邯鄲市百日咳發(fā)病的氣象流行病學(xué)特征統(tǒng)計(jì)分析

趙鮮芝 李燕霞 王洪 果麗平

人類的生活方式近年來(lái)發(fā)生著巨大的改變，對(duì)地球的氣候造成了空前的影響，進(jìn)而可能會(huì)引起傳染病發(fā)病率及其地理分布的重大變化。天氣模式的變化，以及由此造成的健康方面的負(fù)面影響，可能在全球?qū)⒎浅?yán)重［1］。本文運(yùn)用氣象流行病學(xué)原理和方法對(duì)1972至2010年氣象因素與百日咳發(fā)病率關(guān)系進(jìn)行研究，查找科學(xué)的統(tǒng)計(jì)分析方法，探討百日咳發(fā)病的氣象流行病學(xué)特征。

1 資料與方法

1.1 一般資料

1.1.1 疫情資料:1972至2010年邯鄲市百日咳病例按月報(bào)告發(fā)病數(shù)和發(fā)病率資料，由邯鄲市疾病預(yù)防控制中心疫情信息科提供。

1.1.2 人口資料:1972至2010年邯鄲市人口資料，由邯鄲市統(tǒng)計(jì)局提供。以常住本地人口的病例納入統(tǒng)計(jì)。

1.1.3 氣象資料:1972至2010年邯鄲市氣象資料，包括月平均氣溫、月平均氣壓、月平均相對(duì)濕度、月平均風(fēng)速、月日照時(shí)數(shù)、月總降雨量、月極端最高氣溫、月極端最低氣溫、月小型蒸發(fā)量、月平均總云量等10個(gè)氣象因素，由邯鄲市氣象局提供。

1.2 方法 建立數(shù)據(jù)庫(kù):將疫情數(shù)據(jù)、氣象資料和人口資料數(shù)據(jù)采用EpiData進(jìn)行“雙重錄入”，再由SPSS導(dǎo)入，建立數(shù)據(jù)庫(kù)。

1.3 統(tǒng)計(jì)學(xué)分析 應(yīng)用SPSS 17.0統(tǒng)計(jì)軟件，相關(guān)分析、曲線估計(jì)、曲線擬合、因子分析、主成分多元回歸分析等。

2 結(jié)果

2.1 氣象參數(shù) 對(duì)月平均氣溫、月平均氣壓、月平均相對(duì)濕度、月平均風(fēng)速、月日照時(shí)數(shù)、月總降雨量、月極端最高氣溫、月極端最低氣溫、月小型蒸發(fā)量、月平均總云量等10個(gè)氣象參數(shù)做正態(tài)性檢驗(yàn)，其中月日照時(shí)數(shù)和月平均總云量服從正態(tài)分布，其他8個(gè)氣象參數(shù)均不服從正態(tài)分布。對(duì)這10個(gè)氣象參數(shù)做共線性診斷，結(jié)果本組氣象參數(shù)數(shù)據(jù)容差最小為0.014，方差膨脹因子最大達(dá)69.998。

2.2 百日咳發(fā)病情況1972年1月至2010年12月，邯鄲市報(bào)告百日咳病例83 003例，平均月報(bào)告發(fā)病率為2.44/10萬(wàn)。經(jīng)單樣本Kolmogorov-Smirnov檢驗(yàn)(P＜0.01)，發(fā)病呈偏態(tài)分布;極差為87.33，四分位數(shù)間距為0.461。1972至1977年百日咳發(fā)病水平較高，最高達(dá)86.42/10萬(wàn)，1978年開始百白破疫苗實(shí)行計(jì)劃免疫，1978至1982年發(fā)病水平不斷下降，1983年開始發(fā)病水平始終維持在0.50/10萬(wàn)以下。見圖1。

2.3 相關(guān)分析 采用Spearman相關(guān)分析，結(jié)果顯示，邯鄲市1972至2010年百日咳月發(fā)病率與月小型蒸發(fā)量、月平均風(fēng)速、月日照時(shí)數(shù)之間的相關(guān)系數(shù)差異有統(tǒng)計(jì)學(xué)意義(P＜0.01)。其中月平均風(fēng)速與百日咳月發(fā)病率的相關(guān)系數(shù)最大，為0.425。百日咳月發(fā)病率與這3個(gè)氣象因素均呈正相關(guān)。

