中华预防医学杂志    2018年08期 2008—2016年兰州市日均气温与水痘发病的关联性研究    PDF     文章点击量:160    
中华预防医学杂志2018年08期
中华医学会主办。
0

文章信息

王金玉 李盛 马汉平 董继元 王宇红 张薇 张晓宇 李普 李守禹
WangJinyu,LiSheng,MaHanping,DongJiyuan,WangYuhong,ZhangWei,ZhangXiaoyu,LiPu,LiShouyu
2008—2016年兰州市日均气温与水痘发病的关联性研究
Research on the relationship between the daily mean temperature and the daily cases of varicella during 2008-2016 in Lanzhou, China
中华预防医学杂志, 2018,52(8)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2018.08.013

文章历史

投稿日期: 2017-12-01
上一篇:2013年"乙型肝炎疫苗事件"经济学损失评价
下一篇:中国大学新生现阶段乙型肝炎血清学五项指标检测结果Meta分析
2008—2016年兰州市日均气温与水痘发病的关联性研究
王金玉 李盛 马汉平 董继元 王宇红 张薇 张晓宇 李普 李守禹     
王金玉 730000 兰州大学基础医学院人体解剖学与组织胚胎学研究所
李盛 兰州市疾病预防控制中心公共卫生科
马汉平 兰州市疾病预防控制中心公共卫生科
董继元 730000 兰州大学公共卫生学院劳动卫生与环境卫生学研究所
王宇红 兰州市疾病预防控制中心公共卫生科
张薇 兰州市疾病预防控制中心公共卫生科
张晓宇 兰州市疾病预防控制中心公共卫生科
李普 白银市第二人民医院儿科
李守禹 730000 兰州大学基础医学院人体解剖学与组织胚胎学研究所
摘要: 目的  探讨兰州市日均气温变化与水痘发病的相关性。方法  从全国传染病报告信息管理系统和甘肃省气象局分别收集兰州市2008—2016年水痘逐日发病例数,结合同期气象资料,采用分布滞后非线性模型分析不同的滞后天数(lag)、气温与水痘发病的关联性及对于敏感人群的影响;以最低风险温度为参照,估计不同气温P5(-5.2 ℃)、P25(1.7 ℃)、P75(20.1 ℃)、P95(25.4 ℃)对水痘发病造成的相对风险。结果  2008—2016年兰州市共报告水痘21 254例,其中男性11 951例,女性9 303例,男、女性别比为1.28∶1。6~14岁儿童最多,占52.87%(11 237例)。气温与水痘日发病例数的暴露反应关系曲线呈M型,最低风险温度为13.7 ℃。lag 0~14 d时,温度为-5.2 ℃、1.7 ℃和20.1 ℃时,全人群的气温的累积效应的RR(95%CI)值分别为1.87(1.64~2.12)、1.33(1.10~1.62)、1.60(1.38~1.86);温度为25.4 ℃时,lag 0~7 d的累积效应RR(95%CI)值为2.51(1.93~3.27);温度为5.2 ℃、lag 7 d的累计效应RR(95%CI)值最大,为6.23(4.38~8.86)。对6~14岁儿童,当温度为-5.2 ℃时,lag 5 d的累计效应最大,RR(95%CI)值为6.12(3.71~10.10)。结论  高温和低温均造成兰州市人群水痘发病风险上升,低温效应大于高温,6~14岁儿童是敏感人群。
关键词 :温度;水痘;分布滞后非线性模型;滞后效应
Research on the relationship between the daily mean temperature and the daily cases of varicella during 2008-2016 in Lanzhou, China
WangJinyu,LiSheng,MaHanping,DongJiyuan,WangYuhong,ZhangWei,ZhangXiaoyu,LiPu,LiShouyu     
Institute of Human Anatomy and Histology and Embryology, School of Basic Medicine, Lanzhou University, Lanzhou 730000, China
Corresponding author: Li Sheng, Email:1178708407@qq.com
Abstract:Objective  To explore the effects of temperature on the daily cases of varicella.Methods  The data of daily cases of varicella was collected during 2008 to 2016 in Lanzhou from National Notifiable Disease Report System, and the meteorological data at the same period was integrated from Gansu Meteorological Administration. Distributed lag nonlinear model was fitted to reveal the relationship between the daily mean temperature and the daily cases of varicella and susceptible population. The minimum morbidity temperature was defined as the reference for the estimation of RRs in different temperature level (-5.2 ℃, 1.7 ℃, 20.1 ℃ and 25.4 ℃).Results  The total of 21 254 cases were reported from 2008 to 2016, of which the ratio of male to female was 1.28 (11 951/9 303) and people aged 6-14 years accounted for 52.87%. The relationship between the daily mean temperature and the daily cases of varicella was M type. For all subjects, the accumulative effects of temperature had statistical significance from lag 0-14 d when temperatures was at -5.2 ℃, 1.7 ℃ and 20.1 ℃,while the RRs (95%CI) were 1.87 (1.64-2.12) , 1.33 (1.10-1.62) ,1.60 (1.38-1.86) ,while from lag 0-7 d when temperatures was at 25.4 ℃,and the RR (95%CI) was 2.51 (1.93-3.27) . The RR value of accumulative effects was 6.23(95%CI: 4.38-8.86) on lag 7 d when temperatures was at -5.2 ℃, which was the highest value at different temperature during lag days. The cumulative effects trends of different temperatures were similar for different gender population or different age subjects. However, the cumulative effects of was highest for children aged 6-14 years among all subjects, and the value of RR was 6.12 (95%CI:3.71-10.10) on lag 5d when temperatures was at -5.2 ℃.Conclusion  We conclude that the increasing risk of varicella is associative with low and high temperature in Lanzhou. The effects of low temperature are stronger than those of high temperature. The children aged 6-14 years belong to the high-risk population of varicella.
Key words :Temperature;Chickenpox;Distributed lag nonlinear model;Lag effects
全文

