峪关市细菌性痢疾日发病数据由嘉峪关市疾控中心负责收集,来源于全国传染病报告信息管理系统,2008年1月—2013年12月每日气象数据由甘肃省气象局提供,包括气温、气压、风速、相对湿度的日均值和日降水量。
1.2 统计分析方法首先使用Spearman等级相关分析嘉峪关市各气象因子与细菌性痢疾发病人数的相关性及各气象因子之间的相关程度,与细菌性痢疾日发病人数相关的气象因子纳入模型,检验水准为0.05。
对细菌性痢疾发病数据和气象数据分别建立交叉基矩阵,日发病人数作为因变量,采用quasi-Poisson连接函数进行拟合。在控制季节性、长期趋势和星期几效应基础上[14-17],采用DLNM对气象因子与细菌性痢疾发病人数的关联进行拟合。气象因素使用日平均气温,同时控制日平均气压、日降水量的混杂影响,分析日平均气温与发病人数的关系,并且对气温和滞后时间建立二维矩阵,研究气温对发病人数影响的滞后效应。基本模型如下:
$ \begin{array}{l} {\rm{log}}\left[{E\left( {{\mathit{\boldsymbol{Y}}_t}} \right)} \right]{\rm{ }} = \alpha + \beta \mathit{\boldsymbol{TE}}{\mathit{\boldsymbol{M}}_{t, l}} + \mathit{\boldsymbol{ns}}\left( {{p_t}, df = 3} \right) + \\ \;\;\;\;\;\mathit{\boldsymbol{ns}}\left( {{r_t}, df = 3} \right) + \mathit{\boldsymbol{ns}}\left( {{T_t}, df = 7/{\rm{year}}} \right) + \gamma \mathit{\boldsymbol{DO}}{\mathit{\boldsymbol{W}}_t}。\end{array} $ | (1) |
式中:E(Yt)为第t天发病人数数学期望;α为常数项;TEMt, l是应用DLNM中的cross-basis函数获得的关于气温的二维矩阵,β是回归模型中的解释变量系数;ns(pt, df =3)是使用自由度为3的自然立方样条曲线去控制气压的影响;ns(rt, df =3)是使用自由度为3的自然立方样条曲线去控制降水量的影响;T作为一个新设的时间序数变量,将其引入自然立方样条函数来控制季节趋势和长期趋势,ns(Tt, df =7/year)是利用每年自由度为7的自然立方样条曲线去控制季节性和长期趋势的影响;DOWt是第t天为星期几的哑变量,γ为星期几效应的估计系数。
参照相关研究,选取的最大滞后时间为30 d,以年平均气温的中位数(P50)作为参照值,计算不同气温、不同的滞后时间下的相对危险度(RR)值:若β为回归模型中的解释变量系数,气温在整个滞后时间内对细菌性痢疾发病的RR可计算为eβ。在计算日均气温对细菌性痢疾的影响时,以中间温度(26℃)和高温(31℃)分别相对于气温中位数的RR来表示气温对细菌性痢疾发病影响的强弱,中间温度(26℃)和高温(31℃)的RR值有统计学意义,且其RR值95%信度区间下限>1,表明对人体的发病是危险性因素。并分析不同性别和年龄组分层后,气温对每日细菌性痢疾发病人数的影响。
2 结果 2.1 一般情况2008—2013年嘉峪关市细菌性痢疾发病人数合计3112例,日平均发病人数2.41,其中女性1291例,0~18岁组1571例,平均气压、平均气温、相对湿度、降水量、平均风速日均值分别为852.10 hPa、8.17℃、46.99%、0.28 mm、2.20 m/s,具体见表 1。
![]() |
表 1 2008—2013年嘉峪关市气象因素和细菌性痢疾日发病人数描述性统计 Table 1 Descriptive statistics of meteorological factors and the number of bacillary dysentery cases from 2008 to 2013 in Jiayuguan city |
由表 2可见,细菌性痢疾日发病人数与气温呈显著正相关,而与气压呈显著负相关,其中气温对细菌性痢疾发病影响最显著(r=0.345)(P<0.01),而与其他气象因素的相关性均无统计学意义。表明嘉峪关市细菌性痢疾发病可能是高温、低气压共同作用的结果。
![]() |
