2013-2016年广州市气象因素、空气污染与猩红热发病相关性研究

陆剑云 刘艳慧 李美霞 马钰 陈宗遒 汪慧 王大虎 李铁钢

猩红热是由A组β(乙)型溶血性链球菌引起的急性呼吸道传染病，主要经空气、飞沫、粉尘等由呼吸道直接传播，全年均可发病。近年来，广州地区猩红热发病呈上升趋势，但关于气象因素与空气污染对广州猩红热发病影响的研究较欠缺，现将广州市2013-2016年猩红热的发病与气象因素和空气污染中常用的PM2.5拟合负二项回归模型，从而探讨其相关性。

1 材料与方法

1.1数据来源 2013-2016年广州市猩红热发病资料来源于中国疾病预防控制信息系统中的传染病报告信息管理系统。气候数据来源于广州市气象局，收集每日平均气温、累积降雨量、平均气压、平均风速和相对湿度等变量信息。PM2.5数据来源于广州市环保局。

1.2滞后期定义与交叉相关分析 气象因素与空气污染因素对疾病的发生往往存在一个滞后效应，猩红热的潜伏期为2～5 d，本研究将研究气象(平均气温、累计降雨量、平均气压、平均风速和平均相对湿度)与空气污染(PM2.5)对猩红热发病的滞后0～7 d的情况进行交叉相关分析，通过相关系数大小来确定各因素的滞后期，通常取相关交叉系数最大者所对应的滞后时间作为合理的滞后期。同时通过两变量相关分析掌握各因素间的相关性，以便选择因素纳入模型。

1.3负二项回归模型 拟合计数资料的广义线性模型，主要是探讨事件发生强度λ与自变量线性组合之间的关系。事件数的多少除了取决于总体参数的大小外，还取决于暴露单位、暴露事件的多少。对于这种资料，可通过负二项回归模型来考察其性质。用负二项回归模型对事件发生强度λ 建模(假设影响λ的因素为X1，X2…Xm，连接函数为对数)：

Log(λ)=β0+β1X1+β2X2+… +βmXm

通过交叉相关分析选出相应滞后期的气象与空气污染因素纳入方程，同时考虑到猩红热属于传染性疾病，本研究还控制了年份，周末效应(周六、日为1，工作日为0)以及长假效应(>3 d的长假为1，非假期为0，长假包括了寒暑假)。最后通过相关系数与P值大小来判断各因素与猩红热发病的关系。

1.4统计学方法 利用Excel对发病数据、气象数据及空气污染的PM2.5数据进行收集整理，用SPSS 19.0对数据进行广义线性模型分析的负二项回归分析。以P<0.05为差异有统计学意义。

2 结果

2.1广州市猩红热发病及气象因素和PM2.5分布特征

2.1.1时间分布： 2013-2016年广州市共报告猩红热病例1 427例，发病主要集中于3-6月(占40.93%)，11月-次年1月(占36.72%)，其中报告病例数较多的月份是1、 4和12月，而8-9月报告病例数较少(表1)。

表1 2013-2016年广州市猩红热报告病例数分布

2.1.2性别、地区、年龄、职业分布： 男女性别比为1∶1.75(909∶518)。地区分布以白云区报告最多，为551例(占38.61%)，其次是天河区的200例(占14.02%)，南沙区最少(12例，占0.84%)。在年龄分布上，3～7岁为主要发病年龄，占78.42%(1 119/1 427)，其中5岁年龄段发病数最多，为318例(占22.28%)。职业分布为儿童和学生共1 423例(占99.72%)，其中，散居儿童593例(占41.56%)，托幼儿童494例(占34.62%)，学生336例(占23.55%)。

2.1.3气象因素和PM2.5分布： 2013-2016年广州市气温、风速、相对湿度、降雨量及PM2.5的每日分布、均值、标准差及百分位数分布(表2)。

表2 2013-2016年广州市气象因素与PM2.5分布

2.2气象因素、PM2.5与猩红热发病交叉自相关分析 2013-2016年气温、气压与广州市滞后7天的猩红热发病的相关性最大，分别为-0.238和0.119，差异均有统计学意义(P<0.05)，风速、降雨与滞后6天的猩红热发病相关性最大，分别为0.130和-0.073，差异均有统计学意义(P<0.05)。PM2.5则与滞后5天的猩红热发病呈正相关，相关系数为0.06(P<0.05)。相对湿度与猩红热发病各个滞后天数均无统计学意义。此外，通过两因素相关分析温度与气压成负相关，相关系数为-0.826(P<0.05)。因此，把相应滞后维度的温度、风速、降雨和PM2.5纳入负二项回归方程(表3)。

