中华预防医学杂志    2019年01期 2005—2013年中国东南沿海地区气温对感染性腹泻的短期影响    PDF     文章点击量:362    
中华预防医学杂志2019年01期
中华医学会主办。
0

文章信息

胡文琦 李昱颖 马伟
HuWenqi,LiYuying,MaWei
2005—2013年中国东南沿海地区气温对感染性腹泻的短期影响
Short-term impact of temperature on infectious diarrhea in southeast coastal area of China, 2005-2013
中华预防医学杂志, 2019,53(1)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2019.01.015

文章历史

投稿日期: 2018-07-27
上一篇:中国不同区域基于死亡风险评估的热浪定义研究
下一篇:国家人体生物监测项目非抽样误差原因及控制探讨
2005—2013年中国东南沿海地区气温对感染性腹泻的短期影响
胡文琦 李昱颖 马伟     
胡文琦 山东大学公共卫生学院流行病学系,济南 250012;山东省千佛山医院健康管理中心,济南 250014
李昱颖 北京大学公共卫生学院流行病与卫生统计学系 100191
马伟 山东大学气候变化与健康研究中心,济南 250012;山东大学公共卫生学院流行病学系,济南 250012
摘要: 为探究2005—2013年中国东南沿海地区气温对感染性腹泻的短期影响,本研究对2005—2013年浙江、福建、广东省的感染性腹泻数据进行二阶段分析。与气温的P50相比,东南沿海地区气温位于P22.8~P40.4以及高于P51.6时,滞后0~3 d内感染性腹泻的发病风险增加,气温位于P90.1时,发病风险最大,RR值为1.17(95%CI:1.11~1.23)。高温可增加中国东南沿海地区感染性腹泻发病风险。
关键词 :温度;腹泻;二阶段分析
Short-term impact of temperature on infectious diarrhea in southeast coastal area of China, 2005-2013
HuWenqi,LiYuying,MaWei     
Department of Epidemiology, School of Public Health, Shandong University, Jinan 250012, China; Health Management Centre, Shandong Provincial Qianfoshan Hospital, Jinan 250014, China
Corresponding author: Ma Wei, Email: weima@sdu.edu.cn, Tel: 0086-531-88382141
Abstract:To investigate the short-term impact of temperature on infectious diarrhea in southeast coastal area of China from 2005 to 2013. Two-stage analysis was used to deal with the data of infectious diarrhea from 41 cities in Zhejiang, Fujian and Guangdong Province. Compared with the P50 temperature, the risk of infectious diarrhea within lag 0-3 d increased when the temperature was between P22.8 and P40.4 or higher than P51.6. The RR value was highest (1.17, 95%CI: 1.11-1.23) when the temperature is at P90.1. High temperature could increase the risk of infectious diarrhea in southeast coastal area of China.
Key words :Temperature;Diarrhea;Two-stage analysis
全文

感染性腹泻是全世界范围内导致儿童死亡的主要原因之一,2010年由感染性腹泻引起的5岁以下儿童死亡数占全世界总死亡数的10.5%[1]。在我国,其他感染性腹泻发病率居肠道传染病首位,2010年其他感染性腹泻发病率为55.9/10万[2]
        有研究表明气温与感染性腹泻有关,但研究结果并不一致[3,4,5]。而且,目前国内关于气温与感染性腹泻的研究多基于单一省市,在多省市中进行的研究较少。浙江、福建、广东省均位于我国东南沿海地区,经济较发达,同属季风气候区,尚未发现针对该区域进行的气温与感染性腹泻研究。本研究通过利用浙江、福建、广东三省的传染病监测数据,采用二阶段分析方法,探究中国东南沿海地区气温对感染性腹泻发病率的影响,为预防感染性腹泻提供更多的决策依据。

一、材料与方法  

1.研究地区:  本研究选择浙江、福建、广东省作为研究地区。三省地理位置毗邻,位于北纬20°~31°、东经109°~123°内,属于我国东南沿海省份,该区域属典型的季风气候区,兼有热带和副热带气候特征。故最终纳入3个省全部共41个地级城市。

