中华预防医学杂志    2018年09期 社会接触模式与传染病传播的研究进展    PDF     文章点击量:732    
中华预防医学杂志2018年09期
中华医学会主办。
0

文章信息

黄宇琳 马文军
HuangYulin,MaWenjun
社会接触模式与传染病传播的研究进展
Progress on the research of social contact pattern and infectious diseases transmission
中华预防医学杂志, 2018,52(9)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2018.09.018

文章历史

投稿日期: 2017-11-27
上一篇:预防医学本科生岗位胜任力评定量表的构建研究
下一篇:缅怀我国著名社会医学家——顾杏元教授
社会接触模式与传染病传播的研究进展
黄宇琳 马文军     
黄宇琳 510632 广州,暨南大学医学院
马文军 广东省疾病预防控制中心
摘要: 社会接触是指社会生活中人与人之间的联系。人群的社会接触模式往往存在一定规律,深入研究这些规律,可以建立精准传播模型,为经飞沫或接触传播的传染病防控提供科学依据。本文就社会接触的研究方法、规律及其对传染病传播的影响进行分析和总结,认为当前社会接触的研究方法主要包括直接观察法、日记法及电子近距离传感法,而人群的社会接触模式在接触时间、接触地点及接触对象等多个维度均存在规律。此外,人群社会接触模式相关规律还可应用于传染病的传播建模和干预措施的效果评价,为相关部门的预防工作开展提供有力依据。
关键词 :传染病;社会接触;停工;学校关闭
Progress on the research of social contact pattern and infectious diseases transmission
HuangYulin,MaWenjun     
School of Medicine, Ji'nan University, Guangzhou 510632, China
Corresponding author: Ma Wenjun, Email: mwj68@vip.tom.com
Abstract:The pattern of social contact that the connection exists between people in social life tends to have certain rules. Hence, studying the laws of social contact of the population can improve the accuracy of modeling infectious diseases and provide scientific evidences for the spreading and intervention of infectious diseases transmitted by droplets or contact. This paper is a review that summarizes the current research methods of social contact pattern, the law of social contact and its significance to the spreading and prevention of infectious diseases. It finds that the survey methods of social contact mainly include direct observation, contact diaries and proximity sensors and the social contact patterns show regularities in multiple dimensions such as contact time, contact location and contact objects. Moreover, these regularities relevant to social contact patterns can apply to the mathematical model of infectious diseases and the evaluation of the effect of interventions, which provide the effective basis for the prevention and control of infectious diseases.
Key words :Communicable diseases;Social contact;Workplaces closure;School closure
全文

许多经飞沫或接触传播的传染病如严重急性呼吸系统综合征(severe acute respiratory syndrome,SARS),流感等一旦流行,常常会对人类健康造成巨大的威胁。这类传染病的传播方式决定了其在人群中的传播往往需借助于人群的社会接触。社会接触,即人群在日常社会活动中发生的联系,包括直接接触(肢体接触)和间接接触(非肢体接触的谈话)。通过对人群日常社会接触的时长、地点、频率、接触性质、接触对象特征、接触对象数量进行记录,即可构成该人群的社会接触模式。使用社会接触模式参数,可建立传染病数学模型,探讨经飞沫或接触传播的传染病的传播规律及评估干预措施的效果(如学校关闭,停工,接种疫苗等)。但大部分该类传染病模型往往是基于某种假定的人群接触模式,而不是以真实的接触模式数据建立,近年来这方面的研究不断增多,基于调查量化的人群社会接触模式,不仅能提高模型预测的准确度,并能更加深入地理解接触模式与该类传染病的关系,为防控提供科学依据。为了提高国内同行对这方面的认识,本文综述了社会接触模式与经飞沫或接触传播传染病间的关系的研究进展。

一、社会接触的研究方法  如果把社会中的每个人看作是节点,人与人之间的联系(社会接触)理解为节点之间的连线,那就构成了社会网络[1]。近年来,许多研究者采用各种方法研究人群的接触模式,希望通过量化接触模式,分析接触模式对经飞沫或接触传播的传染病的影响,为控制该类传染病的流行提供科学依据。目前量化社会接触模式常用的方法有直接观察法、日记法和电子近距离传感法[2]

