首页 > 论文范文 > 医药卫生论文 > 公共卫生论文 > 防疫论文 > 2020—2023年四川省猩红热流行病学特征及空间聚集性分析

2020—2023年四川省猩红热流行病学特征及空间聚集性分析

2025-04-25 60 上传者：管理员

摘要：目的分析2020—2023年四川省猩红热的流行病学特征及空间聚集性,以期为制订有效的防控策略和措施提供参考依据。方法从“中国疾病预防控制信息系统传染病报告信息管理系统”获取2020年1月—2023年12月四川省猩红热病例信息;同时,从《四川省统计年鉴》获取2020—2023年四川省人口学数据。采用SPSS 23.0统计学软件对猩红热病例的流行特征进行描述性分析,并通过Python 3.12.4进行空间自相关和热点分析。结果 2020—2023年四川省累计报告猩红热病例5 570例,年均报告1 393例,年均发病率1.66/10万。发病率2021年>2022年>2023年>2020年。4—6月及11月—次年1月为发病高峰,2月为发病低谷。男性发病率(1.80/10万)高于女性发病率(1.26/10万),发病主要集中在0～10岁,以儿童和学生群体为主要发病者,占比99.10%。全局空间自相关分析显示,2021年四川省猩红热病例分布呈空间正相关(P<0.05);局部空间自相关分析显示,2020—2023年四川省猩红热发病呈“高-高”聚集和“低-高”聚集模式;热点分析显示,2020—2023年宜宾市均是猩红热病例热点区域(P<0.05),2022年和2023年成都市为新出现热点区域(P<0.05)。结论 2020年四川省猩红热发病率最低,2020—2023年四川省猩红热发病高峰主要集中在4—6月及11月—次年1月,而2月为全年发病低谷。该病好发于儿童和学生群体,并表现出一定空间聚集性,且聚集区域有逐年扩大趋势。

关键词：
全局空间自相关
发病率
局部空间自相关
流行趋势
热点分析
猩红热
加入收藏

猩红热是一种由A组β型溶血性链球菌引起的急性呼吸道传染病[1]。其发病机制是链球菌产生的热原性外毒素刺激大量T淋巴细胞分泌细胞因子，从而导致机体出现发热和咽喉疼痛等症状。此外，少部分猩红热患者还可能发生咽后脓肿、鼻窦炎、中耳炎、菌血症、心内膜炎、脑膜炎、急性风湿热和肾小球肾炎等并发症[2]。在19世纪和20世纪早期，猩红热被认为是一种致命疾病，在欧洲和北美的城市中均曾出现高病死率的猩红热流行；随着抗菌药物的广泛应用，全球猩红热的发病率和病死率均大幅下降[3]。我国猩红热发病率在20世纪50～80年代较高，80～90年代降至相对较低且稳定水平。然而，自2011年开始，该病发病率又显著上升，进入21世纪后亚洲地区发生了多起大规模猩红热流行[4]。2022年底，世界卫生组织报道，猩红热在许多国家发病率有所上升，且主要影响10岁以下儿童，死亡人数高于预期，已引起国际社会广泛关注[5-6]。四川省的猩红热发病率长期位居甲、乙类法定传染病前10位。本研究分析2020—2023年四川省猩红热的流行病学特征及其空间聚集性，以期为制订有效的防控策略和措施提供参考依据。

1、资料与方法

1.1 资料来源

从“中国疾病预防控制信息系统传染病报告信息管理系统”获取2020年1月—2023年12月四川省猩红热病例信息；同时，从《四川省统计年鉴》获取2020—2023年四川省人口学数据。本研究纳入的病例类型包括临床诊断病例、实验室诊断病例和疑似病例，病例的诊断和分类标准参考《猩红热诊断标准：WS282—2008》。

1.2 方法

1.2.1 全局空间自相关分析

通过全局Moran'sI分析全局空间自相关。全局Moran'sI＞0且越接近1表示发病聚集性越高；全局Moran'sI＜0且越接近−1，表示发病越分散；全局Moran'sI越接近0，则表明可能是随机分布。全局Moran'sI计算公式：全局，其中N为样本数量，χi和χj为观测值，x为均值，wij为空间权重矩阵的元素。

1.2.2 局部空间自相关分析

通过计算每个区域的Moran'sI分析特定区域的空间聚集模式。局部空间自相关分析能够识别“高-高聚集”“低-低聚集”“高-低聚集”和“低-高聚集”4种典型的空间聚集模式，其中“高-高聚集”模式指的是某市(州)及其相邻市(州)猩红热发病率在全省内均处于较高水平，反映这些地区在发病率上具有共同的空间聚集特征；“低-低聚集”模式表示发病率较低的市(州)集中在一起，形成了一个相对低发病率的聚集区；“高-低聚集”模式表明某一发病率较高的市(州)邻近的是发病率较低的市(州)；“低-高聚集”模式指发病率较低的市(州)邻近的是发病率较高的市(州)。局部Moran'sI的计算公式：局部，其中N为样本数量，zi和zj为标准化后的观测值，wij为空间权重矩阵的元素。

