邯鄲市傷寒發病的氣象流行病學特征分析

鄧 健，果麗平，李燕霞

（河北省邯鄲市疾病預防控制中心辦公室，河北 邯鄲 056008）

邯鄲市傷寒發病的氣象流行病學特征分析

鄧 健，果麗平*，李燕霞

（河北省邯鄲市疾病預防控制中心辦公室，河北 邯鄲 056008）

目的 查找適用于研究傷寒發病率和氣象因素之間關系的科學方法，探討邯鄲市傷寒的氣象流行病學特征。方法 收集1991—2010年邯鄲市傷寒疫情資料、氣象資料和人口資料，對數據進行統計分析。結果 ①氣象參數的共線性診斷結果顯示，本組氣象因子數據容差最小為 0.014，方差膨脹因子最大達 73.264。②采用Spearman相關分析結果顯示，傷寒月發病率與月平均氣溫、月極端最低氣溫、月極端最高氣溫、月小型蒸發量、月總降雨量、月日照時數、月平均相對濕度呈正相關，與月平均氣壓呈負相關（P＜0.05或＜0.01）。其中月平均氣溫與傷寒月發病率之間的相關系數最大（rs＝0.592）。③氣象參數的KMO和Bartlett球形檢驗結果顯示，氣象參數非常適合做因子分析。結論 邯鄲市10個氣象參數之間存在嚴重的多重共線性。月平均氣溫是影響傷寒發病的主要氣象因素。非自然水因因子是影響傷寒發病的主因子。

傷寒；氣象學，醫學；流行病學；因子分析

隨著科技的發展和人民生活水平的提高，人類對氣象因素產生的影響日益增大，氣象與傳染病的關系越來越引起了人們的關注。由此引起的天氣模式變化和對人們健康方面造成的負面影響，可能在全球均非常嚴重。本研究運用氣象流行病學原理和方法對1991—2010年氣象因素與傷寒發病率關系進行研究，查找科學的統計學方法，探討傷寒發病的氣象流行病學特征，旨在為預防和控制傷寒的發生或流行提供科學依據。

1 資料與方法

1.1 一般資料：①人口資料，1991—2010年邯鄲市人口資料，由邯鄲市統計局提供。以本地常住人口的病例納入統計；②疫情資料，1991—2010年邯鄲市傷寒病例按月報告發病數和發病率資料，由邯鄲市疾病預防控制中心疫情信息科提供；③氣象資料，1991—2010年邯鄲市氣象資料，包括月平均氣溫、月平均氣壓、月平均相對濕度、月平均風速、月日照時數、月總降雨量、月極端最高氣溫、月極端最低氣溫、月小型蒸發量、月平均總云量等10個氣象因素，由邯鄲市氣象局提供。

1.2 方法：將疫情數據、氣象資料和人口資料數據采用EpiData進行“雙重錄入”，再由SPSS導入，建立數據庫。

1.3 統計學方法：應用SPSS17.0統計分析軟件進行數據處理。采用Kolmogorov-Smirnov單樣本檢驗以檢驗傷寒月發病率的總體分布情況；采用Spearman等級相關做相關分析，通過 KMO和Bartlett球形檢驗后進一步做因子分析、主成分多元回歸分析。P＜0.05為差異有統計學意義。

2 結 果

2.1 氣象參數：對月平均氣溫、月平均氣壓、月平均相對濕度、月平均風速、月日照時數、月總降雨量、月極端最高氣溫、月極端最低氣溫、月小型蒸發量、月平均總云量等10個氣象參數做正態性檢驗，其中月平均相對濕度、月小型蒸發量、月日照時數和月平均總云量服從正態分布，其他6個氣象參數均不服從正態分布。對這10個氣象參數做共線性診斷，結果本組氣象參數數據容差最小為0.014，方差膨脹因子最大達73.264。

2.2 傷寒發病情況：1991年1月—2010年12月20年間，邯鄲市報告傷寒病例1 089例，平均月報告發病率為 0.05／10萬。經單樣 本 Kolmogorov-Smirnov檢驗，Z值為2.867，P＜0.001，發病呈偏態分布；極差為0.86，中位數為0.05，四分位數間距為0.06。整體發病情況見圖1。