2.3负二项回归模型分析结果 在控制年份、周末效应、节假日效应因素下，猩红热发病数与发病前7天的温度呈负相关，相关系数为-0.05(P<0.01)，猩红热发病数与发病前6天的降雨呈正相关，相关系数为0.005(P<0.05)，而猩红热发病与风速及PM2.5的相关系数无统计学意义(P>0.05)。而周末效应和长假效应则与猩红热发病呈正相关， 相关系数分别是0.808和0.446(P<0.01, 表4)。

3 讨论

3.1研究显示，2013-2016年广州市猩红热发病每年存在两个发病高峰，这与广东省的发病情况一致[1]。0～14岁组别占发病总数的99.72%,而主要集中在3～7岁，其中5岁组病例数最多，这与北京、上海和苏州等研究一致[2-6]，其原因主要是该年龄段儿童免疫系统发育不完善，对病原体抵抗力低所引起，而托幼机构环境相对密闭、人员集中的特点又增加了儿童感染风险。但不同点是广州市病例以散居儿童占比居多，北京和上海则是托幼儿童为主，苏州的病例则以7～14岁学生为主[2-5，7]。各地气候、经济水平、校园卫生条件及通风情况、猩红热监测实施状况等综合因素可能是造成差异的原因。广州男性发病高于女性，与其他城市情况一致[2-9]，原因可能与男生比女生好动，且卫生习惯相对较差有关。

表3 2013-2016年广州市猩红热发病与气象因素和PM2.5的交叉相关分析

注：**表示在 0.01 水平(双侧)上显著相关；*表示在0.05 水平(双侧)上显著相关。

表4 负二项回归模型参数一览表

注：已控制年份效应。

3.2国内学者用曾多远逐步回归和负二项回归研究气象因素与猩红热发病的关系[10，11]，但未考虑气象因素对发病的滞后效应、周末效应以及节假日效应，本研究综合考虑上述因素，以及空气污染中PM2.5的影响,研究发现猩红热发病数与发病前7天的温度呈负相关。此前黎新宇等[10]、王炳翔等[11]的研究也显示发病与温度存在负相关，这也符合12月-次年1月广州市气温寒冷的月份发病数较多，而在7-9月气温炎热的月份发病数较少的实际情况。而DUAN等[12]也发现月平均气温与北京和香港的猩红热发病呈现负相关，吴昊澄等[13]用广义可加模型对浙江数据研究发现，当地猩红热发病与气温是呈非线性关系，在10～25 ℃之间是猩红热传播的最适应温度。各地造成差异的原因可能是气候差异及研究模型差异所致。本研究还发现，猩红热发病数与发病前6天的降雨呈正相关，但相关系数较少，这与浙江开展的研究结果一致[13]，而周末效应与假期效应均与猩红热发病呈显著正相关，工作日(上幼儿园或上课时间)更容易引起发病，该结果符合传染病传播特点。在单因素研究中发现，风速与滞后6天的猩红热发病存在正相关，PM2.5与滞后5天的猩红热发病呈正相关，而相对湿度与发病未发现差异有统计学意义，但通过负二项回归模型进行多因素拟合后发现风速与PM2.5对猩红热发病均差异无统计学意义，这与其他研究结果有所不同，RUMANA等[14]发现PM2.5与呼吸道传染病呈正相关，其研究以成年人为主，而本研究以儿童和学生为主，同时也与不同地域城市PM2.5水平差异有关。吴昊澄等[13]发现风速对发病存在轻微的正相关，阮朝良等[15]认为风速是影响猩红热发病的主要因素且呈正相关，而王炳翔等[11]发现猩红热发病与气压、相对湿度及温度呈负相关，这可能是不同地域气象因素差异所致。因此，不同地区、城市需要结合当地的气象和空气污染特点开展针对性研究。本研究也存在一些不足，如未考虑经济、医疗诊断水平差异等因素影响，这将在今后的研究中不断完善。

综上所述，本研究阐述了2013-2016年广州市猩红热流行分布特征，分析了广州市气象因素中气温、降雨对猩红热发病的影响关系，为今后猩红热预警及防控提供参考依据。