1.2.3 热点分析

热点分析用于判断某市(州)及其周边区域是否存在统计学意义上的病例高发(热点)或低发(冷点)。通过计算Getis-OrdGi*以识别显著高发区域。Getis-OrdGi*计算公式：，其中N为样本数量，χj为观测值，x为样本均值，S为样本标准差，wij为空间权重矩阵的元素。

1.3 统计学方法

采用SPSS23.0统计学软件对四川省猩红热病例的流行特征进行描述性分析，计数资料采用频数和百分比或百分率(%)等表示，全局和局部Moran'sI通过Python3.12.4的Esda包计算，Getis-OrdGi*采用Python3.12.4的Libpysal包计算。P＜0.05表示差异有统计学意义。

2、结果

2.1 2020—2023年四川省猩红热病例基本情况

2020—2023年四川省累计报告猩红热病例5570例，其中临床诊断病例4633例，占比83.18%；实验室诊断病例164例，占比2.94%；疑似病例773例，占比13.88%，无死亡病例。

2.2 2020—2023年四川省猩红热病例流行特征

2.2.1 2020—2023年四川省猩红热病例时间分布

2020—2023年，四川省猩红热年均报告1393例，年均发病率1.66/10万。2020年猩红热发病率最低，为0.94/10万；2021年猩红热发病率最高，为2.34/10万。四川省猩红热发病率2021年＞2022年＞2023年＞2020年，见图1。2020—2023年，四川省各市(州)每月均有猩红热病例报告。猩红热在4—6月及11月—次年1月为发病高峰，2月为发病低谷，见图2。

图12020—2023年四川省5570例猩红热病例不同年份分布

图22020—2023年四川省5570例猩红热病例不同月份分布

2.2.2 2020—2023年四川省猩红热病例人群分布

2020—2023年四川省累计报告猩红热病例5570例，其中男3341例，女2229例，男女病例比约为1.50∶1.00，男性猩红热发病率(1.80/10万)高于女性(1.26/10万)；发病年龄0～67岁，主要集中在0～10岁(5453例，占比97.90%)；散居儿童(727例，占比13.05%)，幼托儿童(2532例，占比45.46%)，学生(2261例，占比40.59%)和其他(50例，占比0.90%)，见表1。

2.2.3 2020—2023年四川省猩红热病例地区分布

2020—2023年四川省各市(州)均报告了猩红热病例，其中病例数排前3位的地区分别为成都市(1604例，占比28.80%)、凉山彝族自治州(716例，占比12.85%)及绵阳市(522例，占比9.37%)，雅安市病例数最少(6例，占比0.11%)；年均发病率居前3位的地区分别为乐山市(4.13/10万)、凉山彝族自治州(3.67/10万)和自贡市(3.57/10万)，年均发病率最低的地区为雅安市(0.10/10万)，见表2。

2.3 2020—2023年四川省猩红热病例空间聚集性

2.3.1 2020—2023年四川省猩红热病例全局空间自相关分析

2020—2023年四川省猩红热病例各年份全局Moran'sI均＞0，分别为0.042(2020年)、0.352(2021年)、0.178(2022年)、0.059(2023年)。2021年四川省猩红热病例分布呈空间正相关(P＜0.05)。2020、2022和2023年四川省猩红热病例呈随机分布(P＞0.05)，见表3。

2.3.2 2020—2023年四川省猩红热病例局部空间自相关分析

2020—2023年四川省猩红热病例呈“高-高聚集”和“低-高聚集”模式。2020—2023年分别有6、6、5、5个“高-高”聚集区，且基本集中在川南地区。2020年分布在广元市、自贡市、宜宾市、乐山市、凉山彝族自治州和攀枝花市；2021年分布在泸州市、凉山彝族自治州、自贡市、乐山市、宜宾市和攀枝花市；2022年和2023年则分布在泸州市、凉山彝族自治州、自贡市、乐山市和宜宾市。2020—2023年分别有5、3、4、6个“低-高”聚集区，2020年分布在甘孜藏族自治州、雅安市、眉山市、德阳市和遂宁市；2021年分布在甘孜藏族自治州、雅安市和德阳市；2022年分布在雅安市、眉山市、内江市与攀枝花市；2023年分布在甘孜藏族自治州、雅安市、眉山市、内江市、德阳市以及攀枝花市，见表4。

2.3.3 2020—2023年四川省猩红热病例热点分析

2020—2023年，宜宾市均是猩红热病例热点市(P＜0.05)；2022年和2023年四川省猩红热病例热点市新增成都市(P＜0.05)；未见2020—2023年四川省猩红热病例冷点市(州)，见表5。

表12020—2023年四川省5570例猩红热病例人群分布

表22020—2023年四川省5570例猩红热病例地区分布

表32020—2023年四川省猩红热病例全局空间自相关分析

表42020—2023年四川省猩红热病例局部空间自相关分析

表52020—2023年四川省猩红热病例热点分析结果

3、讨论

猩红热是一种常见的急性呼吸道传染病，其危害公众健康并造成巨大经济负担[7]。本研究对2020—2023年四川省猩红热病例进行分析，探讨其流行病学及空间分布特征，以期为四川省防治猩红热和促进居民健康提供科学的依据和措施。

