黃平 馮慧芬 王斌 趙敬

鄭州大學第五附屬醫(yī)院消化內科（鄭州 450052）

手足口?。╤and-foot-mouth disease，HFMD）是一種以柯薩奇病毒A16型（CoxA16）和腸道病毒71型（EV71）多見的腸道病毒引起的兒童傳染?。?］，通過消化道、呼吸道及各種密切接觸途徑傳播，其傳染源可以是患者或隱性感染者［2］。由于其傳染性強、傳播途徑復雜，短期內可造成暴發(fā)流行。HFMD第一次在我國暴發(fā)是發(fā)生在2007年的山東省臨沂市，接著在2008年安徽阜陽又出現(xiàn)大范圍的流行，2008年5月HFMD被列入了法定報告?zhèn)魅静〉谋悾?］。近年來，根據(jù)我國疾病預防控制機構的監(jiān)測數(shù)據(jù)顯示，HFMD發(fā)病率及重癥、死亡病例逐年升高，防控形勢十分嚴峻。最新公布的2016年發(fā)病人數(shù)為244萬，死亡人數(shù)為199例，為我國傳染病管理控制及社會醫(yī)療帶來了不少壓力。政府對手足口病的防治給予了高度重視，社會也非常關注，重癥手足口病已成為我國重要的公共衛(wèi)生問題。對于手足口病的治療，目前仍沒有確切有效的抗病毒藥物，且沒有安全有效的疫苗應用于人群。建立高度敏感的監(jiān)測系統(tǒng)，對疾病的暴發(fā)流行進行預測，對于降低手足口病病死率、制定防治策略和措施具有重要意義。

HFMD的流行有明顯的季節(jié)差異，即在夏秋季節(jié)出現(xiàn)高峰［4-5］，溫度和濕度對手足口病發(fā)病有重要影響。時間序列分析通過將某一變量按時間順序排列，觀察研究對象隨著時間變動表現(xiàn)出來的規(guī)律特性，從而預測事物的發(fā)展趨勢，特別適用于時序規(guī)律不明顯，或有明顯季節(jié)性和周期性的情況。季節(jié)性自回歸移動平均模型可引入自變量提高模型的預測精確度，其過程簡便、經(jīng)濟、預測精度較高。本研究擬通過時間序列分析構建手足口病季節(jié)性自回歸移動平均模型，研究結果將為手足口病的預測和制定預防、控制手足口病的長遠或近期應對策略提供依據(jù)。

1 對象與方法

1.1 研究對象 分析所用數(shù)據(jù)來源于鄭州市某醫(yī)院住院部和門診信息管理系統(tǒng)，檢索2009年1月至2016年10月通過傳染病信息填報卡確診的所有HFMD患兒信息，導出符合條件的信息資料用于進行時間序列分析。

1.2 統(tǒng)計學方法 所有數(shù)據(jù)使用SPSS Statistics 23.0軟件處理分析，先將下載的數(shù)據(jù)進行預處理，將所有HFMD患兒的確診日期以月份為周期進行數(shù)據(jù)的分類匯總，生成月發(fā)病例數(shù)，同時在SPSS里定義日期變量，選擇年份、月份的日期格式。在模型構建時，選用帶有季節(jié)因子的ARIMA模型，簡寫符號表示為 SARIMA（p，d，q）（P，D，Q）s模型。其中p為自回歸階數(shù)，q為移動平均階數(shù)，d表示平穩(wěn)化時的差分次數(shù)；P、Q分別為季節(jié)性的自回歸和移動平均階數(shù)，D表示季節(jié)性差分次數(shù)，s為季節(jié)周期。s在本研究中取值12，即代表數(shù)據(jù)以12個月為1個周期。其余各參數(shù)的取值圍為0～2，需要根據(jù)經(jīng)驗來多次取值，探索不同的組合。最后根據(jù)模型的擬合度量中平穩(wěn)R2來篩選最優(yōu)組合。平穩(wěn)R2用于比較模型中固定成分與簡單均值模型之間的差別，其最大值為1，取值越大則意味著模型擬合效果越好。

