2017-2022年北京市西城区流感样病例特征分析.pdf

伤害流行特征分析J.现代预防医学,2018,45(15):2702-2705,2718.16易光辉,徐阳,谭大华,等.2019-2020 学年四川省儿童伤害监测 结 果分 析 J.职 业卫 生 与 病 伤,2021,36(4):241-244.17刘璟,孙丁.成都市 2019 年儿童伤害监测结果分析J.现代临床医学,2021,47(4):247-249.18耳玉亮,陆治名,汪媛,等.中国 2018 年伤害监测系统05 岁儿童伤害病例特征分析 J.中国学校卫生,2020,41(7):971-975.19沈艳辉,李文灏,周双,等.北京市海淀区 6 所中小学校伤害流行现状及其影响因素J.首都公共卫生,2021,15(2):86-89.20曾成力,刘丹丹,李燕菁,等.广东省妇幼保健院 2015-2020 年儿童意外伤害住院患者流行病学特征分析J.中国当代医药,2022,29(25):152-155.21杜文聪,杨婕,施展,等.江苏省儿童伤害病例特征分析J.预防医学,2019,31(8):837-840.22梁大艳,徐浩锋,孟瑞琳,等.广东省 2012 年中小学生医院伤害监测结果分析J.中国学校卫生,2015,36(5):725-728.23江国虹,沈成凤,张颖,等.2006-2014 年天津市动物伤害的流行 趋 势 及 分 布 特 征 J.疾 病 监 测,2016,31(10):875-878.24吴春眉,邓晓,安媛,等.2006-2008 年全国伤害监测儿童病 例 分 布 特 征 分 析 J.中 华 流 行 病 学 杂 志,2010,31(8):885-889.25朱丽萍.江西省儿童伤害流行病学调查分析J.中国预防医学杂志,2007,8(5):521-526.26杨婕,杜文聪,周金意,等.2006-2014 年江苏省哨点医院伤害监测儿童就诊病例特征分析J.南京医科大学学报(自然科学版),2017,37(12):1707-1710.27嘎玛仓决,白国霞,平措卓玛,等.2006-2015 年间西藏自治区伤害监测报告病例分析J.现代预防医学,2016,43(22):4183-4187.28张晓宇,侯斌.2015 年西安市伤害监测流行病学特征分析J.现代预防医学,2017,44(6):983-986.29张娟,葛小伍,党晓红,等.2013 年江苏省青少年非故意伤害危险行为现况J.中国校医,2016,30(6):442-444.(收稿日期:2022-12-29)(本文编辑:车宜平)中图分类号:R511.7文献标识码:A文章编号:1673-7830(2023)03-0180-04【疾病监测】2017-2022 年北京市西城区流感样病例特征分析魏孝侃孟欣初艳慧【摘要】目的分析 2017-2022 年北京市西城区流感样病例特征,为制定流感防控策略提供依据。方法本研究为回顾性研究,研究对象为 2017-2022 年北京市西城区 38 家医疗机构通过北京市医院传染病监测预警系统上报的流感样病例,分析不同季度、不同等级医院流感样病例流行特征,采用时间序列拟合度模型分析流感样病例随时间变化的短期趋势。结果2017-2022 年报告的 51 039 581 例门/急诊病例中监测到 860 926 例流感样病例,流行高峰在 12 月至次年 1 月。2020-2022 年组流感样病例百分比低于 2017-2019 年组,差异有统计学意义(2=17 986.580,P0.001);2017-2019 年组的各季度流感样病例百分比高于 2020-2022 年组;2017-2019 年组的一级医院、三级医院流感样病例百分比高于 2020-2022 年组,二级医院流感样病例百分比低于 2020-2022 年组;通过预测分析 2023 年流感样病例数以及流感样病例百分比,预测值在 2023 年 1-3 月以及 10-12 月出现季节性高峰。结论2020-2022 年新型冠状病毒感染疫情流行期间,流感样病例的流行特征发生显著变化,随着新型冠状病毒感染疫情相关政策的优化与调整,未来依然建议加强流感疫苗的接种,提高疫苗接种率,降低流感样病例的传播风险。【关键词】流感样病例;流行病学特征;时间序列模型;新型冠状病毒感染作者单位:100120,北京市西城区疾病预防控制中心Characteristics of influenza-like cases in Xicheng district of Beijing,2017-2022WEI Xiao-kan,MENG Xin,CHU Yan-hui(Xicheng District Center for Disease Prevention and Control,Beijing 100120,China)【Abstract】ObjectiveTo analyze the characteristics of influenza-like cases in Xicheng district of Beijing from 2017 to 2022 and to provide evidence for formulating strategies of influenza prevention and control.Methods This study was a retrospective study.The data of influenza-like cases was analyzed,which was reported by 38 medical institutions in Xicheng 081首都公共卫生2023 年 6 月第 17 卷第 3 期Capital Journal of