首页 > 论文范文 > 医药卫生论文 > 感控科论文 > 卫生防疫论文 > 2019—2020年乌鲁木齐市水痘流行强度及高峰期预测研究

2019—2020年乌鲁木齐市水痘流行强度及高峰期预测研究

2024-09-06 236 上传者：管理员

摘要：目的利用移动流行区间法(moving epidemic method, MEM)评估乌鲁木齐市水痘流行强度，建立该市水痘监测阈值，为分级防控提供科学依据。方法利用MEM对乌鲁木齐市2010—2019年每年第30周至次年第10周水痘监测发病数据建模，筛选指标包括灵敏度、特异度、阳性预测值、阴性预测值、马修斯相关系数和约登指数，评价2019—2020年乌鲁木齐市水痘流行状况。结果 2012—2013年和2018—2019年数据质量较差，予以剔除。利用剩余年份数据重新建模后，最优参数值为3.0,灵敏度、特异度和约登指数分别为0.73、0.98和0.71,模型拟合效果较好。中等、高和极高强度阈值分别为100、126和140例，2019年第36周进入水痘流行前阈值，随后快速上升超过中等强度阈值，并在2019年第45周到达高强度峰值水平。结论利用MEM建立水痘流行预警模型，可计算水痘的流行开始时间及流行强度，预测疾病流行至高峰期的时间，在水痘的预警中效果较好。

关键词：
水痘
流行强度
移动流行区间法
阈值
预测
加入收藏

水痘是由水痘-带状疱疹病毒感染引起的急性呼吸道传染病，以皮肤黏膜出现斑疹、丘疹、疱疹为主要特征，主要好发于儿童[1]。由于其传染性较强，常在学校和托幼机构等聚集性场所暴发流行[2],不仅影响师生健康和教学秩序，还增加了社会经济负担。近年我国水痘流行呈现上升趋势，水痘疫苗是预防水痘发生的主要方法，目前我国只有北京市、上海市、杭州市、江苏省等地将水痘疫苗纳入常规免疫计划，实施两剂疫苗接种注射[3]。

传染病预警作为早期监测疾病流行或暴发的重要手段，在病例数超过一定阈值时发出预警信号。移动流行区间法(MEM)最初是一种应用于划分流感流行强度的方法[4],该模型最大的优势在于能够分级制定疾病流行阈值[5],合理分配利用医疗资源。目前欧洲多个国家已取得了良好的应用效果，国内部分省市也在流感和手足口病中进行尝试应用此方法，获得了较好的预警价值[6-8]。监测数据显示，乌鲁木齐市水痘流行特征与流感相似，符合模型纳入条件。本研究应用2010—2020年水痘发病资料，将MEM模型应用于水痘流行强度阈值监测及高峰预警，探讨乌鲁木齐市实施水痘分级预警的可行性，为本市制定和实施水痘流行的防控措施提供科学依据。

1、资料与方法

1.1资料来源

本研究数据来源于乌鲁木齐市传染病监测信息系统。以乌鲁木齐市2010—2019年水痘周发病例数为历史基线，判断2020年乌鲁木齐市水痘流行强度阈值，以及预测水痘发病达到高峰的时间。本研究通过乌鲁木齐市疾病预防控中心伦理委员会审批(伦理号：2023-C46)。

1.2研究方法

MEM建模时数据呈单峰分布，拟合效果优于双峰分布[9],乌鲁木齐市水痘呈双峰分布，对数据进行分割处理，根据疾病分布特征，仅纳入第二流行季第30周至次年第10周数据。将流行季划分为流行前期、流行期和流行后期，流行前期和流行后期均属于非流行期。建模主要分为3个步骤[10]:①根据历史基线确定水痘的流行长度，包括流行开始时间和结束时间，δ参数是划分流行季的关键指标，取值范围一般为2.0%～4.0%。r为具有最大累积和百分比(maximum accumulated rates percentage, MAP)时对应的最小周数。MAP函数公式：

