2004-2018年葫蘆島市氣象因素對細菌性痢疾發生的影響研究*

蔣 濤 施海龍 翟 星 許東東 張明志 沈鐵峰 黃德生,5△ 關 鵬△

【提 要】 目的 細菌性痢疾仍然是很多地區重要的公共衛生問題之一,本研究旨在探討氣象因素對細菌性痢疾發生的影響。方法 收集遼寧省葫蘆島市2004-2018年細菌性痢疾月別發病數據,從國家氣象信息中心收集該地區月別氣壓、氣溫、蒸發量、降水量、降水天數、風速、日照時數、日照百分比和相對濕度等數據?；趶V義相加模型探討氣象因素和細菌性痢疾發病數之間的關系。結果 多數模型的決定系數(R2)均超過0.5。氣溫、降水和濕度與細菌性痢疾的發生呈正相關,氣壓和日照與細菌性痢疾的發生呈負相關。結論 葫蘆島市細菌性痢疾的發生與氣象因素密切相關,應根據細菌性痢疾的流行特征和氣象因素的變化制定相應的防控措施,降低疾病的發生風險。

細菌性痢疾是一種最常見的痢疾類型,雖然其發病率呈下降趨勢,但在某些地區仍然是重要的公共衛生問題之一[1-3]。細菌性痢疾的發生存在著明顯的季節性,在夏秋季節發病率升高[4-5]。氣象因素對于細菌性痢疾的影響日益受到國內外研究者的重點關注,氣象因素既影響病原體的生長繁殖速度,也影響易感人群的生活方式[6-7]。探究或明確細菌性痢疾的發生與氣象因素間的關系有助于精準地預測細菌性痢疾疫情的發展態勢,進而基于所發現的相應規律對細菌性痢疾進行精準的預防和控制。本研究利用遼寧省葫蘆島市2004-2018年的氣象因素和細菌性痢疾的發病數據,基于廣義相加模型(generalized additive model,GAM)來探索氣象因素對于細菌性痢疾發病的影響。

資料與方法

1.數據來源

通過遼寧省葫蘆島市疾病預防控制中心收集葫蘆島市2004年1月-2018年12月的細菌性痢疾月別報告發病人數?？紤]到月度氣象因素的滯后效應,本研究中所收集的氣象因素起始時間早于傳染病數據6個月;通過國家氣象信息中心(http://data.cma.cn)收集葫蘆島市2003年7月-2018年12月葫蘆島市的月別氣象數據。月別氣象數據主要包括平均氣壓(hPa)、最低氣壓(hPa)、最高氣壓(hPa)、水汽壓(hPa)、平均氣溫(℃)、最高氣溫(℃)和最低氣溫(℃)、降水量(mm)、降水天數(天)、平均風速(m/s)、日照時數(h)、日照百分比(%)和平均相對濕度(%)。

2.方法與原理

(1)廣義相加模型(generalized additive model,GAM)

GAM是傳統廣義線性模型的非參數拓展,該模型可以有效處理解釋變量與效應變量間復雜的非線性關系,其中部分線性預測因子根據解釋變量的平滑函數之和確定[8]。GAM中這些函數的確切參數形式未知,每個函數的平滑度也未知。本研究基于Poisson分布進行多重平滑參數估計,以細菌性痢疾月別病例數為效應變量,平滑氣象因素為協變量,預測病例數。逐個進行單個協變量和多變量的GAM,以找出氣象因素與細菌性痢疾發病數之間的關系。

(2)GAM的軟件實現

本研究采用R軟件(www.r-project.org,version 4.2.3)中的mgcv軟件包來進行GAM的構建。

結 果

1.遼寧省葫蘆島市細菌性痢疾病報告病例數的時間分布

2004-2018年葫蘆島市細菌性痢疾的累計病例數為1753例,月平均發病率為0.36/10萬,月發病率范圍為0～2.22/10萬,高峰期為每年的7月或8月,詳見圖1、2。

圖1 2004-2018年葫蘆島市細菌性痢疾發病率線圖

圖2 2004-2018年遼寧省葫蘆島市細菌性痢疾發病率散點圖

2. 氣象因素的滯后效應估計

Unmodified的平滑度可以通過廣義交叉驗證、赤池信息準則(Akaike information criterion,AIC)、限制最大似然等進行選擇。在本研究中,滯后效應由最小的AIC來確定,AIC使用模型的估計自由度來代替通常的自由度。表1顯示,氣壓、降水和日照與細菌性痢疾發病之間有一個月滯后效應,而溫度和濕度的月滯后效應未發現統計學意義。

表1 基于AIC的最佳滯后廣義相加模型

GAM 的擬合結果

1.氣溫與細菌性痢疾的關系

GAMs月別最低氣溫、最高氣溫、平均氣溫、平均最低氣溫和平均最高氣溫的GAM的調整決定系數分別為0.714、0.568、0.632、0.743和0.784。與細菌性痢疾最相關的是平均最高氣溫,它可以解釋細菌性痢疾變化的81.3%,如圖3所示。結果表明,平均最高氣溫與細菌性痢疾的發生呈正相關。模型擬合的估計自由度為 4.998。當溫度為0℃時,相對危險度(relative risk,RR)的自然對數約為-0.9;當溫度為20℃時,RR的自然對數為-0.2;隨后開始單調增加,當溫度達到28度時,RR的自然對數為1.8。