Public Health,Jun.2023 Vol.17No.3district,Beijing from 2017 to 2022,through the Beijing Municipal Hospital Infectious Disease Surveillance and Early Warning System.Epidemic characteristics of influenza-like cases among different quarters and different grades of hospital were analyzed,and the short-term trend of influenza-like cases over time was analyzed by using the time series fitting degree model.ResultsFrom 2017 to 2022,a total of 860 926 influenza-like cases were detected out of 51 039 581 reported cases of outpatient/emergency department,with the epidemic peak from December to January of next year.The percentage of influenza-like cases in 2020-2022 group was lower than that in 2017-2019 group(2=17 986.580,P0.001);The percentage of seasonal influenza-like cases in the 2017-2019 group was higher than that in the 2020-2022 group;The percentage of influenza-like cases in primary and tertiary hospitals in the 2017-2019 group was higher than that in the 2020-2022 group,and the percentage of influenza-like cases in secondary hospitals was lower than that in the 2020-2022 group.By forecasting the number of influenza-like cases and the percentage of influenza-like cases in 2023,the predicted seasonal peaks will occur in January-March and October-December 2023.ConclusionsThe epidemic characteristics of influenza-like cases have changed significantly during the pandemic of COVID-19 in 2019-2022.With the optimization and adjustment of policies related to the epidemic of COVID-19,it is still recommended to strengthen the vaccination of influenza vaccine,improve the vaccination rate and reduce the transmission risk of influenza-like cases.【Key words】Influenza-like cases;Epidemiological characteristics;Time series model;COVID-19 infection流行性感冒(以下简称流感)主要通过接触以及飞沫传播的方式进行传染,在既往的研究中已经证实1,全人群对流感均易感。北京市自 2007 年通过北京市医院传染病监测预警系统开展流感样病例监测2。北京市西城区地处首都核心区,辖区内医疗资源较为丰富,且医疗单位等级、所有制性质、医疗专业特长均较为完整,通过对北京西城区流感样病例流行特征进行分析,对全市流感样病例流行特征、预测预警具有积极意义3。2020 年以来,新型冠状病毒在北京市不断导致聚集性疫情,且 2022 年底造成大流行,由于人群行为习惯的改变以及疫情防控策略的实施,流感样病例流行特征呈现显著变化。本研究通过对北京市西城区 2017-2022 年流感样病例流行特征进行分析,以期对流感等呼吸道传染病防控提供科学依据。1资料与方法1.1一般资料本研究为回顾性研究,研究对象为2017-2022 年北京市西城区各级医疗机构通过北京市医院传染病监测预警系统报告的 51 039 581 例门/急诊病例中监测到的 860 926 例流感样病例,数据来源于辖区内 38 家医疗机构,包括 3 家国家级流感监测哨点医院及 35 家市级监测医院。按照医院等级分析,包括 16 家一级医院、9 家二级医院和 13 家三级医院;按照医疗机构专科分布分析,包括综合性医院36 个和儿童专科医院 2 个。1.2监测内容流感样病例的监测范围主要包括内科门诊、内科急诊、发热门诊、儿科急诊、儿科门诊,每日对以上门诊的数据进行报送。流感样病例定义:发热(腋 下 体 温 38.0 )伴 有 咽 痛 或 者 咳 嗽 之一者4。