圖1 邯鄲市1972～2010年百日咳月發(fā)病率

2.4 曲線估計(jì) 將百日咳疫苗計(jì)劃免疫前后的百日咳發(fā)病率所構(gòu)成的曲線趨勢(shì)，分段進(jìn)行曲線估計(jì)。結(jié)果發(fā)現(xiàn)EPI前百日咳月發(fā)病率的三次模型的決定系數(shù)最大，R2值為0.379，F(xiàn)值為13.804，P＜0.001，方程為=-5.921+5.068X-0.177X2+0.002X3。EPI后百日咳月發(fā)病率的倒數(shù)模型的決定系數(shù)最大，R2值為0.599，F(xiàn)值為588.251，P＜0.01，方程為=0.090+9.461/X。所以認(rèn)為，EPI之前百日咳月發(fā)病率呈3次模型曲線，之后百日咳月發(fā)病率呈倒數(shù)模型曲線。

2.5 曲線擬合1972至2010年的百日咳月發(fā)病率作為因變量，10個(gè)氣象因素分別作為自變量，進(jìn)行曲線擬合，進(jìn)一步研究氣象因素與百日咳月發(fā)病率的定量關(guān)系。在10個(gè)方程中，月平均氣溫和百日咳月發(fā)病率擬合為線性方程，月平均風(fēng)速和百日咳月發(fā)病率擬合為二次方程，月平均相對(duì)濕度、月總降雨量、月極端最高氣溫、月極端最低氣溫、月小型蒸發(fā)量、月日照時(shí)數(shù)和百日咳月發(fā)病率擬合為三次方程。月平均氣壓和百日咳月發(fā)病率擬合為倒數(shù)方程，月平均總云量和百日咳月發(fā)病率擬合為對(duì)數(shù)方程。月平均風(fēng)速、月小型蒸發(fā)量、月平均總云量、月日照時(shí)數(shù)的R2值分別為0.050、0.042、0.015、0.026，P值分別為 ＜0.001、＜0.001、0.015、0.017，故認(rèn)為月平均風(fēng)速的曲線擬合結(jié)果較理想。百日咳月發(fā)病率與月平均風(fēng)速的二次方程曲線關(guān)系得到曲線擬合方程，=-0.227+0.186X+0.019X2。

2.6 因子分析

2.6.1 氣象參數(shù)的KMO和Bartlett檢驗(yàn)結(jié)果:KMO值為0.839，表示非常適合做因子分析;Bartlett球形度檢驗(yàn)的P＜0.001，因此拒絕原假設(shè)，說明變量間存在相關(guān)關(guān)系，適于因子分析。

2.6.2 因子貢獻(xiàn)率結(jié)果:10個(gè)因素中可得到兩個(gè)因子Z1和Z2，特征根分別為 λ1=5.591，λ2=2.381，且其對(duì)總方差的累積貢獻(xiàn)率為79.717%，其余特征根均小于1，因此提取前兩個(gè)因子作為主因子。

2.6.3 主成分多元線性回歸:以月發(fā)病率作為因變量，因子分析所得兩個(gè)主因子Z1和Z2作為自變量，采用逐步回歸法建立多元線性回歸方程(aλ=0.05，a出=0.10):=5.326+0.461Z2，回歸方程決定系數(shù)R2=0.064，調(diào)整R2=0.057，對(duì)方程檢驗(yàn)，F(xiàn)=9.282，P=0.003，差異有統(tǒng)計(jì)學(xué)意義。

3 討論

許多學(xué)者為探討氣象因素和傳染病之間的關(guān)系，采用了不同的統(tǒng)計(jì)方法，包括等級(jí)聚類分析、時(shí)間序列泊松回歸、Spearman等級(jí)相關(guān)分析、多元時(shí)間序列分析方法、互相關(guān)分析、多元線性回歸等［2-6］。其中Spearman等級(jí)相關(guān)分析是較常用的一種［7，8］。目前多元線性回歸分析方法已被廣泛應(yīng)用于因果關(guān)系的研究中。但是本研究顯示氣象參數(shù)間存在嚴(yán)重的多重共線性，極為影響回歸分析的效果。因此多重共線性問題是回歸分析中需注意的一個(gè)重要方面，做多元回歸分析時(shí)有必要進(jìn)行共線性診斷［9］。