1.直接观察法:  直接观察法,即直接记录个体在时间和空间两个维度上与其他个体的联系。过去该方法多用于观察动物间的接触及其行为生态学[3,4],现逐渐也用于人群的社会接触研究[5,6]。但该方法多局限于封闭空间中小群体研究,如学校或工作单位内人群接触,或结合摄像头用于观察公交车内等拥挤密闭空间下的人群接触。而对于大规模群体的接触,该方法不仅花费巨大且工作繁重。

2.日记法:  日记法,就是让调查对象记录其在日常生活中一天内与其他人发生的社会接触。记录内容包括在一天内的接触者数目、年龄性别、接触时长、接触频率、接触地点,是否发生肢体接触等等[7]。根据记录与接触发生时间的关系,常分为前瞻性和回顾性记录,孰优孰劣,暂无统一说法[8,9,10]。使用日记法时,选择纸质版记录效果要比电子记录好,同时要选择合适的记录天数,因有研究显示,如果参与者连续填写几天接触日记,记录的接触会减少[8, 11]。总体来说,日记法简单,收集及管理信息方便,但该法的缺陷是容易漏记除谈话及肢体接触外的其他非直接或短时间接触[12]

3.电子近距离传感法:  电子近距离传感法是指在一定范围内通过无线电通信测量自动电子传感设备间的距离,由此获得佩戴电子传感设备者间的接触距离,主要有无线射频识别和蓝牙两种[13,14,15]。该法的主要优点是设备体积小并可记录大量数据,但不足之处在于仅能用于佩戴了传感器者,并可能会记录一些没有流行病学意义的接触(如两参与者虽距离很接近但实际两者间隔了一堵墙)。

二、社会接触模式的规律  经飞沫或接触传播的传染病在人与人间的流行虽取决于很多因素,但主要还是人群的易感性和社会接触模式。人群社会接触在时间、空间和接触对象等多个维度上存在规律,认识并重视这些规律,将对评估经飞沫或接触传播的传染病流行趋势,制定相应干预措施至关重要。

1.接触时间:  研究人群接触时间常使用接触时长和频率两个指标。接触时长即某个体与其接触者在一天内接触的总时长,而接触频率则指某个体与其接触者的接触频数,常可分为每天、每周、每月等[7]。大部分研究显示这两指标的主要报告为每天接触和长时间接触[16,17],且这两种接触更有可能发生身体接触。欧洲8个国家的接触模式调查显示,调查对象与每天都接触者接触时,70%接触时长超过1 h,与接触时长超过4 h的接触者接触时,75%涉及肢体接触[7]。越南调查发现,93%的接触者每天均有接触,81%的接触者接触时长超过4 h;在肢体接触中,93%的肢体接触发生在每天接触者中,91%的肢体接触发生在接触时长超过4 h的接触者中[17]。我国台湾省的研究显示,约2/3的接触者每天均有接触,且每天接触者中,41%接触者涉及到肢体接触[18]。工作日与周末的接触模式比较发现,周末人群的日均接触者数量会有下降[7,11,19],但也有研究认为,发展中国家人群的日均接触者数量工作日和周末间没有区别[20],这可能是因为发展中国家部分人群周末仍然需要上班,因此一周的接触模式更具一致性。

2.接触地点:  对人群的社会接触地点进行调查,目的是了解人群社会接触的主要发生场所,以及接触地点与肢体接触间是否存在联系。研究发现,人群在不同场所的接触联系遵循如下顺序:家庭>学校>工作/社交>商店/旅游[17,21],即家庭是人群发生接触联系最多的地方。同样,家庭也是发生肢体接触最多的地方[16,17],如在越南,91%的肢体接触发生在家中[17]。值得注意的是,对于发生在休闲场所的接触,越南的肢体接触率仅为1%,而欧洲高达16%[7,17,22],这可能与不同地区人群花费在休闲场所的总时长不同,以及文化差异导致对工作、家庭、休闲的定义不同有关。而人群社会接触模式城乡之间也有区别,有研究认为农村日均接触量高于郊区[20],也有研究认为,不管是人群的日均接触量还是接触总时长,城乡间没有区别,但农村地区的接触可能更倾向于发生在家里[23]