表 2 细菌性痢疾与气象因素的相关分析 Table 2 Spearman correlation coeffcients of meteorological factors and number of bacillary dysentery cases |
将2008—2013年日均气温与细菌性痢疾日发病数进行DLNM建模拟合,最大滞后时间设定为30 d,观察每一个滞后日对细菌性痢疾日发病数的影响,得到不同滞后气温效应的三维图(图 1)。气温与细菌性痢疾的关系为一种非线性的关系。不同日均气温与细菌性痢疾的关联强度随滞后时间变化,同时高温能够显著地增加细菌性痢疾的发病风险,并且气温对细菌性痢疾发病的影响在当天就会产生。气温对细菌性痢疾的效应在滞后3~5 d内最强,随着滞后时间的延长,高温效应逐渐下降。
![]() |
注:(b)图 1.0等值线代表参照水平,相对危险度RR>1.0时,表明存在发病风险。 图 1 日均气温与细菌性痢疾的风险关联图(a)日均气温在不同滞后日与细菌性痢疾风险关联三维图,(b)日均气温与细菌性痢疾风险关联剂量-反应图 Figure 1 The relationship between average daily temperature and the risk of bacterial dysentery |
以26℃和31℃分别作为中间温度效应和高温效应的温度节点,绘制30 d滞后曲线图。由图 2可以看出,不同温度对不同性别人群的影响不同。对女性而言,不论是中间温度还是高温条件下,温度的效应在当天就能够发生,约2~3 d达到峰值,后开始下降。男性的发病风险在3~5 d达到峰值。不同气温对不同年龄段人群的影响亦不同。19~64岁成人组,温度的效应在当天就能够发生,2~3 d达到峰值,后开始下降。≥65岁老年组,发病的趋势是一个缓慢上升的过程,发病高峰出现在第7 d,之后缓慢下降。对于18岁以下青少年而言,发病呈现倒U型,发病风险低于成年人和老年人。同时高温效应影响大于中间效应。19~64岁成人组高温效应之所以较强,与其体质、生活方式存在密切联系,嘉峪关市15~59岁的人口为16.95万人,占总人口69.63%,人口以青壮年为主,嘉峪关市19~64岁成人组居民饮食口味偏重,喜好辛辣刺激的食物,高温天气饮用生水、吃凉拌菜和生冷食物的行为更频繁,冷饮、冷冻食品等会让胃肠温度降低,影响胃酸分泌和消化酶的作用。寒凉的食物还会让胃受到刺激,导致消化能力下降,不利于补充水分和营养,过多食用生冷食物还会使胃的吸收能力下降,消化系统供血减少,散热不畅,从而引起消化不良。此外高温天气有利于痢疾杆菌的存活与繁殖,食物更容易腐败,为细菌性痢疾的传播创造了条件,故19~64岁成人组发病风险较高。0~18岁青少年组虽然胃肠道功能偏弱,但家中长辈关注或照顾更多,能够保持良好的个人卫生和饮食习惯,故影响较小。≥65岁老年组对健康保健知识比较熟知,比较重视自身的健康,故影响亦较小。
![]() |
图 2 26 ℃和31 ℃对不同性别和年龄人群在不同滞后日的风险关联图 Figure 2 The risks association graph of 26 ℃ and 31 ℃ on different gender and different age groups |
根据DLNM得到不同滞后气温对不同年龄、不同性别人群的累积效应。由表 3可知,中间温度的滞后效应以0~5 d最强,气温每升高1℃男性和女性发病风险分别增加1.06%和1.21%;19~64岁人群和≥65岁人群发病风险分别增加1.24%和1.07%;女性和19~64岁人群更敏感,对于0~10 d发病风险,气温每升高1℃分别增加1.18%和1.21%,女性和19~64岁人群在滞后期为0~5 d至0~10 d内的累积热效应均有统计学意义,并在滞后期为0~5 d发病风险最高。高温的滞后效应在女性、19~64岁人群中以0~10 d发病风险最高,气温每升高1℃发病风险分别增加1.47%和1.57%。高温在不同滞后时间的累积效应均高于中间温度的效应。
![]() |
表 3 不同温度对不同性别、不同年龄人群细菌性痢疾发病的累积效应 Table 3 The align="center"umulative effects of various temperatures on bacillary dysentery relative risk in different gender and different age groups |
