玉溪市2010—2019年流感流行特征与发病趋势预测_倪兆林.pdf

收稿日期2021-05-25修回日期2022-04-05第一作者简介倪兆林，主治医师，主要从事流行病学与传染病控制研究。*通信作者：吴强，主任医师，E-mail：。流感是由流感病毒引起的常见急性呼吸系统传染病，其病毒抗原易发生转化或漂移，而且受人群免疫水平以及环境与社会等因素影响，每年流感季节类型或优势毒株类型不同1，有研究报道大约60%的流感样病例是由非流感病毒引起2，所以通过及时准确的监测能及早发现疫情，及时做出反应，避免可能的流行或大流行，降低流行的强度3。目前利用数学模型预测流感短期流行趋势的报道很多，但预测数据仅依赖于传统的哨点医院监测来源以及社交网络活动和搜索查询等数字监测4，而这些资料由于本身受各种因素影响，用于预测流行趋势难以做出准确科学的评估。基于此，本文通过分析玉溪市 20102019 年流感核酸阳性病例的流行特征及活动规律，建立并使用自回归综合移动平均 模 型（autoregressive integrated moving averagemodel，ARIMA 模型）来估计流感未来活动趋势，为公共卫生专业人员加强防控措施提供参考。1材料与方法1.1资料来源选取 2010 年 1 月2019 年 12 月“中国疾病预防控制信息系统”中的子系统“中国流感监测信息系统”玉溪市网络实验室的监测数据进行研究。1.2病例定义采用 全国流感监测方案（2017 年版）流感样病例定义标准：发热（腋下体温38 ），伴咽痛或咳嗽症状之一。1.3样本采集及实验室检测流感样本采集由受过专业培训的哨点医院护士全年采集符合流感样病例定义且发病 3 d 内的标本，监测诊室涵盖儿科、内科门、急诊和发热门诊，于 4 条件下，48 h 内送至玉溪市流感监测网络实验室，实验室收到标本后立即开展检测，如不能及时检测则将标本保存于-70 冰箱。具体检测流程为：从标本提取核酸，用荧光 RT-PCR 检测流感病毒及相关亚型，完成检测后，实验室检测结果于 48 h 内录入“中国流感监玉溪市 20102019 年流感流行特征与发病趋势预测倪兆林1，左顺武1，刘红雁1，艾志琼2，农璐铭1，赵秋芳1，吴强1*（1.玉溪市疾病预防控制中心，云南玉溪653100；2.大理大学，云南大理671000）摘要目的：分析玉溪市 20102019 年流感的流行特征，建立自回归综合移动平均（ARIMA）模型预测流感发病趋势。方法：采用描述性流行病学方法进行数据统计分析，用 SPSS 25.0 软件建立 ARIMA 模型。结果：玉溪市共检测流感样病例 9 925 例，检出核酸阳性 2 849 例，阳性率为 28.71%，流感阳性病例数大体上呈逐年上升趋势，平均增长速度为 2.01%；流感阳性病例中，男女比为 1.251，514 岁儿童占比最高（占 40.86%）。流感具有较强的季节性（集中度为 0.60）。各年度优势流感病毒株逐年变化，2010 年和 2018 年以A/H1N1 pdm 为主，2011 年和 2012 年以 B/Victoria 为主，2013 年和 2016 年以 B/Yamagata 为主，2015年和 2017 年以 A/H3N2 为主，2014 年以 B/Yamagata 和 A/H1N1 pdm 为主，2019 年以 B/Victoria 和 A/H3N2 为主。最佳预测模型为ARIMA（1，0，0）（0，1，1）12，其标准化 BIC 值为 5.873，Ljung-Box Q 为 21.258，P=0.169，预测值和实际值均在 95%置信区间内，平均相对误差为 10.14%，利用该模型预测 2020 年 16 月流感发病呈下降趋势。结论：玉溪市流感具有较强季节性且流感阳性病例数大体上呈逐年上升趋势，优势流感毒株逐年变化，ARIMA（1，0，0）（0，1，1）12模型可以有效地预测玉溪市短期流感发病趋势。关键词流感；集中度；动态数列；自回归综合移动平均模型中图分类号R512.57文献标志码A文章编号2096-2266（2023）02-0078-06DOI10.3969/j.issn.2096-2266.2023.02.014大理大学学报JOURNAL OF DALI UNIVERSITY第8卷第2期2023年2月Vol.8No.2Feb.202378测信息系统”。1.4研究方法1.4.1描述性研究采用描述流行病学方法对玉溪市 20102019 年流感核酸阳性病例流行现状及变化趋势进行描述。1.4.2平均增长速度（average increment speed，AIS）AIS（xi-1）100%（an/a0n-1）100%5，式中：xi为平均发展速度；an表示第 n 年报告指标；a0表示基期指标；i 表示第 1，2，3n 年。