1.3观察指标分别对 2017-2019 年组以及 2020-2022 年组的流感样病例百分比流行特征、各季度流感样病例百分比、不同等级医院流感样病例百分比进行比较。采用时间序列模型进行拟合分析,分析流感样病例随时间变化的短期趋势。1.4统计学方法文中数据均采用 SPSS 23.0 软件进行汇总分析。计数资料以例数(n)和百分比(%)表示,采用2检验进行分析,时间序列模型采用指数ARIMA 模型进行预测分析,P0.05 为差异有统计学意义。2结果2.1 2017-2022 年流感样病例流行特征分析通过对 2017-2022 年门/急诊病例数以及流感样病例流行特征进行分析,流感样病例的流行高峰在 12 月至次年 1 月(图 1)。2020-2022 年组流感样病例百分比(1.03%,220 875/21 468 230)低于 2017-2019 年组(1.46%,430 463/29 571 351),差异有 统计学意义(2=17 986.580,P0.001)。图 12017-2022 年北京市西城区流感样病例流行特征分析2.2不同季度流感样病例流行特征分析 2017-181首都公共卫生2023 年 6 月第 17 卷第 3 期Capital Journal of Public Health,Jun.2023 Vol.17No.32019 年 组 的 各 季 度 流 感 样 病 例 百 分 比 显 著 高 于2020-2022 年组(P0.001,表 1)。表 12017-2022 年北京市西城区不同季度流感样病例流行特征分析季度门/急诊病例数流感样病例数流感样病例百分比(%)2P第一季度11 300.9010.001 2017-2019 年组7 088 385140 1181.98 2020-2022 年组4 688 11954 8181.17第二季度5 992.7010.001 2017-2019 年组7 066 92183 7261.18 2020-2022 年组4 903 59635 9040.73第三季度554.4600.001 2017-2019 年组7 062 58276 5751.08 2020-2022 年组5 583 66153 0410.95第四季度1 948.7100.001 2017-2019 年组8 173 026122 4711.50 2020-2022 年组6 292 85477 1121.232.3不同等级医院流感样病例流行特征分析2017-2019 年组的一级医院、三级医院流感样病例百分比显著高于 2020-2022 年组,二级医院流感样病例百分比显著低于 2020-2022 年组(P 均0.001,表 2)。表 22017-2022 年北京市西城区不同等级医院流感样病例流行特征分析医院等级门/急诊病例数流感样病例数流感样病例百分比(%)2P一级1 525.2110.001 2017-2019 年组7 135 9913 8520.05 2020-2022 年组6 487 7679280.01二级245.7120.001 2017-2019 年组7 132 1398 1710.25 2020-2022 年组6 486 8396 1990.32三级12 178.7910.001 2017-2019 年组 19 126 241418 4402.19 2020-2022 年组 13 050 354213 7481.642.4时间序列模型拟合度分析本研究中首先采取对 2017 年 1 月-2022 年 12 月的数据进行季节性差分,选择以年为周期,差分 1 次,通过对该数据的序列分析,消除周期性,在 ARIMA 序列中的平稳性较好。随后 采 用 遍 历 法,采 取 最 小 信 息 准 则 确 立 模 型 为ARIMA(0,1,2),本研究中的 AIC 为 17.276。同时对模型 的 残 差 进 行 分 析,通 过 Box-Ljung 检 验,P=0.220,认为残差为白噪声,模型成立(图 2 和 3)。通过预测分析 2023 年流感样病例数以及流感样病例百分比,预测值在 2023 年 1-3 月以及 10-12 月出现季节性高峰(表 3)。3讨论在 2020 年新型冠状病毒感染疫情(以下简称新图 2北京市西城区流感样病例数时间序列模型分析图 3北京市西城区流感样病例百分比时间序列模型分析表 32023 年 1-12 月北京市西城区流感样病例数及流感样病例百分比预测值时间(年-月)流感样病例数流感样病例百分比(%)2023-013 3232.032023-024 1320.912023-033 3720.752023-042 6830.712023-051 5450.782023-063 3630.572023-076 3730.782023-087 3051.112023-096 3041.172023-106 2881.212023-1114 4141.202023-122 6832.03冠疫情)防控期间,北京市西城区对各级各类医疗机构的预检分诊工作进行规范化要求,积极有序引导发热病人前往具有发热门诊资质的医疗单位就诊,同时通过多种有效措施对各类药店、不具资质门诊的接诊工作 进 行 督 导,严 格 执 行 发 热 病 人 的 规 范 诊 疗 规定5。随着一系列流感样病例患者接诊服务的优化,北京市医院传染病检测预警系统对流感样病例的筛查更加具有倾向性以及准确性。3.1通 过 分 析 显 示,相 比 2017-2019 年,2020-2022 年北京市西城区的流感样病例百分比呈现显著的下降趋势。吕慧等6对北京市儿童医院的内分泌科门诊情况的分析中,受新冠疫情的影响,其门诊量呈现显著的下降趋势。