我国1992—2022年乙型肝炎发病变化趋势及预测模型研究.pdf

著Jiangsu JPrevMed,MayVol.34,No.3285江苏预防医学2 0 2 3年5月第34卷第3期我国19 9 2 一2 0 2 2 年乙型肝炎发病变化趋势及预测模型研究田珍榛，刘星言？，赵蕊婷，王永斌”，李言言”，李继贞？1.郑州市第九人民医院，河南郑州450 0 52;2.新乡医学院公共卫生学院摘要：目的为了解我国19 9 2 一2 0 2 2 年乙型肝炎（乙肝）流行特征，探讨贝叶斯结构时间序列（BSTS）模型在预测疫情变化趋势中的应用价值。方法收集19 9 2 年1月一2 0 2 2 年9 月我国乙肝发病监测数据，采用BSTS模型预测疫情变化趋势，并与自回归滑动平均混合（ARIMA）模型预测性能进行比较。结果果19 9 2 年1月一2 0 2 2 年9 月共报告乙肝2 7 6 336 7 4例（年均发病率为6 7.9 9/10 万），年均上升百分比（AAPC）为4.6 4%（9 5%CI:3.25%6.04%，P 0.0 1），每年1月和2 月的季节指数（SI）最小（0.8 5、0.8 1）,7 月和8 月的最大（1.10、1.11）。在向前9 3、6 9、33、9 步预测中，模型产生的平均绝对误差（MAD）、平均绝对百分比误差（MAPE）、均方根误差（RMSE）、均方根百分比误差（RMSPE）和平均误差率（MER），BST S模型均小于ARIMA模型，其中向前9 3、6 9、33步预测结果DM检验差异均有统计学意义（P值均 0.0 5）。使用BSTS预测的2 0 2 32 0 30 年我国乙肝新发病为10 0 2 36 7 9(9 5%CI:593786013874521)例，年均发病12 52 9 6 0（9 5%CI:7422321734315）例。结论我国乙肝疫情总体呈上升趋势，BSTS模型预测性能明显优于ARIMA，在乙肝疫情趋势预测方面有较高应用价值。关键词：乙型肝炎；发病率；BSTS模型；ARIMA模型；发病趋势；预测中图分类号：R575.1文献标识码：A文章编号：10 0 6-9 0 7 0(2 0 2 3)0 3-0 2 8 5-0 5Changing trend and forecasting model in hepatitisBmorbidity in China from 1992 to 2022TIAN Zhen-zhen*,LIU Xing-yan,ZHAO Rui-ting,WANG Yong-bing,LI Yan-yan,LI Ji-zhen*The Ninth Peoples Hospital of Zheng zhou,Henan Zhengzhou 450052,ChinaAbstract:Objective To understand the epidemic characteristics in hepatitis B incidence in China from 1992 to 2022;to explorethe application value of Bayesian structure time series(BSTS)model in predicting the changing trend ofthehepatitis B epidemic.Methods Monitoring data on the hepatitis B incidence in China from Jan 1992 to Sep 2022 were collected,and then the epidemictrend was predicted by use of the BSTS model and its prediction performance was compared with the autoregressive integrated movingaverage(ARIMA)model.Results A total of 27633674 hepatitis B cases were reported(mean annualized morbidity was 67.99/10)from Jan 1992 to Sep 2022,with an average annual percent change of 4.64%(95%CI:3.25%-6.04%,P0.01).For the series,theminimum seasonal index(SI)values were observed in Jan(0.85)and Feb(0.81),whereas