水痘是由水痘-带状疱疹病毒初次感染的急性呼吸道传染病,主要通过患者飞沫和皮肤接触传播,具有高度传染性,病例以小学生和托幼儿童为主,冬春高发。2005年底国家将水痘列入法定传染病报告系统[1,2]。水痘临床特征为分批出现的皮肤黏膜的斑、丘、疱疹及结痂,全身症状轻微,但对新生儿和免疫功能缺陷者有时可能是致死性的[1,2]。同时,我国水痘经济负担是不容忽视的。2007研究调查显示,山东、甘肃、湖南三省14岁及以下的水痘病例的经济负担为23.1亿元[3]
        影响水痘疫情的因素较多,其中气象因素与水痘的发生、传播有紧密的联系。如中国台湾的一项研究表明,日平均气温、季节变化与水痘发病相关[4]。上海的一项研究发现温度是影响上海水痘-带状疱疹病毒传播流行的主要气象因素[5]。Yang等[6]发现济南市水痘发病与气温、空气湿度、日照时数均呈现一定的相关关系。通过以上研究我们可以看出,温度是影响水痘发病的重要气象因素。随着全球气候变暖,干旱半干旱地区气温上升的速率远远快于其他地区,传染病发病风险将明显升高[7]。兰州市位于我国西北干旱地区,因此,本研究以兰州市为研究区域,通过收集2008—2016年兰州市水痘日发病资料与同期气象资料数据,采用分布滞后非线性模型(distributed lag non-linear models,DLNM) [8,9]进行气温与水痘发病的关联研究,并分析敏感人群,为干旱、半干旱地区水痘疫情防控工作提供理论依据。

资料与方法  

1.资料来源:  2008年1月—2016年12月兰州市水痘的逐日发病例数数据来源于全国传染病报告信息管理系统,由兰州市疾病预防控制中心收集。2008年1月—2016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。

2.数据描述:  调查期间气象因素(包括气温、风速、降水量、相对湿度及气压)日均值均近似服从正态分布,但由于波动较大,以±s表示的同时采用最小值和最大值、P25MP75指标进行统计描述。居民每日水痘发病例数近似服从Poisson分布,为便于结果表述,亦采用上述统计指标进行一般情况的描述。

3.Spearman相关分析:  采用Spearman等级相关分析兰州市各气象因素气温、气压、风速、相对湿度和日降水量与水痘日发病例数的相关性及各气象因素之间的相关程度。以P<0.05为差异有统计学意义。