2.3 相關性分析：采用Spearman相關分析，結果顯示，邯鄲市1991～2010年傷寒月發病率與月平均氣溫、月極端最低氣溫、月極端最高氣溫、月小型蒸發量、月總降雨量、月日照時數、月平均相對濕度呈正相關，與月平均氣壓呈負相關，且均有統計學意義（P＜0.05或＜0.01），見表1。

表1 邯鄲市 1991—2010年傷寒月發病率與 10個氣象變量的Spearman相關分析Table 1 Spearman correlation coefficient between incidence of typhoid fever and meteorological variables in Handan city during 1991－2010

2.4 因子分析

2.4.1 氣象參數的KMO和Bartlett球形檢驗結果：KMO值為 0.832，表示非常適合做因子分析；Bartlett球形度檢驗的近似卡方值為 3 475.281，P＜0.001，因此拒絕原假設，說明變量間存在相關關系，適于做因子分析。

2.4.2 因子貢獻率：結果顯示，10個因素中可得到2個因子 Z1和 Z2，特征根分別為λ1＝5.612，λ2＝2.336，且其對總方差的累積貢獻率為79.476%，其余特征根均小于 1，因此提取前2個因子作為主因子。經過Kaiser標準化的正交旋轉法旋轉后，這2個因子有了比較明確的含義，將10個氣象指標按高載荷分成了兩類，月平均氣溫、月平均氣壓、月日照時數、月極端最高氣溫、月極端最低氣溫、月小型蒸發量、月平均風速在第一個因子上載荷較大，將第一個因子命名為非自然水因因子；月平均相對濕度、月平均總云量成、月總降雨量在第二個因子上載荷較大，將其命名為自然水因因子。

2.4.3 主成分多元線性回歸：以月發病率作為因變量，因子分析所得2個主因子Z1（非自然水因因子）和Z2（自然水因因子）作為自變量，采用逐步回歸法建立多元線性回歸方程（a入＝0.05，a出＝0.10），Y＝0.060＋1.572Z1，回歸方程決定系數R2＝0.502，調整R2＝0.486，對方程檢驗，F＝87.635，P＜0.05，差異有統計學意義。

3 討 論

國內外學者［1－6］曾嘗試用不同的統計學方法探討氣象因素和傳染病之間的關系，包括 Spearman等級相關分析、時間序列泊松回歸、等級聚類分析、多元時間序列分析方法、互相關分析、多元線性回歸等。其中 Spearman等級相關分析是較常用的一種［6］。目前多元線性回歸分析方法已被廣泛應用于因果關系的研究中。但是本研究中的氣象參數間存在嚴重的多重共線性，這對回歸分析的效果將產生很大的影響。因此，多重共線性問題是回歸分析中需注意的一個重要方面，做多元回歸分析時有必要進行共線性診斷。

多重共線性問題的解決辦法之一是進行因子分析。對本研究的氣象參數做 KMO統計量和Bartlett球型檢驗，顯示十分適合做因子分析。結果顯示，非自然水因因子（其中蘊含了月平均氣溫、月平均氣壓、月日照時數、月極端最高氣溫、月極端最低氣溫、月小型蒸發量、月平均風速）和傷寒月發病率之間建立起了多元回歸方程，且方程差異有統計學意義，提示非自然水因因子對傷寒發病的綜合影響較大。

Spearman相關分析結果顯示，邯鄲市 1991—2010年傷寒月發病率與月平均氣溫、月極端最低氣溫、月極端最高氣溫、月小型蒸發量、月總降雨量、月日照時數、月平均相對濕度呈正相關，與月平均氣壓呈負相關，前三者與傷寒月發病率的相關系數較大，其中月平均氣溫的相關系數最大，是影響傷寒發病的主要氣象因素。

綜上所述，邯鄲市1991—2010年傷寒月發病率主要受月平均氣溫、月極端最低氣溫、月極端最高氣溫和月平均氣壓的顯著影響，非自然水因因子是影響其發病的主因子，月平均氣溫是影響該病的主要氣象因素，月平均氣溫越高，傷寒月發病率也越高。分析原因為氣溫越高，越有利于傷寒桿菌在外界環境中的存活和繁殖，且人們氣溫高時生吃蔬菜、瓜果增多，更易感染傷寒桿菌而發病。月平均風速和月平均總云量對傷寒的發病影響不顯著，與這2個氣象因子對傷寒流行的三環節（傳染病、傳播途徑和易感人群）兩因素（社會因素和自然因素）影響較小有關。本研究與黎新宇等［7］、鄭能雄等［8］、曲波等［9］、談榮梅等［10］的結果相似，與徐聯等［11］的結果有所不同，原因有待進一步探討。

［1］ZHOU SS，HUANG F，WANG JJ，et al.Geographical，meteorologicaland vectorialfactors related to malaria reemergence in Huang-Huai River of central China［J］.Malar J，2010，9：337.

