国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

中國(guó)大陸恙蟲(chóng)病流行特征、危險(xiǎn)因素及預(yù)測(cè)研究進(jìn)展

2023-01-05 20:15衛(wèi)憲鈺歐琳琳張文義孫海龍
關(guān)鍵詞:發(fā)病率預(yù)測(cè)因素

衛(wèi)憲鈺 歐琳琳 張文義 孫海龍

(1.中國(guó)人民解放軍疾病預(yù)防控制中心,北京 100071; 2.安徽醫(yī)科大學(xué),安徽合肥 230031)

恙蟲(chóng)病(scrub typhus)又稱叢林斑疹傷寒,其病原體為恙蟲(chóng)病立克次體Orientiatsutsugamushi,通過(guò)恙螨幼蟲(chóng)叮咬傳播,嚙齒動(dòng)物尤其是鼠類是最主要的宿主和傳染源(吳義城等, 2015)。每年全球超10億人口暴露于恙蟲(chóng)病流行地區(qū),發(fā)病人數(shù)近百萬(wàn)(Xuetal., 2017)。恙蟲(chóng)病多高發(fā)于農(nóng)村地區(qū),但衛(wèi)生條件較差的農(nóng)村地區(qū)一般是衛(wèi)生監(jiān)測(cè)的薄弱環(huán)節(jié),所以這一數(shù)據(jù)極有可能被低估(Johnetal., 2020)。恙蟲(chóng)病全球范圍內(nèi)多發(fā)于恙蟲(chóng)病三角區(qū),傳統(tǒng)的斑疹傷寒流行區(qū)被稱為“恙蟲(chóng)病三角區(qū)”,面積超800萬(wàn)km2,北起俄羅斯遠(yuǎn)東,西至巴基斯坦,南至澳大利亞,東至日本,但近來(lái)已有分子及血清學(xué)證據(jù)表明恙蟲(chóng)病已經(jīng)在非洲、南美、歐洲及中東地區(qū)出現(xiàn)(Jiangetal., 2018)。我國(guó)作為恙蟲(chóng)病的主要流行國(guó),近年來(lái)恙蟲(chóng)病發(fā)病率不斷攀升,針對(duì)全國(guó)或局部地區(qū)的相關(guān)研究已經(jīng)大量開(kāi)展,由于各種傳染病發(fā)生預(yù)測(cè)模型建立方法的使用,關(guān)于恙蟲(chóng)病時(shí)空分布特點(diǎn)、危險(xiǎn)因素及發(fā)生預(yù)測(cè)研究已取得一定成果,因而對(duì)相關(guān)研究綜述如下。

1 流行特征

1.1 時(shí)間分布

我國(guó)大陸地區(qū)于1948年在廣州地區(qū)首次發(fā)現(xiàn)并證實(shí)恙蟲(chóng)病,1952年建立了恙蟲(chóng)病監(jiān)測(cè)系統(tǒng)(Zhangetal., 2011),1952—1989年基于郵件月度報(bào)告匯總數(shù)據(jù),1990由于恙蟲(chóng)病危險(xiǎn)性相對(duì)低而將其從法定報(bào)告?zhèn)魅静∏鍐沃袆h除,2006年被納入到疾病監(jiān)測(cè)信息報(bào)告管理系統(tǒng)的“其他傳染病”進(jìn)行網(wǎng)絡(luò)直報(bào),1952—1989年間年平均發(fā)病率一直維持在0.13/10萬(wàn)的較低水平,2006年后其年發(fā)病率急劇上升,僅10年時(shí)間便上升至2016年的1.60/10萬(wàn),年平均增長(zhǎng)率達(dá)32% (95%CI30%~40%)(Lietal., 2020);上升趨勢(shì)仍在持續(xù)。恙蟲(chóng)病發(fā)病表現(xiàn)出季節(jié)性模式,全國(guó)范圍來(lái)看高峰為每年6—12月,報(bào)告病例數(shù)及報(bào)告發(fā)病縣數(shù)均于10月份達(dá)峰值,在12月至次年3月降至低而穩(wěn)定的傳播水平(Lietal., 2020),分地域來(lái)看各發(fā)病區(qū)略有不同,北緯31°以南地區(qū)為夏季型,北緯31°以北地區(qū)為秋冬型,夏季型又可分為四川、云南等地的單峰夏季型和廣東、廣西、福建等地的雙峰夏季型,單峰夏季型的高峰出現(xiàn)在7或8月,雙峰夏季型的主高峰出現(xiàn)在6或7月,次高峰出現(xiàn)于9—10月,秋冬型為10—11月出現(xiàn)單個(gè)大高峰(Wuetal., 2016)。