1.4.3集中度值集中度6是指月发病数与全年发病总数之比，是表示发病季节性强弱的指标。Rx=（r2+r6-r8-r12）2+3（r3+r5-r9-r11）2+（r4-r10）；Ry=（r3-r5-r9+r11）2+3（r2-r6-r8+r12）2+（r1-r7）；M=Rx2+Ry2。式中：r 表示某月流感发病数与全年发病数之比；R 表示离散程度；M 表示集中度：M=1.0，表示季节性极强；0.9M1.0，表示有严格的季节性；0.7M0.9，表示有很强的季节性；0.5M0.7，表示有较强的季节性；0.3M0.5，表示有一定的季节性；0.0M0.3，表示季节性较差；M=0.0，表示无季节性，疾病在 1 年内均匀分布。1.4.4ARIMA 模 型采 用 SPSS 25.0 软 件 中ARIMA 建模器对 2010 年 1 月2019 年 12 月收集的流感监测资料建立模型并分析7。通过流感发病时间流行曲线和各参数反复验证，最终采用乘积季节模型，即 ARIMA（p，d，q）（P，D，Q）s。式中：p、q为自回归和移动平均阶数；P、Q 为季节性自回归和移动平均阶数；d 为平稳化过程中差分的阶数；D 为季节差分阶数；S 为季节周期。通过数据平稳化处理、模型识别、参数估计与检验等步骤，探索建立模型。为验证该模型的预测能力，使用 20102019 年的实际观测数据和预测数据进行模型拟合，评价模型预测效果。最后利用最优模型预测 2020 年 16月流感发病趋势。1.5统计分析通过 Excel 2016 收集整理数据，运用 SPSS 25.0 软件进行统计分析并建立 ARIMA 模型，对各种率之间比较采用 2检验，统计学检验水准=0.05。2结果2.1流感流行病学特征2010 年 1 月2019 年12 月，玉溪市流感监测网络实验室共检测流感样病例咽拭子标本 9 925 份，经荧光 RT-PCR 核酸检测出2 849 份阳性标本，阳性率 28.71%，AIS 为 2.01%，不同年度间流感阳性率比较，差异有统计学意义（2=374.44，P0.05）。在 2 849 例流感阳性病例中，A 型流感 1 489 例（占 52.26%），B 型流感 1 360 例（占 47.74%）。对 A 型和 B 型流感病毒进行亚型分析后发现，A/H1N1 pdm 占 27.62（787/2 849），A/H3N2 占 24.64（702/2 849），B/Yamagata 占 18.22（519/2 849），B/Victoria 占 29.52（841/2 849）。各年度优势流感病毒株逐年变化，2010 年和 2018 年以A/H1N1 pdm 为主，分别占 50.55%和 62.87%；2011年和 2012 年以 B/Victoria 为主，分别占 74.48%和60.00%；2013 年和 2016 年以 B/Yamagata 为主，分别占 63.74%和 47.55%；2015 年和 2017 年以A/H3N2 为主，分别占 45.14%和 52.76%；2014 年以B/Yamagata 和 A/H1N1 pdm 为主，分别占 41.35%和37.50%；2019 年以 B/Victoria 和 A/H3N2 为主，分别占 45.76%和 33.95%。见表 1。在流感阳性病例中，男性占 55.46%（1 580/2 849），女性占 44.54%（1 269/2 849），男女比为 1.251；514 岁儿童占比最高，占 40.86%（1 164/2 849），占比最低为65 岁老年人，占 5.37%（153/2 849）。流感阳性病例集中度为 0.60，各年度集中度范围在0.520.76，说明玉溪市流感阳性病例分布有较强的季节性。见表 1。2.2ARIMA 模型2.2.1绘制序列图及平稳性分析绘制 2010 年 1月2019 年 12 月玉溪市流感时间序列图，见图 1。由图 1 可见玉溪市流感病例有明显的季节性，以 12个月为流行周期，集中度值法也证实，该序列具有季节性波动特点，所以对原序列进行一阶季节差分，差分后的序列自相关函数（ACF）和偏自相关函数（PACF）无明显截尾和拖尾现象，也不呈线性衰减趋势，差分后的时间序列图接近平稳，对序列进行白噪声检验，P0.001，说明序列为非随机性序列，可以对平稳序列进行建模且差分后序列适合时间序列模型。