苏州市肾综合征出血热预测预报模型探析.docVIP

苏州市肾综合征出血热预测预报模型探析肾综合征出血热(HFRS)是一种自然疫源性疾病,我国于1984年起在全国开展HFRS的疾病监测工作#65377;目前对该病的流行情况及传播途径已基本阐明[1]#65377;国内很多学者应用数学模型对HFRS发病的原因和流行趋势进行了探讨,但具体方法与侧重点各有不同[2～5]#65377;我们对苏州市1989―2003年 HFRS的发病资料进行了分析,并利用湿度#65380;降水#65380;日照#65380;平均气温等气象因素及每月的鼠密度资料与HFRS的月发病率进行了相关性分析,采用逐步回归法,建立多元回归方程,得到HFRS的预测预报模型#65377; 1材料与方法 1.1资料来源 1989―2003年苏州市HFRS的发病资料来自常规的疫情年报;1994―2003年的气象资料由苏州市气象局提供;鼠密度资料来自常年的监测报表#65377; 1.2方法 用逐步回归法进行多元线性回归分析,并对复相关系数进行显著性检验,得到用于预测预报的最优回归方程#65377;数据处理运用SAS 8.2程序软件进行#65377; 2结果 2.1HFRS发病率 HFRS在苏州每年均有发病,但发病率呈下降趋势,自2001年始下降明显(见图1)#65377;从每月的发病情况看,以8#65380;9#65380;10月份发病率较低,1#65380;11#65380;12月份发病率偏高(见图2)#65377; 2.2气象因子与HFRS发病率的相关性 HFRS的月发病率与当月#65380;1个月前#65380;2个月前的平均气温均有显著的负相关性(见表1)#65377;除湿度#65380;日照与其他气象因子相关不显著外,其余气象因子之间均有显著的相关性(见表2)#65377; 2.3鼠密度及其相关性 根据相关性分析,与鼠密度呈相关显著性的气象因子分别为当月的湿度(x?2)#65380;降水(x?3)#65380;2个月前的湿度(x??10?),Pearson相关系数分别为0.4379(P=0.0001)#65380;0.3014(P=0.0053)#65380;?0.2714?(P=0.0125);鼠密度与HFRS月发病率的相关系数为?0.5182?(P=0.0001)#65377; 2.4预测预报 将与HFRS月发病率有关的当月#65380;1个月前#65380;2个月前的气象因子(平均气温#65380;降水#65380;日照#65380;湿度)及每月的鼠密度共13个自变量作自相关分析,删除共线性的因素(r0.7)x?5(1个月前平均气温)后,进行多元逐步回归(选入#65380;删除因子的概率临界值均为0.25),共保留5个气象因素,分别为当月平均气温(x?1,P=0.002))#65380;当月湿度(x?2,P=0.006)#65380;当月降水(x?3,P=?0.03?)#65380;2个月前平均气温(x?9,P=0.06)#65380;鼠密度(x??13?,P=?0.0001?)5个自变量,回归方程为:y= -0.0947-0.0012x?1+?0.0017?x?2-0.0001x?3-0.0007x?9+0.0682x??13? (F=13.85, P=?0.0001?)#65377; 3讨论 由逐步回归建立的预测模型尽管P=0.0001,但R?2值偏小(0.3717),使理论预测值和实际值出现一定的偏差#65377;由于HFRS发病的影响因素很多和一些难以量化的因子的影响,特别是近年来HFRS的发病率下降趋势明显,这就要求考虑更多的影响因子,使预测模型更加准确#65377;当然在苏州地区目前HFRS发病率较低的情况下,通过气象因子#65380;鼠密度等比较容易获得的数据资料来对HFRS的发病进行短期预测仍不失为方便有效的手段,现实意义也较大#65377; 在数据处理上,考虑HFRS的发病率偏低,曾尝试一些转换,但仍未能使R?2值调高#65377;因此在今后的监测中,为使预测更精确,一方面可以改进数据处理方法,另一方面要注意收集其他相关因素,包括在江南地区HFRS的主要宿主和带毒率的调查等#65377; 近年来,有关媒介生物生态学和传染病发病规律关系的研究越来越受到人们的关注,随着计算机的广泛应用,利用多种影响因子建立基于遥感和地理信息系统的动态监测#65380;预报模型,将对HFRS等传染病的有效控制起到极大的作用#65377; 本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。 1