我國(guó)大陸地區(qū)恙蟲(chóng)病季節(jié)性高發(fā)的特征與國(guó)外相關(guān)研究結(jié)果相吻合,如在日本恙蟲(chóng)病發(fā)病同樣呈現(xiàn)雙高峰,小高峰出現(xiàn)在4—6月,大高峰于10—12月出現(xiàn)(Setoetal., 2017;Kinoshitaetal., 2021),韓國(guó)高發(fā)月份出現(xiàn)在10—11月(Jeongetal., 2013; Leeetal., 2015),不丹則在7—9月達(dá)到發(fā)病高峰(Dorjietal., 2019);發(fā)病高峰在出現(xiàn)時(shí)間上的不同可能是由不同國(guó)家和地區(qū)所分布的恙螨類型及其生命周期不同所致(Setoetal., 2017),如我國(guó)臺(tái)灣省主要以地里纖恙螨為主要傳播媒介;日本本州島北部恙蟲(chóng)病主要是以蒼白纖恙螨L.pallidum為傳播媒介(李貴昌等, 2018),該類型的恙螨幼蟲(chóng)冬季處于冬眠狀態(tài),并在次年春及初夏導(dǎo)致大量恙蟲(chóng)病病例(Setoetal., 2017);引起韓國(guó)恙蟲(chóng)病高發(fā)的恙螨類型主要為小板纖恙螨L.scutellare(Kwaketal., 2015)。我國(guó)大陸地區(qū)夏季型恙蟲(chóng)病媒介恙螨類型主要為地里纖恙螨,秋冬型以小板纖恙螨L.scutellare為主要媒介(姜志寬等, 2014; 韓雪玲等, 2018; 李貴昌等, 2018; 2019)。

1.2 空間分布

我國(guó)恙蟲(chóng)病發(fā)病以長(zhǎng)江為南北分界線呈現(xiàn)明顯差異,1952—1979年28年間幾乎所有病例(99.99%)都發(fā)生在南方省份,但自1986年山東省蒙陰縣、江蘇省東臺(tái)縣和南京市首次出現(xiàn)疫情以來(lái),恙蟲(chóng)病便不斷向北方擴(kuò)張,最北部已蔓延至黑龍江省愛(ài)輝縣;截至2016年全部31個(gè)省份均有發(fā)病,883個(gè)縣和5 025個(gè)鄉(xiāng)鎮(zhèn)報(bào)告了病例,在報(bào)告的發(fā)病鄉(xiāng)鎮(zhèn)中4 083個(gè)為農(nóng)村鄉(xiāng)鎮(zhèn),942個(gè)為城市鄉(xiāng)鎮(zhèn)(Lietal., 2020)。恙蟲(chóng)病發(fā)病率南方明顯高于北方,2013年北方平均發(fā)病率為3.01/10萬(wàn),而南方平均發(fā)病率15.91/10萬(wàn)。在2014年報(bào)告的病例數(shù)順位前10的省份中有7個(gè)位于長(zhǎng)江以南地區(qū),南方省份報(bào)告的病例數(shù)占總病例的72.90%(Wuetal., 2016; Yaoetal., 2019;Lietal., 2020)。2006—2018年恙蟲(chóng)病病例總數(shù)排在前5位的省份分布為廣東、云南、安徽、廣西、福建,年平均發(fā)病率排在前5位的省份是云南、廣東、福建、海南、廣西。通過(guò)對(duì)全國(guó)范圍內(nèi)恙蟲(chóng)病的空間特征分析發(fā)現(xiàn),恙蟲(chóng)病發(fā)病具有空間高聚集性,分別在安徽北部、山東中南部、江蘇東北部、云南全部、四川東部和南部及廣東、福建、廣西東部等地區(qū)發(fā)現(xiàn)聚集性情況(岳玉娟等, 2020)。