2.数据来源:  2005—2013年浙江、福建、广东省感染性腹泻病例数据来源于国家法定传染病监测系统,包括细菌性痢疾、阿米巴痢疾、伤寒和副伤寒以及其他感染性腹泻的临床诊断病例和实验室确诊病例,病例数据包括发病个体的性别、年龄、发病日期、诊断日期等。2005—2013年各城市的气象数据来源于中国气象数据共享网,包括日平均气温、日平均相对湿度、日照时数和降水量。由于数据缺失,将佛山市气象数据由距离最近的广州市气象数据代替,潮州市气象数据由距离最近的梅州市气象数据代替。为避免不同城市居民对本地气温的适应性,将各城市日平均气温转化为百分位数的形式,作为后续分析中的气温变量。2005—2013年各城市的人口学数据来源于各城市统计年鉴。

3.统计学分析:  气温不符合正态分布,采用中位数表示。使用二阶段分析探讨气温与感染性腹泻的关系,第一阶段利用分布滞后非线性模型分别探究41个城市气温在滞后0~3 d对感染性腹泻的影响。分布滞后非线性模型通过建立交叉基函数,可同时拟合气温对感染性腹泻的滞后效应和气温与感染性腹泻之间的非线性关系[6,7]。为控制过离散现象,假设感染性腹泻日发病数服从类泊松分布,参考已有文献并结合赤池信息量准则调整模型参数,最终建立的模型的表达式如下:Log[EYt)]=cbtemperaturelag)+nsprecipitation+nshumidity+nssunshine+nstime+dow。其中,EYt)代表感染性腹泻日发病数的期望值;cbtemperaturelag)代表日平均气温的交叉基函数,日平均气温的自由度为3,最大滞后天数为3 d,滞后的自由度为2;nsprecipitation)、nshumidity)、nssunshine)分别代表日平均降水量、日平均相对湿度和日照时数的自然立方样条函数,自由度均为3;nstime)代表用于控制长期趋势的自然立方样条函数,自由度为7/每年;dow为控制星期几效应的哑变量。为了在Meta合并阶段使用统一的参照值进行合并,使不同城市的RR值具有可比性,对不同城市构建分布滞后非线性模型时,均以该城市日平均气温的P50作为参照[8,9]。第二阶段,将第一阶段获得的各城市效应值通过多元Meta合并进行汇总[10],以获得最终的效应值。

二、结果  

1.2005—2013年浙江、福建、广东省感染性腹泻发病情况:  2005—2013年,浙江、福建、广东省共上报感染性腹泻2 308 988例,发病率为137.9/10万,浙江、福建、广东省的感染性腹泻发病率分别为234.3/10万、58.6/10万、119.3/10万。发病率最高的城市为浙江杭州市(446.1/10万),发病率最低的城市为福建南平市(10.5/10万)。所有感染性腹泻病例中,细菌性痢疾177 664例,占7.69%,阿米巴痢疾2 753例,占0.12%,伤寒和副伤寒32 727例,占1.42%,其他感染性腹泻2 095 844例,占90.77%。

2.2005—2013年浙江、福建、广东省气温水平:  2005—2013年,浙江、福建、广东省日平均气温的中位数为22.1 ℃,浙江、福建、广东省日平均气温的中位数分别为18.9、20.5、23.8 ℃。日平均气温最高的城市为广东省湛江和茂名市,日平均气温的中位数为24.9 ℃,日平均气温最低的城市为福建泉州市,日平均气温的中位数为17.4 ℃。

3.气温对感染性腹泻的非线性影响:  浙江、福建、广东省气温与感染性腹泻的关系见图1。与日平均气温的P50相比,气温位于P22.8~P40.4和高于P51.6时,滞后0~3 d内感染性腹泻的发病风险增加,气温位于P90.1时,发病风险最大,RR值为1.17(95%CI:1.11~1.23);对于浙江省,气温位于最大值时,滞后0~3 d内感染性腹泻的发病风险最大,RR值为1.27(95%CI:1.12~1.45);对于福建省,气温位于P91.6时,滞后0~3 d内感染性腹泻的发病风险最大,RR值为1.30(95%CI:1.15~1.48);对于广东省,气温位于P81.4时,滞后0~3 d内感染性腹泻的发病风险最大,RR值为1.08(95%CI:1.03~1.12)。

图1浙江、福建、广东省滞后0~3 d内气温与感染性腹泻的关系

4.高温对感染性腹泻的影响:  对于浙江、福建、广东省,气温位于P95时,滞后0~3 d内感染性腹泻的发病风险为1.17(95%CI:1.11~1.23);浙江、福建、广东省滞后0~3 d内感染性腹泻的发病风险分别为1.26(95%CI:1.11~1.45)、1.30(95%CI:1.15~1.48)、1.05(95%CI:1.02~1.09)。除浙江温州市外,高温的效应表现为增加感染性腹泻的发病风险或效应无统计学意义,其中高温对福建省莆田市感染性腹泻的效应最大,RR值为1.76(95%CI:1.23~2.51)。