2 結果

2.1 模型構建 如上所述，在對模型參數(shù)經(jīng)過多次的探索后，最終確定最佳擬合模型為SARIMA（1，0，1）（1，0，1）12，其模型擬合統(tǒng)計量，平穩(wěn)R2為0.734；Ljung-Box Q（18）統(tǒng)計量值為10.497，P=0.725，差異無統(tǒng)計學意義，提示殘差彼此獨立，不存在自相關性。模型參數(shù)估計值見表1。殘差的自相關函數(shù)圖（ACF）及部分自相關函數(shù)（PACF）圖的結果見圖1，其中X軸代表相關系數(shù)，介于-1到1之間，Y軸表示滯后的數(shù)量（月），兩條豎實線為95%可信區(qū)間。

2.2 模型擬合評價 在模型建立完后，為了更好地了解模型的預測能力，使用原始發(fā)病數(shù)據(jù)進行內部驗證，結果見圖2，可以看到HFMD出現(xiàn)較明顯的季節(jié)周期性，在每年的4～6月出現(xiàn)一個高峰的波動，擬合值和實測值的兩條曲線較為接近，提示模型具有較好的擬合能力。

表1 SARIMA（1，0，1）（1，0，1）12模型參數(shù)估計值列表Tab.1 Parameter estimate list of the SARIMA（1，0，1）（1，0，1）12model

圖1 SARIMA（1，0，1）（1，0，1）12模型的殘差ACF圖與PACF圖Fig.1 Autocorrelation function（ACF）and partial autocorrelation function（PACF）of the residual series of the SARIMA（1，0，1）（1，0，1）12 model

圖2 SARIMA（1，0，1）（1，0，1）12模型的擬合圖Fig.2 Observed and fitted value of the SARIMA（1，0，1）（1，0，1）12 model

3 討論

流行病學的疾病分布特征包括地區(qū)分布、時間分布以及人群分布。在地區(qū)分布方面，HFMD在國內各地區(qū)都存在分布，以東南沿海城市較多，尤以城市周圍的區(qū)縣以及農村、城鄉(xiāng)結合部分布集中［6］。在時間分布方面，HFMD以春季和初夏為主要高峰，在我國北方集中在6月，而南方為5月和10月兩次高峰，表現(xiàn)出較強的半年一次的周期性［3］，目前較多研究［7］認為，氣象條件以及所處的地理位置是導致該病周期性的重要因素，其中維度的影響最大［8］。在人群分布方面，HFMD以5歲以下兒童為主，男性的發(fā)病人數(shù)約為女性的1.5倍。

時間序列分析作為一種統(tǒng)計方法，在流行病學的研究中使用較為廣泛，可以直觀地揭示出疾病的分布特征，探索可能的影響因素。在眾多HFMD 的預測模型［7，9］中，SARIMA模型在國內應用較為廣泛［10-12］，它通過綜合考慮序列的周期性、各種趨勢的變化以及隨機干擾因素，對數(shù)據(jù)的一系列平穩(wěn)化處理，最終實現(xiàn)多種參數(shù)進行量化表達，相比于普通回歸預測模型，在傳染病的預測中表現(xiàn)出較廣泛的適用性。此外在HFMD預測方面還有一些是時空聚集性掃描分析的方法［13］，對反應空間層面變化有優(yōu)勢。

在疾病的診斷治療和預防控制方面，醫(yī)院扮演著重要角色，醫(yī)院對疾病的確診、收治情況可以大致反映該區(qū)域整體疾病分布及發(fā)病情況。以往較多的研究側重于通過收集疾病控制中心的資料描述該地區(qū)的發(fā)病情況，這樣對整體把握HFMD的流行趨勢較為方便。但是，由于疾病控制中心的資料往往來源于該地區(qū)各醫(yī)院的間接傳染病報卡，因此各醫(yī)院作為防控傳染病的第一責任單位，更應該掌握本醫(yī)院每年的傳染病流行趨勢，做到及時調整醫(yī)院的人力及醫(yī)療資源的分配以應對相關傳染病的流行。