1.3 人群分布

1.3.1性別:我國(guó)發(fā)病人群分布特征顯示各發(fā)病區(qū)在性別上均表現(xiàn)為女性略多于男性,2006—2014年恙蟲(chóng)病全國(guó)發(fā)病特征研究表明全國(guó)范圍內(nèi)女性患者占比53%,男性患者占比47%且2010—2014年間差異具有統(tǒng)計(jì)學(xué)意義(χ2=399.22,P<0.05),與2006—2018年全國(guó)恙蟲(chóng)病特征研究結(jié)果類似(χ2=152,P<0.05)(Wuetal., 2016; 岳玉娟等, 2020)。對(duì)年齡進(jìn)行分層描述研究發(fā)現(xiàn),0~9歲年齡組和10~19歲年齡組中男性發(fā)病率高于女性;整體上女性高發(fā)這一研究結(jié)果與尼泊爾、韓國(guó)及不丹等國(guó)的研究結(jié)果吻合(Jeongetal., 2013; Leeetal., 2015;Dorjietal., 2019; Gautametal., 2019),不同于我國(guó)臺(tái)灣省、老撾與日本男性高發(fā)的研究結(jié)果(Setoetal., 2017;Kinoshitaetal., 2021; Kuoetal., 2011; Robertsetal., 2021)。對(duì)于女性高發(fā)這一結(jié)果研究認(rèn)為在城郊及發(fā)達(dá)農(nóng)村多以女性和老人留守務(wù)農(nóng),年輕男性多外出務(wù)工,故發(fā)病季節(jié)呈現(xiàn)農(nóng)村地區(qū)女性及老人發(fā)病率較高(蘇靜靜等, 2012)。

1.3.2年齡與職業(yè):以往的研究結(jié)果表明,全國(guó)范圍內(nèi)恙蟲(chóng)病高發(fā)年齡集中在50歲以上,發(fā)病年齡中位數(shù)在50歲附近,發(fā)病年齡平均數(shù)落在48歲附近,且二者均有增大的趨勢(shì)(Lietal., 2020),相比之下韓國(guó)及日本等較為發(fā)達(dá)國(guó)家的高發(fā)年齡主要集中在更大的60~80歲年齡段,而如不丹、印度等經(jīng)濟(jì)較不發(fā)達(dá)國(guó)家高發(fā)年齡則集中在更小的30~50歲年齡段(Georgeetal., 2018;Dorjietal., 2019; Devamanietal., 2020),但我國(guó)西南地區(qū)的四川和云南因全人群發(fā)病率最高年齡段落在了<10歲的兒童組而區(qū)別于現(xiàn)有大部分研究結(jié)果(Wuetal., 2016; Yaoetal., 2019; Lietal., 2020; 岳玉娟等, 2020),可能的原因是部分地區(qū)因暑假期間有讓中小學(xué)生幫助農(nóng)忙的習(xí)慣(如割柴草、拔兔草),故兒童發(fā)病率較高(蘇靜靜等, 2012)。發(fā)病人群職業(yè)以農(nóng)民和野外作業(yè)人員為主,農(nóng)民在發(fā)病全人群中所占比例在不斷上升(Wuetal., 2016; Lietal., 2020; 岳玉娟等, 2020),這一研究結(jié)果與國(guó)外不盡相同,如日本高發(fā)人群為失業(yè)及離退人員(Kinoshitaetal., 2021)、不丹與尼泊爾則為學(xué)生和家庭主婦(Dorjietal., 2019; Gautametal., 2019),韓國(guó)高發(fā)人群同為農(nóng)民(Leeetal., 2015)。