3.接触对象:  除了接触时间和地点外,接触对象特征也是接触模式的重要内容,其中年龄成为影响接触模式最突出的特征。接触对象的年龄主要表现为以下3个特点:(1)各年龄段人群均倾向与其年龄相似的人群接触[7,11,16,19,20,21]:在儿童青少年中表现最为明显,俄罗斯5~19岁人群与同龄人接触最多[21,24],肯尼亚则6~15及20~49岁人群与同龄人接触最多[20]。(2)不同年龄段人群接触以儿童与父母接触最多:除同龄人间接触较多外,各年龄段人群接触主要表现孩子与年龄相距20~40岁的父母有较多的接触[7,11,25,26],这一现象在秘鲁、越南、中国广东、肯尼亚等的社会接触模式调查中均有发现[16,17,20,23];在中国台湾的调查中还发现,儿童与年龄相距60岁左右的祖父母间也有较多的接触[18],这可能与台湾地区更喜欢三代同堂及祖父母帮忙照看孩子的文化有关。(3)与其他年龄段人群相比,成年人的接触者年龄范围更广[7,19,20,21, 23]:这一现象在年长者(>40岁)中表现更为明显[27],且女性比男性常拥有更多的接触者[19],这与一些接触传播的传染病中女性有更高的发病率很可能有关[28]

三、社会接触模式与传染病传播  过去建立经飞沫或接触传播的传染病模型往往是基于经验获得的社会接触模式,但现有研究证明,通过调查获得人群真实的社会接触模式及规律,可为流感,流行性腮腺炎,水痘,细小病毒,手足口病等传染病的传播模型提供更符合实际的模型参数[29,30,31,32],从而提高模型的精准性和评价干预政策的有效性,为预防工作提供有力依据。

1.传染病传播建模:  对于主要通过飞沫或接触传播的传染病,如果仅凭经验估计参数而建立模型,不确定性较大。相反,把真实社会接触模式纳入模型,可以更准确地捕捉该类传染病的传播特点。在比利时、德国、芬兰、英国等8个欧洲国家同时进行的一次人群接触模式调查是首个大规模观察人群社会接触模式,并由此揭示其与经呼吸道或近距离接触传播的传染病间关系的研究[7],该研究采用前瞻性纸质日记法,调查了8个欧洲国家共7 290名参与者及其在一天内的97 904名接触者,调查内容包括参与者和接触者的年龄、性别、接触地点、持续时间、频率及是否发生身体接触等。该研究不仅发现不同欧洲国家间人群的社会接触模式十分相似,如人群社会接触模式与年龄相关,参与者与每天都接触的对象更易发生肢体接触等;更重要的是,在将调查获得的人群社会接触模式的具体参数纳入到传染病传播模型时,发现当一种通过飞沫或密切接触传播的传染病在一个完全易感的人群中出现时,在流行的最初阶段,学龄儿童与青少年的发病率最高;1957年"亚洲流感大流行"时,第一代感染者也主要是11~18岁的儿童青少年群体。这主要是因为儿童青少年人群日均接触量高,且与同年龄人群及与成人(父母)均有较高的接触率,这就给经呼吸道或接触传播的传染病提供了便利。而青少年儿童与成人组的高接触率以及成年人组拥有广的接触年龄范围,将可使该类疾病的传播感染通过成人组迅速从青少年儿童向各个年龄层蔓延。因此,对于经呼吸道传播的传染病,对儿童青少年进行免疫预防,将可大大降低新发病例,及时控制流行规模[33]
        最近,俄罗斯进行了第一次人群社会接触模式研究,研究者通过采用日记法让559名参与者记录一天的接触者及相关资料,并将数据纳入传播模型,发现当一种新型流感在完全易感人群中流行时,儿童青少年将是发病率最高人群,发病率最低是老人和婴儿,这一发现与很多研究或实际流行病学数据十分相似[21, 24, 33,34,35,36]。由于婴儿的日常平均接触量较低,其中婴儿与青少年间的接触量最低;因此,如果希望通过青少年百日咳疫苗接种计划(已在某些国家实行)[37]来保护婴儿患百日咳的效果可能并不理想[38]

