目的了解上海市闵行区2013—2016年人群流感流行特征,为流感防控提供科学参考依据。方法收集2013—2016年闵行区流感监测网流感样病例(influenza like illness,ILI)数据和实验室病原学检测数据,分析流感流行特征。结果 2013—2016年监...目的了解上海市闵行区2013—2016年人群流感流行特征,为流感防控提供科学参考依据。方法收集2013—2016年闵行区流感监测网流感样病例(influenza like illness,ILI)数据和实验室病原学检测数据,分析流感流行特征。结果 2013—2016年监测到流感样病例数为37 738例,流感样病例数占门诊人数的月平均构成比为0.90%。共采集标本4 094份,分离到的各型流感病毒857份,总分离率为20.93%。2013年优势株以季节性A(H3N2)型为主,2014年以B(Yamagata)型和季节性A(H3N2)型共同流行。2015年夏季高峰以季节性A(H3N2)型为主,2015年12月至2016年4月的冬春季高峰分别以新型甲型H1N1型(H1N1 pdm09)和B(Victoria)型为共同流行。2016年冬季高峰又以季节性A(H3N2)型流行为主。ILI就诊百分比(ILI%)与流感病毒阳性检出率呈正相关,Spearman秩相关分析结果显示二者高度相关(rs=0.460,P<0.05)。结论闵行区流感大致分为冬春季和夏季两个流行高峰,流感病毒优势株交替出现并呈现一定规律,ILI流行特征与流感病毒活动趋势基本一致。展开更多
深圳市在人口结构和经济社会发展方面很特殊,而对于其热带向副热带过渡的气候特征对流感发病的影响仍缺乏深入研究。本研究收集长序列(2003—2019年)的深圳市流感样病例(Influenza Like Illness,ILI)监测数据,采用分布滞后非线性模型(DL...深圳市在人口结构和经济社会发展方面很特殊,而对于其热带向副热带过渡的气候特征对流感发病的影响仍缺乏深入研究。本研究收集长序列(2003—2019年)的深圳市流感样病例(Influenza Like Illness,ILI)监测数据,采用分布滞后非线性模型(DLNM)系统分析了ILI与多种气象因子的关联,并分别使用Prophet时间序列和多元逐步回归模型对流感风险进行预报。近17年来深圳ILI发病在2003—2009年增加、2010—2014年平稳、2015—2019年下降,年周期特征凸显;多数年份发病率呈夏季单峰型,与高温、高湿的气候背景高度相符;个别年份在年末出现次高峰,常与大规模暴发疫情有关。DLNM揭示,高温对ILI风险的即时性影响较强,气温达到29.9℃,相对危险度值(RR)可达1.237(95%置信区间(95%CI):1.203—1.272);而低温效应在滞后2—3周起主导作用。70%—75%的湿度范围对应ILI高风险段,70%相对湿度的RR为1.089(95%CI:1.046—1.135)。偏高的湿度与高温共存可诱使ILI最高风险点出现,即二者有协同增强效应,在其长夏短冬气候下尤其需要注意。ILI危险度在气温日较差为4—6℃或>9℃时均有显著增加,即日内温差对流感的活跃程度亦有显著影响;由于深圳的风速整体较小,其影响整体较弱。Prophet时间序列模型和逐步回归模型的回报准确率相近(>86%),而同时考虑了气象因子和前期发病人数的回归模型预测准确率更高(>80%)。简言之,深圳市ILI风险与温、湿度的非线性协同影响关系最为密切,其发病率很大程度上是可预测的。展开更多
文摘深圳市在人口结构和经济社会发展方面很特殊,而对于其热带向副热带过渡的气候特征对流感发病的影响仍缺乏深入研究。本研究收集长序列(2003—2019年)的深圳市流感样病例(Influenza Like Illness,ILI)监测数据,采用分布滞后非线性模型(DLNM)系统分析了ILI与多种气象因子的关联,并分别使用Prophet时间序列和多元逐步回归模型对流感风险进行预报。近17年来深圳ILI发病在2003—2009年增加、2010—2014年平稳、2015—2019年下降,年周期特征凸显;多数年份发病率呈夏季单峰型,与高温、高湿的气候背景高度相符;个别年份在年末出现次高峰,常与大规模暴发疫情有关。DLNM揭示,高温对ILI风险的即时性影响较强,气温达到29.9℃,相对危险度值(RR)可达1.237(95%置信区间(95%CI):1.203—1.272);而低温效应在滞后2—3周起主导作用。70%—75%的湿度范围对应ILI高风险段,70%相对湿度的RR为1.089(95%CI:1.046—1.135)。偏高的湿度与高温共存可诱使ILI最高风险点出现,即二者有协同增强效应,在其长夏短冬气候下尤其需要注意。ILI危险度在气温日较差为4—6℃或>9℃时均有显著增加,即日内温差对流感的活跃程度亦有显著影响;由于深圳的风速整体较小,其影响整体较弱。Prophet时间序列模型和逐步回归模型的回报准确率相近(>86%),而同时考虑了气象因子和前期发病人数的回归模型预测准确率更高(>80%)。简言之,深圳市ILI风险与温、湿度的非线性协同影响关系最为密切,其发病率很大程度上是可预测的。