4.DLNM的构建:  采用R3.0.2软件进行DLNM构建,将与水痘日发病例数相关的气象因素日平均气温、气压、相对湿度纳入模型。对水痘日发病例数据和气象数据分别建立交叉基矩阵,日发病例数作为因变量,采用quasi-Poisson连接函数进行拟合。在控制季节性和长期趋势、星期几效应基础上,采用DLNM对气象因素与水痘日发病例数的关联进行拟合。气象因素使用日平均气温,同时控制日平均气压、日均湿度的混杂影响,分析日平均气温与发病例数的关系;并且对气温和滞后时间建立二维矩阵,研究气温对发病例数影响的滞后效应。基本模型如下[8,9]:log[E(Yt)]=α+βTEMt,l+ns(presst,df=3)+ns(rht,df=3)+ns(Timet,df=7/year)+γDOWt,式中,Yt是第t天发病例数;α为常数项;TEMt,l,是应用DLNM中的cross-basis函数获得的关于温度的二维矩阵[8,9],β是回归模型中的解释变量系数;ns(presstdf=3)指的是使用自由度为3的自然立方样条曲线去控制气压的影响[8,9]ns(rhtdf=3)指的是使用自由度为3的自然立方样条曲线去控制相对湿度的影响[8,9]Time作为一个新设的时间序数变量,将其引人自然立方样条函数来控制季节趋势和长期趋势ns(Timetdf=7)是利用每年自由度等于7的自然立方样条曲线去控制季节性和长期趋势的影响[8,9];DOWt是第t天为星期几的哑变量。参照文献[8,9],选取的最大滞后天数(maximum lag days, lag)为14 d,在模型变量筛选上,根据模型的赤池信息量准则(Akaike's Information Criterion,AIC)产生的值进行选择,按数据预分析结果将每日气温、气压及相对湿度作为解释变量纳入模型中计算。在模型自由度方面,根据模型的AIC值进行选择,具体做法是在其他项的自由度不变的情况下,对某一项选择不同自由度进行建模,然后选择AIC值最小的自由度建立最终模型,最终确定每日温度、日平均气压和相对湿度的自由度为3,控制时间长期趋势的自由度为7[10]。通过改变控制长期趋势和季节趋势的自由度df (7~10)和相对湿度的自由度df(3~6)检验分析得出的主要结果来进行敏感性分析,证明结果是否具有较好的可信度[11]

5.累计效应曲线:  通过拟合温度与水痘发病的累计效应曲线确定的最低风险温度。以最低风险温度为参照,参照韩微笑[12]的方法利用分布滞后非线性模型定量分析广州市气温对水痘的影响及其滞后效应分布特点的方法,计算不同气温P5(-5.2 ℃)、P25(1.7 ℃)、P75(20.1 ℃)、P95(25.4 ℃)时不同滞后时间下的RR[12]RR计算过程为,若β为回归模型中的解释变量系数,温度在整个滞后时间内对水痘发病的RR可计算为exp(β)。并分析不同性别和年龄组分层后,温度对每日水痘发病例数的影响。

结果  

1.一般特征:  2008—2016年兰州市共报告水痘21 254例,日均发病6.8例;其中男性11 951例,女性9 303例,男女性别比为1.28∶1。6~14岁组病例最多,有11 237例,占52.87%。同期气压、气温、相对湿度、降水量、风速日均值分别为846.8 Pa、11.1 ℃、50.3%、1.0 mm、1.3 m/s。2008—2016气象因素和水痘日发病例数描述性统计见表1

表12008—2016年兰州市水痘日发病例数及气象因素情况

2.气象因素和水痘日发病例数相关性分析:  水痘日发病例数与各气象因素的相关性均有统计学意义(P<0.05),其中与日均气温、日均风速、日均降水量及日均相对湿度呈负相关,与日均气压呈正相关,以气温对水痘发病影响相关性最强(r=-0.106),见表2

表22008—2016年兰州市水痘与气象因素的Spearman相关分析结果

3.不同滞后时间日均气温对水痘日发病例数的影响:  通过拟合气温与水痘日发病例数的剂量-反应关系曲线确定最低风险温度,即发病风险最低的温度(图1A)。由图1A可见,兰州市气温与日发病例数之间存在非线性的暴露反应关系,呈"M"型,最低风险温度为13.7 ℃。图1B为温度-水痘RR值的等高图,从图中可以看出,在低温时,水痘发病RR值在lag 0~1 d时有较高值。在高温时,水痘发病的RR值在lag 0 d时有最大值。温度对水痘的效应是即时的,且低温效应持续性要大于高温。

图12008—2016年兰州市日均气温与水痘发病例数的风险 图A为日均气温在滞后14 d时与水痘风险关联累计效应图;图B为日均气温与滞后天数的等高线图

4.不同温度下的不同滞后时间对水痘发病风险的影响:  如图2所示,当温度分别为-5.2、1.7、20.1和25.4 ℃时,水痘发病与滞后天数的关系均呈倒"U"型。低温和高温效应均在lag 7 d最大,效应维持超过1周,以-5.2 ℃效应最大。

图22008—2016年兰州市不同温度、滞后天数与水痘发病风险的关系 图A:温度为-5.2 ℃;图B:温度为1.7 ℃;图C:温度为20.1 ℃;图D:温度为25.4 ℃