2.干预措施效果评价:  由调查获得的人群社会接触模式参数,还可用于传染病流行时停工、停课等干预措施的定量评价。经飞沫或接触传播的传染病在人群进行亲密接触的过程中往往更有可能发生传播,通过对人群社会接触模式的定量调查,我们发现这种亲密接触主要包括肢体接触、长时间接触、每天接触及在家庭和学校中发生的接触,而日常在工作场所发生的接触多为偶然的、不规律的接触[11, 31,39]。这意味着,相比工作场所,家庭和学校才是经飞沫或接触传播的传染病传播感染的重要地点。因此,在该类传染病流行时,如果希望通过停工来控制传染病的传播,效果可能并不显著。此外,由于社交休闲场所也可能会涉及较多的密切接触,因此在疾病流行时限制社交聚会对控制经密切接触传播的传染病将会有效[22]
        有学者在对人群社会接触模式的研究中发现,中小学生和幼儿园儿童是与同龄人及其他年龄层人群均有较高接触率的群体,而该群体常也是流行性腮腺炎等经飞沫或接触传播的传染病的高发人群[40],因此研究该群体的社会接触模式对经飞沫或接触传播的传染病的传播与防控至关重要[31, 39]。有研究表明,中小学生62.4%的日常接触发生于学校[41],周末可比工作日减少23%~28%的接触量[42]。关闭学校时,中小学生的有效接触率仅为正常上课的40%[41]。当不再基于估计的人群接触参数[43,44,45],或某一特定的时代背景(学校关闭等多种非药物干预措施同时进行)[46,47,48],而是利用调查获得的该群体的实际人群接触参数,评价学校关闭对经飞沫或接触传播的传染病流行防控的效果时,多项研究均认为:学校关闭可降低该类传染病传播时的基本再生数[11, 19, 41, 49]。也就是说,关闭学校通过降低学生的日常接触量,对经飞沫或接触传播的传染病可起到防控作用。此外,有研究还发现,孩子在学校的接触活动中,与同班同学的接触时间是与其他班同学接触时间的3倍,这意味着在疾病流行时,关闭第一个发生确诊病例的班级及与该班级紧密相关的班级,将可有效减少经飞沫或接触传播的传染病传播到其他班级的风险[50]。从经济和保持教育进度的角度出发,可以认为,选择关闭部分班级将可成为关闭学校的一个可替代举措。

四、总结与展望  社会接触模式的研究提高了对经飞沫或接触传播的传染病模型预测的准确度,更加深入地认识社会接触模式与该类传染病发病间的关系。从直接观察法到日记法和电子近距离传感法,社会接触模式研究方法正在不断改善,并将不断提供认识人群社会接触模式规律的精确信息。目前研究揭示了人群的社会接触模式在时空和接触对象上均有一定的规律,为经飞沫或接触传播的传染病的流行预测和停工停课、接种疫苗等干预措施的效果评估提供了有效建议。
        但目前社会接触模式的研究依然存在不足。在人群社会接触模式研究中,社会接触的定义仅为发生肢体接触或谈话的对象,对于近距离同处一个空间但没有谈话或肢体接触的对象,并没有纳入记录,而这种联系也可能导致传染病传播的风险增加。在日常生活中,人群的社会接触并不是恒定的,仅记录一天的接触可能并不全面反映实际接触情况。当前有多种方法研究人类接触模式,不同方法观察到的人群接触模式存在差异,暂无大规模的研究比较各种方法所观察到的社会接触模式间的差异,所以如何结合不同方法更完美地解释接触模式与经飞沫或接触传播的传染病间的关系仍然存在一定困难。
        在未来研究社会接触模式时,除探讨接触时间、地点和对象等因素对经飞沫或接触传播的传染病的流行影响外,还应着眼于比较不同地域间接触模式的差别,尤其是在快速发展的城市中,关注社会接触模式的不断变化。而在某些传染病流行或某干预措施实行时,由于个人患病、家属患病、学校或工作场所关闭,人群的社会接触模式可能也会随之发生一些变化,因此在未来的研究中,应考虑这些改变引起的接触变化对传染病传播的影响,以评估疾病本身的社会影响。通过对上述问题的探讨,将对人群的接触模式有更加深入的认识,从而提高该类传染病传播预测的精准性和干预措施的有效性,将对社会和经济的影响降到最小。