the maximum SI values in Jul(1.10)and Aug(1.11)every year.In the 93-,69-,33-,and 9-step ahead predictions,the predictive performance metrics the mean absolutedeviation(MAD),mean absolute percentage error(MAPE),root mean square error(RMSE),root mean square percentage error(RM-SPE),and mean error rate(MER)J from the BSTS model were less than those from the ARIMA model,and the DM statistics indicateda significantly statistical difference for the 93-,69-,and 33-step ahead predictions(all P0.05).The forecasts under the BSTS modelwere 10 023 679(95%Cl:5 937 860-13 874 521)hepatitis B cases in China,20232030,with the average annual 1 252 960(95%Cl:742 232-1 734 315)cases.Conclusions Collectively,the hepatitis B epidemic in China is on the rise.The prediction performanceof the BSTS model significantly outperforms the ARIMA model,and thus it has a high application value in forecasting the morbiditytrend ofhepatitis B.Keywords:Hepatitis B;Morbidity;Bayesian structural time series;Autoregressive integrated moving average;Trend;Forecasting乙型肝炎（乙肝）是全球重大公共健康威胁之一。据估计，2 0 19 年全球乙肝患者达到3.16 亿，导致约56万人死亡，平均每年有150 万新发感染者，慢性感染者发展为肝硬化和肝癌风险较高。乙肝可通过接种疫苗得以预防，WHO2 0 16 2 0 2 1年全球卫生部门病毒性肝炎战略提出至2 0 30 年消除乙肝流行的目标D01:10.13668/j.issn.1006-9070.2023.03.012作者简介：田珍（19 8 6 一），女，河南新乡人，医师，主要从事疾病预防与控制工作286：Jiangsu J Prev Med,MayVol.34,No.3江苏预防医学2 0 2 3年5月第34卷第3期（与2 0 15年基线相比，2 0 2 0 年和2 0 30 年新发感染者分别减少30%和9 0%)2 。准确评估乙肝发病变化趋势具有重要的公共卫生意义，以往研究主要采用求和自回归滑动平均混合（autoregressive integrated movingaverage,ARIMA）模型评估乙肝流行趋势 3-4，贝叶斯结构时间序列（bayesian structural time series,BSTS）模型应用较少。本研究采用BSTS模型对我国19 9 2 一2022年乙肝疫情流行病学特征进行分析，比较两种模型在疫情趋势预测中的性能，以探讨BSTS模型的应用价值。1材料与方法1.1材料从中国疾病预防控制中心和疾病监测网站获取19 9 2 年1月一2 0 2 2 年9 月我国乙肝发病数据。为测试模型的长、中、短期预测性能，分别以19 9 2年1月一2 0 14年12 月、19 9 2 年1月一2 0 16 年12 月、1992年1月一2 0 19 年12 月、19 9 2 年1月一2 0 2 1年12月发病数据序列为4个训练集，将剩余的9 3、6 9、33、9个月数据为4个相应的测试集。1.2ARIMA模型对于周期和季节性时间序列,可表示为ARIMA（p,d,q）（P,D,Q）（p 为非季节AR阶数，d为非季节性差分次数，q为非季节性MA阶数，P为季节性AR阶数，D为季节性差分次数，Q为季节性MA阶数）31。