5.低温对感染性腹泻的影响:  气温位于P5.0时,滞后0~3 d内感染性腹泻的发病风险为0.89(95%CI:0.85~0.92);浙江、福建、广东省滞后0~3 d内感染性腹泻的发病风险分别为0.85(95%CI:0.78~0.92)、0.97(95%CI:0.92~1.03)、0.87(95%CI:0.85~0.93)。对于各城市,低温的效应表现为降低感染性腹泻的发病风险或效应无统计学意义,其中低温对浙江省湖州市感染性腹泻的效应最大,RR值为0.65(95%CI:0.55~0.78)。

三、讨论  本研究结果显示2005—2013年,浙江、福建、广东省共上报感染性腹泻2 308 988例,发病率为137.9/10万,高于全国感染性腹泻发病率[11,12]。浙江、福建、广东省感染性腹泻发病率分别为234.3/10万、58.6/10万、119.3/10万,与已有研究相近[13,14,15]。福建省感染性腹泻发病率最低,浙江省最高,各省感染性腹泻发病率的差异可能与当地经济卫生状况、气候条件和居民生活习惯有关。
        高温可增加中国东南沿海地区滞后0~3 d内感染性腹泻的发病风险,气温位于P95时,三省感染性腹泻发病风险均增加,浙江、福建省所受影响较大,低温可降低东南沿海地区感染性腹泻发病风险,气温位于P5.0时,浙江、广东省发病风险降低。
        高温可增加中国东南沿海地区感染性腹泻发病风险,与已有研究结果一致,汪静等[16]的研究表明,感染性腹泻发病人数与气温呈正相关,陶燕等[17]的研究显示,平均气温每升高1个四分位数间距,其他感染性腹泻发病人数增加66.7%。高温可能通过影响病原体活性、加速食物腐败、增加饮用水需求等途径增加感染性腹泻的发病风险[18]。但也有研究表明,感染性腹泻与气温呈负相关[19,20],与本研究结果并不一致,本研究仅发现气温位于P22.8~P40.4时是感染性腹泻的危险因素,但气温位于P5.0时,感染性腹泻的发病风险降低。该不一致可能与研究地点感染性腹泻病原体构成不同有关,有研究表明,不同病原体引起的感染性腹泻与气温的关系不同[6,21],由细菌引起的感染性腹泻与气温呈正相关,由病毒引起的感染性腹泻与气温呈负相关,因此导致不同地区感染性腹泻与气温的关系不同。
        浙江、福建、广东省感染性腹泻与气温的关系略有差异。高温对浙江、福建省的影响较大,对广东省的影响较小,可能的原因有广东省气温较高,居民对高温有一定的适应性,因此高温对感染性腹泻的影响较小;低温对浙江、广东省有影响,对福建省无影响,原因还需进一步探索。
        本研究存在以下局限性:首先,作为生态学研究,使用传染病监测数据和气象监测数据进行分析,未涉及病例个体信息,无法对混杂因素进行控制;其次,使用传染病监测数据作为发病数据,可能存在漏报;同时,气温对细菌性和病毒性感染性腹泻的作用规律可能存在差异,但本研究未能获得其他感染性腹泻的分类数据,而其他感染性腹泻占全部感染性腹泻的90%以上,因此未将病例分为细菌性和病毒性感染性腹泻分别进行探究;最后,本研究仅对浙江省、福建省、广东省各城市效应值进行了Meta合并,未涉及城市间的差异,包括不同城市的传染病数据报告质量和数据稳定性等因素,可能会对研究结果产生影响。
        综上所述,高温可增加中国东南沿海地区感染性腹泻发病风险,极低温可降低该风险,高温时应注意预防感染性腹泻发生,不食不洁净的食物和饮用水,注意清洁环境和自我防护。