参考文献
[1]刘涛,陈忠,陈晓荣.复杂网络理论及其应用研究概述[J].系统工程,2005,23(6):1-7. DOI: 10.3969/j.issn.1001-4098.2005.06.001.
[2]ReadJM, EdmundsWJ, RileyS, et al. Close encounters of the infectious kind: methods to measure social mixing behaviour[J]. Epidemiol Infect, 2012,140(12):2117-2130. DOI: 10.1017/S0950268812000842.
[3]HamedeRK, BashfordJ, McCallumH, et al. Contact networks in a wild Tasmanian devil (Sarcophilus harrisii) population: using social network analysis to reveal seasonal variability in social behaviour and its implications for transmission of devil facial tumour disease[J]. Ecol Lett, 2009,12(11):1147-1157. DOI: 10.1111/j.1461-0248.2009.01370.x.
[4]KasperC, VoelklB. A social network analysis of primate groups[J]. Primates, 2009,50(4):343-356. DOI: 10.1007/s10329-009-0153-2.
[5]PolgreenPM, TassierTL, PemmarajuSV, et al. Prioritizing healthcare worker vaccinations on the basis of social network analysis[J]. Infect Control Hosp Epidemiol, 2010,31(9):893-900. DOI: 10.1086/655466.
[6]Villase?or-SierraA, Qui?onez-AlvaradoMG, Caballero-HoyosJR. Interpersonal relationships and group A streptococcus spread in a Mexican day-care center[J]. Salud Publica Mex, 2007,49(5):323-329.
[7]MossongJ, HensN, JitM, et al. Social contacts and mixing patterns relevant to the spread of infectious diseases[J]. PLoS Med, 2008,5(3):e74. DOI: 10.1371/journal.pmed.0050074.
[8]McCawJM, ForbesK, NathanPM, et al. Comparison of three methods for ascertainment of contact information relevant to respiratory pathogen transmission in encounter networks[J]. BMC Infect Dis, 2010,10:166. DOI: 10.1186/1471-2334-10-166.
[9]BeutelsP, ShkedyZ, AertsM, et al. Social mixing patterns for transmission models of close contact infections: exploring self-evaluation and diary-based data collection through a web-based interface[J]. Epidemiol Infect, 2006,134(6):1158-1166. DOI: 10.1017/S0950268806006418.
[10]MikolajczykRT, KretzschmarM. Collecting social contact data in the context of disease transmission: Prospective and retrospective study designs [J]. Social Networks, 2008, 30(2): 127-135. DOI:10.1016/j.socnet.2007.09.002.
[11]HensN, GoeyvaertsN, AertsM, et al. Mining social mixing patterns for infectious disease models based on a two-day population survey in Belgium[J]. BMC Infect Dis, 2009,9:5. DOI: 10.1186/1471-2334-9-5.
[12]SmieszekT, BurriEU, ScherzingerR, et al. Collecting close-contact social mixing data with contact diaries: reporting errors and biases[J]. Epidemiol Infect, 2012,140(4):744-752. DOI: 10.1017/S0950268811001130.
[13]EagleN, PentlandA. Reality mining: sensing complex social systems [J]. Personal and Ubiquitous Computing, 2006, 10(4): 255-268. DOI:10.1007/s00779-005-0046-3.
[14]IsellaL, RomanoM, BarratA, et al. Close encounters in a pediatric ward: measuring face-to-face proximity and mixing patterns with wearable sensors[J]. PLoS One, 2011,6(2):e17144. DOI: 10.1371/journal.pone.0017144.
[15]SalathéM, KazandjievaM, LeeJW, et al. A high-resolution human contact network for infectious disease transmission[J]. Proc Natl Acad Sci U S A, 2010,107(51):22020-22025. DOI: 10.1073/pnas.1009094108.
[16]GrijalvaCG, GoeyvaertsN, VerasteguiH, et al. A household-based study of contact networks relevant for the spread of infectious diseases in the highlands of Peru[J]. PLoS One, 2015,10(3):e0118457. DOI: 10.1371/journal.pone.0118457.
