林文斌 秦維霞 祝寒松

流行性感冒（簡稱流感）是流感病毒引起的急性呼吸道感染性疾病，具有潛伏期短、傳染性強、傳播速度快等特點，主要通過空氣飛沫和接觸傳播，全球每年流感可導致約10億人發(fā)病和300萬～500萬重癥，且29萬～65萬人死于流感相關呼吸道疾病，兒童發(fā)病率高，容易引起幼托機構和學校聚集性事件，社會影響較大[1-5]。近年我國流感發(fā)病處于較高水平，廈門市流感發(fā)病率居福建省前列，引起相關部門高度重視。本研究擬對廈門市某三甲醫(yī)院2010年1月—2019年12月流感疫情進行分析，為相關部門掌握現(xiàn)狀及制定防控措施提供科學依據(jù)。

1 資料與方法

1.1 資料來源

2010年1月—2020年3月流感病例個案信息來源于中國疾病預防控制信息系統(tǒng)的傳染病報告信息管理系統(tǒng)。數(shù)據(jù)庫清洗標準：按報告地區(qū)、發(fā)病時間下載，診斷分類以“臨床診斷病例和實驗室診斷病例”為條件納入分析庫，并剔除患者屬于“外籍、港澳臺、其他省、本省其他地市”“刪除個案”和“重卡病例”。

地理基礎資料：人口資料來源于統(tǒng)計年鑒，地理數(shù)據(jù)采用廈門市街道（鄉(xiāng)鎮(zhèn)）界行政區(qū)劃矢量地圖（1∶1 000 000），經(jīng)緯度來源于“谷歌地圖”。

1.2 分析方法

時空掃描分析：采用SaTScan 9.5軟件對廈門市某三甲醫(yī)院流感發(fā)病進行時空掃描分析，探測聚集中心和聚集區(qū)域半徑，通過計算不同圓心、不同半徑動態(tài)窗口區(qū)域內(nèi)外空間單元屬性似然比（likelihood ratio，LLR）進行統(tǒng)計學推斷。當P＜0.05時，LLR值越大，掃描動態(tài)窗口所涵蓋的區(qū)域為聚集區(qū)的概率越大，本研究定義P＜0.05為高時空聚集區(qū)，其他具有統(tǒng)計學意義的窗口為低時空聚集區(qū)。采用回顧性時空分析方法、Poisson分布模型，設定最大聚集空間為10 km，掃描區(qū)域為總人口數(shù)的50%[6]，時間聚合長度為14 d。

地圖繪制：采用ArcGIS 10.0軟件進行發(fā)病空間地圖繪制、時空掃描分析結果可視化。

發(fā)病預測：采用R 3.4.3對數(shù)據(jù)進行自回歸移動平均（autoregressive integrated moving average，ARIMA）建模和和預測，預測準確性度量包括：平均誤差（mean error，ME），平均絕對標準化誤差（mean absolute standarded error，MASE）、平均殘差平方和平方根（root mean squared error，RMSE）、平均絕對誤差（mean absolute error，MAE）、平均絕對百分比誤差（mean absolute percentage error，MAPE）、平均百分比誤差（mean percentage error，MPE）。

2 結果

2.1 概況

廈門市某三甲醫(yī)院2010年1月—2019年12月各年流感報告發(fā)病數(shù)依次為：71例、20例、47例、45例、124例、107例、134例、76例、190例和1 708例，共2 522例，占比廈門市醫(yī)療衛(wèi)生機構報告數(shù)（15 687例）的16.08%，無死亡病例。

2.2 時間分布

總體上12月份為發(fā)病高峰期，報告發(fā)病數(shù)為677例，占比26.84%。其次為1月和7月，報告發(fā)病數(shù)（占比）分別為248例（9.83%）和232例（9.20%）。

2.3 人群分布

男性和女性流感報告發(fā)病數(shù)分別為1 427例和1 095例，男女比為1.30∶1。0～5歲組（不含5歲）發(fā)病數(shù)居前，男性和女性發(fā)病數(shù)分別為568例和383例，占比分別為39.80%和34.98%；其次是5～歲組，男性和女性分別為467例和334例，占比分別為32.73%和30.50%，見圖1。人群分類主要為學生（810例）、散居兒童（676例）和幼托兒童（556例），占比依次為32.12%、26.80%和22.05%，共占比80.97%。

2.4 地區(qū)分布

流感報告發(fā)病數(shù)區(qū)縣分布依次為：思明（1 168例，46.31%）、湖里（593例，23.51%）、集美（411例，16.30%）、海滄（155例，6.15%）、同安（109例，4.32%）、翔安（86例，3.41%）。

38個街道（鄉(xiāng)鎮(zhèn)）均有流感報告，杏林街道、蓮前街道、梧村街道、開元街道、湖里街道等報告發(fā)病數(shù)（占比）居前，依次為：249例（9.87%）、195例（7.73%）、184例（7.30%）、164例（6.50%）、143例（5.67%），見圖2。

圖1 廈門市某三甲醫(yī)院2010年1月—2019年12月流感發(fā)病數(shù)性別和年齡分布

圖2 廈門市某三甲醫(yī)院2010年1月—2019年12月流感地區(qū)分布

2.5 時空掃描分析

2010年1月—2019年12月流感日發(fā)病數(shù)時空掃描結果顯示，存在3個高時空聚集區(qū)和2個低時空聚集區(qū)。高時空聚集區(qū)分別以新陽街道、灌口鎮(zhèn)和五顯鎮(zhèn)為中心，聚集時間均分布在2018年12月19日—2019年12月31日，見表1和圖3。