倪兆林，左顺武，刘红雁，等玉溪市 20102019 年流感流行特征与发病趋势预测总第 86 期第 8 卷79年份流感样病例数流感阳性病例数阳性率/%流感病原型别 n（）集中度季节性判定A/H1N1 pdmA/H3N2B/YamagataB/Victoria20102909131.3846（50.55）31（34.06）2（2.20）12（13.19）0.72很强201142114534.4418（12.41）10（6.90）9（6.21）108（74.48）0.68较强201257026045.6117（6.54）65（25.00）22（8.46）156（60.00）0.69较强201354925145.7272（28.69）19（7.57）160（63.74）0（0.00）0.63较强201465310415.9339（37.50）18（17.31）43（41.35）4（3.84）0.80很强20151 31128821.9789（30.90）130（45.14）56（19.45）13（4.51）0.52较强20161 42226518.6438（14.34）24（9.06）126（47.55）77（29.05）0.54较强20171 74645325.9553（11.70）239（52.76）24（5.30）137（30.24）0.53较强20181 67650930.37320（62.87）2（0.39）74（14.54）113（22.20）0.73很强20191 28748337.5395（19.67）164（33.95）3（0.62）221（45.76）0.76很强合计9 9252 84928.71787（27.62）702（24.64）519（18.22）841（29.52）0.60较强表 1玉溪市 20102019 年流感病例人口学及病原学特征大理大学学报总第 86 期自然科学图 2ACF 和 PACF 一阶季节差分后的时间滞后图AB1.00.50.0-0.5-1.0ACFPACF0.750.500.250.00-0.25-0.50系数95%置信度上限95%置信度下限系数95%置信度上限95%置信度下限1 2 3 4 5 6 7 8 9 10 1112131415161718192021222324滞后阶数1 2 3 4 5 6 7 8 9 101112131415161718192021222324滞后阶数注：A 为未进行季节性差分的时序图；B 为进行一阶季节性差分后的时序图，变换：周期性差值（1，周期 12）。图 1玉溪市流感病例差分前后时序图流感阳性病例数AB流感阳性病例数200150100500100500-50年月年月2010-12010-42010-72010-102011-12011-42011-72011-102012-12012-42012-72012-102013-12013-42013-72013-102014-12014-42014-72014-102015-12015-42015-72015-102016-12016-42016-72016-102017-12017-42017-72017-102018-12018-42018-72018-102019-12019-42019-72019-102011-12011-42011-72011-102012-12012-42012-72012-102013-12013-42013-72013-102014-12014-42014-72014-102015-12015-42015-72015-102016-12016-42016-72016-102017-12017-42017-72017-102018-12018-42018-72018-102019-12019-42019-72019-102020-12020-4802.2.3模型验证及预测通过最优模型 ARIMA（1，0，0）（0，1，1）12对 20102019 年的流感预测阳性数进行回代拟合，结果显示，模型很好地拟合了季节性波动，拟合值和实际值基本吻合，所有预测值都在 95置信区间，实际值和预测值之间的平均相对误差为 10.14%。见图 4。同时利用该模型对2020 年流行趋势进行预测发现，玉溪市 2020 年16 月流感呈下降趋势。3讨论20102019 年玉溪市流感监测网络实验室检测流感阳性率为 28.71%，高于重庆地区9监测结果，其流感阳性病例数大体上呈逐年上升趋势，AIS为 2.01%，防控形势十分严峻。流感阳性病例的增多除部分反映流感活动强度外，也与医疗机构诊断、2.2.2模型的参数估计和诊断确定模型类型后，需要对各模型参数值进行定阶。根据序列季节性特征和平稳化处理过程可以推导出 d=0，D=1；根据ACF 和 PACF 图推导出 p=1，q=0。季节模型 P、Q 值则需要不断探索尝试，一般很少超过二阶8，最后比较各组合模型的拟合优度、残差以及系数间的相关性等进行检验确定。见表 2。模型 ARIMA（1，0，0）（0，1，1）12的标准化 BIC 值最小，平稳 R2=0.501，残差序列的 ACF 及 PACF 均在 95%置信区间内，Ljung-Box Q=21.258，P=0.169，为最优模型。见图 3。