儿童法定传染病流行特征及发病趋势预测分析

儿童法定传染病流行特征及发病趋势预测分析

罗本凯

梁河县疾病预防控制中心免疫规划科 云南 梁河679200

摘要：目的：探讨儿童传染性疾病的发生情况，为儿童传染性疾病的防治提供依据。方法：收集云南省一家三甲医院2015-2019年间发生的儿童传染性疾病数据，运用 ARIMA模型对其流行趋势进行预测。结果：2015-2019期间，25个边境地区共上报34种法定传染病2343例，死亡人数为38人，平均每年发生病例数为468.7人，平均每年死亡病例数为7.6人；结果：病例的发生率有显著升高的趋势（P<0.001）。发病率居前5位的病种分别是：手足口病（128.39/10万）、肺结核（74.32/10万）、肝炎（71.12/10万）、其他感染性腹泻病（29.12/10万）、流行性腮腺炎（25.29/10万）；瑞丽市（1012.65/10万），盈江县（809.66/10万），景洪市（727.59/10万），勐海县（703.43/10万），芒市（682.04/10万）。1~3岁为最大发病年龄（20.25%)；农村居民中患病人数最多者为39.57%，散居儿童中患病人数最多者为31.63%。结论：儿童传染性疾病占比最大，疾病构成也存在着新的变化，对 ARIMA模型进行优化，可以更好地预测儿童传染性疾病的发展趋势，从而更好地了解儿童传染性疾病的发展规律。

关键词：儿童 法定传染病 流行特征 发病趋势

引言

儿童的免疫功能不健全，对疾病的预防和控制能力不强，容易感染疾病。80年代以来，通过全面落实“全民预防接种计划”，使一些曾经流行的传染性疾病得到了有效的控制。近年来，随着城市和农村人口流动和生活习惯的变化，传染病的预防和控制工作重心发生变化，一些婴幼儿期传染病的发病规律呈现出新的特征。因此，开展儿童感染性疾病的监测与分析，对儿童感染性疾病的诊断、治疗及预防具有重要意义。研究通过对最近几年云南省某三级综合医院中儿童传染病的发生情况进行了分析，并对儿童传染病的时间变化进行预测,为医院对该病的监控和预防控制提供科学依据。

1 资料与方法

1.1 资料来源

利用“全国传染病疫情通报与监控”系统，采集云南省三甲医院2015年1月1日至2019年12月31日间发生的儿童传染病疫情，包括年龄、性别、人群类别、传染病名称、确诊时间等，并通过两个人对数据进行校对，剔除重复病例及修订后的非传染病疫情。

1.2 研究方法

本研究采用描述流行病学方法，对资料进行回顾性横断面分析。采用 SPSS 16.0 软件进行统计分析，资料采用频数及百分比描述其分布特征。

1.3 统计分析方法

本项目拟利用 R3.6.0软件构建 ARIMA (p, d, q)(P, D, Q) s，其中 p为非季节性自回归阶数，d为季节性差分阶数，s为季节性移动平均阶数， P为季节性， D为季节性，S为季节性。将赤池信息量标准（AIC）与贝叶斯信息量标准（BIC）相结合，以较低的数值表示所建模型更符合实际情况。利用“decompose ()”函数对季节进行分解，利用“forecast”和“tseries”软件对 ARIMA进行模拟。

2 结果 

2.1 不同年份发病季节趋势及疾病谱情况

从图1可以看出，2018和2019年的报告数都有显著的提高，通常情况下，在每年的二月是全年报告数的最低点，从四月开始，报告数逐步增加，在七月达到了第一个报告的顶峰，十月，报告数又增加，在十二月，达到了第二个报告的顶峰。2015-2019年，在总报告数中，排名前5位的传染病依次是：水痘、其他感染性腹泻病、猩红热、流行性腮腺炎和手足口病。每年报告的顺位都有轻微的变动。

2.2构建ARIMA模型及预测

用2015-2019年每个月的平均数据，画出一个时间序列，并对其做一个季节的分解，再构造一个 ARIMA (p, d, q)(P, D, Q) s模型，在完成了时间序列的平稳性检验之后，再进行一个差分，使其达到一个1阶的平稳。在差分前，Dickey-Fuller=-2.3047 (P=0.170)，而在非平稳性的序列差分后，Dickey-Fuller=-5.2280 (P=0.010)，是平稳性的。p、 q、 P、 Q分别用 AIC （AIC）、 BIC （BIC）最小化原理对残差数据进行了统计分析，得到残差数据的最优模型，并对残差数据进行拟合优度检验，结果表明残差数据的 AIC、 PACF都处于95%置信区间。两组残差数列的Box-LjungQ统计结果无显著性差异（P>0.05).用这个模型做一个预测分析，并在表2中给出了结果。

3结论

3.1 ARIMA模型预测儿童传染病的发病趋势

传染病是由多种病原微生物感染到人体之后，所引起的一种具有传染性的疾病。目的是更好地认识和把握儿童法定传染病的发生情况及流行特点，探索其发生的规律及发展趋势，从而为进一步科学地制订和改进该地区法定传染病的防治措施提供一定的理论基础.在此基础上，运用 ARIMA方法对各年份的气象资料进行了回归分析。传染病的预报比较复杂，以往的预报方法主要是将相应的影响因子加入到统计模型中，然而，由于受多种因子的影响，在现实生活中往往难以对其进行预报。ARIMA模型相对简单，无需采集影响因子，仅通过时间序列数据来寻找疾病的发展规律；同时，由于疾病的发生本身就存在着一定的季节性和周期性， ARIMA模型能够更好的刻画疾病的这种特征。为了对模型的预测结果进行检验，我们选择2021年（受到新冠疫情的影响）的儿童传染病报告数据来对其进行了检验，结果表明，报病的趋势预测与现实比较吻合，但是实际报病的数值却比预测的数值要低，这很可能是因为在新冠疫情之后，民众的防护意识得到了明显的提高，他们采取戴口罩、手卫生和严格的居家隔离等措施，从而有效地阻止儿童传染病的传播。因此，在未来的运用过程中，还必须不断地补充当前的观测资料，以不断地对模型进行优化、修正，来提高其预报准确率。近些年来，随着对传染病的精确防控需求的不断提高，很多大型综合医院承担着相当数量的传染病病人的治疗工作，而儿童病人是一种特殊的人群，在某些区域，儿科医疗资源分配不均的矛盾仍然十分突出。因此，准确地预测传染病的发生规律，对医院合理分配医疗资源，预防和控制院内感染具有十分重要的意义。

本项目拟在前期研究基础上，利用 ARIMA模型对我国儿童传染病的流行趋势进行预测，为深入了解我国儿童传染病流行规律、提升我国儿童传染病防治水平提供科学依据。

参考文献：

[1]国家卫生健康委员会. 免疫规划工作成就[EB/OL].（2019-04-25）[2022-05-20].

[2]董彦会，陈曼曼，王丽萍，等.中国6～22岁学生群体甲乙丙类传染病流行趋势[J].北京大学学报（医学版），2021，53（3）：498-505.

[3]李嘉铃，韦俞伽，董柏青，等.2008—2017年我国手足口病发病和死亡变化趋势研究[J].疾病监测，2022，37（2）：1-8.