王從菊 董昊裕 季 文 孫宏鵬

1 蘇州高新區(qū)(虎丘區(qū))疾病預(yù)防控制中心，215011 江蘇 蘇州；2 蘇州大學(xué)醫(yī)學(xué)部公共衛(wèi)生學(xué)院，215123 江蘇 蘇州

2020年初，新型冠狀病毒肺炎給我國公共衛(wèi)生事業(yè)帶來了較大的挑戰(zhàn)，防疫形勢異常嚴(yán)峻。在社區(qū)層面上，政府將“盡量減少居民出行”作為主要防控策略以降低感染概率[1-2]。除武漢市實施較為嚴(yán)格的管控制度外，其他各省市的社區(qū)及居民區(qū)也進行了不同程度的監(jiān)督管理[3]。全國各行各業(yè)都受不同程度的影響[4-7]，人們的生活工作方式也隨之改變[8]，這些影響同樣涉及人們的生命安全與健康。為更好地響應(yīng)建設(shè)“健康中國”的號召，本研究著眼于全人群的死因，將蘇州市某區(qū)2020年1—6月份死亡數(shù)據(jù)與往年同期進行比較，以確定全區(qū)死亡情況的變化趨勢。

1 資料與方法

1.1 資料來源

死因數(shù)據(jù)來源于國家衛(wèi)計委、公安部和民政部聯(lián)合發(fā)文下發(fā)的《居民死亡醫(yī)學(xué)證明(推斷)書》，蘇州市各轄區(qū)嚴(yán)格按照死因監(jiān)測方案的要求和流程收集死亡信息?；拘畔ㄐ彰?、性別、出生日期、民族、婚姻、文化程度、職業(yè)等；死亡信息包括死亡原因(直接死因、間接死因、根本死因以及其他重要醫(yī)學(xué)情況)、死亡日期、死亡地點等；診斷信息包括疾病最高診斷單位、疾病最高診斷依據(jù)等內(nèi)容；同時填寫調(diào)査記錄。收集2017年1月至2020年6月的死因數(shù)據(jù)。所有死亡病例中， 80%以上由二級及以上醫(yī)療機構(gòu)確診生前的主要疾病。死者生前主要疾病的最高診斷依據(jù)中，臨床及以上占88.90%。死因推斷的準(zhǔn)確性主要依據(jù)診斷醫(yī)院級別和診斷依據(jù)來判斷，死因監(jiān)測數(shù)據(jù)的死因診斷準(zhǔn)確性高，數(shù)據(jù)可靠。死因編碼質(zhì)量按照《疾病和有關(guān)健康問題的國際統(tǒng)計分類》第10版(ICD-10)的編碼原則，并參考美國2007年生命統(tǒng)計年報，將死因邏輯錯誤(死因、性別和年齡不符合)、傷害無外部原因或意圖不明、心血管病缺乏診斷依據(jù)、癥狀或體征、腫瘤未指明位置和其他錯誤如呼衰、肝衰等歸為編碼不準(zhǔn)確。

1.2 統(tǒng)計學(xué)方法

死亡個案信息統(tǒng)一按照ICD-10進行死因分類和根本死因編碼，對死亡總計、惡性腫瘤、循環(huán)系統(tǒng)疾病(包括腦血管病和心臟病)、呼吸系統(tǒng)疾病、中毒和傷害(包括交通事故)和內(nèi)分泌和代謝疾病主要死因數(shù)據(jù)進行分析。使用 SPSS 17.0 軟件進行數(shù)據(jù)分析，利用2017年1月至2019年12月數(shù)據(jù)建立時間序列模型，預(yù)測2020年1—6月份總死亡數(shù)及主要死因數(shù)，預(yù)測模型由SPSS專家建模法在指數(shù)平滑法和ARIMA模型中選擇，根據(jù)模型的平穩(wěn)R2進行確認(rèn)。將2020年的死亡實際情況和模型預(yù)測值進行比較，將2020年的死亡實際情況與2019年同期進行比較。預(yù)測誤差率=(預(yù)測值-實際值) /預(yù)測值×100%。

2 結(jié)果

2.1 蘇州市某區(qū)2017年1月至2020年6月實際死亡總體情況

蘇州市某區(qū)2017年1月至2019年12月，死亡總計人數(shù)分別為2 086、2 204和2 217，死亡情況總體上較穩(wěn)定，有微弱的上升趨勢。月份之間呈現(xiàn)一定的季節(jié)性，1月、2月和12月死亡人數(shù)較多，6—9月死亡人數(shù)較少，2020年1—3月死亡人數(shù)低于2018年和2019年同期，見表1。

表1 蘇州市某區(qū)2017年1月至2020年6月 實際死亡總體情況 單位：例

2.2 主要死因的死亡預(yù)測模型選擇

使用SPSS專家建模法分別建立指數(shù)平滑法和ARIMA模型的預(yù)測模型。從表2可以看出帶有季節(jié)性的指數(shù)平滑法對所有主要死因的死亡預(yù)測都有較好的擬合優(yōu)度，平穩(wěn)R2在0.77～0.86之間。而ARIMA模型擬合效果較差。因此，本研究在預(yù)測方案上選用帶有季節(jié)性的指數(shù)平滑法。