[17]HorbyP, PhamQT, HensN, et al. Social contact patterns in Vietnam and implications for the control of infectious diseases[J]. PLoS One, 2011,6(2):e16965. DOI: 10.1371/journal.pone.0016965.
[18]FuYC, WangDW, ChuangJH. Representative contact diaries for modeling the spread of infectious diseases in Taiwan[J]. PLoS One, 2012,7(10):e45113. DOI: 10.1371/journal.pone.0045113.
[19]BéraudG, KazmercziakS, BeutelsP, et al. The French Connection: The First Large Population-Based Contact Survey in France Relevant for the Spread of Infectious Diseases[J]. PLoS One, 2015,10(7):e0133203. DOI: 10.1371/journal.pone.0133203.
[20]KitiMC, KinyanjuiTM, KoechDC, et al. Quantifying age-related rates of social contact using diaries in a rural coastal population of Kenya[J]. PLoS One, 2014,9(8):e104786. DOI: 10.1371/journal.pone.0104786.
[21]AjelliM, LitvinovaM. Estimating contact patterns relevant to the spread of infectious diseases in Russia[J]. J Theor Biol, 2017,419:1-7. DOI: 10.1016/j.jtbi.2017.01.041.
[22]ReadJM, EamesKT, EdmundsWJ. Dynamic social networks and the implications for the spread of infectious disease[J]. J R Soc Interface, 2008,5(26):1001-1007. DOI: 10.1098/rsif.2008.0013.
[23]ReadJM, LesslerJ, RileyS, et al. Social mixing patterns in rural and urban areas of southern China[J]. Proc Biol Sci, 2014,281(1785):20140268. DOI: 10.1098/rspb.2014.0268.
[24]FumanelliL, AjelliM, ManfrediP, et al. Inferring the structure of social contacts from demographic data in the analysis of infectious diseases spread[J]. PLoS Comput Biol, 2012,8(9):e1002673. DOI: 10.1371/journal.pcbi.1002673.
[25]KretzschmarM, MikolajczykRT. Contact profiles in eight European countries and implications for modelling the spread of airborne infectious diseases[J]. PLoS One, 2009,4(6):e5931. DOI: 10.1371/journal.pone.0005931.
[26]GlassLM, GlassRJ. Social contact networks for the spread of pandemic influenza in children and teenagers[J]. BMC Public Health, 2008,8:61. DOI: 10.1186/1471-2458-8-61.
[27]EdmundsWJ, O'CallaghanCJ, NokesDJ. Who mixes with whom? A method to determine the contact patterns of adults that may lead to the spread of airborne infections[J]. Proc Biol Sci, 1997,264(1384):949-957. DOI: 10.1098/rspb.1997.0131.
[28]HaslamN, HoangU, GoldacreMJ. Trends in hospital admission rates for whooping cough in England across five decades: database studies[J]. J R Soc Med, 2014,107(4):157-162. DOI: 10.1177/0141076813519439.
[29]WallingaJ, TeunisP, KretzschmarM. Using data on social contacts to estimate age-specific transmission parameters for respiratory-spread infectious agents[J]. Am J Epidemiol, 2006,164(10):936-944. DOI: 10.1093/aje/kwj317.
[30]GoeyvaertsN, HensN, OgunjimiB, et al. Estimating infectious disease parameters from data on social contacts and serological status [J]. Journal of the Royal Statistical Society Series C-Applied Statistics, 2010, 59(2):255-277. DOI:10.1111/j.1467-9876.2009.00693.x.
[31]MelegaroA, JitM, GayN, et al. What types of contacts are important for the spread of infections?: using contact survey data to explore European mixing patterns[J]. Epidemics, 2011,3(3-4):143-151. DOI: 10.1016/j.epidem.2011.04.001.
[32]EamesKT, TilstonNL, Brooks-PollockE, et al. Measured dynamic social contact patterns explain the spread of H1N1v influenza[J]. PLoS Comput Biol, 2012,8(3):e1002425. DOI: 10.1371/journal.pcbi.1002425.