［2］FANG LQ，WANG XJ，LIANG S，et al.Spatiotemporal trends and climatic factors of hemorrhagic fever with renal syndrome epidemic in Shandong Province，China［J］.PLoS Negl Trop Dis，2010 4（8）：e789.

［3］ZHANG WY，GUO WD，FANG LQ，et al.Climate variability and hemorrhagic fever with renal syndrometransmission in Northeastern China［J］Environ Health Perspect，2010，118（7）：915－920.

［4］HUANG F，ZHOU S，ZHANG S，et al.Temporal correlation analysis between malaria and meteorological factors in Motuo County，Tibet［J］.Malar J，2011，10：54.

［5］XIAOD，LONG Y，WANG S，etal.Spatiotemporal distribution ofmalaria and the association between its epidemic and climate factors in Hainan，China［J］.Malar J，2010，9：185.

［6］李秀昌，孫健，胡亞男.長春地區氣候與傳染病間關系分析［J］.中國衛生統計，2010，27（1）：66，69.

［7］黎新宇，王全意，賈蕾，等.北京市傷寒發病率與氣象因素關系研究［J］.首都公共衛生，2007，1（2）：91－93.

［8］鄭能雄，林云欽，鄭高，等.福州市主要傳染病與氣象因素關系的研究［J］.中國公共衛生管理，2004，20（4）：343－346.

［9］曲波，郭海強，關鵬，等.氣候因素對干旱地區消化系傳染病疫情的影響及發病預測［J］.世界華人消化雜志，2009，17（14）：1443－1447.

［10］談榮梅.氣象因素與傷寒發病關系的生態研究［J］.海峽預防醫學雜志，2004，10（5）：32－33.

［11］徐聯，楊正志，冉麗，等.疾病發生與氣象因素關系的多元逐步回歸分析［J］.光明中醫，2009，24（6）：993－995.

（本文編輯：許卓文）

METEOROLOGICAL EPIDEMIOLOGICAL CHARACTERISTICS ON ONSET OF TYPHOID FEVER IN HANDAN

DENG Jian，GUO Liping*，LI Yanxia
（Center for Disease Control and Prevention of Handan，Hebei Province，Handan056008，China）

ObjectiveTo look for the scientific method which could apply to research the relationships between typhoid fever incidence and meteorological factors，and to discuss the meteorological epidemiology characteristics of typhoid fever.MethodsThe data of typhoid fever，meteorological parameters and population in 1991－2010 in Handan were collected and analyzed.Results①Collinearity diagnosis of meteorological parameters showed that the minimal tolerance was 0.014 and the maximal variance inflation factor was 73.264.②Monthly incidence of typhoid fever had significant positive correlation with monthly mean temperature，monthly extreme minimum temperature，monthly extreme maximum temperature，monthly small evaporation，monthly total precipitation，monthly sunshine hours and monthly average relative humidity，and significant negative correlation with monthly average air pressure by using Spearman correlation analysis（P＜0.05 or＜0.01）.The correlation coefficient of typhoid fever and monthly mean temperature was the biggest（rs＝0.592）.③The result of KMO and Bartlett showed that test of meteorological parameters was very suitable for factor analysis.ConclusionThe problem of multicollinearity in 10 meteorological parameters was very serious.Monthly mean temperature was the main meteorological factor influencing typhoid fever incidence.The non natural water factor was the main factor affecting typhoid fever incidence.

typhoid fever；medical，meteorology；epidemiology；factor analysis

R181.22

A

1007-3205（2014）10-1163-03

2014－01－08；

2014－03－25

鄧健（1962－），男，河北正定人，河北省邯鄲市疾病預防控制中心主任醫師，醫學碩士，從事現場流行病學研究。

*通訊作者

10.3969／j.issn.1007-3205.2014.10.015