表 2玉溪市流感 ARIMA 模型验证模型平稳 R2RMSE标准化 BIC 值Ljung-Box QdfPARIMA（1，0，0）（0，1，0）120.26921.2646.20148.572170.000ARIMA（1，0，0）（0，1，1）120.50117.6625.87321.258160.169ARIMA（1，0，0）（0，1，2）120.51417.5155.89920.989150.137ARIMA（1，0，0）（1，1，0）120.48917.8735.89721.191160.171ARIMA（1，0，0）（1，1，1）120.51417.5035.89821.265150.129ARIMA（1，0，0）（1，1，2）120.51517.5805.95021.184140.097ARIMA（1，0，0）（2，1，0）120.51917.4225.88921.358150.126ARIMA（1，0，0）（2，1，1）120.51917.4985.94121.249140.095ARIMA（1，0，0）（2，1，2）120.51417.6736.00421.208130.069图 3模型 ARIMA（1，0，0）（0，1，1）12残差序列 ACF、PACF 图倪兆林，左顺武，刘红雁，等玉溪市 20102019 年流感流行特征与发病趋势预测总第 86 期第 8 卷滞后阶数242322212019181716151413121110987654321-0.3-0.2-0.10.00.10.20.3-0.3-0.2-0.10.00.10.20.3残差残差ACFPACFAB滞后阶数24232221201918171615141312111098765432181快检和报告意识的提升有关，而且 2009 年甲型H1N1 流感大流行后玉溪市加强了对流感和不明原因肺炎报告的管理规范，每年 2 次对辖区内（市-县-乡-村）进行流感等传染病报告质量抽查，各县区每年 4 次对辖区内（县-乡-村）报告质量进行检查，同时在 2017 年后按照 全国流感监测方案（2017 年版）要求，各县区增加了流感暴发疫情事件监测，要求各县区按照突发公共卫生事件处置流程上报流感监测网络。玉溪市各年度流感阳性病例集中度值在 0.520.76 之间，说明玉溪市流感阳性病例具有较强的季节性，符合流感季节性特征10，而且阳性病例主要集中在每年 11 月至次年 3 月，这与我国北方地区和云南省11流行特征一致，下一步将收集更多有关监测信息综合了解玉溪市的流感季节性特征、病原变异、耐药性分析等。玉溪市流感阳性病例有明显的年龄特征，研究结果显示 514 岁儿童占比最高（占 40.86%），与Zhu 等12研究结果一致。为减少流感病毒引起的严重感染和并发症风险，一些地区采取老年人免费接种流感疫苗政策，但是很少有地区对青少年采取相关政策，鉴于此类人群中流感发病率较高，应该也优先考虑接种流感疫苗，以预防和缓解流感可能的暴发流行。从病毒型别流行来看，在 10 年的监测中，A 型流感占 52.26，B 型流感占 47.74，A 型和B 型流感各有 4 个年度为主要流行毒株，2 个年度为 A 型和 B 型混合流行，需要加强实验室监测力度，及时反馈结果，根据各年度流感流行毒株情况及时匹配相应的流感疫苗并调整防控策略。ARIMA 模型可以预测传染病未来短期的发病情况，及早发现其发展趋势7，所以建立玉溪市流感 ARIMA（1，0，0）（0，1，1）12模型，该模型各参数最优，回代拟合效果较好，对 2020 年流感发病趋势进行预测显示呈“U”型趋势，但由于传染病发病的复杂性和不可预知性13，比如 2020 年在新型冠状病毒肺炎疫情的影响下，各地实施了严格的防控措施，戴口罩、勤洗手、保持 1 m 距离和居家隔离等措施，减少了人群的接触机会，实际观测数据和预测值将受到一定影响，但根据预测值的动态趋势可以估计未来可能的流行趋势，同时结合实际情况采取更具针对性和主动性的预警和防控措施。由于本次研究对象为国家流感监测网络实验室数据，监测哨点医院少且主要集中在市区，采样水平、政策、重视程度、人员素质和意识等社会因素及地区差异或者一些不确定因素的存在，结果可能有所偏差，未能准确反映流感活动水平。但是通过ARIMA 模型可以大概预测主要趋势，在新型冠状病毒肺炎防控的同时也要加强流感疫情和病原型别的监测，加强流感疫苗的接种，对流感疫情及时研判和预警。