2 影響因素

2.1 自然環(huán)境因素

疫源地的自然環(huán)境因素如溫度、降水量、相對(duì)濕度、平均日照時(shí)長(zhǎng)等均影響著恙蟲(chóng)病媒介、宿主的生存、發(fā)育、繁殖、行為及種群動(dòng)態(tài),與發(fā)病率有著密切的關(guān)系,故闡明不同自然環(huán)境因素在恙蟲(chóng)病發(fā)病中所起的作用對(duì)預(yù)測(cè)及防控具有重要意義。目前國(guó)內(nèi)針對(duì)自然環(huán)境因素與恙蟲(chóng)病發(fā)生關(guān)系的相關(guān)研究開(kāi)展較多,如有研究發(fā)現(xiàn)氣溫和氣壓在廣州市恙蟲(chóng)病發(fā)病中具有極其顯著的意義,氣溫每升高1 ℃每月恙蟲(chóng)病病例數(shù)增加14.98%[95% 置信區(qū)間(13.65%,16.33%)],氣壓每升高1 hPa病例數(shù)減少8.03%[95% 置信區(qū)間(8.75%,16.33%)],日照、降雨量也有顯著意義,日照每增加1 h每月病例數(shù)相應(yīng)增加0.17%或0.54%,降雨量每增加1 mm,每月病例數(shù)相應(yīng)增加0.05%或0.10%(Lietal., 2014)。針對(duì)我國(guó)溫帶地區(qū)恙蟲(chóng)病發(fā)病危險(xiǎn)因素的研究發(fā)現(xiàn)除去氣溫與降水外,相對(duì)濕度和蒸發(fā)量同樣與恙蟲(chóng)病發(fā)數(shù)呈顯著正相關(guān),日照與發(fā)病數(shù)之間不是簡(jiǎn)單的正相關(guān)關(guān)系,前4—6個(gè)月的日照時(shí)數(shù)與月發(fā)病例數(shù)呈正相關(guān),但前1—3個(gè)月的日照時(shí)數(shù)與每月恙蟲(chóng)病發(fā)病數(shù)呈現(xiàn)出了負(fù)相關(guān)關(guān)系,同時(shí)研究者指出同一氣候變量在不同地區(qū)與恙蟲(chóng)病之間的相關(guān)性可能會(huì)有所不同 (Yangetal., 2014)。這一結(jié)論可在其他相關(guān)研究中得到驗(yàn)證,如針對(duì)我國(guó)沿海地區(qū)恙蟲(chóng)病發(fā)病影響因素建立的零膨脹泊松回歸模型(ZIP)發(fā)現(xiàn)日照時(shí)數(shù)和相對(duì)濕度與恙蟲(chóng)病發(fā)病呈負(fù)相關(guān)(Chenetal., 2016)。針對(duì)安徽、江蘇、山東省恙蟲(chóng)病發(fā)病影響因素建立的面板負(fù)二項(xiàng)回歸模型分析發(fā)現(xiàn)在山東和江蘇二省的模型中發(fā)病率與日照時(shí)數(shù)也呈倒“U”型關(guān)系(隨著日照時(shí)數(shù)的增加,發(fā)病率先升后降),在3個(gè)省的模型中發(fā)病率均隨降雨量的增加而降低,發(fā)病率均與月平均溫度呈倒“U”形關(guān)系(隨著月均溫度的升高,發(fā)病率先升后降) (Sunetal., 2016)。除去以上因素外,在利用山東省數(shù)據(jù)建立的模型中發(fā)現(xiàn),發(fā)病率與森林面積構(gòu)成呈現(xiàn)線性關(guān)系,隨相對(duì)濕度增加而上升(Sunetal., 2016)。使用負(fù)二項(xiàng)回歸模型對(duì)云南省恙蟲(chóng)病流行特征及危險(xiǎn)因素研究發(fā)現(xiàn),發(fā)病率不僅與相對(duì)濕度和月平均溫度有關(guān)(相對(duì)濕度每增加10%發(fā)病率增加49%,月平均溫度每上升10 ℃發(fā)病率增加80%),還與耕地、草地面積呈“U”形關(guān)系(隨耕地和草地面積的增加發(fā)病率先降后升),與灌木面積呈倒“U”型關(guān)系(隨灌木面積的增加,發(fā)病率先升后降)(Sunetal., 2018)。李峰等人利用互相關(guān)分析江蘇省鹽城市鼠密度的消長(zhǎng)與恙蟲(chóng)病發(fā)病,結(jié)果顯示前3個(gè)月的鼠密度消長(zhǎng)與恙蟲(chóng)病發(fā)病呈相關(guān)關(guān)系(相關(guān)系數(shù)為0.439)有統(tǒng)計(jì)學(xué)意義,關(guān)于滯后量3個(gè)月可能的解釋是這一段時(shí)間是媒介恙螨的生存周期與恙蟲(chóng)病最短潛伏期之和(恙螨的生存周期為3個(gè)月,最短潛伏期時(shí)長(zhǎng)為4 d)(Chenetal., 2016)。以上研究結(jié)果均表明恙蟲(chóng)病發(fā)病與自然環(huán)境因素存在相關(guān)性,且同一自然環(huán)境因素在不同地區(qū)與恙蟲(chóng)病之間的相關(guān)性也可能有所不同,其中溫度、降水與恙蟲(chóng)病發(fā)生具有顯著性關(guān)系,這一研究結(jié)果與國(guó)外相關(guān)研究的結(jié)果是一致的(Kwaketal., 2015;Acharyaetal., 2019)。