Ρjr=tjrtjstjr=mxk=...,S-r+1{∑i=k+r-tij}tjs=∑i=1Sti,Pjr为第j个流行季的最大累积和百分比，tjr

为连续r周监测指标累积的最大值，tjs为第j个流行季监测指标累积和，r为连续r周，k为流行起始周，S为每个流行季的总监测周数。②估计水痘流行阈值。选择流行前期的n个数据(n=30/N,N为纳入研究的流行季数),计算流行前期最高的30个数据平均数的单侧95%可信区间上限为流行开始阈值，同理利用流行后期的监测数据计算流行结束的阈值。③估计水痘分级强度阈值。基于历史流行期监测数据，取每个流行期内最高的n个数据，分别计算流行期内几何平均值的40%CI上限、90%CI上限和97.5%CI上限分别作为中等、高和极高的强度阈值水平。

1.3交叉验证及评价指标

应用交叉验证评价MEM模型的预警效果，从监测水痘资料中任意选取一个流行季作为目标流行季，其余流行季均作为历史基线数据估计目标流行季的流行阈值，重复此过程，评估MEM模型的拟合优度。重点评价指标包括灵敏度、特异度、约登指数[11]。计算公式为：灵敏度=流行期内大于流行前或后阈值的监测周数/流行期内总周数；特异度=非流行期内小于流行前或后阈值的监测周数/非流行期总周数；约登指数=灵敏度+特异度-1。

1.4统计学处理

采用Excel 2019建立水痘监测数据库，运用R 4.1.3软件开发的“MEM”包进行数据分析，本研究基于乌鲁木齐市2010—2019年水痘周发病例数进行建模，评估2020年水痘的流行强度。

2、结果

2.1监测数据分析与参数筛选

2010—2019年每年第30周至次年第10周，乌鲁木齐市水痘周发病例数如图1所示，整体流行趋势呈现一定季节性变化，通常在第45周出现流行高峰。MEM对同一季节出现两次或以上高峰的数据建模存在一定局限性[12],因此本研究对数据进行分割整理，纳入冬春流行季进行建模分析。以0.10为间隔尝试不同的δ值，当灵敏度、特异度和约登指数均较大时所对应的参数，作为最优参数。

2.2模型拟合效果评价

对2010—2019年水痘发病数据进行交叉验证，2012—2013年和2018—2019年数据拟合较差，予以剔除。剔除后当参数δ值为3.0时，建立最优MEM模型，剔除后整体平均灵敏度、特异度、阳性预测值、阴性预测值、约登指数分别为0.73、0.98、0.98、0.82、0.71,模型拟合效果较好。纳入模型的各流行季流行结果显示前阈值为49～53例，2010—2012年水痘发病一直为高流行水平，2013—2015年维持在低流行水平，此后流行水平进一步上升，在2017年达到极高流行水平，2017—2018年降至高流行水平。见表1。

2.3 2019—2020年水痘流行强度水平

基于2010—2019年历史监测数据建模，计算2019—2020年水痘流行开始阈值为54例，若周发病例数超过54例，则为水痘流行水平，反之则处于基线水平。中等、高和极高强度阈值分别为100、126和140例，2019年第36周进入水痘流行前阈值，随后快速上升超过中等强度阈值。在2019年第45周到达高强度峰值水平。见图2。

图1乌鲁木齐市2010—2019年每年第30周至次年第10周水痘发病情况

表1 2010—2019年水痘流行季预警阈值

图2 MEM判定的2019—2020年水痘的流行活动水平

3、讨论

水痘有潜伏期长、传染性强、人群普遍易感等特点，早期识别水痘流行并发出预警信号显得至关重要。本研究依托乌鲁木齐市传染病监测系统，使用2010—2019年水痘周发病历史数据为基线，采用MEM预警2019—2020年水痘流行开始和流行强度阈值，根据水痘流行强度，分级采取公共卫生措施。乌鲁木齐市水痘发病趋势每年既有冬春季高峰又有夏季高峰，发病曲线呈现“双峰”,符合呼吸道传染病的发病特点，与资料报道大致吻合[13]。根据历年水痘疫情防控经验，大多数年份的冬春季高峰要明显高于夏季，冬春季气温较低、环境密闭，水痘流行的威胁大大加强，故冬春季高峰的防控压力远大于夏季，因此本研究选择冬春季高峰数据进行建模更具有实际意义。