参考文献1 CHEN Y，LENG K，L U Y，et al.EpidemiologicalFeatures and Time-Series Analysis of Influenza Incidencein Urban and Rural Areas of Shenyang，China，2010-大理大学学报总第 86 期自然科学图 4模型 ARIMA（1，0，0）（0，1，1）12预测值与实际值拟合的时间序列图流感阳性病例数250200150100500-50实际值拟合值可信区间上限可信区间下限预测值年月2010-12010-42010-72010-102011-12011-42011-72011-102012-12012-42012-72012-102013-12013-42013-72013-102014-12014-42014-72014-102015-12015-42015-72015-102016-12016-42016-72016-102017-12017-42017-72017-102018-12018-42018-72018-102019-12019-42019-72019-102020-12020-4822018 J.Epidemiol Infect，2020，148：e29.2SCHNEPF N，RESCHE-RIGON M，CHAILLON A，et al.High Burden of Non-Influenza Viruses in Influenza-LikeIllness in the Early Weeks of H1N1v Epidemic in France J.PLoS One，2011，6（8）：e23514.3梁海旭，黄立勇，张芳蕾，等.2018 年北京市朝阳区流行性感冒流行特征及病原学监测分析 J.中国病毒病杂志，2020，10（4）：279-283.4 HE Z，TAO H.Epidemiology and ARIMA Model ofPositive-Rate of Influenza Viruses among Children inWuhan，China：A Nine-Year Retrospective Study J.IntJ Infect Dis，2018，74：61-70.5张静.20082017 年中国手足口病流行趋势和病原变化动态数列分析 J.中华流行病学杂志，2019，40（2）：147-154.6饶华祥，石燕，蔡芝锋，等.基于集中度和圆形分布法的青海省手足口病季节特征分析 J.中华疾病控制杂志，2018，22（4）：345-348.7SUNTRONWONG N，VICHAIWATTANA P，KLINFUENGS，et al.Climate Factors Influence Seasonal InfluenzaActivity in Bangkok，Thailand J.PLoS One，2020，15（9）：e0239729.8张雪凝，施学忠，赵浩，等.SARIMA 和 SARIMA-GRNN模型在流行性腮腺炎发病率预测中的应用对比 J.中国卫生统计，2020，37（4）：489-492.9QI L，XIONG Y，XIAO B，et al.Epidemiological andVirological Characteristics of Influenza in Chongqing，China，2011-2015 J.PLoS One，2016，11（12）：e0167866.10国家免疫规划技术工作组流感疫苗工作组.中国流感疫苗预防接种技术指南（20192020）J.中华预防医学杂志，2020，54（1）：21-36.11张丽芬，赵晓南，李多，等.云南省 20162018 年流行性感冒监测分析 J.中国病毒病杂志，2021，11（1）：6-10.12ZHU A，LIU J，YE C，et al.Characteristics of SeasonalInfluenza Virus Activity in a Subtropical City in China，2013-2019 J.Vaccines（Basel），2020，8（1）：108.13SONG X，XIAO J，DENG J，et al.Time Series Analysisof Influenza Incidence in Chinese Provinces from 2004 to2011 J.Medicine（Baltimore），2016，95（26）：e3929.Epidemiological Characteristics and Trend Prediction of Influenza in Yuxi City from 2010 to 2019Ni Zhaolin1，Zuo Shunwu1，Liu Hongyan1，Ai Zhiqiong2，Nong Luming1，Zhao Qiufang1，Wu Qiang1*（1.Yuxi Center for Disease Prevention and Control，Yuxi，Yunnan 653100，China；2.Dali