本研究通過完整地調用鄭州市某醫(yī)院從2009-2016年期間HFMD的總發(fā)病數(shù)據(jù)，應用時間序列分析方法，構建了SARIMA（1，0，1）（1，0，1）12模型。從模型擬合度量的統(tǒng)計量，平穩(wěn)R2來看，模型擬合較好；通過繪制擬合圖，可以看出模型的整體預測效果較好，同時也反映出該醫(yī)院這8年期間HFMD發(fā)病率的整體波動情況。根據(jù)國家疾病控制中心公布的數(shù)據(jù)，2008年HFMD發(fā)病例數(shù)約為48.9萬，2009年約為115.6萬，約為2008年的2.4倍，這與各地區(qū)的小范圍暴發(fā)流行有關。相應地在模型擬合圖中，我們可以看到該醫(yī)院在2009年也出現(xiàn)了一次明顯增幅，而近年來，隨著國家疾病控制中心的各種預防控制措施的完善，雖然HFMD總體發(fā)病人數(shù)仍然處于增長趨勢，但其變化比較趨于平穩(wěn)。本研究的結果表明，運用季節(jié)性自回歸積分移動平均模型對HFMD的發(fā)病情況進行預測是可行的，有利于衛(wèi)生部門提前制定相應的防治策略及應對措施，在一定程度上控制疾病的暴發(fā)流行，降低發(fā)病率與病死率。

綜上所述，SARIMA模型對HFMD具有較好的預測價值。但作為流行病學方面重要的基礎研究工具，除了分析時間因素對HFMD發(fā)病的影響，還要考慮到各種氣象因素和人群、地域的分布情況，因此，還需要更多深入的研究，引入不同參數(shù)，將多種復雜的預測模型結合，為疾病的預防控制提供更精準的參考依據(jù)。

參考文獻

［1］WANG J，HU T，SUN D，et al.Epidemiological characteristics of hand，foot，and mouth disease in Shandong，China，2009-2016［J］.Sci Rep，2017，7（1）：8900.

［2］李斌，歐維琳.手足口病病原學及檢測方法研究進展［J］.中華實用兒科臨床雜志，2016，31（6）：477-480.

［3］XING W，LIAO Q，VIBOUD C，et al.Hand，foot，and mouth disease in China，2008-12：an epidemiological study［J］.Lancet Infect Dis，2014，14（4）：308-318.

［4］蔡艷艷，周衛(wèi)芳，尤海章，等.2010-2013年蘇州地區(qū)兒童手足口病的流行病學及病原特征［J］.實用醫(yī)學雜志，2014，30（23）：3875-3876.

［5］鄧坤儀，范漢恭，黃桑，等.中山市2011-2015年兒童手足口病流行病學調查及分子病原學研究［J］.實用醫(yī)學雜志，2017，33（11）：1861-1864.

［6］覃秋琴，金玉.手足口病的相關研究進展［J］.中華傳染病雜志，2015，33（9）：575-576.

［7］楊朝暉，王成寶，王新麗，等.臨沂市2012年上半年手足口病流行病學及臨床特點分析［J］.實用醫(yī)學雜志，2012，28（24）：4172-4174.

［8］LIU L，ZHAO X，YIN F，et al.Spatio-temporal clustering of hand，foot and mouth disease at the county level in Sichuan province，China，2008-2013［J］.Epidemiol Infect，2015，143（4）：831-838.

［9］楊仁東，胡世雄，曾小敏，等.手足口病疫情預測預警模型研究進展［J］.實用預防醫(yī)學，2015，22（11）：1399-1402.

［10］LIU S，CHEN J，WANG J，et al.Predicting the outbreak of hand，foot，and mouth disease in Nanjing，China：a time-series model based on weather variability［J］.Int J Biometeorol，2017（6）：1-10.

［11］張康軍，劉昆，邵中軍，等.我國手足口病時空分布特征及預測模型研究進展［J］.解放軍預防醫(yī)學雜志，2017，35（6）：683-686.

［12］劉峰，朱妮，邱琳，等.ARIMA乘積季節(jié)模型在陜西省手足口病預測中的應用［J］.中華流行病學雜志，2016，37（8）：1117-1120.

［13］GUI J，LIU Z，ZHANG T，et al.Epidemiological Characteristics and Spatial-Temporal Clusters of Hand，F(xiàn)oot，and Mouth Disease in Zhejiang Province，China，2008-2012［J］.PLoS One，2015，10（9）：e0139109.