本调查时间分布结果显示，2020年四川省猩红热发病率最低，推测是由于2020年新型冠状病毒感染爆发，各地区采取加强公共场所消毒、推广佩戴口罩、勤洗手、适当通风、减少聚集等严格防护措施，从而降低易通过呼吸道传播的猩红热发病率[8-9]。本研究结果显示，2020—2023年四川省猩红热在4—6月及11月—次年1月为发病高峰，同时发病的病例中儿童和学生的占比为99.10%。考虑4—6月及11月—次年1月季节交替，气温变化大，导致儿童和学生免疫力降低，同时该时段为儿童和学生上学期间，聚集的室内活动较多，空气流通不畅易导致病原体传播[1,10]。而2月为发病低谷，考虑是由于2月随着学校假期到来，集体环境减少，同时随着气温回升和人体适应水平增强，机体免疫力可能有所增强，从而降低发病率。

本调查人群分布分析结果发现，男性猩红热发病率高于女性，这与其他研究结果[11-12]一致，可能与男性相对好动，增加了接触病原体的风险有关。同时，本研究发现0～10岁儿童发病率较高，与肖崇堃等[13]的研究结果相符，考虑为儿童的免疫系统尚未成熟，因此对该病病原体的抵抗能力较弱；同时在幼儿园、学校等集体环境中活动，容易造成猩红热的传播[14-15]。此外，儿童和学生个人卫生意识缺乏，可能会增加感染猩红热的风险。因此，学校的防控措施对于预防猩红热尤为重要，应注意增强儿童和学生个人卫生意识，加强锻炼以增强儿童和学生体质，并增加学校消毒频次。

本调查显示，2020—2023年四川省猩红热病例存在明显的“高-高”聚集区，主要集中在自贡市、凉山彝族自治州、宜宾市、乐山市、泸州市等川南地区，以上地区有大江大河过境，考虑地区降水量和蒸发量等可能会对猩红热发病造成影响[16-17]；另外，日照时长、PM2.5、PM10、二氧化硫、二氧化氮、一氧化碳、臭氧、平均气温等也可能造成发病率的差异，同时以上地区为四川省与云南或贵州交界处，易受其猩红热发病情况影响[18]。本调查热点分析结果显示，2020—2023年四川省宜宾市持续被识别为猩红热病例的热点区域，可能与宜宾市地处川滇黔结合部，为著名旅游城市，人口流动性较大有关[19]。2022年和2023年，成都市为新出现的热点区域，表明猩红热病例的空间分布有一定扩散趋势，特别是在成都市的病例显著增加。

综上所述，2020年四川省猩红热发病率最低，2020—2023年四川省猩红热发病高峰主要集中在4—6月及11月—次年1月，而2月为全年发病低谷。该病好发于儿童和学生群体，并表现出一定空间聚集性，且聚集区域有逐年扩大趋势。因此，今后仍需重点关注高聚集性地区和高风险人群。在高发季节，应针对高发地区和高风险人群加强猩红热相关知识的宣传教育，以减少流行。本调查采用的人口数据来自《四川省统计年鉴》，未考虑流动人口因素，可能与实际暴露人口数存在一定偏差。此外，本调查未考虑各市(州)的就诊意识与上报水平差异，可能导致结果出现一定程度的偏倚。未来研究应针对已发现的高风险地区和人群，开展更加深入的流行病学调查和防控措施研究，以进一步降低猩红热的发病率和传播风险。

参考文献:

[3]袁璐,张元元,房明,等.2014—2018年中国猩红热时空聚集性分析[J].现代预防医学,2022,49(22):4033-4038.

[12]王蕾,王文娟,韩红,等.2010—2020年太原市猩红热流行病学特征分析[J].中国公共卫生管理,2023,39(2):265-267.

[13]肖崇堃,武依,周丽君,等.2016—2020年四川省猩红热流行病学特征分析[J].预防医学情报杂志,2023,39(3):253-258,264.

[16]苗雨露,曲凯,申雨欣,等.中国1950—2022年猩红热流行时间变化趋势[J].中国预防医学杂志,2024,25(4):491-497.

[17]崔瑾钰,张业武,苏雪梅.2010—2019年中国猩红热发病时空扫描分析[J].疾病监测,2023,38(3):287-293.

[18]林燕,马会来,卢冉,等.2010—2022年云南省猩红热流行病学特征分析[J].现代预防医学,2024,51(15):2857-2861.

[19]尹莉,刘少平.2004—2007年宜宾市猩红热流行病学特征分析[J].预防医学情报杂志,2009,25(5):461-462.

文章来源:张文莉,张玲琳,杨菲,等.2020—2023年四川省猩红热流行病学特征及空间聚集性分析[J].医药前沿,2025,15(10):1-6.