University，Dali，Yunnan 671000，China）AbstractObjective：To analyze the epidemicological characteristics of influenza in Yuxi city from 2010 to 2019，and to establishan autoregressive integrated moving average（ARIMA）model to predict the trend of influenza incidence.Methods：The data ofinfluenza was analyzed by descriptive epidemiological methods，and the ARIMA model was established by SPSS 25.0 software.Results：A total of 9 925 influenza-like cases were detected in Yuxi influenza network laboratory，and 2 849 nucleic acid positivecases were detected，with a positive rate of 28.71%.The nucleic acid positive cases showed an upward trend year by year in general，with an average increment speed of 2.01%.Among influenza positive cases，the ratio of male to female was 1.251，and childrenaged 5-14 accounted for the highest proportion（40.86%）.Influenza had a strong seasonality（concentration was 0.60）.The dominantinfluenza virus strains changed year by year.In 2010 and 2018，A/H1N1 pdm was dominant；in 2011 and 2012，B/Victoria wasdominant；in 2013 and 2016，B/Yamagata was dominant；and in 2015 and 2017，A/H3N2 was dominant；in 2014，B/Yamagata andA/H1N1 pdm dominated，and in 2019，B/Victoria and A/H3N2 dominated.The best prediction model was ARIMA（1，0，0）（0，1，1）12，whose standardized BIC value was 5.873，Ljung-Box Q was 21.258，P was 0.169.The actual values of the prediction results werewithin the 95%confidence interval（95%CI）of the predicted value，and the average relative error was 10.14%.The model was usedto predict a decreasing trend of influenza incidence from January to June in 2020.Conclusion：The influenza in Xuyi city hasobvious seasonality and the nucleic acid positive cases show an upward trend year by year in general，and the dominant influenzastrains change year by year.ARIMA（1，0，0）（0，1，1）12model can effectively predict the trend of short-term influenza in Yuxi city.Key wordsinfluenza；concentration；dynamic series；autoregerssive integrated moving average model（责任编辑于丽）倪兆林，左顺武，刘红雁，等玉溪市 20102019 年流感流行特征与发病趋势预测总第 86 期第 8 卷83