MEM要求所纳入最大的流行季节数不超过10个，在实际运用中通常选择5～10个流行季，通过反复建模对比纳入最优建模的历史季节数。对乌鲁木齐市2010—2019年冬春季水痘发病例数数据进行交叉验证，发现2012—2013年和2018—2019年数据约登指数分别为0.40和0.52,数据拟合效果较差，剔除该年份数据再次交叉验证时，模型总体拟合效果较好；当参数δ值为3.0时，MEM模型效果最优，其灵敏度、特异度、阳性预测值、阴性预测值、约登指数分别为0.73、0.98、0.98、0.82、0.71,拟合效果较好。2019—2020年本市水痘发病处于先升后降的趋势，当发病例数达到54例时流行开始，当达到140例时达到极高强度阈值水平。接种水痘疫苗是目前预防水痘最有效的措施[14],提示在水痘疫情流行前期和流行后期时做好社区卫生服务中心、托幼机构等水痘高发场所人群的健康宣教工作，适龄人群及时接种水痘减毒活疫苗，同时提高个人身体素质，养成良好的个人卫生习惯，从而减少水痘的暴发流行[15]。若流行水平较高则应组织专家进行专题风险评估，分析高发原因，提供防控建议。根据不同流行水平采取不同防控措施，在实际运用中分级预警有着较好的使用价值。

MEM作为一种新型预警模型，不仅可以及时发现水痘病例，还能将定量趋势数据转化为定性强度水平，采用交叉验证对其拟合效果进行评价[16]。在数据建模的过程中，参数δ值选择较为关键，一般δ值的范围为2.0～4.0,虽然欧洲地区经筛选后默认参数值2.8为最优值[17],但本研究在参数δ值设置为2.8时结果并不理想，在实际运用中应根据不同地区、不同疾病种类筛选出最优参数值。目前我国应用MEM的模型较少，既往有研究将此模型推广应用于手足口病、流行性腮腺炎等呈双峰分布的传染病[18-19]。现阶段仍有局限性值得进一步探索，该方法的使用前提是一个流行季内流行高峰呈单峰分布[20],对于双峰分布的模型，本文采取拆分，依据冬春季高峰数据建模，此举措虽有现实意义，但从方法学上改进才是解决双峰分布的根本办法。

利益冲突无

参考文献:

[1]赵金华,龙江,赵建海,等.2010—2020年青海省水痘流行特征分析及时空动态研究[J].现代预防医学,2022,49(15):2700-2703.

[2]田猛,王伟伟,姚红岑,等.上海市金山区1~12岁儿童水痘减毒活疫苗接种情况分析[J].公共卫生与预防医学,2020,31(5):53-56.

[6]刘天,李勤,漆莉,等.基于移动流行区间法建立重庆市手足口病预警模型[J].疾病监测,2020,35(11):1020-1024.

[7]徐张懿,赵金华,丁小津,等.移动流行区间法在青海省流感流行阈值制定中的应用[J].中华疾病控制杂志,2021,25(12):1447-1452.

[8]邵铃玲,张丽萍.2016—2020年浙江省舟山市儿童流感流行病学特征研究及移动流行区间法的预警应用[J].疾病监测,2021,36(2):142-146.

[9]陈飒,赵斌,刘艳,等.陕西省2009—2018年手足口病流行特征及动态变化分析[J].中华流行病学杂志,2019,40(9):1120-1124.

基金资助:新疆维吾尔自治区科学技术厅生物安全战略防御一体化建设创新团队(2022TSYCTD0015);

文章来源:王悦,亚库普·阿卜杜热扎克,陈薇,等.2019—2020年乌鲁木齐市水痘流行强度及高峰期预测研究[J].医学动物防制,2024,40(11):1041-1044+1049.