2.2 社會(huì)經(jīng)濟(jì)因素

社會(huì)經(jīng)濟(jì)因素在恙蟲(chóng)病發(fā)病過(guò)程中所起的作用不容忽視。目前國(guó)內(nèi)關(guān)于恙蟲(chóng)病危險(xiǎn)因素的一些研究中,已將社會(huì)經(jīng)濟(jì)因素納入研究,如關(guān)于北京地區(qū)一起恙蟲(chóng)病感染危險(xiǎn)因素的病例對(duì)照研究中已將職業(yè)類型(分農(nóng)業(yè)與非農(nóng)業(yè))、受教育年限(分≤6年和>6年)納入研究,結(jié)果顯示職業(yè)類型(P=0.128)和受教育年限(P=0.533)在病例組和對(duì)照組之間的差異無(wú)顯著性(Lyuetal., 2013)。有關(guān)于廣州市恙蟲(chóng)病危險(xiǎn)因素病例對(duì)照研究結(jié)果表明,病例組與對(duì)照組在職業(yè)、受教育程度和家庭平均月收入之間的差異無(wú)顯著性,但多因素Logistic回歸分析結(jié)果顯示,外出或旅游史、高戶外活動(dòng)頻次及住宅附近有草地、菜地或溝塘是恙蟲(chóng)病發(fā)病的危險(xiǎn)因素(魏躍紅等, 2017)。不同研究團(tuán)隊(duì)運(yùn)用BRT模型對(duì)不同地區(qū)GDP對(duì)發(fā)病率的影響進(jìn)行研究得出了不同結(jié)論,如針對(duì)中國(guó)南方(指長(zhǎng)江以南及長(zhǎng)江流經(jīng)的省份)恙蟲(chóng)病高發(fā)省份構(gòu)建多個(gè)增強(qiáng)回歸樹(shù)(BRT)模型發(fā)現(xiàn),GDP在模型中對(duì)整體沒(méi)有實(shí)質(zhì)性貢獻(xiàn)(Zhengetal., 2019),但有關(guān)于山東省青島市的研究得出了不同的結(jié)論,即GDP和年累計(jì)降水量同為BRT模型中最重要的預(yù)測(cè)變量,GDP在預(yù)測(cè)變量中占總體解釋變量的20.9% ± 1.8%(Xinetal., 2020a)。

同自然環(huán)境因素類似,社會(huì)經(jīng)濟(jì)因素與疾病的相關(guān)性在不同的研究中也出現(xiàn)了不盡相同的情況,這種差異本身是真實(shí)存在的還是由于研究設(shè)計(jì)不同而造成的有待進(jìn)一步研究,隨著研究技術(shù)與社會(huì)經(jīng)濟(jì)因素的發(fā)展,社會(huì)經(jīng)濟(jì)因素本身及造成研究結(jié)果差異化的因素會(huì)逐步成為研究熱點(diǎn)。

3 預(yù)測(cè)

恙蟲(chóng)病預(yù)防控制已成為各國(guó)公共衛(wèi)生面臨的持續(xù)性挑戰(zhàn),現(xiàn)有研究已知?dú)夂蚣敖?jīng)濟(jì)因素與恙蟲(chóng)病發(fā)生存在相關(guān)性,建立恙蟲(chóng)病發(fā)病與影響因素之間的預(yù)測(cè)模型以預(yù)測(cè)恙蟲(chóng)病發(fā)生就顯得尤為必要。我國(guó)大陸地區(qū)關(guān)于恙蟲(chóng)病發(fā)生預(yù)測(cè)研究已取得一定的研究成果。