参考文献
[1]BlackRE, CousensS, JohnsonHL, et al. Global, regional, and national causes of child mortality in 2008: a systematic analysis[J]. Lancet, 2010, 375(9730):1969-1987. DOI:10.1016/S0140-6736(10)60549-1.
[2]周浩,张静.2010年全国其他感染性腹泻监测现状分析[J].疾病监测,2012,27(3):184-187. DOI: 10.3784/j.issn.1003-9961.2012.3.006.
[3]ChowdhuryFR, QSUI, BariMS, et al. The association between temperature, rainfall and humidity with common climate-sensitive infectious diseases in Bangladesh[J]. PLoS One, 2018,13(6):e0199579. DOI: 10.1371/journal.pone.0199579.
[4]LevyK, WosterAP, GoldsteinRS, et al. Untangling the impacts of climate change on waterborne diseases: a systematic review of relationships between diarrheal diseases and temperature, rainfall, flooding, and drought[J]. Environ Sci Technol, 2016, 50(10):4905-4922. DOI: 10.1021/acs.est.5b06186.
[5]JagaiJS, SarkarR, CastronovoD, et al. Seasonality of rotavirus in South Asia: a meta-analysis approach assessing associations with temperature, precipitation, and vegetation index[J]. PLoS One, 2012, 7(5):e38168. DOI: 10.1371/journal.pone.0038168.
[6]GasparriniA, ArmstrongB, KenwardMG. Distributed lag non-linear models[J]. Stat Med, 2010, 29(21):2224-2234. DOI:10.1002/sim.3940.
[7]王金玉李盛马汉平等. 2008—2016年兰州市日均气温与水痘发病的关联性研究[J].中华预防医学杂志,2018,52(8):842-848. DOI:10.3760/cma.j.issn.0253-9624.2018.08.013.
[8]XiaoX, GasparriniA, HuangJ, 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.
[9]YuG, YangR, YuD, et al. Impact of meteorological factors on mumps and potential effect modifiers: An analysis of 10 cities in Guangxi, Southern China[J]. Environ Res, 2018,166:577-587. DOI: 10.1016/j.envres.2018.06.047.
[10]GasparriniA, ArmstrongB, KenwardMG. Multivariate meta-analysis for non-linear and other multi-parameter associations[J]. Stat Med, 2012, 31(29):3821-3839. DOI:10.1002/sim.5471.
[11]张昕,高永军,冯子健,等.2008年全国其他感染性腹泻报告病例信息分析[J].世界华人消化杂志,2009,17(32):3370-3375. DOI: 10.3969/j.issn.1009-3079.2009.32.019.
[12]林羡华,冉陆,马莉,等.2010年全国其他感染性腹泻报告病例信息分析[J].中国食品卫生杂志,2011,23(5):385-389.
[13]缪梓萍,吕华坤,秦淑文,等.2005-2009年浙江省其他感染性腹泻流行特征分析[J].疾病监测, 2011,26(8):614-617. DOI: 10.3784/j.issn.1003-9961.2011.08.009.
[14]祝寒松,谢忠杭,陈光敏,等.2004~2013年福建省法定传染病发病动态分析[J].预防医学论坛,2015,21(9):641-645. DOI: 10.16406/j.pmt.issn.1672-9153.2015.09.002.
[15]郑慧贞,郭汝宁,李灵辉,等.广东省2004~2006年感染性腹泻流行特征[J].现代预防医学,2008,35(10):1936-1937,1939. DOI: 10.3969/j.issn.1003-8507.2008.10.056.
[16]汪静,胥美美,莫运政,等.感染性腹泻发病人数与气象因素的相关性研究[J].环境与健康杂志,2013,30(11):991-995.
[17]陶燕,刘志明,米生权,等.气象因素对其他感染性腹泻病的影响[J].兰州大学学报(自然科学版),2015,51(5):646-651. DOI: 10.13885/j.issn.0455-2059.2015.05.009.
[18]BenthamG, LangfordIH. Environmental temperatures and the incidence of food poisoning in England and Wales[J]. Int J Biometeorol, 2001,45(1):22-26.
[19]韩微笑.2009~2013年广州市气温对常见传染病的短期影响[D].济南:山东大学,2017.
[20]陈静,夏涛,李茳,等.南沙区其他感染性腹泻病与气象要素的关系初探[J].广东气象,2016,38(3):56-58. DOI: 10.3969/j.issn.1007-6190.2016.03.014.
[21]黎健,潘浩,肖文佳,等.上海2013—2015年感染性腹泻病原流行病学特征分析[J].中华预防医学杂志,2017,51(12):1113-1117.DOI: 10.3760/cma.j.issn.0253-9624.2017.12.012