同时在疫情防控的不同阶段,进京政策的不断调整,也是造成外地患者门诊量降低281首都公共卫生2023 年 6 月第 17 卷第 3 期Capital Journal of Public Health,Jun.2023 Vol.17No.3的重要原因。姜彩肖等7在河北省公共卫生干预下的季节性流感特征分析中认为,在应急响应期间,河北省的流感样病例百分比特征由双峰型改变为单峰型,其流感病毒阳性率以及流感病例报告数量均呈现明显下降趋势,与本研究结果一致。3.2从北京市西城区不同等级医疗机构、不同季度的 2017-2019 年组以及 2020-2022 年组的流感样病例百分比进行分析,2020-2022 年组的流感样病例百分比呈现明显的下降趋势,但是值得关注的是,在二级医院的流感样病例百分比的分析中,其流感样病例百分比得到显著的回升。提示在北京市通过对多种政策的相关调控,充分发挥二级医院的区域医疗能力,对于保证新冠疫情的相关政策的落实以及流感样病例的快速、规范处置均具有重要意义。提示在未来对疫情的处置过程中,建议充分调动二级医疗机构的积极性,有效控制流感样病例的传播。3.3在时间序列模型的研究中,2017-2019 年的时间序列拟合程度较好,在 2020-2022 年期间,由于新冠疫情的影响,其流感样病例数以及门/急诊病例数在短期内发生波动,以 2021 年 6-7 月以及 2022 年 4-6 月的波动较为明显。分析认为,2021 年 6-7 月北京市暴发新发地相关疫情,由于受到相关政策调整,门急诊总量以及流感样病例的数量显著下降,同时市民的就医需求也呈现下降趋势。而在 2022 年 4-6 月期间受到北京市装修队、老年旅游团以及天堂酒吧等相关疫情的波及,西城区医疗机构门/急诊、发热门诊规范化管控措施再次升级,人员的流动性下降,也是造成时间序列模型中实际数值与拟合数值波动的重要原因,也有研究认为,在新冠疫情的流行期间,可能存在的病毒感染干扰现象也是造成流感样病例下降的重要原因9。另外时间序 列模型显示,2023 年 1-3 月以及 10-12 月呈现流感样病例流行趋势,提示在2023 年 10 月前加强各医疗机构流感样病例接诊、物资准备、健康教育等相关工作,尤其针对托幼、学校、企事业等集体单位,建议做好流感预防相关专业知识的健康宣教,提升预防呼吸道传染病的知晓率,加强流感疫苗的接种工作,提高人群的群体免疫水平。从总体的情况分析,该种时间序列模型能够很好地对流感样病例的流行情况进行预测,对指导相关门/急诊合理配置医疗资源具有重要预测意义。流感样病例的波动水平在新冠疫情流行期间呈现下降趋势。但是,在新型冠状病毒感染“乙类乙管”后以及人群免疫屏障完善的前提下,流感样病例的比例可能还会呈现显著的上升趋势以及季节波动。综上所述,2020-2022 年新型冠状病毒感染疫情流行期间,流感样病例的流行特征发生显著变化,随着疫情相关政策的优化与调整,未来依然建议加强流感疫苗的接种,提高疫苗接种率,降低流感样病例的传播风险。参考文献 1 马春娜,吴双胜,张莉,等.北京市 2015-2020 年流感流行季流感样病例和流感病原学分析J.中华实验和临床病毒学杂志,2021,35(1):44-48.2 高波,张开达,庞晶晶,等.北京市西城区 2015 年-2018年流感样病例监测结果分析J.中国卫生检验杂志,2020,30(11):1384-1387.3 王海滨,雷娜,赵剑虹,等.2017 年北京市朝阳区流感样病例病原谱及流行特征J.中国卫生检验杂志,2020,30(23):2913-2917.4 王宇,张莉,吴双胜,等.移动流行区间法在北京市流感流行阈值估计及强度分级中的应用J.中华流行病学杂志,2020,41(2):201-206.5 PELLEGRINELLI L,GALLI C,BUBBA L,et al.Respiratory syncytial virus in influenza-like illness cases:Epidemiology and molecular analyses of four consecutive winter seasons(2014-2015/2017-2018)in Lombardy(Northern Italy)J.J MED VIROL,2020,92(12):2999-3006.6 吕慧,初平,于蕾,等.应用中断时间序列分析评价新型冠状病毒肺炎疫情对北京儿童医院内分泌科门诊量的影响J.医学研究杂志,2022,51(10):79-83,12.7 姜彩肖,韩光跃,李岩,等.新冠肺炎流行期间公共卫生干预对季节性流感活动的影响J.中国国境卫生检疫杂志,2021,44(6):404-408,428.8 RYAN J W,FRED PMJJ,ISA K,et al.FluNet:An AI-Enabled Influenza-Like Warning SystemJ.IEEE Sens J,2021,21(21):24740-24748.9 NISAR N,AAMIR UB,BADAR N,et al.Epidemiology of Influenza among patients with influenza-like illness and severe acute respiratory illness in Pakistan:A 10-year surveillance study 2008-17J.J MED VIROL,2020,92(12):3028-3037.(收稿日期:2023-01-29)(本文编辑:车宜平)381首都公共卫生2023 年 6 月第 17 卷第 3 期Capital Journal of Public Health,Jun.2023 Vol.17No.3