3.1 時(shí)間序列預(yù)測(cè)

傳統(tǒng)的模型構(gòu)建方法往往要求數(shù)據(jù)分布滿足特定狀態(tài),如獨(dú)立性、隨機(jī)性、方差齊性等,但傳染病數(shù)據(jù)往往具有時(shí)間相關(guān)性,如長(zhǎng)期趨勢(shì)、季節(jié)性、周期性和隨機(jī)波動(dòng)等。采用傳統(tǒng)多元線性回歸等方法會(huì)丟失有價(jià)值的時(shí)間信息,目前相當(dāng)數(shù)量的相關(guān)研究采用時(shí)間序列分析的方法構(gòu)建預(yù)測(cè)模型,而時(shí)間序列分析的方法恰可以很好地解決時(shí)間信息丟失問(wèn)題。如丁磊等人應(yīng)用時(shí)間序列分析的方法以山東省為例對(duì)秋冬型恙蟲(chóng)病開(kāi)展研究,分別以年為單位進(jìn)行頻譜分析、移動(dòng)平均分析,以月為單位進(jìn)行乘法季節(jié)效應(yīng)分析及差分自回歸移動(dòng)平均模型(ARIMA)建模擬合,結(jié)果表明秋冬型恙蟲(chóng)病高強(qiáng)度流行周期約為3年,季節(jié)指數(shù)于10月達(dá)到最高(Dingetal., 2012)。ARIMA是單變量時(shí)間序列數(shù)據(jù)預(yù)測(cè)運(yùn)用最為廣泛的方法之一,但其不支持具有季節(jié)性成分的時(shí)間序列,而季節(jié)性自回歸綜合移動(dòng)平均時(shí)間序列預(yù)測(cè)方法(SARIMA)是對(duì)ARIMA的拓展,其能夠用于包含趨勢(shì)和季節(jié)性的單變量數(shù)據(jù)。如有相關(guān)研究運(yùn)用SARIMA方法構(gòu)建預(yù)測(cè)模型對(duì)山東省萊蕪市恙蟲(chóng)病發(fā)病進(jìn)行預(yù)測(cè),并運(yùn)用2012年1—12月數(shù)據(jù)進(jìn)行驗(yàn)證,結(jié)果表明預(yù)測(cè)可以較好地跟蹤觀測(cè)序列的起伏(Yangetal., 2015)。在相關(guān)影響因素缺乏時(shí)構(gòu)建時(shí)間序列預(yù)測(cè)模型是一種較好的方法,但采用ARIMA與SARIMA方法建立的模型均未將自然、地理、人類活動(dòng)及社會(huì)經(jīng)濟(jì)等因素納入其中,不能正確處理非線性趨勢(shì)、序列波動(dòng)大時(shí)預(yù)測(cè)效能降低,故預(yù)測(cè)效力有限。更為精準(zhǔn)的預(yù)測(cè)則需要在時(shí)間序列中納入主要危險(xiǎn)因素,如通過(guò)時(shí)間序列泊松回歸、面板泊松回歸、面板負(fù)二項(xiàng)回歸及分布滯后非線性模型(DLNM)等方法探尋歷史發(fā)病數(shù)據(jù)與氣象等因素之間的關(guān)系并構(gòu)建模型,以實(shí)現(xiàn)對(duì)恙蟲(chóng)病發(fā)病的短期預(yù)測(cè) (Yangetal., 2014;Sunetal., 2016; Wuetal., 2016; Sunetal., 2017; Weietal., 2017; Sunetal., 2018)。

3.2 時(shí)空分布預(yù)測(cè)