采用R软件建模，根据最小赤池信息准则（akaikes information criterion，A I C）、校正AIC（c o r r e c t e d A I C,C A I C）和施瓦茨贝叶斯准则（schwarzsbayesiancriterion，SBC）自动选择性能最佳模型参数【5；采用自相关函数（autocorrelationfunction，A C F）、偏自相关函数（partialACF,PACF）和Ljung-BoxQ对模型残差进行检验，判断其是否为随机序列；模型通过拟合优度检验时，可进行预测并对预测效果进行评价 3-41.3BSTS模型时间序列可视为由不同分量（趋势、季节和随机波动）聚合而成，每个分量的分解有助解释数据 6 。BSTS模型是由卡尔曼滤波、Spike和slab回归及贝叶斯模型平均3种方法组合而成的一个集成系统，其中卡尔曼滤波能解析序列的趋势和季节行为;Spike和slab回归能有效进行变量选择，即使在样本量小而协变量较多的情况下仍有效；模型平均采用马尔可夫链蒙特卡罗（markovchain monte carlo，MCMC算法，从后验分布中进行抽样，将抽样结果进行平均，获得最终预测结果 7 8 1。采用BSTS分析数据时：允许在模型中包含先验信息；允许模型参数随时间演变；可同时处理大量协变量，防止模型过拟合；属于一种数据驱动方法，分析时对数据的分布模式不用做特定假设；允许同时分析时间序列包含的不同分量；通过模型的后验分布抽样平均，可处理数据中的不确定问题 6-8 O1.4统计分析采用Excel2019汇总整理，使用Join-point4.9.1.0拟合joinpoint回归分析乙肝发病趋势的年度百分比变化（annualpercentage change，A PC）和年均百分比变化（averageannual percent change，AAPC)9;采用普雷斯科特（Hodrick-Prescott,HP）和季节分解法分析数据长期趋势、周期和季节指数（sea-sonal index,SI）10-；采用R4.2.2的“forecast”和“bsts包分别构建ARIMA和BSTS模型。通过计算模型预测值的平均绝对误差（mean absolutedeviation，MAD）、平均绝对百分比误差（meanabsolutepercentageerror,MAPE）、均方根误差（root mean square error，RMSE）、均方根百分比误差（root meansquarepercentage error,RMSPE）和平均误差率（mean errorrate,MER），采用迪博德-马里亚诺（Diebold-Mariano，DM)对模型预测准确性进行检验 2 2结果2.1乙肝发病总体特征1992年1月一2 0 2 2 年9月，我国共报告乙肝患者2 7 6 336 7 4例，年均发病率为67.99/10万。其中19 9 4年报告病例最少，发病率为24.63/10万，2 0 0 7 年报告病例最多，发病率为101.19/10万。乙肝疫情总体呈上升趋势（AAPC=4.64%,95%CI:3.25%6.04%,t=6.66,P0.01),经历4个发展阶段：19 9 2 2 0 0 2 年疫情缓慢上升（APC=8.54%,95%CI:6.54%8.56%,t=9.33,P0.01);20032006年快速上升（APC=19.93%，9 5%C I：10.86%29.74%,t=4.84,P0.01);20072015年缓慢下降(APC=-2.99%,95%CI:-4.41%-1.56%,t=-4.33,P0.01）；2 0 16 2 0 2 1年相对平稳（APC=0.70%,95%CI:-1.66%3.12%,t=0.62,P=0.54)每年12 月SI值最小（0.8 5、0.8 1），36 月快速增大后保持相对稳定（1.0 7、1.0 4、1.0 5、1.0 4），7 8 月达到最大（1.10、1.11）。见图1、图2。1 600 000r1120一发病数1400000二发病率10012000001000000800000600 000400000202000000年份图1我国19 9 2 2 0 2 1年乙肝发病数和发病率JiangsuJPrevMed,34,No.3287江苏预防医学2 0 2 3年5月第34卷第3期200 000发病数趋势160 000周期性12000095%CI4000080 000200004000000-20000-40000-600001060005.091992.011995.091999.052010.052021.02025.01月份注：黑色虚线左侧是原始序列，右侧为BSTS方法预测的2022年10 月一2 0 2 3年12 月乙肝疫情变化趋势。