5.不同温度、滞后时间对人群水痘发病的累积效应:  由表3可见,当温度为-5.2、1.7和20.1 ℃时,气温对全人群的累积效应在lag 0~14 d的影响有统计学意义,当温度为25.4 ℃时,效应在lag 0~7 d的影响有统计学意义。不同温度下的累计效应的RR值均在lag 7 d达最大,其中又以温度为-5.2 ℃时最大,为6.23(95%CI:4.38~8.86)。对不同性别人群,不同温度的累计效应相似,但对女性的影响略大,其中以温度为-5.2 ℃时lag 7 d的累计效应最大,RR值为4.86(95%CI:3.26~7.25)。对不同年龄人群,不同温度的累计效应趋势相似,但对6~14岁儿童的影响最大,其中以温度为-5.2 ℃时lag 5 d的累计效应最大,RR值为6.12(95%CI:3.71~10.10)。

表32008—2016年兰州市不同温度、滞后时间对男、女水痘发病的累计效应风险[RR(95%CI)值]

6.敏感性分析:  通过改变控制长期趋势和季节趋势的自由度df(7~10)和相对湿度的自由度df(3~6),本研究主要结果亦较为稳定,RR值变化幅度较小,如改变长期趋势和季节趋势的自由度,水痘发病的RR值变化范围为1.090~1.096,改变湿度的自由度,水痘发病的RR值变化范围为1.063~1.064。

讨论  2008—2016年兰州市水痘病例男性多于女性,高发于6~14岁儿童,与广州市、山东省及全国研究结果一致[1,2,13,14],提示在今后的工作中,要以男性和学生为重点人群,学校为重点单位,做好兰州市水痘疫情的防控工作。
        温度是影响水痘发病的重要气象因素。本研究Spearman相关分析结果也显示各气象因素中以温度对水痘发病的影响最显著,与水痘发病呈负相关,与上海市的研究结果一致[5]。但各地区研究结果也不尽相同,如临沂市气温与水痘发病呈正相关[15]。这可能与各个地区整体气象环境因素不同相关。因此,采用DLNM并控制了气压、降水量等的混杂影响,探讨了温度与水痘发病的关联性。
        DLNM分析结果显示,温度对水痘发病的影响为非线性关系,呈"M"型,低温和高温均能显著增加水痘的发病风险。与水痘发病具有冬季和夏季两个高峰的研究结果相一致[1,2]。结果也显示,温度对水痘发病的影响呈现滞后效应,低温(温度为-5.2 ℃和1.7 ℃)和高温(温度为20.1 ℃和25.4 ℃)时水痘发病危险度与滞后天数的关系均呈倒"U"型,累计效应超过1周,以lag 7 d最大。这可能与水痘-带状疱疹病毒在体内的潜伏期有关,该病毒在体内的潜伏期为12~21 d[16]。结果还显示,低温累计效应大于高温。水痘-带状疱疹病毒存在于患者的呼吸道分泌物、疱疹和血液中、经飞沫或直接接触疱液而传染。该病毒生活能力较弱,不耐高温,但能在疱疹液中-65 ℃下存活8年。当室外环境温度较低时,一是可能有利于水痘-带状疱疹病毒的存活;二是人们生活在室内时间较长且室内通风欠佳有利于病毒的传播;第三方面可能冬季低温人群暴露于日光的时间比其他季节更短,减少了维生素D的摄入,使得机体免疫力减低,几方面综合作用而使低温效应较高温更强。结果也显示,不管低温还是高温,6~14岁儿童都是敏感人群。究其原因,一方面可能与小学生水痘免疫力较低有关。水痘由水痘-带状疱疹病毒引起,人类是唯一的宿主,病毒血清型单一,可通过接种疫苗以预防。但水痘减毒活疫苗的保护率随着接种时间的推移而降低,小学生水痘减毒活疫苗的保护率(67%)远低于幼儿(90%)[17]。另一方面可能与这部分人群的暴露风险较高有关。水痘具有高度传染性,易感者家庭密切接触的继发感染率接近90%。而6~14岁儿童大多数时间在幼托机构或学校等人群高度密集的集体单位生活和学习,与水痘患者密切接触机会较大。一旦出现水痘病例,则很难预防在该群体中水痘的流行。刘刚和梅树江[18]研究发现,深圳市98.9%的水痘疫情爆发在小学或幼托机构,每次疫情至少5例病例,最多达93例。尤其是室外低温环境时,由于室内活动时间更长而使得疫情更严重。
        因此,气温对水痘发病的影响可能是通过影响其传播途径、居民自身抵抗力等发病各环节的综合作用的结果。因此,要以学校为重点单位,加强教室冬季开窗通风,减弱水痘-带状疱疹病毒的传播;加强学生体育锻炼,增加日光照射时间,增强免疫力;密切关注疫情发生发展,一旦有疫情发生,及时报告疫情,以利于疾病预防控制机构及时处理。要以小学生为重点人群,积极推广水痘减毒活疫苗2剂接种,提高疫苗保护率,降低水痘发病风险[19]。总之,多管齐下,有效降低水痘发病率,促进人群健康,降低社会和家庭经济负担。
        兰州市日均气温与日发病例数的暴露反应关系呈"M"型,最低风险温度为13.7 ℃,高温和低温效应造成人群水痘发生风险上升。气温对水痘的影响呈滞后效应,高温和低温时水痘发病RR值与滞后天数的关系均呈倒"U"型,累计效应超过1周,以lag 7 d最大。低温效应大于高温,6~14岁儿童是敏感人群。