[33]WallingaJ, TeunisP, KretzschmarM. Using data on social contacts to estimate age-specific transmission parameters for respiratory-spread infectious agents[J]. Am J Epidemiol, 2006,164(10):936-944. DOI: 10.1093/aje/kwj317.
[34]HardelidP, AndrewsNJ, HoschlerK, et al. Assessment of baseline age-specific antibody prevalence and incidence of infection to novel influenza A/H1N1 2009[J]. Health Technol Assess, 2010,14(55):115-192. DOI: 10.3310/hta14550-03.
[35]MerlerS, AjelliM. The role of population heterogeneity and human mobility in the spread of pandemic influenza[J]. Proc Biol Sci, 2010,277(1681):557-565. DOI: 10.1098/rspb.2009.1605.
[36]MillerE, HoschlerK, HardelidP, et al. Incidence of 2009 pandemic influenza A H1N1 infection in England: a cross-sectional serological study[J]. Lancet, 2010,375(9720):1100-1108. DOI: 10.1016/S0140-6736(09)62126-7.
[37]ZeppF, HeiningerU, MertsolaJ, et al. Rationale for pertussis booster vaccination throughout life in Europe[J]. Lancet Infect Dis, 2011,11(7):557-570. DOI: 10.1016/S1473-3099(11)70007-X.
[38]van HoekAJ, AndrewsN, CampbellH, et al. The social life of infants in the context of infectious disease transmission; social contacts and mixing patterns of the very young[J]. PLoS One, 2013,8(10):e76180. DOI: 10.1371/journal.pone.0076180.
[39]XiaoX, van HoekAJ, KenwardMG, et al. Clustering of contacts relevant to the spread of infectious disease[J]. Epidemics, 2016,17:1-9. DOI: 10.1016/j.epidem.2016.08.001.
[40]苏琪茹,刘隽,马超,等. 2004—2013年中国流行性腮腺炎流行病学特征分析[J].中华预防医学杂志,2016,50(7):611-614. DOI: 10.3760/cma.j.issn.0253-9624.2016.07.009.
[41]吴亚琼,黄淑琼,谭莉,等.中小学生的社会网络接触特征研究[J].现代预防医学,2013,40(12):2286-2289.
[42]LuhDL, YouZS, ChenSC. Comparison of the social contact patterns among school-age children in specific seasons, locations, and times[J]. Epidemics, 2016,14:36-44. DOI: 10.1016/j.epidem.2015.09.002.
[43]FergusonNM, CummingsDA, FraserC, et al. Strategies for mitigating an influenza pandemic[J]. Nature, 2006,442(7101):448-452. DOI: 10.1038/nature04795.
[44]GermannTC, KadauK, LonginiIM, et al. Mitigation strategies for pandemic influenza in the United States[J]. Proc Natl Acad Sci U S A, 2006,103(15):5935-5940. DOI: 10.1073/pnas.0601266103.
[45]GlassRJ, GlassLM, BeyelerWE, et al. Targeted social distancing design for pandemic influenza[J]. Emerg Infect Dis, 2006,12(11):1671-1681. DOI: 10.3201/eid1211.060255.
[46]MarkelH, LipmanHB, NavarroJA, et al. Nonpharmaceutical interventions implemented by US cities during the 1918-1919 influenza pandemic[J]. JAMA, 2007,298(6):644-654. DOI: 10.1001/jama.298.6.644.
[47]ChowellG, Echevarría-ZunoS, ViboudC, et al. Characterizing the epidemiology of the 2009 influenza A/H1N1 pandemic in Mexico[J]. PLoS Med, 2011,8(5):e1000436. DOI: 10.1371/journal.pmed.1000436.
[48]CowlingBJ, HoLM, LeungGM. Effectiveness of control measures during the SARS epidemic in Beijing: a comparison of the Rt curve and the epidemic curve[J]. Epidemiol Infect, 2008,136(4):562-566. DOI: 10.1017/S0950268807008722.
[49]HensN, AyeleGM, GoeyvaertsN, et al. Estimating the impact of school closure on social mixing behaviour and the transmission of close contact infections in eight European countries[J]. BMC Infect Dis, 2009,9:187. DOI: 10.1186/1471-2334-9-187.
[50]StehleJ, VoirinN, BarratA, et al. High-resolution measurements of face-to-face contact patterns in a primary school [J]. PloS One, 2011, 6(8): e23176. DOI:10.1371/journal.pone.0023176.