表2 主要死因的死亡預(yù)測模型擬合優(yōu)度

2.3 蘇州市某區(qū)2020年1—6月份主要死因的死亡趨勢預(yù)測

對蘇州市某區(qū)2020年1—6月份主要死因的死亡趨勢進行預(yù)測，結(jié)果顯示死亡總計的預(yù)測趨勢與實際觀測值呈現(xiàn)交叉，一致性較差，見圖1。1—3月份實際死亡數(shù)低于預(yù)測值，而4—6月實際死亡數(shù)高于預(yù)測值，1—6月份總體上呈先下降再上升的U型趨勢。在主要死因中，呼吸系統(tǒng)疾病和傷害呈現(xiàn)出類似趨勢。進一步對1—3月份實際值和預(yù)測值進行比較，研究結(jié)果顯示蘇州市該區(qū)2020年1—3月份預(yù)測值分別比實際值高了4.41%、8.93% 和6.37%，2月份差異最大，見表3。2020年2月，除惡性腫瘤外的各死因死亡預(yù)測值均高于實際值，中毒和傷害、呼吸系統(tǒng)疾病、內(nèi)分泌和代謝疾病差異較大，均超過10.00%。

圖1 蘇州市某區(qū)2020年1—6月份主要死因的死亡趨勢預(yù)測

表3 蘇州市某區(qū)2020年1—3月份死亡實際情況與預(yù)測情況比較

2.4 蘇州市某區(qū)2020年1—3月份與2019年同期死亡情況比較

研究結(jié)果顯示，與2019年同期死亡情況相比，2020年2月和3月總死亡數(shù)分別下降13.56%和14.35%。2020年2月各死因中，除惡性腫瘤外其他各死因均低于2019年，2020年3月心臟病和內(nèi)分泌和代謝疾病死因比2019年同期仍有較大幅度下降，分別下降40.00%和38.46%。見表4。

表4 蘇州市某區(qū)2019年1—3月與2020年同期死亡情況比較

3 討論

本研究使用簡單季節(jié)性指數(shù)平滑法[9]預(yù)測2020年1—6月的死亡數(shù)據(jù)，將其當(dāng)作在不受外界因素影響下的死亡預(yù)期值，在通過與死亡實際觀測值進行比較，分析2020年1—6月份死亡數(shù)據(jù)趨勢改變情況和兩者之間的差值。結(jié)果發(fā)現(xiàn)：2020年1—6月份死亡趨勢沒有出現(xiàn)往年的季節(jié)性波動，在往年出現(xiàn)死亡高峰的1月和2月，2020年的同期的死亡總數(shù)出現(xiàn)下降，并在4月出現(xiàn)反彈現(xiàn)象。然后通過與2019年同期進行比較也發(fā)現(xiàn)同樣的結(jié)果。此外，對中毒和傷害及呼吸系統(tǒng)疾病死因也有較大影響，心臟病死因在3月份出現(xiàn)下降。

中毒和傷害及呼吸系統(tǒng)疾病死因在2月份出現(xiàn)較明顯的下降，這或許和疫情期間的嚴(yán)格管控有緊密關(guān)系。本應(yīng)在1月份結(jié)束的春節(jié)長假延長至2月末，并且為避免假期后大規(guī)模復(fù)工復(fù)學(xué)可能導(dǎo)致的疫情擴散，各城市也根據(jù)實際情況延期復(fù)工，并推遲開學(xué)日期[10-13]，加上主流媒體宣傳，大力呼吁室內(nèi)活動，這都使得2月份人們的室外社交活動和外出大幅度減少，從而導(dǎo)致交通等意外傷害的死亡下降。同時，由于交通和工業(yè)活動減少，空氣質(zhì)量改善，居家生活大大減少了與他人的接觸機會，這些因素都共同降低了呼吸系統(tǒng)疾病的發(fā)生概率，減少了呼吸系統(tǒng)疾病死亡。而心臟病死亡在3月份出現(xiàn)下降，或許是在2月份人們行為方式改變后的滯后結(jié)果，例如各類社交行為的減少會降低心臟病的危險因素，進而降低心臟病的發(fā)病風(fēng)險。

2020年4—6月份之間，由于疫情形勢緩解后各種社會活動恢復(fù)正?；痆14-15]，導(dǎo)致總死亡數(shù)接近和超過預(yù)測值及歷史同期。同時，本研究也有較大的局限性，由于所研究的區(qū)域較小，覆蓋戶籍人口只有41萬左右，以上所有的這些結(jié)果不能排除偶然性，即在沒有疫情的影響下，也會出現(xiàn)同樣的死亡情況；由于缺乏死亡的調(diào)查資料和環(huán)境資料等相關(guān)資料，所以有些討論只能是推測。但是，按照該區(qū)以前幾年的死亡趨勢、社會的老齡化和本區(qū)域戶籍人口不斷增加，2020年的死亡數(shù)大概率略高于歷史同期，而我們的研究卻發(fā)現(xiàn)相反的結(jié)果。綜上所述，由此可以推測疫情期間的嚴(yán)格防控政策在有效控制疫情的同時，間接影響了中毒和傷害、呼吸系統(tǒng)疾病和心臟病原因的死亡。