参考文献
[1]殷大鹏. 2006年中国水痘流行病学分析[J].预防医学论坛, 2007,13(6):488-489. DOI: 10.3969/j.issn.1672-9153.2007.06.004.
[2]曹一鸥,向妮娟. 2007年全国水痘流行病学分析[J].疾病监测, 2009, 24(3):172-174. DOI: 10.3784/j.issn.1003-9961.2009.03.006.
[3]殷大鹏,宋立志,张晓曙,等.鲁甘湘三省2007年水痘发病率调查[J].中国疫苗和免疫, 2009, 15(2): 119-122.
[4]WuPY, LiYC, WuHD. Risk factors for chickenpox incidence in Taiwan from a large-scale computerized database [J]. Int J Dermatol, 2007, 46 (4):362-366. DOI: 10.1111/j.1365-4632.2006.03050.x.
[5]YangY, ChenR, XuJ, et al. The effects of ambient temperature on outpatient visits for varicella and herpes zoster in Shanghai, China: a time-series study[J]. J Am Acad Dermatol, 2015, 73(4):660-665. DOI: 10.1016/j.jaad.2015.07.015.
[6]YangY, GengX, LiuX, et al. Association between the incidence of varicella and meteorological conditions in Jinan, Eastern China, 2012-2014[J]. BMC Infect Dis, 2016, 16:179. DOI: 10.1186/s12879-016-1507-1.
[7]吴晓旭,田怀玉,周森,等.全球变化对人类传染病发生与传播的影响[J].中国科学:地球科学,2013,43(11):1743-1759.
[8]GasparriniA. Distributed lag linear and non-linear models in R: the package dlnm[J]. J Stat Softw, 2011, 43(8):1-20. DOI: 10.18637/jss.v043.i08.
[9]GasparriniA. 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]罗圆,张永慧,裴福全,等.广东省气象因素对疟疾发病影响的时间序列分析[J].中华预防医学杂志,2012, 46(10):892-897. DOI: 10.3760/cma.j.issn.0253-9624.2012.10.007.
[11]张云权,钟佩瑢,吴然,等. 2001-2011年武汉市寒潮天气对江岸区居民死亡的急性影响[J].中华预防医学杂志,2016,50(7):634-639. DOI: 10.3760/cma.j.issn.0253-9624.2016.07.014.
[12]韩微笑. 2009-2013年广州市气温对常见传染病的短期影响:基于分布滞后非线性模型的研究[D].济南:山东大学, 2017.
[13]吴德平,许建雄,傅传喜,等.广州市2006-2012年水痘流行病学特征分析[J].中国疫苗和免疫,2014,20(5):450-453.
[14]王哲,李克莉,孟祥鹏,等.山东省2007-2009年水痘流行病学特征分析[J].中国疫苗和免疫,2011,17(1):10-12.
[15]魏晓娟,张晓丽.临沂市重点传染病与气候的相关性研究及预测模型分析[J].社区医学杂志, 2014, 12(16): 24-27.
[16]郑雪凤,薛亮,李君梅,等.水痘的研究进展[J].疾病预防控制通报, 2014, 29(6): 83-86. DOI: 10.13215/j.cnki.jbyfkztb.1405026.
[17]朱一,竹军伟,曹银兰,等.中国儿童水痘减毒活疫苗保护效果Meta分析[J].中国预防医学杂志, 2017, 18(8): 587-592. DOI: 10.16506/j.1009-6639.2017.08.008.
[18]刘刚,梅树江. 2010—2013年深圳市学校水痘爆发疫情流行特征分析[J].中国校医, 2015, 29(6): 448-450.
[19]殷大鹏.中国水痘疫苗免疫策略评价和成本效益分析[D].北京:中国疾病预防控制中心, 2012.