圖3 基于月平均最高氣溫的廣義相加模型擬合曲線

2.氣壓與細菌性痢疾的關系

月別最低氣壓、最高氣壓和平均氣壓的GAM調整決定系數分別為0.516、0.732和0.737。與細菌性痢疾最相關的是平均氣壓;估計自由度為7.409,可以解釋細菌性痢疾變異的79.0%。氣壓與細菌性痢疾的發生呈負相關,當氣壓為1002.5 hPa時,RR的自然對數為1.5;當氣壓為1022.5 hPa時,RR的自然對數為-0.8,見圖4。

圖4 基于月平均氣壓的廣義相加模型擬合曲線

3.降水與細菌性痢疾的關系

月降水量和降水大于等于0.1mm的日數的GAM調整決定系數分別為0.471和0.573。與細菌性痢疾最相關的是降水大于0.1mm天數;估計自由度為8.811,可占細菌性痢疾變異的63.7%。降水與細菌性痢疾的發生呈正相關,當月降水天數為0時,RR的自然對數低于-0.6。隨著降水天數的增加,RR的自然對數迅速上升。當月降水天數達到12天時,RR的自然對數達到1.6,如圖5所示。

圖5 基于月降水≥0.1 mm天數的廣義相加模型擬合曲線

4.濕度與細菌性痢疾的關系

GAMs月平均相對濕度和平均水汽壓的調整決定系數分別為0.604和0.768。與細菌性痢疾最相關的是平均水汽壓,它可以解釋細菌性痢疾變化的80.6%。水汽壓與細菌性痢疾的發生呈正相關,估計自由度為8.074。當水汽壓為5 hPa時,RR的自然對數為-0.6;隨著水汽壓的增加,RR的自然對數開始增加并迅速上升;當水汽壓達到15.5 hPa時,RR的自然對數達到0.8,如圖6所示。

圖6 基于月平均水汽壓的廣義相加模型擬合曲線

5.日照與細菌性痢疾的關系

月別日照時數和日照百分比的調整決定系數分別為0.184和0.593。與細菌性痢疾最相關的是日照百分比,它可以解釋細菌性痢疾變化的65.1%,如圖7所示。日照的百分比與細菌性痢疾的發生呈負相關,估計自由度是7.005。當日照百分比為33%時,RR的自然對數為1.9;隨著日照百分比的增加,RR的自然對數開始減小;當日照百分比上升到80%時,RR的自然對數下降到-0.8。

圖7 基于月日照百分比的廣義相加模型擬合曲線

6.多變量GAM模型

本研究所得的最終廣義相加模型為:細菌性痢疾發病數=年份+平均最高氣溫的平滑函數+平均氣壓的平滑函數+降水≥0.1mm天數的平滑函數+平均水汽壓的平滑函數+日照百分比的平滑函數,模型的調整決定系數為0.852,模型可以解釋88%的變異,擬合效果好。變量“年”系數為-0.125,表明細菌性痢疾的發病率呈隨年份下降的趨勢。平均最高氣溫、平均氣壓、降水≥0.1 mm天數、平均水氣壓和日照百分比的估計自由度分別為3.222、5.829、1.002、6.749和7.381,詳見表2。所有變量的P值均小于0.10。

討 論

本研究發現,氣象因素與細菌性痢疾的發生密切相關,大多數模型的決定系數均超過0.5。在遼寧省葫蘆島市2004-2018年間細菌性痢疾的發病率隨著時間的推移呈下降趨勢,但氣象因素與細菌性痢疾之間的強相關性不會改變。

在所有協變量中,最高氣溫與細菌性痢疾發生之間的關聯比最低氣溫更強,這一現象與腸道傳染病監測中志賀氏菌陽性檢出率的分布特征一致[9]。此外,氣溫可能通過對人群生活習慣的影響而影響傳播途徑和人群的易感性。本研究發現細菌性痢疾的發病與降水≥0.1 mm的天數有關,結果與Hines等人[10]和Chen等人[11]的發現一致;上述兩項研究均提示強降水與菌痢的發生密切相關。此外,本研究發現水汽壓與細菌性痢疾的發病高度相關,結果與Li等人基于中國哈爾濱和衢州兩個城市數據的研究結果相一致[12]。

盡管本研究發現氣象因素與細菌性痢疾發病率之間存在很強的關系,但本研究存在如下局限性。首先,本研究僅收集了月別的氣象數據和發病數據,在本研究中氣象因素與細菌性痢疾發生關聯中所有的滯后時間都小于等于1個月,即氣壓、降水和日照存在一個月的滯后效應。而在數據的月別尺度下,并未發現溫度和濕度的滯后效應,提示后續收集數據時,應該以周[13]或日[7,14]為時間單位收集發病數據和氣象數據,以最大限度地探索氣象因素和細菌性痢疾之間的關系。其次,本研究所在的區域為溫帶季風氣候,相關研究結果無法外推至其他氣候類型。溫帶季風氣候在夏季炎熱潮濕,各氣象變量之間可能存在一定的交互作用[15]或多重共線性[16],由此可能會影響多元模型中的最終結果,后續將探究多重共線性對結果的作用途徑和作用大小。最后,本研究僅分析了氣象因素對細菌性痢疾發病的影響,在不同空氣質量情況下,氣象因素對細菌性痢疾發病的影響有無變化尚未探究[17]。后續將繼續收集相關監測數據,完善預測預警體系。