图 3为各年龄组人群细菌性痢疾发病风险与日均气温的暴露-反应关系曲线,可见不同性别和不同年龄组人群暴露反应关系是不同的,男性暴露−反应关系近似U型,女性暴露−反应关系呈J型,0~18岁和≥65岁以上人群的暴露-反应关系呈U型,18~64岁人群暴露-反应关系呈J型。不同性别和不同年龄组人群细菌性痢疾最低风险气温(最适气温)维持在20~21℃。
![]() |
图 3 不同性别、不同年龄人群日均气温与细菌性痢疾的暴露-反应关系 Figure 3 The exposure-response relationship between average daily temperature and the risk of bacterial dysentery of different gender in different age groups |
本研究结果与前人研究类似,但是由于不同地区气象条件、自然地理环境存在一定的差异,故各地区的细菌性痢疾的发病率也不同。本文收集了国内外有关细菌性痢疾发病率的文献[6-12, 18-23],与嘉峪关市发病率进行了比较,以期更直观地反映不同地区气象条件和自然地理环境差异对细菌性痢疾发病率的影响。
由图 4可以看出,位于干旱地区的武威和嘉峪关的发病率明显高于全国水平和国内其他一些城市的报道值,这与嘉峪关市特有的气象因素有关,地处亚洲大陆腹地的嘉峪关,在每年5月开始进入夏季,夏季高温炎热,肠道病原菌携带的大毒性质粒被激活,对人体的感染能力增强,此外嘉峪关市居民夏季时比较喜欢食用冰鲜材质的食物或饮料,高温下,如果过量进食冰鲜食物,容易导致胃肠功能失调,从而引起消化不良,导致腹痛、腹泻、机体抵抗力下降,食物在高温时,也易腐败变质。通过以上的分析可以看出气温对细菌性痢疾发病不是直接作用,而是通过影响细菌性痢疾发病的各个环节(居民生活习惯、传播途径与易感人群自身体质),间接影响细菌性痢疾在人群中的分布。
![]() |
图 4 中国不同地区细菌性痢疾发病率 Figure 4 The annual incidence rate of bacterial dysentery in different regions of China |
本研究使用了时间序列方法,分析了嘉峪关市2008—2013年气温变化对细菌性痢疾的影响。发现气温与细菌性痢疾存在正相关:即气温的升高能够显著地增加细菌性痢疾的发病风险,气温每升高1℃,细菌性痢疾发病数将增加1.31% (95%CI:1.06%~2.14%),同时气温的效应在当天就能够发生。Li等[9]对武汉市2006—2011年细菌性痢疾数据分析后发现,细菌性痢疾的发病数增加0.94% (95%CI:0.46%~1.43%)。Li等[10]对广州细菌性痢疾的研究发现气温每升高1℃,细菌性痢疾的发病数增加3.60% (95%CI:3.03%~4.18%)。Gao等[11]发现长沙市气温每升高1℃能够引起人群细菌性痢疾的发病风险增加14.8%。Li等[12]发现北京市气温每升高1℃能够引起人群细菌性痢疾的发病风险增加1.06%。Zhang等[18]研究结果表明,最高气温每升高1℃,济南细菌性痢疾发病数增加10%以上。Zhou等[19]对上海市2008—2010年细菌性痢疾数据分析后发现,气温每升高1℃,发病风险增加2.68%。由以上文献可以看出,在气温较高、高温热浪天气出现次数较多的地区,细菌性痢疾的发病风险比较高。嘉峪关市在高温天气出现时,细菌性痢疾发病风险处于中等水平。
此外,本研究利用Spearman相关初步分析了各气象因素与细菌性痢疾发病数的相关性,相关性分析结果表明,细菌性痢疾的发病与平均气温呈正相关,且与平均气温的相关性最为密切(r = 0.345),而与平均气压呈负相关(r = −0.278)。这不仅与强力等[20]、马玉霞[21]对兰州和张掖地区细菌性痢疾与气象因素的相关性研究的结果不同,也与国内其他地区报道的细菌性痢疾发病与诸气象要素的关系存在差异[6-12],嘉峪关与上述地区主要的不同点在于降水量和相对湿度对细菌性痢疾的影响与上述文献报道结果不一致。这与嘉峪关市特殊的气候条件密不可分。嘉峪关市地处河西走廊西部,祁连山南麓,深居内陆,远离海洋,青藏高原和祁连山脉阻挡了偏南暖湿气流的北上,降水稀少,是典型大陆性温带干旱气候。嘉峪关市每年的6—8月份是细菌性痢疾发病的高峰期,发病数占全年的50%以上。6—8月正是嘉峪关市气温最高、湿度相对较低的一个时期,主要原因是在6—8月本区的降水多是阵性降水天气,过程较短,过后温度回升很快,由于气温升高的幅度远远大于降水的增加幅度,致使水分散失速率加快,蒸发量增大,湿度却无法增大;而在湿度相对较高的秋冬季,温度却处在一个低值区域,细菌性痢疾发病人数也处在一个低峰。引起细菌性痢疾的病毒多适合在湿、热的环境下生存与传播,而嘉峪关市位于典型的温带大陆性干旱气候区,高温高湿无法同时存在,故在干旱地区影响细菌性痢疾的气象因素是多样的,但其主要影响因素是高温。