多重共線性問題的解決辦法之一是進(jìn)行因子分析或主成分分析。對(duì)本文的氣象參數(shù)做KMO統(tǒng)計(jì)量和Bartlett球型檢驗(yàn)，顯示十分適合做因子分析。結(jié)果顯示，雖然兩個(gè)主因子Z1、Z2和百日咳月發(fā)病率之間建立起了多元回歸方程，且方程有統(tǒng)計(jì)學(xué)意義，但其調(diào)整R2值太低(0.057)，擬合效果較差，提示氣象因素對(duì)百日咳發(fā)病的影響在總的影響因素中占的比例很小。

Spearman相關(guān)分析結(jié)果顯示，邯鄲市1972至2010年百日咳月發(fā)病率與月小型蒸發(fā)量、月平均風(fēng)速、月日照時(shí)數(shù)之間均呈正相關(guān)(P＜0.01)。其中月平均風(fēng)速與百日咳月發(fā)病率的相關(guān)系數(shù)最大，是影響百日咳發(fā)病的主要?dú)庀笠蛩亍那€估計(jì)結(jié)果可以看出，開展百日咳疫苗計(jì)劃免疫之前百日咳月發(fā)病率呈三次模型曲線，之后呈倒數(shù)模型曲線，可見計(jì)劃免疫對(duì)百日咳發(fā)病率的影響非常大。從曲線擬合結(jié)果得出，百日咳與月平均風(fēng)速的曲線擬合結(jié)果較理想，百日咳與月平均風(fēng)速呈二次方程曲線關(guān)系，提示月平均風(fēng)速是影響該病的主要?dú)庀笠蛩?，這和李秀昌等人的研究結(jié)果相同［7］。而曲波等［8］報(bào)道遼寧市朝陽(yáng)地區(qū)的百日咳發(fā)病率和年平均氣壓及平均蒸發(fā)量相關(guān)，本文結(jié)果與其不符，原因有待進(jìn)一步探討。

1 Amy Greer PhD，Victoria Ng BS，David F.Climate change and infectious diseases in North America:the road ahead.CMAJ，2008，178:715-722.

2 Zhang WY，Guo WD，F(xiàn)ang LQ，et al.Climate variability and hemorrhagic fever with renal syndrome transmission in Northeastern China.Environ Health Perspect，2010，118:915-920.

3 Huang F，Zhou SS，Zhang SS.Temporal correlation analysis between malariaand meteorological factors in Motuo County，Tibet.Malaria J，2011，10:54-56.

4 Fang LQ，Wang XJ，Liang S，et al.Spatiotemporal trends and climatic factors of hemorrhagic fever with renal syndrome epidemic in Shandong Province，China.PLoS Negl Trop Dis，2010，4:789-790.

5 Xiao D，Long Y，Wang SQ，et al.Spatiotemporal distribution of malaria and the association between its epidemic and climate factors in Hainan，China.Malaria Journal，2010，9:185-188.

6 Zhou SS，Huang F，Wang JJ，et al.Geographical，meteorological and vectorial factors related to malaria re-emergence in Huang-Huai River of central China.Malaria J，2010，9:337-339.

7 李秀昌，孫健，胡亞男.長(zhǎng)春地區(qū)氣候與傳染病間關(guān)系分析.中國(guó)衛(wèi)生統(tǒng)計(jì)，2010，27:66-69.

8 曲波，關(guān)鵬，周寶森，等.干旱地區(qū)氣象因素對(duì)常見傳染病疫情影響的研究.中國(guó)醫(yī)科大學(xué)學(xué)報(bào)，2004，33:35-39.

9 丁元林，孔丹莉，毛宗福.多重線性回歸分析中的常用共線性診斷方法.數(shù)理醫(yī)藥學(xué)雜志，2004，17:299-300.