图2我国19 9 2 年1月一2 0 30 年12 月乙肝疫情的趋势和周期模式2.2ARIMA模型和BSTS模型参数选择2.2.1ARIMA模型ARIMA(0,1,1)(2,1,2)12被选为最佳模型（AIC=5378.37,CAIC=5378.69,SBC=5399.80），但该模型的SMA1=0.09（t=0.8 3,P=0.20），未通过检验，将该系数删除。而疏系数ARIMA(0,1,1)（2,1,（2)12 模型（AIC=5374.99,SBC=5 394.85)的MA1=-0.65(t=-14.68,P0.01),SAR1=-0.86(t=-15.24,P0.01),SAR2=-0.43(t=-6.23,P0.01)和 SMA2=-0.23(t=-2.39,P=0.01），均通过统计检验。残差的ACF和PACF图中，不同滞后系数基本都落人9 5%CI内（图3），Ljung-BoxQ检验的X=1.04,P=0.31,提示残差是随机序列，说明该疏系数模型可充分模拟疫情的规律性。采用同样步骤分别对剩余3个数据集建模，发现最佳模型均为疏系数ARIMA（0,1,1）（2,1,（2)）12,Lj u n g-Bo x Q检验结果分别为X=1.73,P=0.19;X=0.02,P=0.89和X=0.02,P=0.91。2.2.2BSTS模型模拟BSTS时，季节状态分量的季节参数设定为12；趋势分量包括局部水平模型（假设趋势遵从随机游走模式，适合短期预测）、局部线性趋势模型（假设趋势均值和斜率均遵从随机游走模式，适合短期预测）、半局部线性趋势模型（假设水平组分以随机游走模式变化，但斜率以非零值为中心的自回归过程变化，适合长期预测）和共享局部水平模型（假设趋势遵从多元随机游走模式，适合短期预测 7 。经过模拟，本文选择半局部线性趋势模型作为趋势分量进行长期预测（向前9 3和6 9 步预测）和中期预测（向前33步预测），选择局部线性趋势模型作为趋势分量进行短期预测（向前9 步预测）。通过500次MCMC抽样发现，进行向前9 3、6 9、33、9 步预测时，分别经过9 0、9 2、10 7、47 次迭代后，达到稳定状态，对应的残差标准差后验均值分别为42 35.8 5、4197.46、39 9 4.45、50 39.6 2；向前一步预测残差的标准差分别为6 7 8 8.39、6 6 8 5.32、6 6 34.2 7、6 9 6 5.0 0；残差方差小于原始值方差的比例分别为9 8.49%、98.45%、9 8.57%、9 7.6 8%；拟合优度分别为0.54、0.56、0.57、0.56。向前9 6 步预测中，残差的ACF和PACF图中，不同滞后系数大多落人9 5%CI内（图4），Ljung-BoxQ检验的X=0.10,P=0.75（其他3个模型分别为X2=0.13,P=0.72;X=0.50,P=0.48;X=1.28,P=0.26），提示残差均是随机序列，表明BSTS能充分提取数据中包含的信息2.3模型预测准确性比较在向前9 3、6 9、33、9 步预测中,BSTS模型各误差均小于ARIMA模型,其中向前93、6 9、33步预测结果DM检验差异均有统计学意义（P值均 0.0 5），见表1。2.4使用BSTS模型对2 0 2 2 年10 月后乙肝疫情预测基于19 9 1年1月一2 0 2 2 年9 月序列，使用BSTS模型对2 0 2 2 年10 月一2 0 30 年12 月乙肝疫情变化趋势进行预测，预测2 0 2 32 0 30 年新发乙肝10 0 2 36 7 9（9 5%C I：59 37 8 6 0 138 7 452 1）例，年均新发1252960（9 5%C I:7 42 2 32 17 34315）例，提示我国乙肝疫情仍可能缓慢上升，距离消除乙肝目标差距较大。结果见图2、图5。0.0.100-0.10510152025303505101520253035滞后期滞后期图3疏系数ARIMA（0,1,1）（2,1，（2）12 向前9 6 步预测产生的残差ACF和PACF图288Jiangsu J Prev Med,MaVol.34,No.3江苏预防医学2 0 2 3年5月第34卷第3期0.20.20.10.10.0.10510152025303505101520253035滞后期滞后期图4BSTS向前9 6 步预测产生的残差ACF和PACF图表1ARIMA模型和BSTS模型在不同数据集上的预测准确性比较模型MADMAPE(%)RMSERMSPEMER前向9 6 