本研究搜集了嘉峪关市2008—2013年的气象记录和细菌性痢疾的发病数据,分析该地区气温的变化对细菌性痢疾发病的影响。气温的上升不仅能够显著增加细菌性痢疾的发病风险,气温的影响也是一种急性效应。成年人和女性比老年人和男性更容易受到气温的影响而感染细菌性痢疾。
[1] |
王宁. 湖南省痢疾高发区气象因素与痢疾发病的关系研究[J]. 山东大学, 2015, 36-52. DOI:10.6040/j.issn.1672-3961.0.2015.061 |
[2] |
谈荣梅, 陈冲, 屠春雨. 气象因素与细菌性痢疾发病关系的探讨[J]. 浙江预防医学, 2003, 15(3): 7-9. |
[3] |
贾蕾, 黎新宇, 刘桂荣, 等. 北京气象因素与细菌性痢疾发病关系的研究[J]. 现代预防医学, 2007, 34(13): 2470-2471. DOI:10.3969/j.issn.1003-8507.2007.13.029 |
[4] |
廖洪秀, 张强, 杜长慧, 等. 主成分回归分析在细菌性痢疾与气象因素关系中的应用[J]. 现代预防医学, 2009, 36(5): 813-815. |
[5] |
杨超, 郭淑珍, 周浩, 等. 高寒地区气象因素对城市主要传染病消长的影响研究[J]. 中国初级卫生保健, 2011, 25(4): 79-82. |
[6] |
陈伟, 刘颖, 陈正利, 等. 河南省2010年细菌性痢疾流行特征及其与气象因素相关性分析[J]. 现代预防医学, 2012, 39(22): 2818-2820. |
[7] |
安庆玉, 吴隽, 王晓立, 等. 气象因素变化与大连市肠道传染病发病时间分布关系的研究[J]. 中国预防医学杂志, 2012, 13(4): 288-291. |
[8] |
李燕, 武振军, 雷静, 等. 银川市细菌性痢疾发病与气候因素相关性研究[J]. 宁夏医学杂志, 2015, 37(7): 623-625. |
[9] |
Li Z J, Wang L G, Sun W G, et al. Identifying high-risk areas of bacillary dysentery and associated meteorological factors in Wuhan, China[J]. Scientific Reports, 2013, 3(7476): 3239. |
[10] |
Li T, Yang Z, Wang M. Temperature and atmospheric pressure may be considered as predictors for the occurrence of bacillary dysentery in Guangzhou, southern China[J]. Rev Soc Bras Med Trop, 2014, 47(3): 382-384. DOI:10.1590/0037-8682-0144-2013 |
[11] |
Gao L, Zhang Y, Ding G, et al. Meteorological variables and bacillary dysentery cases in Changsha city, China[J]. Am J Trop Med Hyg, 2014, 90(4): 697-704. DOI:10.4269/ajtmh.13-0198 |
[12] |
Li Z J, Zhang X J, Hou X X, et al. Nonlinear and threshold of the association between meteorological factors and bacillary dysentery in Beijing, China[J]. Epidemiology & Infection, 2015, 143(16): 1-10. |