表1 廈門市某三甲醫(yī)院流感發(fā)病時空掃描

2.6 預測

2.6.1 回顧性評估 通過擬合篩選，ARIMA（1，1，1）（0，1，2）12是最佳模型，對2010年1月—2019年12月流感報告發(fā)病數(shù)進行回顧性預測，ME、RMSE、MAE、MPE、MAPE、MASE等準確性指標分別為：0.08、0.81，0.59、-0.30%、0.84、0.05，結果顯示，預測值和實際值吻合較好，準確度較高。

2.6.2 前瞻性評估 對2020年1—8月發(fā)病數(shù)進行短期預測，其中1—3月的實際發(fā)病數(shù)與預測值相比，相對誤差分別為46.31%、-96.29%和-99.19%，見表2和圖4。

表2 廈門市某三甲醫(yī)院2020年1—8月流感發(fā)病數(shù)預測情況

3 討論

綜合醫(yī)院是流感病例診治的主要醫(yī)院，廈門市某三甲醫(yī)院在思明區(qū)和集美區(qū)都有分院，門診量大，而且本研究顯示，在廈門醫(yī)療衛(wèi)生機構報告范圍內(nèi)，該院流感報告發(fā)病數(shù)占比權重大，是廈門市流感患者診療的主要醫(yī)院之一，分析其基本情況將對廈門市流感防控措施的制定起到重要作用。

圖3 廈門市某三甲醫(yī)院流感發(fā)病時空掃描

圖4 廈門市某三甲醫(yī)院流感報告發(fā)病數(shù)和預測值

近年該院流感報告發(fā)病數(shù)呈上升態(tài)勢，反映了廈門市總體發(fā)病趨勢，也與國內(nèi)趨勢一致，可能與疫情自然消長和氣候變化影響有關[2，7-10]。但該院2019年報告發(fā)病數(shù)大幅上升，與近年疫情呈持續(xù)上升態(tài)勢外，還與該院2019年2月起全面開展流感病原檢測有關。本研究顯示，該院流感季節(jié)性較為明顯，主要發(fā)生在12月，其次是1月和7月，這與氣象影響有一定關聯(lián)[11-12]，氣溫是對流感影響最受關注的氣象因素，主要是低溫的影響，但由于時空異質性的客觀存在[13-15]，廈門市氣溫對流感的影響具有特殊性，體現(xiàn)在日均氣溫＜9℃和＞23℃對廈門市流感發(fā)病均是危險因素[2]，這與本研究結果該院流感12月、1月和7月報告發(fā)病數(shù)較多一致，與欒桂杰等[5]研究的不完全相同。

時空掃描包括了時間和空間兩個維度，具有尺度選擇、尺度轉換和時空融合等優(yōu)勢，提高準確性和實用性。本次掃描到了3個高時空聚集區(qū)和2個低時空聚集區(qū)，既是融合時間和空間對既往疫情的分析總結，也是對疫情時間和空間聚集性的預測，一定程度上可對防控重點指明方向。3個高時空聚集區(qū)的形成可能與人口較為密集有關，人口密集高會導致呼吸道保護減少[16-17]，也可能與該院兩個分院的所屬區(qū)域位置有關。但低時空聚集區(qū)并不提示無風險，又因為當今城市化及人口流動性速度加快，所以低時空聚集區(qū)也不應忽視，隨著疫情發(fā)展，低聚集區(qū)的聚集風險存在隨時上升到高聚集區(qū)的可能性，特別是鼓浪嶼街道這樣一個人口高度復雜的國家5A級旅游名勝景區(qū)。

目前，全球衛(wèi)生部門正致力于提高對傳染病疫情的早期預測預警能力，本研究顯示，ARIMA（1，1，1）（0，1，2）12模型能夠對流行性感冒發(fā)病數(shù)進行較準確的定量預測。然而，2020年1—3月實際值與預測值相比，相對誤差均較大，其中1月份相對誤差達到了46.31%，原因可能一是2019年2月起該院全面展開了流感病原檢測，使2020年1月預測值與去年同期有所偏倚；二是2020年流感疫情繼續(xù)快速上升；三是受近年冬春季流感疫情影響，若有發(fā)熱、咳嗽等相關癥狀人們更傾向于去醫(yī)院診治。而2020年2月和3月的相對誤差均近-100%，主要原因包括：一是部分患者有發(fā)熱、咳嗽等相關癥狀時,為了避免在醫(yī)院、公共交通工具等公共場所人員交叉感染，更傾向于自行前去藥店買藥治療，從而使醫(yī)療單位流感報告發(fā)病數(shù)與實際發(fā)病數(shù)偏倚加大；二近年人們大幅提高了防范意識，佩戴口罩、保持距離、加強營養(yǎng)睡眠和鍛煉以提高抵抗力，有效地防范了呼吸道傳染病疫情；三是因為一月下旬開始春節(jié)放假，大多數(shù)單位停工、企業(yè)停產(chǎn)、學校放假，至3月底多數(shù)人仍未復工復學，人員流動大為減少，切斷了傳播途徑，大幅減少了流感聚集性事件的發(fā)生。

綜上，該院是廈門市流行性感冒患者診療的主要醫(yī)院之一，ARIMA模型能夠對流行性感冒發(fā)病數(shù)進行較準確的定量預測，相關單位可根據(jù)預測值、疫情特征和時空聚集區(qū)等針對性制定防控措施。