模型構(gòu)建若只考慮時(shí)間緯度則預(yù)測(cè)的結(jié)果只適用于天氣模式相近的地區(qū)(Kangetal., 2018),無(wú)法在空間緯度上給出有效的風(fēng)險(xiǎn)提示。中國(guó)大陸地區(qū)近年已有較多針對(duì)恙蟲(chóng)病時(shí)空分布開(kāi)展的研究,如利用空間自相關(guān)分析計(jì)算全局及局部空間自相關(guān)Moran′sI指標(biāo),以確定發(fā)病聚集性的顯著性水平、發(fā)病的空間格局及潛在的發(fā)病聚集區(qū),在空間上給出有效的風(fēng)險(xiǎn)提示(張萌等, 2017; Xinetal., 2020b; Yangetal., 2021),但該方法無(wú)法隨時(shí)間動(dòng)態(tài)反映疾病的聚集性情況。Kulldorff時(shí)空掃描統(tǒng)計(jì)則是基于離散型泊松分布模型建立圓柱體時(shí)空掃描窗口,圓柱體的底面與高分別對(duì)應(yīng)掃描的地理范圍與時(shí)間,其對(duì)應(yīng)于所包含風(fēng)險(xiǎn)人口數(shù)的掃描半徑與對(duì)應(yīng)于時(shí)間的高長(zhǎng)是動(dòng)態(tài)可變的,實(shí)現(xiàn)對(duì)可能的發(fā)病聚集區(qū)進(jìn)行有效的動(dòng)態(tài)檢測(cè)(張萌等, 2017; Yangetal., 2021),但其局限是掃描窗口限定為圓形或橢圓形且沒(méi)有考慮與發(fā)病相關(guān)的因素,使得掃描結(jié)果可能與聚集區(qū)的實(shí)際范圍存在一定偏差(Zhengetal., 2015)。

近年來(lái)機(jī)器學(xué)習(xí)算法運(yùn)用于疾病發(fā)生風(fēng)險(xiǎn)預(yù)測(cè)已成為可能,中國(guó)大陸地區(qū)有研究者嘗試采用最大熵算法(Maxent)建立生態(tài)位模型實(shí)現(xiàn)對(duì)恙蟲(chóng)病的分布預(yù)測(cè)。研究結(jié)果表明所建立的所有10個(gè)模型的ROC曲線下面積(AUC)均高于0.80,具有良好的統(tǒng)計(jì)學(xué)意義(Yuetal., 2018),該算法是一個(gè)多用途機(jī)器學(xué)習(xí)程序,其優(yōu)勢(shì)在于可生成更精準(zhǔn)、穩(wěn)健性更強(qiáng)的疾病風(fēng)險(xiǎn)地圖,并且可描述變量間的非線性關(guān)系等(Acharyaetal., 2019)。增強(qiáng)回歸樹(shù)模型(BRT)在對(duì)現(xiàn)有和潛在的恙蟲(chóng)病風(fēng)險(xiǎn)區(qū)預(yù)測(cè)中已得到應(yīng)用,經(jīng)過(guò)驗(yàn)證統(tǒng)計(jì)表明,該預(yù)測(cè)模型具有較高的預(yù)測(cè)精度(Yaoetal., 2019; Zhengetal., 2019; Xinetal., 2020a),其優(yōu)勢(shì)在于可容納缺失值與異常值、擬合復(fù)雜的非線性關(guān)系及自動(dòng)處理變量之間的交互作用等(Elithetal., 2008)。

目前深度學(xué)習(xí)在傳染病預(yù)測(cè)方面取得了進(jìn)步,探索將最新研究成果應(yīng)用于開(kāi)發(fā)具有更高性能的風(fēng)險(xiǎn)預(yù)測(cè)模型同樣是恙蟲(chóng)病發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)研究在未來(lái)需要關(guān)注的問(wèn)題,在類似疾病中已有相關(guān)研究開(kāi)展。如已有研究者利用LASSO、隨機(jī)森林回歸及LSTM深度遞歸神經(jīng)網(wǎng)絡(luò)對(duì)巴西790個(gè)城市的登革熱周發(fā)病率進(jìn)行預(yù)測(cè)并進(jìn)行橫向比較,其中LSTM遞歸神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)效果最佳(Mussumecietal., 2020)。針對(duì)寧波市手足口病開(kāi)展的發(fā)病率預(yù)測(cè)研究中對(duì)比了ARIMA與LSTM模型的預(yù)測(cè)效果,研究結(jié)果表明兩種LSTM模型的預(yù)測(cè)效果均優(yōu)于兩種ARIMA模型,且在兩種LSTM模型中多元LSTM的前瞻性預(yù)測(cè)效果更好(Zhangetal., 2021),這也提示研究者可嘗試在最新的機(jī)器學(xué)習(xí)研究成果中尋找合適的算法以運(yùn)用于構(gòu)建更加高效的恙蟲(chóng)病發(fā)生預(yù)測(cè)模型。