[13] |
程健. 合肥市2006—2012年温度变化对细菌性痢疾影响的时间序列研究[D]. 合肥: 安徽医科大学, 2015: 1-71 http://d.g.wanfangdata.com.cn/Thesis_D708454.aspx
|
[14] |
Gasparrini A, Armstrong B, Kenward M G. Distributed lag non-linear models[J]. Stat Med, 2010, 29(21): 2224-2234. DOI:10.1002/sim.v29:21 |
[15] |
Gasparrini A. Distributed lag linear and non-linear models in R: the package DLNM[J]. Journal of Statistical Software, 2011, 43(8): 1-20. |
[16] |
Gasparrini A, Armstrong B. Reducing and meta-analyzing estimates from distributed lag non-linear models[J]. BMC Medical Research Methodology, 2013, 13: 1. DOI:10.1186/1471-2288-13-1 |
[17] |
Gasparrini A. Modeling exposure-lag-response associations with distributed lag non-linear models[J]. Statistics in Medicine, 2014, 33(5): 881-899. DOI:10.1002/sim.5963 |
[18] |
Zhang Y, Bi P, Hiller J E. Weather and the transmission of bacillary dysentery in Jinan, northern China: a time-series analysis[J]. Public Health Rep, 2008, 123: 61-66. DOI:10.1177/003335490812300109 |
[19] |
Zhou X D, Zhou Y B, Chen R J, et al. High Temperature as a risk factor for infectious diarrhea in Shanghai, China[J]. Journal of Epidemiology, 2013, 23(6): 418-423. DOI:10.2188/jea.JE20130012 |
[20] |
强力, 杨建萍, 陶燕, 等. 兰州市城关区细菌性痢疾日发病人数与气象因素的关系[J]. 环境与健康杂志, 2013, 30(7): 644-646. |
[21] |
马玉霞. 甘肃省几种主要传染病的时空分布特征及其对气候变化的响应[D]. 兰州: 兰州大学, 2015: 1-49 http://cdmd.cnki.com.cn/Article/CDMD-10730-2007116020.htm
|
[22] |
沈波. 福州地区细菌性痢疾流行趋势及气象要素对其影响的神经网络模型研究[D]. 福州: 福建医科大学, 2008: 1-49 http://d.wanfangdata.com.cn/Thesis/Y1487121
|
[23] |
米登书. 趋势季节模型法在细菌性痢疾发病预测中的应用[J]. 现代预防医学, 2006, 23(3): 283. |
2. Jiayuguan Center for Disease Prevention and Control, Jiayuguan 735100, China;
3. Shanghai Key Laboratory of Meteorology and Health, Shanghai 200030, China;
4. College of Atmospheric Sciences, Chengdu University of Information Technology, Chengdu 610225, China