步预测ARIMA29540.9328.0733810.350.100.29BSTS4.103.364.015.563.250.050.04DM10.9511.817.558.19P值0.010.010.010.01前向6 9 步预测ARIMA15208.7814.1916299.380.150.14BSTS5166.254.836654.490.060.05DM10.7611.557.307.78P值0.010.010.010.01前向33步预测ARIMA990.78.2510.370.400.060.08BSTS1224.721.101916.500.020.01DM4.524.532.332.34P值0.010.010.03 0.03前向9 步预测ARIMA5.383.935.286 833.290.070.05BSTS5.080.774.966498.320.060.04DM0.340.420.77 0.81P值0.750.690.470.442400000-一实际值-2000000-预测值-95%CI1600000一一消除乙肝的目标值1200000800.0002020年目标400.0002030年目标年份图5BSTS预测的我国2 0 2 32 0 30 年乙肝发病的变化趋势3讨论分析结果发现，19 9 2 一2 0 2 1年我国乙肝疫情总体以年均4.6 4%的速度上升，与刘芷希等 13 报告相一致，与我国监测系统逐步完善和诊断水平逐渐提高有关 13-14。2 0 0 7 2 0 15年疫情出现缓慢下降，与我国将乙肝防治工作纳人“十一五”和“十二五”规划，采取了加强乙肝疫苗接种等综合防控措施有关14-1。据2006年全国乙肝血清流行病学调查表明，1 59 岁人群HBsAg患病率已从19 9 2 年的9.7 5%下降到2 0 0 6年的7.18%16 。但多项研究显示 3.17 ,2 0 17 年后我国乙肝疫情趋势有抬头迹象，与本研究结果较吻合，这可能与城镇化进程加快、流动人口大幅增加、乙肝共病发病趋势快速上升、乙肝治疗经济负担重等相关13.18 1)。每年7 8 月病例数相对较多，1-2 月相对较少,与沈忠周等 4 研究结果相符，乙肝发病低谷与我国“春节效应”及每年1一2 月疫情漏报和迟报密切相关 4研究发现，对乙肝长、中、短期疫情变化趋势预测中,ARIMA产生的误差指标均大于BSTS,且在中长期预测时，误差指标DM检验P值均 0.0 5,表明BSTS预测性能明显优于ARIMA,尤其是在中长期预测结果方面，提示其在动态评估乙肝疫情趋势中应用价值较高，能为乙肝防控策略的制定提供技术支撑。综上，19 9 2 年1月一2 0 2 2 年9 月我国乙肝疫情总体呈上升趋势。BSTS模型预测结果表明，我国2 0 2 2年10 月一2 0 30 年12 月乙肝疫情仍呈缓慢上升趋势。为实现2 0 30 年消除乙肝目标，应采取更加积极的综合防控措施：如扩大成人乙肝疫苗接种范围，发病高峰季节，加强健康教育、筛查、诊断和治疗等综合防治体系建设等。此外，乙肝疫情受多因素影响，且被动监测数据的漏报、误报、迟报和重报不可避免，使用BSTS预测模型时，应将上述因素考虑在内，使用新数据对模型参数进行校正，并与其他预测模型性能进行比较，以期进一步找到评估乙肝疫情趋势的最优模型参考文献1CBD 2019 Hepatitis B Collaborators.Global,regional,and national bur-den of hepatitis B,1990-2019:a systematic analysis for the Global Bur-den of Disease Study 2019 J.Lancet Gastroenterol Hepatol,2022,7(9):796-829.（下转第359 页）编辑：张煜上接第2 8 8 页）编辑：周羚JiangsuJPrevMed,Vol.34,No.3359.江苏预防医学2 0 2 3 年5 月第3 4卷第3 期in the Finnish Diabetes Prevention Study JJ.J Nutr Health Aging,2016,20(2):146-154.4应洪琰，周金意，王金娣丹阳市社区老年人群骨质疏松与饮食结构的关系探讨J.江苏预防医学，2 0 2 1,3 2（4）：416-419.5刘文，李敏，陈波，等.老年营养不良防控干预技术的研究进展J.实用老年医学，2 0 2 1,3 5（5）：5 0 9-5 11,5 15.6Liu Dan,Ju LH,Yang ZY,Zhang QG,et al.Food Frequency Ques-tionnaire for Chinese Children Aged 12-17 Years:Validity and Relia-bilityJ.Biomed Environ Sci,2019,32(7):486-495.7中国营养学会.