4 展望

綜上所述,恙蟲(chóng)病發(fā)病受自然環(huán)境因素、社會(huì)經(jīng)濟(jì)因素及人類活動(dòng)的綜合影響,但目前關(guān)于影響因素的研究主要集中在自然因素,將更多非自然因素納入研究范疇十分必要,同時(shí)各因素在發(fā)病過(guò)程中發(fā)揮作用的機(jī)制研究需要引起重視。如針對(duì)日本山形縣的一項(xiàng)研究表明,雌性螨類合適的產(chǎn)卵溫度介于20~30 ℃,而該地7—8月的土壤溫度為螨類產(chǎn)卵提供了有利條件,幼蟲(chóng)孵化主要在9—10月,未經(jīng)喂食的幼蟲(chóng)經(jīng)過(guò)冬眠后于第2年春季開(kāi)始活動(dòng),這在一定程度為該地區(qū)恙蟲(chóng)病在春夏季高發(fā)給出了合理的解釋(Setoetal., 2017)。隨著全球氣候變化、極端天氣增加及人與物的全球化高頻流動(dòng),近十幾年來(lái)恙蟲(chóng)病的流行在全球范圍內(nèi)不斷擴(kuò)大,發(fā)病數(shù)量持續(xù)增長(zhǎng)(Xuetal., 2017;Jiangetal., 2018),對(duì)人群健康、經(jīng)濟(jì)發(fā)展等方面均已造成嚴(yán)重?fù)p失(梁思園等, 2015),且各種因素之間的交叉作用變得愈發(fā)復(fù)雜化,針對(duì)恙蟲(chóng)病危險(xiǎn)因素探索難度不斷上升,防控工作面臨的考驗(yàn)不斷增大,引入新的探索方法十分必要。雖然目前已有研究在恙蟲(chóng)病發(fā)病的時(shí)空預(yù)測(cè)上取得顯著進(jìn)展,由于我國(guó)幅員遼闊,氣候及地理環(huán)境差異大,故現(xiàn)有預(yù)測(cè)模型在可預(yù)測(cè)范圍及精度上有待提升,預(yù)測(cè)方法上亟待與最新成果結(jié)合以構(gòu)建具備更強(qiáng)泛化能力的預(yù)測(cè)模型。研究成果可為防控策略的制定與精準(zhǔn)實(shí)施提供依據(jù),如在已明確及潛在高發(fā)地區(qū)針對(duì)重點(diǎn)人群在高發(fā)季前開(kāi)展防控教育、發(fā)放防護(hù)服,強(qiáng)化高發(fā)地區(qū)醫(yī)療人員恙蟲(chóng)病的診療水平,完善當(dāng)?shù)丶膊”O(jiān)測(cè)信息系統(tǒng)等,切實(shí)實(shí)現(xiàn)更好地保障人民生命健康。

猜你喜歡
發(fā)病率預(yù)測(cè)因素
無(wú)可預(yù)測(cè)
腹部脹氣的飲食因素
選修2-2期中考試預(yù)測(cè)卷(A卷)
選修2-2期中考試預(yù)測(cè)卷(B卷)
選修2—2期中考試預(yù)測(cè)卷(A卷)
四大因素致牛肉價(jià)小幅回落
多曬太陽(yáng)或可降低結(jié)直腸癌發(fā)病率
ARIMA模型在肺癌發(fā)病率預(yù)測(cè)中的應(yīng)用
重慶每小時(shí)10人確診癌癥 癌癥發(fā)病率持續(xù)上升
短道速滑運(yùn)動(dòng)員非智力因素的培養(yǎng)
洛隆县| 江口县| 宝应县| 天峻县| 秀山| 阿克苏市| 南和县| 锦屏县| 南阳市| 巫山县| 曲沃县| 老河口市| 乌恰县| 宝应县| 济宁市| 屏边| 甘南县| 西宁市| 河西区| 巩留县| 镶黄旗| 西和县| 恩施市| 漠河县| 肃宁县| 阆中市| 准格尔旗| 三穗县| 松原市| 阿克苏市| 应城市| 高清| 平远县| 泾川县| 扬州市| 罗甸县| 天祝| 太谷县| 闵行区| 扶余县| 新干县|