中国居民膳食指南【M.北京：人民卫生出版社,2 0 16.8范敏.泰兴市18 岁人群超重和肥胖流行病学特征J.江苏预防医学,2 0 19,3 0(4):42 6-42 7.9李淑娟，蔡姝雅，成雪，等.中国7 5 岁及以上老人食物摄人状况J.中国食物与营养,2 0 2 1,2 7（10）：10-14.【10 王启发，张宇，胡永峰，等.疾控机构青年职工膳食调查与分析J.中国食物与营养,2 0 2 1,2 7（8）：8 5-8 9.【11】王柳森，欧阳一非，姜红如，等.19 9 1一2 0 15 年中国九省（自治区）老年人食物摄人现状及变化趋势J.卫生研究，2 0 2 2,5 1（1）：24-31.【12 王振杰，于海军，赵蔓，等.中国老年人缺牙检出率的Meta分析J.中国循证医学杂志，2 0 2 1,2 1（9）：10 2 8-10 3 4.【13】廖婷婷，效拟，李川，等.2 0 18 年广东省成年人膳食状况分析J.华南预防医学，2 0 2 2,48（10）：12 6 7-12 7 1.【14宓伟，丁洁，周歌，等.烟台市不同性别老年人膳食营养与知识现状调查分析J.营养学报,2 0 16,3 8（2）：19 5-19 7.2World Health Organization.Global health sector strategy on viralhepatitis 20162021 R .Geneva,Switzerland:World Health Organiza-tion,2016.3Wang YW,Shen ZZ,Jiang Y.Comparison of ARIMA and GM(1,1)models for prediction of hepatitis B in China JJ.PloS One,2018,13(9):e0201987.4沈忠周，王雅文，马帅，等.ARIMA模型在预测我国乙肝月报告发病数中的应用J.中华疾病控制杂志，2 0 18,2 2（3）：2 9 8-3 0 1,3 0 7.5Hyndman RJ,Khandakar Y.Automatic Time Series Forecasting:Theforecast Package for RJ.J Stat Soft,2008,27(3):1-22.6Feroze N,Abbas K,Noor F.Analysis and forecasts for trends ofCOVID-19 in Pakistan using Bayesian models J.2021,9:el1537.7Scott SL,Varian HR.Predicting the present with Bayesian structuraltime series JJ.Inter J Mathematical Model Numer Optimisation,2014,5(1/2):4.8Brodersen KH,Gallusser F,Koehler J,et al.Inferring causal impact u-sing Bayesian structural time-series models J.An Applied Statistics,2015,9(1):247-274.9Kim HJ,Fay MP,Feuer EJ,et al.Permutation tests for joinpoint re-gression with applications to cancer rates J.Statistics in Med,2000,19(3):335-351.10 Hodrick R,Prescott E.Postwar U.S.Business Cycles:An EmpiricalInvestigation J.J Money Credit Banking,1997,29(1):1-16.11 Grassly NC,Fraser C.Seasonal infectious disease epidemiology J.Proceedings:Biological Sciences,2006,273(1600):2541-2550.12 Diebold F,Mariano R.Comparing Predictive Accuracy J.J Business15徐海珍，孙晔，张嘉莹，等.对北京市平谷区东高村老年人血脂异常情况的调查分析J.当代医药论丛，2 0 19，17（6）：17-19.16许丽丽，闫世春，何伟丽，等.黑龙江省居民收人水平对膳食结构影响研究J.中国公共卫生管理，2 0 2 0,3 6（2）：17 6-18 1，18 9.17 赵方蕾，房红芸，赵丽云，等.2 0 15 年中国6 5 岁及以上老年人膳食能量及宏量营养素摄人现状J.卫生研究，2 0 2 1,5 0（1）：3 7-45.【18 钟鑫，戴霞，马翠，等.广西南宁市壮族居民饮食习惯与2 型糖尿病患病风险的研究J.中国医药导报，2 0 2 0,17（2 7）：12-15.【19 夏浩业，代旭，王良，等.2 3 2 例产褥期妇女膳食摄入情况评价J.中国妇幼保健，2 0 16,3 1（2 3）：5 13 3-5 13 6.2 0 祁金丹，薛源，杜小娇，等.苏州市高血压患者膳食纤维摄人现状及与血压的关系J.现代预防医学，2 0 2 1,48（4）：6 3 6-6 3 9.【2 1】刘览，孙敏英，林伟权，等.广州市老城区中老年人群膳食模式与常见慢性病的关系J.职业与健康，2 0 2 2,3 8（5）：6 2 6-6 3 0.【2 2 崔晴梅，李建新，曹杰，等.中国不同风险人群心血管疾病的膳食和体力活动状况J.中华疾病控制杂志，2 0 2 2，2 6（3）：2 5 1-256,279.【2 3 林伟权,孙敏英,刘览，等.广州市社区老年人慢性病共病与营养状况相关性研究J.中华全科医学，2 0 2 2,2 0（11）：18 7 0-18 7 3，19 2 9.2 4朱谦让，戴月，谢玮，等.江苏省居民膳食结构与营养素摄人状况评价J.江苏预防医学，2 0 17,2 8（3）：2 5 9-2 6 1,2 6 5.2 5 黄毓，樊春笋,施亚男基于CLHLS项目2 0 18 年横断面数据的高龄人群高血压、糖尿病患病率及相关因素研究J.实用临床医药杂志，2 0 2 1,2 5（2）：49-5 3.收稿日期：2 0 2 2-0 7-0 8&Economic Statistics,2002,20:134-144.13】刘芷希，汪业胜，王伟炳.中国19 9 0-2 0 17 年乙型肝炎疫情的变化趋势研究J.中华流行病学杂志，2 0 2 1,42（4）：6 13-6 19.14 Liu J,Liang W,Jing W,et al.Countdown to 2030:eliminating hepatitisB disease,China J.Bull World Health Organization,2019,97(3):230-238.15 Wang Y,Jia J.Control of hepatitis B in China:prevention andtreatmentJ.Exp Rev Anti-Infect Ther,2011,9(1):21-25.16 Liang X,Bi S,Yang W,et al.Epidemiological serosurvey of hepatitis Bin China-declining HBV prevalence due to hepatitis B vaccinationJ.Vaccine,2009,27(47):6550-6557.17 Zheng Y,Zhang L,Zhu X,et al.A comparative study of two methods topredict the incidence of hepatitis B in Guangxi,China J.PloS One,2020,15(6):e0234660.18 Yan YP,Su HX,Ji ZH,et al.Epidemiology of Hepatitis B Virus Infec-tion in China:Current Status and Challenges J.J Clin TranslHepatol,2014,2(1):15-22.19 Chen S,Li J,Wang D,et al.The hepatitis B epidemic in China shouldreceive more attentionJ.Lancet,2018,391(10130):1572.21 Cheng YJ,Norris J,Bao CJ,et al.Geographical information systems-based spatial analysis and implications for syphilis interventions inJiangsu province,Peoples Republic of China J.Geospat Health,2012,7(1):63-72.收稿日期:2 0 2 2-11-2 0